Điều khiển Mobile Robot bám mục tiêu áp dụng bộ điều khiển mờ Nơron

Trong quá trình thực hiện đề tài luận văn này mặc dù gặp rất nhiều khó khăn về thiết bị cũng như những hạn chế về kiến thức nghiên cứu, nhưng được sự quan tâm giúp đỡ của gia đình, quý thầy cô bộ môn Kỹ Thuâṭ Điều Khiển và Tự Động HóaTrường Đại học Giao Thông Vâṇ Tải Thành Phố Hồ Chí Minh và bạn bè đồng nghiệp đã giúp tôi hoàn thành cơ bản yêu cầu của luận văn. Đạt được kết quả như ngày hôm nay, em xin gửi lời cảm ơn chân thành đến thầy TS. Đăṇ g Xuân Kiên đã định hướng và hướng dẫn em thực hiện đề tài luận văn này. Xin chân thành cảm ơn quý thầy cô bộ môn Kỹ Thuâṭ Điều Khiển và Tự Động Hóa Khoa Điện Điện Tử Trường Đại học Giao Thông Vâṇ Tải Thành Phố Hồ Chí Minh, các thành viên trong gia đình, bạn bè và đồng nghiệp đã giúp đỡ trong suốt quá trình làm luận văn.

BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM - oOo NGUYỄN MINH LỢI ĐIỀU KHIỂN MOBILE ROBOT BÁM MỤC TIÊU ÁP DỤNG BỘ ĐIỀU KHIỂN MỜ- NƠRON LUẬN VĂN THẠC SĨ KỸ THUẬT TP HCM, NĂM 2016 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ GIAO THÔNG VẬN TẢI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI TP.HCM - oOo NGUYỄN MINH LỢI ĐIỀU KHIỂN MOBILE ROBOT BÁM MỤC TIÊU ÁP DỤNG BỘ ĐIỀU KHIỂN MỜ- NƠRON CHUYÊN NGÀNH: KỸ THUẬT ĐIỀU KHIỂN VÀ TỰ ĐỘNG HÓA MÃ SỐ: 60520216 LUẬN VĂN THẠC SĨ KỸ THUẬT NGƯỜI HƯỚNG DẪN KHOA HỌC: TS ĐẶNG XUÂN KIÊN TP HCM, NĂM 2016 LUẬN VĂN ĐƯỢC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC GIAO THÔNG VẬN TẢI THÀNH PHỐ HỒ CHÍ MINH Cán hướng dẫn khoa học : TS ĐẶNG XUÂN KIÊN Cán chấm nhận xét : PGS TS NGUYỄN THANH PHƯƠNG Cán chấm nhận xét : TS VÕ CÔNG PHƯƠNG Luận văn thạc sĩ bảo vệ Trường Đại học Giao thông vận tải Tp HCM Ngày 22 tháng 10 năm 2016 Thành phần Hội đồng đánh giá luận văn thạc sĩ gồm: PGS.TS NGUYỄN HỮ U KHƯƠNG PGS.TS NGUYỄN THANH PHƯƠNG TS VÕ CÔNG PHƯƠNG TS TRẦN THANH VŨ TS HOÀNG MINH TRÍ Chủ tịch Hội đồng; Ủy viên, phản biện; Ủy viên, phản biện; Ủy viên, thư ký; Ủy viên Xác nhận Chủ tịch Hội đồng đánh giá luận văn Trưởng Khoa quản lý chuyên ngành sau luận văn sửa chữa CHỦ TỊCH HỘI ĐỒNG PGS.TS NGUYỄN HỮ U KHƯƠNG TRƯỞNG KHOA ĐIỆN- ĐTVT TS VÕ CÔNG PHƯƠNG i LỜI CẢM ƠN Trong triǹ h thực đề tài luận văn gặp nhiều khó khăn thiết bị hạn chế kiến thức nghiên cứu, quan tâm giúp đỡ gia đình, q thầy mơn Kỹ Thuâ ̣t Điều Khiển và Tự Động HóaTrường Đại học Giao Thơng Vâ ̣n Tải Thành Phố Hồ Chí Minh bạn bè đồng nghiệp đã giúp tơi hồn thành yêu cầu luận văn Đạt kết ngày hôm nay, em xin gửi lời cảm ơn chân thành đến thầy TS Đă ̣ng Xuân Kiên định hướng hướng dẫn em thực đề tài luận văn này Xin chân thành cảm ơn quý thầy cô môn Kỹ Thuâ ̣t Điều Khiển và Tự Động Hóa- Khoa Điện- Điện Tử Trường Đại học Giao Thơng Vâ ̣n Tải Thành Phố Hồ Chí Minh, thành viên gia đin ̀ h, bạn bè và đồng nghiệp đã giúp đỡ suố t triǹ h làm luận văn Xin chân thành cảm ơn! Tp Hồ Chí Minh, ngày… tháng… năm 2016 Người thực Nguyễn Minh Lơ ̣i ii LỜI CAM ĐOAN Tôi xin cam đoan đề tài nghiên cứu “Điều khiển mobile robot bám mục tiêu áp dụng bộ điều khiể n Mờ- Nơron” đảm bảo tính chân thật viết chương trình, kết mơ thực nghiệm, giá trị thông số nêu cách rõ ràng sở lý thuyết trích dẫn đầy đủ chiếu theo tài liệu tham khảo Tp Hồ Chí Minh, ngày…… tháng… năm 2016 Tác giả luâ ̣n văn Nguyễn