1. Trang Chủ
  2. Điện - Điện tử
  3. Điều khiển dẫn đường hành vi cho robot di động hai bánh vi sai

Điều khiển dẫn đường hành vi cho robot di động hai bánh vi sai

Bài báo đề xuất cấu trúc điều khiển dẫn đường hành vi mới BBFM cho robot di động. Cấu trúc BBFM là sự kết hợp giữa logic mờ để thiết kế các bộ điều khiển mờ thực thi các hành vi độc lập và lý thuyết quyết định tối ưu đa mục tiêu để lựa chọn giá trị điều khiển thỏa mãn tốt nhất tất cả các mục tiêu. Mời các bạn cùng tham khảo! Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Điều Kh

Thể loại Tài liệu miễn phí Điện - Điện tử

Số trang 6

Ngày tạo 4/8/2023 4:04:04 AM +00:00

Loại tệp PDF

Kích thước 0.50 M

Tên tệp

Tải Điều khiển dẫn đường hành vi cho robot di động hai... (.pdf)

Xem mẫu

  1. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Điều Khiển Dẫn Đường Hành Vi Cho Robot Di Động Hai Bánh Vi Sai Nguyễn Thị Thanh Vân, Phùng Mạnh Dương, Đặng Anh Việt, Quách Công Hoàng, Trần Quang Vinh Khoa Điện tử - Viễn thông, Đại học Công nghệ, Đại học Quốc Gia Hà nội 144 Xuân Thủy, Cầu Giấy, Hà nội. Email: vanntt@vnu.edu.vn Abstract— Bài báo đề xuất cấu trúc điều khiển dẫn đường hành hành vi khác nhau. Một số kỹ thuật trộn lệnh như sơ đồ chuyển vi mới BBFM cho robot di động. Cấu trúc BBFM là sự kết hợp mạch [8], tổng hợp véc tơ [9], sử dụng bộ lọc thông tin phân giữa logic mờ để thiết kế các bộ điều khiển mờ thực thi các hành tán [10] hay logic mờ [11]. vi độc lập và lý thuyết quyết định tối ưu đa mục tiêu để lựa chọn Khi logic mờ được sử dụng cả trong kỹ thuật lựa chọn hành vi giá trị điều khiển thỏa mãn tốt nhất tất cả các mục tiêu. Cách và trộn lệnh thì phương pháp này được gọi là kết hợp phụ thức kết hợp này có ưu điểm khi sử dụng logic mờ thiết kế các hàm mục tiêu dễ dàng, hiệu quả và phù hợp với đặc điểm của thuộc vào ngữ cảnh – CDB [12, 13] và đã ứng dụng nhiều môi trường hoạt động chứa nhiều yếu tố bất định, trong khi tối trong các hệ thống dẫn đường robot di động hiện nay [14-16]. ưu đa mục tiêu cho phép lựa chọn giá trị điều khiển cuối cùng Phương pháp CDB đã tạo nên cấu trúc điều khiển hành vi linh thỏa mãn tốt nhất tất cả các mục tiêu đặt ra. Hiệu quả của cấu hoạt, đáp ứng nhanh với những biến động của môi trường chưa trúc điều khiển đề xuất được kiểm chứng qua chương trình mô biết, tuy nhiên khi sử dụng kỹ thuật trộn lệnh để xác định giá phỏng, so sánh và đánh giá với các cấu trúc điều khiển dẫn trị điều khiển cuối cùng sẽ gặp một số hạn chế do phương pháp đường hành vi có trước. giải mờ đem lại. Bên cạnh đó, cấu trúc MOASMs được đề xuất bởi P. Pirjanian [17] được xem như là một kỹ thuật trộn lệnh Keywords – Điều khiển dẫn đường hành vi, logic mờ, tối ưu đa mục tiêu, robot di động sử dụng khái niệm hành vi tối ưu. Phương pháp này đã áp dụng lý thuyết quyết định đa mục tiêu để xác định hành vi phù hợp và tối ưu theo quan điểm Pareto từ một tập các hành vi khác I. GIỚI THIỆU nhau. Phương pháp này tỏ ra hiệu quả khi kết quả tìm được là Dẫn đường được xem như với một phần hiểu biết về môi tối ưu Pareto nhưng cũng thể hiện hạn chế trong việc xác định trường và một vị trí đích hoặc một số vị trí cùng với giá trị thu hàm mục tiêu của hành vi. được của cảm biến, robot có khả năng đạt tới vị trí đích một Để khắc phục hạn chế của vấn đề trộn lệnh trong các kỹ thuật cách hiệu quả và tin cậy [1, 2]. Cấu trúc điều khiển dẫn đường trên, bài báo đề xuất một cấu trúc điều khiển dẫn đường hành có thể được phân thành ba loại [3]: cấu trúc thứ bậc hoạt động vi kết hợp logic mờ và lý thuyết quyết định tối ưu đa mục tiêu, tuần tự với các bước cảm nhận, lập kế hoạch và hành động dựa gọi tắt là BBFM. Trong cấu trúc điều khiển này, hành vi dẫn trên mô hình chính xác của môi trường toàn cục sẽ điều khiển đường phức tạp được chia thành các hành vi nhỏ và mỗi hành robot theo một đường đi tối ưu; cấu trúc phản ứng hay hành vi vi sẽ được thực thi bằng một bộ điều khiển mờ. Hàm thuộc lối chia nhiệm vụ phức tạp thành các nhiệm vụ nhỏ để thực hiện vì ra của mỗi bộ điều khiển được xem như là hàm mục tiêu của thế đáp ứng nhanh với môi trường động và không biết trước; mỗi hành vi do thể hiện mức độ mong muốn đạt được của biến cấu trúc lai là sự kết hợp của hai cấu trúc trên để tận dụng ưu điều khiển theo mục tiêu của hành vi đó. Giá trị cuối cùng của điểm lập kế hoạch của cấu trúc thứ bậc và đáp ứng nhanh của các biến điều khiển sẽ được xác định bằng lý thuyết quyết định cấu trúc phản ứng trong môi trường động. tối ưu đa mục tiêu với các hàm mục tiêu của các hành vi đã Trong ba cấu trúc điều khiển dẫn đường trên thì cấu trúc hành được thiết lập từ các bộ điều khiển. Cấu trúc BBFM đề xuất vi được sử dụng nhiều trong các ứng dụng của robot hoạt động phát huy được ưu điểm khi sử dụng logic mờ để thiết kế các bộ trong môi trường chưa biết bởi tính đơn giản nhưng hiệu quả điều khiển mờ một cách dễ dàng, hiệu quả, thích hợp với các đạt được cao. Việc chia nhiệm vụ dẫn đường phức tạp thành yếu tố bất định của robot cũng như môi trường hoạt động. các nhiệm vụ nhỏ đã làm tăng hiệu suất hoạt động của toàn hệ Đồng thời, việc sử dụng lý thuyết quyết định tối ưu đa mục tiêu thống. Vấn đề quan trọng trong cấu trúc điều khiển hành vi là cho phép xác định giá trị điều khiển tối ưu Pareto. cách kết hợp hiệu quả hay cách giải quyết xung đột giữa các Bài báo được trình bày thành 6 phần. Phần 2 giới thiệu về mô loại hành vi khác nhau để đạt được kết quả tốt. Các kỹ thuật hình hệ thống robot di động hai bánh vi sai hệ thống điều khiển này được phân thành hai phần chính trong cấu trúc điều khiển dẫn đường. Cấu trúc điều khiển dẫn đường hành vi BBFM đề hành vi: lựa chọn hành vi và trộn lệnh. Lựa chọn hành vi sẽ xuất được trình bày chi tiết trong phần 3. Phần 4 trình bày ví quyết định một hay nhiều hành vi tham gia điều khiển tại cùng dụ thiết kế hệ thống dẫn đường cho robot di động sử dụng cấu một thời điểm. Một số các kỹ thuật lựa chọn hành vi điển hình trúc điều khiển đề xuất cùng với hai cấu trúc điều khiển khác là như: cấu trúc xếp gộp của Book [4], cấu trúc ưu tiên của Dupre MOASMs và CDB điển hình nhằm mục đích so sánh và đánh [5], hay siêu luật mờ [6,7]. Kỹ thuật trộn lệnh sẽ được sử dụng giá. Mô phỏng kiểm chứng và đánh giá so sánh được trình bày khi có nhiều hành vi được lựa chọn, khi đó nó sẽ quyết định ở phần 5. Cuối cùng là kết luận và hướng phát triển tiếp theo lệnh điều khiển duy nhất từ nhiều lệnh được sinh ra bởi nhiều trong phần 6. ISBN: 978-604-67-0635-9 450 450
  2. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) II. MÔ HÌNH HỆ THỐNG Mô hình robot di động được xem xét trong nghiên cứu này là loại robot có hai bánh vi sai với ràng buộc không khả tích có cấu hình và tham số được thể hiện trên Hình 1 dưới đây.    xi , yi , i Hình 2: Sơ đồ khối hệ thống điều khiển dẫn đường III. BỘ ĐIỀU KHIỂN DẪN ĐƯỜNG HÀNH VI BBFM Phần này sẽ trình bày phương pháp thiết kế bộ điều khiển dẫn đường hành vi BBFM đề xuất. Cấu trúc điều khiển dẫn đường hành vi BBFM mô tả như hình 3 và được chia thành 3 bước như sau: Hình 1: Mô hình robot di động hai bánh vi sai Trong đó, (OG, XG, YG) biểu diễn hệ tọa độ toàn cục, (OR, XR,YR) biểu