مدلسازي رفتار چشم انسان براساس تعقيب حركت با استفاده از كنترلر فازي بهينۀ مربع خطي

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

انتخاب مدل رياضي حركت چشم تأثير مهمي در تحقيقات علمي داشته است. اين پژوهش در ادامه اين تحقيقات به مدلسازي يك بازوي رباتيك كنترلي انجام شد كه با تعقيب حركت چشم انسان طراحي مي‌شود؛ به طوري كه در ابتدا ساختار چشم انسان به‌طور كامل، بررسي و سپس با بررسي مدل‌هاي پيشين يك مدل، معادل يك ربات دو درجه آزادي براي آن ارائه مي‌شود. در ادامه با طراحي و شبيه‌سازي يك كنترل‌كنندۀ بهينۀ مربع خطي روي سيستم مدنظر نتيجۀ آن به مدلسازي ربات چشم يك كنترل‌كننده به‌منظور رديابي براي سيستم مدنظر مي‌انجامد كه با شبيه‌سازي اين كنترل‌كننده نتايج آن نشان داده مي‌شود. در اين مقاله، نحوۀ طراحي كنترل‌كنندۀ فازي براي سيستم مدنظر با ارائۀ نتايج شبيه‌سازي حاصل از آن تشريح مي‌شود. درنهايت، عملكرد دو روش كنترل در حضور شرايط اوليه غير صفر، حركت‌هاي سريع چشم و حضور عدم قطعيت در مدل‌سازي سيستم مقايسه مي‌شوند. نتايج شبيه‌سازي نشان مي‌دهند باوجود كنترل سيستم توسط هر دو روش كنترل ارائه‌شده، روش كنترل فازي عملكرد مناسب‌تري براي تعقيب حركت‌هاي سريع چشم دارد. اين روش با استفاده از رفتار كيفي سيستم به جاي مدل رياضي دقيق آن نسبت به عدم قطعيت‌هاي مدل‌سازي مقاوم است. همچنين، با توجه به حجم كوچك‌تر شبيه‌سازي‌ ورودي‌هاي كنترلي در كنترل‌كنندۀ فازي، اين مهم سبب كاهش هزينه‌ها با استفاده از اين كنترل‌كننده خواهد شد.

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 non-zero 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.