Điều Khiển Thích Nghi Bán Quỹ Đạo Cho Hệ Xe
Kéo Tractor Trailer
Nguyen Duc Huy, Le Quoc Hung
Tóm tắt —Robot di động bánh xe kéo (TTWMR) được coi
là loại Robot di động bao gồm robot chủ -Robot máy kéo và
robot phụ – Xe kéo di chuyển dọc theo Máy kéo để theo một
quỹ đạo mong muốn nhất định. Những khó khăn chính của
việc ổn định và kiểm soát theo dõi của TTWMR là do các hệ
thống phi tuyến và được điều chỉnh kém chịu các ràng buộc
không tích phân. Để khắc phục những vấn đề này, trước tiên
chúng tôi xây dựng mô hình TTWMR và chuyển đổi mô hình
lỗi theo dõi sang dạng tam giác để đề xuất luật điều khiển và
luật thích ứng. Thứ hai, các bộ điều khiển phản hồi trạng thái
thời gian khác nhau được thiết kế để tạo ra mômen truyền
động bằng cách sử dụng kỹ thuật Bước lùi và phương pháp
trực tiếp Lyapunov, trong đó chúng có thể đảm bảo sự ổn định
của toàn bộ hệ thống bao gồm động học và động lực học. Ngoài
ra, bổ đề Babarlat còn được sử dụng để chứng minh các lỗi
theo dõi đề xuất đều hội tụ về gốc tọa độ và luật thích ứng đề
xuất được tiếp tục giải quyết bài toán tham số chưa biết. Các
mô phỏng được thực hiện để chứng minh hiệu quả hoạt động
của luật thích ứng được đề xuất và luật điều khiển được đề
xuất.
Từ khóa—Điều khiển thích ứng, thiết kế bước lùi, điều khiển
theo dõi, robot di động có bánh xe đầu kéo.
I. GIỚI THIỆU
HÌNH 1. Mô hình hệ thống Xe Robot Bánh Xe Cẩu Đầu Kéo
Xe Robot Bánh Xe Cẩu Đầu Kéo (The Tractor Trailer
Wheeled Mobile Robot-TTTWMR) đã và đang đóng vai trò
quan trọng trong các ứng dụng khác nhau của ngành công
nghiệp như hệ thống vận chuyển và giao hàng do tính đơn
giản, hiệu suất và linh hoạt của nó. Xe Robot Bánh Xe Cẩu
Đầu Kéo được xem xét bao gồm xe cẩu đầu kéo, một loại
robot loại xe đạp đơn được điều khiển bằng hai lực xoay
bánh xe khác nhau để kéo các Rơ-leo theo một quỹ đạo có
thể thực hiện được. Bằng cách kết nối hoặc thả ra một số Rơ-
le, hệ thống có thể di chuyển các hàng hóa theo một đường
dẫn cụ thể mà không cần thay đổi bất kỳ bộ cảm ứng nào. Rõ
ràng rằng Xe Robot này bao gồm nhiều Xe Robot Bánh Xe
khác nhau, do đó, nó vẫn là một hệ thống phi tuyến tính và
thiếu lực điều khiển, chịu sự ràng buộc không tích phân, dẫn
đến sự phức tạp đáng kể trong các nhiệm vụ điều khiển.
Trong mục tiêu của bài báo này, các robot con phải theo một
vị trí và hướng mong muốn với một luật thời gian cụ thể. Có
nhiều bộ điều khiển đã được đề xuất để điều khiển một xe
Robot bánh xe đơn [1-4], nhưng không có bất kỳ cái nào có
thể áp dụng trực tiếp hoặc gián tiếp cho Xe Robot Bánh Xe
Cẩu Đầu Kéo vì sự khác biệt trong mô hình động học và mô
hình động của hai loại này.
Trong những thập kỷ gần đây, đã có nhiều nghiên cứu
được đề xuất để chứng minh việc ổn định hóa và điều khiển
theo dõi của các hệ thống phi tuyến tính như xe Robot bánh
