Phương pháp điều hướng xe tự hành agv dùng cảm biến quán tính và đường dẫn ảo, phục vụ vận chuyển hàng trong các môi trường đặc thù

oạt và chính xác của xe tự hành trong các môi trường hoạt động khác nhau. Với mỗi phương pháp điều hướng chúng ta có các phương pháp xác định vị trí và góc hướng của xe khác nhau. Trong nghiên cứu này, góc hướng và vị trí của xe được ước tính nhờ dữ liệu của cảm biến quán tính, encoder và được tính toán thông qua thuật toán lọc Kalman. Ngoài ra, các sai số đo góc hướng và vị trí được hiệu chỉnh khi xe đi qua các điểm tham chiếu bằng nam châm được đặt dưới sàn nhà trên các đường dẫn ảo. Từ khóa: Dẫn đường quán tính; Cảm biến quán tính; Điểm tham chiếu từ tính; Xe tự hành; AGV. 1. MỞ ĐẦU Hiện nay, khi các nước đang bắt đầu bước vào cuộc cách mạng công nghiệp 4.0 thì hệ thống xe tự hành AGV ngày càng được sử dụng rộng rãi trong ngành sản xuất và kho bãi. Với chức năng vận chuyển hàng tự động và linh hoạt, nó có khả năng thay thế con người để thực hiện các công việc một cách hiệu quả và năng suất hơn. Đặc biệt, hệ thống xe tự hành có ý nghĩa rất quan trọng trong các môi trường nguy hiểm hoặc trong các khu vực cách li. Phần quan trọng nhất của AGV là hệ thống dẫn đường. Ngày nay, khi công nghệ ngày càng phát triển thì nhiều giải pháp điều hướng đã được nghiên cứu và phát triển. Hiện tại, có thể chia hệ thống dẫn đường AGV thành hai loại: Dẫn đường bằng đường dẫn cố định và dẫn đường bằng đường dẫn tự do. Đường dẫn cố định là các đường dẫn vật lý như dây dẫn, vạch sơn, dải băng từ tính,... được đặt cố định trên mặt đất ở mọi nơi mà AGV sẽ đi qua. Ưu điểm của giải pháp này là chi phí thấp, dễ thực hiện và độ tin cậy cao. Tuy nhiên, nhược điểm của phương pháp này là kém linh hoạt, khả năng thích ứng với môi trường kém, đặc biệt là với môi trường ngoài trời hoặc nơi có nhiều bụi bẩn làm tăng chi phí bảo trì đường dẫn. Đường dẫn tự do là đường dẫn ảo được tính toán xác định trên máy tính dựa vào dữ liệu của các cảm biến định vị hiện đại như cảm biến laser LiDAR, camera 3D, cảm biến quán tính, cảm biến siêu âm,... Giải pháp này có ưu điểm là hệ thống hoạt động linh hoạt, hiệu quả cao. Tuy nhiên, nhược điểm của các hệ thống này là có giá thành cao, việc cải thiện độ chính xác cũng rất khó khăn. Hiện nay, giải pháp dùng các cảm biến laser LiDAR hay camera được sử dụng phổ biến do có độ chính xác cao và linh hoạt, tuy nhiên, ở một số môi trường đặc thù như ngoài trời hoặc có nhiều bụi bẩn thì độ chính xác của hệ thống sẽ bị giảm đi nhanh chóng. Lúc này, cảm biến quán tính là một giải pháp khả thi do nó phù hợp với hầu hết các loại môi trường. Tuy nhiên, do bản chất của cảm biến quán tính là sai số tích lũy trong quá trình hoạt động, độ chính xác của hệ thống sẽ giảm sau một thời gian hoạt động. Với giải pháp dẫn đường dùng cảm biến quán tính đã có nhiều công trình nghiên cứu được công bố ở trong và ngoài nước. Tuy nhiên, cho