淡江大學覺生紀念圖書館 (TKU Library)
進階搜尋


下載電子全文限經由淡江IP使用) 
系統識別號 U0002-0602200616005900
中文論文名稱 輪型足球機器人之整合型小腦模型控制器設計與路徑規劃
英文論文名稱 Integrated CMAC Design and Path Planning for Wheeled Soccer Robots
校院名稱 淡江大學
系所名稱(中) 電機工程學系碩士班
系所名稱(英) Department of Electrical Engineering
學年度 94
學期 1
出版年 95
研究生中文姓名 駱佑瑋
研究生英文姓名 Yu-Wei Lo
學號 692380800
學位類別 碩士
語文別 中文
口試日期 2006-01-06
論文頁數 105頁
口試委員 指導教授-翁慶昌
委員-洪欽銘
委員-江青瓚
委員-黃志良
委員-陳珍源
中文關鍵字 模糊控制  小腦模型控制器  足球機器人  運動控制  路徑規劃 
英文關鍵字 Fuzzy Control  CMAC  Soccer Robot  Motion Control  Path Planning 
學科別分類 學科別應用科學電機及電子
中文摘要 本論文提出一個整合型小腦模型控制器來改善輪型機器人之運動控制和運動策略之軌跡控制。此外,在足球機器人之決策判斷上,本論文提出一個進攻策略與軌跡演算法來讓機器人在動態的足球比賽中具備及時選擇進攻路徑之能力。在運動控制上,本論文結合模糊控制器(Fuzzy Controller)與最簡架構之類化型小腦模型控制器(S_CMAC_GBF)提出一個整合型小腦模型控制器(Intergrated CMAC)結構S_FCMAC_GBF來決定輪型機器人逼近目標物時位移速度和旋轉角度之控制量,所提方法將可以控制機器人同時達到位置與角度之雙目標控制要求。S_CMAC_GBF具備快速的學習收斂速度、良好的類化能力、架構簡單、以及易於硬體實現等特性,並且可以大幅減少傳統小腦模型架構所需的記憶體空間。所提S_FCMAC_GBF控制架構在設計過程中不需經過繁雜的系統建模和參數最佳化,其可以經由小腦模型控制器S_CMAC_GBF的線上學習來修正模糊控制器的控制命令來讓機器人達到所需求的位置與角度。所提控制架構對於非線性系統之即時控制具有不錯的強健性和準確度,而且此控制架構具有良好的適應性,所以易於移植到不同的受控系統。在機器人進攻之軌跡控制上,本論文結合比例控制器(Proportional Controller)與最簡架構之類化型小腦模型控制器(S_CMAC_GBF)提出一個整合型小腦模型控制器結構S_PCMAC_GBF來修正機器人之運動軌跡,使得機器人之追球路徑可以逼近追球軌跡演算法之期望路徑。最後,本論文以MATLAB建立一平台來模擬機器人運動軌跡之追蹤控制以及進攻策略與軌跡控制器之運動路徑,並且驗證所提控制架構確實可以有效降低動態運動控制中的控制誤差,以及有效提升系統控制的精確度。
英文摘要 An integrated CMAC structure is proposed to improve the motion control and the path planning of wheeled robots in this thesis. Moreover, an attacking strategy and a path algorithm are also proposed so that a good attacking path can be real-time generated for soccer robots in the robot soccer game. In the motion control, an integrated CMAC structure S_FCMAC_GBF, combines a fuzzy controller and a S_CMAC_GBF (a simple structure of addressing technique for CMAC_GBF), is proposed to determine the velocity and angular velocity of the robot to approach the target so that the controlled wheeled robot can attain two control targets: the desired position and orientation of the robot. The proposed S_FCMAC_GBF structure does not need complex system modeling or parameter optimal adjusting. S_CMAC_GBF has some distinguished attributes, such as fast learning converge capability, outstanding classifying capability, simple structure, and effectiveness to be implemented in hardware, reducing the memory size of traditional CMAC structure dramatically, etc. Through the on-line learning of S_CMAC_GBF, the output of S_CMAC_GBF can modify the output of the fuzzy control such that the control command will let the controlled robot approach the desired position and orientation as well as possible. The proposed structure has a good robustness and accuracy for the real-time control of nonlinear systems to track the target. Moreover, it is facile to be implemented on different systems. In the attacking path planning design, an integrated CMAC structure S_PCMAC_GBF, combines a proportional controller (P controller) and a S_CMAC_GBF, is proposed to adjust the tracking path so that the robot can move as the expected path determined by the tracking ball algorithm. Finally, some control results of the proposed integrated CMAC structures in the motion control and path planning are simulated by MATLAB to illustrate the proposed structures can reduce the output error and improve the control precision effectively.
