Tải bản đầy đủ - 0 (trang)
2 Phương pháp tìm đường đi.

2 Phương pháp tìm đường đi.

Tải bản đầy đủ - 0trang

I.



Tổng quan

Đối với phương pháp xác định vị trí tuyệt đối, phổ biến và hiệu quả nhất là sử dụng

bộ lọc Kalman. Rất nhiều phương pháp khác được sử dụng cũng dựa trên nguyên lý bộ

lọc Kalman.

Kalman là bộ lọc sử dụng phân bố chuẩn nhiều chiều với dữ liệu mỗi chiều được trả

về từ các cảm biến hay camera. Khi có tín hiệu trả về, ta có thể dựa vào phân phối của

từng loại sai số để tìm ra giá trị có xác suất đúng cao nhất.

Ví dụ, để xác định vị trí của xe dựa vào vận tốc bánh, ta có thể ước lượng vị trí của

xe (sau khi trừ hao các loại sai số):



Hình 6.1a Bộ lọc Kalman trong xác định vị trí tuyệt đối

Nhưng khi sử dụng cảm biến laser, ta xác định được một vị trí khác của xe.



I.



Tổng quan



Hình 6.1b Bộ lọc Kalman trong xác định vị trí tuyệt đối

Thay vì chọn một trong hai, ta có thể sử dụng lý thuyết xác suất để tìm ra vị trí có

xác suất đúng cao nhất của xe.



Hình 6.1c Bộ lọc Kalman trong xác định vị trí tuyệt đối

7. Luật điều khiển

Đối với hệ thống SISO, thì PID là bộ điều khiển khá phổ biến và đơn giản. Nhưng

đối với hệ MIMO, các hệ điều khiển phân tán thì bộ điều khiển PID khơng đáp ứng tốt.



I.



Tổng quan

Để giải quyết các bài toán về hệ thống MIMO, điều khiển phân tán như AGV, thế

giới đã phát triển khá nhiều lý thuyết điều khiển mà phổ biến có thể kể đến Fuzzy Logic,

Lyapunov Stability, Linear Quadratic Gaussian (LQG) ,Neural Network, Sliding mode,…

Mạng Neural có tốc độ xử lý và độ chính xác khá cao, nhưng do đòi hỏi thời gian

training lâu, tập dữ liệu lớn và đòi hỏi cấu hình máy tính rất cao (đặc biệt là về GPU) nên

chỉ mới trong những năm gần đây mới được chú ý. Đối với LQG, việc thiết lập và sử

dụng có ưu điểm là đơn giản nhưng khơng đảm bảo sự bền vững. Lyapunov và sliding

mode là các thuật tốn điều khiển phức tạp, độ chính xác cao và quan trọng nhất là đảm

bảo sự bền vững.

8. Mục tiêu thiết kế

-



II.



Lựa chọn underride AGV Sử dụng cho nhà kho “khơng cố định” với tạp hóa như

quần áo, bánh kẹo, đồ điện tử,….

Vận tốc tối đa: .

Tải trọng cho phép: .

Có khả năng tìm đường ngắn nhất, tránh vật cản, làm việc chung với con người.

Có thể phát triển thêm khả năng nhận diện biển báo, nhận diện hàng hóa,…



Lựa chọn phương án

1. Thiết kế cơ khí

Kết cấu xe với 2 bánh dẫn động trước và 2 bánh bị động sau được chọn do có mặt

chân đế lớn, tránh tình trạng bị nghiêng do lệch trọng tâm như 3 bánh. Do tải trọng đặt

chính giữa nên thiết kế 6 bánh với 2 bánh dẫn động giữa sẽ tối ưu nhưng khó khăn trong

việc thiết kế đồng phẳng. Do đó, thiết kế 4 bánh được chọn.

Khối lượng dự kiến , kích thước dự kiến , khả năng tải dự kiến .

9. Thiết kế điện

Để đáp ứng được nhu cầu tránh vật cản, nhận diện hàng hóa,… Camera được ưu tiên

sử dụng. Do các thuật tốn Stereo khá phức tạp, độ chính xác không cao khi Camera di

chuyển và đặc biệt là thời gian tính tốn khá lâu khơng phù hợp cho mobile robot dẫn đến

nhu cầu lựa chọn cảm biến khác để xác định vật cản. Do giá thành các cảm biến laser khá

cao nên cảm biến siêu âm JSN-SR04T-2.0 được chọn. Module JSN-SR04T-2.0 là cảm

biến đo khoảng cách bằng siêu âm với khoảng cách từ , độ chính xác đạt , góc đo . Bên

cạnh đó, có thể sử dụng thêm Module gia tốc góc MPU6050 để tăng độ chính xác khi xác

định vị trí tuyệt đối.



II.



Lựa chọn phương án

Về vi điều khiển, các dòng PIC 8 bit sẽ được chọn để điều khiển động cơ và đọc

cảm biến vì khơng u cầu tính tốn cao. Đối với Camera, Raspberry Pi được chọn để đáp

ứng tốc độ xử lý. Ngoài ra, AGV sẽ sử dụng ESP8266 giao tiếp với máy tính thơng qua

Wifi, dùng để nhận thơng tin đường đi từ máy tính và trả về thơng tin vị trí tuyệt đối, hàng

đang chở, vận tốc,…

Hệ thống điều khiển có cấu trúc phân cấp. Trong đó gồm 4 slave với slave 1 đọc cảm

biến, slave2 xử lý ảnh, slave3 điều khiển động cơ, slave4, giao tiếp Wifi với máy tính và

một master làm nhiệm vụ trung xử lý trung gian giữa các slave. Sử dụng hệ thống phân

cấp để đơn giản hóa q trình quản lý, debug, phát triển. Bên cạnh đó, tốc độ xử lý của cả

hệ thống cũng được cải thiện do các tác vụ thực hiện song song cũng như tránh được rắc

rối khi xử lý quá nhiều ngắt trên một vi điều khiển.

10. Thiết kế thuật toán và bộ điều khiển

10.1 Thiết kế thuật toán

Bên cạnh xác định vật cản bằng cảm biến siêu âm, thuật toán dẫn hướng sử dụng

camera sẽ phân tách đường đi hoặc xác định vạch kẻ đường bằng các mạng neural

network, từ đó xác định được giới hạn phải – trái có thể di chuyển. Do đó, khi gặp vật cản

có kích thước đủ nhỏ, AGV có thể chuyển làn để đi tiếp thay vì đợi vật cản được mang đi.

Một số mạng neural có kết quả tốt trong các bài tốn xử lý ảnh có thể kể đến là

vgg16, vgg19, ResNet,… Do khơng có cơ sở lý thuyết để chọn mạng tối ưu nên phương

pháp để chọn ra mạng phù hợp sẽ là thử và đánh giá.



Hình 3.1 Semantic Segmentation trong nhận biết làn đường



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

2 Phương pháp tìm đường đi.

Tải bản đầy đủ ngay(0 tr)

×