đến nay, các công trình trong nước chủ yếu nghiên cứu các hệ INS/GPS để dẫn đường cho các phương tiện chuyển động trên mặt đất [1-3]. Với giải pháp này chỉ có thể áp dụng ở những nơi có tín hiệu GPS và với các Kỹ thuật Điều khiển – Tự động hóa L. B. Yến, , V. X. Vượng, “Phương pháp điều hướng xe các môi trường đặc thù.” 58 phương tiện giao thông dân dụng có yêu cầu độ chính xác không cao (thường có độ chính xác vị trí khoảng vài mét). Trong công nghiệp, các thiết bị tự hành thường hoạt động trong kho xưởng nên không có tín hiệu GPS. Ngoài ra, yêu cầu về độ chính xác dẫn đường của các AGV cũng rất cao (thường cỡ vài cm) nên các giải pháp INS/GPS là không thể áp dụng. Hiện nay, trên thế giới cũng có nhiều giải pháp được đề xuất để hiệu chỉnh sai lệch khi dẫn đường bằng cảm biến quán tính [8-10]. Các giải pháp này cũng đã đạt được các thành tựu nhất định, tuy nhiên, mỗi giải pháp cũng còn tồn tại một số hạn chế. Trong [8], một camera được sử dụng để quét các mã QR in dưới sàn nhà tại các vị trí cố định để lấy thông tin và tính toán vị trí chính xác của AGV. Đây là giải pháp mang lại độ chính xác cao, tuy nhiên, cũng có nhược điểm là thường xuyên phải in lại các mã QR trên sàn nhà do bị mờ hoặc bẩn trong quá trình hoạt động. Trong [9], cảm biến hall được sử dụng để đo cường độ từ trường của các điểm tham chiếu nam châm từ đó tính toán lại vị trí của AGV. Nhược điểm của giải pháp này là các điểm tham chiếu nam châm có thể có cường độ từ trường không đồng đều dẫn đến sai số trong quá trình tính toán, hiệu chỉnh. Trong [10], sử dụng tổ hợp cảm biến quán tính và thuật toán SLAM để phân tích và xây dựng bản đồ khu vực hoạt động cũng như dẫn đường cho AGV. Đây là một giải pháp mới và khá phức tạp, cần có những nghiên cứu chuyên sâu hơn nữa để giải quyết các vấn đề còn tồn tại như trong bài báo đã nêu. Trong bài báo này, chúng tôi sẽ trình bày một giải pháp điều hướng AGV sử dụng cảm biến quán tính, trong đó, góc hướng và vị trí của xe được ước tính nhờ dữ liệu của cảm biến quán tính, encoder và được tính toán thông qua thuật toán lọc Kalman. Trên cơ sở này, cảm biến từ được thêm vào để khắc phục các sai số tích lũy, các sai số đo góc hướng và vị trí của AGV được hiệu chỉnh khi đi qua các điểm tham chiếu bằng nam châm được đặt dưới sàn nhà trên các đường dẫn ảo. Phương pháp này phù hợp với nhiều môi trường, đặc biệt là các môi trường có nhiều bụi bẩn hoặc ngoài trời nơi mà các giải pháp khác (dùng camera, laser LiDAR,...) gặp nhiều hạn chế. 2. PHÂN TÍCH MÔ HÌNH ĐỘNG HỌC CỦA XE TỰ HÀNH AGV VÀ THIẾT KẾ BỘ LỌC KALMAN 2.1. Phân tích mô hình động học của xe tự hành AGV Xe tự hành trong nghiên cứu này là loại xe có cấu trúc hai bánh xe động lực vi sai. Việc điều khiển xe di chuyển và định hướng được thực hiện bằng việc điều khiển tốc độ của hai động cơ được gắn với hai bánh vi sai này. Có nhiều yếu tố sẽ tác động đến động học của xe như: hệ thống truyền động, cấu trúc thân xe, tải trọng, mạch điều khiển,... Trong bài báo này, bỏ qua một số yếu tố tương đối nhỏ, chúng tôi đưa ra một mô hình chuyển động của AGV tương đối đơn giản. Cấu trúc AGV được minh họa như hình 1. 