کنترل تعادل دوچرخه بدون سرنشین با استفاده از یک سیستم طبقه‌بند بهبودیافته

در این مقاله، استفاده از یک سیستم طبقه‌بند یادگیرنده بهبود یافته برای کنترل تعادل دوچرخه بدون سرنشین در حال حرکت پیشنهاد شده است. ویژگی بارز سیستمهای مزبور، بینیازی از مدل دینامیکی سیستم و توانایی یادگیری رفتار سیستم بهکمک مجموعهای از حرکتها در محیط واقعی (نظیر فرایند یادگیری موجودات هوشمند) است. بر خلاف پژوهشهای پیشین که در آنها دامنه متغیرهای خروجی کنترلگر بصورت گسسته در نظر گرفته شده و به همین دلیل استفاده از آنها در کاربردهای واقعی عملاً ناممکن شده است، در پژوهش حاضر کارایی سیستم طبقه‌بند یادگیرنده با استفاده از تعریف دامنه پیوسته برای خروجیهای 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 کنترلگر در کاربردهای زمان- حقیقی مانند کنترل وسایل بدون سرنشین امکان پذیر میگردد. بهمنظور نشان دادن کارایی سیستم بهبودیافته پیشنهادی، یک مدل استاندارد از دوچرخه با دو درجه آزادی مورد استفاده قرار گرفته است. نتایج شبیهسازی نشان میدهد که سیستم پیشنهاد شده نسبت به سیستمهای طبقهبند مرسوم و همچنین نسبت به برخی استراتژیهای کنترلی مرسوم گزارش شده در پژوهشهای پیشین بهتر عمل میکند.