Điều khiển dẫn đường hành vi cho robot di động hai bánh vi sai

Bài báo đề xuất cấu trúc điều khiển dẫn đường hành vi mới BBFM cho robot di động. Cấu trúc BBFM là sự kết hợp giữa logic mờ để thiết kế các bộ điều khiển mờ thực thi các hành vi độc lập và lý thuyết quyết định tối ưu đa mục tiêu để lựa chọn giá trị điều khiển thỏa mãn tốt nhất tất cả các mục tiêu. Mời các bạn cùng tham khảo!

Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Điều Khiển Dẫn Đường Hành Vi Cho Robot Di Động Hai Bánh Vi Sai Nguyễn Thị Thanh Vân, Phùng Mạnh Dương, Đặng Anh Việt, Quách Công Hồng, Trần Quang Vinh Khoa Điện tử - Viễn thơng, Đại học Công nghệ, Đại học Quốc Gia Hà nội 144 Xuân Thủy, Cầu Giấy, Hà nội Email: vanntt@vnu.edu.vn Abstract— Bài báo đề xuất cấu trúc điều khiển dẫn đường hành vi BBFM cho robot di động Cấu trúc BBFM kết hợp logic mờ để thiết kế điều khiển mờ thực thi hành vi độc lập lý thuyết định tối ưu đa mục tiêu để lựa chọn giá trị điều khiển thỏa mãn tốt tất mục tiêu Cách thức kết hợp có ưu điểm sử dụng logic mờ thiết kế hàm mục tiêu dễ dàng, hiệu phù hợp với đặc điểm môi trường hoạt động chứa nhiều yếu tố bất định, tối ưu đa mục tiêu cho phép lựa chọn giá trị điều khiển cuối thỏa mãn tốt tất mục tiêu đặt Hiệu cấu trúc điều khiển đề xuất kiểm chứng qua chương trình mơ phỏng, so sánh đánh giá với cấu trúc điều khiển dẫn đường hành vi có trước Keywords – Điều khiển dẫn đường hành vi, logic mờ, tối ưu đa mục tiêu, robot di động I GIỚI THIỆU Dẫn đường xem với phần hiểu biết mơi trường vị trí đích số vị trí với giá trị thu cảm biến, robot có khả đạt tới vị trí đích cách hiệu tin cậy [1, 2] Cấu trúc điều khiển dẫn đường phân thành ba loại [3]: cấu trúc thứ bậc hoạt động với bước cảm nhận, lập kế hoạch hành động dựa mơ hình xác mơi trường tồn cục điều khiển robot theo đường tối ưu; cấu trúc phản ứng hay hành vi chia nhiệm vụ phức tạp thành nhiệm vụ nhỏ để thực đáp ứng nhanh với môi trường động trước; cấu trúc lai kết hợp hai cấu trúc để tận dụng ưu điểm lập kế hoạch cấu trúc thứ bậc đáp ứng nhanh cấu trúc phản ứng môi trường động Trong ba cấu trúc điều khiển dẫn đường cấu trúc hành vi sử dụng nhiều ứng dụng robot hoạt động mơi trường chưa biết tính đơn giản hiệu đạt cao Việc chia nhiệm vụ dẫn đường phức tạp thành nhiệm vụ nhỏ làm tăng hiệu suất hoạt động toàn hệ thống Vấn đề quan trọng cấu trúc điều khiển hành vi cách kết hợp hiệu hay cách giải xung đột loại hành vi khác để đạt kết tốt Các kỹ thuật phân thành hai phần cấu trúc điều khiển hành vi: lựa chọn hành vi trộn lệnh Lựa chọn hành vi định hay nhiều hành vi tham gia điều khiển thời điểm Một số kỹ thuật lựa chọn hành vi điển hình như: cấu trúc xếp gộp Book [4], cấu trúc ưu tiên Dupre [5], hay siêu luật mờ [6,7] Kỹ thuật trộn lệnh sử dụng có nhiều hành vi lựa chọn, định lệnh điều khiển từ nhiều lệnh sinh nhiều ISBN: 978-604-67-0635-9 hành vi khác Một số kỹ thuật trộn lệnh sơ đồ chuyển mạch [8], tổng hợp véc tơ [9], sử dụng lọc thông tin phân tán [10] hay logic mờ [11] Khi logic mờ sử dụng kỹ thuật lựa chọn hành