W artykule pokazano sposób wykorzystania sieci neuronowych do modelowania układów dynamicznych. Sygnały wykorzystane w analizie i symulacji numerycznej otrzymano z obiektu rzeczywistego - minirobot mobilny. Obliczenia numeryczne wykonano w środowisku programu MATLAB TM/Simulink. Przedstawiono również szczegółowo budowę układu z członem kompensującym i stabilizującym wykonanym za pomocą sieci neuronowych.
EN
The article demonstrates the mode of utilization of neural network to simulate dynamic systems. Signals put upon in analysis and simulation numeric were received from real object-mobile minirobots. Numerical calculations have been done in the Matlab TM -Simulink programme environment. This paper discusses in detail build from the compensating element of the system and stabilising executed with the help of neural networks.
W artykule przedstawiono propozycję realizacji elementarnych zachowań, mobilnego minirobota, typu "idź do celu" i znajdź środek wolnej przestrzeni". W prezentowanym rozwiązaniu zastosowano hierarchiczny układ sterowania. W ramach niskiego poziomu sterowania ruchem nadążnym mobilnego robota kołowego zastosowano adaptacyjny układ realizujący zadaną trajektorię. Generację trajektorii zdeterminowaną warunkami zewnętrznymi uzyskano z nadrzędnego neuronowego ukałdu sterowania. Symulację zaproponowanych rozwiązań przeprowadzono w pakiecie. Matlab/Simulink. Ponadto zaproponowano ich połączenie z wykorzystaniem sieci neuronowych typu WTA, realizując w ten sposób zachowanie "idź do celu z ominięcim przeszkód". Uzyskane rozwiązania zweryfikowano na obiekcie rzeczywistym w zaproponowanym przez autora środowisku szybkiego prototypowania.
EN
Expansion of the range of robot task and an increase in robot automony created a need to generate trajectories on-line to avoid collisions with obstacles in the workspace while approaching a given goal point. In this paper we discuss two main behaviors: "a reaching the middle of a collisio-free space", "a goal-seeking". For this purposes we propose using hierarchical controllers which include low-level controllers and upper-level controllers an upper-level controllers. As low-level controller we use an adaptive controller which enables trajectory tracking. It is generated in accordance to one of the elementary behaviors considering unknown environment. For this purpose we use algorithm based on Braitenberg`s principles modified for nonholonomic mobile robot. All simulations are made using emulator of mobile robot created in Matlab/Simulink. To verify working of mentioned algorithm on the real object there was created new testing station based on software Matlab 6.5/Simulimk 5.0 applying additional toolbox Real Time Windows target 2.2 LPT port enables communication between controller of mobile robot and control algorithm in RTWT. The proposed approach enables generating and tracking trajectory for mobile robot in real time. The results obtained in all simulations confirmed effectiveness of path planning and control strategy.
W artykule pokazano sposób wykorzystania algorytmów rozmytych do modelowania dynamiki układów. Sygnały wykorzystane w analizie i symulacji numerycznej otrzymano z obiektu rzeczywistego - minirobot mobilny. Obliczenia numeryczne wykonano w środowisku programu MatlabTM/Simulink. Przedstawiono również szczegółowo budowę układu z członem kompensujacym i stabilizującym wykonanym z wykorzystaniem algorytmów rozmytych jak również porównanie do układu z wykorzystaniem sieci neuronowych.
EN
The article demonstrate mode of utilization of fuzzy logic to simulation of dynamic systems. Real data, received from real object - mobile minirobot, has been used to simulations and analysis. Numerical calculations have been done in the MatlabTM-Simulink programme environment. Detailed structure of system with fuzzy logic compensates and stabilizing element has been shown and comparison to system with neural network.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.