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.

واژه‌های کلیدی: توابع عضویت فازی، دوچرخه بدون سرنشین، سیستم طبقه بند یادگیرنده، کنترل پایداری

متن کامل [PDF 397 kb]   (4550 دریافت)