diễn hệ tọa độ cục bộ gắn liền với robot, R ký hiệu O1 (y1 ) bán kính bánh xe và L là khoảng cách giữa hai bánh. (x, y, θ) O1 (yn ) là tọa độ và góc hướng hiện tại của robot trong hệ tọa độ toàn O (y1 ) 2 yˆ1  arg max[  O (y1 ),..., O (y1 )] 1 N cục. ρ là khoảng cách từ tâm robot tới vị trí đích và α là góc  O (yn ) 2 ... lệch giữa véctơ nối tâm của robot với điểm đích và véctơ góc O (y1 ) yˆ n  arg max[ O (y n ),..., O (y n )] 1 N hướng θ. Phương trình động học của robot di động hai bánh vi N  O (y n ) sai sẽ là: N  x  u cos  Hình 3: Cấu trúc điều khiển dẫn đường hành vi BBFM  Bước 1: Phân tích vấn đề  y  u sin  (1) Từ mục tiêu phức tạp cần thực hiện, chia thành một tập các      hành vi độc lập. Xác định biến điều khiển của các hành vi: y = u là vận tốc dài và ω là vận tốc góc của tâm robot. Quan hệ (y1, y2, …,yN), yi Є Yi, Yi: tập giá trị của các biến điều khiển ràng buộc không khả tích rút ra được từ phương trình trên tương ứng. được biểu diễn bởi: Bước 2: Thiết kế các hàm mục tiêu: y cos   x sin   0 (2) Hàm mục tiêu để thực hiện các hành vi tương ứng được thiết Mô hình rời rạc tại thời điểm tiếp theo i+1 thu được từ giá trị kế thông qua 2 bước của quá trình thiết kế bộ điều mờ: mờ tại thời điểm hiện tại i và phương trình động học liên tục (1) ở hóa, suy luận mờ. Kết quả của quá trình suy luận mờ sẽ thu trên với thời gian lấy mẫu Ts sẽ là: được hàm mục tiêu của biến điều khiển: O ( y ), O ( y ),..., O ( y ) (4)  xi 1  xi  uiTs cos( i ) 1 2 N  (3) Bước 3: Lựa chọn lệnh  yi 1  yi  uiTs sin( i ) Quá trình trộn lệnh để xác định giá trị điều khiển cuối cùng sử      T dụng lý thuyết tối ưu đa mục tiêu. Khi đó giá trị tham số điều  i 1 i i s  Sơ đồ khối của hệ thống điều khiển dẫn đường phản hồi được khiển tối ưu Pareto y i  Yi phù hợp nhất với tất cả các mục trình bày ở Hình 2. Điểm đích (xd, yd, θd) cho trước trong không gian làm việc. Với dữ liệu về môi trường và trạng thái tiêu đề ra theo lý thuyết lựa chọn tối ưu đa mục tiêu: hiện tại của robot thu được thông qua các cảm biến, bộ điều yˆ  arg max[  O (yi ),O (yi ), ..., O (yi )],yi  Yi i (5) 1 2 N khiển dẫn đường sẽ đưa ra giá trị vận tốc dài u và vận tốc góc ω phù hợp để điều khiển robot di động hai bánh vi sai có A. Phân tích vấn đề phương trình động học ở (3) về vị trí đích một cách an toàn. Mục tiêu phức tạp được chia thành các quá trình ra quyết định Để tăng thêm hiệu quả của hệ thống điều khiển thì bộ lọc độc lập nhỏ được gọi là các hành vi Bk (k =1…N). Biến điều EKF-FNN đã được nhóm tác giả đề xuất trong bài toán định vị khiển y được định nghĩa là y = {y1, y2, …,yN}, yi Є Yi, Yi: tập robot trong một nghiên cứu khác [18] sử dụng trong vòng giá trị của các biến điều khiển tương ứng hay còn gọi là không phản hồi. Bộ lọc cho phép ước tính chính xác hơn tư thế hiện gian tác động của biến điều khiển. Mỗi hành vi được thực thi tại của robot dựa trên mô hình động học của hệ thống và phép thông qua các hàm mục tiêu của biến điều khiển tương ứng đo trong trường hợp hệ thống bị ảnh hưởng bởi nhiễu quá Ok(y) (k =1…N). trình và nhiễu đo. Khi đó giá trị lối vào bộ điểu khiển dẫn đường là giá trị ước tính từ bộ lọc EKF-FNN. B. Thiết kế hàm mục tiêu Hàm mục tiêu Ok để thực thi hành vi Bk được định nghĩa là sự ánh xạ từ không gian tác động Yi tới khoảng giá trị [0, 1]: Ok : Yi → [0, 1] (6) 451 451
