کنترل بازوی انعطاف پذیر Quanser بر اساس شبکه عصبی- فازی

نوع فایل :word 

تعداد صفحات :۱۱۲

در این نوشتار، به بررسی به کارگیری کنترل عصبی- فازی با الگوریتم آموزش عاطفی برای کنترل بازوی انعطاف پذیر Quanser پرداخته شده است. توصیف دقیق دینامیک سیستم بازوی انعطاف پذیر به دلیل ویژگی های مدل بازوی انعطاف پذیر از جمله مدل غیرخطی، متغیر با زمان و با مرتبه بالا(از نظر تئوری بی نهایت)،  کار بسیار پیچیده ای است. به همین دلیل کنترل کننده هایی که طراحی آنها به صورت آزاد از مدل صورت می گیرد، می توانند گزینه مناسبی برای کنترل بازوی انعطاف پذیر باشند تا با استفاده از بهترین دانش موجود بتوان با نا معینی های موجود در مدل ساده شده روبرو شد. از جمله روش های کنترلی آزاد از مدل روش های کنترل عصبی و فازی می باشند. از این میان روش کنترل عصبی- فازی به دلیل بهره گیری از ویژگی های قانونمند و مقاوم بودن کنترل فازی و ویژگی های نگاشت غیر خطی، توانایی برخورد با عدم قطعیت ها و طبیعت تطبیقی کنترل عصبی، انتخاب شده است. از طرف دیگر، در کنترل کننده های فازی و عصبی- فازی نسبت به کنترل کننده های عصبی میزان حساسیت به شرایط اولیه نیز کاهش می یابد که این امر در پیاده سازی کنترل کننده روی مدل واقعی بیشتر خود را نشان می دهد. تحت عملگر بودن بازوی انعطاف پذیر نیز یکی از دلایلی است که انتخاب روش های کنترلی بهینه ساز را برای این سیستم مناسب می سازد. از آنجا که الگوریتم های آموزش روش های هوشمند تطبیقی هم همواره در جهت بهینه کردن یک تابع هدف پیش می روند، روش های هوشمند انتخاب مناسبی محسوب می شوند. در این تحقیق، الگوریتم آموزش عاطفی را انتخاب کردیم زیرا وقتی به دلیل وجود عدم قطعیت ها و حجم محاسبات، یک تصمیم گیری کاملا منطقی و مستدل غیر ممکن می شود، آنگاه می توان از عواطف به عنوان یک روش تقریبی برای انتخاب تصمیم مناسب استفاده کرد. در آموزش عاطفی، یک نسخه شناختی از آموزش تقویتی نشان داده می شود که در آن یک سیگنال نقاد به طور مداوم نتایج سیستمی را که با فرمان کنترلی انتخاب شده کار می کند، بر حسب معیار های عملکرد ارزیابی می کند و وظیفه آموزش کنترل کننده را بر عهده دارد. با استفاده از الگوریتم آموزش عاطفی جهت تطبیق پارامتر های کنترل کننده عصبی- فازی، پارامتر های قابل تنظیم آن شامل مراکز دسته بخش تالی و مراکز دسته و انحراف معیار توابع گوسین در بخش مقدم از طریق این الگوریتم آموزش داده شده و به صورت بهنگام به روز رسانی می شوند.