intTypePromotion=1

Kết hợp mạng Nơ-ron và logic mờ để điều khiển quỹ đạo chuyển động của Robot tự hành trong môi trường không xác định

Chia sẻ: Thi Thi | Ngày: | Loại File: PDF | Số trang:9

0
31
lượt xem
4
download

Kết hợp mạng Nơ-ron và logic mờ để điều khiển quỹ đạo chuyển động của Robot tự hành trong môi trường không xác định

Mô tả tài liệu
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Trong thập kỷ qua đã chứng kiến những công trình nghiên cứu về ứng dụng mạng nơ-ron và logic mờ để chuyển động quỹ đạo chuyển động của robot tự hành. Việc sử dụng riêng rẽ hai kỹ thuật này có những ưu việt nhất định, tuy nhiên , vẫn chưa khắc phục được sự phức tạp do tính thay đổi ngẫu nhiên của môi trường. Bài báo này đưa ra một phương pháp sử dụng kết hợp cả nơ-ron và logic mờ để nâng cao chất lượng quá trình điều khiển quỹ đạo chuyển động của robot tự hành trong môi trường không xác định.

Chủ đề:
Lưu

Nội dung Text: Kết hợp mạng Nơ-ron và logic mờ để điều khiển quỹ đạo chuyển động của Robot tự hành trong môi trường không xác định