論文目次 第1章 緒論 1
1.1 前言 1
1.2 研究動機 2
1.3 研究方法 4
1.4 論文架構 5
第2章 控制理論 6
2.1 模糊控制理論 7
2.1.1 模糊理論之背景 7
2.1.2 模糊控制之數學基礎 8
2.1.3 模糊控制器之架構 13
2.1.4 模糊控制器之設計步驟 15
2.2 小腦模型控制器理論 18
2.2.1 小腦模型控制器之背景 18
2.2.2 傳統小腦模型控制器之架構 19
2.2.3 類化型小腦模型控制器之架構 24
2.2.4 最簡定址類化型小腦模型控制器之架構 28
2.2.5 CMAC、CMAC_GBF與S_CMAC_GBF學習能力之比較 29
第3章 整合型小腦模型控制器之設計 34
3.1 整合型小腦模型控制器架構 34
3.2 非線性系統之控制模擬 35
第4章 機器人運動建模與控制器之設計 45
4.1 機器人之運動建模 46
4.1.1 兩輪機器人之運動模型 46
4.1.2 三輪全方位移動機器人之運動模型 48
4.1.3 四輪全方位移動機器人之運動模型 50
4.1.4 輪型機器人於馬達響應下之運動特性 52
4.2 目標物追蹤設計 56
4.3 雙目標之運動控制器設計 59
4.4 雙目標運動控制器之模擬結果 64
第5章 足球機器人進攻策略之設計 73
5.1 追球軌跡演算法 74
5.2 追球軌跡控制器之設計 77
5.3 避障軌跡演算法與動態避障規劃 80
5.4 射門條件之判斷方法 81
5.5 進攻策略與軌跡控制器之模擬結果 89
第6章 結論與未來展望 102
參考文獻 104
圖目錄
圖 2.1 溫度歸屬函數 8
圖 2.2 Mamdani 模糊推論示意圖 12
圖 2.3 Sugeno 模糊推論示意圖 13
圖 2.4 模糊控制之基本架構圖 14
圖 2.5 小腦模型之基本架構圖 20
圖 2.6 傳統小腦模型映射方式之示意圖 21
圖 2.7 小腦模型演算之流程圖 23
圖 2.8 類化型小腦模型控制器之基本架構圖 24
圖 2.9 類化型小腦模型控制器之映射方式 25
圖 2.10 最簡定址類化型小腦模型控制器之映射方式 29
圖 2.11 學習目標函數 30
圖 2.12 CMAC於非線性函數之學習 31
圖 2.13 CMAC_GBF於非線性函數之學習 32
圖 2.14 S_CMAC_GBF於非線性函數之學習 33
圖 3.1 整合型小腦模型控制器架構圖 35
圖 3.2 誤差比例回授小腦模型控制器之示意圖 36
圖 3.3 模糊小腦模型控制器之示意圖 36
圖 3.4 非線性函數特性圖 37
圖 3.5 P Controller之控制響應 38
圖 3.6歸屬函數 39
圖 3.7 FC之控制結果 40
圖 3.8 CMAC_GBF之輸出響應 41
圖 3.9 S_CMAC_GBF之輸出響應 41
圖 3.10 PCMAC之模擬結果 42
圖 3.11 FCMAC之模擬結果 43
圖 3.12 FSCMAC之模擬結果 44
圖 4.1 兩輪機器人之示意圖 46
圖 4.2 三輪全方位移動機器人之硬體架構 48
圖 4.3 四輪全方位移動機器人之硬體架構 50
圖 4.4 直流馬達之示意圖 52
圖 4.5 馬達之步階響應 53
圖 4.6 二輪全方位機器人之馬達響應與輸出結果 54
圖 4.7 三輪全方位機器人之馬達響應與輸出結果 55
圖 4.8 四輪全方位機器人之馬達響應與輸出結果 55
圖 4.9 二輪機器人與目標物之角度示意圖 57
圖 4.10目標物在機器人之第一象限 58
圖 4.11 目標物在機器人之第二象限 58
圖 4.12目標物在機器人之第三象限 58
圖 4.13 目標物在機器人之第四象限 58
圖 4.14 FCMAC雙目標運動控制器 60
圖 4.15 二輪機器人之運動追蹤示意圖 61
圖 4.16 二輪機器人之運動響應模擬方塊圖 61
圖 4.17 運動控制設計流程圖 63
圖 4.18 運動控制器之歸屬函數 65
圖 4.19 運動控制器之模擬平台 66
圖 4.20 期望追蹤之目標物的運動軌跡 66
圖 4.21 FC之控制結果 67
