1. Trang chủ
  2. » Luận Văn - Báo Cáo

Điều khiển robot di động đi theo đường dùng neuron mờ

121 5 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 121
Dung lượng 1,57 MB

Nội dung

Đại Học Quốc Gia Tp Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA NGUYỄN NGỌC LÂM ĐIỀU KHIỂN ROBOT DI ĐỘNG ĐI THEO ĐƯỜNG DÙNG NEURON MỜ Chuyên ngành: ĐIỀU KHIỂN HỌC KỸ THUẬT Mã số ngành: 2.05.01 LUẬN VĂN THẠC SĨ TP HỒ CHÍ MINH, tháng 10 năm 2004 CÔNG TRÌNH ĐƯC HOÀN THÀNH TẠI TRƯỜNG ĐẠI HỌC BÁCH KHOA ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH Cán hướng dẫn khoa học: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán nhận xeùt 1: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Cán nhận xét 2: (Ghi rõ họ, tên, học hàm, học vị chữ ký) Luận văn thạc só bảo vệ HỘI ĐỒNG CHẤM LUẬN VĂN THẠC SĨ TRƯỜNG ĐẠI HỌC BÁCH KHOA, ngày tháng năm Đại Học Quốc Gia TP Hồ Chí Minh TRƯỜNG ĐẠI HỌC BÁCH KHOA - CỘNG HÒA XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – tự – hạnh phúc NHIEÄM VỤ LUẬN VĂN THẠC SĨ Họ tên học viên: Phaùi: Ngày, tháng, năm sinh: Nôi sinh: Chuyên ngành: Mã số: I- TÊN ĐỀ TÀI: II- NHIỆM VỤ VÀ NỘI DUNG: III- NGAØY GIAO NHIỆM VỤ (Ngày bảo vệ đề cương): IV- NGÀY HOÀN THÀNH NHIỆM VỤ (Ngày bảo vệ luận án tốt nghiệp): V- HỌ VÀ TÊN CÁN BỘ HƯỚNG DẪN (Ghi đầy đủ học hàm học vị): CÁN BỘ HƯỚNG DẪN CHỦ NHIỆM NGÀNH BỘ MÔN QUẢN LÝ NGÀNH (Ký tên ghi rõ họ, tên, học hàm học vị) Nội dung đề cương luận văn thạc só Hội Đồng Chuyên Ngành thông qua Ngày PHÒNG ĐÀO TẠO SĐH tháng năm KHOA QUẢN LÝ NGÀNH LỜ I CẢ M ƠN Tô i xin tỏ lò ng biế t ơn đế n quý thầ y cô Bộ mô n Điề u Khiể n Tự Độ ng, Khoa Điệ n-Điệ n Tử , Trườ ng Đạ i Họ c Bá ch Khoa Thà nh phố Hồ Chí Minh cù ng quý thầ y cô giả ng y tô i đế n ngà y hô m Đặ c biệ t tô i xin châ n nh m ơn thầ y PGS TS Nguyễ n Hữ u Phương, ngườ i trự c tiế p hướ ng dẫ n tô i hoà n nh luậ n vă n tố t nghiệ p nà y Nhữ ng tà i liệ u thầ y cung cấ p cù ng hướ ng dẫ n châ n tình củ a thầ y giú p tô i rấ t nhiề u trình thự c hiệ n luậ n vă n Xin m ơn tấ t bạ n bè cù ng tô i chia nhữ ng kiế n thứ c cũ ng nhữ ng vui buồ n khó a họ c vừ a qua Cuố i cù ng, xin bà y tỏ lò ng biế t ơn sâ u sắ c đế n ba má , cá c anh chị nhữ ng ngườ i thâ n c cũ ng cá c đồ ng nghiệ p nơi tô i cô ng tá c tạ o điề u kiệ n thuậ n lợ i nhấ t cho tô i hoà n tấ t khó a họ c nà y LỜI GIỚI THIỆU Những năm gần đây, công trình nghiên cứu logic mờ mạng neuron nhân tạo phát triển mạnh, nước có công nghệ cao Logic mờ (Fuzzy logic) xây dựng dựa tảng khả xử lý thông tin mơ hồ não người, mạng neuron nhân tạo (Artificial Neural Network) xây dựng dựa cấu trúc sinh học não người Logic mờ mạng neuron có đặc tính tính toán riêng biệt thích hợp giải vấn đề riêng biệt Và đời neuron mờ (Neural Fuzzy) kết hợp logic mờ mạng neuron nhằm tận dụng ưu điểm hai Trong luận văn này, giới hạn việc giới thiệu tổng thể tảng logic mờ, mạng neuron nhân tạo, neuron mờ ứng dụng neuron mờ Trong phần trọng tâm luận văn trình bày ứng dụng điều khiển neuron mờ ASC (Adaptive Subsethood Controller) để điều khiển robot di động theo đường có khúc quanh góc vuông Luận văn trình bày thành chương Các chương 1, trình bày tổng thể hệ thống mờ, mạng neuron nhân tạo neuron mờ Chương trình bày điều khiển neuron mờ ASC ứng dụng điều khiển ASC để điều khiển robot di động Chương trình bày đánh giá kết việc điều khiển đề xuất Tuy nhiên, thời gian kiến thức hạn chế nên luận văn chắn không tránh khỏi thiếu sót, mong người đọc thông cảm góp ý! Xin chân thành cảm ơn MỤC LỤC CHƯƠNG 1: TỔNG THỂ VỀ HỆ THỐNG MỜ 1.1 Tập hợp mờ 1.1.1 Tập hợp mờ 1.1.2 Các phép toán tập mờ 1.1.2 Các tính chất tập mờ 1.2 Quan hệ mờ 1.2.1 Quan hệ mờ 1.2.2 Sự hợp thành quan hệ mờ 1.3 Biến ngôn ngữ giá trị ngôn ngữ .10 1.4 Logic mờ 11 1.4.1 Meänh đề mờ 11 1.4.2 Các phép toán mệnh đề mờ 12 1.4.3 Quy taéc mờ 14 1.5 Suy luận mờ 15 1.5.1 Suy diễn hợp thành 15 1.5.2 Phương pháp suy diễn MAX-MIN 15 1.5.3 Phương pháp suy diễn MAX-PROD 17 1.5.4 Sự suy diễn hệ quy tắc mờ 18 1.6 Mờ hóa giải mờ 19 1.6.1 Khâu mờ hóa .19 1.6.2 Khâu giải mờ 20 1.7 Hệ thống điều khiển mờ 26 1.7.1 Mờ hóa 26 1.7.2 Heä quy taéc 27 1.7.3 Phương pháp suy diễn 27 1.7.4 Giải mờ .27 CHƯƠNG 2: TỔNG THỂ VỀ MẠNG NEURON NHÂN TẠO 28 2.1 Các nguyên lý mạng neuron nhân tạo .28 2.2 Các thành phần mạng neuron nhân tạo 31 2.2.1 Phần tử xử lý .31 2.2.2 Mô hình kết nối mạng neuron nhân tạo .32 2.2.3 Luật học thông số tổng quát cho mạng neuron nhân tạo 34 2.3 Một số loại mạng neuron thông dụng 40 2.3.1 Mạng Perceptron nhiều lớp (Multi-layer Perceptron MLP) .40 2.3.2 Mạng lượng tử hóa vector học (Learning Vector Quantization LQV) 42 2.3.3 Maïng GMDH (Group Method of Data Handling) 44 2.3.4 Maïng Hopfield 46 2.3.5 Mạng Elman mạng Jordan 48 2.3.6 Maïng Kohonen 49 2.3.7 Maïng ART (Adaptive Resonance Theory) .50 CHƯƠNG 3: TỔNG THỂ VỀ NEURON MỜ 52 3.1 Giới thiệu hệ neuron mờ .52 3.2 Các điều khiển neuron mờ .59 3.2.1 Mạng điều khiển mờ thích nghi 59 3.2.2 Mạng điều khiển mờ singleton 66 3.2.3 Mạng điều khiển mờ ANFIS 69 CHƯƠNG 4: BỘ ĐIỀU KHIỂN NEURON MỜ VÙNG TẬP CON THÍCH NGHI ASC .72 4.1 Vùng tập thích nghi mô hình mạng hàm sở xuyên tâm72 4.2 Vùng tập tương đương tập mờ 73 4.3 Áp dụng vùng tập thích nghi cho điều khiển neuron mờ loại mạng sở xuyên taâm 77 4.3.1 Bộ điều khiển vùng tập thích nghi ASC 77 4.3.2 Giải thuật học thông số-cấu trúc giám sát cho điều khiển ASC 81 CHƯƠNG 5: ỨNG DỤNG NEURON MỜ ASC ĐIỀU KHIỂN ROBOT DI ĐỘNG .92 5.1 Mô hình robot di động 92 5.2 Ứng dụng neuron mờ ASC điều khiển robot di động 94 5.3 Mô .101 5.3.1 Giới thiệu chương trình .101 5.3.2 Giao diện chương trình 101 5.3.3 Kết mô phoûng 102 5.3.4 So sánh kết mô điều khiển ASC ANFIS 109 CHƯƠNG 6: KẾT LUẬN VÀ ĐỀ XUẤT 111 TÀI LIỆU THAM KHẢO 113 PHUÏ LUÏC .114 Trang CHƯƠNG TỔNG THỂ VỀ HỆ THỐNG MỜ 1.1 TẬP HP MỜ 1.1.1 Tập hợp mờ Lý thuyết tập hợp mờ xem mở rộng lý thuyết tập hợp kinh điển (tập hợp rõ) Đối với tập hợp rõ, biên tập hợp rõ ràng Cho phần tử ta hoàn toàn xác định phần tử có thuộc tập hợp hay không, nghóa độ phụ thuộc phần tử vào tập hợp có giá trị Một tập hợp rõ định nghóa hàm đặc trưng (characteristic function) Hàm đặc trưng µ A (x ) tập hợp rõ A không gian X xác định sau µ A ( x ) = x thuộc A (ký hiệu x ∈ A ) µ A ( x ) = x không thuộc A (ký hiệu x ∉ A ) Hình 1.1 mô tả tập hợp A tập số thực lớn nhỏ hôn 6, A = {x ∈ R ≤ x ≤ 6}, có hàm đặc trưng: 1, < x < µ A ( x) =  0, x ≤ 2, x ≥ (1 1) Ngược lại với tập hợp rõ, biên tập hợp mờ không rõ ràng, có số phần tử ta khẳng định thuộc tập mờ hay không, nghóa độ phụ thuộc phần tử vào tập mờ phải giá trị nằm đoạn [0,1] Hàm số cho biết độ phụ thuộc phần tử vào tập mờ gọi hàm liên thuộc (membership function) NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang µ A (x ) 0 x Hình 1.1 Hàm đặc trưng tập rõ A µ A (x ) 0 x Hình 1.2 Hàm liên thuộc tập mờ B Ta xét tập hợp mờ mô tả sau: tập B tập số thực gần 3, B = {x ∈ R x ≈ 3} Với mô tả vậy, xác định x = 3.5 có thuộc tập B hay không, giá trị hàm liên thuộc µ B (x ) điểm x = 3.5 phải nằm đoạn [0,1] Như khác với tập rõ, từ phát biểu mô tả tập hợp mờ ta suy hàm liên thuộc Do đó, hàm liên thuộc phải nêu lên điều kiện định nghóa tập mờ Định nghóa 1.1: Tập mờ A xác định tập sở X tập hợp mà phần tử cặp giá trị ( x , µ A ( x )) , x ∈ X µ A (x ) ánh xạ: µ A : X → [0,1] NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG (1 2) HVTH: NGUYỄ N NGỌ C LÂ M Trang 99 Tương tự, điểm B xác định ( x B , y B ,ϕ B ) điểm C xác định (xC , yC ,ϕ C ) chúng tính toán sau x B = x A + r cos ϕ A y B = y A + r sin ϕ A x C = x B + r cos ϕ B (5 6) yC = y B + r sin ϕ B Như vậy, để di chuyển từ điểm A đến điểm B robot cần phải quay góc θ A , với θ A xác định sau θ A = ϕB −ϕA (5 7) tương tự, để di chuyển từ điểm B đến điểm C robot cần phải quay