Thạc Sĩ Ứng dụng kỹ thuật Neural-Fuzzy trong vấn đề robot tự hành

MỤC LỤC ( Luận văn dài 99 trang)

Lời cảm ơn 1
Danh mục các từ viết tắt 2
Danh mục các hình ảnh trong đề tài 3
Chương 1. TỔNG QUAN . 6
1.1 Robot tự hành 6
1.2 Các vấn đề của robot tự hành 7
1.3 Cấu trúc robot tự hành thường gặp 7
Chương 2. FUZZY LOGIC VÀ LỌC KALMAN TRONG VIỆC ĐIỀU KHIỂN ROBOT TỰ HÀNH . 9
2.1 Giới thiệu. 9
2.2Kỹ thuật định hướng cho robot. 9
2.2.1 Lọc Kalman. 9
2.2.2 Điều khiển Fuzzy logic . 11
2.2.3 Hệ thống nhìn vật nổi ba chiều . 11
2.3 Hệ thống điều khiển chuyển động và cấu hình của robot .12
2.3.1 Hệ thống điều khiển chuyển động 12
2.3.2 Thiết kế robot tự hành . 13
2.3.3 Điều khiển chuyển động . 14
2.3.4 Thuật giải điều khiển chuyển động . 16
2.4 Thực hiện hệ thống 17
2.4.1 Mô hình Kinematic . 17
2.4.2 Lọc Kalman . 18
2.4.3 Fuzzy logic điều khiển chuyển động 19
2.5 Việc tránh vật cản 23
2.5.1 Dò tìm vật cản . 23
2.5.2 Tránh vật cản . 24
2.6 Thực hiện phần cứng 25
2.7 Kết quả thí nghiệm . 26
Chương 3 MẠNG NEURAL TRONG ĐIỀU KHIỂN
CHUYỂN ĐỘNG ROBOT 27
3.1 Giới thiệu . 27
3.2 Mạng neural với robot 27
3.3 Tiếp cận vấn đề 28
3.3.1 Bài toán định hướng chuyển động 28
3.3.2 Môi trường 29
3.3.3 Giải thuật định đường đi cho robot . 29
3.4 Nguyên tắc giải thuật . 30
3.4.1 Bài toán dò tìm không gian dùng mạng neural . 30
3.4.2 Giải bài toán tìm đường đi 34


3.4.3 Giải thuật thực tế . 35
3.5 Kết quả mô phỏng 38
3.6 Kết luận 40
Chương 4. ĐƯỜNG ĐI CỦA ROBOT TỰ HÀNH VỚI
KỸ THUẬT NEURAL-FUZZY LOGIC 41
4.1 Giới thiệu . 41
4.2 Robot tự hành . 41
4.3 Hệ thống điều khiển hoạt động 42
4.4 Thực hiện neural-fuzzy cho hành động Go-Tangent . 44
4.5 Kết quả thử nghiệm 51
Chương 5. ĐIỀU KHIỂN FUZZY-NEURAL
VÀ NEURAL-FUZZY- NEURAL . 52
5.1 Khái niệm fuzzy trong mạng neural . 52
5.2 Nguyên lý cơ bản của hệ thống fuzzy-neural 54
5.3 Nguyên lý cơ bản của hệ thống neural-fuzzy 57
5.3.1 hệ thống neural-fuzzy 58
5.3.2 Thuật toán học hỏi cho hệ thống . 59
Chương 6. ỨNG DỤNG LÝ THUYẾT NEURAL-FUZZY
VÀO ROBOT TỰ HÀNH TÌM ĐẾN ĐIỂM ĐÍCH 63
6.1 Robot tự hành trong thực tế . 63
6.2 Robot tự hành trong khuôn khổ đề tài . 63
6.3 Kỹ thuật neural-fuzzy trong đề tài . 63
6.3.1 Hệ thống neural-fuzzy . 63
6.3.2 Kỹ thuật học hỏi- hiệu chỉnh các thông số đầu vào và đầu ra 64
6.4 Cách hoạt động của robot trong đề tài . 66
6.5 Sơ đồ khối giải thuật tìm đường đi của robot tự hành trong đề tài 67
6.6 Kết quả thực hiện . 68
6.7 Kết luận và đề xuất . 71
Phụ lục 1 72
Phụ lục 2 92
Tài liệu tham khảo . 99

