هدايت و كنترل ربات زيرآبي با استفاده از سيستم كنترل ANFIS

Steering and controlling of underwater robot using ANFIS controller

ربات زيرآبي فصل مشتركي بين علم رباتيك و مهندسي اقيانوس مي باشد و كاربردهايي نظير بازرسي محيطي، نقشه برداري اقيانوسي و كاوش در آب ها را دارد. در اين پژوهش حركت يك ربات زيرآبي توسط سيستم كنترلي ANFISو الگوريتم ممتيك هدايت و كنترل مي گردد. منظور از كنترل، رديابي مسير مي باشد. الگوريتم ممتيك نوعي الگوريتم تكاملي مي باشد كه براي بهينه سازي يك مسيله از روش تركيب جستجوهاي محلي با ديگر الگوريتم هاي تكاملي بهره مي برد و منجر به دستيابي به پاسخ هاي بهتر مي گردد. در اين مقاله با توجه به تكامل رفتاري در حل يك مسيله بهينه سازي استراتژي تطبيقي براي الگوريتم ممتيك ارايه شده است. با تعيين يك پارامتر تطبيقي براي الگوريتم در هر تكرار مي توان، تعداد جمعيت، احتمال جهش و شرايط ورود به الگوريتم هاي جستجوي محلي را به صورت تطبيقي تعيين نمود. از اين الگوريتم تطبيقي براي كنترل خارج خط يك ربات زيرآبي همراه با كنترلر ANFISاستفاده شده است كه پارامترهاي متغير شبكه كنترليANFISمانند مركز و انحراف معيار تابع گوسي و وزن هاي شبكه عصبي آن توسط ممتيك تعليم داده مي شوندتا ربات بر روي مسير از پيش تعيين شده همراه اغتشاش با حداقل خطا حركت كند. مقايسه نتايج تعليم كنترلر توسط الگوريتم ممتيك با نتايج حاصل از تعليم كنترلر توسط الگوريتم ژنتيك، دقت و پايداري بيشتر روش تعليم توسط الگوريتم ممتيك را نشان مي دهد.

Underwater robots are common field between robotic science and ocean engineering. Its applications are such as environmental monitoring, ocean topography and explore the depths of the waters. Path tracking of an underwater robot using ANFIS controller and Memetic Algorithm is done in this paper. Memetic Algorithm is a class of evolutionary algorithms. It uses a combination of local searches with other evolutionary algorithms and leads to better responses in an optimization problem. In this study, with respect to the evolution of behavior in an optimization problem, an adaptive strategy is proposed for the Memetic Algorithm. By defining an adaptive parameter for the algorithm in each iteration, number of population, mutation probability and entry conditions to local search algorithms can be determined adaptively. The adaptive algorithm is used to off-line control of an underwater robot with an ANFIS controller. Variable parameters of ANFIS are trained by Memetic until the robot moves with minimal error on a predefined path with disturbance condition. The ANFIS controller was trained by Memetic Algorithm and Genetic Algorithm. Comparison of results shows that Memetic Algorithm training is more stable and more precise.