1 - Thân xe 2 - Bánh xe động lực 3 - Cụm động cơ, hộp số và encoder 4 - Bánh xe tự lựa 5 - Cảm biến quán tính 1 2 3 4 5 Hình 1. Mô hình cấu trúc của AGV. Chọn hệ trục tọa độ OXY gắn với mặt phẳng khu vực hoạt động của AGV với gốc O là vị trí xuất phát của AGV. Tâm C của AGV là trung điểm giữa hai bánh xe động lực vi sai. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 59 AGV có vị trí được xác định bởi tọa độ của tâm C trong hệ tọa độ OXY và góc hướng là góc giữa trục dọc thân xe với trục OX. Mô hình động học của AGV được biểu diễn như hình 2. Gọi khoảng cách giữa hai bánh xe là L. ,l rv v là tốc độ tịnh tiến của hai bánh xe trái và phải của AGV. Có thể thấy rằng, khi l rv v thì AGV sẽ di chuyển tịnh tiến theo trục dọc thân xe, khi l rv v , AGV sẽ di chuyển trên cung tròn có tâm CO và bán kính R. Khi l rv v  thì tâm quay CO sẽ trùng với tâm C của AGV. Gọi ,v  là vận tốc tịnh tiến và vận tốc góc của AGV. Từ mô hình động học của AGV trên hình 2 ta có: 2 r lv vv   (1) ( ) / 2 2 2( ) r l r l r r r l v v L v vv R R v R L v v v         (2) r l v vv R L     (3) Gọi ,x y là tọa độ của AGV,  là góc giữa trục dọc của AGV với trục OX. O X Y lv rv v CO  CL R  x y Hình 2. Mô hình động học của AGV. Trạng thái của AGV được biểu diễn bởi véc tơ   T X x y  . Tại thời điểm k và thời điểm k-1 ta có trạng thái của AGV là   T k k k kX x y  và  1 1 1 1 T k k k kX x y     . Khi đó, kX được tính theo 1kX  bởi phương trình sau: 1 1 1 1 1 1 1 cos 0 sin 0 0 1 k k k k k k k k k k k x x v T X y y T                                               (4) Trong đó, T là chu kỳ lấy mẫu của tín hiệu đo. 2.2. Xác định vị trí và góc hướng của AGV tại các điểm tham chiếu Để điều khiển được AGV chúng ta phải theo dõi được quỹ đạo của AGV. Trong mô Kỹ thuật Điều khiển – Tự động hóa L. B. Yến, , V. X. Vượng, “Phương pháp điều hướng xe các môi trường đặc thù.” 60 hình này, bài báo sử dụng encoder và cảm biến quán tính để xác định toạ độ và góc hướng của AGV. Do quỹ đạo được tính toán từ các giá trị đầu vào ban đầu kết hợp với các giá trị phản hồi từ cảm biến, sai số tích lũy sẽ tăng dần trong quá trình di chuyển của AGV. Vì vậy, một cảm biến từ được thêm vào để xác định các điểm tham chiếu có tọa độ biết trước để hiệu chỉnh lại quỹ đạo khi AGV đi qua các điểm tham chiếu này. Cảm biến từ được sử dụng là một thanh bao gồm 16 cảm biến hall được đặt thẳng hàng và cách nhau một khoảng l=10mm. Như vậy, bề rộng của cảm biến từ là 160mm. Thanh cảm biến sẽ được đặt vuông góc với trục dọc thân xe tại điểm giữa của thanh. Khi AGV đi qua các điểm tham chiếu bằng nam châm đặt trên mặt sàn, các cảm biến hall đi qua phía trên điểm tham chiếu sẽ được kích hoạt. Từ vị trí của các cảm biến hall đã kích hoạt tính được độ lệch d của trục dọc thân xe so với điểm tham chiếu như hình 3. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 d Điểm tham chiếu Nam châm Cảm biến từ tính Hình 3. Mô hình cảm biến từ và điểm tham chiếu nam châm. Giả sử hai điểm tham chiếu ( , )A AA x y và ( , )B BB x y có khoảng cách là L và các tọa độ đã biết trước, góc của đoạn AB so với trục OX là AB . AGV sẽ đi từ A đến B. Khi xe đi qua điểm A cảm biến từ xác định được độ lệch Ad , khi xe đi qua điểm B cảm biến từ xác định được độ lệch Bd . Từ hình 4 có thể tính được vị trí và góc hướng thực tế của xe tại điểm B. Hình 4. Tính toán vị trí và góc hướng của AGV tại các điểm tham chiếu. Gọi  là góc lệch giữa trục dọc thân xe và đoạn thẳng quỹ đạo AB ta có: arcsin(( ) / )B Ad d L   (5) Khi đó, góc hướng thực tế của AGV tại điểm B sẽ là: Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 61 rB AB    (6) Từ đó, ta cũng tính được tọa độ vị trí thực tế của AGV tại điểm B: sin( ) cos( ) rB B B rB rB B B rB x x d y y d        (7) Như vậy, tại điểm B, trạng thái của AGV sẽ được hiệu chỉnh theo trạng thái thực tế như sau: sin( ) cos( ) arcsin(( ) / ) rB B B rB rB rB B B rB rB AB B A x x d X y y d d d L                           (8) 2.3. Thiết kế bộ lọc Kalman Trong quá trình hoạt động các tín hiệu của AGV thường bị ảnh hưởng của các nhiễu đo lường và nhiễu hệ thống. Để xác định được giá trị chính xác trạng thái của AGV bài báo áp dụng bộ lọc Kalman, đây là bộ lọc được sử dụng nhiều trong lĩnh vực điều khiển và xử lý tín hiệu [4-5]. Từ (4) ta xây dựng hệ mô hình trạng thái hệ thống và đo lường như sau: 1 1 1 1 1 1 k k k k k k k X AX Bu w Z HX v            (9) Trong đó, kX là trạng thái của AGV tại thời điểm k, 1kZ  là trạng thái đo lường tại thời điểm k-1, 1ku  là tín hiệu điều khiển đầu vào, w và v là nhiễu hệ thống và nhiễu đo lường, A là ma trận chuyển trạng thái, B là ma trận điều khiển đầu vào, H là ma trận chuyển quan sát, các ma trận được xác định cụ thể như sau: 1 0 0 0 1 0 0 0 1 A          , 1 1 cos 0 sin 0 0 1 k kB              , 1 1 1 k k k v T u T           , 1 0 0 0 1 0 0 0 1 H          Bộ lọc Kalman bao gồm 2 giai đoạn: Dự đoán và hiệu chỉnh. Giai đoạn 1: Dự đoán trạng thái kế tiếp dựa vào trạng thái hiện tại và giá trị tín hiệu điều khiển đầu vào. 1 1 1 ˆ ˆ k k k T k k X AX Bu P AP A Q          (10) Giai đoạn 2: Hiệu chỉnh lại giá trị ước lượng theo giá trị dự đoán và giá trị tín hiệu đo lường. 1( ) ˆ ˆ ˆ( ) ( ) T T k k k k k k k k k n k k K P H HP H R X X K Z HX P I K H P              (11) Với Q, R là các ma trận tương quan nhiễu hệ thống và nhiễu đo lường thường được xác định bằng cách lấy phương sai của các nhiễu. Kỹ thuật Điều khiển – Tự động hóa L. B. Yến, , V. X. Vượng, “Phương pháp điều hướng xe các môi trường đặc thù.” 62 Đối với hệ điều khiển AGV trong bài báo này, các giá trị đo lường kZ là tổng hợp của giá trị đo từ Encoder và IMU theo