پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شماره‌ها | 655 |
| تعداد مقالات | 9,583 |
| تعداد مشاهده مقاله | 68,542,682 |
| تعداد دریافت فایل اصل مقاله | 47,999,734 |
طراحی یک سیستم کنترل‌کننده فازی سلسله مراتبی به منظور هدایت ربات و پیشگیری از برخورد با موانع | ||
| مدل سازی در مهندسی | ||
| دوره 22، شماره 78، آبان 1403، صفحه 317-327 اصل مقاله (1.77 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2024.26135.2218 | ||
| نویسندگان | ||
| علیرضا مکوندی1؛ حسام مکوندی* 2؛ سید احسان علوی3 | ||
| 1دانشجوی کارشناسی ارشد مکاترونیک، واحد آبادان، دانشگاه آزاد اسلامی، آبادان، ایران | ||
| 2استادیار گروه مکاترونیک، واحد آبادان، دانشگاه آزاد اسلامی، آبادان، ایران | ||
| 3استادیار، دانشکده مهندسی، گروه مهندسی مکانیک، دانشگاه شهید چمران اهواز- پردیس صنعتی شهدای هویزه، دشت آزادگان، ایران | ||
| تاریخ دریافت: 26 بهمن 1400، تاریخ بازنگری: 09 خرداد 1402، تاریخ پذیرش: 28 بهمن 1402 | ||
| چکیده | ||
| از مزایای کنترل فازی به عنوان یک کنترلر هوشمند، عدم نیاز به محاسبات تکراری و همچنین قابلیت استفاده از تجربه کارشناسان در زمینه کنترل حرکت رباتها در محیط های ناشناخته میباشد. لذا میتوان به جای استفاده از حل یک مسئله بهینه و فرموله کردن قوانین، از روش کنترل فازی برای انتقال این قوانین به صورت بیقاعده به ربات و یا مجموعهی رباتها استفاده نمود. معماری کنترل‌کننده فازی پیشنهادی در این پژوهش از سه عامل تشکیل شده است: عامل ناوبری ربات، که با یک کنترل‌کننده مبتنی بر فازی به کنترل ربات در رسیدن به نقطه هدف کمک میکند. عامل اجتناب از مانع، که با استفاده از یک کنترل فازی سلسله مراتبی وظیفه دور نگه داشتن ربات از موانع را بر عهده دارد و یک عامل ادراک که با استفاده از هشت حسگر اطلاعات لازم در مورد محیط را ارائه میدهد. برای هماهنگی میان عوامل نامبرده، تابع ارزش به منظور حذف موقعیتهای تضاد بین عاملها ارائه شده است. نتایج شبیه سازی تاییدکننده اثربخشی و کارایی روش پیشنهادی ارائه شده است، به طوری که ربات میتواند بدون برخورد با موانع در محیطی با موانع مختلف به موقعیت هدف برسد. | ||
| کلیدواژه‌ها | ||
| مسیریابی هوشمند؛ کنترل فازی سلسله مراتبی؛ ربات سیار؛ تابع ارزش؛ کنترل فازی نوع دوم | ||
| عنوان مقاله [English] | ||
| Design of a Hierarchical Fuzzy Control System to Guide the Robot and Prevent Collisions with Obstacles | ||
| نویسندگان [English] | ||
| Alireza Makvandi1؛ Hesam Makvandi2؛ Sayed Ehsan Alavi3 | ||
| 1MSc Student, Department of Engineering, Abadan Branch, Islamic Azad University, Abadan, Iran | ||
| 2Assistant Professor, Department of Engineering, Abadan Branch, Islamic Azad University, Abadan, Iran | ||
| 3Assistant Professor, Faculty of Engineering, Shohadaye Hoveizeh Campus of Technology, Shahid Chamran University of Ahvaz, DashteAzadegan, Iran | ||
| چکیده [English] | ||
| Among the advantages of utilizing fuzzy control as an intelligent controller, one can name the elimination of the need for repetitive calculations as well as the ability to use the experience of experts in controlling the robots' motions in uncharted environments. Instead of solving an optimization problem or formulating rules, the fuzzy control method can transfer these rules irregularly to a robot or a group of robots. The fuzzy controller proposed in the current contribution consists of three agents: A robot navigation agent, which helps the robot reach the target point using a fuzzy-based controller, an obstacle avoidance agent which exploits a hierarchical fuzzy control to keep the robot away from obstructions, and a perception agent that employs eight sensors to provide the required information concerning the environment. A value function is proposed to coordinate the aforementioned factors eliminating possible conflict scenarios. The simulation results confirm the effectiveness and efficiency of the proposed approach. Moreover, it is shown that the robot can reach the target point without colliding with obstacles. | ||
