MATLAB y teoría difusa
paulinavelaApuntes13 de Mayo de 2021
4.900 Palabras (20 Páginas)80 Visitas
- Difuminar
1.1 Difusión de posición lateral
Posición_lateral = [-2, 2]
Posición_lateral = { izquierda, derecha }
[pic 1]
Izquierda = triangular (-2, -2, 0)
[pic 2]
Derecha = triangular (0, 2, 2)
Posición_lateral = (1) {0, .5}
1.2 Difusión de posición angular
Posición_angular = [-180, 180]
Posición_angular = [izquierda, derecha] [pic 3]
Izquierda = triangular (-180, -180, 0)
[pic 4]
Derecha= triangular (0, 180, 180)
Posición_angular = (55.5) {0, .30}
- Difusión de giro de volante
Volante = [ -540, 540]
Volante = [izquierda, derecha]
Izquierda = triangular (-540, -540, 0)
Derecha= triangular (0, 540, 540)
- Reglas y operadores
REGLA
1.- SI Posición_angular ES IZQUIERDA O Posición_lateral ES IZQUIERDA ENTONCES volante ES DERECHA.
2.- SI Posición_angular ES DERECHA O Posición_lateral ES DERECHA ENTONCES volante ES IZQUIERDA.
- Consecuentes
- Desdifuminar
Hasta hace poco, la informática en el vehículo se ha relegado en gran medida a auxiliares
tareas como regular la temperatura de la cabina, abrir puertas y monitorear
niveles de carga de combustible, aceite y batería. Ahora, sin embargo, las computadoras están asumiendo cada vez más tareas relacionadas con la conducción en algunos modelos comerciales. Entre esas tareas se encuentran
• mantener una velocidad de referencia o mantener una caja fuerte distancia de otros vehículos,
• mejorar la visión nocturna con cámaras infrarrojas, y
• construir mapas y proporcionar rutas alternativas.
Sin embargo,
La tarea de conducción pertenece a una clase de problemas que
Dependen de los sistemas subyacentes para el razonamiento lógico.
y lidiar con la incertidumbre. Entonces, para mover el vehículo
computadoras más allá del monitoreo y en tareas relacionadas
a la percepción del entorno o la conducción, debemos integrar aspectos de la inteligencia y los comportamientos humanos
para que los vehículos puedan gestionar los actuadores de conducción en un
de manera similar a los humanos.
Esta es la motivación detrás del programa AUTOPIA,
un conjunto de proyectos de investigación nacionales en España. AUTOPIA
tiene dos objetivos principales. En primer lugar, queremos implementar la conducción automática utilizando
vehículos probados en carreteras reales. Aunque este objetivo
podría llamarse "utópico" en este momento, es una gran
punto de partida para explorar el futuro. Nuestro segundo
El objetivo es desarrollar nuestro sistema automatizado utilizando componentes modulares que se puedan aplicar inmediatamente en
la industria automotriz.
AUTOPIA se basa en el Instituto de Automática
La amplia experiencia de Industrial en el desarrollo de robots autónomos y sistemas de control difuso y la
El conocimiento de la Universidad de Alcalá de Henares sobre
visión artificial. (Los "sistemas de vehículos inteligentes"
la barra lateral analiza otros proyectos similares). Estamos desarrollando una infraestructura de banco de pruebas para la conducción de vehículos que
incluye experimentación del sistema de control, estrategias,
y sensores. Todas nuestras instalaciones e instrumentos están
disponible para colaborar con otros grupos de investigación
en este campo. Hasta ahora, hemos automatizado e instrumentado dos camionetas Citroën Berlingo producidas en serie.
para llevar a cabo nuestros objetivos.
Equipamiento de vehículos automatizados
La Figura 1 muestra dos furgonetas Citroën Berlingo eléctricas producidas en serie, que hemos automatizado utilizando
un sistema de control integrado basado en lógica difusa para
controlar su velocidad y dirección. El sistema principal
las entradas del sensor son un CCD (dispositivo de carga acoplada)
cámara a color y un sistema de posicionamiento global de alta precisión. A través de estos, el sistema controla la
actuadores de conducción de vehículos, es decir, los pedales de dirección, acelerador y freno. Ambos vehículos incluyen un
computadora a bordo basada en PC; un centimétrico, en tiempo real
GPS diferencial cinemático (RTK DGPS); Inalámbrica
Soporte LAN; dos servomotores; y una tarjeta de E / S analógica / digital. Agregamos un sistema de visión en otro
computadora conectada a la computadora de control.
La figura 2 muestra el sistema de control que desarrollamos.
para manejar todos estos dispositivos.
El Berlingo tiene un acelerador electrónico.
control, por lo que acortamos el circuito electrónico
para accionar el acelerador usando una salida analógica
tarjeta. El pedal de freno es completamente mecánico; nosotros
automatizado mediante polea y servomotor DC. Equipamos la transmisión con un
caja de cambios electrónica con avance y retroceso
selección. Automatizamos esto usando un digital.
Tarjeta de E / S que envía el equipo correcto al
computadora interna del vehículo. Diseñamos nuestro
zona de conducción para emular un entorno urbano
porque la conducción urbana automática es una de
Temas menos investigados de ITS.
Sistema de guiado
Modelamos el sistema de guiado usando
variables y reglas difusas. Además de
funcionalidades del volante y de la velocidad del vehículo, también consideramos las variables que
El sistema se puede utilizar en el control de crucero adaptativo.
(ACC) y capacidad de adelantamiento. Entre
estas variables son la distancia al siguiente
curva y la distancia al vehículo principal (que
es decir, cualquier vehículo que conduzca directamente frente al
vehículo automatizado).
La conducción de automóviles es un problema de control especial
porque los modelos matemáticos son altamente
complejo y no se puede linealizar con precisión.
Usamos lógica difusa porque es un método bien probado
método para lidiar con este tipo de sistema,
proporciona buenos resultados y puede incorporar
conocimiento procedimental humano en control
algoritmos. Además, la lógica difusa nos permite imitar
comportamiento de conducción humana hasta cierto punto.
Control de dirección
Definimos los conjuntos difusos que
definir los valores izquierdo y derecho en un intervalo de
–540 grados y 540 grados.
Cuando se viaja
a lo largo de una carretera recta, la gente conduce a velocidades relativamente altas mientras gira suavemente la
volante. Por el contrario, en curvas cerradas,
reducen rápidamente la velocidad y giran rápidamente
el volante. Emulamos tal comportamiento cambiando la función de pertenencia
parámetros de las variables lingüísticas Lateral_Deviation, Angular_Deviation y Steering_Wheel. A
representar el conocimiento procedimental humano
en la tarea de conducción, solo necesitamos dos
reglas. Estas reglas dicen la inferencia difusa
motor cómo relacionar las variables de entrada y salida difusas:
SI Angular_Error left OR Lateral_Error left THEN
Steering_Wheel derecha
SI Angular_Error a la derecha O Lateral_Error a la derecha ENTONCES
Steering_Wheel left
Aunque estas reglas son simples, generan resultados cercanos a la conducción humana.
Las reglas son las mismas para todas las situaciones, pero
la definición de los valores lingüísticos de las variables difusas cambia. La figura 3 muestra esta característica en la definición de la función de pertenencia.
para Lateral_Error y Angular_Error. Figuras 3a y
3b muestra el grado de verdad del error de entrada
valores en situaciones de seguimiento de trayectoria recta.
Esta definición permite que el sistema actúe rápidamente
cuando se producen desviaciones de la trayectoria, de nuevo en
manteniendo el comportamiento humano.
...