مسیریابی روبات با استفاده از روش ترکیبی منطق فازی و مدل مخفی مارکوف

روبات مسیریاب از جمله روبات های مهمی است که در زمینه های متعددی در زندگی به کمک انسان ها می آید و از آنجایی که این نوع روبات به دلیل کارکردی که دارد همواره به عنوان یک سیستم بلادرنگ سخت مطرح بوده است پس همواره باید بدون نقص و کوچکترین خطایی به انجام وظیفه اش بپردازد. در این مقاله روش جدیدی مبتنی بر ترکیب منطق فازی با مدل مخفی مارکوف ارائه شده است. در این روش روبات از طریق یادگیری مدل مخفی مارکوف و مشاهداتی که به صورت فازی انجام می گیرد به طی مسیر می پردازد. در مرحله شبیه سازی مدل های مختلفی را مورد آزمایش قرار دادیم که این روش به دلیل استنتاج کمتر روی قوانین فازی به نسبت نمونه روبات های فازی مقایسه شده دیگر به سرعت و دقت در طی مسیر بهبود بخشیده است که با توجه به مسیری که طراحی شده است، روبات پیشنهادی به مقدار 4 ثانیه در سومین بار طی مسیر سریع تر عمل کرد. که به نسبت کوتاهی مسیر عملکرد قابل مقایسه ای محسوب می شود.

کلیدواژه ها:

روبات مسیریاب ، مدل مخفی مارکوف ، منطق فازی ، شبیه سازی روبات ، یادگیری ماشین