دفاعیه کارشناسی ارشد (برق و کامپیوتر) کنترل ردیابی مسیر مبتنی بر یادگیری تقویتی ربات های متحرک چرخ دار در حضور عدم قطعیت جرم بار و تغییرات شیب مسیر
| تاریخ ارسال: 1402/11/28 |
دانشجو: آقای علیرضا عظیمی
استاد راهنما: دکتر رویا امجدی فرد
زمان:شنبه ۲۸ بهمن ماه ۱۴۰۲ ساعت: ۱۱:۰۰
مکان: کرج کلاس ۲۰۵ دانشکده فنی و مهندسی
استاد راهنما: دکتر رویا امجدی فرد
زمان:شنبه ۲۸ بهمن ماه ۱۴۰۲ ساعت: ۱۱:۰۰
مکان: کرج کلاس ۲۰۵ دانشکده فنی و مهندسی
چکیده:
امروزه ربات‌های متحرک در زمینههای متعددی همچون کشاورزی، پزشکی، صنعت و مأموریت‌های فضایی مورد استفاده قرار میگیرند. کنترل و ردیابی مسیر این ربات‌ها در کنار شناخت سینماتیک و معادلات دینامیکی دقیق سیستم در شرایط واقعی یکی از چالش‌های مهم در این حوزه محسوب می‌شود. با این وجود به لطف تکامل الگوریتم‌های مبتنی بر یادگیری ماشین عرصه برای مطالعه و تحقیقات بیشتر در این حوزه فراهم شده است.یادگیری تقویتی، یکی از زیر شاخه‌های علم یادگیری ماشین است که کاربرد آن در علم کنترل در دهه اخیر رشد چشم گیری داشته است. لذا در پژوهش حاضر، یک کنترل‌کننده مقاوم تطبیقی مبتنی بر برنامه‌ریزی پویا و نظریه بازی‌های تفاضلی به منظور کنترل برخط یک ربات سیار چرخدار ارائه شده است. این کنترل‌گر بدون نیاز به شناخت دقیق مدل سینماتیک و دینامیک ربات، به صورت تطبیقی عمل نموده و می‌تواند اثرات ناشی از عدم قطعیت‌هایی نظیر لغزش چرخ و تغییرات بار و همین‌طور پیمایش در مسیر شیبدار را جبران کند. ساختار کنترل‌کننده پیشنهادی شامل یک شبکه عصبی انتقادی است که با حل برخط معادله همیلتون-جاکوبی-بلمن، سیگنال‌های کنترل بهینه و اغتشاشات را به عنوان دو بازیگر بازی مجموع صفر و تنظیم به کمک تکنیک حداقل مربعات تکراری تولید می‌نماید. نتایج حاصل از شبیه‌سازی‌ها در محیط MATLAB در چندین مسیر مرجع که قیود غیر هولونومیک ربات را به چالش می‌کشد، نشان میدهد کنترل‌کننده پیشنهادی در مقایسه با روشهای کلاسیک، عملکرد بهتری در ردیابی مسیر و کاهش اثرات اغتشاشات دارا می‌باشد.
امروزه ربات‌های متحرک در زمینههای متعددی همچون کشاورزی، پزشکی، صنعت و مأموریت‌های فضایی مورد استفاده قرار میگیرند. کنترل و ردیابی مسیر این ربات‌ها در کنار شناخت سینماتیک و معادلات دینامیکی دقیق سیستم در شرایط واقعی یکی از چالش‌های مهم در این حوزه محسوب می‌شود. با این وجود به لطف تکامل الگوریتم‌های مبتنی بر یادگیری ماشین عرصه برای مطالعه و تحقیقات بیشتر در این حوزه فراهم شده است.یادگیری تقویتی، یکی از زیر شاخه‌های علم یادگیری ماشین است که کاربرد آن در علم کنترل در دهه اخیر رشد چشم گیری داشته است. لذا در پژوهش حاضر، یک کنترل‌کننده مقاوم تطبیقی مبتنی بر برنامه‌ریزی پویا و نظریه بازی‌های تفاضلی به منظور کنترل برخط یک ربات سیار چرخدار ارائه شده است. این کنترل‌گر بدون نیاز به شناخت دقیق مدل سینماتیک و دینامیک ربات، به صورت تطبیقی عمل نموده و می‌تواند اثرات ناشی از عدم قطعیت‌هایی نظیر لغزش چرخ و تغییرات بار و همین‌طور پیمایش در مسیر شیبدار را جبران کند. ساختار کنترل‌کننده پیشنهادی شامل یک شبکه عصبی انتقادی است که با حل برخط معادله همیلتون-جاکوبی-بلمن، سیگنال‌های کنترل بهینه و اغتشاشات را به عنوان دو بازیگر بازی مجموع صفر و تنظیم به کمک تکنیک حداقل مربعات تکراری تولید می‌نماید. نتایج حاصل از شبیه‌سازی‌ها در محیط MATLAB در چندین مسیر مرجع که قیود غیر هولونومیک ربات را به چالش می‌کشد، نشان میدهد کنترل‌کننده پیشنهادی در مقایسه با روشهای کلاسیک، عملکرد بهتری در ردیابی مسیر و کاهش اثرات اغتشاشات دارا می‌باشد.
مطالب مشابه
دفعات مشاهده: 238 بار |
دفعات چاپ: 30 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر