(n) w( ) n( )( )n xn
3.5.KẾT QUẢ MÔ PHỎNG
Robot được dùng để thí nghiệm có cấu tạo như hình 3.8. Robot có 3 bánh xe, 2 động cơ bước để tạo chuyển động. Cả 3 bánh xe đều có bộ mã quang học dùng để đo
đạc. Bộ dò tìm siêu âm được bố trí trên robot dùng để đo khoảng cách xung quanh
Hình 3.8 Mô hình robot dùng trong thí nghiệm.
Chương trình neural cho robot định hướng đường đi được viết trên máy tính. Đối với việc học hỏi của mạng neural, chúng tôi dùng chương trình NeuroSolutions
(NeuroDimension 2000). Chương trình này dùng dữ liệu động (Dynamic data change
–DDE) để dùng dữ liệu từ NeuroSolutions.
Ta sẽ thử nghiệm chương trình này trong một vài môi trường không gian khác nhau. Đầu tiên, ta thử nghiệm trong môi trường không gian học hỏi. Ở đây, robot cần phải tránh các vật cản và xác định đường đi từđiểm khởi đầu đến điểm đích một cách an toàn. Môi trường tiếp theo là môi trường, không phải là môi trường học hỏi, một môi trường chưa biết đối với robot. Ở hình (3.9) ta thấy đường đi của robot là chính xác và không va chạm với vật cản.
Hình 3.9. Đường đi của robot trong môi trường bất kỳ.
Từ kết quả trên, ta có thểứng dụng robot tự chuyển động ra môi trường tự nhiên.
3.6. KẾT LUẬN
Chương này trình bày kết quả của việc ứng dụng mạng neural để xử lý dữ liệu dò tìm trong môi trường nhằm giúp robot chuyển động. Trong quá trình học hỏi của robot, chúng ta đóng vai trò là người giám sát nhằm giúp robot không va chạm với các vật cản.
Trong tương lai, chúng ta sẽ phát triển kỹ thuật này cho ô tô nhằm giúp xe hơi có thể vận hành an toàn. Trước mắt, chúng ta sẽ cho ô tô vận hành với môi trường thiết kế sẵn trong nhà. Môi trường này có thể là đã biết hoặc chưa biết đối với robot. Hơn nữa, các thông số của kỹ thuật mạng neural cần được tối ưu hơn nữa để robot có thể vận hành an toàn nhất và nhanh nhất. Hoặc là, trong quá trình thu thập dữ liệu môi trường lúc chuyển động, robot không những có thể tránh các vật cản đứng yên mà còn tránh được các vật cản chuyển động.
Như vậy, kỹ thuật mạng neural có thể ứng dụng rộng rãi cho hầu hết các loại phương tiện tự chuyển động trong môi trường từđơn giản đến phức tạp.
CHƯƠNG 4.
ĐƯỜNG ĐI CỦA ROBOT TỰ HÀNH VỚI KỸ
THUẬT NEURAL-FUZZY LOGIC
4.1. GIỚI THIỆU.
Điều khiển Fuzzy logic (FLC) đã được ứng dụng cho việc điều khiển robot. Tuy nhiên với hệ thống FCL được phân chia theo nhiều hệ thống con nhỏ hơn, hiệu quả xác định đường đi của robot vì có nhiều luật cần phải xem xét nên làm ảnh hưởng đến thời gian thực hiện. Vấn đề này sẽ được giải quyết khi kết hợp Fuzzy logic và mạng Neural.
Việc học hỏi giúp robot có thể phân tích môi trường và đưa ra “hành động” thích hợp. Phương pháp học hỏi môi trường đã được ứng dụng để giải quyết các vấn đề phức tạp khi robot tự hành gặp phải trong môi trường chưa biết. Mạng neural, Fuzzy logic và phương pháp học hỏi có thể kết hợp để tạo ra “hành động” thích hợp cho robot.
Tài liệu này bàn về việc điều khiển robot tự hành bằng kỹ thuật điều khiển Neuro- Fuzzy. Robot dùng các sensor hồng ngoại để dò tìm môi trường và các vật cản. Khi có nhiều hành động cấp thấp được yêu cầu, lệnh thực thi của robot là lệnh kết hợp các lệnh cấp thấp từ các hệ thống con đó.