این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۵، شماره ۱۰، صفحات ۲۶۹-۲۷۸
عنوان فارسی کنترل تعادل دوچرخه بدون سرنشین با استفاده از یک سیستم طبقه‌بند بهبودیافته
چکیده فارسی مقاله در این مقاله، استفاده از یک سیستم طبقه بند یادگیرنده بهبود یافته برای کنترل تعادل دوچرخه بدون سرنشین در حال حرکت پیشنهاد شده است. ویژگی بارز سیستم های مزبور، بی نیازی از مدل دینامیکی سیستم و توانایی یادگیری رفتار سیستم به کمک مجموعه ای از حرکت های تصادفی در محیط واقعی است. بر خلاف پژوهش های پیشین که در آن ها دامنه متغیرهای خروجی کنترل گر بصورت گسسته در نظر گرفته شده و به همین دلیل استفاده از آن ها در کاربردهای واقعی عملا ناممکن شده است، در پژوهش حاضر کارآیی سیستم طبقه بند یادگیرنده با استفاده از تعریف دامنه پیوسته برای خروجی های آن ارتقا پیدا کرده و سپس از آن برای کنترل تعادل دوچرخه بدون سرنشین استفاده شده است. برای این کار با استفاده از توابع عضویت فازی، امکان تعریف دامنه متغیرهای خروجی بصورت پیوسته فراهم شده است. سیستم پیشنهادی همچنین دارای یک مکانیزم تخصیص پاداش پویاست که برای مقابله با پاسخ تاخیری دوچرخه که ناشی از جرم آن است، ابداع شده است. با استفاده از این مکانیزم، امکان محاسبه سریع پاسخ فراهم شده و استفاده از کنترل گر در کاربردهای زمان- حقیقی مانند کنترل وسایل بدون سرنشین امکان پذیر می گردد. به منظور نشان دادن کارایی سیستم پیشنهادی، یک مدل استاندارد دوچرخه با دو درجه آزادی مورد استفاده قرار گرفته است. نتایج شبیه سازی نشان می دهد که سیستم پیشنهاد شده نسبت به سیستم های طبقه بند مرسوم و همچنین نسبت به برخی استراتژی های کنترلی مرسوم گزارش شده در پژوهش های پیشین بهتر عمل می کند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Balance Control of an Unmanned Bicycle using an Improved Classifier System
چکیده انگلیسی مقاله In the present article, an improved Learning Classifier Systems (LCS) is proposed to control the balance of a moving unmanned bicycle. Significant characteristics of learning classifier systems is that they can learn through a set of system actions in the real world (similar to intelligent creatures) while no dynamic model of the system is needed. Contrary to studies reported in the literature where action domain of the controller is discrete and accordingly such controller cannot be used in real world applications, in the present study efficacy of the classifier system is enhanced by definition of continuous domain for the outputs, and then is used to control the balance of unmanned bicycle. A scheme based upon fuzzy membership functions is proposed which makes it possible for the domain of actions to be continuous. The proposed LCS features a dynamic reward assignment mechanism which is invented to cope with the bicycle’s delayed response due to its mass inertias. This allows the rapid calculation of the reward and hence enables the controller to be used in such real time applications as the balance control of unmanned vehicles. A standard 2 degree of freedom (2-DOF) bicycle model is employed to demonstrate the efficiency of the enhanced LCS. Simulation results show that the proposed classifier system outperforms traditional classifier system as well as some of the more common balance-control strategies reported in the literature.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سعید هاشم نیا |
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مسعود شریعت پناهی |
دانشکده فنی دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://mme.modares.ac.ir/article_13374_de004089e7ba707d9011ce3a69b0195e.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-227845.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات