تطوير متحكّم تكيّفي يعتمد على النّموذج المخيخي

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 عكسيّة 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.

In this study we developed an adaptive model inspired by internal models in the cerebellum and this approach called Feedback Error Learning (FEL). FEL is the origin of Learning Feed-Forward Control (LFFC). It depends on Feedback Controller and Feed-Forward Controller which is a Neural Network, and this Neural Network uses feedback controller output as training signal. We developed this approach to control a robot arm, and to balance inverted pendulum and to control bus suspension system. We developed this approach by adding a second Neural Network, and this new Neural Network uses FEL controller output as training signal. We simulate these systems by using Matlab and Simulink, and we find that this development improves control performance.