Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userSteering of a Passenger Car using Fuzzy-Neural Controller
تطوير متحكم الشبكات العصبونية العائمة للتحكم بعربةش
746
1 36
0
(
0
)
Publication date
2016
and research's language is
العربية
Created by
Shamra Editor
Ask ChatGPT about the research
يهدف هذا المشروع إلى تطوير الجزء الخاص بالتحكم العرضي للعربة الذي يهتم بمنع العربة من الخروج عن المسار عند المنعطفات و سيتم ذلك من خلال بناء متحكم يعتمد في بنيته على نظرية الشبكات العصبونية العائمة التي تدمج ما بين التحكم العائم و الشبكات العصبونية، و ستكون مهمته بشكل اساسي تعديل حركة المقود بحيث تتوافق مع المنعطفات على الطريق الذي تجتازه العربة.
No English abstract
Artificial intelligence review:
Research summary
تناولت هذه الدراسة تطوير متحكم يعتمد على الشبكات العصبونية العائمة للتحكم بعربة، بهدف تحسين أمان القيادة وتقليل الأخطاء البشرية التي تؤدي إلى الحوادث. يركز البحث على التحكم العرضي للعربة لمنعها من الخروج عن المسار عند المنعطفات. تم بناء المتحكم باستخدام نظرية الشبكات العصبونية العائمة التي تدمج بين التحكم العائم والشبكات العصبونية. تم تدريب المتحكم باستخدام بيانات تم جمعها من نموذج السائق على أحد الطرق. أظهرت نتائج المحاكاة أن المتحكم قادر على تعديل حركة المقود بشكل يتوافق مع المنعطفات بشكل مشابه لنموذج السائق. يتكون البحث من عدة فصول تتناول مقدمة عن نظم القيادة الذاتية والمساعدة، نمذجة السائق، المنطق العائم، نظام الاستدلال العائم المتكيف عصبونياً، وتصميم المتحكمات واختبارها.
Critical review
دراسة نقدية: الدراسة قدمت إسهاماً مهماً في مجال التحكم بالعربات الذاتية، إلا أنها تفتقر إلى تطبيقات واقعية على الطرقات العامة. كما أن الاعتماد الكبير على بيانات التدريب من نموذج السائق قد يحد من فعالية المتحكم في ظروف غير متوقعة. كان من الممكن تحسين الدراسة بإضافة اختبارات على طرقات متنوعة وفي ظروف بيئية مختلفة. بالإضافة إلى ذلك، يمكن الاستفادة من دمج تقنيات أخرى مثل الخوارزميات الجينية لتحسين أداء المتحكم.
Questions related to the research
-
ما هو الهدف الرئيسي من البحث؟
الهدف الرئيسي من البحث هو تطوير متحكم يعتمد على الشبكات العصبونية العائمة للتحكم بعربة، بهدف منعها من الخروج عن المسار عند المنعطفات وتحسين أمان القيادة.
-
ما هي التقنية المستخدمة في بناء المتحكم؟
تم استخدام تقنية الشبكات العصبونية العائمة التي تدمج بين التحكم العائم والشبكات العصبونية في بناء المتحكم.
-
ما هي نتائج المحاكاة التي تم الحصول عليها؟
أظهرت نتائج المحاكاة أن المتحكم قادر على تعديل حركة المقود بشكل يتوافق مع المنعطفات بشكل مشابه لنموذج السائق.
-
ما هي التوصيات المستقبلية التي قدمتها الدراسة؟
أوصت الدراسة بدمج تقنيات أخرى مثل الخوارزميات الجينية لتحسين أداء المتحكم، والتركيز على التحكم بالطول والعرض للعربة ضمن بنية تحكم واحدة.
References used
Sleet D. et al. Peden M., Scurfield R, World report on road traffic injury, Geneva: World Health Organization, 2004
M.Pasquier, A.Spalanzani D.Partouche, Intelligent Speed Adaptation Using a Self-Organizing Neuro-Fuzzy Controller, Istanbul: IEEE Intelligent Vehicles Symposium, 2007
R.Oentaryo, Automated Driving Based on Self-Organizing GenSo-Yager Neuro-Fuzzy System, Singapor: Nanyang Technological University, 2004
rate research
Read More
This research presents a new methodology for the development of a controller based
on Artificial Neural Networks and Direct control method in order to obtain the maximum
available energy from Solar Photovoltaic (PV) Energy systems under different a
tmospheric
changes of the solar insolation and ambient temperature. In this context, this research
presents a new model for MPPT-ANN in order to track the Maximum Power Point of PV
systems in Matlab/Simulink environment. The developed controller is based on Feed
Forward Neural Network FFNN trained by Back-propagation algorithm of error to
determine the optimal voltage operation of the system PV system at different atmospheric
changes. This research also suggests, control algorithm based on the direct control method
in order to determine the duty cycle, which used to control directly the operating of DCDC
Voltage Converter, depending on a comparison of the difference between the output
voltage of PV system and the optimal voltage output of the neural network. The developed
controller MPPT-ANN based on a network FFNN, Characterized by fast speed to track of
MPP point and achieve high efficiency for the PV system under the atmospheric changes.
The simulation results completed in Matlab/Simulink environment, showed the best
performance of developed controller MPPT-ANN by achieving a better dynamic
performance and high accuracy when tracking the MPP, compared with the use of the
another PI-ANN controller based on artificial neural network and the conventional
Proportional-Integral Controller, and compared with the use of the conventional MPPTP&
O based on Perturb and Observe (P&O) technique under different atmospheric changes.
The purpose of this article is to shed light on the mechanism
and the procedures of a neuro-fuzzy controller that classifies an
input face into any of the four facial expressions, which are
Happiness, Sadness, Anger and Fear. This program works
a
ccording to the facial characteristic points-FCP which is taken
from one side of the face, and depends, in contrast with some
traditional studies which rely on the whole face, on three
components: Eyebrows, Eyes and Mouth.
An ANFIS controller also designed and a comparison
between proposed controller, ANFIS controller and open loop model
had made with different types of disturbance.
This paper presents the proposed Method for designing fuzzy
supervisory controller model for Proportional Integral Differential
controller (PID) by Fuzzy Reasoning Petri Net (FRPN),the Features
of Method shows the fuzzification value for each prop
erty of
membership function for each input of fuzzy supervisory controller,
and determine the total number of rules required in designing the
controller before enter the appropriate rules in the design phase of
the rules, and determine the value of the inputs of the rule that has
been activated, and assembly variables that have the same property
and show the value for each of them programmatically, and
determine the deffuzification value using deffuzification methods.
In this research a proportional integral differential classic (PID
controller) and state feedback controller was designed to control the in
the inverted pendulum and a comparison between all the cases and
choose the most suitable controller using MATLAB / SIMULINK
program
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
