موضوع:

هدایت فازی ربات­های خود­مختار با استفاده از یادگیری تشدیدی و بهینه­سازی کلونی زنبور مصنوعی

استاد راهنما:

دکتر رضا قادری

استاد مشاور:

دکترعطااله ابراهیم­زاده

تکه هایی از متن به عنوان نمونه :

چکیده

ربات خود­مختار به سامانه­ی فیزیکی‌ای اطلاق می­شود که بتواند به طور هدفمند، بدون دانش پیشین از محیط و بدون دخالت انسان در دنیای واقعی، که مخصوصا برای ربات مهندسی نشده، حرکت کند و وظایف مشخصی را انجام دهد. به عنوان مثال، مطلوب مساله ناوبری ربات، که در این پژوهش مطرح است، حرکت ربات به سمت هدفی مشخص بدون برخورد با موانع موجود می­باشد. در تعریفی ساده می­توان سامانه­ی ربات را متشکل از حسگرها، واحد تصمیم­گیری و محرک­ها دانست. واحد تصمیم­گیری پس از درک و تفسیر اطلاعات دریافتی از حسگرها، تصمیم مناسب را اتخاذ و فرامین حرکتی متناسب را برای ارسال به محرک­ها تولید می­نماید. در این پایان­نامه، الگوریتم تصمیم­گیری­ برای ناوبری ربات پیشنهاد می­شود که از مزایای ترکیب منطق فازی و یادگیری Q برای مواجه و حل چالش­های ناوبری خودمختار بهره می­گیرد. منطق فازی با تکیه بر خصوصیات موثر خود از قبیل عدم نیاز به مدل دقیق محیط، پایداری نسبت به داده­های غیر قطعی و نویزی، پاسخ سریع و پیاده سازی آسان، ابزاری کار­آمد برای حل مساله­ی ناوبری ربات خودمختار به شمار می­رود. یادگیری Q داری ساختار بدون مربی، پویا، ساده و قابل پیاده­سازی آسان می­باشد. از این رو ابزاری کارآمد جهت تنظیم برخط سامانه استنباط فازی است. ربات اطلاعات به دست آمده از جهان پیرامون را به مجموعه­ای از حالت­های فازی خلاصه می­کند. برای هر حالت فازی تعدادی عمل پیشنهادی وجود دارند. حالت­ها توسط قوانین اگر-آنگاه فازی، که با منطق انسان طرح شده­اند، به عمل­های نظیرشان مربوط می­شوند. برای هر حالت، ربات توسط یادگیری Q بهترین عمل، که دارای بیشترین مقدار q است، را از طریق تعاملات برخط با محیط انتخاب می­کند. پارامترهای کلیدی مجموعه فازی و یادگیری Q، شامل پارامترهای توابع عضویت ورودی فازی و همچنین مقدار عامل فراموشی یادگیری Q، توسط بهینه­سازی کلونی زنبور مصنوعی به صورت غیربرخط، پیش از قرار گرفتن ربات در محیط­های آزمایش، به دست آمده­اند. هدف، طراحی الگوریتم ناوبری انعطاف­پذیری است که بتواند خود را به طور کارآمد با محیط­های کاملا ناشناخته، دارای تعداد مختلفی از موانع با شکل­های متنوع، تطبیق دهد. موانع به شکل­های مربعی، دایروی، مقعر، محدب، چندضلعی و شکل­های نا‌‌منظم و تعریف نشده‌ی هندسی می­باشند. یادگیری Q بدون مرحله اکتشافی (یادگیری قبل از آزمایش) به کار گرفته شده­است. بدین معنی که مقادیر q در هر آزمایش بدون پیش­فرض و از مقدار اولیه صفر شروع می­شوند، لذا محیط یادگیری جهت مقداردهی اولیه به مقادیر q وجود ندارد. الگوریتم ناوبری پیشنهاد شده بر روی ربات کپرا و در محیط شبیه­سازی KiKS آزمایش شد. معیارهای ارزیابی، موفقیت ربات در رسیدن به هدف، سرعت و امنیت مسیر طی شده می­باشند. نتایج شبیه­سازی نشان دادند که الگوریتم تصمیم گیری ارایه شده قادر است در اکثر مواقع ربات را با موفقیت به سمت هدف در مسیرهای امن و سریع هدایت نماید.

کلمات کلیدی: یادگیری Q فازی- ناوبری خودمختار- ربات کپرا

مقدمه

1-          مقدمه

ربات خود­مختار[1] به سامانه­ی فیزیکی‌ای اطلاق می­شود که بتواند به طور هدفمند، بدون دانش پیشین از محیط و بدون دخالت انسان در دنیای واقعی، که مخصوصا برای ربات مهندسی نشده، حرکت کند و وظایف مشخصی را انجام دهد [1]. به عنوان مثال، مطلوب مساله ناوبری[2] ربات، که در این پژوهش مطرح است، حرکت ربات به سمت هدفی مشخص بدون برخورد با موانع موجود می­باشد. این موانع می­توانند موانع ثابت مثل دیوار، میز، صندلی و یا موانع متحرک مثل انسانها و … باشند. جهت عملکرد بهتر لازم است ربات محیط را حس نماید و قادر به برنامه ریزی عملیات خود باشد. پیچیدگی و تنوع محیط­هایی که ربات باید در آنها کار کند، همچنین محدودیتهای زیاد حرکتی (مانند حداکثر سرعت ممکن ربات) و محیطی (مانند وجود موانع) که ربات مجبور به رعایت آنها می­باشد، مساله ناوبری ربات را به یک مساله مشکل تبدیل کرده است. ربات­های خودمختار بایستی قادر به سازگاری با عدم قطعیت­های بسیار موجود در محیط باشند، زیرا محیط­های فیزیکی معمولاً پویا و غیر قابل پیش­بینی هستند. اغلب موانع ایستا نیستند و داده های حسگرها به علت نویز، غیردقیق و غیر قابل اطمینان هستند. حرکت ربات­ها، معمولاً براساس معیارهای کارایی عملکرد و محدودیت­های ذاتی آنها بهینه می­شود. معیارهای کارایی­ متداول، غالباً کمینه­سازی تعداد برخورد با موانع و زمان رسیدن به هدف می­باشند و از آن سو محدودیت­، لحاظ نمودن حداکثر سرعت ربات است.

ماشین­های هوشمندی که بتوانند وظایف خسته کننده، تکراری و خطرناک را انجام دهند، جایگزین تواناتر و قدرتمندتر و قابل اطمینان تری نسبت به نیروهای انسانی می­باشند. رباتیک امروزی از زمین‌های ساخت یافته­ی کارخانه­ها به محیط­های انسانی غیرقابل پیش­بینی حرکت کرده است. ربات­های امروزی می­بایست در محیط­های ساخت­نیافته و پویا فعالیت کنند. ربات­ها به طور گسترده در منازل، اداره­ها، بیمارستان­ها، امدادرسانی در نواحی خطرناک یا غیرقابل دسترس، یاری­رسانی به افراد معلول، تولید و مونتاژ و بسته­بندی، حمل و نقل، اکتشافات زمینی و فضایی، جنگ افزارها و تحقیقات آزمایشگاهی به کار می­روند.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید.

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 535