Kết hợp mạng Nơ-ron và logic mờ để điều khiển quỹ đạo chuyển động của Robot tự hành trong môi trường không xác định

Nghiên cứu khoa học công nghệ<br /> <br /> KẾT HỢP MẠNG NƠ-RON VÀ LOGIC MỜ ĐỂ ĐIỀU KHIỂN<br /> QUỸ ĐẠO CHUYỂN ĐỘNG CỦA ROBOT TỰ HÀNH<br /> TRONG MÔI TRƯỜNG KHÔNG XÁC ĐỊNH<br /> Trịnh Xuân Long 1*, Đặng Đình Tiệp2<br /> Tóm tắt: Trong thập kỷ qua đã chứng kiến những công trình nghiên cứu về ứng<br /> dụng mạng nơ-ron và logic mờ để chuyển động quỹ đạo chuyển động của robot tự<br /> hành. Việc sử dụng riêng rẽ hai kỹ thuật này có những ưu việt nhất định, tuy nhiên ,<br /> vẫn chưa khắc phục được sự phức tạp do tính thay đổi ngẫu nhiên của môi trường.<br /> Bài báo này đưa ra một phương pháp sử dụng kết hợp cả nơ-ron và logic mờ để<br /> nâng cao chất lượng quá trình điều khiển quỹ đạo chuyển động của robot tự hành<br /> trong môi trường không xác định.<br /> Từ khóa: Robot tự hành, Mạng nơ-ron, Logic mờ, Điều khiển quỹ đạo, Môi trường không xác định.<br /> <br /> 1. ĐẶT VẤN ĐỀ<br /> Đã có nhiều công trình nghiên cứu trong và ngoài nước về điều khiển chuyển<br /> động của robot tự hành dựa trên nền tảng mạng nơ-ron và logic mờ. Martin Seyr,<br /> Stefan Jakubek, Gregor Novak giới thiệu ý tưởng bám quỹ đạo cho robot dùng<br /> mạng nơ-ron dự báo. Phương pháp này sử dụng một mạng nơ-ron được luyện tập<br /> và đưa ra quỹ đạo dự đoán theo tình huống thực tế và từ đó robot sẽ được điều<br /> khiển bám theo quỹ đạo.<br /> Theo như tác giả tự nhận xét, việc sử dụng ý tưởng này được giới hạn trong môi<br /> trường với vị trí các vật cản đã biết trước [1]. Firas sử dụng logíc mờ để xây dựng<br /> thuật toán điều khiển cho robot tự hành trên cơ sở các cảm biến. Phương pháp này<br /> cho chất lượng điều khiển khá tốt nhưng yêu cầu điều kiện môi trường đơn giản<br /> [2]. R. Fierro và F. L. Lewis; Tiemin Hu và Simon X. Yang sử dụng mạng nơ-ron<br /> để đánh giá điều kiện môi trường xung quanh vùng công tác của robot và được<br /> huấn luyện off-line và thời gian thực. Cách làm này giúp robot đơn giản hoá sự<br /> phức tạp của môi trường bằng cách tạo ra các nhóm môi trường với vật cản đặc<br /> trưng. Trong điều kiện môi trường không biết trước, yếu tố thời gian thực được coi<br /> trọng [3, 4]. Từ các phân tích như vậy, nhóm tác giả đề xuất giải pháp kết hợp<br /> mạng nơ-rơn và logic mờ một cách riêng biệt theo hai giai đoạn liên tiếp nhau để<br /> chuyển động quỹ đạo chuyển động của robot tự hành. Giải pháp đề xuất này về cơ<br /> bản đã giải quyết được bài toán điều khiển chuyển động của robot trong một không<br /> gian có một phần vật cản không biết trước, di chuyển với tốc độ chậm.