vi trộn lệnh phương pháp gọi kết hợp phụ thuộc vào ngữ cảnh – CDB [12, 13] ứng dụng nhiều hệ thống dẫn đường robot di động [14-16] Phương pháp CDB tạo nên cấu trúc điều khiển hành vi linh hoạt, đáp ứng nhanh với biến động môi trường chưa biết, nhiên sử dụng kỹ thuật trộn lệnh để xác định giá trị điều khiển cuối gặp số hạn chế phương pháp giải mờ đem lại Bên cạnh đó, cấu trúc MOASMs đề xuất P Pirjanian [17] xem kỹ thuật trộn lệnh sử dụng khái niệm hành vi tối ưu Phương pháp áp dụng lý thuyết định đa mục tiêu để xác định hành vi phù hợp tối ưu theo quan điểm Pareto từ tập hành vi khác Phương pháp tỏ hiệu kết tìm tối ưu Pareto thể hạn chế việc xác định hàm mục tiêu hành vi Để khắc phục hạn chế vấn đề trộn lệnh kỹ thuật trên, báo đề xuất cấu trúc điều khiển dẫn đường hành vi kết hợp logic mờ lý thuyết định tối ưu đa mục tiêu, gọi tắt BBFM Trong cấu trúc điều khiển này, hành vi dẫn đường phức tạp chia thành hành vi nhỏ hành vi thực thi điều khiển mờ Hàm thuộc lối điều khiển xem hàm mục tiêu hành vi thể mức độ mong muốn đạt biến điều khiển theo mục tiêu hành vi Giá trị cuối biến điều khiển xác định lý thuyết định tối ưu đa mục tiêu với hàm mục tiêu hành vi thiết lập từ điều khiển Cấu trúc BBFM đề xuất phát huy ưu điểm sử dụng logic mờ để thiết kế điều khiển mờ cách dễ dàng, hiệu quả, thích hợp với yếu tố bất định robot môi trường hoạt động Đồng thời, việc sử dụng lý thuyết định tối ưu đa mục tiêu cho phép xác định giá trị điều khiển tối ưu Pareto Bài báo trình bày thành phần Phần giới thiệu mơ hình hệ thống robot di động hai bánh vi sai hệ thống điều khiển dẫn đường Cấu trúc điều khiển dẫn đường hành vi BBFM đề xuất trình bày chi tiết phần Phần trình bày ví dụ thiết kế hệ thống dẫn đường cho robot di động sử dụng cấu trúc điều khiển đề xuất với hai cấu trúc điều khiển khác MOASMs CDB điển hình nhằm mục đích so sánh đánh giá Mơ kiểm chứng đánh giá so sánh trình bày phần Cuối kết luận hướng phát triển phần 450 450 Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) II MƠ HÌNH HỆ THỐNG Mơ hình robot di động xem xét nghiên cứu loại robot có hai bánh vi sai với ràng buộc khơng khả tích có cấu hình tham số thể Hình    xi , yi , i Hình 2: Sơ đồ khối hệ thống điều khiển dẫn đường III Hình 1: Mơ hình robot di động hai bánh vi sai Trong đó, (OG, XG, YG) biểu diễn hệ tọa độ toàn cục, (OR, XR,YR) biểu diễn hệ tọa độ cục gắn liền với robot, R ký hiệu bán kính bánh xe L khoảng cách hai bánh (x, y, θ) tọa độ góc hướng robot hệ tọa độ toàn cục ρ khoảng cách từ tâm robot tới vị trí đích α góc lệch véctơ nối tâm robot với điểm đích véctơ góc hướng θ Phương trình động học robot di động hai bánh vi sai là:  x  u cos   (1)  y  u sin       u vận tốc dài ω vận tốc góc tâm robot Quan hệ ràng buộc khơng khả tích rút từ phương trình biểu diễn bởi: (2) y cos   x sin   Mơ hình rời rạc thời điểm i+1 thu từ giá trị thời điểm i phương trình động học liên tục (1) với thời gian lấy mẫu Ts là:  xi 1  xi  uiTs cos( i )   yi 1  yi  uiTs sin( i )      T  i 1 i i s BỘ ĐIỀU KHIỂN DẪN ĐƯỜNG HÀNH VI