طراحی و پیادهسازی کنترلکنندههای عصبی یادگیرنده عمیق در مقایسه با کنترلکنندههای کلاسیک در کاربرد ماشین خودران | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| مقاله 3، دوره 53، شماره 4 (Special Issue)، تیر 1400، صفحه 2439-2458 اصل مقاله (2.19 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2020.18008.6708 | ||
| نویسندگان | ||
| عباس محمدی1؛ کمال جمشیدی* 1؛ حامد شهبازی2؛ مهران رضایی1 | ||
| 1گروه معماری کامپیوتر، دانشکده مهندسی کامپیوتر، دانشگاه اصفهان، اصفهان، ایران | ||
| 2اصفهان-فنی و مهندسی- مهندسی مکانیک | ||
| چکیده | ||
| در این مقاله کنترلکنندههای عصبی یادگیرنده عمیق در کاربرد ماشین خودران که یکی از معروفترین سیستمهای انسان در حلقه است بررسی شدهاست. این کنترلکننده مدرن با دو کنترلکننده معروف کلاسیک تناسبی- انتگرال- مشتقگیر و کنترل پیشبین مدل، از نظر پارامترهای کیفی وکمی مقایسه شدهاست. این پارامترها انعکاسدهنده چالشهای زمان طراحی شامل وابستگی به مدل و پارامترهای طراحی؛ چالشهای زمان پیادهسازی شامل سهولت پیادهسازی و بار محاسباتی؛ و همچنین پارامترهای مهم در زمان اجرا در کاربرد ماشین خودران شامل دقت، سرعت، هزینه یا تلاش کنترلی، استهلاک و انرژی هستند. در روش پیشنهادی، بستری فراهم آورده شدهاست که طراحان قادر باشند کنترلکنندههای مدرن و کلاسیک را با یکدیگر مقایسه نمایند. در روش پیشنهادی از کنترلکننده عصبی یادگیرنده عمیق به صورت انتها- به- انتها که ساختار آن متشکل از لایههای کانولوشن و لایههای تماما متصل است، به عنوان کنترلکننده مدرن استفاده شدهاست. این کنترلکننده در ابتدا از رانندگی انسان میآموزد سپس به عنوان کنترلکننده خودرو مورد استفاده قرار میگیرد. عدم وابستگی این کنترلکننده به مدل سیستم کنترلشونده (ماشین خودران) و محیط و همچنین قابلیت یادگیری مهمترین مزیت آن است. از نقطه نظر پارامترهای مهم در کنترل ماشین خودران در مقایسه با کنترلکنندههای تناسبی- انتگرال- مشتقگیر و کنترل پیشبین مدل، کارائی قابل قبولی از خود به نمایش میگذارد. | ||
| کلیدواژهها | ||
| سیستمهای فیزیکی- رایانشی؛ سیستم انسان در حلقه؛ یادگیری عمیق؛ کنترل انتها- به- انتها؛ ماشین خودران | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,145 تعداد دریافت فایل اصل مقاله: 1,499 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,376,760 |
| تعداد دریافت فایل اصل مقاله | 6,936,349 |