góc θ B , với θ B xác định sau θ B = ϕC − ϕ B (5 8) Tóm lại, tập mẫu dùng để huấn luyện điều khiển neuron mờ ASC   x A     x B               y A ,θ A ,   y B ,θ B ,K  ϕ    ϕ      A     B    xA   y A  , ϕ A  (5 9) xB   y  , liệu cung cấp cho ngõ vào điều khiển,  B ϕ B  vaø θ A , θ B , tín hiệu ngõ mong muốn cung cấp cho điều khiển Sau huấn luyện điều khiển với tập liệu huấn luyện có 50 mẫu, số chu kỳ huấn luyện 100 điều khiển có số tập mờ biến ngõ vào x 5, số tập mờ biến ngõ vào y 3, số tập mờ biến ngõ vào ϕ 7, số tập NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang 100 mờ biến ngõ θ 7, hàm liên thuộc tập mờ sau huấn luyện có dạng hình 5.7 trình bày bên µ(x) 0.5 0 10 20 30 40 50 x 60 70 80 90 100 10 20 30 40 50 y 60 70 80 90 100 µ(y) 0.5 µ(φ ) 0.5 -50 50 150 200 250 φ µ(θ) 100 0.5 -30 -20 -10 10 20 30 θ Hình 5.7 Hàm liên thuộc tập mờ điều khiển ASC sau học NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang 101 5.3 MÔ PHỎNG 5.3.1 Giới thiệu chương trình Trong phần trình bày kết mô điều khiển neuron mờ ASC cho robot di động Chương trình mô viết phần mềm MATLAB môi trường Windows Và để tiện cho việc so sánh kết mô điều khiển ASC so với điều khiển khác, chương trình có thêm phần mô điều khiển ANFIS cho robot di động Chương trình sử dụng để huấn luyện điều khiển neuron mờ, sau huấn luyện xong ta điều khiển dùng để điều khiển robot Kết robot di động tự chạy thành công đường có hình dạng khác vị trí khởi hành góc khởi hành khác 5.3.2 Giao diện chương trình Hình 5.8 trình bày giao diện chương trình mô Từ giao diện chương trình, ta lựa chọn kiểu đường dạng khúc quanh hay hai khúc quanh, nhập vị trí góc khởi hành cho robot, chọn điều khiển ASC hay ANFIS, nhập vận tốc cho robot di chuyển, sau tiến hành mô Sau mô ta xem lại đường robot, cấu trúc điều khiển, hàm liên thuộc tập mờ sau hiệu chỉnh trình huấn luyện sai số chu kỳ huấn luyện NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang 102 Hình 5.8 Giao diện chương trình 5.3.3 Kết mô Các hình sau trình bày kết mô điều khiển neuron mờ ASC cho robot di động với điều kiện ban đầu khác (vị trí khởi hành góc khởi hành khác nhau) Và kết mô robot di chuyển với vận tốc không đổi 4cm/s - Các hình từ 5.9 đến 5.12 trình bày kết mô đường có dạng khúc quanh - Các hình từ 5.13 đến 5.16 trình bày kết mô đường có dạng hai khúc quanh NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang 103 Hình 5.9 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (0,10,60 o ) Hình 5.10 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (0,10,−30 o ) NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang 104 Hình 5.11 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (40,30,0 o ) Hình 5.12 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (50,30,−10 o ) NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang 105 Hình 5.13 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (0,0,60 o ) Hình 5.14 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (20,5,−40 o ) NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LÂ M Trang 106 Hình 5.15 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (10,20,20 o ) Hình 5.16 Kết mô với điều kiện ban đầu ( x , y,ϕ ) = (10,5,−5o ) NHD: PGS TS NGUYỄ N HỮ U PHƯƠNG HVTH: NGUYỄ N NGỌ C LAÂ M ... thể hệ thống mờ, mạng neuron nhân tạo neuron mờ Chương trình bày đi? ??u khiển neuron mờ ASC ứng dụng đi? ??u khiển ASC để đi? ??u khiển robot di động Chương trình bày đánh giá kết việc đi? ??u khiển đề xuất... cho đi? ??u khiển ASC 81 CHƯƠNG 5: ỨNG DỤNG NEURON MỜ ASC ĐI? ??U KHIỂN ROBOT DI ÑOÄNG .92 5.1 Mô hình robot di động 92 5.2 Ứng dụng neuron mờ ASC đi? ??u khiển robot di động. .. THỐNG ĐI? ??U KHIỂN MỜ Lý thuyết tập mờ áp dụng để thiết kế đi? ??u khiển cho đối tượng động Mamdani vào năm 1974 Bộ đi? ??u khiển sử dụng khái niệm tập mờ gọi đi? ??u khiển mờ Hình 1.7 mô tả cấu trúc đi? ??u khiển

