كنترل تعادل دوچرخه بدون سرنشين با استفاده از يك سيستم طبقه‌بند بهبوديافته

Balance control of an unmanned bicycle using an improved classifier system

در اين مقاله، استفاده از يك سيستم طبقه‌بند يادگيرنده بهبود يافته براي كنترل تعادل دوچرخه بدون سرنشين در حال حركت پيشنهاد شده است. ويژگي بارز سيستمهاي مزبور، بينيازي از مدل ديناميكي سيستم و توانايي يادگيري رفتار سيستم بهكمك مجموعهاي از حركتها در محيط واقعي (نظير فرايند يادگيري موجودات هوشمند) است. بر خلاف پژوهشهاي پيشين كه در آنها دامنه متغيرهاي خروجي كنترلگر بصورت گسسته در نظر گرفته شده و به همين دليل استفاده از آنها در كاربردهاي واقعي عملاً ناممكن شده است، در پژوهش حاضر كارايي سيستم طبقه‌بند يادگيرنده با استفاده از تعريف دامنه پيوسته براي خروجيهاي آن ارتقا پيدا كرده و سپس از آن براي كنترل تعادل دوچرخه بدون سرنشين استفاده شده است. براي اين كار با استفاده از توابع عضويت فازي، امكان تعريف دامنه متغيرهاي خروجي بصورت پيوسته فراهم شده است. سيستم پيشنهادي همچنين داراي يك مكانيزم تخصيص پاداش پوياست كه براي مقابله با پاسخ تاخيري دوچرخه كه ناشي از جرم آن است، ابداع شده است. با استفاده از اين مكانيزم، امكان محاسبه سريع پاسخ فراهم شده و استفاده از كنترلگر در كاربردهاي زمان- حقيقي مانند كنترل وسايل بدون سرنشين امكان پذير ميگردد. بهمنظور نشان دادن كارايي سيستم بهبوديافته پيشنهادي، يك مدل استاندارد از دوچرخه با دو درجه آزادي مورد استفاده قرار گرفته است. نتايج شبيهسازي نشان ميدهد كه سيستم پيشنهاد شده نسبت به سيستمهاي طبقهبند مرسوم و همچنين نسبت به برخي استراتژيهاي كنترلي مرسوم گزارش شده در پژوهشهاي پيشين بهتر عمل ميكند.

In the present article, an improved Learning Classifier System (LCS) is proposed to control the balance of a moving unmanned bicycle. A significant characteristic of learning classifier systems is that they can learn through a set of system actions in the real world (similar to intelligent creatures) while no dynamic model of the system is needed. Contrary to studies reported in the literature where action domain of the controller is discrete and accordingly such controller cannot be used in real world applications, in the present study efficacy of the classifier system is enhanced by definition of continuous domain for the outputs, and then is used to control the balance of unmanned bicycle. A scheme based upon fuzzy membership functions is proposed which makes it possible for the domain of actions to be continuous. The proposed LCS features a dynamic reward assignment mechanism which is invented to cope with the bicycle’s delayed response due to its mass inertias. This allows the rapid calculation of the reward and hence enables the controller to be used in such real time applications as the balance control of unmanned vehicles. A standard 2 degree of freedom (2-DOF) bicycle model is employed to demonstrate the efficiency of the enhanced LCS. Simulation results show that the proposed classifier system outperforms traditional classifier system as well as some of the more common balance-control strategies reported in the literature.