<br /> 2. MÔ TẢ VỀ ROBOT VÀ BÀI TOÁN<br /> Giải pháp mới được ứng dụng trên một robot tự hành kích thước theo phương<br /> ngang 50x40cm. Robot sử dụng ba bánh trong đó gồm một bánh trước tự do và hai<br /> bánh dẫn động phía sau được vận hành bằng hai động cơ điện một chiều. Các động<br /> cơ điện với các cảm biến tốc độ vòng quay tích hợp (encoder). Gắn trên khung của<br /> robot là 7 cảm biến siêu âm có khoảng đo tích cực 0,03-3m (ultrasonic sensor) được<br /> bố trí thành một hình rẻ quạt và cách đều nhau một góc 30 độ. Ba cảm biến S3, S4,<br /> và S5 được đặt ở phía trước robot, các cảm biến S1 và S2 đặt bên sườn phải của<br /> robot và hai cảm biến S6 và S7 được đặt ở phía bên phải của robot. Khoảng cách từ<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 73<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> cảm biến tới vật cản tương ứng là dsi (i = 1, 2,…7). Nhiệm vụ của robot là di chuyển<br /> từ một vị trí xuất phát tới vị trí đích xác định trong không gian có một phần vật cản<br /> không biết trước, di chuyển với tốc độ chậm. Kết cấu robot, bố trí các cảm biến và<br /> mô tả các khoảng cách tới vật cản được trình bày như trên hình 1.<br /> <br /> <br /> <br /> <br /> Hình 1. Sơ đồ cấu tạo của robot và xác định<br /> khoảng cách từ robot tới các vật cản.<br /> Sơ đồ hệ thống điều khiển chuyển động robot sử dụng kết hợp mạng nơ-ron và<br /> logic mờ được thể hiện trên hình 2.<br /> <br /> <br /> <br /> <br /> Hình 2. Hệ thống điều khiển chuyển động của robot.<br /> Trong hệ thống này sử dụng 1 khối nơ-ron để đảm nhiệm chức năng phân loại<br /> địa hình và lựa chọn các khối điều khiển (tránh vật cản, men tường, về đích và an<br /> toàn). 4 bộ điều khiển mờ được sử dụng để đảm nhiệm hoạt động của 4 khối điều<br /> khiển chức năng (tránh vật cản, men tường, về đích và điều khiển tốc độ). Tùy theo<br /> từng trường hợp cụ thể mà các khối tránh vật cản, men tường, về đích và an toàn<br /> được kích hoạt và đưa tín hiệu góc lái về khối điều khiển tốc độ để điều khiển<br /> robot chuyển động về đích.<br /> <br /> <br /> 74 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> 3. PHÂN LOẠI ĐỊA HÌNH VÀ 5 KHỐI ĐIỀU KHIỂN CỦA ROBOT<br /> Để điều khiển chuyển động của robot tự hành trong môi trường không xác định,<br /> tiến hành phân loại địa hình xung quanh robot (trong trường hợp này, chỉ quan tâm<br /> tới vùng không gian phía trước theo hướng chuyển động của robot). Vùng tác động<br /> của cảm biến được phân chia thành 3 dải:<br /> - Dải an toàn: Được đặc trưng bởi khoảng cách an toàn dsafe = 30cm<br /> - Dải tích cực: Giới hạn trong khoảng 30cm đến 200cm<br /> - Dải xa: Khoảng cách lớn hơn 200cm.<br /> <br /> <br /> <br /> <br /> Hình 3. Ba dải trong vùng tác động của cảm biến siêu âm.<br /> Trên hình 4 chỉ ra 23 trường hợp phân loại địa hình<br /> <br /> <br /> <br /> <br /> Hình 4. Các trường hợp phân loại địa hình.<br /> Để đơn giản hơn trong xây dựng thuật toán điều khiển robot, phân chia chuyển<br /> động của robot thành 5 khối điều khiển chức năng:<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 75<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> - Khối an toàn: Dừng robot khi khoảng cách giữa robot và vật cản nhỏ hơn<br /> khoảng cách an toàn dsafe = 30cm. Khi này khối an toàn đưa ra tín hiệu dừng<br /> chuyển động của robot.