Ngày đăng: 16/04/2021, 14:44

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
1. ANFIS (Adaptive Neuro-Fuzzy Inference System) – Heikki Koivo, 2000 Khác
2. Fuzzy Engineering – Bart Kosko – Prentice Hall, 1996 Khác
3. Fuzzy Logic and Expert Systems Applications – Cornelius T. Leondes – Academic Press, 1998 Khác
4. Fuzzy Target Acquired by Reinforcement Learning for Parking Control – Seiji Yasunobu, Tomoya Matsubara – Institute of Engneering Mechanics and Systems University of Tsukuba, Ibaraki 305-8573, Japan, 2003 Khác
5. Neural Network for Identification, Prediction and Control – Duc Truong Pham and Liu Xing – Springer, 1997 Khác
6. Neural Fuzzy Systems – Chin-Teng Lin and C.S. George Lee – Prentice Hall, 1996 Khác
7. Reverse Parking of a Model Car with Fuzzy Control – R. Holve, P. Protzel – Bavarian Research Center for Knowledge-Based Systems (FORWISS) Am Weichselgarten 7, 91058 Erlangen, Germany, 1996 Khác
8. Using Fuzzy Logic for Mobile Robot Control – Chapter 5 of International Handbook of Fuzzy Sets – Alessandro Saffiotti, Enrique H. Ruspini, Kurt Konolige, 1999 Khác

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w