مدلسازی رفتار چشم انسان براساس تعقیب حرکت با استفاده از کنترلر فازی بهینۀ مربع خطی

انتخاب مدل ریاضی حرکت چشم تاثیر مهمی در تحقیقات علمی داشته است. این پژوهش در ادامه این تحقیقات به مدلسازی یک بازوی رباتیک کنترلی انجام شد که با تعقیب حرکت چشم انسان طراحی می‌شود؛ به طوری که در ابتدا ساختار چشم انسان به‌طور کامل، بررسی و سپس با بررسی مدل‌های پیشین یک مدل، معادل یک ربات دو درجه آزادی برای آن ارائه می‌شود. در ادامه با طراحی و شبیه‌سازی یک کنترل‌کنندۀ بهینۀ مربع خطی روی سیستم مدنظر نتیجۀ آن به مدلسازی ربات چشم یک کنترل‌کننده به‌منظور ردیابی برای سیستم مدنظر می‌انجامد که با شبیه‌سازی این کنترل‌کننده نتایج آن نشان داده می‌شود. در این مقاله، نحوۀ طراحی کنترل‌کنندۀ فازی برای سیستم مدنظر با ارائۀ نتایج شبیه‌سازی حاصل از آن تشریح می‌شود. درنهایت، عملکرد دو روش کنترل در حضور شرایط اولیه غیر صفر، حرکت‌های سریع چشم و حضور عدم قطعیت در مدل‌سازی سیستم مقایسه می‌شوند. نتایج شبیه‌سازی نشان می‌دهند باوجود کنترل سیستم توسط هر دو روش کنترل ارائه‌شده، روش کنترل فازی عملکرد مناسب‌تری برای تعقیب حرکت‌های سریع چشم دارد. این روش با استفاده از رفتار کیفی سیستم به جای مدل ریاضی دقیق آن نسبت به عدم قطعیت‌های مدل‌سازی مقاوم است. همچنین، با توجه به حجم کوچک‌تر شبیه‌سازی‌ ورودی‌های کنترلی در کنترل‌کنندۀ فازی، این مهم سبب کاهش هزینه‌ها با استفاده از این کنترل‌کننده خواهد شد.

Modeling of human eye behavior based on motion tracking using optimal linear square fuzzy controller

The choice of a mathematical model of eye movement has had a significant impact on scientific research. This research resulted in a controlling robotic arm that could follow the movement of the human eye and thoroughly examine the structure of the human eye. Exploring the previous models, a model equivalent to a robot with two degrees of freedom is presented. Then, by designing and simulating an optimal linear square controller on the desired system, we could model an eye robot. The purpose of tracking is to target the system, which is shown by simulating this controller. This paper describes how to design a fuzzy controller for the system by presenting the simulation results. Finally, the performance of the two control methods in nonzero initial conditions, rapid eye movements, and uncertainty in the model system constructions are compared. The simulation results show that despite the system control provided by both control methods, the fuzzy control method has a better performance for tracking fast eye movements. This method is resistant to modeling uncertainties by using the qualitative behavior of the system instead of its exact mathematical model. Also, the smaller volume of simulation of control inputs in the fuzzy controller will significantly reduce costs by using this controller.