Professional Documents
Culture Documents
DOI:10.22144/ctu.jvn.2020.002
ĐIỀU KHIỂN VÀ PHÂN LOẠI VẬT THỂ DỰA TRÊN MÀU SẮC SỬ DỤNG
CÁNH TAY ROBOT 3 BẬC TỰ DO CỦA FISCHERTECHNIK
Phạm Thế Thịnh1 và Đỗ Vinh Quang2*
1
Sinh viên lớp Cơ điện tử, khóa 2015, Trường Đại học Kỹ thuật- Công nghệ Cần Thơ
2
Khoa Kỹ thuật cơ khí, Trường Đại học Kỹ thuật-Công nghệ Cần Thơ
*
Người chịu trách nhiệm về bài viết: Đỗ Vinh Quang (email: dvquang@ctuet.edu.vn)
ABSTRACT
Thông tin chung:
This paper presents a method for building a controller of a 3-axis robotic
Ngày nhận bài: 22/08/2019
arm model from Fischertechnik. Autodesk Inventor software was used to
Ngày nhận bài sửa: 09/11/2019
Ngày duyệt đăng: 28/02/2020 draw the 3D model of the arm which was then converted to the model in
Matlab (for controller design and simulation) via SimMechanics link
Title: toolbox. Feedback control as well as forward and inverse kinematics were
Control and classification of applied to control positions of joints and gripper respectively. The arm
objects based on colors using has been integrated camera to perform color classification based on
3-axis robot arm of LabVIEW’s image processing library. A Human Machine Interface (HMI)
Fischertechnik was also designed using LabVIEW that allows operators to control and
supervise the model in operation. The experimental results show that the
robotic arm model can move to desired positions with low error (<8%)
Từ khóa: and high stability (standard deviation in percentage < 3%). Therefore,
Cánh tay robot của the model meets basic requirements of a robotic arm applied for product
Fischertechnik, cánh tay 3 bậc classification in warehouse. Moreover, it can serve for studying, learning
tự do, SimMechanics với about robotic arms and control algorithms such as ON-OFF, PID, etc.
Inventor, xử lý ảnh LabVIEW
TÓM TẮT
Keywords: Bài báo trình bày phương pháp xây dựng bộ điều khiển cho mô hình cánh
Fischertechnik’s robotic arm, tay robot 3 bậc tự do của Fischertechnik. Ứng dụng phần mềm Inventor
LabVIEW Image Processing thiết kế mô hình 3D cho cánh tay, sau đó sử dụng công cụ SimMechanics
Techniques, SimMechanics, 3- hỗ trợ liên kết từ Matlab với Cad 3D Inventor để mô hình hóa, mô phỏng.
axis robotic arm. Nguyên lý điều khiển hồi tiếp và bài toán động học thuận, động học nghịch
đã được áp dụng vào cánh tay robot 3 bậc tự do để điều khiển vị trí các
khớp cũng như khâu chấp hành. Cánh tay được tích hợp thêm camera để
thực hiện quá trình xử lý ảnh phân loại màu dựa trên thư viện xử lý ảnh
của LabVIEW. Một giao diện được thiết kế (sử dụng LabVIEW), có chức
năng cho phép người điều khiển quan sát trực tuyến các chế độ của mô
hình đang hoạt động. Kết quả thực nghiệm cho thấy cánh tay gắp vật đến
vị trí mong muốn với sai lệch tương đối thấp (<8%) và ổn định cao với độ
lệch chuẩn thấp (<3%). Như vậy, mô hình đã xây dựng đáp ứng được các
yêu cầu cơ bản của một mô hình cánh tay trong ứng dụng xếp kho hàng
phân loại sản phẩm. Hơn thế nữa, nó còn có thể phục vụ cho việc học tập,
tìm hiểu về cánh tay robot và một số giải thuật điều khiển như ON-OFF,
PID,…
Trích dẫn: Phạm Thế Thịnh và Đỗ Vinh Quang, 2020. Điều khiển và phân loại vật thể dựa trên màu sắc sử
dụng cánh tay robot 3 bậc tự do của Fischertechnik. Tạp chí Khoa học Trường Đại học Cần Thơ.