BBFM Phần trình bày phương pháp thiết kế điều khiển dẫn đường hành vi BBFM đề xuất Cấu trúc điều khiển dẫn đường hành vi BBFM mô tả hình chia thành bước sau: O1 (y1 ) O1 (yn ) O (y1 )  O (yn ) 2 O (y1 ) Sơ đồ khối hệ thống điều khiển dẫn đường phản hồi trình bày Hình Điểm đích (xd, yd, θd) cho trước không gian làm việc Với liệu môi trường trạng thái robot thu thông qua cảm biến, điều khiển dẫn đường đưa giá trị vận tốc dài u vận tốc góc ω phù hợp để điều khiển robot di động hai bánh vi sai có phương trình động học (3) vị trí đích cách an tồn Để tăng thêm hiệu hệ thống điều khiển lọc EKF-FNN nhóm tác giả đề xuất tốn định vị robot nghiên cứu khác [18] sử dụng vòng phản hồi Bộ lọc cho phép ước tính xác tư robot dựa mơ hình động học hệ thống phép đo trường hợp hệ thống bị ảnh hưởng nhiễu q trình nhiễu đo Khi giá trị lối vào điểu khiển dẫn đường giá trị ước tính từ lọc EKF-FNN 451 451 N yˆ n  arg max[ O (y n ), , O (y n )] N N  O (y n ) N Hình 3: Cấu trúc điều khiển dẫn đường hành vi BBFM Bước 1: Phân tích vấn đề Từ mục tiêu phức tạp cần thực hiện, chia thành tập hành vi độc lập Xác định biến điều khiển hành vi: y = (y1, y2, …,yN), yi Є Yi, Yi: tập giá trị biến điều khiển tương ứng Bước 2: Thiết kế hàm mục tiêu: Hàm mục tiêu để thực hành vi tương ứng thiết kế thông qua bước trình thiết kế điều mờ: mờ hóa, suy luận mờ Kết q trình suy luận mờ thu hàm mục tiêu biến điều khiển: O ( y ), O ( y ), , O ( y ) (4) (3) yˆ1  arg max[  O (y1 ), , O (y1 )] N Bước 3: Lựa chọn lệnh Quá trình trộn lệnh để xác định giá trị điều khiển cuối sử dụng lý thuyết tối ưu đa mục tiêu Khi giá trị tham số điều  khiển tối ưu Pareto y i  Yi phù hợp với tất mục tiêu đề theo lý thuyết lựa chọn tối ưu đa mục tiêu: yˆ  arg max[  O (yi ),O (yi ), , O (yi )],yi  Yi (5) i N A Phân tích vấn đề Mục tiêu phức tạp chia thành trình định độc lập nhỏ gọi hành vi Bk (k =1…N) Biến điều khiển y định nghĩa y = {y1, y2, …,yN}, yi Є Yi, Yi: tập giá trị biến điều khiển tương ứng hay gọi không gian tác động biến điều khiển Mỗi hành vi thực thi thông qua hàm mục tiêu biến điều khiển tương ứng Ok(y) (k =1…N) B Thiết kế hàm mục tiêu Hàm mục tiêu Ok để thực thi hành vi Bk định nghĩa ánh xạ từ không gian tác động Yi tới khoảng giá trị [0, 1]: Ok : Yi → [0, 1] (6) Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Phép ánh xạ gán tác động yi Є Yi giá trị thỏa mãn, tác động thích hợp gán khơng thích hợp gán Hàm mục tiêu Ok xác định thông qua hai bước mờ hóa suy luận mờ Phần mơ tả chi tiết cách thức thiết kế hàm mục tiêu thông qua hai bước thiết kế điều khiển mờ với cấu trúc tổng quát MIMO Bước 1: Mờ hóa Một điều khiển mờ F có m biến ngơn ngữ lối vào {x1, x2,…, xm} với tập X1, X2…Xm n biến ngôn ngữ lối {y1, y2,…yn } với tập Y1, Y2,…,Yn Biến lối yi biến điều khiển tập Yi (i=1…n) không gian tác động biến điều khiển Mỗi biến ngơn ngữ có giá trị ngôn ngữ xác định tập mờ định nghĩa tập biến ngôn ngữ: x1   A11 , A12 ,  , A1a  y1  B11 , B12 ,  , B1b  x2  A21 , A22 ,  , A2 a  y2  B21 , B22 ,  , B2b  Như vậy, với N hàm mục tiêu