Nghiên cứu khoa học công nghệ<br /> <br /> KẾT HỢP MẠNG NƠ-RON VÀ LOGIC MỜ ĐỂ ĐIỀU KHIỂN<br /> QUỸ ĐẠO CHUYỂN ĐỘNG CỦA ROBOT TỰ HÀNH<br /> TRONG MÔI TRƯỜNG KHÔNG XÁC ĐỊNH<br /> Trịnh Xuân Long 1*, Đặng Đình Tiệp2<br /> Tóm tắt: Trong thập kỷ qua đã chứng kiến những công trình nghiên cứu về ứng<br /> dụng mạng nơ-ron và logic mờ để chuyển động quỹ đạo chuyển động của robot tự<br /> hành. Việc sử dụng riêng rẽ hai kỹ thuật này có những ưu việt nhất định, tuy nhiên ,<br /> vẫn chưa khắc phục được sự phức tạp do tính thay đổi ngẫu nhiên của môi trường.<br /> Bài báo này đưa ra một phương pháp sử dụng kết hợp cả nơ-ron và logic mờ để<br /> nâng cao chất lượng quá trình điều khiển quỹ đạo chuyển động của robot tự hành<br /> trong môi trường không xác định.<br /> Từ khóa: Robot tự hành, Mạng nơ-ron, Logic mờ, Điều khiển quỹ đạo, Môi trường không xác định.<br /> <br /> 1. ĐẶT VẤN ĐỀ<br /> Đã có nhiều công trình nghiên cứu trong và ngoài nước về điều khiển chuyển<br /> động của robot tự hành dựa trên nền tảng mạng nơ-ron và logic mờ. Martin Seyr,<br /> Stefan Jakubek, Gregor Novak giới thiệu ý tưởng bám quỹ đạo cho robot dùng<br /> mạng nơ-ron dự báo. Phương pháp này sử dụng một mạng nơ-ron được luyện tập<br /> và đưa ra quỹ đạo dự đoán theo tình huống thực tế và từ đó robot sẽ được điều<br /> khiển bám theo quỹ đạo.<br /> Theo như tác giả tự nhận xét, việc sử dụng ý tưởng này được giới hạn trong môi<br /> trường với vị trí các vật cản đã biết trước [1]. Firas sử dụng logíc mờ để xây dựng<br /> thuật toán điều khiển cho robot tự hành trên cơ sở các cảm biến. Phương pháp này<br /> cho chất lượng điều khiển khá tốt nhưng yêu cầu điều kiện môi trường đơn giản<br /> [2]. R. Fierro và F. L. Lewis; Tiemin Hu và Simon X. Yang sử dụng mạng nơ-ron<br /> để đánh giá điều kiện môi trường xung quanh vùng công tác của robot và được<br /> huấn luyện off-line và thời gian thực. Cách làm này giúp robot đơn giản hoá sự<br /> phức tạp của môi trường bằng cách tạo ra các nhóm môi trường với vật cản đặc<br /> trưng. Trong điều kiện môi trường không biết trước, yếu tố thời gian thực được coi<br /> trọng [3, 4]. Từ các phân tích như vậy, nhóm tác giả đề xuất giải pháp kết hợp<br /> mạng nơ-rơn và logic mờ một cách riêng biệt theo hai giai đoạn liên tiếp nhau để<br /> chuyển động quỹ đạo chuyển động của robot tự hành. Giải pháp đề xuất này về cơ<br /> bản đã giải quyết được bài toán điều khiển chuyển động của robot trong một không<br /> gian có một phần vật cản không biết trước, di chuyển với tốc độ chậm.<br /> 2. MÔ TẢ VỀ ROBOT VÀ BÀI TOÁN<br /> Giải pháp mới được ứng dụng trên một robot tự hành kích thước theo phương<br /> ngang 50x40cm. Robot sử dụng ba bánh trong đó gồm một bánh trước tự do và hai<br /> bánh dẫn động phía sau được vận hành bằng hai động cơ điện một chiều. Các động<br /> cơ điện với các cảm biến tốc độ vòng quay tích hợp (encoder). Gắn trên khung của<br /> robot là 7 cảm biến siêu âm có khoảng đo tích cực 0,03-3m (ultrasonic sensor) được<br /> bố trí thành một hình rẻ quạt và cách đều nhau một góc 30 độ. Ba cảm biến S3, S4,<br /> và S5 được đặt ở phía trước robot, các cảm biến S1 và S2 đặt bên sườn phải của<br /> robot và hai cảm biến S6 và S7 được đặt ở phía bên phải của robot. Khoảng cách từ<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 73<br /> Kỹ thuật điều khiển & Điện tử<br /> <br /> cảm biến tới vật cản tương ứng là dsi (i = 1, 2,…7). Nhiệm vụ của robot là di chuyển<br /> từ một vị trí xuất phát tới vị trí đích xác định trong không gian có một phần vật cản<br /> không biết trước, di chuyển với tốc độ chậm. Kết cấu robot, bố trí các cảm biến và<br /> mô tả các khoảng cách tới vật cản được trình bày như trên hình 1.