56(1A): 11-20.
11
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
12
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
2.2 Xây dựng điều khiển vị trí cánh tay 3 mong muốn (X, Y, Z) của khâu chấp hành, các thông
bậc tự do số khớp được tìm thông qua phương trình động học
ngược. Sau đó, chúng được so sánh với các giá trị
Bài toán điều khiển cánh tay robot là đưa khâu thông khớp hiện tại được cảm biến encoder phản hồi
chấp hành đến vị trí làm việc mong muốn. Để có thể về, sai lệch sẽ qua bộ điều khiển tác động đến các
điều khiển vị trí cánh tay robot trước hết phải tìm động cơ của cánh tay. Từ các thông số khớp hiện tại
được hai phương trình động học thuận và động học được lấy liên tục từ encoder, qua phương trình động
ngược. Xây dựng giải thuật điều khiển dựa trên học thuận, vị trí hiện tại của khâu chấp hành sẽ tính
phương trình động lực học. Nguyên lý điều khiển được theo thời gian thực.
vị trí cánh tay được trình bày như Hình 3. Từ tọa độ
13
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
Động học thuận của mô hình Tên các khớp và phạm vi làm việc của chúng được
trình bài trong Bảng 1. Các thông số kỹ thuật của
Mô hình cánh tay được thiết kế theo hình dạng
động cơ được trình bày trong Bảng 2
của robot công nghiệp loại tọa độ trụ có 3 bậc tự do.
(Fischertechnik ROBO TX, 2013).
Bảng 1: Loại khớp và phạm vi làm việc từng khớp
Khớp Loại khớp Phạm vi làm việc
1 Khớp quay Quay ngược chiều kim đồng hồ, 00 đến 3600
2 Khớp tịnh tiến Tịnh tiến theo chiều cao từ 0cm đến 15cm
3 Khớp tịnh tiến Tịnh tiến theo phương ngang từ 0cm đến 9cm
Với mô hình đã có, tiến hành tìm động học thuận Hartenberg (Đào Văn Hiệp, 2004) nhận được các hệ
được trình bày trong sách “Kỹ thuật robot” (Đào trục tọa độ robot như Hình 4.
Văn Hiệp, 2004). Thực hiện theo quy tắc Denavit
Bảng 2: Thông số kỹ thuật
Động cơ Nguồn cấp (V) Công suất (W) Vận tốc (vòng/phút)
DC tích hợp encoder 9V 1,2 W 105 vòng/phút
XS motor DC 9V 1W 6000 vòng/phút
3 0 0 𝑑3∗ +18 0 Từ các thông số trong bảng DH, tìm các ma trận
biến đổi từ ma trận tổng quát (1):
14
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
c1 − s1 0 0 Phương trình (6) là ma trận biến đổi thuần nhất
s c 0 0 của robot. Từ ma trận biến đổi thuần nhất (6), rút ra
A1 = 1
0 1 (2) hệ phương trình như sau:
0 0 1 0
X = a s + (d * + 18)c
0 0 0 1 2 1 3 1
*
Y = −a2c1 + (d3 + 18) s1 (7)
0 0 1 0 *
−1 0 0 − a2 Z = d2
1
A2 = * (3)
0 −1 0 d 2 Hệ phương trình (7) là hệ phương trình miêu tả
0 1 động học thuận để xác định vị trí của mô hình cánh
0 0
tay robot Fischertechnik khi biết trước giá trị các
thông số khớp.
1 0 0 0
0 1 0 0 Động học ngược của mô hình
A3 =
2
* (4) Động học ngược của mô hình được tìm bằng
0 0 1 d3 + 18
phương pháp hình học và được thực hiện như sau:
0 0 0 1 Chiếu mô hình cánh tay xuống mặt phẳng Oxy như
Hình 5 và theo phương đứng.
