Điều khiển và phân loại vật thể dựa trên màu sắc sử dụng cánh tay robot 3 bậc tự do của Fischertechnik

- ĐIỀU KHIỂN VÀ PHÂN LOẠI VẬT THỂ DỰA TRÊN MÀU SẮC SỬ DỤNG CÁNH TAY ROBOT 3 BẬC TỰ DO CỦA FISCHERTECHNIK.
- Cánh tay robot của.
- Fischertechnik, cánh tay 3 bậc tự do, SimMechanics với Inventor, xử lý ảnh LabVIEW.
- Bài báo trình bày phương pháp xây dựng bộ điều khiển cho mô hình cánh tay robot 3 bậc tự do của Fischertechnik.
- Ứng dụng phần mềm Inventor thiết kế mô hình 3D cho cánh tay, sau đó sử dụng công cụ SimMechanics hỗ trợ liên kết từ Matlab với Cad 3D Inventor để mô hình hóa, mô phỏng..
- 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.
- Ngày nay, tay máy công nghiệp (cánh tay robot) xuất hiện nhiều trong các nhà máy, xí nghiệp ở Việt Nam với các nhiệm vụ: lắp ráp, bốc dỡ hàng hóa, sơn, hàn,…Do vậy, nhu cầu thực tế về nguồn lao động có thể thao tác, lập trình, điều khiển tay máy là rất cần thiết.
- Việc tìm hiểu, nghiên cứu một mô hình cánh tay robot giá rẻ để cơ bản hiểu được cách thức hoạt động cũng như điều khiển một tay máy công nghiệp là cần thiết..
- Mô hình Fischertechnik được phát minh từ một nhà sáng chế người Đức (Dr.
- Nhiều công ty lớn, nổi tiếng trên thế giới như Siemen, BMW đã sử dụng các mô hình của Fischertechnik để trình diễn các dây chuyền sản xuất (Huang et al., 2018).
- Ngoài ra, các trường cao đẳng và đại học ở Đức và Hoa Kỳ đã sử dụng robot Fischer để thực hiện việc giảng dạy và thực hành ở một số môn (Freuend and Matysczok, 2002).
- Với nhiều quốc gia và các trường đã ứng dụng các mô hình robot Fischertechnik như đã tìm hiểu, chúng hoàn toàn có thể đáp ứng được các yêu cầu trong việc giảng dạy và nghiên cứu ở Việt Nam.
- Tuy nhiên, chi phí nói riêng cho bộ điều khiển chính hãng (gần 400 USD) vẫn là khá đắt.
- Để giải quyết vấn đề này, đồng thời giúp vận dụng được những kiến thức đã học, board Arduino Mega cùng với LabVIEW đã được sử dụng để điều khiển mô hình..
- Việc ứng dụng LabVIEW và Arduino trong điều khiển và tự động hóa là rất phổ biến hiện nay.
- (2018) đã ứng dụng xử lý ảnh màu để xác định đối tượng từ đó đưa ra quyết định cho cánh tay.
- (2015) cánh tay được gắn một camera để tiến hành phân loại vật thể dựa vào màu sắc với board điều khiển trung tâm là Arduino UNO kết hợp với phần mềm LabVIEW..
- Kết quả cho thấy sự ổn định khi thực hiện xử lý ảnh trên LabVIEW.
- kỹ thuật xử lý ảnh mà thư viện trong LabVIEW hỗ trợ để cải thiện chất lượng màu..
- Nhìn chung, các bài báo chỉ đi sâu vào việc nghiên cứu ứng dụng xử lý ảnh trên LabVIEW mà chưa đưa ra các phương pháp điều khiển cánh tay robot.
- Vì vậy, bài báo này ngoài việc kế thừa các kỹ thuật xử lý ảnh còn đưa ra cách xây dựng bộ điều khiển, mô phỏng cụ thể cho một cánh tay robot.
- Cụ thể hơn, một bộ điều khiển (board Arduino Mega) cho mô hình cánh tay robot gắp vật từ băng tải (mô hình của hãng Fischertechnik) kết hợp với xử lý ảnh (phần mềm LabVIEW) để phân loại sản phẩm đã được xây dựng.
- Trong đó, bài toán động học thuận, động học nghịch và nguyên lý điều khiển hồi tiếp đã được áp dụng để điều khiển vị trí gắp và nhả vật..
- Thêm vào đó, hoạt động và điều khiển của cánh tay cũng được mô phỏng dựa trên công cụ SimMechanics liên kết với Inventor..
- 2 PHƯƠNG PHÁP THỰC HIỆN 2.1 Tổng quan về mô hình.
- Mô hình hệ thống sắp xếp hàng hóa được xây dựng như Hình 1.
- Hệ có các thành phần chính bao gồm: một mô hình cánh tay robot của Fischertechnik tên ROBOTICS TXT Automation Robots (cánh tay có ba bậc tự do, trong robot công nghiệp được gọi là robot tọa độ trụ và có phạm vi làm việc là dạng hình tọa độ trụ trong không gian).