xe đơn và Xe Robot Bánh Xe Cẩu Đầu Kéo. Trong [5], các
tác giả đã đề xuất một phương pháp biến đổi phản hồi cục bộ
để chuyển đổi nhiều mô hình động học của hệ thống phi
tuyến tính thành dạng chuỗi và các nhà nghiên cứu trong [6]
đã thiết kế luật điều khiển để đạt được sự theo dõi bán toàn
cầu bằng cách sử dụng kỹ thuật đệ quy. Hạn chế chính của
phương pháp này là sự thay đổi tọa độ dị hình cục bộ trong
[5] rất phức tạp để áp dụng vào các công việc khác, trong
trường hợp hạn chế vận động của hệ thống Xe Robot Bánh
Xe Cẩu Đầu Kéo đã được xem xét. Một bộ điều khiển động
học trong [6] đã được thiết kế bằng cách sử dụng tuyến tính
hóa chính xác cho đường dẫn theo quỹ đạo dựa trên đường
tròn và đường thẳng của đường đi của xe gắn kết. Tất cả các
luật điều khiển ở trên dựa chủ yếu vào mô hình động học, giả
định theo dõi vận tốc hoàn hảo và bỏ qua độ trể của hệ thống.
Có một số báo cáo ít có xem xét phương pháp điều khiển
động học. Trong [7], các tác giả đã phát triển hệ thống điều
khiển thích nghi mạnh mẽ cho hệ thống Xe Đầu Kéo với việc
thực hiện thử nghiệm. Các khía cạnh vận động và động học
được xem xét độc lập để thiết kế bộ điều khiển, do đó sự ổn
định của toàn bộ hệ thống chưa được nghiên cứu. Kayacan
và đồng nghiệp (2015) đã đề xuất luật điều khiển dự đoán phi
tuyến tính để đạt được theo dõi quỹ đạo của hệ thống Xe Đầu
Kéo [8, 9]. Tuy nhiên, việc thực hiện luật điều khiển dựa trên
bộ vi xử lý con rất khó khăn do khả năng tính toán. Ý tưởng
về phương pháp Backstepping từ mô hình động học vào động
học đã được đề xuất trong [10]. Tuy nhiên, các tác giả không
cung cấp luật điều khiển cụ thể cho Xe Robot Bánh Xe Cẩu
Đầu Kéo và không xem xét vấn đề về thông số không xác
định.
Một trong những rào cản chính trong việc thiết kế điều
khiển cho Xe Robot Bánh Xe Cẩu Đầu Kéo là sự xuất hiện
của các tích phân không xác định trong mô hình toán học, do
đó, đã có nhiều nghiên cứu đề xuất để vượt qua thách thức
này. Trong một nghiên cứu [11], do có nhiều biến gắn kết,
các tác giả đã chia mô hình động học tổng quát thành hai
phần bao gồm độ cương và vị trí để thực hiện luật điều khiển.
Tuy nhiên, phương pháp chia này không dựa trên các ràng
buộc phi tuyến tính và không thừa kế các đặc tính của hệ
thống điện cơ học, dẫn đến việc sử dụng Mạng Nơ-ron Nhân
tạo (ANN) để ước tính sự không chắc chắn. Trong nghiên
cứu [12], các tác giả đã nghiên cứu về một robot bị ràng buộc
hoàn toàn được kích hoạt chịu ràng buộc có tính toàn tuyến
tính. Do đó, họ không cần chia mô hình động học tổng quát
thành hai phần để thiết kế luật điều khiển và luật thích ứng
dựa trên Mạng Nơ-ron Nhân tạo như nghiên cứu trước đó.
Hơn nữa, đóng góp lý thuyết của nghiên cứu này là tìm ra
giải pháp cho ràng buộc đầu ra và toàn bộ trạng thái. Các tác II. BÁO CÁO VẤN ĐỀ