<br /> - Khối điều khiển về đích: Khi không phát hiện ra vật cản ở xung quanh robot,<br /> robot điều chỉnh hướng và chạy thẳng về đích.<br /> - Khối điều khiển men theo tường: Khi cả hai cảm biến ở một cạnh bên S1 và<br /> S2 hoặc S6 và S7 đồng thời phát hiện vật cản. Robot chạy song song với vật cản.<br /> - Khối điều khiển tránh vật cản: Khi một trong ba cảm biến phía trước robot<br /> (S3, S4 và S5) phát hiện ra vật cản. Robot thực hiện thuận toán vòng tránh vật cản.<br /> - Khối điều khiển tốc độ: Điều khiển tốc độ của robot.<br /> 4. PHÂN LOẠI VÀ NHẬN DẠNG ĐỊA HÌNH DÙNG MẠNG NƠ-RON<br /> Dựa vào thông tin về khoảng cách từ 7 cảm biến tới vật cản xác định các trường<br /> hợp phân loại địa hình. Dùng ba con số 0, 1 và 2 để ký hiệu khoảng cách từ mỗi<br /> cảm biến tới vật cản trong đó: 0 – Không có vật cản hoặc vật cản ở quá xa, 1 phát<br /> hiện vật cản, 2 – Phát hiện vật cản hay không đều không quan trọng. Bảng 1 phân<br /> loại các trường hợp địa hình và các khối điều khiển tương ứng: 3 – Điều khiển về<br /> đích, 4 – Điều khiển men tường; 5 – Điều khiển tránh vật cản.<br /> Bảng 1. Phân loại địa hình.<br /> Phân dS1 dS2 dS3 dS4 dS5 dS6 dS7 Khối<br /> loại<br /> 1 0 0 0 0 0 0 0 5<br /> 2 0 0 0 0 0 1 0 5<br /> 3 0 0 0 0 0 0 1 5<br /> 4 0 1 0 0 0 0 0 5<br /> 5 0 1 0 0 0 0 1 5<br /> 6 0 1 0 0 0 1 0 5<br /> 7 1 0 0 0 0 0 0 5<br /> 8 1 0 0 0 0 0 1 5<br /> 9 1 0 0 0 0 1 0 5<br /> 10 1 1 0 0 0 1 1 4<br /> 11 1 1 0 0 0 2 1 4<br /> 12 1 1 0 0 0 1 2 4<br /> 13 1 2 0 0 0 1 1 4<br /> 14 2 1 0 0 0 1 1 4<br /> 15 2 2 0 0 0 1 1 4<br /> 16 1 1 0 0 0 2 2 4<br /> 17 2 2 2 1 2 2 2 3<br /> 18 2 2 2 2 1 2 2 3<br /> 19 2 2 1 2 2 2 2 3<br /> 20 2 2 2 1 1 2 2 3<br /> 21 2 2 1 1 2 2 2 3<br /> 22 2 2 1 2 1 2 2 3<br /> 23 2 2 1 1 1 2 2 3<br /> <br /> <br /> <br /> 76 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Cấu trúc mạng nơ-ron để phân loại và nhận dạng các trường hợp địa hình được<br /> chỉ ra trên hình 5. Cấu trúc này được lựa chọn phù hợp với mục đích phân loại địa<br /> hình theo thời gian thực. Gồm 7 đầu vào lấy tín hiệu về khoảng cách từ các cảm<br /> biến, ba lớp ẩn với số nơ-ron tương ứng là 10, 5 và 3; 3 đầu ra tương ứng với ba<br /> khối điều khiển trên bảng phân loại.<br /> <br /> <br /> <br /> <br /> Hình 5. Cấu trúc của mạng nơ-ron.<br /> 5. SỬ DỤNG LOGIC MỜ ĐỂ VẬN HÀNH CÁC KHỐI<br /> ĐIỀU KHIỂN CHỨC NĂNG CỦA ROBOT<br /> Trong phần này trình bày xây dựng các hàm thuộc của các khối mờ điều khiển<br /> về đích, men tường, tránh vật cản và điều khiển tốc độ.<br /> - Khối điều khiển tránh vật cản<br /> Tín hiệu đầu vào là khoảng cách ds3, ds4, ds5 giữa robot và vật cản được thu<br /> thập từ ba cảm biến siêu âm S3, S4 và S5 đặt phía trước robot. N – Gần, M –<br /> Trung bình, MF – Xa trung bình, F – Xa.<br /> Tín hiệu đầu ra là góc lái của robot: BL – Lớn bên trái, ML – Trung bình bên<br /> trái, SL – Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải,<br /> BR – Lớn bên phải.