<br /> <br /> <br /> <br /> <br /> Hình 1. Sơ đồ cấu tạo của robot và xác định<br /> khoảng cách từ robot tới các vật cản.<br /> Sơ đồ hệ thống điều khiển chuyển động robot sử dụng kết hợp mạng nơ-ron và<br /> logic mờ được thể hiện trên hình 2.<br /> <br /> <br /> <br /> <br /> Hình 2. Hệ thống điều khiển chuyển động của robot.<br /> Trong hệ thống này sử dụng 1 khối nơ-ron để đảm nhiệm chức năng phân loại<br /> địa hình và lựa chọn các khối điều khiển (tránh vật cản, men tường, về đích và an<br /> toàn). 4 bộ điều khiển mờ được sử dụng để đảm nhiệm hoạt động của 4 khối điều<br /> khiển chức năng (tránh vật cản, men tường, về đích và điều khiển tốc độ). Tùy theo<br /> từng trường hợp cụ thể mà các khối tránh vật cản, men tường, về đích và an toàn<br /> được kích hoạt và đưa tín hiệu góc lái về khối điều khiển tốc độ để điều khiển<br /> robot chuyển động về đích.<br /> <br /> <br /> 74 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> 3. PHÂN LOẠI ĐỊA HÌNH VÀ 5 KHỐI ĐIỀU KHIỂN CỦA ROBOT<br /> Để điều khiển chuyển động của robot tự hành trong môi trường không xác định,<br /> tiến hành phân loại địa hình xung quanh robot (trong trường hợp này, chỉ quan tâm<br /> tới vùng không gian phía trước theo hướng chuyển động của robot). Vùng tác động<br /> của cảm biến được phân chia thành 3 dải:<br /> - Dải an toàn: Được đặc trưng bởi khoảng cách an toàn dsafe = 30cm<br /> - Dải tích cực: Giới hạn trong khoảng 30cm đến 200cm<br /> - Dải xa: Khoảng cách lớn hơn 200cm.<br /> <br /> <br /> <br /> <br /> Hình 3. Ba dải trong vùng tác động của cảm biến siêu âm.<br /> Trên hình 4 chỉ ra 23 trường hợp phân loại địa hình<br /> <br /> <br /> <br /> <br /> Hình 4. Các trường hợp phân loại địa hình.<br /> Để đơn giản hơn trong xây dựng thuật toán điều khiển robot, phân chia chuyển<br /> động của robot thành 5 khối điều khiển chức năng:<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 75<br /> Kỹ thuật điều khiển & Điện tử<br /> <br /> - Khối an toàn: Dừng robot khi khoảng cách giữa robot và vật cản nhỏ hơn<br /> khoảng cách an toàn dsafe = 30cm. Khi này khối an toàn đưa ra tín hiệu dừng<br /> chuyển động của robot.<br /> - Khối điều khiển về đích: Khi không phát hiện ra vật cản ở xung quanh robot,<br /> robot điều chỉnh hướng và chạy thẳng về đích.<br /> - Khối điều khiển men theo tường: Khi cả hai cảm biến ở một cạnh bên S1 và<br /> S2 hoặc S6 và S7 đồng thời phát hiện vật cản. Robot chạy song song với vật cản.<br /> - Khối điều khiển tránh vật cản: Khi một trong ba cảm biến phía trước robot<br /> (S3, S4 và S5) phát hiện ra vật cản. Robot thực hiện thuận toán vòng tránh vật cản.<br /> - Khối điều khiển tốc độ: Điều khiển tốc độ của robot.<br /> 4. PHÂN LOẠI VÀ NHẬN DẠNG ĐỊA HÌNH DÙNG MẠNG NƠ-RON<br /> Dựa vào thông tin về khoảng cách từ 7 cảm biến tới vật cản xác định các trường<br /> hợp phân loại địa hình. Dùng ba con số 0, 1 và 2 để ký hiệu khoảng cách từ mỗi<br /> cảm biến tới vật cản trong đó: 0 – Không có vật cản hoặc vật cản ở quá xa, 1 phát<br /> hiện vật cản, 2 – Phát hiện vật cản hay không đều không quan trọng. Bảng 1 phân<br /> loại các trường hợp địa hình và các khối điều khiển tương ứng: 3 – Điều khiển về<br /> đích, 4 – Điều khiển men tường; 5 – Điều khiển tránh vật cản.<br /> Bảng 1. Phân loại địa hình.<br /> Phân dS1 dS2 dS3 dS4 dS5 dS6 dS7 Khối<br /> loại<br /> 1 0 0 0 0 0 0 0 5<br /> 2 0 0 0 0 0 1 0 5<br /> 3 0 0 0 0 0 0 1 5<br /> 4 0 1 0 0 0 0 0 5<br /> 5 0 1 0 0 0 0 1 5<br /> 6 0 1 0 0 0 1 0 5<br /> 7 1 0 0 0 0 0 0 5<br /> 8 1 0 0 0 0 0 1 5<br /> 9 1 0 0 0 0 1 0 5<br /> 10 1 1 0 0 0 1 1 4<br /> 11 1 1 0 0 0 2 1 4<br /> 12 1 1 0 0 0 1 2 4<br /> 13 1 2 0 0 0 1 1 4<br /> 14 2 1 0 0 0 1 1 4<br /> 15 2 2 0 0 0 1 1 4<br /> 16 1 1 0 0 0 2 2 4<br /> 17 2 2 2 1 2 2 2 3<br /> 18 2 2 2 2 1 2 2 3<br /> 19 2 2 1 2 2 2 2 3<br /> 20 2 2 2 1 1 2 2 3<br /> 21 2 2 1 1 2 2 2 3<br /> 22 2 2 1 2 1 2 2 3<br /> 23 2 2 1 1 1 2 2 3<br /> <br /> <br /> <br /> 76 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Cấu trúc mạng nơ-ron để phân loại và nhận dạng các trường hợp địa hình được<br /> chỉ ra trên hình 5. Cấu trúc này được lựa chọn phù hợp với mục đích phân loại địa<br /> hình theo thời gian thực. Gồm 7 đầu vào lấy tín hiệu về khoảng cách từ các cảm<br /> biến, ba lớp ẩn với số nơ-ron tương ứng là 10, 5 và 3; 3 đầu ra tương ứng với ba<br /> khối điều khiển trên bảng phân loại.<br /> <br /> <br /> <br /> <br /> Hình 5. Cấu trúc của mạng nơ-ron.<br /> 5. SỬ DỤNG LOGIC MỜ ĐỂ VẬN HÀNH CÁC KHỐI<br /> ĐIỀU KHIỂN CHỨC NĂNG CỦA ROBOT<br /> Trong phần này trình bày xây dựng các hàm thuộc của các khối mờ điều khiển<br /> về đích, men tường, tránh vật cản và điều khiển tốc độ.<br /> - Khối điều khiển tránh vật cản<br /> Tín hiệu đầu vào là khoảng cách ds3, ds4, ds5 giữa robot và vật cản được thu<br /> thập từ ba cảm biến siêu âm S3, S4 và S5 đặt phía trước robot. N – Gần, M –<br /> Trung bình, MF – Xa trung bình, F – Xa.<br /> Tín hiệu đầu ra là góc lái của robot: BL – Lớn bên trái, ML – Trung bình bên<br /> trái, SL – Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải,<br /> BR – Lớn bên phải.<br /> Hàm liên thuộc của khối mờ số 3 điều khiển tránh vật cản được thể hiện trên<br /> hình 6.<br /> <br /> <br /> <br /> <br /> Hình 6. Hàm liên thuộc của khối mờ 3 – điều khiển tránh vật cản.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 77<br /> Kỹ thuật điều khiển & Điện tử<br /> <br /> - Khối điều khiển men tường<br /> Tín hiệu đầu vào là khoảng cách ds1, ds2, ds6, ds7 giữa robot và vật cản được<br /> thu thập từ từng cặp cảm biến siêu âm S1 và S2, S6 và S5 đặt hai bên hông robot.<br /> N – Gần, M – Trung bình, MF – Xa trung bình, F – Xa.<br /> Tín hiệu đầu ra là góc lái của robot: BL – Lớn bên trái, ML – Trung bình bên<br /> trái, SL – Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải,<br /> BR – Lớn bên phải.<br /> Hàm liên thuộc của khối mờ số 2 điều khiển men tường được thể hiện trên hình 7.<br /> <br /> <br /> <br /> <br /> Hình 7. Hàm liên thuộc của khối mờ 2 – điều khiển men tường.<br /> - Khối điều khiển về đích<br /> Tín hiệu đầu vào là θ – góc lệch giữa hướng chuyển động của robot (α) và điểm<br /> đích (β) (hình 8).<br /> <br /> <br /> <br /> <br /> Hình 8. Sơ đồ xác định góc lệch.<br /> Tín hiệu đầu vào θ: FLT – Xa bên trái, MFT – Trung bình bên trái, SFT – Nhỏ<br /> bên trái, Z – Không, SRT – Nhỏ bên phải, MRT – Trung bình bên phải, FRT – Xa<br /> bên phải.<br /> <br /> <br /> 78 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Tín hiệu đầu ra là góc lái của robot: BL – Lớn bên trái, ML – Trung bình bên<br /> trái, SL – Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải,<br /> BR – Lớn bên phải.<br /> Hàm liên thuộc của khối mờ số 1 điều khiển về đích được thể hiện trên hình 9.<br /> <br /> <br /> <br /> <br /> Hình 9. Hàm liên thuộc của khối mờ 1 – điều khiển về đích.<br /> - Khối điều khiển tốc độ<br /> Tín hiệu đầu vào là góc lái của robot được thu thập từ các khối điều khiển chức<br /> năng và khoảng cách giữa robot và đích dđích.<br /> Mờ hóa góc lệch của robot: BL – Lớn bên trái, ML – Trung bình bên trái, SL –<br /> Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải, BR –<br /> Lớn bên phải.<br /> Mờ hóa khoảng cách từ robot đến đích: N – Gần, M – Trung bình, MF – Xa<br /> trung bình, F – Xa.<br /> Tín hiệu đầu ra là tốc độ trung bình của robot vtb: Z – Không, S – Nhỏ, M –<br /> Trung bình; F – Nhanh.