giả trong [12] tiếp tục cải thiện công việc của họ trong [13]
Trong phần này, chúng tôi giới thiệu mô hình toán học
khi luật điều khiển được thiết kế bằng cách sử dụng hàm
của Xe Robot Bánh Xe Cẩu Đầu Kéo và mục tiêu điều
Lyapunov rào cản. Ngoài ra, nghiên cứu trong [14] xem xét
về các tay cầm robot được kích hoạt hoàn toàn chịu ràng khiển. Bằng cách mô tả mô hình của Xe Robot Bánh Xe Cẩu
buộc toàn tuyến tính để thiết kế sơ đồ điều khiển phản hồi Đầu Kéo và các ràng buộc phi tuyến tính, chúng tôi sử dụng
đầu ra dựa trên Mạng Nơ-ron Nhân tạo để giải quyết vấn đề biến đổi để loại bỏ ràng buộc này và xây dựng mô hình động
giới hạn đầu vào. học và động học của hệ thống. Chúng tôi thiết kế một quỹ
đạo mong muốn và trình bày một số giả định để tìm ra hai
Các tác giả trong [15] đã sử dụng các biến đổi tọa độ và lực xoay bánh xe để đạt được mục tiêu theo dõi.
xấp xỉ Pale để bù đắp độ trễ đầu vào, và hàm Lyapunov Rào
Cản để đảm bảo ràng buộc đầu vào. Để thực hiện luật điều A. Mô tả về mô hình
khiển thích ứng mạnh mẽ, họ sử dụng kỹ thuật Backstepping Chúng tôi xem xét Xe Robot Bánh Xe Cẩu Đầu Kéo
dựa trên Mạng Nơ-ron Nhân tạo (ANN) để ước tính các thuật trong Hình 1 và mô tả mô hình động học của nó trong [8].
ngữ không xác định. Nghiên cứu [16] không sử dụng ANN
vì các tác giả nghiên cứu về các hệ thống phi tuyến tính dạng
strict-feedback, đây là một hệ thống dễ hơn so với hệ thống ở Trong đó q = [x, y, θ1, θ0] là biến trạng thái, u1 là vận tốc
trên. Các tác giả trong [15, 16] đã cải thiện công việc của họ tuyến tính của Trailer và u2 là vận tốc góc của Máy kéo.
trong [17] để nghiên cứu hệ thống phi tuyến tính ngẫu nhiên Trong bài báo này, u = [u1,u2] gắn với vận tốc góc của hai
SISO. Vì hệ thống này chứa một thuật ngữ đơn giản bằng bánh xe Máy kéo khác nhau khi giả sử robot không trượt và
tích của một vector hằng số không xác định và một vector chuyển động trượt giữa lốp và đường như sau:
hàm phi tuyến đã biết, nên sơ đồ điều khiển không cần sử
dụng ANN như trong [16]. Nghiên cứu trong [18] xem xét
việc sử dụng mô hình Mờ để ước tính các thuật ngữ không Trong đó r là bán kính của hai bánh xe, b là một nửa
xác định trong tất cả các phương trình của mô hình không khoảng cách giữa các bánh xe của Máy kéo, và φr, φl được
gian trạng thái. Có thể thấy rằng điểm chính của các nghiên ký hiệu là vận tốc góc của bánh xe bên trái và bên phải của
cứu trên [15–18] là chỉ ra việc sử dụng hàm Lyapunov rào Máy kéo.
cản để thiết kế bộ điều khiển thích ứng mạnh mẽ.
Các ràng buộc hệ thống phi chỉnh thể có thể được viết là:
Trong bài báo này, chúng tôi thiết kế một bộ điều khiển
có khả năng đảm bảo cả ổn định và theo dõi cho robot Đầu
Kéo - Rơ-le với các thông số động học không xác định. Phương trình động lực học của Máy kéo – Rơmoóc có