tham số điều khiển yˆ i  Yi tốt phù hợp với tất hàm mục tiêu xác định theo cách sau: yˆ i  Yi  arg max[ O (yi ),O (yi ), , O (yi )] (12) y2 : B21 ( y2 ), ,  B2b ( y2 ) xm : Am1 ( xm ), , Ama ( xm ) yn : B ( yn ), , Bnb ( yn ) i IV N VÍ DỤ DẪN ĐƯỜNG CHO ROBOT DI ĐỘNG Bài toán dẫn đường u cầu robot di động hai bánh vi mơ (3) có khả đích tránh vật cản an tồn đường mơi trường chưa biết dựa thông tin thu từ cảm biến Phần trình bày cụ thể trình thiết kế điều khiển dẫn đường hành vi theo cấu trúc BBFM đề xuất (7) A Phân tích vấn đề Nhiệm vụ dẫn đường robot từ điểm tới đích cách an tồn chia thành ba hành vi: tránh vật, trì hướng đích chuyển động nhanh Hành vi tránh vật thực nhiệm vụ tránh vật cục bất ngờ gặp phải đường di chuyển đích Hành vi trì hướng đích thực việc điều khiển robot ln tiến thẳng tới đích tốc độ đích nhanh thực hành vi chuyển động nhanh Nhiệm vụ hành vi thực thi điều khiển mờ Hai hành vi trì hướng đích chuyển động nhanh gộp vào điều khiển hành vi liên quan đến biến điều khiển Biến điều khiển cho robot di động vận tốc dài u vận tốc góc ω biến lối điều khiển mờ: y = {u, ω}, U = [umin umax], W = [ωmin ωmax] Hai hàm mục tiêu biến điều khiển để thực ba hành vi O1(u, ω) O2(u, ω) (8) B Thiết kế hàm mục tiêu 1) Bộ điều khiển tránh vật Để thực hành vi tránh vật cục bộ, robot nhận liệu từ cảm biến siêu âm mô tả hình ij Với k luật hay k mệnh đề hợp thành điều khiển giá trị luật hợp thành R cho biến lối yi xác định theo luật max-min là:  R ( yi )  max(  R ( yi ),  R ( yi ), ,  R ( yi )) (10) với yi  Yi O (y i )  [O (yi ), O (y i ), , O (y i )] với j n1 ij O ( yˆ i  Yi )  O (y i ) để Bước 2: Suy luận mờ Luật điều khiển thứ k (mệnh đề hợp thành) với m mệnh đề điều kiện có dạng: Rk: Nếu x1=Aij x2 = Aij ….xm = Aij y1 = Bij y2 = Bij … yn = Bij Trong đó: Aij, Bij: j Є {1…a/b}: tập mờ giá trị ngôn ngữ vào/ra, i Є {1…m/n}: biến ngôn ngữ lối vào vào/ra Giá trị mệnh đề hợp thành k cho biến lối yi tập mờ Rk định nghĩa tập Yi có hàm thuộc:  R ( yi )  min(H,  B (y i )) k ij (9) H  min{ A ( x1 ),  A ( x2 ), ,  A ( xm )} ij N phương trình (12) khơng tồn giá trị xm   Am1 , Am1 ,  , Ama  yn  Bn1 , Bn ,  , Bnb  Hàm thuộc tương ứng giá thực biến vào/ra xác định bởi: y1: B11 ( y1 ), ,  B1b ( y1 ) x1: A11 ( x1 ), ,  A1a ( x1 ) x2 : A21 ( x1 ), , A2 a ( x2 ) Nghiệm tối ưu Pareto [19]: yˆ i nghiệm không trội M Hàm thuộc lối biến điều khiển yi xác định theo (10) hàm mục tiêu biến điều khiển yi C Lựa chọn lệnh Bước xác định giá trị rõ cuối tham số điều khiển yi thông qua N hàm mục tiêu Như khẳng định trên, hàm mục tiêu Ok thực thi hành vi Bk tập mờ R lối (10) điều khiển mờ F tương ứng với tham số điều khiển yi tập Yi  O ( yi )   R ( yi ) (11) Hình 4: Mơ hình cảm biến siêu âm Phạm vi quét cảm biến từ đến 4m cảm biến chia thành nhóm: Phải (cảm biến 1, 2, 3) Trước (cảm biến 4, 5) Trái (cảm biến 6, 7, 8) Giá trị nhóm cảm biến tính giá trị khoảng cách nhỏ nhóm Bộ điều khiển gồm biến lối vào biến lối hình (13)   a tan(y d  y, x d  x)   ,   [-  ] 452 452 Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Trong