圖 4.22 FC+S_CMAC_GBF修正角度控制 67
圖 4.23 FC+S_CMAC_GBF修正速度控制 68
圖 4.24 FCMAC之控制結果 68
圖 4.25 FC狀態變數之控制誤差 69
圖 4.26 FC+S_CMAC_GBF修正角度控制之控制誤差 69
圖 4.27 FC+S_CMAC_GBF修正速度控制之控制誤差 70
圖 4.28 FCMAC狀態變數之控制誤差 70
圖 4.29 FC於動態目標物追蹤第一圈之運動軌跡 71
圖 4.30 FC於動態目標物追蹤第三圈之運動軌跡 71
圖 4.31 FCMAC於動態目標物追蹤第一圈之運動軌跡 72
圖 4.32 FCMAC於動態目標物追蹤第三圈之運動軌跡 72
圖 5.1 進攻策略之設計步驟 73
圖 5.2 追球軌跡演算法之動態示意圖 75
圖 5.3 追球軌跡演算法之球場示意圖 76
圖 5.4 射門軌跡控制示意圖 77
圖 5.5 輪型機器人之運動特性 78
圖 5.6 PCMAC運動軌跡控制器 79
圖 5.7 避障軌跡示意圖 80
圖 5.8 足球機器人進攻射門之程式流程圖 81
圖 5.9 判斷是否滿足帶球條件之追球狀態示意圖 82
圖 5.10 球場各角落之追球狀態示意圖 83
圖 5.11 後場帶球條件修正之示意圖 84
圖 5.12 前場帶球條件修正之示意圖 85
圖 5.13 射門區域示意圖 87
圖 5.14 射門角度示意圖 88
圖 5.15 射門條件之判斷流程圖 88
圖 5.16 進攻策略與軌跡控制器之模擬平台 89
圖 5.17 期望之追球軌跡 90
圖 5.18 期望追球軌跡中機器人之狀態變數示意圖 90
圖 5.19 旋轉角度低於期望角度之追球軌跡 91
圖 5.20 機器人旋轉角度低於期望角度之狀態變數示意圖 92
圖 5.21 機器人旋轉角度低於期望角度之控制誤差示意圖 92
圖 5.22 機器人追球軌跡之暫態示意圖 93
圖 5.23 機器人追球軌跡之穩態示意圖 93
圖 5.24 使用比例控制器之狀態變數示意圖 94
圖 5.25 使用比例控制器之角度控制誤差示意圖 94
圖 5.26 使用PCMAC之狀態變數示意圖 95
圖 5.27 使用PCMAC之角度控制誤差示意圖 95
圖 5.28 使用比例控制器之追球軌跡示意圖 96
圖 5.29 使用PCMAC之追球軌跡示意圖 96
圖 5.30 球初始位置於(-400,300)之運動軌跡模擬 97
圖 5.31 球初始位置於(400,-300)之運動軌跡模擬 98
圖 5.32 機器人對於靜態障礙物之避障模擬 99
圖 5.33 機器人對於動態障礙物之避障模擬 100
圖 5.34 球(-400,-300)時對於動態障礙物之等速避障模擬 101
圖 5.35 球(-400,-300)時對於動態障礙物之加速避障模擬 101
表目錄
表 2.1前向式推理GMP 11
表 2.2後向式推理GMT 11
表 2.3 超立方塊表對應表 22
表 2.4 學習參數之相關設定 30
表 3.1 模糊規則表 40
表 4.1 移動速度之模糊規則庫 64
表 4.2 旋轉角速度之模糊規則庫 64
參考文獻 [1] Homepage of RoboCup Association: http://www.robocup.org/
[2] Homepage of FIRA Association: http://www.fira.net/
[3] L. A. Zadeh, “Fuzzy sets,” Informational and Control, Vol.8, pp.338-353, 1965.
[4] J.S. Albus, “A new approach to manipulator control: The Cerebellar Model Articulation Controller (CMAC),” Journal of Dynamic Systems, Measurement, and Control, Transactions of ASME, pp. 220-227, 1975.
