طراحی و شبیه‌سازی کنترلر یادگیری تقویتی عمیق عاطفی مبتنی بر شبکه القا برای کنترل کوادروتور | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| دوره 58، شماره 4، 1405 اصل مقاله (2.86 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2026.24767.7898 | ||
| نویسندگان | ||
| پیمان نوروزی؛ حامد شهبازی* ؛ کیوان ترابی | ||
| دانشکده فنی و مهندسی، دانشگاه اصفهان، اصفهان، ایران | ||
| چکیده | ||
| یادگیری تقویتی عمیق به‌عنوان یکی از رویکردهای پیشرفته در حوزه یادگیری ماشین، طی سال‌های اخیر به‌طور گسترده در کنترل سیستم‌های غیرخطی و چندمتغیره، به‌ویژه در ربات‌های پرنده و کوادروتورها، مورد توجه قرار گرفته است. با وجود پیشرفت‌های چشمگیر، الگوریتم‌های متداول یادگیری تقویتی عمیق همچنان با موانعی از قبیل ناپایداری در فرآیند همگرایی، نیاز به توان محاسباتی بالا و حساسیت شدید به پیکربندی شبکه‌های عصبی روبه‌رو هستند. این چالش‌ها موجب کاهش کارایی و محدودیت در تعمیم‌پذیری الگوریتم‌ها در شرایط واقعی می‌شود. در این پژوهش، یک کنترل‌کننده یادگیری تقویتی عمیق عاطفی مبتنی بر ادغام شبکه Inception معرفی شده و با کنترل‌کننده یادگیری تقویتی عمیق مرسوم برای مسئله تعقیب مسیر در کوادروتور مقایسه می‌گردد. معماری پیشنهادی با الهام از ساختار دو‌مسیره مغز انسان شامل مسیر منطقی و مسیر هیجانی طراحی شده است که امکان ایجاد یک مدل تصمیم‌گیری دوسویه را فراهم می‌آورد. این معماری با بهره‌گیری از شبکه‌های موازی، علاوه بر افزایش سرعت واکنش عامل و کاهش بار شناختی، موجب بهبود قابلیت تعمیم در مواجهه با محیط‌های ناشناخته نیز می‌شود. در طراحی تابع پاداش، تلاش شده است تا با حفظ سادگی و در عین حال هوشمندی، عامل توانایی یادگیری طیف وسیعی از حرکات متنوع را به دست آورد. نتایج شبیه‌سازی نشان می‌دهد که کنترل‌کننده پیشنهادی نسبت به نسخه متداول، عملکرد برتری در زمینه پایداری پرواز، دقت در تعقیب مسیر و کارایی فرایند یادگیری ارائه می‌دهد. | ||
| کلیدواژه‌ها | ||
| یادگیری تقویتی عمیق؛ یادگیری تقویتی عمیق چندلایه؛ کوادروتور؛ شبکه‌های عصبی القایی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 132 تعداد دریافت فایل اصل مقاله: 118 |
||