Trước hết, chúng tôi phát triển mô hình của Xe Robot Bánh thể thu được bằng phương pháp Lagrange ở dạng ma trận
Xe Cẩu Đầu Kéo và biến đổi mô hình lỗi theo dõi thành dạng như sau:
tam giác theo [7] để đề xuất một luật điều khiển và một luật
thích ứng. Kỹ thuật Backstepping [19] và phương pháp trực
tiếp Lyapunov được sử dụng để tìm ra lực xoay điều khiển và
trong đó là mômen điều khiển tác dụng lên các bánh xe
luật thích ứng. Cuối cùng, việc chứng minh rằng sai lệch theo
của Máy kéo và λ là hệ số nhân Lagrange. Các ma trậngiống
dõi hội tụ về gốc được chứng minh bằng việc sử dụng định lý
như các ma trận trong [7] .
Babarlat trong [20]. Đóng góp lý thuyết trong nghiên cứu này
tập trung vào tính ổn định hội tụ của toàn bộ hệ thống, trong Từ (1), ta rút ra chắc chắn lần thứ hai – đạo hàm của biến
khi nghiên cứu trước đó trong [7] chỉ chỉ ra tính ổn định của trạng thái q:
luật điều khiển của từng phần hệ thống con và bỏ qua tính ổn
định của toàn bộ hệ thống. Để vượt qua vấn đề thông số
không xác định, các tác giả trong nhiều nghiên cứu [11–15,
18] sử dụng điều khiển mờ và Mạng Nơ-ron Nhân tạo để
thiết kế luật thích ứng. Do đó, họ cần phân tích lỗi xấp xỉ
Mạng Nơ-ron trong thiết kế điều khiển, điều này không dẫn BẢNG 1. Bảng tham số và biến của hệ xe kéo Tractor Trailer
đến tính ổn định hội tụ, ví dụ như UUB và ISS. Ngược lại, do
tính chia cách của hệ thống điện cơ học, mô hình động học Đại lượng Kí hiệu
chắc chắn bằng tích của các hàm trạng thái và các thông số Khoảng cách giữa trọng tâm của xe chủ và 𝑎0 (𝑚)
để sử dụng điều khiển thích ứng tương đương với sự ổn định hai bánh xe
hội tụ mà không cần xác định thông số không xác định và sử Khoảng cách giữa trọng tâm của xe tớ và a1 (m)
dụng ANN hoặc điều khiển mờ. Mặc dù các thông số được hai bánh xe
ước tính thông qua điều khiển tương đương không thể hội tụ Trọng tâm xe chủ C0
về các thông số thực sự giống ANN, sai lệch theo dõi có khả
Trọng tâm xe tớ C1
năng hội tụ về gốc một cách ổn định hội tụ, đóng góp lý
thuyết cho việc chứng minh tính ổn định là tốt hơn hoàn toàn Trung điểm giữa hai bánh xe chủ P0
so với ANN. Trung điểm giữa hai bánh xe tớ P1
Khoảng cách giữa 𝑃0 và khớp nối giữa hai d0 (m)
Bài báo này gồm năm phần. Trong Phần 2, chúng tôi giới xe
thiệu tình hình vấn đề bao gồm mô hình động học và mục Khoảng cách giữa 𝑃1 và khớp nối giữa hai d1 (m)
tiêu điều khiển. Thiết kế điều khiển phản hồi trạng thái được
xe
đề xuất để chứng minh tính ổn định của toàn bộ hệ thống
trong Phần 3. Trong Phần 4, chúng tôi thực hiện kết quả mô Khoảng cách giữa 𝑃0 (P1 ) và bánh xe b (m)
phỏng để chứng minh hiệu suất của phương pháp được đề Vị trí của xe tớ x(m), y(m)
xuất trong phần trước. Phần cuối cùng tổng kết bài báo này. Góc quay của xe tớ θ1 (rad)
Góc quay của xe chủ θ0 (rad)

