Luận án tiến sĩ: Hệ thống điều khiển robot tự hành qua mạng trong môi trường công nghiệp - Nguyễn Trọng Trung, Kỹ thuật điện tử, Tin học, Tự động hóa, TP Hồ Chí Minh - 2021

Nhu cầu tự động hóa logistics nội bộ gia tăng nhanh chóng trong công nghiệp 4.0. Xe tự hành AGV truyền thống di chuyển theo các tuyến đường cố định như băng từ hoặc vạch kẻ sàn. Ngược lại, robot tự hành AMR sở hữu trí thông minh nhân tạo và khả năng điều hướng linh hoạt. Thiết bị AMR tự nhận diện chướng ngại vật và tái lập lộ trình di chuyển mà không cần can thiệp hạ tầng. Cả hai dòng thiết bị này đều giúp giải phóng sức lao động của con người trong các khâu bốc dỡ hàng hóa nặng. Việc chuyển đổi từ vận hành thủ công sang xe tự hành AGV và robot tự hành AMR giảm thiểu đáng kể tỷ lệ sai sót. Các dây chuyền sản xuất duy trì được nhịp độ làm việc liên tục 24/7. Khả năng tích hợp linh hoạt vào nhà xưởng giúp doanh nghiệp tối ưu chi phí đầu tư ban đầu và nâng cao năng lực cạnh tranh.

Hệ thống quản lý đội xe FMS (Fleet Management System) giữ vai trò điều phối trung tâm cho toàn bộ phương tiện vận chuyển. Phần mềm này liên tục giám sát trạng thái pin, vị trí tọa độ và tiến độ công việc của từng thiết bị. Hệ thống quản lý đội xe FMS (Fleet Management System) phân bổ đơn hàng tự động dựa trên vị trí gần nhất và tình trạng sẵn sàng của robot. Thuật toán phân luồng giao thông thông minh ngăn ngừa hiện tượng tắc nghẽn tại các nút giao hẹp trong nhà xưởng. Khi phát sinh sự cố tại một cung đường, máy chủ lập tức tái định tuyến cho các phương tiện còn lại. Dữ liệu vận hành được ghi nhận liên tục phục vụ công tác phân tích hiệu suất và bảo trì dự đoán. Sự tích hợp này đảm bảo dòng chảy vật tư trong nhà máy luôn liền mạch và đạt hiệu quả tối đa.

Hạ tầng mạng không dây công nghiệp (Industrial Wireless) là cầu nối huyết mạch giữa trung tâm điều khiển và các robot di động. Môi trường công nghiệp có nhiều kết cấu kim loại và động cơ công suất lớn gây nhiễu sóng điện từ. Các tiêu chuẩn mạng không dây công nghiệp (Industrial Wireless) phải đảm bảo độ phủ sóng rộng và tính ổn định cao. Dữ liệu giám sát và điều khiển được chuẩn hóa qua giao thức truyền thông OPC UA nhằm đảm bảo tính tương thích giữa nhiều nhà sản xuất thiết bị. Đồng thời, giao thức MQTT cho IoT công nghiệp được ứng dụng để truyền thông điệp gọn nhẹ, tiết kiệm băng thông mạng. Cơ chế truyền dữ liệu theo mô hình xuất bản/đăng ký của MQTT giúp giảm thiểu độ trễ phản hồi giữa các node mạng. Sự kết hợp giữa các chuẩn giao thức này tạo nền tảng truyền thông vững chắc cho toàn bộ hệ thống tự hành.

Độ trễ truyền thông đặt ra thách thức nghiêm trọng đối với độ chính xác chuyển động của robot tự hành AMR. Khi dữ liệu vị trí bị trễ, bộ điều khiển trung tâm sẽ tính toán tín hiệu dựa trên trạng thái cũ của robot. Lệnh điều khiển gửi đến cơ cấu chấp hành không còn phản ánh đúng thực tại không gian. Hiện tượng này dẫn đến sai số bám quỹ đạo lớn, gây ra dao động quá mức ở các bánh xe dẫn động. Trong các hành lang hẹp, robot tự hành AMR có thể trôi khỏi quỹ đạo mong muốn và va chạm vào pallet hàng hóa xung quanh. Nguy cơ mất an toàn lao động tăng cao khi robot làm việc chung không gian với con người. Vì vậy, các phương pháp điều khiển kinh điển như PID hay LQR không còn duy trì được hiệu quả nếu không có cơ chế bù trễ chuyên dụng.