thời gian trong quá trình hoạt động. 2.4. Thiết kế bộ điều khiển Khi điều khiển AGV di chuyển bám theo quỹ đạo mẫu sẽ xuất hiện sai số và được biểu diễn theo công thức dưới [6-7]: 1 2 3 cos sin 0 sin cos 0 0 0 1 r r r e x x e e y y e                                       (12) Trong đó, r r r r x X y           là quỹ đạo mẫu được thiết lập cho chương trình hoạt động của AGV. Dựa trên mô hình động học của AGV (4) và đạo hàm (12) ta nhận được: 1 2 1 3 2 1 2 3 1 2 3 cos 0 1 sin 0 0 0 1 0 1 r r e e e u u e e e uu e                                         với 1 2 r r r rr u v u u                , 1 2 u v u u              Bộ điều khiển cho AGV được xây dựng như sau: 1 2 31 1 2 2 cosr r u eu vv u u vu                        Trong đó, 1v , 2v là tín hiệu của bộ điều khiển được đề xuất như sau [6-7]: 1 1 1 11 2 2 32 3 0 0 0 ( )r r e kv e sign u u k kv e                    Theo [7], sai số bám theo quỹ đạo e sẽ tiến về 0 khi thời gian t  theo tiêu chuẩn ổn định Lyapunov. 3. MÔ PHỎNG, TÍNH TOÁN, THẢO LUẬN 3.1. Số liệu đầu vào Trong khuôn khổ bài viết này, bộ điều khiển AGV được thiết kế chỉ dựa trên mô hình động học của AGV. Giả thiết các động cơ - driver, hệ truyền động và các cơ cấu chấp hành của AGV thỏa mãn các yêu cầu về tải, gia tốc và vận tốc của xe. Như vậy, các yếu tố động lực học coi như có ảnh hưởng không đáng kể đến chất lượng bộ điều khiển. Ta chỉ xét một số ảnh hưởng của nhiễu đến việc đo lường các giá trị trả về như vận tốc các bánh xe và góc hướng được đo bởi encoder và cảm biến quán tính. Thông số của AGV được chọn như sau: Khoảng cách giữa 2 bánh xe L = 0.6m, vận tốc tịnh tiến tối đa max 0.5v  m/s. AGV di chuyển theo quỹ đạo mẫu như hình 7 từ điểm O(0,0) đến điểm A(3,1), sau đó tiến về điểm đích B(3,2). Mục tiêu quỹ đạo mẫu AGVR di chuyển như sau: AGVR bắt đầu tăng tốc với gia tốc 0.15 m/s 2, sau đó, khi đạt tốc độ 0.3 m/s AGV sẽ di chuyển ổn định thẳng đến điểm A, khi cách điểm A 0.3m AGV sẽ giảm tốc với gia tốc -0.15m/s2 và khi đến điểm A AGV sẽ quay Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 63 góc 90°, sau đó, lặp lại quá trình tăng tốc - ổn định - giảm tốc như trước đó để tiến về điểm B. Khi di chuyển đến điểm đích B AGV sẽ dừng lại. Trong nghiên cứu này, ta đặt khoảng cách giữa các điểm tham chiếu từ là 1m. Giả sử khi AGV di chuyển từ O về B đi qua các điểm tham chiếu từ O , 1M , 2M , A, 3M và nhận được các giá trị trả về là 0Od  m, 1 0.05Md  m, 2 0.06Md  m, 0.01Ad  m, 3 0.08Md  m. Khi AGV di chuyển, giá trị đo lường vận tốc tịnh tiến bánh trái và bánh phải từ Encoder được thể hiện như hình 5a. Trong quá trình đó, nhiễu đo lường khi đọc giá trị Encoder được thêm vào. Còn giá trị đo góc hướng của cảm biến quán tính bị nhiễu và trôi theo thời gian với độ trôi 0.1°/phút như hình 5b. Time (s) V ậ n t ố c ( m /s ) rv lv Time (s) Đ ộ t rô i (r a d ) (a) (b) Hình 5. Vận tốc tịnh tiến các bánh xe từ Encoder (a) và độ trôi góc hướng theo thời gian của cảm biến quán tính (b). Các tham số của bộ lọc Kalman và bộ điểu khiển được lựa chọn như sau: 0.011 0 0 0 0.011 0 0 0 0.011 Q          , 12 0 0 0 12 0 0 0 12 R          , 1 3k  , 2 20k  , 3 3k  . 