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

نوع فایل :word 

تعداد صفحات :۸۶

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 داده­ های غیر قطعی و نویزی، پاسخ سریع و پیاده سازی آسان، ابزاری کار­آمد برای حل مساله­ ی 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 شده ­اند، 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 آمده­ اند. هدف، طراحی الگوریتم ناوبری انعطاف ­پذیری 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 شبیه­ سازی 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.