Công nghệ viễn thông mới mở ra hướng đi đột phá để khắc phục hạn chế của mạng truyền thống. Chuẩn kết nối 5G công nghiệp độ trễ thấp (5G URLLC) cung cấp thời gian đáp ứng dưới mức mili-giây với độ tin cậy đạt 99.999%. Băng thông siêu rộng và khả năng phân chia mạng (network slicing) của 5G URLLC cho phép ưu tiên luồng dữ liệu điều khiển khẩn cấp. Bên cạnh đó, công nghệ Time-Sensitive Networking (TSN) trên nền tảng Ethernet công nghiệp giúp chuẩn hóa thời gian thực cho các kết nối cố định và điểm truy cập không dây. Sự đồng bộ hóa xung nhịp theo chuẩn IEEE 802.1AS trong Time-Sensitive Networking (TSN) loại bỏ hiện tượng tắc nghẽn dữ liệu. Sự kết hợp giữa 5G công nghiệp độ trễ thấp (5G URLLC) và Time-Sensitive Networking (TSN) tạo nên xa lộ thông tin siêu tốc, giảm thiểu biến thiên trễ cho các hệ thống xe tự hành.

Mô hình động học mô tả mối quan hệ giữa vận tốc góc của các bánh xe và vận tốc dài, vận tốc góc của robot trong hệ tọa độ toàn cục. Thuật toán định vị và lập bản đồ đồng thời (SLAM) sử dụng dữ liệu từ cảm biến LiDAR và IMU để xây dựng bản đồ môi trường. Đồng thời, SLAM ước lượng vị trí chính xác của robot trong không gian làm việc thực tế. Nền tảng ROS 2 cho ứng dụng công nghiệp cung cấp khung phần mềm chuẩn để xử lý các luồng dữ liệu cảm biến đa nguồn theo thời gian thực. Kiến trúc phân tán của ROS 2 cho ứng dụng công nghiệp giúp đóng gói các thuật toán định vị và lập bản đồ đồng thời (SLAM) thành các node độc lập. Dữ liệu tọa độ sau đó được nén và truyền về máy chủ điều khiển thông qua kết nối mạng không dây.

Kênh truyền thông không dây được mô hình hóa toán học dưới dạng khâu trễ thời gian liên tục hoặc rời rạc. Độ trễ tổng cộng bao gồm trễ truyền từ cảm biến đến bộ điều khiển và trễ truyền từ bộ điều khiển đến cơ cấu chấp hành. Các hàm phân phối xác suất như phân phối Poisson hoặc Gauss thường được dùng để xấp xỉ đặc tính ngẫu nhiên của trễ mạng. Khi phân tích độ ổn định theo tiêu chuẩn Lyapunov-Krasovskii, thời gian trễ được giới hạn trong một khoảng xác định với đạo hàm trễ có biên. Mô hình không gian trạng thái của robot được mở rộng để tích hợp các biến trạng thái trễ. Cách tiếp cận này biến bài toán điều khiển qua mạng phức tạp thành bài toán giải bất đẳng thức ma trận tuyến tính (LMI) chuẩn mực trong lý thuyết điều khiển tự động.

Thuật toán bám quỹ đạo được thiết kế để triệt tiêu sai số vị trí và góc hướng của robot so với đường đi tham chiếu. Tín hiệu điều khiển đầu vào bao gồm vận tốc dài và vận tốc góc đặt cho cơ cấu chấp hành. Khi xuất hiện trễ truyền thông, thuật toán sử dụng bộ dự báo trạng thái để ước lượng vị trí tương lai của robot. Luật thích nghi dựa trên hàm Lyapunov đảm bảo hệ số điều khiển tự cập nhật liên tục để bù lại độ trễ thời gian. Các giới hạn vật lý về gia tốc và vận tốc cực đại của động cơ được tích hợp trực tiếp vào cấu trúc điều khiển. Kết quả là quỹ đạo chuyển động thực tế bám sát đường cong mong muốn mà không xảy ra hiện tượng quá điều chỉnh hay rung lắc cơ khí.

