CC BY
24Impact Factor: SJIF 2019 - 5.11 ТСХШЩЖМ НАУКИ
2020 - 5.497
2021 - 5.81
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОГО КОНТРОЛЛЕРА ДЛЯ МОБИЛЬНОГО РОБОТА С ИСПОЛЬЗОВАНИЕМ НЕЧЕТКОЙ ЛОГИКИ
МЕХРИБАН ГУСЕЙНАГА КЫЗЫ
Ассистент, Азербайджанский Государственный Университет Нефти и Промышленности,
Азербайджан, Баку
ГАМБАРОВ ЭЛЬНУР ЭЛЬЩАН О.
Магистр, Азербайджанский Государственный Университет Нефти и Промышленности,
Азербайджан, Баку
Абстракт. В данной статье представлены разработки в области интеллектуального управления мобильным роботом в (известных и неизвестных) средах, ориентированных на координацию движений, где нечеткая логика может использоваться в текущих исследованиях. Информация, включенная в предлагаемые планы управления, представляет собой угол управления в соответствии с целями, полученными от робота, и план действий, связанный с мерами безопасности в местах слева, спереди и справа от робота, определенных датчиками. Здесь требуется интеллектуальный контроллер для алгоритма навигации мобильного робота с использованием нечеткой теории в сложной среде.
Ключевые слова: Нечеткая логика, мобильный робот, управления, контроллер
Автономный мобильный робот — это машина, которая работает в неизвестных и непредсказуемых условиях. В неизвестной или частично известной хаотической среде неопределенность, связанная с реактивной навигацией для неожиданно мобильного агента, может быть преодолена путем координации и комбинирования элементарных действий мобильного агента. Ключевым вопросом в исследованиях автономных мобильных роботов является проектирование и разработка методов управления, которые позволяют роботу избегать структурированных и неструктурированных препятствий в реальных условиях, особенно в многолюдных и непредсказуемо меняющихся условиях. Примеры повседневных задач включают парковку автомобиля, вождение в городском потоке, игру в гольф или завершение рассказа. Метод нечеткой навигации, реализованный для создания удовлетворительных маневров направления и скорости автономного робота, применяется здесь для достижения цели навигации робота путем безопасного перемещения в неизвестных статических областях.
Людям не нужен точный цифровой ввод для принятия решений, но они могут осуществлять полный адаптивный контроль. Люди обладают замечательной способностью выполнять множество физических и умственных задач без каких-либо явных измерений или расчетов. При выполнении таких привычных задач люди используют время, расстояние, скорость, форму и другие атрибуты физических и ментальных объектов. Нечеткий простой, маленький, сухой я был создан в системах, начиная от микроконтроллеров и заканчивая большими сетевыми системами сбора данных и управления на базе рабочих станций. Теория систем нечеткой логики основана на способности человека обрабатывать и рассуждать с информацией, основанной на познании. Нечеткая логика на основе правил обеспечивает научный формализм для рассуждений и принятия решений с неопределенными и неопределенными данными. Он может быть реализован аппаратно, программно или их комбинацией. Нечеткий логический подход к решению проблем имитирует то, как человек принимает решения.
