×
Nirmal Baran Hui先生；马亨达，V。；迪利普·库马尔·普拉蒂哈尔

使用神经模糊方法实现类车移动机器人的时间最优、无碰撞导航。 （英语） Zbl 1106.93041号

模糊集系统。 157，第16号，2171-2204（2006）.
小结：在本工作中，开发了神经模糊方法来确定在动态环境中导航的类车移动机器人的时间最优、无碰撞路径。采用模糊控制器（FLC）对机器人进行控制，并采用三种不同的神经模糊（NN-FLC）方法提高了FLC的性能。通过计算机仿真，比较了这些神经模糊方法的性能，并与默认行为、人工构造的FLC和势场法等其他三种方法进行了比较。在大多数测试场景中，神经模糊方法的性能优于其他方法。此外，遗传算法（GA）优化的NN-FLC（Mamdani方法）和遗传算法优化的NN-FLC（Takagi和Sugeno方法）的性能可以比较。值得注意的是，所有这些方法的CPU时间都很低。因此，它们可能适合在线实现。

引用于2文件

MSC公司：

93C85号 控制理论中的自动化系统（机器人等）
68T40型 机器人人工智能
93立方厘米 模糊控制/观测系统

关键词：

类汽车机器人；航行；无碰撞的；时间最优的；神经模糊的；势场法；遗传算法

软件：

ANFIS公司
PDF格式BibTeX公司 XML格式引用
\textit{N.B.Hui}等人，模糊集系统。157，第16号，2171--2204（2006；Zbl 1106.93041）
全文： 内政部

参考文献：

[1] Abdessemed，F。；Benmahammed，K。；Monacelli，E.，非完整移动机器人机器人的基于模糊的反应控制器。自动命名。系统，47，31-46（2004）
[2] 阿克巴扎德-T，M.R。；Kumbla，K。；Tunstel，E。；Jamshidi，M.，《自主机器人系统的软计算》，计算。选举。工程，26，5-32（2000）
[3] A.Bempoad，A.D.Luca，G.Oriolo，《类车机器人在障碍物中导航的局部增量规划》，IEEE机器人与自动化会议论文集，明尼苏达州明尼阿波利斯，1996年4月，第1205-1211页。；A.Bempoad，A.D.Luca，G.Oriolo，《类车机器人在障碍物中导航的局部增量规划》，IEEE机器人与自动化会议论文集，明尼苏达州明尼阿波利斯，1996年4月，第1205-1211页。
[4] D.K.Biswas，在同一工作空间中工作的多机器人路径规划-势场方法，M.Tech论文，印度杜尔加布尔REC，2003年，第394-421页。；D.K.Biswas，在同一工作空间中工作的多机器人路径规划-电位场方法，M.Tech论文，印度杜尔加布尔REC，2003年，第394-421页。
[5] D.Feng，H.Krogh，H.Bruce，传统移动机器人的动态转向控制，Proc。IEEE Conf.机器人自动化，1990年，第390-395页。；D.Feng，H.Krogh，H.Bruce，传统移动机器人的动态转向控制，Proc。IEEE Conf.机器人自动化，1990年，第390-395页·兹比尔0737.70015
[6] T.Fraichard，带动态约束的动态轨迹规划：“状态-时间-空间”方法，Proc。IEEE/RSJ智能机器人和系统国际会议，日本横滨，1993年7月，第1393-1400页。；T.Fraichard，带动态约束的动态轨迹规划：“状态-时间-空间”方法，Proc。IEEE/RSJ国际智能机器人与系统会议，日本横滨，1993年7月，第1393-1400页。
[7] Fraichard，T。；Garnier，P.，驾驶类汽车的模糊控制，机器人。自动命名。系统，34，1-22（2001）
[8] T.Fraichard，A.Scheuer，《类Car机器人和移动障碍物》，Proc。1996年IEEE机器人与自动化会议，第64-69页。；T.Fraichard，A.Scheuer，《类Car机器人和移动障碍物》，Proc。1996年IEEE机器人与自动化会议，第64-69页。
[9] T.Fukuda，Y.Hasegawa，K.Shimojima，F.Saito，生成模糊控制器的强化学习方法，IEEE进化计算国际会议，1995年，第273-278页。；T.Fukuda，Y.Hasegawa，K.Shimojima，F.Saito，生成模糊控制器的强化学习方法，IEEE进化计算国际会议，1995年，第273-278页。
[10] P.Garnier，T.Fraichard，一种类似汽车的模糊运动控制器。程序。IROS，IEEE 1996。；P.Garnier，T.Fraichard，一种类似汽车的模糊运动控制器。程序。IROS，IEEE 1996。
[11] J.Godjevac，N.Steele，移动机器人导航的自适应神经模糊控制器，96年，国际交响乐团。神经模糊系统，1996年8月，第111-119页。；J.Godjevac，N.Steele，用于移动机器人导航的自适应神经模糊控制器，AT’96，国际研讨会。神经模糊系统，1996年8月，第111-119页。
[12] 顾，D。；Hu，H.，类汽车移动机器人的神经预测控制，机器人。自动命名。系统，39，73-86（2002）
[13] C.M.Higgins，R.M.Goodman，《函数逼近的模糊规则神经网络学习》，Proc。IJCNN，第1卷，1992年，第251-256页。；C.M.Higgins，R.M.Goodman，《函数逼近的模糊规则神经网络学习》，Proc。IJCNN，第1卷，1992年，第251-256页。
[14] S.Hong，S.Kim，K.Park，J.Lee，未知障碍物存在下非完整移动机器人的局部运动规划，Proc。IEEE机器人与自动化会议，明尼苏达州明尼阿波利斯，1996年4月，第1212-1216页。；S.Hong，S.Kim，K.Park，J.Lee，未知障碍物存在下非完整移动机器人的局部运动规划，Proc。IEEE机器人与自动化会议，明尼苏达州明尼阿波利斯，1996年4月，第1212-1216页。
[15] S.Horikawa，T.Furuhashi等人，《使用模糊神经网络进行模糊建模的研究》，Proc。IFES，1991年，第562-573页。；S.Horikawa，T.Furuhashi等人，《使用模糊神经网络进行模糊建模的研究》，Proc。IFES，1991年，第562-573页。
[16] N.B.Hui，D.K.Pratihar，使用遗传神经模糊系统的类车机器人的时间最优无碰撞导航，Proc。《理论与计算力学国际会议》，印度卡拉普尔国际技术研究所，2004年，第96-99页。；N.B.Hui，D.K.Pratihar，使用基因-神经-模糊系统的类车机器人的时间优化、无碰撞导航，Proc。《国际Conf.理论与计算力学》，印度卡拉普尔国际技术研究所，2004年，第96-99页。
[17] Jang，J.S.R.，基于时间反向传播的自学习模糊控制器，IEEE Trans。神经网络，3，5（1992）
[18] Jang，J.-S.R.，ANFIS:基于自适应网络的模糊推理系统，IEEE Trans。系统、Man Cybernet、。，23, 3, 665-685 (1993)
[19] Jang，J.-S.R。；Sun，C.-T。；Mizutani，E.，《神经模糊与软计算》（Neuro-fuzzy and soft computing）（1997年），普伦蒂斯·霍尔：普伦蒂塞·霍尔·恩格尔伍德，新泽西州