  3. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Phép ánh xạ gán mỗi tác động yi Є Yi một giá trị thỏa mãn, tác Như vậy, với N hàm mục tiêu thì tham số điều khiển yˆ i  Yi động thích hợp nhất sẽ được gán bằng 1 và không thích hợp nhất gán bằng 0. Hàm mục tiêu Ok được xác định thông qua tốt nhất phù hợp với tất cả các hàm mục tiêu được xác định hai bước mờ hóa và suy luận mờ. Phần dưới đây sẽ mô tả chi theo cách sau: tiết cách thức thiết kế hàm mục tiêu thông qua hai bước thiết yˆ i  Yi  arg max[ O (yi ),O (yi ), ..., O (yi )] (12) 1 2 N kế bộ điều khiển mờ với cấu trúc tổng quát MIMO. Bước 1: Mờ hóa Nghiệm tối ưu Pareto [19]: yˆ i là nghiệm không trội của Một bộ điều khiển mờ F có m biến ngôn ngữ lối vào {x1, phương trình (12) nếu không tồn tại bất kỳ giá trị yi  Yi nào x2,…, xm} với các tập nền X1, X2…Xm và n biến ngôn ngữ lối ra {y1, y2,…yn } với tập nền Y1, Y2,…,Yn. Biến lối ra yi chính để O ( yˆ i  Yi )  O (y i ) với mọi i và là các biến điều khiển và tập nền Yi (i=1…n) là các không O (y i )  [O (yi ), O (y i ),..., O (y i )] ít nhất với một j. gian tác động của các biến điều khiển. 1 2 N Mỗi biến ngôn ngữ có các giá trị ngôn ngữ được xác định bằng một tập mờ định nghĩa trên tập nền của biến ngôn ngữ: IV. VÍ DỤ DẪN ĐƯỜNG CHO ROBOT DI ĐỘNG x1   A11 , A12 ,  , A1a  y1  B11 , B12 ,  , B1b  Bài toán dẫn đường yêu cầu robot di động hai bánh vi mô hình như (3) có khả năng về đích và tránh vật cản an toàn trên x2  A21 , A22 ,  , A2 a  y2  B21 , B22 ,  , B2b  đường đi trong môi trường chưa biết dựa trên thông tin thu (7) được từ các cảm biến. Phần này trình bày cụ thể quá trình thiết ... ... kế bộ điều khiển dẫn đường hành vi theo cấu trúc BBFM đề xm   Am1 , Am1 ,  , Ama  yn  Bn1 , Bn 2 ,  , Bnb  xuất. Hàm thuộc tương ứng tại giá thực của biến vào/ra được xác A. Phân tích vấn đề định bởi: Nhiệm vụ dẫn đường của robot từ bất kỳ điểm nào tới đích x1: A11 ( x1 ),...,  A1a ( x1 ) y1: B11 ( y1 ),...,  B1b ( y1 ) một cách an toàn được chia thành ba hành vi: tránh vật, duy trì x2 : A21 ( x1 ),.., A2 a ( x2 ) y2 : B21 ( y2 ),...,  B2b ( y2 ) hướng đích và chuyển động nhanh. Hành vi tránh vật sẽ thực (8) hiện nhiệm vụ tránh vật cục bộ bất ngờ gặp phải trên đường ... ... di chuyển về đích. Hành vi duy trì hướng đích sẽ thực hiện xm : Am1 ( xm ),.., Ama ( xm ) yn : B ( yn ),..., Bnb ( yn ) việc điều khiển robot luôn tiến thẳng tới đích và tốc độ về đích n1 nhanh nhất có thể sẽ được thực hiện bởi hành vi chuyển động Bước 2: Suy luận mờ Luật điều khiển thứ k (mệnh đề hợp thành) với m mệnh đề nhanh. Nhiệm vụ của mỗi hành vi được thực thi bởi một bộ điều khiển mờ. Hai hành vi duy trì hướng đích và chuyển điều kiện có dạng: Rk: Nếu x1=Aij và x2 = Aij và ….xm = Aij thì y1 = Bij và y2 = Bij động nhanh có thể gộp vào trong một bộ điều khiển do mỗi và … yn = Bij hành vi chỉ liên quan đến một biến điều khiển. Biến điều khiển cho robot di động là vận tốc dài u và vận tốc góc ω do Trong đó: Aij, Bij: j Є {1…a/b}: tập mờ của các giá trị ngôn ngữ vào/ra, i Є {1…m/n}: biến ngôn ngữ lối vào vào/ra đó đây cũng chính là biến lối ra của mỗi bộ điều khiển mờ: y = {u, ω}, U = [umin umax], W = [ωmin ωmax] Giá trị của mệnh đề hợp thành k cho một biến lối ra yi là một tập mờ Rk định nghĩa trên tập nền Yi có hàm thuộc: Hai hàm mục tiêu của biến điều khiển để thực hiện ba hành vi trên là O1(u, ω) và O2(u, ω).  