Control of autonomous mobile robot by quantitative inference

Abstract

Dans cette thèse, nous décrivons une nouvelle forme de conception de contrôleur neuro-flou-génétique pour un système non linéaire dérivé d'un robot manipulateur et d'un robot mobile. La méthode proposée combine la logique floue et les réseaux de neurones qui sont de plus en plus utilisés en robotique, le contrôleur neuroflou ne nécessite pas la connaissance des valeurs des paramètres du robot. En outre, les algorithmes génétiques pour la planification de mouvements complexes de robots nécessitent une fonction d'évaluation qui prend en compte plusieurs facteurs. Un algorithme d'optimisation basé sur les algorithmes génétiques est appliqué afin de fournir la forme la plus adéquate des sous-ensembles flous considérés comme des fonctions d'interpolation. L'approche proposée fournit un bon apprentissage de la dynamique du robot quelle que soit la tâche assignée. les résultats de simulation et pratiques illustrent l'efficacité de la stratégie proposée. Les avantages de la méthode proposée et les possibilités d'améliorations supplémentaires sont discutés.