Danh mục các hình ảnh



Hình1.1.Tổng thể hình dạng robot
Hình1.2.Sơ đồ khối của robot
Hình 2.1 Sơ đồ khối của hệ thống điều khiển Fuzzy logic. Hình 2.2 Ảnh ba chiều được tạo thành từ hai bức ảnh nổi. Hình 2.3 Robot tránh vật cản và tạo ra sai số định hướng Hình 2.4 Cấu tạo khối của robot tự hành.
Hình 2.5. Cấu trúc bộ phận điều khiển chuyển động của robot. Hình 2.6 Sơ đồ khối giải thuật chuyển động của robot.
Hình 2.7 Mô hình Kinematic.
Hình 2.8 Sơ đồ khối hệ thống điều khiển chuyển động
Hình 2.9 Các hàm thành viên của sai số góc.
Hình 2.10 Các hàm thành viên của vận tốc bánh xe. Hình 2.11 Các hàm thành viên của sai số khoảng cách.
Hình 2.12 Sơ đồ khối của kỹ thuật dùng ảnh nổi để đánh dấu điểm tương ứng. Hình 2.13 Tránh vật cản của robot
Hình 2.14. Mô hình robot.
Hình 2.15. Robot di chuyển đến điểm goal và tránh vật cản trên đường đi.
Hình 3.1 Mạng neural PCA
Hình 3.2 Chi tiết trong mạng PCA.
Hình 3.3 Các hướng đi trong không gian. Hình 3.4 Dạng của mạng neural MLP.
Hình 3.5 Môi trường dùng cho robot học hỏi. Hình 3.6. Dãy 29 sóng siêu âm dò tìm.
Hình 3.7 Robot chuyển động gần của ra vào. Hình 3.8 Mô hình robot dùng trong thí nghiệm.
Hình 3.9. Đường đi của robot trong môi trường bất kỳ.
Hình 4.1 Sơ đồ bố trí các sensor trong robot.
Hình 4.2 Hành động của robot dựa vào các sensor. Hình 4.3 Sơ đồ điều khiển hành động của robot.
Hình 4.4 Trường hợp chỉ sensor O2 dò được vật cản. Hình 4.5 Trường hợp hai sensor dò được vật cản.
Hình 4.6 Hàm thành viên dạng tam giác cho Go-Tangent xéo góc và Go-Tangent-Front.
Hình 4.7 Mạng Neural với các trọng số {aij,bij} và {pk,qk,rk}.
Hình 4.8 Các phương sai trong quá trình huấn luyện cho Go-Tangent xéo góc.
Hình 4.9 Hàm thành viên với hai tín hiệu input (khoảng cách và vận tốc).
Hình 4.10. Cấu trúc bốn môi trường thử nghiệm.
Hình 5.1 Mạng neural với các neural fuzzy.
Hình 5.2. Mạng neural 2 layer.
Hình 5.3 Hệ thống neural fuzzy với 2 luật fuzzy.
Hình.6.1. Hệ thống neural – fuzzy với một luật fuzzy.
Hình.6.2. Sơ đồ khối giải thuật tìm đường về đích của robot tự hành.
Hình.6.3. Robot tự tìm về đích trong môi trường thứ
Hình.6.4. Robot tự tìm về đích trong môi trường thứ 2. Hình.6.5. Robot tự tìm về đích trong môi trường thứ 3.
Hình.6.6. Robot tự tìm về đích trong môi trường thứ 4.
Hình PL.1. Giải thích các linh kiện trên robot. Hình PL.2.Động cơ bước và đế robot
Hình PL.3 Sơ đồ lắp ráp các linh kiện robot. Hình PL.4. Các bánh xe lắp vào động cơ bước.
Hình PL.5. Mạch điện tử điều khiển robot. Hình PL.6. Lắp mạch điện tử cho robot.
Hình PL.7. Bo mạch điện tử tạo âm thanh cho robot. Hình PL.8. Lắp ắc quy cho robot.
Hình PL.9. Robot được lắp ráp hoàn chỉnh.
Hình PL.10. Mạch điện tử của robot nhìn từ mặt dưới.
Hình PL.11. Mạch điện tử của robot t-siz] |.

ROBOT TỰ HÀNH.
Ngày nay, robot tự hành được ứng dụng trong nhiều lĩnh vực khác nhau. Ví dụ: robot chọn màu; cánh tay robot chọn lựa hàng hóa; robot dò tìm đường đi .
Trong đó, robot tự hành trong việc dò đường là vấn đề đang được quan tâm. Cấu tạo dạng chung của robot dạng này gồm các hệ thống sau: hệ thống xử lý thông tin; hệ thống dò tìm vật cản; hệ thống chuyển động.
Hệ thống dò tìm vật cản: dùng các sensor hồng ngoại hay sensor siêu âm để nhận biết vật cản xung quanh.
Hệ thống chuyển động: bao gồm các bánh xe và hệ thống truyền động. Hệ thống này giúp robot chuyển động theo yêu cầu của hệ thống xử lý thông tin.
Hệ thống xử lý thông tin: có nhiệm vụ xử lý các thông tin từ hệ thống dò tìm vật cản và đưa ra hành động cụ thể cho hệ thống chuyển động.
*Các kỹ thuật đã được ứng dụng trong vấn đề robot tự hành:
Điều khiển fuzzy logic (FLC) đã được ứng dụng cho việc điều khiển robot. Việc điều khiển này dựa vào hệ thống luật.
Bên cạnh đó, mạng neural cũng được ứng dụng vào khoa học robot tự hành. Với mạng neural, robot có thể được học hỏi, được huấn luyện. Từ đó, mạng neural sẽ hiệu chỉnh các thông số truyền giữa các lớp neural nhằm tạo ra hệ thống tối ưu, sát với yêu cầu thực tế.
Kết hợp fuzzy và neural trong khoa học robot tự hành là một hướng đi mới. Việc kết hợp này có nhiều ưu điểm hơn so với chỉ dùng fuzzy hoặc neural. Hệ thống này thân thiện hơn với người dùng thông qua các hệ thống luật fuzzy và có thể huấn luyện, điều chỉnh các thông số truyền giữa các lớp mạng neural. Do đó, hệ
thống tốn ít thời gian để xử lý thông tin.