تمّ في هذا البحث تطوير نموذج تأقلمي مستوحى من النّماذج الدّاخليّة للمخيخ يسمّى التعلّم بخطأ التغذية العكسيّة Feedback Error Learning (FEL), و هي الطّريقة الأم للتّحكم التّعلّمي الأمامي Learning Feed-forward Control(LFFC), و تعتمد على متحكّم تغذية عك
سيّة بالإضافة إلى متحكم أمامي و هو عبارة عن شبكة عصبونيّة neural network يتمّ تدريبها عن طريق خرج متحكّم التغذية العكسيّة. و قد قمنا بتطوير هذه الطّريقة للتّحكم بذراع آليّة, بالإضافة إلى حل مسألة توازن النّواس المعكوس inverted pendulum و التّحكم بنظام التّعليق لباص, و تمّ تطوير هذه الطّريقة بإضافة شبكة عصبونيّة ثانية يتمّ تدريبها بواسطة خرج متحكّم FEL, و تمّت المحاكاة للأنظمة السّابقة على الحاسب باستخدام البيئة البرمجيّة Matlab and Simulink, و بيّنت النّتائج أنّ هذا التطوير يحسّن أداء التّحكم.
إن عملية التحكم بالأذرع الروبوتية تشتمل على العديد من التحديات الهندسية انطلاقاً من
مرحلة التصميم الميكانيكي إلى مرحلة البرمجة. تعد مسألة الحركة المجردة العكسية واحدة
من أكثر تلك التحديات صعوبة, حيث أنها تتطلب تحديد زوايا المفاصل لإيصال النهاية
ال
مؤثرة إلى موقع محدد, و تنبع صعوبة هذه المسألة من لا خطيّتها و امكانية تعدد الحمول
أو عدم وجودها في بعض الأحيان. اقترحت العديد من الحمول لحل مسألة الحركة
المجردة العكسية منها التحليلية و منها العددية بالإضافة إلى الحمول المعتمدة على الذكاء
الصناعي. في هذا البحث تم مناقشة حل مسألة الحركة المجردة العكسية باستخدام نظام
الاستدلال العائم المتكيّف عصبونياً و اقترحت بعض التعديلات و تم بيان مدى جدواها.
يهدف المشروع إلى تقديم توجه جديد للاستفادة من تطور قدرات خوارزميات تعلم الألة في نظم تحديد الموقع، يعتمد على استثمار مجموعة الإشارات اللاسلكية من خلال تقديم دراسة بحثية تشمل الربط بين شدَات الإشارة المستقبلة والموقع الموافق ومن ثم الحصول على تنبؤ أمث
لي عن طريق مرشح كالمان، بافتراض أن حركة الهدف وعملية القياس هما عمليتان عشوائيتان Stochastic Processes
و يتضمن المشروع تطبيق عملي يشمل تطبيق النظام ببيئة خارجية Outdoor ، تشمل منطقة المزة ضمن مدينة دمشق، بالتعاون مع شركة سيريتل، بالإضافة إلى تطبيق على بيئة داخلية ضمن بناء هندسة الحواسيب والأتمتة في كلية الهندسة الميكانيكية والكهربائية بواسطة Mobile Robot
