قالب : word
تعداد صفحات : 12
قابل ویرایش
چکیده:
در این مقاله ابتدا به بررسی متدهای مختلف در مکان یابی ربات ها پرداخته شده است. سپس یکی از متدهای احتمالاتی در موقعیت یابی را که دارای مزایا و قابلیت های متناسب با سیستم مورد نظرمان بود را انتخاب کردیم. پس از انتخاب متد EKF به بررسی ساختاری ربات جهت منطبق کردن با سیستم انتخابی پرداخته شد. بعلاوه از یک سیستم فازی نیز جهت بهینه سازی خروجی و داشتن خروجی متناسب با داده های ورودی استفاده کردیم.
در بخش پایانی نیز به پیاده سازی سیستم و تست آن برروی ربات مورد نظر که در این مقاله یک ربات فوتبالیست سایز متوسط است که درمرکز تحقیقاتی مکاترونیک دانشگاه آزاد اسلامی قزوین ساخته شده و بنام MRL خوانده می شود. محیط مورد نظر، زمین فوتبال خاص این گونه ربات ها می باشد. هدف این مقاله ارائه سیستمی جهت موقعیت یابی مناسب ربات فوتبالیست با توجه به وجود خطا در اطلاعات جمع آوری شده جهت موقعیت یابی می باشد.
فهرست مطالب:
1- مقدمه
شکل( 1) نمونه ربات ساخته شده
2- بررسی متدهای موقعیت یابی احتمالاتی
3- انتخاب متد EKF و بررسی ساختار ربات
شکل(2) ساختار سیستم موقعیت یابی
4- بررسی ساختاری ربات جهت منطبق کردن با سیستم انتخابی
شکل( 3) ساختارکلی ربات متحرک همه جهته
شکل( 4) ساختارکلی زمین مسابقه
5- پیاده سازی
6- تست و نتیجه گیری
7 . منابع
در این شبیه سازی یک کنترل کننده فازی که ورودی های آن خطا و مشتق خطا و خروجی آن سیگنال کنترلی است برای یک موتور DC طراحی شده است
چکیده
شبکه های حسگر بی سیم خود دارای ماهیتی غیر قطعی میباشند و تغییرات در آنها در بسیاری از مواقع پیش بینی نشده است. به همین علت استفاده از راهکارهای فازی، به دلیل توانایی آن در مدل نمودن سیستم های غیر قطعی میتواند مفید باشد. از سوی دیگر مدل میان لایه ای جهت به اشتراک گذاشتن پارامتر ها بین لایه های مختلف ارائه شده است. با ترکیب مدل فازی و میان لایه ای میتوان به راهکار جدیدی در تبادل پارمترها رسید. بدین معنی که در هر وضعیت، تمامی پارامتر ها مبادله نشده و با توجه به تحلیل فازی، فقط یک سری پارامترهای خاص هر وضعیت مبادله شوند. در این نوشتار، با لایه بندی و معماری لایه ها در شبکه های حسگر بی سیم، سیستم منطق فازی و مدل میان لایه ای به طور اختصار آشنا میشویم و ضمن بررسی راهکارهای مختلف در فصل چهارم، در انتها با استفاده از منطق فازی نوع دوم، یک مدل فازی – میان لایه ای بهینه تر به نسبت مدلهای قبلی را معرفی خواهیم کرد.