ρ khoảng cách từ vị trí (x,y) robot tới vị trí đích (xd, yd) xác định công thức (16), giá trị ngôn ngữ hàm thuộc miêu tả hình Hình 5: Bộ điều khiển mờ tránh vật Giá trị ngôn ngữ miền giá trị biến vào/ra xác định sau: - dtrai, dtruoc, dphai = {Gần (G), Trung bình (TB), Xa (X)} [0.2 4] m - α = {Âm Nhiều (AN), Âm (A), Không (K), Dương (D), Dương Nhiều (DN)} - u = {Nhỏ (N), Trung bình (TB), Lớn (L)}, U = [0 1.3] m/s - ω = {Âm Nhiều (ANo), Âm (Ao), Không (Ko), Dương (DO), Dương Nhiều (DNo)}, W = [-4.33 4.33] rad/s Hàm thuộc biến ngôn ngữ vào/ra hàm thuộc có dạng Gauss Sigmoid với biểu thức dạng hàm biểu diễn hình  ( x  c )2 Sigmoid ( x )  Gauss ( x )  e 2 1 e  a ( xb) (16)   (x d  x)  (y d  y) ρ = {Gần (G), Trung bình (TB), Xa (X)}, ρ:[0 20] m Hình 8: Hàm thuộc biến ρ Biến ngôn ngữ α, ω điều khiển đích có giá trị ngơn ngữ, miền giá trị hàm thuộc giống điều khiển tránh vật Các luật điều khiển đích trình bày bảng Giá trị mệnh đề hợp thành theo luật maxmin cho biến lối u ω điều khiển mờ đích xác định theo công thức 17 sau  R _GR (u )  max(  R (u ),  R (u ), ,  R (u ) (14) k (17)  R _GR ( )  max(  R ( ),  R ( ), ,  R ( )) k k  1, ,15 Trường hợp va chạm vật (b) (a) (c) (d) Hình 6: Hàm thuộc biến: (a): lối vào khoảng cách dtrai, dtruoc dphai, (b): góc lệch α, (c): vận tốc dài u, (d) vận tốc góc ω Bảng thể luật điều khiển tránh vật thường gặp Giá trị mệnh đề hợp thành theo luật max-min cho biến lối u ω điều khiển mờ tránh vật xác định theo  R _ OA (u )  max(  R (u ),  R (u ), ,  R (u ) 2 k dtrai G X TB X G G Lối vào dtruoc dphai X G G G G G G Lối α G G TB X TB u L ω KO TB TB TB TB TB DO DO DNO ANO AO X G X TB DNO TB G X TB AO X G TB TB DO 10 TB TB TB N KO 11 G TB TB N DO 12 TB G TB N DO 13 G TB TB TB AO 14 G TB X TB AO 15 G X TB TB AO 16 G X X AN N ANO 17 G X X A N AO 18 G X X K L KO 19 G X X DN L KO 20 G X X D L KO 21 TB TB G TB DO 22 X TB G TB DO 23 TB X G L KO 24 X X G AN L KO 25 X X G A L KO 26 X X G K L KO 27 X X G DN N DNO 28 X X G D N DNO G: Gần, TB: Trung Bình, X: Xa, K/KO: Không, A/AO: Âm, AN/ANO: Âm Nhiều, D/DO: Dương, DN/DNO: Dương Nhiều k  R _ OA ( )  max(  R ( ),  R ( ), ,  R ( )) STT (15) k  1, , 28 Với Rk giá trị mệnh đề hợp thành thứ k xác định theo (9) 2) Bộ điều khiển đích Bộ điều khiển đích tương đương với việc thực hai hành vi trì góc hướng đích hành vi điều khiển tốc độ nhanh Sơ đồ khối điều khiển đích với hai biến lối vào ρ, α hai biến lối u, ω thể hình Hình 7: Bộ điều khiển mờ đích Bảng 1: Luật điều khiển tránh vật 453 453 Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) STT Lối vào A Trường hợp Mơi trường hoạt động có cấu trúc chọn giống báo đề xuất sử dụng điều khiển MOASMs Từ cấu hình xuất phát ban đầu (-2, -1.8, 180o), robot di chuyển tránh vật an tồn đích vị trí (-6, -4.8, 0o) Đường đáp ứng vận tốc u, ω robot trường hợp sử dụng ba điều khiển dẫn đường khác MOASMs, BBFM CBD thể hình Một số thơng số từ hoạt động dẫn đường robot nhằm mục đích so sánh thể bảng Trong quãng đường thể độ dài mà robot Thời gian tới đích thời