ridm@nrct.go.th   ระบบคลังข้อมูลงานวิจัยไทย   รายการโปรดที่คุณเลือกไว้

การใช้งานโครงข่ายนิวรัลประดิษฐ์และการคำนวณเชิงพันธุกรรมในการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด

หน่วยงาน สำนักงานกองทุนสนับสนุนการวิจัย

รายละเอียด

ชื่อเรื่อง : การใช้งานโครงข่ายนิวรัลประดิษฐ์และการคำนวณเชิงพันธุกรรมในการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด
นักวิจัย : ณชล ไชยรัตนะ
คำค้น : Multi-Objective Genetic Algorithm , Neural Networks , Robotics , Time-Optimal Control , การควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด , ขั้นตอนวิธีเชิงพันธุกรรมแบบหลายจุดประสงค์ , โครงข่ายนิวรัลประดิษฐ์หุ่นยนต์
หน่วยงาน : สำนักงานกองทุนสนับสนุนการวิจัย
ผู้ร่วมงาน : -
ปีพิมพ์ : 2544
อ้างอิง : http://elibrary.trf.or.th/project_content.asp?PJID=PDF4380005 , http://research.trf.or.th/node/629
ที่มา : -
ความเชี่ยวชาญ : -
ความสัมพันธ์ : -
ขอบเขตของเนื้อหา : -
บทคัดย่อ/คำอธิบาย :

รายงานวิจัยฉบับนี้ได้แสดงการใช้งานโครงข่ายนิวรัลประดิษฐ์และขั้นตอนวิธีเชิง พันธุกรรมในการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุดในระบบควบคุมปิดของหุ่นยนต์ซึ่งมี 3 ระดับขั้นความเสรี โครงข่ายโคโฮเน็นแบบเพิ่มเติมซึ่งมีแลตทิซของนิวรอนออกเพิ่มขึ้นมาได้ ถูกนำมาใช้ร่วมกับตัวควบคุมแบบพีไอดีในการควบคุมการเคลื่อนที่เพื่อลดข้อผิดพลาดในการ ติดตามคำสั่งควบคุม ผลของการจำลองแสดงให้เห็นว่าโครงข่ายโคโฮเน็นแบบเพิ่มเติมมี ประสิทธิภาพในการทำงานสูงกว่าเทคนิคการปรับแนววิถีที่ได้อธิบายไว้ในงานวิจัยที่มีอยู่เดิม หลังจากนั้นขั้นตอนวิธีเชิงพันธุกรรมแบบหลายจุดประสงค์ได้ถูกนำมาใช้แก้ปัญหาการหาค่า เหมาะที่สุดซึ่งเกี่ยวข้องกับการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด ปัญหาการหาค่าเหมาะ ที่สุดที่สนใจเกี่ยวข้องกับการคัดเลือกขอบเขตแรงบิดของแอคชูเอเตอร์และเส้นทางการเคลื่อนที่ ของปลายมือหุ่นยนต์ เพื่อให้ได้ผลที่สอดคล้องกับเงื่อนไขบังคับของการใช้เวลาน้อยที่สุดและ เงื่อนไขบังคับของข้อผิดพลาดในการติดตามคำสั่งควบคุม เทคนิคการเข้ารหัสโครโมโซมสอง รูปแบบ ได้แก่ การเข้ารหัสแบบเกรย์ และการเข้ารหัสแบบจำนวนเต็ม ได้ถูกนำมาใช้ในการ แสดงค่าตัวแปรตัดสินใจ ผลของการจำลองชี้ให้เห็นว่าการเข้ารหัสแบบจำนวนเต็มมีความเหมาะ สมมากกว่าการเข้ารหัสแบบเกรย์ในปัญหานี้ นอกจากนั้นการใช้งานโครงข่ายนิวรัลประดิษฐ์และ ขั้นตอนวิธีเชิงพันธุกรรมร่วมกันในการแก้ปัญหาการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด ยังได้แสดงถึงแนวคิดในการผสมผสานโครงข่ายนิวรัลประดิษฐ์เข้ากับขั้นตอนวิธีเชิงพันธุกรรม ในระดับของการทำงานเพื่อประยุกต์ใช้ในระบบควบคุมอีกด้วย This report presents the use of neural networks and a genetic algorithm in time- optimal control of a closed-loop 3-dof robotic system. Extended Kohonen networks, which contain an additional lattice of output neurons, are used in conjunction with PID controllers in position control to minimise command tracking errors. The results indicate that the extended Kohonen network controller is more efficient than the trajectory pre- shaping scheme reported in early literature. Subsequently, a multi-objective genetic algorithm (MOGA) is used to solve an optimisation problem related to time-optimal control. This problem involves the selection of actuator torque limits and an end-effector path subject to time-optimality and tracking error constraints. Two chromosome coding schemes are explored in the investigation: Gray and integer-based coding schemes. The results suggest that the integer-based chromosome is more suitable at representing the decision variables. As a result of using both neural networks and a genetic algorithm in this application, an idea of a hybridisation between a neural network and a genetic algorithm at the task level for use in a control system is also effectively demonstrated.

บรรณานุกรม :
ณชล ไชยรัตนะ . (2544). การใช้งานโครงข่ายนิวรัลประดิษฐ์และการคำนวณเชิงพันธุกรรมในการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด.
    กรุงเทพมหานคร : สำนักงานกองทุนสนับสนุนการวิจัย.
ณชล ไชยรัตนะ . 2544. "การใช้งานโครงข่ายนิวรัลประดิษฐ์และการคำนวณเชิงพันธุกรรมในการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด".
    กรุงเทพมหานคร : สำนักงานกองทุนสนับสนุนการวิจัย.
ณชล ไชยรัตนะ . "การใช้งานโครงข่ายนิวรัลประดิษฐ์และการคำนวณเชิงพันธุกรรมในการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด."
    กรุงเทพมหานคร : สำนักงานกองทุนสนับสนุนการวิจัย, 2544. Print.
ณชล ไชยรัตนะ . การใช้งานโครงข่ายนิวรัลประดิษฐ์และการคำนวณเชิงพันธุกรรมในการควบคุมการเคลื่อนที่โดยใช้เวลาน้อยที่สุด. กรุงเทพมหานคร : สำนักงานกองทุนสนับสนุนการวิจัย; 2544.