Автоматическая генерация базы нечетких правил на основе числовых данных для управления мобильным роботом с гусеничным шасси

Евгений Анатольевич Пташко, Виктор Иванович Ухоботов

Аннотация


В данной работе рассматривается актуальная на данный момент проблема генерации набора нечетких правил для системы нечеткого вывода Мамдани на основе числовых данных, получаемых в процессе обучения управляемой системы. Предлагаемый в статье подход к решению данной проблемы базируется на алгоритмах четкой и нечеткой кластеризации, таких как алгоритм горной кластеризации и алгоритм Густафсона—Кесселя. Он позволяет значительно упростить процесс формирования набора нечетких правил и минимизировать участие человека в этом процессе, позволяя автоматически подбирать количество правил, а также определять все необходимые параметры каждого из них. Для реализации предложенного подхода были написаны две компьютерные программы. Первая из них собирает числовые данные при управлении человеком гусеничной тележкой. На основе собранных данных эта программа строит базу нечетких правил управления гусеничным шасси. Эта база нечетких правил и ее компьютерная реализация в дальнейшем используется во второй программе для автоматизированного управления мобильным роботом на гусеничном шасси на плоскости при помощи изменения силы тяги каждой из гусениц в зависимости от положения цели, к которой робот должен приблизиться на заданное расстояние.

Ключевые слова


система нечеткого вывода; нечеткая кластеризация; компьютерная реализация

Полный текст:

PDF

Литература


Wong J.Y. Theory of Ground Vehicles, 3rd Edition. Wiley-Interscience, 2001. 284 p.

Zabavnikov N.А. Osnovy teorii transportnykh gusenichnykh mashin [The Fundamentals of the Theory of Transport Caterpillar Vehicles]. М.: Mechanical Engeneering, 1975. 448 p.

Kolesnikov А.А. Sinergeticheskaya teoriya upravleniya [Synergetic Theory of Management]. М.: Energoatomizdat, 1994. 344 p.

Scliarov А.А., Scliarov S.А. Synergetic Control of Tracked Mobile Robot. Izvestiya YuFU. Tekhnicheskie nauki [SFU News. Technical Science]. 2011. no. 6. pp. 118–125. (in Russian)

Zadeh L.A. The Concept of a Linguistic Variable and its Application to Approximate Reasoning. American Elsevier Publishing Company, New York, 1973. 161 p.

Castro J.L. Fuzzy Logic Controllers are Universal Approximators. IEEE Transactions on Systems, Man and Cybernetics. Part B: Cybernetics. 1995. vol. 25. pp. 629–635. DOI: 10.1109/21.370193

Kosko B. Fuzzy Systems as Universal Approximators. IEEE Transactions on Computers. 1994. vol. 43, no. 11. pp. 1329–1333. DOI: 10.1109/12.324566

Mamdani E.H. Application of Fuzzy Logic to Approximate Reasoning Using Linguistic Synthesis. IEEE Transactions on Computing. 1977. vol. 26. pp. 1182–1191. DOI: 10.1109/TC.1977.1674779

Wang L.X. Fuzzy Systems are Universal Approximators. Proceedings of IEEE International Conference on Fuzzy Systems (San Diego, CA, USA, March, 8 – March, 12, 1992). IEEE Xplore Press, 1992. pp. 1163–1169. DOI: 10.1109/FUZZY.1992.258721

Ukhobotov V.I. Izbrannye glavy teorii nechetkikh mnozhestv. [Selected Chapters of the Theory of Fuzzy Sets]. Chelyabinsk, Publishing of the Chelyabinsk State University, 2011. 245 p.

Ukhobotov V.I. Simulation of a Given Motion of a Five-Link Mechanism. Vestnik Yuzho-Uralskogo gosudarstvennogo universiteta. Vychislitel’naya matematika i informatika [Bulletin of South Ural State University. Series: Computational Mathematics and Informatics]. 2013. vol. 2, no. 3. pp. 104–110. (in Russian)

Cordon O., F. Herrera, P. Villar. Generating the Knowledge Base of a Fuzzy Rule-Based System by the Genetic Learning of the Data Base. IEEE Transactions on Fuzzy Systems. 2001. vol. 9, no. 4. pp. 667–674. DOI: 10.1109/91.940977

Sergeev L.V. Teoriya tanka. [Tank Theory]. Military Order of Lenin Red Banner Academy of Armored Forces Named After Marshal of the Soviet Union R.Ya. Malinovsky, 1973. 496 p.

Hartigan J. Clustering Algorithms. Wiley, New York, NY, 1975. 351 p.

Gustafson D.E., Kessel W.C. Fuzzy Clustering With a Fuzzy Covariance Matrix. Proceedings IEEE Conference on Decision and Control Including the 17th Symposium on Adaptive Processes. (San Diego, CA, USA, January, 10 – January, 12, 1978). IEEE Xplore Press, 1978. pp. 761–766. DOI: 10.1109/CDC.1978.268028

Chiu S., Fuzzy Model Identi cation Based on Cluster Estimation. Journal of Intelligent & Fuzzy Systems. 1994. vol. 2, no. 3. pp. 267–278. DOI: 10.3233/IFS-1994-2306




DOI: http://dx.doi.org/10.14529/cmse170304