فایل ورد کامل مقاله مدلسازی و شبیه سازی سیستم به وسیله سیستم توده pso 166 صفحه در word

فرمت فایل: doc

قابل ویرایش

تعداد صفحات : ۱۵۶ صفحه

قسمتی از متن :

حرکت توده¬ای یک نوع حرکت دسته¬جمعی هماهنگ است که معمولا با استفاده از ارتباطات اندک موجود بین اعضای آن و اطلاعات محدود از وضعیت کل سیستم انجام می¬شود. با وجود توانایی و هوش محدود و اندک برای هر عضو، مجموعه این اعضا در کنار هم قادر به انجام اهداف سطح بالا و قابل توجهی هستند. با ایده گرفتن از حرکات توده¬ای موجود در طبیعت و مشاهده تعامل بین-عضوی در آنها زمینه جدیدی در علم رباتیک به وجود آمد که حرکات توده رباتیکی را شبیه¬سازی می¬کند. توده رباتیکی از تعدادی ربات¬های همسان-که هر کدام از آنها در این توده دارای قابلیت¬های پایین هستند- تشکیل شده است که این تعداد در کنار هم و به¬طور جمعی توانایی¬های قابل توجهی پیدا می¬کنند.
در این فصل به مرور پژوهش¬های پیشین در زمینه توده رباتیکی، توضیح مدل توده رباتیکی استفاده شده در این رساله، تعریف موضوع و بیان اهمیت و نوآوری آن می¬پردازیم.

در اینجا اهداف کنترلی توده رباتیکی مورد بحث و بررسی قرار می¬گیرد. اهداف کنترلی مورد بحث عبارتند از:
۱- کنترل رفتاری اعضای توده به منظور تقلید مدل واقعی توده رباتیکی از مدل مطلوب آن.
۲- کنترل حرکت اعضای توده به منظور طی کردن مسیر معین.
این اهداف به وسیله یکی از روش¬های نوین کنترلی مبتنی بر یادگیری تقویتی به نام کنترلر فازی- عصبی تطبیقی با وجود نقاد انجام شده است. در این روش نقاد با نقد عملکرد کنترلر یادگیری تقویتی را پیاده¬سازی می¬کند. از مزیت¬های این روش کنترلی نوین می¬توان به سادگی ساختار آن، سرعت یادگیری و همگرایی سریع، عدم وابستگی به مدل، انجام همزمان کنترل و یادگیری و مقاوم بودن آن در برابر نویزهای مختلف اشاره کرد.
در این فصل ابتدا به معرفی کنترلرهای مبتنی بر یادگیری تقویتی پرداخته شده است و در ادامه آن دو نوع از این کنترلرها به نام کنترلرهای تقویتی کلاسیک و نوین معرفی شده¬اند. سپس دو هدف کنترلی گفته شده در بالا و خصوصیات کنترلر طراحی شده و نتایج شبیه¬سازی در هر کدام از اهداف به طور مجزا توضیح داده شده¬اند.

