Контроллер двигателя автономного мобильного робота с нейро-нечеткими управлением

В настоящее время автономный мобильный робот (МР) является искусственным интеллектуальным транспортным средством, который способен обходить препятствия и двигаться к заданной точке по заранее неопределённому маршруту. Во внешней среде одной из главных проблем является реализация передвижного мобильного робота на колесах, который перемещается из одной точки в другую с объездом препятствий. Такие роботы оснащены датчиками или камерой, поэтому МР должен быть способен обнаруживать возникающие препятствия. В этой статье предлагаются принципы построения интеллектуального контроллера на основе АСНЛ (адаптивная система нейро-нечеткой логики) автономного мобильного робота, позволяющие достигать цель по заранее неопределенному маршруту. Реализована математическая модель МР и разработанного контроллера в среде Matlab-Simulink. Сравнение предложенного контроллера с известным нечётким контроллером выполнено по следующим критериям: длина траектории (ДТ) и параметр кривизны (ПК). В данной статье результаты моделирования показывают, что предложенный АСНЛ-контроллер снижает ДТ и ПК по сравнению с контроллером с нечеткой логикой (НЛ), следовательно имеет лучшие показатели эффективности. Мобильный робот, использующий в своём составе предложенный контроллер АСНЛ способен двигаться к заданной цели и обходить случайные препятствия без столкновений на своем пути.

1. Одей Аль-Майяхи, Уильям Ван и Фил Берч. Адаптивная нейро-нечеткая техника для автономной навигации наземного транспортного средства. Робототехника 2014;2218-6581(3):349-370.

2. Юсиф Аль Мешхедани. Гибридный контроллер ANFIS для 6-DOF манипулятора с 3D-моделью. Международный журнал компьютеров и технологий. 2013; 4 (2): 631-638. К. П. Моханти и Р. П. Даял. Навигация автономного мобильного робота с использованием адаптивной сетевой системы нечеткого вывода. Журнал механических наук и технологий. 2014;28(7):2861-2862.

3. Ким Ч.Д., Чва Д. Метод обхода препятствий для мобильных колесных роботов с использованием нечеткой нейронной сети с интервалом типа 2. IEEE Trans Fuzzy Syst. 2015;23(3):677-687.

4. Алгабри этал. (2015) предложили сравнительное исследование алгоритмов искусственного интеллекта, таких как нечеткая логика, нечеткая логика оптимизации роя частиц (PSO) и нейрофаззи для навигации мобильного робота.

5. Нерендра Кумар и Золтан В Амосси. Навигация робота с обходом препятствий в неизвестной среде. Международный журнал техники и технологий 2017;(5):1-7.

6. Панати Суббаш, Кил. То Чонг. Адаптивный сетевой навигационный контроллер на основе системы нечеткого вывода для мобильного робота. Subbash и Chong / Front Inform Technol Electron Eng 2019;20(2):141-151.

7. Чинг Вонг, Ши Ан Ли, Чи Тай Чен, Хой И Ван. Нечеткий контроллер, разработанный GA для двухколесных мобильных роботов. Международный журнал нечетких систем. 2007;9(1):22-30.

8. Guo Y, Qu ZH, Wang J. Новый планировщик движения, основанный на характеристиках, для неголономных мобильных роботов. Proc 3 rd Представление Metrics для семинара по интеллектуальным системам. 2003:1-8.

9. Джайн М., Сингх М., Чандра А., Уильямсон С. С. Управление без датчика синхронного двигателя с постоянными магнитами с использованием MRAS на основе ANFIS. Международная конференция электрических машин и приводов (IEMDC). 2011:599-606.

10. Yaguo. Ле, Амира Й., Хайкал, Файз Ф. Арид. Диагностика неисправностей вращающихся механизмов на основе нескольких комбинаций ANFIS с GA. Механические системы и обработка сигналов. 2007:2280-2294.

11. Джих-Шинг Роджер Джанг. Адаптивные сетевые системы нечеткого вывода. IEEE Транзакции по системам человек и кибернетика. 1993;23(3):665-683.

12. Хан Мио Хтун, Алексей Львович Переверзев, Аунг Мио Сан, Хант Вин. Автономное управление движением мобильного робота по неопределенному маршруту. IEEE Конференция российских молодых исследователей в области электротехники и электроники (EIConRus). 2020;2360-2364.