Minh Lơ ̣i iii TÓM TẮT LUẬN VĂN Trong năm gần đây, Robot bám mục tiêu tập trung nghiên cứu ứng dụng hiệu cơng nghiệp, quân dân dụng Robot bám mục tiêu có thể theo quỹ đạo vẽ trước, bám theo mục tiêu phía trước mà đường chưa biết…Robot trang bị cảm biến để nhận biết quỹ đạo, mục tiêu phía trước để định hướng tốc độ di chuyển Một vấn đề quan tâm thiết kế Robot điều khiển cho Robot theo quỹ đạo mong muốn Có nhiều tác giả áp dụng các phương pháp kỹ thuật thông minh khác để điề u khiể n Robot bám mục tiêu Trong có phương pháp Mờ- Nơron thích nghi (ANFIS) [9], ANFIS mơ hình lai ghép kết hợp khả thích ứng mạng lưới thần kinh nhân tạo chế suy luận Mờ [1] Có nhiều phương pháp khác điều khiển logic Mờ [2] kết hợp với phương pháp điều khiển khác [3-5] điều khiển quỹ đạo, điều khiển Neural- Fuzzy để điều hướng Robot trình bày M.M.Joshi and M.A Zaveri [7-8] phương pháp cho thấy có nhiề u ưu điểm Trong luâ ̣n văn này, tác giả áp dụng phương pháp Fuzzy- Neural để điều khiển Mobile robot bám theo mục tiêu di chuyển phía trước Mục tiêu di chuyển nhiều biên dạng khác Mơ Matlab sau tiế n hành ráp mơ hình kết hợp Computer robot để kiểm chứng khả bám mục tiêu Robot Để chứng minh tính đắn thuật tốn, tác giả xây dựng mơ hình Robot thực thuật toán luâ ̣t điề u khiển Mờ- Nơron vi điền khiển VAR Atmel ATMega16 làm bô ̣ xử lý trung tâm cho Mobile robot Đề tài còn dùng cảm biến siêu âm SRF05 để xác định khoảng cách từ mục tiêu đến Robot iv MỤC LỤC LỜI CẢM ƠN i LỜI CAM ĐOAN .ii TÓM TẮT LUẬN VĂN iii MỤC LỤC iv DANH MỤC HÌ NH vii DANH MỤC BẢNG xi LỜI MỞ ĐẦU xii Chương 1: TỔNG QUAN VỀ MOBILE ROBOT 1.1 Lich ̣ sử đời và phát triể n của Mobile robot 1.2 Các hệ của Mobile robot 1.2.1 Thế hệ thứ 1.2.2 Thế hệ thứ hai 1.2.3 Thế hệ thứ ba .3 1.2.4 Thế hệ thứ tư .3 1.2.5 Thế hệ thứ năm 1.3 Ứng du ̣ng của Mobile robot cuô ̣c số ng 1.3.1 Trong y học 1.3.2 Trong công nghiệp .4 1.3.3 Trong hệ thống an ninh (camera thông minh, nhận dạng) 1.3.4 Trong giao thông (giám sát và điề u khiể n lưu thông) 1.3.5 Trong thám hiểm không gian 1.3.6 Trong quân 1.4 Những xu hướng phát triển Robot đại 1.5 Giới thiệu số kiểu Mobile robot thông dụng 10 1.5.1 Mobile robot di chuyển chân 10 1.5.2 Mobile robot di chuyển bánh 11 1.6 Giới thiệu Mobile robot bám mu ̣c tiêu 13 Chương 2: THIẾT KẾ BỘ ĐIỀU KHIỂN MỜ- NƠRON 14 v 2.1 Lý thuyế t Mờ- Nơron (Fuzzy- Neural) 14 2.2 Logic Mờ 14 2.2.1 Cấu trúc bô ̣ điều khiển Mờ 14 2.2.2 Bộ điều khiển Mờ 15 2.2.3 Bộ điều khiển Mờ tĩnh .15 2.2.4 Bộ điều khiển Mờ động .16 2.3 Mạng Nơron 17 2.4 Sự kết hợp logic Mờ và ma ̣ng Nơron 19 2.4.1 Cấu trúc chung hệ Mờ- Nơron 20 2.4.2 Các hệ thống điều khiển dùng Mờ- Nơron 20 2.5 Áp du ̣ng thiế t kế bô ̣ điề u khiể n mờ- nơron cho Mobile robot 22 2.5.1 Xác đinh ̣ tâ ̣p mờ 22 2.5.2 Miền giá trị vật lý sở biến ngôn ngữ .22 2.5.3 Tập mờ (giá trị ngôn ngữ) 22 2.5.4 Các hàm liên thuộc 23 2.5.5 Xây dựng luật hợp thành .25 Chương 3: XÂY DỰNG MÔ HÌ NH TRẠNG THÁI CHO MOBILE ROBOT 30 3.1 Cơ sở lý thuyế t đô ̣ng ho ̣c của Mobile robot 30 3.2 Mơ hình vâ ̣t lý cho Mobile robot 31 3.3 Phương trình đô ̣ng ho ̣c Mobile robot 32 3.4 Xây dựng điều khiển cho Mobile robot 34 3.5 Sơ đồ khối điề u khiể n cho Mobile robot 35 3.6 Xây dựng mơ hình Mobile robot 35 3.6.1 Các thông số kỹ thuật 35 3.6.2 Thiết kế mô hình da ̣ng 