Основные преимущества стратегии нечеткой навигации заключаются в возможности выводить эвристические правила из человеческого опыта и устранять необходимость в аналитической модели процесса. Техника нечеткой логики предназначена для того, чтобы иметь возможность принимать решения, как человек, чтобы избегать структурированных и
ОФ "Международный научно-исследовательский центр "Endless Light in Science"
Impact Factor: SJIF 2019 - 5.11 ТСХШЩЖМ НАУКИ
2020 - 5.497
2021 - 5.81
неструктурированных препятствий в сложной среде. Контроллер нечеткой логики (FLC-FuzzyLogicController) — это система управления для решения проблем, используемая для реализации в системах, начиная от простых, небольших встроенных микроконтроллеров и заканчивая большими сетевыми многоканальными системами сбора данных и управления на базе персональных компьютеров или рабочих станций. Еще одним преимуществом нечеткой навигации является ее способность выводить эвристические правила из человеческого опыта и устранять необходимость в аналитической модели процесса. Нечеткие контроллеры состоят из каскада ввода, каскада обработки и каскада вывода. Входной фазовый датчик или переключатели, тумбы и т.д. сопоставляет другие входные данные с соответствующими функциями принадлежности и значениями истинности. Фаза обработки вызывает каждое правило сопоставления и генерирует результат для каждого, а затем объединяет результаты правил. Наконец, выходной каскад преобразует объединенный результат обратно в определенное управляющее выходное значение. Стадия обработки основана на наборе логических правил в форме операторов IF-THEN, где часть IF называется «антецедентом», а часть THEN называется «результатом». Наборы нечетких правил имеют несколько антецедентов, объединенных с помощью нечетких операторов, таких как И, ИЛИ и ОТРИЦАНИЕ, где И использует минимальный вес всех антецедентов, ИЛИ использует максимальное значение, а оператор ОТРИЦАНИЕ заменяет функцию принадлежности, чтобы дать «дополнительную» Вычитает из 1. Процесс применения нечеткой логики к задаче можно увидеть на рисунке 1. Здесь ценности открытого пространства являются реальным вкладом в решение проблемы.
Рисунок 1. Процесс работы контроллера с нечеткой логикой
Недавние исследования показали множество преимуществ схемы эволюционной навигации на основе нечеткой информации перед другими методами (задача, метод потенциала поля, гистограмма векторного поля, локальная навигация и т. д.), одно из которых заключается в том, что для этого алгоритма требуется меньше локальной информации. Нечеткую логику можно использовать для получения индивидуального поведения, определения конкретного поведения, выбора ролей каждого робота, использования роботов в восприятии, принятии решений и быстром управлении. Основанная на нечетком поведении архитектура для навигации мобильных роботов в неизвестных средах включает в себя разработку ключевых моделей поведения для навигации мобильных роботов: поведение при
ОФ "Международный научно-исследовательский центр "Endless Light in Science"
Impact Factor: SJIF 2019 - 5.11 ТСХШЩЖМ НАУКИ
2020 - 5.497
2021 - 5.81
поиске цели, поведение при избегании препятствий, поведение при следовании за стеной и поведение при выходе из тупика. Каждое поведение реализуется с помощью нечеткого контроллера для выполнения задачи направленной навигации. Разработка автономных методов навигации в реальных условиях является одним из основных направлений современных исследований в области робототехники. Одной из важных проблем навигации автономных мобильных роботов является необходимость справиться с большой степенью неопределенности, присущей естественной среде.
Нечеткая логика обладает свойствами, которые делают ее адекватным инструментом для решения этой проблемы. В данной работе представлена навигация мобильных роботов при наличии статических и движущихся препятствий с использованием нечеткой методики. Сначала из базы данных извлекается набор правил навигации. Правила используются для управления навигацией мобильных роботов. Использование методов нечеткой логики для управления колесными мобильными роботами эффективно предлагалось многими авторами в последнее десятилетие. Он предлагает онлайн-анализ пути и подход к планированию, включающий нечеткую стратегию управления мобильным роботом. В этом текущем исследовании разрабатывается новая интеллектуальная система нечеткого интерфейса. В этом подходе система нечеткой логики используется для управления входными данными от различных датчиков робота. Сигналы датчиков подаются в систему нечеткой логики, а на выходе выдаются команды управления двигателем (например, повернуть направо или налево).
Система нечеткой логики изучает полную динамику мобильного робота онлайн. Нечеткий контроллер для мобильного робота имеет четыре входа и два выхода. И вход, и выход имеют три функции принадлежности. Каждая функция принадлежности состоит из трапециевидной и треугольной функций принадлежности. В этой методологии правила использовались для разработки нечеткого регулятора. Это исследование сосредоточено на структуре нечеткой логики, которая будет реализована в мобильном роботе для проектирования и координации поведения. Проведено сравнение предложенного метода с другими методами, показывающее эффективность разработанного метода. Также можно сделать вывод, что настоящий метод может быть успешно применен для навигации мобильных роботов. Этот нечеткий контроллер мобильного робота для анализа пути и планирования подтвержден экспериментальной проверкой.
