การพัฒนาและเพิ่มประสิทธิภาพการทรงตัวของหุ่นยนต์จักรยานสองล้อ โดยใช้ระบบการควบคุมพีไอดี
คำสำคัญ:
หุ่นยนต์จักรยานสองล้อ, ระบบการควบคุมแบบพีไอดี, หุ่นยนต์ทรงตัว, ตัวกรองคาลมานบทคัดย่อ
การศึกษานี้นำเสนอการพัฒนา และปรับแต่งหุ่นยนต์จักรยานสองล้อที่ทรงตัวได้เอง โดยใช้ระบบควบคุมแบบ Proportional-Integral-Derivative--PID โดยมีเป้าหมายในการรักษาความสมดุลและความเสถียรของหุ่นยนต์ ในขณะที่แสดงความยืดหยุ่นต่อสิ่งรบกวน ส่วนสำคัญของงานนี้คือการใช้ตัวกรองคาลมาน (Kalman filter) เพื่อลดสัญญาณรบกวนในสัญญาณเซนเซอร์ที่ได้รับ ซึ่งช่วยปรับปรุงประสิทธิภาพและความแม่นยำของหุ่นยนต์ได้อย่างมาก งานนี้ได้ใช้ทฤษฎีของหุ่นยนต์และระบบควบคุม พร้อมการใช้งานจริงและการทดสอบ แนวทางการออกแบบตามแบบจำลองใช้สำหรับจำลองพฤติกรรมของหุ่นยนต์จักรยาน ระบบควบคุม PID จะปรับการเคลื่อนไหวของหุ่นยนต์แบบพลวัต โดยมีเป้าหมายเพื่อรักษาสมดุลแบบเรียลไทม์ นอกจากนี้เมื่อพิจารณาถึงสัญญาณรบกวนที่แท้จริงในการอ่านเซนเซอร์ ซึ่งอาจทำให้ประสิทธิภาพของระบบลดลง ตัวกรองคาลมานจึงถูกรวมเข้าไว้ด้วยกัน เทคนิคการกรองขั้นสูงนี้ประเมินสถานะของระบบอย่างเหมาะสมที่สุดเพื่อกรองสัญญาณรบกวนจากสัญญาณที่ได้รับ ดังนั้นจึงปรับแต่งข้อมูลที่ใช้สำหรับการตัดสินใจควบคุม พารามิเตอร์ของตัวควบคุม PID และตัวกรองคาลมานได้รับการปรับแต่งอย่างมีประสิทธิภาพของระบบที่เหมาะสมที่สุด ผลลัพธ์ที่ได้คือความสำเร็จของหุ่นยนต์จักรยาน การรักษาสมดุลและการนำทางที่มีประสิทธิภาพในพื้นผิวและสภาวะต่าง ๆ การศึกษานี้มีการหาคำตอบที่ครอบคลุมสำหรับความสมดุลในการออกแบบหุ่นยนต์จักรยานสองล้อและลดสัญญาณรบกวนในสัญญาณควบคุม
References
Advance Electronic Training Center. (2017). Servo motor. Retrieved from http://www.advance-electronic.com/blog/detail/86/th/ (in Thai)
Alisher, S. I., & Zafar J., (2022). Study of arduino microcontroller board. Science and Education Scientific Journal, 3(3), 172-179. https://bit.ly/3W6lKwp
Bernie, G. (2001). Gyroscopes. IEEE Instrumentation & Measurement Magazine, 4(3), 49-52. doi: 10.1109/5289.953462.
Damoon, S., Yang, Z., & Jingang, Y., (2012). Stability analysis of human rider’s balance control of stationary bicycles. 2012 American Control Conference (ACC) (pp. 2755-2760). Canada: IEEE. doi: 10.1109/ACC.2012.6315425.
Fengxin, S., Zhen, Y., & Haijiao, Y. (2014). A design for two-wheeled self-balancing robot based on Kalman filter and LQR. International Conference on Mechatronics and Control (ICMC) (pp. 612-616). Jinzhou, China: IEEE. doi: 10.1109/ICMC.2014.7231628.
Jeong, S., & Takahashi, T. (2008). Wheeled inverted pendulum type assistant robot: design concept and mobile control. Intel Serv Robotics, 1, 313–320. https://doi.org/10.1007/s11370-008-0024-5.