[20] K.J.Kyriakopoulos，P.Kakambouras，N.J.Krikelis，在具有势场和跟踪的复杂环境中非完整飞行器的导航，Proc。IEEE机器人与自动化国际会议，明尼苏达州明尼阿波利斯，1996年4月，第3389-3394页。；K.J.Kyriakopoulos，P.Kakambouras，N.J.Krikelis，在具有势场和跟踪的复杂环境中非完整飞行器的导航，Proc。IEEE机器人与自动化国际会议，明尼苏达州明尼阿波利斯，1996年4月，第3389-3394页。
[21] Latombe，J.C.，《机器人运动规划》（1991），Kluwer学术出版社：Kluwer-学术出版社Dordrecht
[22] C.S.Lee-George，《神经模糊系统》，《工业机器人手册》，第二版，1999年，第394-421页。；C.S.Lee-George，《神经模糊系统》，《工业机器人手册》，第二版，1999年，第394-421页。
[23] 李伟（Li，W.）。；马，C。；Wahl，F.M.，未知环境中移动机器人基于行为控制的神经模糊系统架构，模糊集与系统，87，133-140（1997）
[24] Lin，C.T。；Lee，C.S.G.，基于神经网络的模糊逻辑控制和决策系统，IEEE Trans。计算。，40, 12 (1991) ·Zbl 0876.93059号
[25] A.D.Luca，G.Oriolo，非完整移动机器人的局部增量规划，1994年IEEE机器人与自动化国际会议，加利福尼亚州圣地亚哥，1994年，第104-110页。；A.D.Luca，G.Oriolo，《非完整移动机器人的局部增量规划》，1994年IEEE国际机器人与自动化会议，加利福尼亚州圣地亚哥，1994年，第104-110页。
[26] Maaref，H。；Barret，C.，室内环境中移动机器人基于传感器的导航，Robo。自动命名。系统，38，1-18（2002）·Zbl 1017.68134号
[27] Mamdani，E.H。；《用模糊逻辑控制器进行语言综合的实验》，国际期刊Man-Mach。螺柱，7，1，1-13（1975）·Zbl 0301.68076号
[28] Marichal，G.N。；阿科斯塔，L。；莫雷诺，L。；Mendez，J.A。；罗德里戈，J.J。；Sigut，M.，《移动机器人的避障：神经模糊方法》，模糊集与系统，124171-179（2001）·Zbl 1005.93036号
[29] D.Nauck，F.Klawonn，R.Kruse，《神经网络和模糊控制器的结合》，1993年6月28日至7月2日在奥地利林茨FLAI'93上的演讲。；D.Nauck，F.Klawonn，R.Kruse，《神经网络和模糊控制器的结合》，1993年6月28日至7月2日，奥地利林茨，FLAI'93演讲。
[30] 诺克·D。；Klawonn，F。；Kruse，R.，结合神经网络和模糊控制器，（Klement，E.-P.；Slany，W.，人工智能中的模糊逻辑（1993），施普林格：施普林格柏林）
[31] H.Nomura，I.Hayashi，N.Wakami，用下降法学习模糊推理规则的方法，Proc。IEEE Int.Conf.Fuzzy Systems，加州圣地亚哥，1992年。；H.Nomura，I.Hayashi，N.Wakami，用下降法学习模糊推理规则的方法，Proc。IEEE国际会议，模糊系统，加利福尼亚州圣地亚哥，1992年·Zbl 0825.68523号
[32] D.K.Pratihar，使用GA-fuzzy方法生成腿机器人的路径和步态，博士论文，IIT坎普尔，2000年。；D.K.Pratihar，使用GA-fuzzy方法生成腿机器人的路径和步态，博士论文，坎普尔研究所，2000年。
[33] Pratihar，D.K.，机器人运动规划的算法和软计算方法，马赫。智力。罗布。控制，5，1，1-16（2003）
[34] Pratihar，D.K.，《进化机器人——综述》，Sadhana，28，6，999-1009（2003）
[35] Pratihar，D.K。；Bibel，W.，使用遗传模糊系统机器智能为在同一工作空间中工作的多个机器人生成无碰撞路径。机器人。控制，5，2，45-58（2003）
[36] Song，K.T。；Sheen，L.H.，启发式模糊神经网络及其在移动机器人反应式导航中的应用，模糊集与系统，110，331-340（2000）
[37] Sulzberger，S.M。；新墨西哥州古尔曼。；Vestli，S.J.，FUN:使用神经网络优化基于模糊规则的系统，IEEE Int.Conf.neural networks，1312-316（1993年4月）
[38] 高木，H。；Hayashi，I.，NN驱动模糊推理，Int.J.近似推理。，5, 191-212 (1991) ·Zbl 0733.68074号
[39] T.Takagi，M.Sugeno，从操作员的控制动作推导模糊控制规则，Proc。IFAC交响乐团。《模糊信息、知识表示和决策分析》，法国马赛，1983年，第55-60页。；T.Takagi，M.Sugeno，从操作员的控制动作中推导模糊控制规则，Proc。IFAC交响乐团。《模糊信息、知识表示和决策分析》，法国马赛，1983年，第55-60页。
[40] Takagi，T。；Sugeno，M.，系统的模糊识别及其在建模和控制中的应用，IEEE Trans。系统，人类网络。，15, 116-132 (1985) ·Zbl 0576.93021号
[41] 唐，A.M。；奎克，C。；Ng，G.S.，GA-TSKfnn：使用遗传算法调整模糊神经网络的参数，专家系统应用。，29, 769-781 (2005)
[42] 王立新。；Mendel，J.M.，通过示例学习生成模糊规则，IEEE Trans。系统，人类网络。，22, 6, 1414-1427 (1992)
[43] B.Yegnanarayana，人工神经网络，新德里Prentice-Hall。；B.Yegnanarayana，人工神经网络，新德里Prentice-Hall·Zbl 1168.94441号
[44] 扎德，洛杉矶，模糊集，信息。控制，8338-353（1965）·Zbl 0139.24606号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。