R ( yi )  min(H,  B (y i )) k ij (9) B. Thiết kế hàm mục tiêu H  min{ A ( x1 ),  A ( x2 ),....,  A ( xm )} ij ij ij 1) Bộ điều khiển tránh vật Với k luật hay k mệnh đề hợp thành của bộ điều khiển thì giá Để thực hiện hành vi tránh vật cục bộ, robot nhận dữ liệu từ trị của luật hợp thành R cho một biến lối ra yi được xác định cảm biến siêu âm được mô tả như hình dưới đây. theo luật max-min sẽ là:  R ( yi )  max(  R ( yi ),  R ( yi ), ...,  R ( yi )) (10) 1 2 M Hàm thuộc lối ra của biến điều khiển yi được xác định theo (10) trên đây chính là hàm mục tiêu của biến điều khiển yi. C. Lựa chọn lệnh Hình 4: Mô hình cảm biến siêu âm Bước này sẽ xác định giá trị rõ cuối cùng của các tham số điều Phạm vi quét của cảm biến là từ 0 đến 4m. 8 cảm biến này khiển yi thông qua N hàm mục tiêu. Như đã khẳng định ở trên, được chia thành 3 nhóm: Phải (cảm biến 1, 2, 3) Trước (cảm hàm mục tiêu Ok thực thi hành vi Bk chính là các tập mờ R lối biến 4, 5) và Trái (cảm biến 6, 7, 8). Giá trị của 3 nhóm cảm ra (10) của mỗi bộ điều khiển mờ F tương ứng với các tham số biến được tính bằng giá trị của khoảng cách nhỏ nhất trong điều khiển yi trên các tập nền Yi. nhóm. Bộ điều khiển gồm 4 biến lối vào và 2 biến lối ra như hình 5.  O ( yi )   R ( yi ) (11)   a tan(y d  y, x d  x)   ,   [-  ] (13) 452 452
  4. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Trong đó ρ là khoảng cách từ vị trí hiện tại (x,y) của robot tới vị trí đích (xd, yd) được xác định bằng công thức (16), giá trị ngôn ngữ và hàm thuộc được miêu tả như hình 8. 2 2   (x d  x)  (y d  y) (16) Hình 5: Bộ điều khiển mờ tránh vật ρ = {Gần (G), Trung bình (TB), Xa (X)}, ρ:[0 20] m. Giá trị ngôn ngữ và miền giá trị của các biến vào/ra được xác định như sau: - dtrai, dtruoc, dphai = {Gần (G), Trung bình (TB), Xa (X)}. [0.2 4] m. - α = {Âm Nhiều (AN), Âm (A), Không (K), Dương (D), Dương Nhiều (DN)} - u = {Nhỏ (N), Trung bình (TB), Lớn (L)}, U = [0 1.3] m/s Hình 8: Hàm thuộc của biến ρ - ω = {Âm Nhiều (ANo), Âm (Ao), Không (Ko), Dương Biến ngôn ngữ α, và ω của bộ điều khiển về đích có giá trị (DO), Dương Nhiều (DNo)}, W = [-4.33 4.33] rad/s ngôn ngữ, miền giá trị và hàm thuộc giống như của bộ điều Hàm thuộc của các biến ngôn ngữ vào/ra là các hàm thuộc có khiển tránh vật. Các luật điều khiển về đích được trình bày dạng Gauss và Sigmoid với biểu thức và dạng hàm được biểu trong bảng 2. Giá trị của mệnh đề hợp thành theo luật max- diễn như hình 6. min cho biến lối ra u và ω của bộ điều khiển mờ về đích được  ( x  c )2 xác định theo bằng công thức 17 như sau. 2 1  R _GR (u )  max(  R (u ),  R (u ), ...,  R (u ) Gauss ( x )  e 2 Sigmoid ( x )   a ( xb) (14) 1 2 k 1 e  R _GR ( )  max(  R ( ),  R ( ), ...,  R ( )) (17) 1 2 k k  1, ...,15 Trường hợp STT Lối vào Lối ra va chạm vật dtrai dtruoc dphai α u ω (a) (b) 1 G X G L KO 2 X G G TB DO 3 TB G G TB DO 4 X G TB TB DNO (c) 5 G G X TB ANO (d) 6 G G TB TB AO Hình 6: Hàm thuộc của các biến: (a): lối vào khoảng cách dtrai, dtruoc và dphai, (b): góc lệch α, (c): vận tốc dài u, (d) vận tốc góc 7 X G X TB DNO ω 8 TB G X TB AO Bảng 1 thể hiện các luật điều khiển tránh vật thường gặp. Giá 9 X G TB TB DO trị của mệnh đề hợp thành theo luật max-min cho biến lối ra u 10 TB TB TB N KO và ω của bộ điều khiển mờ tránh vật được xác định theo. 11 G TB TB N DO 12 TB G TB N DO  R _ OA (u )  max(  R (u ),  R (u ), ...,  R (u ) 1 2 k 13 G TB TB TB AO 14 G TB X TB AO  R _ OA ( )  max(  R ( ),  R ( ),...,  R ( )) (15) 1 2 k 15 G X TB TB AO 16 G X X AN N ANO k  1,..., 28 17 G X X A N AO Với Rk là giá trị của mệnh đề hợp thành thứ k được xác định 18 G X X K L KO theo (9). 19 G X X DN L KO 2) Bộ điều khiển về đích 20 G X X D L KO Bộ điều khiển về đích tương đương với việc thực hiện hai 21 TB TB G TB DO hành vi duy trì góc hướng đích và hành vi điều khiển tốc độ 22 X TB G TB DO nhanh nhất có thể. Sơ đồ khối của bộ điều khiển về đích với 23 TB X G L KO hai biến lối vào ρ, α và hai biến lối ra u, ω được thể hiện như 24 X X G AN L KO trên hình 7. 25 X X G A L KO 26 X X G K L KO 27 X X G DN N DNO 28 X X G D N DNO G: Gần, TB: Trung Bình, X: Xa, K/KO: Không, A/AO: Âm, Hình 7: Bộ điều khiển mờ về đích AN/ANO: Âm Nhiều, D/DO: Dương, DN/DNO: Dương Nhiều. Bảng 1: Luật điều khiển tránh vật 453 453