Để loại bỏ các ràng buộc phi chỉnh thể trong (4), nhân cả
hai vế của (4) với ma trận và sử dụng thực tế :
khi
động có bánh xe kéo không thể đi theo hướng mong muốn
nếu nó vuông góc với hướng hiện tại.
III. THIẾT KẾ ĐIỀU KHIỂN BÁM QUỸ ĐẠO
Đặt (xr, yr, θ1r , θ0r) lần lượt là các vị trí và hướng mong
muốn đặt ra sao cho thoả mãn mô hình:

Thiết lập mômen điều khiển mới:

Sự hội tụ của (, , , ) về gốc tọa độ hàm ý việc đạt được
mục tiêu điều khiển. Từ mô hình động học (1), vi phân thời
Mô hình động trong (6) được viết như sau: gian (10) được cho dưới dạng các sai số theo động học sau:

khi Bằng cách sử dụng biến cho phép như trong tài liệu tham
khảo [7], ta có:

Trong đó:

Trong biểu thức này, m0, m1 và I0, I1 lần lượt là khối

lượng và mômen nội lực của Máy kéo và Rơ moóc. M2(q) là Ta có thể suy ra được:
ma trận quán tính xác định dương đối xứng, là ma trận hướng
tâm, ma trận coriolis.
Phương trình (1.14) cho thấy đổi biến đầu vào điều khiển
Bằng cách thiết lập môment điều khiển mới trong (7) và không được chỉ rõ ràng trong tài liệu [7], sử dụng phương
nhân cả hai vế của (6) với ma trận chúng ta thu được mô hình trình (1.11) và lấy đạo hàm hai vế của (1.12), ta có:
động (8) khác với mô hình động trước đó trong [7–9] theo
tính chất sau các tham số chưa biết (a0,a1,m0,m1, ) được đưa
vào ma trận M2(q), . Ta áp dụng kĩ thuật Backstepping để thiết kế mô ment.
B. Kiểm soát mục tiêu Định nghĩa sai lệch điều khiển ảo như sau:
Đặt (xr, yr, θ1r, θ0r) biểu thị vị trí tham chiếu mong muốn
và hướng của robot ảo có chuyển động thỏa mãn: Trong đó w1c và w2c là các điều khiển ảo cho w 1 and w2,
thay thế (16) thành (15):
trong đó u1r và u2r lần lượt là vận tốc tuyến tính và vận tốc
góc của robot ảo. Hơn nữa (xr(0), yr(0)) là vị trí ban đầu và Để thiết kế biến w1c và w2c, ta chọn hàm ứng viên
(θ1r(0), θ0r(0)) là hướng ban đầu của quỹ đạo tham chiếu. Lyapunov như sau:
Mục tiêu điều khiển là tìm mômen điều khiển τ tác dụng
lên hai bánh xe của Máy kéo để đảm bảo sai số bám đường
giữa quỹ đạo thực và quỹ đạo mong muốn do (9) tạo ra đều Trong đó k là hệ số dương, lấy đạo hàm hai vế của (18)
hội tụ về gốc tọa độ. dọc theo mô hình hệ thống (17) ta có:
Để đạt được mục tiêu kiểm soát, chúng tôi đưa ra các giả
định sau:
Và chọn w1c , w2c như sau:
Giả thiết 1: Tất cả các tín hiệu tham chiếu xr, yr, θ1r, θ0r,
u1r, u2r và đạo hàm theo thời gian bậc một và bậc hai của
chúng đều bị chặn, cần áp dụng bổ đề Barbalat trong [20] khi Rõ ràng rằng phương trình (19) trở thành:
chứng minh tính ổn định của toàn hệ với âm đạo hàm bán
xác định của hàm Lyapunov trong Định lý 1.
Giả thiết 2: trong đó µ là hằng số dương hoàn toàn. Trong đó:

Giả thiết 3: Góc hướng của robot ảo và robot thật thỏa

mãn:
and Hơn nữa, bằng cách thiết lập:

Bài toán theo dõi đường đi trơn tru liên tục thuộc Giả Trong đó , kết hợp (14) và (22), cung cấp:
định 2. Trong trường hợp này, vận tốc tuyến tính mong muốn
là khác không. Giả định 3a đảm bảo sự tồn tại của mô hình
động học (1) và robot ảo (9). Giả định 3b ngụ ý rằng robot di
 Để thiết kế môment điều khiển, ta chọn hàm ứng viên
Lyapunov như sau:

Lấy đạo hàm hai vế của (24):

Thay (23) và (8) vào (25):

Hình 3. Sai lệch bám góc

Tham số hóa các thuật toán trong (26):

Trong đó:

Cuối cùng chọn ra được môment điều khiển sau:

IV. MÔ PHỎNG
Hình 4. Mô ment áp vào hai bánh xe
Để kiểm chứng phương pháp điều khiển đề xuất trong đồ
án này, ta thực hiện mô phỏng trên Simulink với một số quỹ
đạo mong muốn. Tiến hành mô phỏng với bộ tham số như
trong tài liệu [7]:
m0 = 1 (kg), m1 = 0.4 (kg), I1 = 0.005 (kg.m2), I0 = 0.002
(kg.m2), d = 0.15 (m), a0 = 0.03 (m), r = 0.03 (m), b = 0.06
(m) và trạng thái ban đầu của hệ thống được chọn sao cho vị
trí ban đầu của robot di động nằm ngoài quỹ đạo tham chiếu:
u(0) = [0;0], x(0) = 1.5 (m), y(0) = 1.5 (m), θ1(0) = -0.1 (rad),
θ0(0) = -0.2 (rad), xr(0) = 2 (m), yr(0) = 0 (m), θ1r = 0 (rad),
θ0r = 0 (rad), .
Kịch bản mô phỏng là vị trí được xem xét của rơ-moóc ở
trạng thái ban đầu nằm ngoài quỹ đạo tham chiếu. Do đó, Hình 5. Bám quỹ đạo hình vuông
mục tiêu điều khiển là các bộ điều khiển được đề xuất và luật
thích ứng được đề xuất làm cho hệ thống có thể theo dõi quỹ
đạo đã cho này với mô phỏng thời gian hữu hạn. Các quỹ đạo
tham chiếu đa giác có một số góc không thỏa mãn Giả định
3.
Quỹ đạo mong muốn là đa giác có n đỉnh cao được thiết
kế trên không gian hai chiều như sau:

