کنترل غیرمستقیم ربات شبیه به خودرو با استفاده از شبکه عصبی

لزوم استفاده از وسایل نقلیه از یک سو و آمار بالای تصادفات جادهای ناشی از خطای انسانی از سوی دیگر تلاش هر چه بیشتر برای طراحی، ساخت و کنترل خودروهای هوشمند بدون راننده را در جهان کنونی یاد آوری میکند. برای کنترل خودکار خودروهای بدون سرنشین به مدل دینامیکی احتیاج است که تعیین دقیق آن به دلیل نامعینی ها و برخی دینامیک های مدل نشده ممکن نیست. به علاوه همواره اغشتاشات خارجی در مسیر حرکت وجود دارند. در این مقاله برای ردیابی مسیر یک ربات شبیه به خودرو کنترل کنندهایی پیشنهاد می دهیم که به صورت تطبیقی با استفاده از شبکه عصبی به صورت برخط بهروز میشود. مزیت استفاده از این روش دفع اثر اغتشاشات و نامعینی موجود در مدل است. روش پیشنهادی شامل یک کنترل کننده تناسبی-انتگرال گیر-مشتق گیر PID، یک کنترل کننده سینماتیکی و یک کنترل کننده کننده عصبی تطبیقی غیرمستقیم با استفاده از شبکه عصبی مصنوعی با توابع پایه شعاعی RBF است. در روش پیشنهادی از یک سو شبکه عصبی به صورت برخط با استفاده از گرادیان نزولی به روز میشود، از سوی دیگر بهره های ثابت و مقادیر اولیه پارامترهای شبکه عصبی با استفاده از الگوریتم ژنتیک به شکل مناسب با کمینه کردن تابع هزینه تعریف شده، تعیین میگردند. در انتها شبیه سازی هایی با در نظر گرفتن اثرات غیر ایده آل مانند نامعینی و اغتشاشات خارجی ارائه شده که موثر بودن روش پیشنهادی را نشان میدهد.

Keywords:

کنترل کننده غیر مستقیم , ربات شبیه به خودرو , شبکه عصبی تطبیقی , الگوریتم ژنتیک