  5. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) STT Lối vào Lối ra A. Trường hợp 1 Môi trường hoạt động có cấu trúc được chọn giống như trong ρ α u ω 1 G K N KO bài báo đề xuất sử dụng bộ điều khiển MOASMs. Từ cấu hình 2 G A N AO xuất phát ban đầu (-2, -1.8, 180o), robot sẽ di chuyển tránh vật 3 G AN N ANO an toàn về đích tại vị trí (-6, -4.8, 0o). Đường đi và đáp ứng 4 G D N DO vận tốc u, ω của robot trong trường hợp sử dụng ba bộ điều 5 G DN N DNO khiển dẫn đường khác nhau MOASMs, BBFM và CBD được 6 TB K TB KO thể hiện trong hình 9. Một số thông số từ hoạt động dẫn đường 7 TB A TB AO của robot nhằm mục đích so sánh thể hiện trong bảng 3. Trong 8 TB AN TB ANO 9 TB D TB DO đó quãng đường đi thể hiện độ dài mà robot đã đi. Thời gian 10 TB DN TB DNO tới đích là thời gian thực thi thuật toán điều khiển từ điểm bắt 11 X K L KO đầu đến khi robot đạt tới đích. Sai số khi về đích là khoảng 12 X A L AO cách dừng của robot khi tới đích, thông số này sẽ đánh giá khả 13 X AN L ANO năng đạt được vị trí đích của cấu trúc điều khiển. Hình 9 cho 14 X D L DO thấy đường đi khi sử dụng cấu trúc điều khiển BBFM tốt hơn 15 X DN L DNO so với trường hợp sử dụng hai cấu trúc còn lại. Điều này được G: Gần, TB: Trung Bình, X: Xa, K/KO: Không, A/AO: Âm, AN/ANO: Âm Nhiều, khẳng định trong bảng 3 với các thông số đạt được của cấu D/DO: Dương, DN/DNO: Dương Nhiều. trúc BBFM so với MOASMs và CDB là: quãng đường đi Bảng 2: Luật điều khiển về đích ngắn hơn, thời gian tới đích nhanh hơn và sai số về đích nhỏ hơn. Cấu trúc MOASMs có thời gian thực hiện lâu nhất do C. Lựa chọn lệnh hàm mục tiêu là hàm 2 biến O(u,ω) phải thực hiện hết với giá Công thức (15) và (17) là hàm mục tiêu thực hiện hành vi trị của tập các tham số điều khiển cho hai biến. Mặt khác do tránh vật và về đích đối với hai biến điều khiển u và ω. Giá trị hàm mục tiêu thực thi hành vi tránh vật thực hiện theo nguyên cuối cùng của biến điều khiển uˆ  U và ˆ  W phù hợp nhất lý robot chuyển theo đường cong quanh tâm quay ICC và giao với cả ba mục tiêu được xác định bởi: với vật nên chiếm nhiều thời gian khi xác định vị trí của vật. uˆ  arg max[  R _ OA (u), R _ GR (u)] Chính nguyên lý xác định hàm mục tiêu này làm robot khó về (18) đích với sai số nhỏ. Điều này thể hiện trong đáp ứng vận tốc u ˆ  arg max[  R _OA ( ), R _ GR ( )] và ω ở hình 9(d) với giá trị vận tốc chưa đạt tới 0 tại khoảng cách rất gần đích. Trong khi hàm mục tiêu xây dựng bằng Nghiệm tối ưu Pareto uˆ, ˆ được tìm theo phương pháp logic mờ cho phép robot đạt tới vị trí đích với sai lệch nhỏ Lexicographic [19] như sau: nhất, đáp ứng vận tốc tiến tới 0 khi ở vị trí gần đích như trong  Hành vi theo thứ tự quan trọng giảm dần: tránh vật, hình 9(b) và 9(f). Cấu trúc điều khiển CDB sử dụng siêu luật về đích (duy trì hướng đích và chuyển động nhanh). mờ xác định trọng số của các bộ điều khiển phụ thuộc vào  Quá trình loại bỏ tuần tự được thực hiện song song kinh nghiệm và trộn lệnh theo phương pháp giải mờ do đó đối với hai biến u và ω trên tập U và W cho đến khi nhiều khi đạt hiệu quả không cao. Vì thế mặc dù cấu trúc tìm được 1 nghiệm duy nhất hoặc giải hết cả P1 và CDB cho phép robot tới đích nhưng đường đi dài hơn và thời P2: gian xử lý lâu hơn so với khi sử dụng cấu trúc BBFM. uˆ : P1 : max  R _ OA (u), Thông số BBFM MOASMs