Nhân các ma trận (2), (3), (4) với nhau:
Có tọa độ: OE ≡ O3
0 0 1 2
A3 = A1 * A2 * A3 = H (5) Với OE (XE, YE, ZE) là tọa độ tâm vật. Thu được
hệ phương trình mô tả động học ngược:
s 0 a2 s1 + (d3 + 18)c1
c1
*
1 = a tan 2( X , Y ) + a tan 2(r , a )
−c1 *
0 s1 −a2c1 + (d3 + 18) s1 1 E E 2
= *
* (6)
d2 = Z E (8)
0 −1 0 d2 * 2 2 2
0 0 0 1 d3 = ( X E + YE − a2 − 18)
15
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
2.3 Xử lý ảnh trên LabVIEW 15 (màu xanh ở kệ 6 và trắng ở 15). Hàm phân loại
màu thực hiện chức năng phân loại trả giá trị đúng
LabVIEW hỗ trợ đầy đủ các chức năng của một
với màu của ô tương ứng. Ở đây, để có thể chính xác
quá trình xử lý ảnh và quá trình xử lý được thực hiện
màu, chọn ngưỡng tham chiếu giá trị tại hai ô cần
như sau: Hình ảnh nhận từ camera được đưa vào một
phân loại lớn hơn 0,4. Nếu giá trị trả về tại kệ 6 là
vùng nhớ để tiến hành xử lý ảnh. Ảnh thu được là hệ
lớn hơn 0,4, kết luận là màu xanh, còn ở kệ 15, kết
màu RGB (Red, Green, Blue) được chuyển đổi
luận là màu trắng. Giá trị ngưỡng này được chọn từ
thành hệ màu HSL (Hue, Saturation, Lightness), sau
thực nghiệm khi quan sát giá trị tại ô kệ màu xanh
đó được phân tách màu tương ứng với hệ màu HSL.
(màu trắng) đối với các màu sắc khác nhau. Sau khi
Tiếp theo, hàm IMAQ Color Learn (thuộc thư viện
được kết quả phân loại màu, khối “chương trình
màu tiện ích) được sử dụng để thực hiện chức năng
chính” có nhiệm vụ hiển thị số lượng, đèn báo màu
học màu và đưa ra các kệ ô màu theo tỷ lệ khả năng
được phân loại. Đồng thời đưa các tọa độ mong
có thể là màu của vật tại từng kệ màu (với số kệ ô
muốn của màu đó được người dùng đặt sẵn truyền
phụ thuộc vào sự chọn lựa độ nhạy màu). Trong bài
xuống chương trình Arduino thực hiện việc điều
báo này, phân loại hai màu xanh và trắng, độ nhạy
khiển cánh tay đến vị trí mong muốn. Lưu đồ giải
màu được chọn là LOW, nên chia làm 16 kệ từ 0 đến
thuật tổng quát như Hình 6.
16
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
17
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
2.5 Mô hình mô phỏng mô hình hóa và phân tích dễ dàng hơn vì người dùng
không cần trải qua quá trình mô hình hóa phức tạp
Sim-mechanics là một công cụ trong Matlab cho
(Gaber et al., 2016). Còn đối với cánh tay robot khi
phép chuyển đổi mô hình Autodesk Inventor từ môi
mà việc tìm phương trình động lực học là tương đối
trường Inventor sang môi trường Simulink dưới
khó khăn, việc lựa chọn ứng dụng trên để thiết kế bộ
dạng các khối được kết nối bởi các khớp. Công cụ
điều khiển sẽ mang lại nhiều thuận lợi. Mô hình
còn cung cấp cho người dùng các chức năng về xác
được xuất sang Matlab như Hình 9 và sơ đồ mô
định các vật thể và tính chất khối lượng của chúng;
phỏng sử dụng bộ điều khiển PID được trình bày ở
mô phỏng chuyển động của vật, các ràng buộc động
Hình 10 mà sẽ được trình bài kỹ hơn ở phần tiếp
học, hệ tọa độ; đo được chuyển động; hay hỗ trợ việc
theo.
