2. Trường hợp hai là vật cản được dò tìm bởi hai sensor như hình (4.5) Dữ liệu được cung cấp bởi cặp sensor này (ví dụ F2 & F1 hoặc F2 & F3) sẽđược chuyển đến hệ
4.5.KẾT QUẢ THỬ NGHIỆM
Robot tự hành đã được thử nghiệm ở môi trường trong nhà như hình (3.11) với hơn 2000 điểm khởi hành và điểm đích. Ở đây, robot dùng chương trình mô phỏng môi trường Rossum’s house và chương trình này đã được cải tiến thành chương trình phân tích môi trường hai chiều bởi Lucas. Đây là công cụ dùng để kiểm tra giải thuật tựđịnh hướng của robot. Robot hoạt động theo mô hình “chủ”-“tớ”. Với phần “chủ” là máy tính và phần “tớ” là robot đã được kết nối với máy vi tính.
Sau này robot sẽ được nâng cấp bộ điều khiển Neuro-Fuzzy. Robot sẽ hiện thị thời gian cần thiết để đạt đến điểm đích và thời gian đã trôi qua trong quá trình đi đến điểm đích.
Hình 4.10. Cấu trúc bốn môi trường thử nghiệm.
Vận tốc robot là 0.4m/s và bốn môi trường thử nghiệm có kích thước 10x10 và 13x13. Robot đi từ góc phòng này sang góc đối diện theo đường song song chân tường mất 60s, robot đi đến điểm đích bất kỳ trong không gian này mất thời gian không quá 200s.
CHƯƠNG 5.
ĐIỀU KHIỂN FUZZY-NEURAL VÀ NEURAL-
FUZZY.
Hai phương pháp điều khiển thường dùng là: Fuzzy và neural. Việc lựa chọn phương pháp tùy thuộc vào dữ liệu có sẵn và kế hoạch cụ thể. Nếu dữ liệu là những cặp số, chúng ta có thể dùng phương pháp neural. Nếu dữ liệu là những luật, phương pháp fuzzy sẽđược lựa chọn. Phương pháp neural cung cấp khả năng học hỏi. Trong khi đó, phương pháp fuzzy cung cấp khả năng ứng xử linh hoạt. Kết hợp hai phương pháp này trong kỹ thuật điều khiển thông minh đã tạo ra phương pháp điều khiển vượt trội nhờ vào ưu điểm của mỗi phương pháp.
Có nhiều cách khác nhau để kết hợp hai phương pháp. Với những hệ thống điều khiển phức tạp, các vấn đề điều khiển của hệ thống có số lượng rất lớn. Mỗi vấn đề có thể có cách xử lý khác nhau. Trong việc giải quyết vấn đề đó, việc kết hợp fuzzy và neural cũng có hai cách khác nhau.
Một là, fuzzy logic có thểđưa vào mạng neural để mạng neural có thể ứng xử linh hoạt. Từđó, mạng neural trở thành mạng fuzzy-neural. Mạng fuzzy-neural có thể xử lý fuzzy các tín hiệu input và sử dụng kỹ thuật truyền hồi tiếp trong việc huấn luyện, học hỏi.
Hai là, neural được đưa vào mô hình fuzzy. Từ đó, mô hình fuzzy có khả năng học hỏi. Phương pháp này dẫn đến việc tao thành hệ thống neural-fuzzy.
Dù rằng hệ thống fuzzy tỏ ra thân thiện với người dùng hơn hệ thống neural, nhưng hệ thống fuzzy mất nhiều thời gian hơn trong việc hiệu chỉnh các hàm thành viên. Mạng neural có thể tối ưu hóa tiến trình này và giảm thiểu thời gian hiệu chỉnh các hàm thành viên. Mạng neural cũng được dùng để tiền xử lý dữ liệu nhằm đưa vào các luật điều khiển của fuzzy, cũng như nhằm để hiệu chỉnh các hàm thành viên của hệ thống fuzzy.
Đầu tiên, chúng ta tìm hiểu về hệ thống điều khiển fuzzy-neural.