Orientador: Fernando Antonio Campos Gomide

Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica

Resumo: Neste trabalho é apresentada uma arquitetura de controle para navegação de veículos autônomos, usando auto-organização e técnicas de redes neurais e lógica nebulosa. O objetivo é encontrar alvos posicionados em um ambiente desconhecido, sem entretanto colidir com obstáculos. A arquitetura...

Resumo: Neste trabalho é apresentada uma arquitetura de controle para navegação de veículos autônomos, usando auto-organização e técnicas de redes neurais e lógica nebulosa. O objetivo é encontrar alvos posicionados em um ambiente desconhecido, sem entretanto colidir com obstáculos. A arquitetura faz uso da teoria dos grupos neurais, de redes neurais e sistemas nebulosos, para o aprendizado de habilidades de navegação. Sensores neurais/nebulosos são utilizados para fornecer informações que possibilitem aos campos adaptativos ativarem ações nebulosas em resposta às características encontradas no ambiente. Ou seja, o sistema de controle desenvolve um comportamento adaptativo através das interações entre o veículo e o ambiente, e de estratégias de aprendizado. Resultados de simulação mostram que o sistema apresenta capacidade de aprender estratégias de navegação que proporcionam um melhor desempenho quando comparadas com esquemas alternativos utilizados para a solução do mesmo problema

Abstract: In this work a seIf organizing, neurofuzzy control architecture for a class of autonomous vehicles' navigation is presented. The aim is to find target positions, without colliding with obstacles of an unknown environment. The architecture uses neural networks and fuzzy systems together...

Abstract: In this work a seIf organizing, neurofuzzy control architecture for a class of autonomous vehicles' navigation is presented. The aim is to find target positions, without colliding with obstacles of an unknown environment. The architecture uses neural networks and fuzzy systems together with the theory of neuronal group seIection to learn navigation skills. Neurofuzzy sensor information builds up adaptive fieIds whose intensity triggers fuzzy control actions in response to the environment characteristics. That is, the control system deveIops adaptive behavior from the interactions between the vehicle, the environment,and Iearning strategies. Simulation results show that the control system is able to efficiently learn navigation strategies that perform better when compared with altemative schemes