3.2. Phương pháp, công cụ mô phỏng Bài báo sử dụng công cụ mô phỏng Matlab/Simulink 2015a. 3.3. Kết quả mô phỏng và bình luận AO BQuỹ đạo mẫu Quỹ đạo AGV (m) (m ) M1 M2 M3 Hình 6. Quỹ đạo di chuyển của AGV bám theo quỹ đạo mẫu. Kết quả mô phỏng như hình 6 cho thấy, quỹ đạo di chuyển của AGV bám tốt theo quỹ đạo mẫu: xuất phát từ điểm O, đi qua các điểm tham chiếu từ và điểm A để tiến về điểm Kỹ thuật Điều khiển – Tự động hóa L. B. Yến, , V. X. Vượng, “Phương pháp điều hướng xe các môi trường đặc thù.” 64 đích B. Mặc dù nhiễu đo lường xuất hiện liên tục ở Encoder và IMU như hình 5 nhưng do sử dụng bộ lọc Kalman nên ta nhận được giá trị ước lượng trạng thái trơn chính xác nhất của AGV giúp cho bộ điều khiển của AGV hoạt động tốt hơn. Kết quả sai số vị trí và góc hướng của AGV khi bám theo quỹ đạo mẫu được thể hiện ở hình 7 và hình 8. Có thể nhận thấy, các sai lệch dần tiến về 0 khi thời gian hoạt động đủ lớn. Time (s) m Thời điểm hiệu chỉnh từ Hình 7. Sai số vị trí 1 2,e e của AGV khi bám theo quỹ đạo mẫu. Time (s) ra d Hình 8. Sai số góc hướng 3e AGV khi bám theo quỹ đạo mẫu. Hình 7, 8 cho thấy, sau khi đi qua các điểm hiệu chỉnh từ (tương ứng khi các sai số vị trí xuất hiện xung), AGV cập nhật lại giá trị trạng thái các thông số (bao gồm thông số vị trí từ encoder và góc hướng từ cảm biến quán tính) và bộ điều khiển dựa trên các thông số trên để điều khiển AGV dần tiến về quỹ đạo mẫu. Rõ ràng với việc tích hợp thêm các điểm hiệu chỉnh từ đã giúp AGV tính toán trạng thái quỹ đạo một cách sát thực nhất, giúp bộ điểu khiển điều tiết sai số để đưa AGV di chuyển bám tốt theo quỹ đạo mẫu. 4. KẾT LUẬN Bài báo đã đề xuất phương pháp điều khiển xe tự hành AGV dùng cảm biến quán tính và dẫn đường ảo. Kết quả mô phỏng cho thấy, AGV di chuyển theo đúng quỹ đạo mẫu và bám tốt dù có xuất hiện nhiễu đo lường ở các cảm biến như encoder, cảm biến quán tính. Tuy nhiên, bài báo chưa xét các yếu tố ảnh hưởng đến động lực học của hệ thống như momen tải, quán tính của xe và độ trễ đáp ứng của hệ thống. Trong thời gian tới, nhóm nghiên cứu sẽ tiếp tục xây dựng mô hình động lực học của AGV để đánh giá được chất lượng của bộ điều khiển tốt hơn. TÀI LIỆU THAM KHẢO [1]. L. H. Lân, N. Q. Hùng, P. H. An, “Tích hợp dữ liệu đa cảm biến trong đánh giá hướng chuyển động phương tiện giao thông mặt đất dựa trên các cảm biến quán tính sử dụng hệ chuyên gia mờ”, Tạp chí Nghiên cứu Khoa học và Công nghệ quân sự, (2008), tr. 87-93. Nghiên cứu khoa học công nghệ Tạp chí Nghiên cứu KH&CN quân sự, Số Đặc san Hội thảo Quốc gia FEE, 10 - 2020 65 [2]. T. V. Phương “Tự hiệu chuẩn cảm biến và nâng cao độ chính xác của hệ thống dẫn đường cho các đối tượng chuyển động trên mặt