Trong đó a là độ dãn 𝛼 là vận tốc góc quỹ đạo, R là

khoảng cách giữa trọng tâm quỹ đạo và một đỉnh bất kỳ. Ta
chọn: a=0.1,𝛼=0.5(rad/s)vàR=2(m).
Hình 6. Bám quỹ đạo đa giác sáu đỉnh

Hình 2. Sai lệch bám vị trí

V.KẾT LUẬN
 Bài báo này trình bày bộ điều khiển thích ứng thay đổi
theo thời gian được đề xuất để thực hiện điều khiển theo dõi
cho Robot di động bánh xe đầu kéo. Thành công chính của
bài báo này là việc cải tiến việc sử dụng kỹ thuật
Backstepping từ động học sang động lực học. Kết quả mô
phỏng cho một số trường hợp quỹ đạo chứng tỏ hiệu quả
hoạt động hiệu quả của phương pháp đề xuất trong việc điều
khiển theo dõi quỹ đạo. Trong công việc trong tương lai,
chúng tôi sẽ áp dụng phương pháp đề xuất này để mở rộng
sang các hệ
thống phi hình ảnh bao gồm Máy kéo và một số Xe kéo.
VI.TÀI LIỆU THAM KHẢO
[1] Do K D, Jiang Z P, Pan J, Simultaneous tracking and stabilization of
mobile robots: an adaptive approach, IEEE Transaction on Automatic
Control 2004, Vol 49(7), pp 1147–1152.
[2] Fukao T, Nakagawa H, Adachi N, Adaptive tracking control of a
nonholonomic mobile robot, IEEE Transaction on Robotics and
Automation, 2000, Vol 16, pp 609–615.J. Clerk Maxwell, A Treatise
on Electricity and Magnetism, 3rd ed., vol. 2. Oxford: Clarendon,
1892, pp.68–73.
Hình 7. Bám quỹ đạo đa giác mười đỉnh
[3] Ge S S, Wang Z, Lee T H, Adaptive stabilization of uncertain
nonholonomic systems by state and output feedback, Automatica,
[4] Based Decentralized Nonlinear Model Predictive Control of an
Autonomous Tractor-Trailer System, IEEE/ASME Transaction on
Mechatronics, 2015, Vol 20, pp 447-456.
[5] H. K. Khalil, Nonlinear Systems, 3rd ed. Upper Saddle River, NJ:
Prentice-Hall, 2002.
[6] Zhong-Ping Jiang, Henk Nijmeijer, A Recursive Technique of
Tracking Control of Nonholomonic Systems in Chained Form, IEEE
Transaction on Automatic Control,1999, Vol 44(2), pp 265-279.
[7] Ali Keymasi Khalaji, S.Ali A. Moosavian, Robust Adaptive
Controller for a Tractor-Trailer Mobile Robot, IEEE/ASME
Transaction on Mechatronics,2014, Vol 9, pp 1-11
[8] Erkan Kayacan, Erdal Kayacan, Robust Tube- Based Decentralized
Nonlinear Model Predictive Control of an Autonomous Tractor-
Trailer System,IEEE/ASME Transaction on Mechatronics,2015,Vol
20, pp 447- 456
[9] Kayacan, Learning in Centralized Nonlinear Model Predictive
Control: Application to an Autonomous Tractor-Trailer System, IEEE
Transaction on Control Systems Technology, 2015, Vol 23, pp 197-
205
[10] H. K. Khalil, Nonlinear Systems, 3 rd ed. Upper Saddle River, NJ:
Prentice-Hall, 2002.