- một mô hình băng tải và một khai chứa vật đều được lắp ghép từ các khối cơ bản của Fischertechnik.
- và một mạch điều khiển Arduino Mega..
- Nguyên lý điều khiển của hệ thống mô hình được thực hiện như Hình 2.
- Băng tải vận chuyển vật đến vị trí cảm biến vật cản E18-D80, cảm biến phát hiện vật thể đưa tín hiệu về bộ điều khiển trung tâm Arduino Mega 2560 làm dừng hoạt động của băng tải qua relay.
- Sau đó, bộ điều khiển trung tâm ra lệnh điều khiển cánh tay đến vị trí của vật trên băng tải và thực hiện gắp vật qua mạch công suất L293D, đồng thời quá trình xử lý ảnh phân loại màu cũng được thực hiện để đưa tín hiệu quyết định vị trí thả vật cho cánh tay (tọa độ mong muốn cho từng vật được nhập trên giao diện).
- Việc thực hiện nguyên lý điều khiển trên được chia làm hai hướng: (1) Điều khiển vị trí cánh tay và (2) Xây dựng xử lý phân loại màu trên LabVIEW..
- Hình 1: Mô hình thí nghiệm.
- Hình 2: Sơ đồ điều khiển hệ thống 2.2 Xây dựng điều khiển vị trí cánh tay 3.
- Bài toán điều khiển cánh tay robot là đưa khâu chấp hành đến vị trí làm việc mong muốn.
- Để có thể điều khiển vị trí cánh tay robot trước hết phải tìm được hai phương trình động học thuận và động học ngược.
- Xây dựng giải thuật điều khiển dựa trên phương trình động lực học.
- Nguyên lý điều khiển vị trí cánh tay được trình bày như Hình 3.
- Từ tọa độ.
- mong muốn (X, Y, Z) của khâu chấp hành, các thông số khớp được tìm thông qua phương trình động học ngược.
- Sau đó, chúng được so sánh với các giá trị thông khớp hiện tại được cảm biến encoder phản hồi về, sai lệch sẽ qua bộ điều khiển tác động đến các động cơ của cánh tay.
- Từ các thông số khớp hiện tại được lấy liên tục từ encoder, qua phương trình động học thuận, vị trí hiện tại của khâu chấp hành sẽ tính được theo thời gian thực..
- Động học thuận của mô hình.
- Mô hình cánh tay được thiết kế theo hình dạng của robot công nghiệp loại tọa độ trụ có 3 bậc tự do..
- Với mô hình đã có, tiến hành tìm động học thuận được trình bày trong sách “Kỹ thuật robot” (Đào Văn Hiệp, 2004).
- Thực hiện theo quy tắc Denavit.
- Hệ phương trình (7) là hệ phương trình miêu tả động học thuận để xác định vị trí của mô hình cánh tay robot Fischertechnik khi biết trước giá trị các thông số khớp..
- Động học ngược của mô hình.
- Động học ngược của mô hình được tìm bằng phương pháp hình học và được thực hiện như sau:.
- Chiếu mô hình cánh tay xuống mặt phẳng Oxy như Hình 5 và theo phương đứng..
- Có tọa độ: O E ≡ O 3.
- Thu được hệ phương trình mô tả động học ngược:.
- 2.3 Xử lý ảnh trên LabVIEW.
- LabVIEW hỗ trợ đầy đủ các chức năng của một quá trình xử lý ảnh và quá trình xử lý được thực hiện như sau: Hình ảnh nhận từ camera được đưa vào một vùng nhớ để tiến hành xử lý ảnh.
- Hàm phân loại màu thực hiện chức năng phân loại trả giá trị đúng với màu của ô tương ứng.
- Đồng thời đưa các tọa độ mong muốn của màu đó được người dùng đặt sẵn truyền xuống chương trình Arduino thực hiện việc điều khiển cánh tay đến vị trí mong muốn.
- Hình 6: Lưu đồ xử lý ảnh trên LabVIEW 2.4 Giao diện phần mềm.
- Giao diện mô hình được thiết kế qua phần mềm LabVIEW và có thể tương tác với người dùng qua hai chế độ điều khiển gồm: (1) Điều khiển bằng tay và (2) Điều khiển tự động.
- Chương trình viết cho bộ điều khiển này được chia làm nhiều chương trình con để.
- thực hiện các chức năng khác nhau như thực hiện chế độ điều khiển theo yêu cầu, điều khiển băng tải, đọc tín hiệu cảm biến, điều khiển các động cơ của cánh tay.
- Lưu đồ giải thuật tổng quát của chương trình điều khiển được trình bài như Hình 7.
- Giao diện điều khiển của toàn bộ hệ thống được thể hiện ở Hình 8.
- Ngoài các chức năng điều khiển đã được tóm lược, giao diện còn cho phép giám sát trực tuyến và ghi nhận số lượng vật đã gắp, cho phép người dùng can thiệp các lệnh điều khiển trong hệ thống..