3D cho Mobile robot 36 3.6.3 Liên kết Computer Mobile robot 36 3.6.4 Mô hiǹ h thực tế 36 3.7 Mạch điều khiển cho Mobile robot 37 3.7.1 Giới thiệu chung vi điều khiển AVR ATmega16 38 vi 3.7.2 Sơ đồ chân Atmega 16 40 3.7.3 Sơ đồ cấ u trúc vi điề u khiể n Atmega 16 42 3.7.4 Cấu trúc nhớ 43 3.8 Cảm biến siêu âm SRF05 đặc điểm kỹ thuật 44 3.9 Mạch công suất 48 Chương 4: MÔ PHỎNG HỆ MOBILE ROBOT VỚI DỘ ĐIỀU KHIỂN MỜNƠRON 50 4.1 Dùng khối Fuzzy- Neural matlab xây dựng luật hợp thành 50 4.2 Dùng Matlab để mô kiểm tra kết 56 4.2.1 Huấ n luyê ̣n đối tượng di chuyển theo đường thẳng L .56 4.2.2 Huấ n luyê ̣n đối tượng di chuyển theo đường cong C .58 4.2.3 Huấ n luyê ̣n đối tượng di chuyển theo đường V 59 4.2.4 Huấ n luyê ̣n đối tượng di chuyển theo đường M .61 4.2.5 Huấ n luyê ̣n đối tượng di chuyển theo đường lu ̣c giác 62 4.3 Kế t luâ ̣n 64 Chương 5: KẾT QUẢ THỰC NGHIỆM 65 5.1 Đánh giá kết đạt so với mục tiêu đề tài 65 5.2 Nhận da ̣ng mục tiêu 65 5.3 Điều khiển Mobile robot bám theo mục tiêu 66 5.4 Kết điều khiển Robot bám theo mục tiêu mơ hình thật 67 5.4.1 Các thành phầ n chính Mobile robot 67 5.4.2 Lưu đồ giải thuật .69 5.5 Kế t quả thực nghiệm 70 5.5.1 Kết thực nghiê ̣m lầ n .71 5.5.2 Kết thực nghiê ̣m lầ n .71 5.5.3 Kết thực nghiê ̣m lầ n .72 5.6 Kế t Luâ ̣n chung 73 5.6.1 Kế t quả đa ̣t đươ ̣c 73 5.6.2 Những hạn chế của đề tài 73 vii 5.6.3 Đề xuất hướng phát triển đề tài 73 Tài Liê ̣u Tham Khảo 74 PHỤ LỤC 75 PHỤ LỤC 79 DANH MỤC HÌ NH 69 5.4.2 Lưu đồ giải thuật Hình 5.9: Lưu đồ giải thuật của Mobile robot 70 5.5 Kế t quả thực nghiệm Hình 5.10: Khoảng cách giữa Mobile robot và mục tiêu  Huấn huyện robot bám cách mục tiêu 15cm (tín hiệu =50 cảm biến siêu âm hồ i tiếp về).Vậy tập huấn luyện [0,30] cm tương ứng [0,100] tín hiệu cảm biến siêu âm  Góc lệch xác định bới camera: [-160,160] pixel Cho mục tiêu đứng yên trước cách robot 15cm (50 tín hiêụ cảm biế n) Hình 5.11: Mục tiêu của Mobile robot 71 5.5.1 Kết thư ̣c nghiêm ̣ lầ n Khi mu ̣c tiêu không di chuyể n so với điể m đă ̣t của Mobile robot Hình 5.12: Kế t quả thực nghiê ̣m mục tiêu không di chuyể n so với điể m đặt Từ đồ thị ta nhận thấy thời gian 25(s) Khoảng cách 15cm (tín hiệu =50 cảm biến siêu âm hồ i tiếp về), cho ta thấ y mu ̣c tiêu không di chuyể n so với điể m đă ̣t của Robot, thời gian (15s) đầ u Robot bi ̣ nhiễu và không ổ n đinh ̣ (do tác đô ̣ng của môi trường bên ngoài) 15s sau Robot vẫn bi ̣ dao đô ̣ng không nhiề u và dầ n quay về tra ̣ng thái ổ n đinh, ̣ sai lê ̣ch lớn θ =8 tín hiệu siêu âm (2,4cm) 5.5.2 Kết thư ̣c nghiêm ̣ lầ n Khi cho mu ̣c tiêu di chuyể n so với điể m đă ̣t của mobile robot Hình 5.13: Kế t quả thực nghiê ̣m mục tiêu di chuyể n so với điể m đặt 72 Từ đồ thị ta nhận thấy thời gian chạy 25(s) Khoảng cách 15cm (tín hiệu =50 cảm biến siêu âm hồ i tiếp về), cho ta thấ y mu ̣c tiêu di chuyể n so với điể m đă ̣t của Robot, thời gian (15s) đầ u Robot bi ̣nhiễu và không ổ n đinh ̣ rấ t lớn (do tác đô ̣ng của môi trường bên ngoài) 15s sau Robot vẫn bi ̣ dao đô ̣ng không nhiề u và dầ n quay về tra ̣ng thái ổ n đinh, ̣ sai lê ̣ch lớn θ =-8 tín hiệu siêu âm (2,4cm) 5.5.3 Kết thư ̣c nghiêm ̣ lầ n Hình 5.14: Kế t quả thực nghiê ̣m mục tiêu di chuyể n so với điể m đặt Từ đồ thị ta nhận thấy thời gian chạy 25(s) Khoảng cách 15cm (tín hiệu =50 cảm biến siêu âm hồ i tiếp về), cho ta thấ y mu ̣c tiêu di chuyể n so với điể m đă ̣t của Robot, thời gian (15s) đầ u Robot bi ̣nhiễu và không ổ n đinh ̣ rấ t lớn (do tác đô ̣ng của môi trường bên ngoài) 15s sau Robot vẫn bi ̣ dao đô ̣ng không nhiề u và dầ n quay về tra ̣ng thái ổ n đinh ̣ Sai lê ̣ch lớn θ =8 tín hiệu siêu âm (2,4cm)  Kế t luâ ̣n  Từ các kết thực nghiệm ta nhận thấy Robot bám mục tiêu  Tuy nhiên độ ổn định chưa cao, khâu xử lý ảnh camera ảnh hưởng đến chất lươ ̣ng hệ thống điều khiển nên đáp ứng không mô 73 5.6 Kế t Luâ ̣n chung 5.6.1 Kế t quả đa ̣t đươ ̣c Sau thời gian nghiên cứu thực đề tài đạt được:  Nhận diện mục tiêu của từng đố i tươ ̣ng;  Điều khiển đươ ̣c robot bám theo mục tiêu sử dụng điều khiển Mờ- Nơron;  So sánh kế t quả đa ̣t đươ ̣c của phương pháp Fuzzy- neural với Fuzzy kinh điể n cho kế t quả tố t 5.6.2 Những hạn chế của đề tài Luâ ̣n văn trình bày bước xây dựng luật điều khiển Mờ- Nơron (FuzzyNeural), xây dựng mơ hình Robot tiến hành thực nghiệm Các kết đạt đảm bảo khả bám mu ̣c tiêu xác Tuy nhiên kết đạt cịn hạn chế như:  Do có sai số cảm biến;  Dùng camera để xác định góc lệch nên tính ổn định Robot chưa cao;  Tốc độ đáp ứng mục tiêu di chuyển nhanh chưa  Có thể giải đươ ̣c yêu cầu nhận dạng mục tiêu dựa vào điểm đặt trưng nên đôi lúc mục tiêu tác động nhiểu ngoại cảnh (ánh sáng….) hay vật suốt;  Dùng laptop để xử lý ảnh nhận dạng mục tiêu tận dụng tốc độ xử lý laptop làm cho Robot cồ ng kềnh;  Robot di chuyển chưa tránh vật cản 5.6.3 Đề xuất hướng phát triển đề tài Với kết đạt và những ̣n chế người thực đề tài đề hướng phát triển tương lai:  Dùng phương pháp SIFT giải yêu cầu nhận dạng mục tiêu (dựa vào các điể m đă ̣c trưng)  Dùng board xử lý ảnh công nghiệp làm cho robot gọn, nhe ̣ hơn;  Phát triển Robot tránh vật cản lúc bám theo mục tiêu; 74 Tài Liêụ Tham Khảo [1] Islam B.U., Ahmed N., Bhatti D.L., Khan S., “Controller design using fuzzy logic for a twin rotor MIMO system,” Multi Topic Conference, 2003 INMIC 2003 7th International, pp 264-268, 2003 [2] D.R Parhi and M.K Singh, Real time navigational control of mobile robots using artificial neural network, J of Mech Engineering part C, vol 223no.7, pp.1713-1725, 2009 [3] Y Yamamoto and X Yun A Modular Approach to Dynamic ModeUlng of a Class of Mobile Manipulators, International Journal of Robotic and Automation 12(2), pp 4148,1997 [4] J B Mbede, X Huang, and M Wag, Robust Neuro-Fuzy Sensor-Based Motion Control among D,ynamic Obstacles for Robot Manipulators, IEEE Tram on Fuzzy Sysfem 11(2), pp 249-261,2003 [5] S.K Pradhan, D.R Parhi and A.K.Panda, Neuro-fuzzy technique for navigation of multiple mobile robots, Fuzzy Optim Decis Making, 5, pp 255288, 2006 [6] Rusu P.; Petriu E.; Whalen T.; Cornell A.; & Spoelder H., (2003),BehaviorBased Neuro-Fuzzy Controller for Mobile Robot Navigation, IEEE Transactions On nstrumentations and Measurement, Vol 52, No [7] Kim C Ng & Trivedi Mohan M (1998), A Neuro-Fuzzy Controller for Mobile RobotNavigation and Multi-Robot Convoying, IEEE Transactions On Systems, Man, And Cybernetics-PART B: Cybernetics, Vol 28, No 6, pp 829-840 [8] Dudek and M Jenkin Computational Principles of Mobile Robotics, Cambridge universitypress, 2000, pp 01-40 [9] C.M Clark & S M Rock “Motion Planning