Нечеткая логическая система управления. Контроллеры с нечеткой логикой имитируют принятие решений человеческим мозгом. Следовательно, его можно сформулировать с помощью простого набора правил, называемых нечеткими правилами, известными как правила «если, то». Он состоит из входных данных, помеченных как условие или антецедент If, и выходных данных, помеченных как последующее условие или результат. Эти типы комбинаций ввода-вывода основаны на понятных и естественных лингвистических представлениях. Система нечеткого вывода — это популярная вычислительная среда, основанная на концепциях теории нечетких множеств, нечетких правил и нечетких рассуждений. В основном он состоит из трех основных компонентов, а именно: базы правил, которая содержит выбор нечетких правил, базы данных, которая определяет функцию принадлежности, используемую в нечетких правилах, и механизма рассуждений, который выполняет процедуру вывода. Он может принимать нечеткие входные данные или четкие входные данные, но выходные данные почти всегда представляют собой нечеткие множества. Иногда четкий вывод важен в ситуации, когда в качестве регулятора используется система нечеткого вывода.
Фаззификация. Это преобразование точных входных данных в степени членства путем сопоставления данных из четкого входного пространства с нечеткими множествами. Здесь нечеткое множество помечено ближними, средними и дальними лингвистическими переменными, которые нечетко выбраны для расстояния до левого препятствия, расстояния до правого препятствия и расстояния до препятствия. "Pos" (+), "zero" (0) va "neg" (-) переменные определяют угол направления цели относительно робота. Если цель находится с
ОФ "Международный научно-исследовательский центр "Endless Light in Science"
Impact Factor: SJIF 2019 - 5.11 ТЕХНИЧЕСКИЕ НАУКИ
2020 - 5.497
2021 - 5.81
левой стороны мобильного робота, угол цели считается углом цели, если цель находится с правой стороны робота. Если в среде нет цели, используется термин «управление не получено». Лингвистические функции, такие как «быстро», «средне» и «медленно», рассчитаны на скорость левого колеса и копию правого колеса на три принадлежности. Параметры Расстояние до левого препятствия, Расстояние до переднего препятствия, Расстояние до правого препятствия, Угол поворота руля приведены в таблицах 1, 2 соответственно.
Таблица 1.
Настройки расстояния до левого, правого и переднего препятствия
Переменные Рядом (метры) Средний (метры) цалеко (метры)
дистанция до левого 0.0 1.0 2.0
препятствия
Расстояние до правого 1.0 2.0 3.0
препятствия
Расстояние перед 2.0 3.0 4.0
препятствием
Таблица 2.
Настройки угла поворота рулевого колеса
Переменные отрицательный (степень) ноль (градусы) положительный (степень)
-180 -90 0
Начальный угол -90 0 90
0 90 180
ЗАКЛЮЧЕНИЕ
Получен нечеткий регулятор и его приложение для целей аналитического синтеза управления движением робота и приложения. Предлагаемый аналитический метод параметрического синтеза нечеткого регулятора, например мобильного робота, обеспечивает надежность, высокую точность и динамические характеристики за счет пространственных координат и выходной переменной.
ЛИТЕРАТУРА
1. Nusratov OK, Jafarov PS, Zeynalov ER, Mustafayeva AM, Jafarov SM. The analitycal method of synthesis of controller with fuzzy T-S model for controlling of nonlinear dynamic object-manipulator robot with flexible connection. Mechatronica avtomat control. 2011, pp.54- 61
2. Jafarov PS, Zeynalov ER, Jafarov SM, Mustafayeva AM. The analitical method of synthesis of a controller with a fuzzy t-s model for control of a flexible joint robot arm, in Proc. Sixth International Conference on Soft Computing with Words and Perceptions in System Analysis, Decision and Control, Turkey, Antaliya, 1-2 September, 2011, p. 107-113 476 S.M. Jafarov et al. / Procedia Computer Science 102 ( 2016 ) pp.469 - 476
ОФ "Международный научно-исследовательский центр "Endless Light in Science"
