Resumen

Este artículo propone un nuevo método de planificación del movimiento para un robot móvil autónomo terrestre que aborda problemas de entorno dinámico, programa no lineal y optimización robusta. Se diseña un planificador basado en la red neuronal difusa recurrente (RFNN) para programar la trayectoria y el movimiento de los robots móviles para alcanzar el objetivo. Además, se consigue evitar los obstáculos. En la RFNN, la capacidad de inferencia de la lógica difusa y la capacidad de aprendizaje de la red neuronal se combinan para mejorar el rendimiento de la programación no lineal. Un marco recurrente con bucles de auto-retroalimentación en la RFNN mejora la estabilidad y la robustez de la estructura. El filtro de Kalman ampliado (EKF) está diseñado para entrenar los pesos de la RFNN teniendo en cuenta la restricción cinemática de los robots móviles autónomos, así como las restricciones de objetivos y obstáculos. Las características del EKF de rápida convergencia y escaso límite en los datos de entrenamiento lo hacen adecuado para entrenar los pesos en tiempo real. En este trabajo también se analiza la convergencia del proceso de entrenamiento. La técnica de optimización y la estrategia de actualización se diseñan para mejorar la optimización robusta de un sistema en un entorno dinámico. Se realizan experimentos de simulación y de hardware para demostrar la eficacia del método propuesto. El experimento de hardware se lleva a cabo en un robot móvil con seguimiento. Se utiliza una visión omnidireccional para localizar el robot en el entorno. Al final se discute la mejora del método propuesto.

• Materias:Biotecnología Minería de datos Algoritmo genético Neurociencia Cognitiva Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithm Cognitive Neuroscience Neurophysiology
• Palabras claves:robot móvil, experimento de hardware, entorno dinámico, métodos propuestos, red neuronal difusa, rendimiento de programación no lineal, robot móvil autónomo, filtro de kalman extendido, rfnn, problema de optimización robusta
• Keywords:mobile robot, hardware experiment, dynamic surroundings, proposed methods, fuzzy neural network, nonlinear programming performance, autonomous mobile robot, extended kalman filter, rfnn, robust optimization problem