for Multiple Mobile Robots using Dynamic Networks”, Proc of IEEE international Conference on Robotics and Automation, 2003, pp 4222-4227 [10] M.M.Joshi and M.A Zaveri “Neuro-Fuzzy Based Autonomous Mobile Robot Navigation”, IEEE 11th International Conference on Control, Automation, Robotics and Vision, ICARCV 2010, Singapore, Dec 2010 [11] S.K.Pradhan, D.R.Parhi, A.K.Panda, “Fuzzy logic techniques for navigation of several mobile robots”, Application of soft computing 9, 2009, pp.290-304 [12] J.S.R.Jang, “ANFIS: Adaptive network-based fuzzy inference system”, IEEE Transaction on System, Man and Cybernetics-part b 23(3), 1993, pp.665-685 75 PHỤ LỤC CODE CHƯƠNG TRÌ NH CHẠY MÔ PHỎNG TRÊN MATLAB close all clear all %load E:\PROJECT\MinhLoi\mofong\abc\DATA_Reference_path xr yr phr load E:\MophongDoAn\DATA_Reference_path xr yr phr % chuyen vao thu muc cho dung theo file da save vao may tinh n=length(xr); %n=2500; %thoi gian lay mau t(1)=0; t1(1)=0; dt=1/300; for i=2:n i; % de xem chuong trinh co chay hay khong? t(i)=(i-1)*dt; end; for i=2:n-1 i; % de xem chuong trinh co chay hay khong? t1(i)=(i-1)*dt; end; %Thong so cua robot L=0.2; R=0.05; %[m] chieu ngang truc banh %[m] ban kinh banh xe %Gia tri ban dau x(1)=0; y(1)=0; % luu y thong so ban dau cua duong vat di chuyen ph(1)=0; % toc banh trai & phai luc ban dau wr(1)=0; wl(1)=0; vx(1)=0; 76 vy(1)=0; x_f(1)=0; y_f(1)=0; % luu y thong so ban dau cua duong vat di chuyen ph_f(1)=0; % toc banh trai & phai luc ban dau wr_f(1)=0; wl_f(1)=0; vx_f(1)=0; vy_f(1)=0; %deltagoc(1)=ph(1)-phr(1); %Tinh goc lecch deltagoc(1)=ph(1)-phr(1); %Tinh goc lecch kcach(1)=((xr(1)-x(1)).^2+(yr(1)-y(1)).^2).^0.5;%khoang cach lech %fismat = readfis('fuzzy123');% doc ham logic mo fismat_bt = readfis('fuzzy_neural_bt'); out_bt=evalfis([kcach(1);deltagoc(1)],fismat_bt); % Ket qua dau logic mo wl(2)=out_bt(1);% van toc goc banh trai fismat_bp = readfis('fuzzy_neural_bp'); out_bp=evalfis([kcach(1);deltagoc(1)],fismat_bp); % Ket qua dau logic mo wr(2)=out_bp(1);% van toc goc banh phai ph(2)=ph(1)+((wr(2)*0.05-wl(2)*0.05)*1/L)*dt;% Goc robot x(2)=x(1)+((wr(2)+wl(2))*0.5*0.05*cos(ph(2)))*dt; % Toa chuyen theo phuong x y(2)=y(1)+((wr(2)+wl(2))*0.5*0.05*sin(ph(2)))*dt; % Toa chuyen theo phuong y deltagoc_f(1)=ph_f(1)-phr(1); %Tinh goc lecch kcach_f(1)=((xr(1)-x_f(1)).^2+(yr(1)-y_f(1)).^2).^0.5;%khoang cach lech fismat = readfis('fuzzy1234');% doc ham logic mo out=evalfis([kcach_f(1);deltagoc_f(1)],fismat); % Ket qua dau logic mo wl_f(2)=out(1);% van toc goc banh trai wr_f(2)=out(2);% van toc goc banh phai ph_f(2)=ph_f(1)+((wr_f(2)*0.05-wl_f(2)*0.05)*1/L)*dt;% Goc robot x_f(2)=x_f(1)+((wr_f(2)+wl_f(2))*0.5*0.05*cos(ph_f(2)))*dt; % Toa chuyen theo phuong x y_f(2)=y_f(1)+((wr_f(2)+wl_f(2))*0.5*0.05*sin(ph_f(2)))*dt; % Toa chuyen theo phuong y 77 for i=2:n-1 deltagoc(i)=ph(i)-phr(i); kcach(i)=((xr(i)-x(i)).^2+(yr(i)-y(i)).^2).^0.5; deltagoc_f(i)=ph_f(i)-phr(i); %Tinh goc lecch kcach_f(i)=((xr(i)-x_f(i)).^2+(yr(i)-y_f(i)).^2).