đất”, Luận án tiến sĩ, Trường Đại học Bách Khoa Hà Nội, 2017. [3]. N. V. Thắng, “Thiết kế và xây dựng hệ thống dẫn đường tích hợp INS/GPS trên cơ sở linh kiện vi cơ điện tử dùng cho các phương tiện giao thông đường bộ”, Luận án tiến sĩ; Trường Đại học Công nghệ - Đại học Quốc gia Hà Nội, 2017. [4]. L. B. Yến, V.H. Mừng, P. T. Dũng, “Thiết kế bộ lọc Kalman trên vi điều khiển DSPIC30F ứng dụng trong đo lường quán tính,”, Tạp chí Nghiên cứu Khoa học và Công nghệ quân sự, số 8 (2010), tr. 147-152. [5]. Mohinder S. Greval, Angus P. Andrews, “Kalman Filtering – Theory and Practice Using MATLAB,” John Wiley & Sons, 2001. [6]. T. A. Sơn, N. H. Q. Thịnh, “Research and manufacture of automated guided vehicle for the service of storehouse,”Tạp chí Phát triển Khoa học và Công nghệ - Chuyên san kỹ thuật & công nghệ, tập 1, số 1 (2018), tr. 5-12. [7]. Gregor Klancar, Drago Matko, Saso Blazic, “Mobile Robot Control on a Reference Path,” Proceedings of the 13th Mediterranean Conference on Control and Automation, Limassol, Cyprus, June 27-29, 2005, pp. 1343-1348. [8]. Wanting Song, Zai Luo, and Yingqi Tang "Research on correction method in AGV motion using inertial guidance and QR code", Proc. SPIE 11343, Ninth International Symposium on Precision Mechanical Measurements, 113431F (13 November 2019). [9]. S. Y. Lee, H. W. Yang “Navigation of automated guided vehicles using magnet spot guidance method”, Robotics and Computer - Integrated Manufacturing 28 (2012) tr. 425 - 436. [10]. Martijn Cramer, Jeroen Cramer, David De Schepper, Peter Aerts, Karel Kellens, Eric Demeester, “Benchmarking low-cost inertial measurement units for indoor localisation and navigation of AGVs”, ScienceDirect, Procedia CIRP Volume 86 (2019), tr. 204 – 209. ABSTRACT THE NAVIGATION METHOD FOR AUTOMATED GUIDED VEHICLE AGV USING THE INERTIAL SENSOR AND THE VIRTUAL PATH FOR THE SERVICE OF TRANSPORT GOODS IN SPECIAL ENVIRONMENT The automated guided vehicle (AGV) are used to transport goods in facrories, industrial and military warehouses. The navigation method is a very important factor that decides the flexibility and accurcy of the AGV in different operating enviroments. Each navigation method has an own method of determining the position and angle of the vehicle. In this research the position and angle of the AGV are estimated by data of the inertial sensor, the encoder and caculated by the Kalman filter algorithm. In addition, the measurement errors of angle and position are corrected when the AGV passes through the magnet reference points that is embedded under the floor on the virtual paths. Keywords: Inertial navigation; Inertial sensor; Magnetic reference point; Automated guided vehicle; AGV. Nhận bài ngày 03 tháng 8 năm 2020 Hoàn thiện ngày 05 tháng 10 năm 2020 Chấp nhận đăng ngày 05 tháng 10 năm 2020 Địa chỉ: Viện Tự động hóa KTQS, Viện KH-CN quân sự. * Email: yenlb.tdh@gmail.com.