9972

كنترلر مبتني بر هوش مصنوعي براي شناورهاي زيرسطحي خودران

كارشناسي

مهندسي كامپيوتر

1404

دكتر مزيني

1404/08/07

مهندسي كامپيوتر

AI Based Controller for Autonomous Under-Water Vehicles

در اين پژوهش، يك رويكرد نوين براي كنترل حركت وسايل نقليه خودكار زيرآبي (AUV)در محيط هاي ناشناخته و پويا، با حضور موانع ثابت و متحرك، ارائه شده است. هدف اصلي، طراحي يك سيستم كنترل هوشمند است كه قادر به مسيريابي ايمن و بهينه در چنين شرايط چالش برانگيزي باشد. براي دستيابي به اين هدف، از تركيب روش هاي يادگيري تقويتي و منطق فازي بهره گرفته شده است. در بخش كنترل حركت و ناوبري، از الگوريتم بهينه سازي خط مشي نزديك تكرارشونده (Recurrent PPO)استفاده شده است تا عامل هوشمند بتواند به صورت آنلاين و با آزمون و خطا، بهترين مسير را در محيط هاي ناشناخته بياموزد. اين الگوريتم به AUV امكان مي دهد تا با تحليل داده هاي سنسورها، به طور موثر از برخورد با انواع موانع دوري كند. علاوه بر اين، به منظور بهبود عملكرد كنترلر زاويه گام (Pitch)، يك كنترلر مبتني بر منطق فازي نوع-2 طراحي گرديد. براي بهينه سازي توابع عضويت و قوانين اين كنترلر فازي، از الگوريتم تكاملي پارتو مبتني بر قوت (SPEA) استفاده شد. اين بهينه سازي منجر به كاهش چشمگير فراجهش (Overshoot) و خطاي حالت ماندگار (Steady-State Error) در پاسخ سيستم كنترلي شده است. نتايج شبيه سازي‌ها نشان دهنده كارايي بالاي مدل پيشنهادي است. اين سيستم نه‌تنها توانايي هدايت موفقAUVدرمحيط هاي پيچيده را دارد، بلكه پايداري و دقت كنترلر سطح پايين آن نيز به طور قابل توجهي بهبود يافته است.

وسيله نقليه خودكار زيرآبي(AUV) , يادگيري تقويتي , الگوريتم recurrentPPO , منطق فازي نوع-2 , الگوريتم بهينه سازي SPEA2