- Hình 7: Lưu đồ giải thuật điều khiển gắp vật.
- 2.5 Mô hình mô phỏng.
- Sim-mechanics là một công cụ trong Matlab cho phép chuyển đổi mô hình Autodesk Inventor từ môi trường Inventor sang môi trường Simulink dưới dạng các khối được kết nối bởi các khớp.
- hay hỗ trợ việc tìm phương trình động học.
- mô hình hóa và phân tích dễ dàng hơn vì người dùng không cần trải qua quá trình mô hình hóa phức tạp (Gaber et al., 2016).
- Còn đối với cánh tay robot khi mà việc tìm phương trình động lực học là tương đối khó khăn, việc lựa chọn ứng dụng trên để thiết kế bộ điều khiển sẽ mang lại nhiều thuận lợi.
- Mô hình được xuất sang Matlab như Hình 9 và sơ đồ mô phỏng sử dụng bộ điều khiển PID được trình bày ở Hình 10 mà sẽ được trình bài kỹ hơn ở phần tiếp theo..
- Hình 9: Mô hình trong môi trường simulink Matlab 2.6 Xây dựng thuật toán điều khiển.
- Bộ điều khiển PID được thiết kế cho từng khớp để kiểm tra khả năng điều khiển, đáp ứng từng khớp của mô hình khi sử dụng bộ điều khiển này (Hình 10).
- Khi nhận được mô hình từ Inventor liên kết Matlab, thuật toán điều khiển PID được xây dựng như sau: (1) sử dụng khối Joint Actuator để có thể tạo lực, momen làm di chuyển đối với khớp trượt, làm quay đối với khớp quay.
- (3) sử dụng bộ PID trong thư viện, đầu vào bộ điều khiển là sai số giữa giá trị đặt và giá trị phản hồi về từ khối Sensor Joint, đầu ra là tín hiệu điều khiển áp lên khối Joint Actuator tác dụng cho từng khớp, sau đó tiến hành mô phỏng.
- Giá trị ngõ vào bộ điều khiển là các sai lệch của từng khớp được trình bày ở Hình 3 (để có được giá trị từng khớp thì phải qua chuyển đổi động học nghịch).
- Hình 10: Bộ điều khiển PID được dùng để điều khiển cánh tay robot 3 bậc tự do 3 KẾT QUẢ VÀ THẢO LUẬN.
- m 2 = 0,3 kg, m 3 = 0,5 kg là khối lượng tương ứng của khâu 1, 2, 3 của cánh tay robot.
- Kết quả cho thấy, các khớp đều đến được vị trí mong muốn.
- Lưu ý rằng, bộ điều khiển trong thí nghiệm này đóng vai trò kiểm nghiệm hoạt động của mạch điều khiển với mô hình..
- 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.
- Sau khi thực hiện quá trình mô phỏng, tiến hành thực nghiệm khả năng điều khiển vị trí cánh tay của bộ điều khiển bằng việc cho cánh tay di chuyển đến.
- Bảng 5: Kết quả kiểm nghiệm thực tế Tọa độ mong.
- Kết quả cho thấy, cánh tay có thể di chuyển tới tọa độ mong muốn với sai lệch tương đối thấp (<8.
- Sai lệch điều khiển này là chấp nhận được vì 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 định của bộ điều khiển.
- Cuối cùng, khả năng thực hiện gắp và nhả vật dựa trên phân loại màu sắc được kiểm nghiệm.
- Kết quả được trình bày ở Bảng 6..
- Bảng 6: Kết quả số lần cánh tay gắp vật thành công Số lần thực.
- Lần thực hiện thứ 4 không thành công là do ánh sáng thay đổi đột ngột, làm cho camera bị nhiễu sáng nên không phân biệt rõ màu của vật..
- Một bộ điều khiển cho mô hình cánh tay robot gắp vật từ băng tải kết hợp với xử lý ảnh để phân loại sản phẩm đã được hoàn thành.
- Bài toán động học thuận, động học nghịch và nguyên lý điều khiển hồi tiếp đã được áp dụng vào cánh tay robot 3 bậc tự do để điều khiển vị trí gắp và thả vật ở mọi vị trí trong không gian làm việc của nó.
- Việc mô phỏng hoạt động và điều khiển của cánh tay cũng được thực hiện dựa trên phần mềm Matlab liên kết với Inventor.
- Mặc dù sai lệch vị trí còn tương đối lớn do sai lệch cơ khí của mô hình và việc phân loại màu sắc còn bị ảnh hưởng bởi nhiễu sáng, mô hình hoàn thiện này có thể phục vụ cho việc tìm hiểu về cánh tay robot và một số giải thuật điều khiển như ON- OFF, PID,… Hướng phát triển tiếp theo của bài báo sẽ là sử dụng các bộ điều khiển như mạng Nơron.
- hàm cơ sở xuyên tâm, bộ điều khiển trượt.
- Bộ điều khiển PID dựa trên mạng No-ron hàm cơ sở xuyên tâm