مراحع

[۱] S. Martinez, J. Cortes, and F. Bullo, “Motion coordination with distributed information,” IEEE Control Systems Magazine, vol. 27, no. 4, pp. 75–88, 2007.
[۲] دکتر حسن صیادی، میعاد معرف، توسعه الگوریتم‌های کنترلی سیستم‌های رباتیکی چند عاملی، پایان¬نامه کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی شریف، تابستان ۱۳۸۷.
[۳] C. M. Breder, “Equations descriptive of fish schools and other animal aggregations,” Ecology, 35, 361-370, 1954.
[۴] B. L. Partridge, “The structure and function of fish school,” Sci. Amer, 245, 114-123, 1982.
[۵] J. Curcio, J. Leonard, and A. Patrikalakis, “SCOUT – a low cost autonomous surface platform for research in cooperative autonomy,” in Proc. MTS/IEEE OCEANS, pp. 725–729, 2005.
[۶] J. Cortes, S. Martinez, T. Karatas, and F. Bullo, “Coverage control for mobile sensing networks,” IEEE Trans. Robotics and Automation, vol. 20, no. 2, pp. 243–255, Apr. 2004.
[۷] J. Cortes and F. Bullo, “Coordination and geometric optimization via distributed dynamical systems,” SIAM J. Control and Optimization, vol. 44, no. 5, pp. 1543–1574, Oct. 2005.
[۸] R. Olfati-Saber, “Flocking for multi-agent dynamic systems: algorithms and theory,” IEEE Trans. Automatic Control, vol. 51, no. 3, pp. 401–420, Mar. 2006.
[۹] A. Jadbabaie, J. Lin, and A. S. Morse, “Coordination of groups of mobile autonomous agents using nearest neighbor rules,” IEEE Trans. Automatic Control, vol. 48, no. 6, pp. 988–1001, Jun. 2003.
[۱۰] C. Belta and V. Kumar, “Abstraction and control for groups of robots,” IEEE Trans. Robotics, vol. 20, no. 5, pp. 865–875, Oct. 2004.
[۱۱] S. Susca, S. Martinez, and F. Bullo, “Distributed algorithms for polygonal approximation of convex contours,” In IEEE Conf. on Decision and Control, pages 6512–6517, San Diego, CA, December 2006.
[۱۲] A. L. Christensen, R. O’Grady, and M. Dorigo, “A mechanism to self-assemble patterns with autonomous robots,” in Proc. 9th European Conf. Artificial Life, Berlin, pp. 716–725, 2007.
[۱۳] R. Groß, M. Bonani, F. Mondada, and M. Dorigo, “Autonomous self-assembly in swarm-bots,” IEEE Trans. Robotics, vol. 22, no. 6, pp. 1115–1130, Dec. 2006.
[۱۴] J. Baber, J. Kolodko, T. Noel, M. Parent, and L. Vlacic, “Cooperative autonomous driving: intelligent vehicles sharing city roads,” IEEE Robotics & Automation Magazine, vol. 12, no. 1, pp. 44–49, Mar. 2005.
[۱۵] http://www.enme.ucalgary.ca/~aramirez/imagears/cooperation.gif.
[۱۶] D. C. Brogan and J. K. Hodigns, “Group Behaviors for Systems with Significant Dynamics,” Autonomous Robots, 4, 137-153, 1997.
[۱۷] J. H. Reif and H. Wang, “Social potential fields: A distributed behavioral control for Autonomous Robots,” Robotics and Autonomous Systems, 27, 171-194, 1999.
[۱۸] V. Gazi, K. M. Passina, “A class of attraction/repulsion functions for stable swarm aggeregation,” Proc. IEEE Conf. Decision and Control, 2842-2847, Dec. 2002.
[۱۹] V. Gazi and K. M. Passina, “Stablity analysys of swarms,” Proc. American Control Conf. Anchorage, Alaska, 1813-1818, May 2002.
[۲۰] V. Gazi and K. M. Passino, “Stability analysis of swarms,” IEEE trans. Aut. Cont. Vol. 48, No.4, PP:692-697, april 2003.
[۲۱] V. Gazi and K. M. Passino, “Stability analysis of social foraging swarms,” IEEE trans. Sys. Man. Cybernetics-Part B:Cybernetics, 34(1), 539-557, Feb 2004.
[۲۲] V. Gazi, “Swarm Aggregations Using Artificial Potentials and Sliding Mode Control,” Proc. IEEE Conf. Decision and Control, 2041-2046, 2003.
[۲۳] V. Gazi, “Swarm Aggregations Using Artificial Potentials and Sliding Mode Control,” IEEE Trans. Robotics, 21(6), 1208-1214, 2005.
[۲۴] D. H. Kim, H. O. Wang, G. Ye and S. Shin, “Decentralized Control of Autonomous Swarm Systems Using Artificial Potential Functions: Analytical Design guidelines,” IEEE Conf. Decision and Control, 159-164, 2004.
[۲۵] Y. Liu, K. M. Passino, and M. M. Polycarpou, “Stability analysis of M-Dimensional asynchronous Swarms with a fixed communication topology,” IEEE trans. Aut. Cont., 48(1), 76-95, Jan. 2003.
[۲۶] J. Golbeck, “Evolving Optimal Parameters for Swarm Control,” Proc. NASA/DOD Conf. on Evolvable Hardware, 151-152, 2002.
[۲۷] T. W. Dunbar and J. M. Esposito, “Artificial Potential Field Controllers for Robust Communications in a Network of Swarm Robots,” Proc. IEEE Conf. Decision and Control, 401 -405, 2005.