tìm phương trình động học. Điều này làm cho việc
Hình 10: Bộ điều khiển PID được dùng để điều khiển cánh tay robot 3 bậc tự do
3 KẾT QUẢ VÀ THẢO LUẬN được chọn bằng phương pháp thực nghiệm Ziegler
– Nichols (Huỳnh Thế Hiển và ctv., 2018) là: K P
Việc mô phỏng được tiến hành với m1 = 0,6 kg,
=120, TI =75, TD =20. Kết quả mô phỏng của từng
m2 = 0,3 kg, m3 = 0,5 kg là khối lượng tương ứng
khớp không có nhiễu được thể hiện ở Hình 11 với
của khâu 1, 2, 3 của cánh tay robot. Các tham số PID
18
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
đường màu hồng là các giá trị đặt (Khớp 1 = 1 rad, khớp được trình bày như Bảng 4. Lưu ý rằng, bộ
khớp 2 = 10 cm, khớp 3 = 5 cm) và đường màu vàng điều khiển trong thí nghiệm này đóng vai trò kiểm
nét đứt là giá trị đáp ứng. Kết quả cho thấy, các khớp nghiệm hoạt động của mạch điều khiển với mô hình.
đều đến được vị trí mong muốn. Trong đó, khớp 3 Thực tế triển khai, người dùng có thể thiết kế các
có độ vọt lố cao nhất (10%) và thời gian xác lập giải thuật khác để có chất lượng tốt hơn.
chậm nhất (3s). Các chỉ tiêu chất lượng cho từng
(c) Khớp 3
Hình 11: Đáp ứng bộ điều khiển PID
Bảng 4: So sánh các chỉ tiêu chất lượng của từng khớp với bộ điều khiển PID
Chỉ tiêu Khớp 1 Khớp 2 Khớp 3
Độ vọt lố trên (%) 5 8 10
Độ vọt lố dưới (%) 6 - 2
Thời gian tăng (s) 0,12 0,1 0,2
Thời gian xác lập (s) 2,6 1,3 3
một tọa độ cố định nhiều lần (Ví dụ: X = 5 cm, Y =
Sau khi thực hiện quá trình mô phỏng, tiến hành
20 cm, Z = 10 cm). Kết quả thu được bằng phương
thực nghiệm khả năng điều khiển vị trí cánh tay của
pháp đo thủ công và được trình bày ở Bảng 5.
bộ điều khiển bằng việc cho cánh tay di chuyển đến
Bảng 5: Kết quả kiểm nghiệm thực tế
Tọa độ mong Tọa độ mong muốn Tọa độ đo được
muốn X Y Z X Y Z
1 5 20 10 5,2 19,8 10,2
2 5 20 10 5 20,4 9,8
3 5 20 10 5,4 20 10
4 5 20 10 5,2 20,2 10
5 5 20 10 5 20,2 9,8
6 5 20 10 5,2 20 10,2
Giá trị trung bình 5,17 20,1 10
Độ lệch chuẩn 0,137 0,191 0,163
Độ lệch chuẩn (%) 2,66 0,95 1,63
19
Tạp chí Khoa học Trường Đại học Cần Thơ Tập 56, Số 1A (2020): 11-20
Kết quả cho thấy, cánh tay có thể di chuyển tới hàm cơ sở xuyên tâm, bộ điều khiển trượt, … để
tọa độ mong muốn với sai lệch tương đối thấp nâng cao hiệu suất.