CDB uU Quãng đường đi (m) 10.3587 11.0180 11.0171 P2 : max  R _ GR (u), U1 {u|u la nghiem cua P1} Thời gian tới đích (s) 28.262 414.542 36.4367 uU1 Sai số về đích (m) 0.05 0.2 0.05 (19) Bảng 3: So sánh kết quả của trường hợp 1 ˆ : P1: max  R _ OA ( ), W B. Trường hợp 2 P2 : max  R _ GR ( ), W1 { | la nghiem cua P1} Trường hợp 2 mô phỏng hoạt động của robot trong phòng thí W1 nghiệm với mô hình các vật cản là tường và vách ngăn. Robot xuất phát ban đầu với cấu hình (-7, -6, 0o) và yêu cầu di V. MÔ PHỎNG chuyển an toàn đến vị trí đích (-2.5, -1.5, 0o). Kết quả đạt Mô phỏng Monte-Carlo được thực hiện để đánh giá hiệu quả được thể hiện trên hình 10 với các đường đi khác nhau của ba của cấu trúc điều khiển dẫn đường hành vi BBFM đề xuất và cấu trúc điều khiển BBFM, MOASMs và CDB. Chỉ có cấu so sánh với các cấu trúc MOASMs và CDB điển hình. Các trúc điều khiển BBFM và CDB là đạt được yêu cầu dẫn đường tham số mô phỏng được thiết lập cho robot di động hai bánh đề ra, còn cấu trúc MOASMs không thực hiện được nhiệm vụ vi sai như sau: đường kính của bánh xe R = 0,05 m; khoảng dẫn đường về đích an toàn do xuất phát hướng đích ngay từ cách giữa hai bánh xe L = 0,6 m; vận tốc dài u trong khoảng ban đầu dẫn đến bị mắc vào góc kẹt. Hình 10(a) và một số [0, 1.3] m/s do đó vận tốc góc cực đại là ω = [-4.3 4.3] rad/s; thông số so sánh trong bảng 4 cho thấy đường đi của robot khi thời gian lấy mẫu của hệ thống TS = 100 ms; sai số cho phép sử dụng cấu trúc BBFM dễ dàng đạt tới đích với quãng đường của hệ thống khi về đích là khoảng cách  = 10-1 m. Mô hình đi ngắn và thời gian tới đích nhanh hơn so với khi sử dụng cấu cảm biến siêu âm được thiết lập như ở phần IV. trúc CDB. 454 454
  6. Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Hội Thảo Quốc Gia 2015 về Điện Tử, Truyền Thông và Công Nghệ Thông Tin (ECIT 2015) Thông số BBFM CDB được tạo nên bởi sự kết hợp giữa logic mờ và lý thuyết tối ưu Quãng đường đã đi (m) 9.3569 15.6649 đa mục tiêu thông qua ba bước thiết kế: phân tích vấn đề, thiết Thời gian tới đích (s) 12.092 24.153384 kế hàm mục tiêu và lựa chọn lệnh điều khiển. Hiệu quả hoạt Sai số về đích 0.1 0.1 động của cấu trúc điều khiển dẫn đường hành vi BBFM đề Bảng 4: So sánh kết quả của trường hợp 2 xuất đã được khẳng định qua chương trình mô phỏng có đánh 0 1.5 u giá so sánh với hai cấu trúc điều khiển dẫn đường hành vi điển -1 1 w hình MOASMs và CDB trong một số trường hợp dẫn đường -2 Start 0.5 khác nhau. Tính mô đun hóa, tính kế thừa và cài đặt dễ dàng -3 của cấu trúc BBFM cho phép mở rộng thêm các hành vi khác Y(m) -4 0 như deadend hay khẩn cấp...cùng với việc sử dụng thêm các -5 T arget -0.5 cảm biến khác như cảm biến ảnh, cảm biến địa bàn... để tăng -6 -1 cường khả năng dẫn đường trong môi trường phức tạp và hoàn -7 toàn áp dụng được cho các hệ thống dẫn đường thực tế. -10 -8 -6 -4 -2 0 -1.5 0 100 200 300 400 X(m) TÀI LIỆU THAM KHẢO (a) (b) [1] D.Driankov, H.Hellendoorn, M.Reinfrank, An introduction to fuzzy 0 4 u control, Springer, 2010 -1 3 w [2] Siegwart Roland and Nourbakhsh Illah R – Introduction to Autonomous -2 Start 2 Mobile Robots, The MIT Press Cambridge, Massachusetts London, 1 England, 2004. -3 [3] D. Nakhaeinia, S. H. Tang, S. B. Mohd Noor, and O. Motlagh, A review Y(m) 0 -4 -1 of control architectures for autonomous navigation of mobile robot, -5 T arget International Journal of the Physical Sciences, Vol 6(2), pp 169-174, -2 -6 January, 2011. -3 [4] R.A.Brooks, A robust layered control system for a mobile robot, IEEE -7 -10 -8 -6 -4 -2 0 -4 Journal of Robotics and Automation, 1986, pp14-23 0 50 100 150 X(m) [5] Dupre, M.E, GA optinized fuzzy control of an autonomous mobile (c) (d) robot, Faculty of Graduate Studies, University of Guelph, 2007 [6] M. Sugeno, Fuzzy hierarchical control of an unmanned helicopter, Proc 0 1.5 u of Int. Fuzzy System Association Conference, pp179-182, 1993 -1 1 w [7] A.Safiotti, A multivalued logic approach to integrating planning and -2 Start control, Artificial Intelligent, 481-526, 1995 0.5 -3 [8] Dorigo, M, Comombetti, M, Robot shaping: an experiment in behavior engineering, MIT Press/Bradford Books, 1997 Y(m) 0 -4 [9] R.C. Arkin, Motor-schema based mobile robot navigation, Int. J. Robot. -5 T arget -0.5 Res. 8 (4) (1989) 92–112. -6 -1 [10] Eduardo Freire, Teodiano Bastos- Filho, Mario Sarcinelli- Filho and Ricardo Carelli, A new mobile robot control approach via fusion of -7 -10 -8 -6 -4 -2 0 -1.5 0 100 200 300 400 control signals, IEEE transactions on system, mam and cybernetics – X(m) part B: cybernetics, Vol. 34, No.1, February 2004. (e) (f) [11] Aguirre E. & Gonzales A, Fuzzy behaviors for mobile robot navigation: Hình 9: Đường đi và đáp ứng vận tốc của robot với các cấu design, coordination and fusion, Int.J. of Approximate Reasoning, Vol, 25 pp, 255-289. trúc điều khiển khác nhau trong trường hợp 1: (a) và (b): [12] E.H.Ruspini, Fuzzy logic in the Flakey robot, In Proco of the Int.Conf BBFM, (c) và (d): MOASMs, (e) và (f): CDB on Fuzzy Logic and Neural Networks, 767-770, Iizuka, Japan, 1990 0 0 0 [13] A. Saffiotti, The uses of fuzzy logic in autonomous robot navigation, -1 -1 -1 Soft Computing, 180-197, Springer – Verlag 1997 -2 T arget -2 T arget -2 T arget [14] Andi Adriansyah, Shamsudin H. M. Amin, Genetic fuzzy system in -3 -3 -3 behavior based mobile robot, Politeknik Elektronika Negeri Surabaya – ITS, IES 2004 Y(m) Y(m) Y(m) -4 -4 -4 -5 -5 -5 [15] Amur S. Al Yahmedi and Muhammed A. Fatmi, Fuzzy Logic Based -6 St art -6 St art -6 St art Navigation of Mobile Robot, Recent Advances in Mobile Robotics, -7 -7 -7 ISBN: 978-953-307-909-7, InTech, DOI: 10.5772/25621, December, 14, -10 -8 -6 X(m) -4 -2 0 -10 -8 -6 X(m) -4 -2 0 -10 -8 -6 X(m) -4 -2 0 2011 [16] Hongwei Mo, Qirong Tang, and Longlong Meng, Behavior - based (a) BBFM (b) MOASMs (c) CDB fuzzy control for mobile robot navigation, Mathematical Problems in Hình 10: Đường đi của robot trong các cấu trúc điều khiển dẫn Engineering, Volume 2013, Article ID 561451, 2013 đường khác nhau trong trường hợp 2 [17] P. Pirjanian, Multiple objective behavior-based control, Robotics and Kết quả mô phỏng cùng đánh giá so sánh với các cấu trúc điều Autonomous Systems 31 (2000) 53–60, Elsevier. [18] Nguyen Thi Thanh Van, Phung Manh Duong, Tran Thuan Hoang, Tran khiển điển hình khác trong môi trường hoạt động khác nhau ở Quang Vinh, “Mobile Robot Localization using fuzzy neural network trên đã khẳng định hiệu quả của cấu trúc điều khiển dẫn based extended kalman filter”, Journal of Computer Science and đường hành vi BBFM đề xuất Cybernetics, vol.29 no.2, 2013, p119-131. [19] Adrian Gambier, Essameddin Badreddin, Multi objective optimal VI. KẾT LUẬN control, 16th IEEE International Conference on Control Applications, Part of IEEE Multi conference on systems and control, Singapore, Một cấu trúc điều khiển dẫn đường hành vi BBFM cho Octerber, 2007. robot di động đã được đề xuất trong bài báo. Cấu trúc BBFM 455 455
nguon tai.lieu . vn
Kiến trúc - Xây dựng Tự động hoá Điện - Điện tử Kĩ thuật Viễn thông Cơ khí - Chế tạo máy Năng lượng Hoá dầu Hoá học Sinh học