طراحی سامانه یادگیری لایه ای و شبیه سازی لایه به لایه کنترلگر بر روی ربات پرنده چهارروتور بر اساس الگوریتم بهینه سازی ازدحام افزایشی ذرات

دراین مقاله به طراحی یک سامانه خلبان خودکار با معماری لایه ای و مکانیسم پیاده سازی لایه به لایه کنترلگر بر روی ربات پرنده چهار روتوربر اساس الگوریتم بهینه سازی ازدحام افزایشی ذرات ارائه می شود. دراین سامانه هدایت پرنده به جای آنکه در انحصار یک کنترلگر واحد باشد توسط یک سیستم چندعاملی که حداقل از ۴ عامل کنترلگر ساخته شده است، انجام می­گیرد. با توزیع وظایف کنترلی و قراردادن فصول مشترک برای لایه های کنترل کننده،پهپاد قادربه جابجاکرد ناختیارات کنترلی بین لایه ها می باشد و این امرموجب جلوگیری از عملکرد نامناسب پهپاد  خواهد شد.علاوه برآن لایه ها قادر خواهند بود از مکانیسم کنترلی لایه دیگر رفتار مورد نظر خود را یاد بگیرند. در فرآیند یادگیری لایه ای، یک مکانیسم بهینه سازی جدید برای کنترلگرهای شبکه عصبی ارائه می شود که بهینه­سازی ازدحام افزایشی ذرات نامیده می شود. در یک لایه آموزشی کنترلگر غیرخطی مد لغزشی و گام به عقب پیاده سازی شده است و رفتار و کارایی این کنترلگرها با شبیه سازی مورد مقایسه قرار گرفته اند در نهایت در این مقاله یک کنترلگر موفق شبکه عصبی در لایه، برای سیستم کاملا غیرخطی با تنظیم وزن های شبکه توسط الگوریتم ازدحام افزایشی ذرات طراحی شده است که قابلیت یادگیری رفتار کنترلگر های لایه های دیگر را دارا می باشد.

کلیدواژه ها:

کنترل لایه ای ، چهارروتور ، کنترلگر گام به عقب ، کنترلگر مد لغزشی ، شبکه عصبی مصنوعی ، ازدحام افزایشی ذرات