[5] J.S. Albus, “Data storage in the Cerebellar Model Articulation Controller (CMAC),” Journal of Dynamic Systems, Measurement, and Controller, Transactions of ASME, pp. 228-233, 1975.
[6] F. H. Glanz, W. T. Miller, and L. G. Kraft, “An overview of the CMAC neural network,” IEEE International Conference on Neural Networks for Ocean Engineering, pp. 301-308, 1991.
[7] E. H. Mamdani, “Applications of fuzzy algorithms for simple dynamic plant,” Proc. IEE, Vol.121, No.12, pp.1585-1588, 1974.
[8] E. H. Mamdani and S.Assilian, “An experiment in linguistic synthesis with a fuzzy logic controller,” Int. Journal of Man Machine Studies, Vol.7, No.1, pp. 1-13, 1975.
[9] J. H. Holland, Adaptation in Natural and Artificial System, University of Michigan Press, Michigan, 1975.
[10] C. T. Chiang and C. S. Lin, “Integration of CMAC and radial basis function techniques,” IEEE International Conference on Intelligent Systems for the 21st, Vol. 4, pp. 3263-3268, 1995.
[11] C. T. Chiang and C. S. Lin, “CMAC with general basis functions,” Neural Network, Vol.9, No.7, pp.1199-1211, 1996.
[12] C.S. Lin and C.K. Li, “A low-dimensional-CMAC-base neural network,” IEEE International Conference on Systems, Man and Cybernetics, vol. 2, pp.1297-1302, 1996.
[13] 鐘招名,最簡定址架構之類化型小腦模型控制器硬體實現,私立清雲科技大學電機工程研究所,碩士論文,2005。
[14] C. C. Lin and F. C. Chen, “Improved CMAC neural network control scheme,” Electronics Letters, Vol.35, No.2, pp.157-158, 1999.
[15] 賴玉彬,模糊可微分小腦模型控制器之設計與應用研究,國立臺灣師範大學工業教育所,碩士論文,2003。
[16] D. E. Goldberg, Genetic Algorithm in Search, Optimization and Machine Learning, Addison-Wesley, Reading, 1989.
論文使用權限
  • 同意紙本無償授權給館內讀者為學術之目的重製使用,於2008-02-07公開。
  • 同意授權瀏覽/列印電子全文服務,於2009-02-07起公開。


  • 若您有任何疑問,請與我們聯絡!
    圖書館: 請來電 (02)2621-5656 轉 2281 或 來信