<br /> Hàm liên thuộc của khối mờ số 3 điều khiển tránh vật cản được thể hiện trên<br /> hình 6.<br /> <br /> <br /> <br /> <br /> Hình 6. Hàm liên thuộc của khối mờ 3 – điều khiển tránh vật cản.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 77<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> - Khối điều khiển men tường<br /> Tín hiệu đầu vào là khoảng cách ds1, ds2, ds6, ds7 giữa robot và vật cản được<br /> thu thập từ từng cặp cảm biến siêu âm S1 và S2, S6 và S5 đặt hai bên hông robot.<br /> N – Gần, M – Trung bình, MF – Xa trung bình, F – Xa.<br /> Tín hiệu đầu ra là góc lái của robot: BL – Lớn bên trái, ML – Trung bình bên<br /> trái, SL – Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải,<br /> BR – Lớn bên phải.<br /> Hàm liên thuộc của khối mờ số 2 điều khiển men tường được thể hiện trên hình 7.<br /> <br /> <br /> <br /> <br /> Hình 7. Hàm liên thuộc của khối mờ 2 – điều khiển men tường.<br /> - Khối điều khiển về đích<br /> Tín hiệu đầu vào là θ – góc lệch giữa hướng chuyển động của robot (α) và điểm<br /> đích (β) (hình 8).<br /> <br /> <br /> <br /> <br /> Hình 8. Sơ đồ xác định góc lệch.<br /> Tín hiệu đầu vào θ: FLT – Xa bên trái, MFT – Trung bình bên trái, SFT – Nhỏ<br /> bên trái, Z – Không, SRT – Nhỏ bên phải, MRT – Trung bình bên phải, FRT – Xa<br /> bên phải.<br /> <br /> <br /> 78 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> Tín hiệu đầu ra là góc lái của robot: BL – Lớn bên trái, ML – Trung bình bên<br /> trái, SL – Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải,<br /> BR – Lớn bên phải.<br /> Hàm liên thuộc của khối mờ số 1 điều khiển về đích được thể hiện trên hình 9.<br /> <br /> <br /> <br /> <br /> Hình 9. Hàm liên thuộc của khối mờ 1 – điều khiển về đích.<br /> - Khối điều khiển tốc độ<br /> Tín hiệu đầu vào là góc lái của robot được thu thập từ các khối điều khiển chức<br /> năng và khoảng cách giữa robot và đích dđích.<br /> Mờ hóa góc lệch của robot: BL – Lớn bên trái, ML – Trung bình bên trái, SL –<br /> Nhỏ bên trái, Z – Không, SR – Nhỏ bên phải, MR – Trung bình bên phải, BR –<br /> Lớn bên phải.<br /> Mờ hóa khoảng cách từ robot đến đích: N – Gần, M – Trung bình, MF – Xa<br /> trung bình, F – Xa.<br /> Tín hiệu đầu ra là tốc độ trung bình của robot vtb: Z – Không, S – Nhỏ, M –<br /> Trung bình; F – Nhanh.<br /> Hàm liên thuộc của khối mờ số 4 điều khiển tốc độ được thể hiện trên hình 10.<br /> <br /> <br /> <br /> <br /> Hình 10. Hàm liên thuộc của khối mờ 4 – điều khiển tốc độ.<br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 79<br />  Kỹ thuật điều khiển & Điện tử<br /> <br /> 6. MÔ PHỎNG HỆ THỐNG ĐIỀU KHIỂN CHUYỂN ĐỘNG CỦA ROBOT<br /> Một trường hợp mô phỏng hoạt động của hệ thống điều khiển chuyển động của<br /> robot được thể hiện trên hình 11. Trong đó một số vật cản di động không biết<br /> trước. Robot di chuyển từ điểm xuất phát A đến điểm đích B.<br /> <br /> <br /> <br /> <br /> Hình 11. Kết quả mô phỏng hệ thống điều khiển chuyển động của robot.