كنترل و رديابي مسير بهينه غيرخطي ربات همه سو گرد چهارچرخ مكانوم با استفاده از يادگيري تقويتي

كارشناسي ارشد

در اين پايان‌نامه، راهكاري براي رديابي بهينه‌ي مسير مطلوب به شكل برخط، مبتني بر يادگيري تقويتي، توسط ربات متحرك همه‌جهته به‌عنوان يك سيستم غيرخطي و داراي پيچيدگي زياد ديناميكي، ارائه‌شده است. چالش اساسي در پياده‌سازي كنترل‌كننده‌ي بهينه بر روي ربات‌هاي متحرك همه‌جهته‌ي چهارچرخ مكانوم، پيچيدگي سيستم و متعاقباً نامعيني قابل‌توجه در مدل رياضي حركت ربات مي‌باشد. علاوه بر آن، عمده‌ي رويكردهاي كنترلي بهينه به‌صورت برون‌خط براي سيستم طراحي مي‌شوند كه عملاً براي يك سيستم با معيني بالا غيركاربردي هستند. يادگيري Q قادر است بدون نياز به مدل رياضي سيستم و تنها با داده‌هاي اندازه‌گيري شده از محيط پاسخ معادله بهينه‌سازي هميلتون-بلمن-ژاكوبي را براي سيستم غيرخطي به‌صورت برخط و در زمان واقعي بيابد. به‌منظور عدم نياز به مدل، از يك شبكه‌ي عصبي به نام شبكه عصبي نقاد به جهت تخمين تابع Q استفاده مي‌شود. وزن‌هاي اين شبكه با الگوريتم حداقل مربعات بازگشتي در هرلحظه محاسبه مي‌شوند. قانون كنترلي بهينه از تقريب تابع Q بهينه حاصل‌شده توسط شبكه عصبي حاصل و به ربات جهت رديابي مسير مطلوب از پيش تعيين‌شده اعمال مي‌شود. در هر گام تابع Q و قانون كنترلي تا زمان همگرايي، با استفاده از الگوريتم تكرار سياست و به روش برون-سياست حساب مي‌شوند. بدين معنا كه يك قانون كنترلي اوليه پايدارساز به سيستم اعمال‌شده و ربات متحرك شروع به رديابي مسير مطلوب مي‌كند. هم‌زمان، فرآيند يادگيري بر طبق الگوريتم يادگيري Q تا زمان همگرايي قانون كنترلي بهينه ادامه يافته و درنهايت اين سياست جايگزين قانون كنترلي اوليه در سيستم كنترلي شده و رديابي مسير از آن لحظه به‌صورت بهينه صورت مي‌پذيرد. نتايج شبيه‌سازي گواه بر آن است كه در اين حالت انرژي سيگنال كنترلي به‌مراتب كمتر از كنترل‌كننده‌هاي متداول ديگر، ازجمله كنترل‌كننده تناسبي-انتگرالي است. علاوه بر آن رديابي مسير نيز با دقتي بيشتر صورت مي‌پذيرد كه نشان مي‌دهد مي‌تواند براي پياده‌سازي عملي مناسب باشد.

208705

دانشگاه علم و صنعت ايران

مهندسي برق كنترل

دكتر سهيل گنجه فر