(<8%). Sai lệch điều khiển này là chấp nhận được vì TÀI LIỆU THAM KHẢO
sai số cơ khí của mô hình là tương đối lớn. Các lần
lặp lại cho độ lệch chuẩn <3%, đã chứng tỏ sự ổn Ali, M.H., Aizat, K., Yerkhan, K., Zhandos, T., and
Anuar, O., 2018. Vision-based robot
định của bộ điều khiển. Cuối cùng, khả năng thực
manipulator for industrial applications. Procedia
hiện gắp và nhả vật dựa trên phân loại màu sắc được Computer Science. 133(2018): 205 – 212.
kiểm nghiệm. Việc kiểm tra được tiến hành 6 lần với
Đào Văn Hiệp, 2004. KỸ THUẬT ROBOT. Nhà
hệ thống hoạt động ở chế độ tự động. Kết quả được
xuất bản khoa học và kỹ thuật, 246 trang.
trình bày ở Bảng 6.
Fruend, J., and Matysczok, C., 2002. Designing
Bảng 6: Kết quả số lần cánh tay gắp vật thành công flexible manufacturing systems with augmented
reality. In The First IEEE International
Số lần thực Gắp vật: Thành công/
Workshop Augmented Reality Toolkit. 3 pages.
hiện Không thành công
Gaber, A. N. A. E., Rezeka, S. F., and EI Gamal, H.
1 Thành công
A., 2016. Design and Position Control of Arm
2 Thành công Manipulator, Experimentally and in MATLAB
3 Thành công SimMechanics. International Journal of
4 Không thành công Engineering Research and Technology. 5(08):
5 Thành công 352–359.
6 Thành công Huỳnh Thế Hiển, Huỳnh Minh Vũ và Nguyễn Hoàng
Dũng, 2018. Bộ điều khiển PID dựa trên mạng
Qua kiểm nghiệm tỷ lệ thành công là cao hơn No-ron hàm cơ sở xuyên tâm. Tạp chí Khoa học
80%. Lần thực hiện thứ 4 không thành công là do Trường Đại học Cần Thơ. 7A(2018): 9-19.
ánh sáng thay đổi đột ngột, làm cho camera bị nhiễu
Huang, Z., Liu, L. and Li, Z., 2018. Study on the
sáng nên không phân biệt rõ màu của vật. reform of innovative experimental teaching
4 KẾT LUẬN VÀ ĐỀ XUẤT mode based on Fischer robot. Advances in Social
Science, Education and Humanities Research.
Một bộ điều khiển cho mô hình cánh tay robot 194: 406-410.
gắp vật từ băng tải kết hợp với xử lý ảnh để phân Obinna, N., and Szemes, P., 2017. LabVIEW Image
loại sản phẩm đã được hoàn thành. Bài toán động Processing Techniques for the Industrial Quality
học thuận, động học nghịch và nguyên lý điều khiển Improvement Processes Design of a Color
hồi tiếp đã được áp dụng vào cánh tay robot 3 bậc tự Calibration System Using the NI Vision Acquisition
do để điều khiển vị trí gắp và thả vật ở mọi vị trí Software and NI Vision Development Module.
trong không gian làm việc của nó. Việc mô phỏng Accessed on 4 January 2019. Available from:
https://www.researchgate.net/publication/321588731.
hoạt động và điều khiển của cánh tay cũng được
thực hiện dựa trên phần mềm Matlab liên kết với Peng, H., and Huang, Z.C., 2012. Design of a
Inventor. Mặc dù sai lệch vị trí còn tương đối lớn do welding robot based on fischertechnik
combination model platform. Advanced
sai lệch cơ khí của mô hình và việc phân loại màu
Materials Research. 619(2013): 384–387.
sắc còn bị ảnh hưởng bởi nhiễu sáng, mô hình hoàn
thiện này có thể phục vụ cho việc tìm hiểu về cánh Ramesh, H.R., and Pooja, 2017. Colour Sorting
Robot in LabVIEW Using Image Processing.
tay robot và một số giải thuật điều khiển như ON- International Journal of Science and Research.
OFF, PID,… Hướng phát triển tiếp theo của bài báo 6(12): 47–50.
sẽ là sử dụng các bộ điều khiển như mạng Nơron
20