gian thực thi thuật tốn điều khiển từ điểm bắt đầu đến robot đạt tới đích Sai số đích khoảng cách dừng robot tới đích, thơng số đánh giá khả đạt vị trí đích cấu trúc điều khiển Hình cho thấy đường sử dụng cấu trúc điều khiển BBFM tốt so với trường hợp sử dụng hai cấu trúc lại Điều khẳng định bảng với thông số đạt cấu trúc BBFM so với MOASMs CDB là: quãng đường ngắn hơn, thời gian tới đích nhanh sai số đích nhỏ Cấu trúc MOASMs có thời gian thực lâu hàm mục tiêu hàm biến O(u,ω) phải thực hết với giá trị tập tham số điều khiển cho hai biến Mặt khác hàm mục tiêu thực thi hành vi tránh vật thực theo nguyên lý robot chuyển theo đường cong quanh tâm quay ICC giao với vật nên chiếm nhiều thời gian xác định vị trí vật Chính nguyên lý xác định hàm mục tiêu làm robot khó đích với sai số nhỏ Điều thể đáp ứng vận tốc u ω hình 9(d) với giá trị vận tốc chưa đạt tới khoảng cách gần đích Trong hàm mục tiêu xây dựng logic mờ cho phép robot đạt tới vị trí đích với sai lệch nhỏ nhất, đáp ứng vận tốc tiến tới vị trí gần đích hình 9(b) 9(f) Cấu trúc điều khiển CDB sử dụng siêu luật mờ xác định trọng số điều khiển phụ thuộc vào kinh nghiệm trộn lệnh theo phương pháp giải mờ nhiều đạt hiệu khơng cao Vì cấu trúc CDB cho phép robot tới đích đường dài thời gian xử lý lâu so với sử dụng cấu trúc BBFM Lối ρ α u ω G K N KO G A N AO G AN N ANO G D N DO G DN N DNO TB K TB KO TB A TB AO TB AN TB ANO TB D TB DO 10 TB DN TB DNO 11 X K L KO 12 X A L AO 13 X AN L ANO 14 X D L DO 15 X DN L DNO G: Gần, TB: Trung Bình, X: Xa, K/KO: Không, A/AO: Âm, AN/ANO: Âm Nhiều, D/DO: Dương, DN/DNO: Dương Nhiều Bảng 2: Luật điều khiển đích C Lựa chọn lệnh Công thức (15) (17) hàm mục tiêu thực hành vi tránh vật đích hai biến điều khiển u ω Giá trị cuối biến điều khiển uˆ  U ˆ  W phù hợp với ba mục tiêu xác định bởi: uˆ  arg max[  R _ OA (u), R _ GR (u)] (18) ˆ  arg max[  R _OA ( ), R _ GR ( )] Nghiệm tối ưu Pareto uˆ, ˆ tìm theo phương pháp Lexicographic [19] sau:  Hành vi theo thứ tự quan trọng giảm dần: tránh vật, đích (duy trì hướng đích chuyển động nhanh)  Quá trình loại bỏ thực song song hai biến u ω tập U W tìm nghiệm giải hết P1 P2: uˆ : P1 : max  R _ OA (u), Thông số Quãng đường (m) Thời gian tới đích (s) Sai số đích (m) uU P2 : max  R _ GR (u), uU1 U1 {u|u la nghiem cua P1} (19) ˆ : P1: max  R _ OA ( ), V MOASMs 11.0180 414.542 0.2 Bảng 3: So sánh kết trường hợp W P2 : max  R _ GR ( ), W1 BBFM 10.3587 28.262 0.05 CDB 11.0171 36.4367 0.05 B Trường hợp Trường hợp mô hoạt động robot phịng thí nghiệm với mơ hình vật cản tường vách ngăn Robot xuất phát ban đầu với cấu hình (-7, -6, 0o) yêu cầu di chuyển an tồn đến vị trí đích (-2.5, -1.5, 0o) Kết đạt thể hình 10 với đường khác ba cấu trúc điều khiển BBFM, MOASMs CDB Chỉ có cấu trúc điều khiển BBFM CDB đạt yêu cầu dẫn đường đề ra, cịn cấu trúc MOASMs khơng thực nhiệm vụ dẫn đường đích an tồn xuất phát hướng đích từ ban đầu dẫn đến bị mắc vào góc kẹt Hình 10(a) số thông số so sánh bảng cho thấy đường robot sử dụng cấu trúc BBFM dễ dàng đạt tới đích với quãng