Jovina, S. L. L., Kenneth, T. K. T., & Hou P. Y., (2022). Four wheeled mobile robots: A review. IEEE International Conference on Artificial Intelligence in Engineering and Technology (IICAIET) (pp. 1-6). Malaysia: IEEE. doi: 10.1109/IICAIET55139.2022.9936855.
Kiam, H. A., Chong, G., & Yun, L. (2005). PID control system analysis, design, and technology. In IEEE Transactions on Control Systems Technology, 13(4), 559-576. doi: 10.1109/TCST.2005.847331.
Kiyani, M. N., & Khan, M. U. M., (2016). A prototype of search and rescue robot. The 2nd International Conference on Robotics and Artificial Intelligence (ICRAI) (pp. 208-213). Rawalpindi: IEEE. doi: 10.1109/ICRAI.2016.7791255.
Lin, S. C., Tsai, C. C., & Huang, H. C., (2011). Adaptive robust self-balancing and steering of a two-wheeled human transportation vehicle. Journal of Intelligent & Robotic Systems, 62, 103–123. https://doi.org/10.1007/s10846-010-9460-5.
Mohamed, E. A., Mo’men, A., Hossam, H. A., & Raafat, S., (2020). Steering control for autonomous vehicles using PID control with gradient descent tuning and behavioral cloning. 2nd Novel Intelligent and Leading Emerging Sciences Conf. (NILES) (pp. 583-587). Giza, Egypt: IEEE. doi: 10.1109/NILES50944.2020.9257946.
Ngoc, K. V., & Hong, Q. N., (2020). Balancing control of two-wheel bicycle problems. mathematical problems. Engineering, 2020, 6724382. https://doi.org/10.1155/2020/6724382.
Norhafizan, A., Raja, A. R. G., & Nazirah, M. K., (2013). Reviews on various Inertial Measurement Unit (IMU) sensor applications. International Journal of Signal Processing Systems, 1(2), 256-262. doi:10.12720/ijsps.1.2.256-262
Osama, J., Mohsin, J., Yasar, A., & Khubab, A. (2014). Modeling, control of a two-wheeled self-balancing robot. International Conference on Robotics and Emerging Allied Technologies in Engineering (iCREATE) (pp. 191-199). Islamabad: IEEE. doi:10.1109/iCREATE.2014.6828364.
Ozguner, U., Unyelioglu, K. A., & Hatipoglu, C., (1995). An analytical study of vehicle steering control. Proceedings of International Conference on Control Applications (pp. 125-130). NY, USA: IEEE. doi: 10.1109/CCA.1995.555653.
Park, J., & Cho, B. (2018)., Development of a self-balancing robot with a control moment gyroscope. International Journal of Advanced Robotic Systems, 15(2), 172988141877086. doi:10.1177/1729881418770865
Qiang, L., Ranyang, L., Kaifan, J., & Wei, D. (2015). Kalman Filter and Its Application. 8th International Conference on Intelligent Networks and Intelligent Systems (ICINIS) (pp. 74-77). Tianjin, China: IEEE. doi: 10.1109/ICINIS.2015.35.
Sun, J., Xu, T., Jiao, Z., & Wang, H., (2022). Mechanics of the gyroscopic precession and calculation of the galactic mass. Journal of Modern Physics, 13, 34-45. doi:10.4236/jmp.2022.131003.
Thanh, B. T., & Parnichkun, M., (2008). Balancing control of bicyrobo by particle swarm optimization-based structure-specified mixed H2/H∞ control. International Journal of Advanced Robotic Systems, 5(4), 6235. https://doi.org/10.5772/6235.
Toshinobu, T., Ryoko, I., & Shin’ichi, Y., (2009). Baggage Transportation and Navigation by a Wheeled Inverted Pendulum Mobile Robot. IEEE Transactions on Industrial Electronics, 56, 10, 3985-3994. doi: 10.1109/TIE.2009.2027252.
Wael, Y., & Mohammed, A., (2009). Design and implementation of an experimental segway model. AIP Conference Proceedings, 1107, 350–354. https://doi.org/10.1063/1.3106501.