^0.5;%khoang cach lech out_bt=evalfis([kcach(i);deltagoc(i)],fismat_bt); wl(i+1)=out_bt(1); out_bp=evalfis([kcach(i);deltagoc(i)],fismat_bp); wr(i+1)=out_bp(1); out=evalfis([kcach_f(i);deltagoc_f(i)],fismat); % Ket qua dau logic mo wl_f(i+1)=out(1);% van toc goc banh trai wr_f(i+1)=out(2);% van toc goc banh phai ph(i+1)=ph(i)+((wr(i+1)*0.05-wl(i+1)*0.05)*1/L)*dt; x(i+1)=x(i)+((wr(i+1)+wl(i+1))*0.5*0.05*cos(ph(i+1)))*dt; y(i+1)=y(i)+((wr(i+1)+wl(i+1))*0.5*0.05*sin(ph(i+1)))*dt; ph_f(i+1)=ph_f(i)+((wr_f(i+1)*0.05-wl_f(i+1)*0.05)*1/L)*dt;% Goc robot x_f(i+1)=x_f(i)+((wr_f(i+1)+wl_f(i+1))*0.5*0.05*cos(ph_f(i+1)))*dt; % Toa chuyen theo phuong x y_f(i+1)=y_f(i)+((wr_f(i+1)+wl_f(i+1))*0.5*0.05*sin(ph_f(i+1)))*dt; % Toa chuyen theo phuong y end figure; plot(x*100,y*100,'b-',xr*100,yr*100,'r-',x_f*100,y_f*100,'g-','linewidth',2); axis([-50 100 -50 100]); xlabel('Truc X (cm)','fontsize',9); ylabel('Truc Y (cm)','fontsize',9); title('Robot bam theo doi tuong','fontsize',12); grid on legend('Mobile Robot fuzzy neural','Doi tuong di chuyen','Mobile Robot fuzzy'); figure; plot(t,wr,'k-',t,wl,'r-',t,wr_f,'b-',t,wl_f,'g-','linewidth',2); xlabel('Time (s)','fontsize',12); 78 ylabel('Toc banh trai va phai (rad/s)','fontsize',12); title('Van toc goc banh trai va banh phai','fontsize',12); grid on legend('vtbanhphai','vtbanhtrai','vtbanhphaiF','vtbanhtraiF'); %figure; %plot(t,wr,'k-',t,wl,'b-'); %xlabel('Time (s)','fontsize',12); %ylabel('Toc banh trai va phai (rad/s)','fontsize',12); %title('Van toc goc banh trai va banh phai','fontsize',12); %grid on %legend('Van toc goc banh phai','Van toc goc banh trai'); figure; plot(t1,kcach,'k-',t1,deltagoc,'r-',t1,kcach_f,'b-',t1,deltagoc_f,'g-','linewidth',2); xlabel('Time (s)','fontsize',12); ylabel('Khoang cach lech va goc lech','fontsize',12); title('Thong so lech','fontsize',12); grid on legend('kcach','deltagoc','kcachfuzzy','deltagocfuzzy'); %legend('kcach (cm)','deltagoc (rad)'); 79 PHỤ LỤC 79 PHỤ LỤC THIẾT KẾ MƠ HÌNH ĐIỀU KHIỂN MOBILE ROBOT BÁM MỤC TIÊU ÁP DỤNG BỘ ĐIỀU KHIỂN MỜ - NƠRON THÍCH NGHI TRAJECTORY TRACKING CONTROL OF MOBILE ROBOT BASED ON ADAPTIVE FUZZY – NEURAL CONTROLER Đặng Xuân Kiên1, Nguyễn Minh Lơ ̣i2 Đại học Giao thông vận tải Tp Hồ Chí Minh Cao Đẳ ng Nghề Giao thơng vận tải Tp Hồ Chí Minh Tóm tắt Trong báo, đề xuất điều khiển noron - mờ thích nghi cho mobile robot bám mục tiêu Kết hợp ưu điểm mạng nơron hệ mờ để xây dựng điều khiển thích nghi đem lại đáp ứng điều khiển tốt Các kết mô thực nghiệm chứng tỏ hiệu phương pháp đề xuất Từ khóa: Robot tự hành, điều khiển mờ-nơron, giải thuật tự học Abstract In this paper, we present an adaptive fuzzy-neural controller to control a mobile robot Combining an artificial neural network with a fuzzy logic in the adaptive controller provides accepted control responses The simulation and experimental results demonstrate the performance and effectiveness of the proposed method Keywords: Mobile robot, fuzzy-neural controller, self- learning algorithm Đặt vấn đề Trong năm gần đây, robot bám mục tiêu tập trung nghiên cứu ứng dụng hiệu cơng nghiệp, quân dân dụng Robot bám mục tiêu có thể theo quỹ đạo vẽ trước, bám theo mục tiêu phía trước mà đường chưa biết…Robot trang bị cảm biến để nhận biết quỹ đạo, mục tiêu phía trước để định hướng tốc độ di chuyển Có nhiều tác giả áp dụng các phương pháp kỹ thuật thông minh khác để điề u khiể n robot bám mục tiêu, có phương pháp mờ-nơron thích nghi (ANFIS) [9], ANFIS mơ hình lai ghép kết hợp khả thích ứng mạng lưới thần kinh nhân tạo chế suy luận mờ Có