<br /> Qua nhiều trường hợp mô phỏng với những thay đổi về vị trí vật cản, tốc độ di<br /> chuyển của vật cản, hệ thống điều khiển chuyển động của robot đã hoạt động tốt<br /> trong môi trường mô phỏng 2D, nhận biết các phân loại địa hình với những vật cản<br /> không biết trước và kịp thời kích hoạt các khối điều khiển chức năng tương ứng để<br /> đưa ra robot về đích an toàn.<br /> 7. KẾT LUẬN<br /> Kết hợp mạng nơ-ron và logic mờ trong điều khiển robot tự hành theo giải pháp<br /> đề xuất đã giải quyết được bài toán điều khiển chuyển động của robot trong một<br /> không gian có một phần vật cản không biết trước, di chuyển với tốc độ chậm.<br /> Mạng nơ-ron đơn giản hóa tính phức tạp và bất định của môi trường làm việc xung<br /> quanh robot bằng cách phân loại môi trường thành các tình huống đặc trưng, logic<br /> mờ căn cứ vào các tình huống đó để đưa ra thuật toán điều khiển phù hợp. Tuy<br /> nhiên, giải pháp này còn tồn tại một số hạn chế về điều kiện không gian công tác<br /> và tốc độ xử lý tính toán.<br /> TÀI LIỆU THAM KHẢO<br /> [1]. Martin Seyr, Stefan Jakubek, Gregor Novak. “Neural Network Predictive<br /> Trajectory Tracking of an Autonomous Mobile Robot” IEEE Conference on<br /> Decision and Control, 2005.<br /> [2]. Фирас А. Рахим. “Методы построения интеллектуальных систем<br /> планирования и управления перемещением мобильного робота в<br /> известной среде”. Диссертация кандидата технических наук ЮРГТУ,<br /> 2009.<br /> <br /> <br /> <br /> 80 T. X. Long, Đ. Đ. Tiệp, “Kết hợp mạng nơ-ron và logic… môi trường không xác định.”<br /> Nghiên cứu khoa học công nghệ<br /> <br /> [3]. Hartmut Surmann, Jörg Huser, Liliane Peters. “A Fuzzy System for Indoor<br /> Mobile Robot Navigation”. Vol 5. Fuzzy Systems, 1995. International Joint<br /> Conference of the Fourth IEEE International Conference on Fuzzy Systems,<br /> 1995.<br /> [4]. R. Fierro and F. L. Lewis. “Control of a Nonholonomic Mobile Robot Using<br /> Neural Networks”. IEEE Transactions of Neural Networks. Vol. 9, No. 4,<br /> 1998.<br /> ABSTRACT<br /> COMBINATION OF NEURAL NETWORK AND FUZZY LOGIC FOR<br /> PLANNING TRAJECTORY OF MOBILE ROBOT<br /> IN UNKNOWN ENVIRONMENT<br /> The paper presents the method and results of building of planning<br /> trajectory for mobile robot in unknown environment using functional<br /> modules. The system of planning trajectory includes of some functional<br /> modules for somes tasks, which depend on concrete situation of local<br /> environment determining by information from ultrasonic sensors.<br /> Keywords: Mobile robot, Neural network, Fuzzy logic, Planning trajectory, Unknown environment.<br /> <br /> Nhận bài ngày 15 tháng 05 năm 2016<br /> Hoàn thiện ngày 18 tháng 06 năm 2016<br /> Chấp nhận đăng ngày 26 tháng 10 năm 2016<br /> <br /> <br /> 1<br /> Địa chỉ: Học viện KTQS;<br /> 2<br /> Viện KHCNQS.<br /> *Email: trinhxuanlong@gmail.com.<br /> <br /> <br /> <br /> <br /> Tạp chí Nghiên cứu KH&CN quân sự, Số 45, 10 - 2016 81<br />