[۲۸] S. Etemadi, A. Alasti, and G. R. Vossoughi, “Stability Investigation of a Robotic Swarm with Limited Field of View,” In: Proceedings of IFAC World Congress; 17(1): 10794-10799, Seoul, Korea, 2008.
[۲۹] I. P. Pavlov, “Conditional Reflexes: An Investigation of the Physiological Activity of the Cerebral Cortex,” London, U.K.: Oxford Univ. Press, 1927.
[۳۰] S. Grossberg, “Pavlovian pattern learning by nonlinear neural networks,” in Proc. Nat. Academy Sci., pp. 828–831, 1971.
[۳۱] A. H. Klopf, “The Hedonistic Neuron: A Theory of Memory, Learning and Intelligence,” Washington, DC: Hemisphere, 1982.
[۳۲] D. Prokhorov and D. C. Wunsch, “Adaptive critic designs,” IEEE Trans. Neural Netw., vol. 8, no. 5, pp. 997–1007, Sep. 1997.
[۳۳] A. G. Barto, R. S. Sutton, and C. W. Anderson, “Neuronlike elements that can solve difficult learning control problems,” IEEE Trans. Syst., Man, Cybern., vol. SMC-13, pp. 835–846, 1983.
[۳۴] C. K. Lin, “Adaptive critic autopilot design of bank-to-turn missiles using fuzzy basis function networks,” IEEE Trans. Syst., Man, Cybern. B, Cybern., vol. 35, no. 2, pp. 197–207, Apr. 2005.
[۳۵] H. R. Berenji and P. Khedkar, “Learning and tuning fuzzy logic controllers through reinforcements,” IEEE Trans. Neural Netw., vol. 3, pp. 724–740, Sep. 1992.
[۳۶] S. Russel and P. Norvig, “Artificial Intelligence: A Modern Approach, 2nd ed. Englewood Cliffs,” NJ: Prentice-Hall, pp. 32–58, 2003.
[۳۷] A. Fakhrazar and M. Broushaki, “Adaptive critic-based neurofuzzy controller for the steam generator water level,” IEEE Transaction on nuclear sience, Vol. 55, No. 3, June 2008.
[۳۸] S. S. Khorramabadi and M. Broushaki, “Emotional learning based intelligent controller for PWR nuclear reactor core during load following operation,” Annals of nuclear energy, Vol. 35, No. 11, Pages 2051-2058, November 2008.
[۳۹] دکتر مهرداد بروشکی، داوود بابازاده، بهینه¬سازی چیدمان سوخت در قلب رآکتور هسته¬ای قدرت PWR به کمک الگوریتم گروهی پرندگان (PSO)، پایان¬نامه کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی شریف، ۱۳۸۷.
[۴۰] J. Kennedy and R. C. Eberhart, “Particle swarm optimization,” In: IEEE International Conference on Neural Networks, 4, 1942–8, 1995.
[۴۱] Y. Shi, and R. C. Eberhart, “A Modified Particle Swarm Optimizer,” IEEE International Conference on Evolutionary Computation, Anchorage, Alaska, USA, 1998.
[۴۲] P. C. Fourie and A. A. Groenwold, “The particle swarm optimization algorithm in size and shape optimization,” Struct. Multidisc. Opt. 23, 259-267, 2002.
[۴۳] M. Clerc and J. Kennedy, “The particle swarm: explosion, stability, and convergence in a multi-dimensional complex space,” IEEE Transactions on Evolutionary Computation, 6, 58-73, 2002.
[۴۴] J. Riget and J. S. Vesterstroem, “A Diversity Guided particle Swarm Optimizer – the ARPSO,” Depatment of Computer Science, University of Aarhus, Tech. Rep.No. 2002-02, 2002.
[۴۵] T. Kiink, J. S. Vesterstroem, and J. Riget, “Particle Swam Optimization with Spatial Particle Extension,” Proceedings of the lEEE Congress on Evolutionary Computation, pp. 1474-1479, 2002.
[۴۶] T. Krink and M. Lovhjerg, “The Life Cycle Model: Combining Particle Swarm Optimization, Genetic Algorithms and Hill Climbers,” Proceedings of Parallel Problem Solving from Nature VI1 (PPSN 2002), pp. 621-630, 2002.
[۴۷] X. H. Wang and J. J. Li, “Hybrid Particle Swarm Optimization with Simulated Annealing,” Proceedings of the Third International Conference on Machine Learning and Cybernetics, Shanghai, China, 2004.
[۴۸] M. Dorigo, “Optimization, learning and natural algorithms,” Ph.D. Thesis, Dipartimento di Elettronica, Politecnico di Milano, Italy, 1992 (in Italian).
[۴۹] دکتر سید محمودرضا پیشوایی، سید علی عسکری، کنترل بهینه غیرخطی با استفاده از الگوریتم اجتماع مورچگان، پایان¬نامه کارشناسی ارشد، دانشکده مهندسی شیمی و نفت، دانشگاه صنعتی شریف، ۱۳۸۶.
[۵۰] M. Dorigo, V. Maniezzo, and A. Colorni, “The ant system: optimization by a colony of cooperating agents,” IEEE Trans Syst Man Cybernet B; 26(1):29–41, 1996.
[۵۱] M. Dorigo and T. Stutzle, “Ant colony optimization,” MIT Press, UK, 2004.
[۵۲] دکتر کوروش عشقی، احسان سالاری، کاربرد بهینه¬سازی کولونی مورچگان در مسئله رنگ¬آمیزی، پایان¬نامه کارشناسی ارشد، دانشکده مهندسی صنایع، دانشگاه صنعتی شریف، ۱۳۸۴.
[۵۳] J. Holland, “Adaptation in Natural and Artificial Systems,” University of Michigan press, Ann Arbor, 1975.
[۵۴] R. L. Haupt, S. E. Haupt, “Practical Genetic Algorithm,” John Wiley & Sons, 1998.