nhiều phương pháp khác điều khiển logic mờ [1-2] lai ghép mờ với phương pháp điều khiển khác [3-5] điều khiển quỹ đạo chuyển động Phương pháp điều khiển Neural-Fuzzy để điều hướng robot trình bày M.M.Joshi and M.A Zaveri [7-8] phương pháp cho thấy ưu điểm Trong báo này, tác giả áp dụng phương pháp ANFIS để điều khiển mobile robot góc lái, tốc độ bánh trái, phải.bám theo mục tiêu di chuyển phía trước Mục tiêu di chuyển nhiều biên dạng khác Tiến hành thực nghiệm mơ hình vật lý để kiểm chứng phương pháp điều khiển Phân tích mơ hin ̀ h Mobile Robot Mơ hình robot có bánh, bánh phía sau chuyển động tự do, bánh phía trước chuyển động độc lập Mục tiêu di chuyển phía trước cách tâm bánh khoảng d lệch hướng góc θ (hình 1) Hin ̀ h Mô hin ̀ h động học của mobile robot 80 Để xác định vị trí robot mặt phẳng, ta xây dựng mối liên hệ tọa độ tham chiếu toàn cục mặt phẳng hệ tọa độ tham chiếu cục robot Các trục x, y xác định tọa độ điểm hệ tọa độ tồn cục có gốc (xOy) Điểm P coi tâm dịch chuyển robot dùng để xác định vị trí Hệ tọa độ xm pym hệ tọa độ tham chiếu cục robot Như vậy, vị trí điểm P hệ tọa độ tham chiếu toàn cục xác định tọa độ x,y góc lệch θ hai hệ tọa độ toàn cục cục Từ tâm vận tốc tức thời ICC, ta xác định vận tốc góc robot [8]:  (t )  vr (t ) RL/2  (t )  vl (t ) RL/2  (t )  vr (t )  vl (t ) L (1) Bán kính cong từ tâm di chuyển robot tới tâm vận tốc tức thời tính theo công thức: R L(vl (t )  vr (t )) 2(vl (t )  vr (t )) (2) Từ vận tốc dài robot tính: v(t )   (t ).R  (vr (t )  vl (t )) (3) Phương trình tốn học khơng gian trạng thái viết thành:   x (t )  v (t ).cos( (t ))   y (t )  v (t ).sin( (t ))  tích phân vế ta đươ ̣c     (t )   (t )  t   x(t )   v(t ).cos( (t ))dt   t   y (t )   v(t ).sin( (t ))dt   t     (t )    (t )dt  (4) Phương trình viết lại dạng ma trận (5) sau: v x (t )  cos( (t ))0 v (t )   sin( (t ) 0  v(t )  y     (t )  vt (t )   1  1  (v r (t )  vl (t )) cos( (t ))  v(t ) cos( (t ))          v(t ) sin( (t )    (v r (t )  vl (t ) sin( (t ))   2      (t ) v r (t )  vl (t )    L Đây phương trình sử dụng để xây dựng mơ hình mobile robot phần mềm Matlab Mô thực nghiệm điề u khiể n Mobile robot kết hợp xử lý ảnh Hin ̀ h Sơ đồ khố i điều khiể n mobile robot a Mô hoạt động Mobile robot (5) 81 Biên da ̣ng đươ ̣c ta ̣o với vâ ̣n tố c v = 0.025(m/s) 1000 điể m với biên da ̣ng thẳ ng và 2500 điể m so với đường cong thời gian giữa các điể m θ (t=1/300s) Tập dữ liệu để huấn luyện mạng bao gồm 162 liệu nằm khoảng:  Khoảng cách lệch [-1, 1] (cm);  Góc lệch [-1.6, 1.6] (rad);  Vận tốc góc bánh trái, phải [-49, 49] (rad/s) Tác giả tiến hành xây dựng code cho đối tượng di chuyển code cho mobile robot  Tao_reference_pathL.m: Tạo biên dạng đối tượng di chuyển theo đường thẳ ng;  Simple_mobile_fuzzy.m: Mobile robot điều khiển theo mờ kinh điển;  Simple_mobile_fuzzy_neural.m: Mobile robot điều khiển theo mờ- nơron thích nghi Huấ n luyê ̣n ma ̣ng dùng phương pháp lai ghép noron kết huấn luyện bánh trái phải thể hình Hin ̀ h Huấ n luyê ̣n bánh phải và bánh trái Mô So sánh phương pháp điều khiển, kết mô matlab (hình 4) ta thấy mobile robot dùng điều khiển ANFIS cho đáp ứng đầu bám sát đối tượng và đáp ứng tốt về khoảng cách và góc lê ̣ch so với điều khiển Fuzzy túy Hin ̀ h Robot bám theo đố i tượng với điều khiển Fuzzy và Fuzzy- Neural Thực nghiêm ̣ kế t quả Mạch điều khiển sử dụng vi điều khiển (AVR Atmega 16) làm điều khiển trung tâm (hình 5) với nhiệm vụ chính: Nhận tín hiệu từ Computer Vision truyền xuống, cho biết độ lệch góc đối tượng cần giám sát so với trục Mobile Robot Nhận tín hiệu từ cảm biến siêu âm, cho biết độ lê ̣ch khoảng cách đối tượng cần giám sát so với Mobile robot Xử lý xuất tín hiệu điều khiển đầu b Hình 5: Sơ đồ thiết kế mạch nguyên lý mạch in khối xử lý trung tâm sử dụng AVR Atmega 16 Huấn luyện robot bám cách mục tiêu 15cm (tín hiệu =50 cảm biến siêu âm hồ i tiếp về) Tập huấn luyện [0,30]cm, tương ứng [0,100] tín hiệu cảm biến siêu âm Góc lệch xác định bới camera:[-160,160] pixel 82 Hình Mơ hình mobile robot dựa kỹ thuật xử lý ảnh điều khiển Fuzzy-neural Hin ̀ h Kết thực nghiệm mục tiêu không di chuyển mục tiêu di chuyể n Từ hình ( hình bên trái) ta nhận thấy thời gian chạy 25(s), 15s đầu robot không ổn định sau đó quay trạng thái ổn định, robot bị dao động lệch khoảng delta = -8 tín hiệu siêu âm 2,4(cm) Kết hình (hình bên phải) mục tiêu di chuyển, khoảng 15s đầu robot không ổn định sau đó quay trạng thái ổn định Tuy nhiên robot bị dao động, sai lêch lớn delta=8, tín hiệu siêu âm 2,4(cm) Khâu xử lý ảnh camera ảnh hưởng đến chất lươṇ g hệ thống điều khiển nên đáp ứng không mô Kế t luâ ̣n Các kết mô cịn cho thấy bơ ̣ điề u khiể n Fuzzy-Neural giúp cải thiện chất lượng hệ thống điều khiển và khẳng định điề u khiể n Fuzzy-Neural hướng nghiên cứu triển vọng cho việc điều khiển đối tượng có mức độ phức tạp Kết thực nghiệm kiểm chứng mơ hình chưa thực tốt cho thấy phương pháp đề xuất có sở cần thêm nhiều thời gian nghiên cứu để cải thiện nâng cao chất lượng Tài liêụ tham khảo [1] M.F.Selekwa, D.D.Dunlap, D.Shi, Jr.E.G.Collins, “Robot navigation in very cluttered environment by preference based fuzzy behaviors”, Autonomous system 56(3), 2007, pp.231-246 [2] Islam B.U., Ahmed N., Bhatti D.L., Khan S., “Controller design using fuzzy logic for a twin rotor MIMO system”, INMIC 2003, The7th International Multi Topic Conference, pp 264-268, 2003 [3] D.R Parhi, S.K Pradhan, A.K Panda, and R.K Behra, “The stable and precise motion control for multiple mobile robots”, Journal of Applied Soft Computing, Vol.9, No 2, pp.477-487, 2009 [4] D.R Parhi and M.K Singh, “Real time navigational control of mobile robots using artificial neural network,” J of Mech Engineering, part C, Vol.223, No.7, pp.1713-1725, 2009 [5] J Godjevac and N Steele, “Neuro-fuzzy control of a mobile robot”, Journal of Neuro comp, Vol.28, pp 127-143, 1999 [6] Kim C Ng, Trivedi Mohan M, “A Neuro-Fuzzy Controller for Mobile Robot Navigation and MultiRobot Convoying”, IEEE Transactions On Systems, Man, And Cybernetics—PART B: Cybernetics, Vol 28, No 6, pp 829-840 1998 [7] M.M.Joshi and M.A Zaveri “Neuro-Fuzzy Based Autonomous Mobile Robot Navigation”, IEEE 11th Int Conf on Control, Automation, Robotics and Vision, pp.4222-4227, Singapore, 2010 [8] S.K.Pradhan, D.R.Parhi, A.K.Panda, “Fuzzy logic techniques for navigation of several mobile robots”, Application of Soft Computing, Vol.9, pp.290-304 2009 [9] J S R Jang, “ANFIS: Adaptive network-based fuzzy inference system”, IEEE Transaction on System, Man and Cybernetics–part B, 23(3), pp.665-685, 1993