<br /> Hàm liên thuộc của khối mờ số 4 điều khiển tốc độ được thể hiện trên hình 10.<br /> <br /> <br /> <br /> <br /> Hình 10. Hàm liên thuộc của khối mờ 4 – điều khiển tốc độ.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 79<br /> Kỹ thuật điều khiển & Điện tử<br /> <br /> 6. MÔ PHỎNG HỆ THỐNG ĐIỀU KHIỂN CHUYỂN ĐỘNG CỦA ROBOT<br /> Một trường hợp mô phỏng hoạt động của hệ thống điều khiển chuyển động của<br /> robot được thể hiện trên hình 11. Trong đó một số vật cản di động không biết<br /> trước. Robot di chuyển từ điểm xuất phát A đến điểm đích B.<br /> <br /> <br /> <br /> <br /> Hình 11. Kết quả mô phỏng hệ thống điều khiển chuyển động của robot.<br /> Qua nhiều trường hợp mô phỏng với những thay đổi về vị trí vật cản, tốc độ di<br /> chuyển của vật cản, hệ thống điều khiển chuyển động của robot đã hoạt động tốt<br /> trong môi trường mô phỏng 2D, nhận biết các phân loại địa hình với những vật cản<br /> không biết trước và kịp thời kích hoạt các khối điều khiển chức năng tương ứng để<br /> đưa ra robot về đích an toàn.<br /> 7. KẾT LUẬN<br /> Kết hợp mạng nơ-ron và logic mờ trong điều khiển robot tự hành theo giải pháp<br /> đề xuất đã giải quyết được bài toán điều khiển chuyển động của robot trong một<br /> không gian có một phần vật cản không biết trước, di chuyển với tốc độ chậm.<br /> Mạng nơ-ron đơn giản hóa tính phức tạp và bất định của môi trường làm việc xung<br /> quanh robot bằng cách phân loại môi trường thành các tình huống đặc trưng, logic<br /> mờ căn cứ vào các tình huống đó để đưa ra thuật toán điều khiển phù hợp. Tuy<br /> nhiên, giải pháp này còn tồn tại một số hạn chế về điều kiện không gian công tác<br /> và tốc độ xử lý tính toán.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. Martin Seyr, Stefan Jakubek, Gregor Novak. “Neural Network Predictive<br /> Trajectory Tracking of an Autonomous Mobile Robot” IEEE Conference on<br /> Decision and Control, 2005.<br /> [2]. Фирас А. Рахим. “Методы построения интеллектуальных систем<br /> планирования и управления перемещением мобильного робота в<br /> известной среде”. Диссертация кандидата технических наук ЮРГТУ,<br /> 2009.<br /> <br /> <br /> <br /> 80 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> [3]. Hartmut Surmann, Jörg Huser, Liliane Peters. “A Fuzzy System for Indoor<br /> Mobile Robot Navigation”. Vol 5. Fuzzy Systems, 1995. International Joint<br /> Conference of the Fourth IEEE International Conference on Fuzzy Systems,<br /> 1995.<br /> [4]. R. Fierro and F. L. Lewis. “Control of a Nonholonomic Mobile Robot Using<br /> Neural Networks”. IEEE Transactions of Neural Networks. Vol. 9, No. 4,<br /> 1998.<br /> ABSTRACT<br /> COMBINATION OF NEURAL NETWORK AND FUZZY LOGIC FOR<br /> PLANNING TRAJECTORY OF MOBILE ROBOT<br /> IN UNKNOWN ENVIRONMENT<br /> The paper presents the method and results of building of planning<br /> trajectory for mobile robot in unknown environment using functional<br /> modules. The system of planning trajectory includes of some functional<br /> modules for somes tasks, which depend on concrete situation of local<br /> environment determining by information from ultrasonic sensors.<br /> Keywords: Mobile robot, Neural network, Fuzzy logic, Planning trajectory, Unknown environment.<br /> <br /> Nhận bài ngày 15 tháng 05 năm 2016<br /> Hoàn thiện ngày 18 tháng 06 năm 2016<br /> Chấp nhận đăng ngày 26 tháng 10 năm 2016<br /> <br /> <br /> 1<br /> Địa chỉ: Học viện KTQS;<br /> 2<br /> Viện KHCNQS.<br /> *Email: trinhxuanlong@gmail.com.<br /> <br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 81<br />
ADSENSE
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

 

Đồng bộ tài khoản
2=>2