| کلیدواژه‌ها [English] | ||
| Smart routing, Hierarchical fuzzy control, Mobile robot, Value function, Fuzzy control type II | ||
| مراجع | ||
|
[1] C.G. Cena, P.F. Cardenas, R.S. Pazmino, L. Puglisi, and R.A. Santonja. "A cooperative multi-agent robotics system: Design and modelling." Expert Systems with Applications 40, (2013): 4737-4748. [2] B. Innocenti, B. López, and J. Salvi. "A multi-agent architecture with cooperative fuzzy control for a mobile robot." Robotics and Autonomous Systems 55, (2007): 881-891. [3] Y. Ono, H. Uchiyama, and W. Potter. "A mobile robot for corridor navigation: a multi-agent approach." In Proceedings of the 42nd annual Southeast regional conference, (2004): 379-384. [4] D.I. Katzourakis, J.C. de Winter, M. Alirezaei, M. Corno and R. Happee. "Road-departure prevention in an emergency obstacle avoidance situation." IEEE Transactions on Systems, Man, and Cybernetics: Systems 44, no. 5 (2014): 621-629. [5] M.W. Mehrez, G.K. Mann, and R.G. Gosine. "An Optimization Based Approach for Relative Localization and Relative Tracking Control in Multi-Robot Systems." Journal of Intelligent & Robotic Systems, (2017): 1-24. [6] A. Bakdi, A. Hentout, H. Boutami, A. Maoudj, O. Hachour and B. Bouzouia. "Optimal path planning and execution for mobile robots using genetic algorithm and adaptive fuzzy-logic control." Robotics and Autonomous Systems 31, no. 89 (2017): 95-109. [7] S. Mohammadrezaei Nodeh, M.H. Ghasemi, H.R. Mohammadi Daniali. "Hybrid Control of Fuzzy Type 2-Neural Network and Higher Order Sliding Mode for Robotic Manipulator with Parametric Uncertainties and Perturbations." Journal of Mechanical Engineering of Tabriz University 51, no. 1 (2021): 228-219 (In Persian). [8] S.D.N. Tanha, M.H. Korayem, S.F. Dehkordi. "Path Design and Control of a Moving Social Robot in an Environment with Moving Obstacles in Order to Reach a Moving Target through Fuzzy Control." Amirkabir Journal of Mechanical Engineering 53, no. 2 (2021): 1-22. (in Persian) [9] V. Tikani, H. Shahbazi. "Design and Implementation of Pure Fuzzy Controller for Attitude Control of Quadrotor using Kalman Filterl." Journal of Mechanical Engineering of Tabriz University 48, no. 2 (2018): 65-73. (in Persian) [10] A. Ghanavati, M.J. Mahmoodabadi, M. Beigzadeh Abbasi. " Optimal Design of the Proportional-Integral-Derivative Fuzzy Controller for a Three Degree-of-Freedom Plane Cable Robot based on Krill Herd Optimization. " Journal of Mechanical Engineering of Tabriz University 51, no. 1 (2021): 183-192. (in Persian) [11] P. Wei, X. Yu, Z. Di, X. Dai, B. Wang, Y. Zeng. "Design of robot automatic navigation under computer intelligent algorithm and machine vision." Journal of Industrial Information Integration 28, (2022): 10-21. [12] L. Chang, L. Shan, W. Zhang, Y. Dai. "Hierarchical multi-robot navigation and formation in unknown environments via deep reinforcement learning and distributed optimization.” Robotics and Computer-Integrated Manufacturing 23 (2023): 102570. [13] Y. Yu, Y. Liu, J. Wang, N. Noguchi, Y. He. "Obstacle avoidance method based on double DQN for agricultural robots." Computers and Electronics in Agriculture 204 (2023): 107546. [14] G.V.S. Raju, J. Zhou, and R.A. Kisner. "Hierarchical fuzzy control." International Journal of Control 54, no. 4 (1991): 1201–1216. [15] M.G. Joo and J.S. Lee. "Hierarchical fuzzy control scheme using structure Takagi-Sugeno type fuzzy inference." IEEE Int. Fuzzy Systems (1995). [16] M.L. Lee, H.Y. Chung, and F.M. Yu. "Modeling of hierarchical fuzzy systems." Fuzzy Sets and Systems 138, (2003): 343–361. | ||
|
آمار تعداد مشاهده مقاله: 413 تعداد دریافت فایل اصل مقاله: 302 |
||