Planowanie ruchu mobilnego robota kołowego z zastosowaniem algorytmów z logiką rozmytą

W artykule zaprezentowano hierarchiczny układ sterowania ruchem mobilnego robota kołowego w nieznanym środowisku ze statycznymi przeszkodami. Układ sterowania składa się z dwóch warstw, warstwy planowania trajektorii ruchu oraz warstwy realizacji ruchu. Warstwa planowania trajektorii generuje bezkolizyjną trajektorię ruchu robota w złożonym zadaniu typu „podążaj do celu z omijaniem przeszkód”. W warstwie planowania trajektorii ruchu zastosowano metody sztucznej inteligencji w formie układów z logiką rozmytą. Warstwę podrzędną hierarchicznego układu sterowania stanowi neuronowy algorytm sterowania ruchem nadążnym, w którym zastosowano algorytm aproksymacyjnego programowania dynamicznego w konfiguracji dualnego heurystycznego programowania dynamicznego, zrealizowany w formie dwóch struktur: aktora i krytyka. W strukturach aktora i krytyka zastosowano sztuczne sieci neuronowe z wagami warstwy wejściowej dobieranymi w sposób losowy w procesie inicjalizacji sieci i sigmoidalnymi bipolarnymi funkcjami aktywacji neuronów. Poprawności procesu generowania i realizacji trajektorii ruchu zweryfikowano poprzez serię testów numerycznych przeprowadzonych w środowisku obliczeniowym Matlab/Simulink z zastosowaniem emulatora mobilnego robota kołowego oraz toru pomiarowego.

---

In the article the hierarchical control system of the wheeled mobile robot movement in the unknown environment with static obstacles was presented. The control system consists of two layers, the path planning layer and the tracking control layer. The path planning layer generates the collision-free trajectory of the robot in the complex “goal seeking and obstacle avoiding” task. In the path planning layer fuzzy logic systems were used. The subordinate layer of the hierarchical control system was the neural tracking control algorithm. In that layer the approximate dynamic programming algorithm in the dual heuristic dynamic programming configuration was used. It was realised in a form of two structures: the actor and the critic. In both the actor and the critic structures artificial neural networks with input layer weights chosen randomly in the network initialization process and sigmoidal bipolar neuron activation functions were used. Performance evaluation of the trajectory of generating and realisation processes was verified by the series of numerical tests performed in the Matlab/Simulink computational environment, using the wheeled mobile robot emulator and the laboratory environment emulator.