đường ngắn thời gian tới đích nhanh so với sử dụng cấu trúc CDB W1 { | la nghiem cua P1} MƠ PHỎNG Mơ Monte-Carlo thực để đánh giá hiệu cấu trúc điều khiển dẫn đường hành vi BBFM đề xuất so sánh với cấu trúc MOASMs CDB điển hình Các tham số mô thiết lập cho robot di động hai bánh vi sai sau: đường kính bánh xe R = 0,05 m; khoảng cách hai bánh xe L = 0,6 m; vận tốc dài u khoảng [0, 1.3] m/s vận tốc góc cực đại ω = [-4.3 4.3] rad/s; thời gian lấy mẫu hệ thống TS = 100 ms; sai số cho phép hệ thống đích khoảng cách  = 10-1 m Mơ hình cảm biến siêu âm thiết lập phần IV 454 454 Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 Điện Tử, Truyền Thông Công Nghệ Thông Tin (ECIT 2015) Thông số Quãng đường (m) Thời gian tới đích (s) Sai số đích BBFM 9.3569 12.092 0.1 tạo nên kết hợp logic mờ lý thuyết tối ưu đa mục tiêu thông qua ba bước thiết kế: phân tích vấn đề, thiết kế hàm mục tiêu lựa chọn lệnh điều khiển Hiệu hoạt động cấu trúc điều khiển dẫn đường hành vi BBFM đề xuất khẳng định qua chương trình mơ có đánh giá so sánh với hai cấu trúc điều khiển dẫn đường hành vi điển hình MOASMs CDB số trường hợp dẫn đường khác Tính mơ đun hóa, tính kế thừa cài đặt dễ dàng cấu trúc BBFM cho phép mở rộng thêm hành vi khác deadend hay khẩn cấp với việc sử dụng thêm cảm biến khác cảm biến ảnh, cảm biến địa bàn để tăng cường khả dẫn đường môi trường phức tạp hoàn toàn áp dụng cho hệ thống dẫn đường thực tế CDB 15.6649 24.153384 0.1 Bảng 4: So sánh kết trường hợp 1.5 u -1 Start -2 Y(m) w 0.5 -3 -4 -5 -0.5 T arget -1 -6 -7 -10 -8 -6 -4 -2 -1.5 X(m) 100 200 (a) Y(m) 400 TÀI LIỆU THAM KHẢO (b) -1 Start -2 [1] u [2] w -3 [3] -4 -1 -5 T arget -2 -6 [4] -3 -7 -10 -8 -6 -4 -2 -4 X(m) 50 (c) 100 150 [5] (d) [6] 1.5 u -1 [7] w Start -2 Y(m) 300 0.5 [8] -3 -4 -5 [9] -0.5 T arget [10] -1 -6 -7 -10 -8 -6 -4 -2 -1.5 X(m) 100 200 300 400 (e) (f) Hình 9: Đường đáp ứng vận tốc robot với cấu trúc điều khiển khác trường hợp 1: (a) (b): BBFM, (c) (d): MOASMs, (e) (f): CDB 0 -1 -1 -1 T arget -5 -7 -10 -4 -5 St art -8 -6 -6 -4 -2 -7 -10 X(m) [12] [13] [14] T arget -2 -3 Y(m) -4 -6 T arget -2 -3 Y(m) Y(m) -2 [11] -3 -4 [15] -5 St art -8 -6 -6 -4 -2 X(m) -7 -10 St art -8 -6 -4 -2 X(m) [16] (a) BBFM (b) MOASMs (c) CDB Hình 10: Đường robot cấu trúc điều khiển dẫn đường khác trường hợp Kết mô đánh giá so sánh với cấu trúc điều khiển điển hình khác mơi trường hoạt động khác khẳng định hiệu cấu trúc điều khiển dẫn đường hành vi BBFM đề xuất VI [17] [18] [19] KẾT LUẬN Một cấu trúc điều khiển dẫn đường hành vi BBFM cho robot di động đề xuất báo Cấu trúc BBFM 455 455 D.Driankov, H.Hellendoorn, M.Reinfrank, An introduction to fuzzy control, Springer, 2010 Siegwart Roland and Nourbakhsh Illah R – Introduction to Autonomous Mobile Robots, The MIT Press Cambridge, Massachusetts London, England, 2004 D Nakhaeinia, S H Tang, S B Mohd Noor, and O Motlagh, A review of control architectures for autonomous navigation of mobile robot, International Journal of the Physical Sciences, Vol 6(2), pp 169-174, January, 2011 R.A.Brooks, A robust layered control system for a mobile robot, IEEE Journal of Robotics and Automation, 1986, pp14-23 Dupre, M.E, GA optinized fuzzy control of an autonomous mobile robot, Faculty of Graduate Studies, University of Guelph, 2007 M Sugeno, Fuzzy hierarchical control of an unmanned helicopter, Proc of Int Fuzzy System Association Conference, pp179-182, 1993 A.Safiotti, A multivalued logic approach to integrating planning and control, Artificial Intelligent, 481-526, 1995 Dorigo, M, Comombetti, M, Robot shaping: an experiment in behavior engineering, MIT Press/Bradford Books, 1997 R.C Arkin, Motor-schema based mobile robot navigation, Int J Robot Res (4) (1989) 92–112 Eduardo Freire, Teodiano Bastos- Filho, Mario Sarcinelli- Filho and Ricardo Carelli, A new mobile robot control approach via fusion of control signals, IEEE transactions on system, mam and cybernetics – part B: cybernetics, Vol 34, No.1, February 2004 Aguirre E & Gonzales A, Fuzzy behaviors for mobile robot navigation: design, coordination and fusion, Int.J of Approximate Reasoning, Vol, 25 pp, 255-289 E.H.Ruspini, Fuzzy logic in the Flakey robot, In Proco of the Int.Conf on Fuzzy Logic and Neural Networks, 767-770, Iizuka, Japan, 1990 A Saffiotti, The uses of fuzzy logic in autonomous robot navigation, Soft Computing, 180-197, Springer – Verlag 1997 Andi Adriansyah, Shamsudin H M Amin, Genetic fuzzy system in behavior based mobile robot, Politeknik Elektronika Negeri Surabaya – ITS, IES 2004 Amur S Al Yahmedi and Muhammed A Fatmi, Fuzzy Logic Based Navigation of Mobile Robot, Recent Advances in Mobile Robotics, ISBN: 978-953-307-909-7, InTech, DOI: 10.5772/25621, December, 14, 2011 Hongwei Mo, Qirong Tang, and Longlong Meng, Behavior - based fuzzy control for mobile robot navigation, Mathematical Problems in Engineering, Volume 2013, Article ID 561451, 2013 P Pirjanian, Multiple objective behavior-based control, Robotics and Autonomous Systems 31 (2000) 53–60, Elsevier Nguyen Thi Thanh Van, Phung Manh Duong, Tran Thuan Hoang, Tran Quang Vinh, “Mobile Robot Localization using fuzzy neural network based extended kalman filter”, Journal of Computer Science and Cybernetics, vol.29 no.2, 2013, p119-131 Adrian Gambier, Essameddin Badreddin, Multi objective optimal control, 16th IEEE International Conference on Control Applications, Part of IEEE Multi conference on systems and control, Singapore, Octerber, 2007  ... chuyển động nhanh Nhiệm vụ hành vi thực thi điều khiển mờ Hai hành vi trì hướng đích chuyển động nhanh gộp vào điều khiển hành vi liên quan đến biến điều khiển Biến điều khiển cho robot di động. .. i i s BỘ ĐIỀU KHIỂN DẪN ĐƯỜNG HÀNH VI BBFM Phần trình bày phương pháp thiết kế điều khiển dẫn đường hành vi BBFM đề xuất Cấu trúc điều khiển dẫn đường hành vi BBFM mơ tả hình chia thành bước... thành thứ k xác định theo (9) 2) Bộ điều khiển đích Bộ điều khiển đích tương đương với vi? ??c thực hai hành vi trì góc hướng đích hành vi điều khiển tốc độ nhanh Sơ đồ khối điều khiển đích với hai