Hệ điều hành robot thế hệ mới ROS 2 cho ứng dụng công nghiệp mang lại khả năng vận hành thời gian thực nhờ tầng truyền thông DDS (Data Distribution Service). Bộ điều khiển thích nghi được hiện thực hóa dưới dạng các plugin điều khiển trong hệ thống ROS 2 Control. Các node điều khiển chạy với chu kỳ lấy mẫu cố định, đảm bảo tính tiền định cao trong quá trình tính toán thuật toán thích nghi. Hệ thống tận dụng cơ chế Quality of Service (QoS) của ROS 2 cho ứng dụng công nghiệp để thiết lập mức ưu tiên cao nhất cho các bản tin điều khiển vận tốc. Việc chuẩn hóa kiến trúc phần mềm giúp thuật toán dễ dàng triển khai trên nhiều cấu hình phần cứng robot khác nhau trong nhà máy mà không cần viết lại mã nguồn cơ sở.

Sự kết hợp giữa bộ điều khiển thích nghi và thuật toán định vị và lập bản đồ đồng thời (SLAM) tạo nên vòng lặp điều khiển khép kín hoàn chỉnh. Dữ liệu bản đồ từ SLAM cung cấp thông tin hình học chính xác của không gian làm việc và vị trí chướng ngại vật tĩnh. Khi dữ liệu vị trí bị trễ mạng, bộ lọc Kalman mở rộng (EKF) kết hợp dữ liệu đo quán tính IMU để dự đoán tọa độ tức thời. Bộ điều khiển thích nghi nhận thông tin vị trí dự đoán để tính toán lực đẩy phù hợp cho động cơ. Nhờ đó, phương tiện tự hành duy trì độ chính xác bám đường ở mức milimét ngay cả trong điều kiện mạng chập chờn. Sự phối hợp này nâng cao tính tự chủ và khả năng làm việc tin cậy của robot trong các môi trường công nghiệp phức tạp.

Quá trình mô phỏng trên nền tảng Matlab/Simulink được thực hiện với 4 kịch bản trễ: không trễ (0ms), trễ nhỏ (10ms), trễ trung bình (50ms) và trễ lớn (100ms). Trong trường hợp không có bộ điều khiển bù trễ thích nghi, sai số bám quỹ đạo tăng vọt tỷ lệ thuận với thời gian trễ mạng. Khi thời gian trễ đạt mức 100ms, hệ thống điều khiển thông thường hoàn toàn mất ổn định và robot văng ra khỏi đường đi định trước. Ngược lại, khi kích hoạt bộ điều khiển thích nghi MRAC, sai số bám vị trí luôn được giữ trong phạm vi dung sai cho phép dưới 0.05 mét. Quỹ đạo chuyển động của robot bám mượt mà theo đường cong tham chiếu, chứng minh tính bền vững vượt trội của thuật toán trong môi trường trễ lớn.

Thực nghiệm đo thời gian trễ được tiến hành ở cả tầng mạng (Network Layer) và tầng ứng dụng (Application Layer). Khi sử dụng giao thức truyền thông OPC UA, cấu trúc dữ liệu hướng đối tượng cung cấp tính bảo mật cao và thông tin ngữ nghĩa phong phú. Tuy nhiên, kích thước gói tin OPC UA lớn hơn dẫn đến thời gian trễ tầng ứng dụng dao động trong khoảng 15ms đến 35ms. Trong khi đó, việc sử dụng giao thức MQTT cho IoT công nghiệp mang lại tốc độ truyền tải nhanh hơn với độ trễ trung bình chỉ từ 5ms đến 12ms. Thử nghiệm thực tế xác nhận giao thức MQTT cho IoT công nghiệp phù hợp cho truyền dữ liệu điều khiển tần số cao, trong khi giao thức truyền thông OPC UA tối ưu cho việc trao đổi dữ liệu quản trị cấp cao.

Kết quả nghiên cứu mở ra tiềm năng ứng dụng to lớn khi kết hợp với công nghệ 5G công nghiệp độ trễ thấp (5G URLLC). Việc triển khai mạng 5G riêng (Private 5G) trong nhà máy giúp duy trì độ trễ truyền thông ổn định dưới 5ms trên toàn bộ diện tích nhà xưởng rộng lớn. Hạ tầng 5G công nghiệp độ trễ thấp (5G URLLC) cho phép chuyển đổi toàn bộ khối tính toán phức tạp của robot lên nền tảng điện toán biên (Edge Computing). Nhờ đó, phần cứng trên robot tự hành trở nên gọn nhẹ hơn, tiết kiệm điện năng tiêu thụ và giảm chi phí sản xuất thiết bị. Đây là bước tiến quan trọng hướng tới mô hình nhà máy thông minh hoàn toàn tự động trong kỷ nguyên sản xuất tương lai.