دفاعیه خانم رویا خونساریان

امروزه با پیشرفت چشم گیر پردازنده ها، علم رباتیک نیز متحول شده به طوری که چهره جهان در حال تغییر است. بینایی، یکی از مهم‌ترین حس‌های انسان و حیوانات به شمار می‌رود. به کمک این حس می توان درک بهتری از محیط و شرایط به‌دست آورد. در واقع استفاده از دوربین در سیستم های کنترل به معنی استفاده از خطای سیستم بینایی به عنوان فیدبک می‌باشد و به حداقل رساندن این خطا به منظور بهره گیری از اطلاعات بینایی در سیستم کنترل است. در این پایان نامه، از کنترل مدل پیش بین غیرخطی مبتنی بر بینایی برای کنترل ربات  متحرک استفاده شده است. به منظور بهینه سازی تابع هزینه، از شبکه های عصبی بازگشتی استفاده شده است که می تواند پاسخ را به صورت بی درنگ ارائه کند. همچنین، درصورت عدم وجود پاسخ در شرایط خاص، قادر به همگرایی به پاسخ زیربهینه می باشد. ابتدا، مدل دینامیکی گسسته شده ربات متحرک به‌عنوان مدل پیش‌بینی در نظرگرفته شده و ضرایب تابع هزینه در هر لحظه به گونه ای تنظیم شده اند که ربات بهترین عملکرد را در طول مسیر با حفظ محدودیت قیود داشته باشد. نیاز به دانستن دقیق پارامترهای ربات در مدل گسسته دینامیکی از معایب کنترل کننده های پیش بین به شمار می رود که به دست آوردن مقدار دقیق این پارامترها در عمل امری غیرممکن است. علاوه بر آن، معمولا پارامترهای ربات در طول زمان تغییرمی کنند. این نقیصه در این پایان نامه به‌کمک روش کنترل مدل پیش بین مقاوم مرتفع می‌گردد. لذا به‌کمک این روش، دیگر نیازی به دانستن مقادیر دقیق پارامترهای سیستم ربات نبوده و علاوه  بر آن کنترل کننده با داشتن خاصیت تطبیقی، دربرابر عدم قطعیت هایی ازجمله تغییر پارامترها و اغتشاشات محیطی مقاوم خواهدشد. در ادامه، پایداری کنترل کننده با استفاده از کنترل کننده پیش بین از دیدگاه پایداری لیاپانوف بررسی شده است. نتایج شبیه‌سازی، کارآیی روش پیشنهادی برای هدایت ربات‌های متحرک غیرهولونومیکی را نشان می‌دهد. در انتها، ضمن بررسی میزان حساسیت الگوریتم های کنترل طراحی شده نسبت به عواملی هم چون نویز، تغییرات پارامترها، عملکرد کنترل کننده پیشنهادی با یک نمونه از روش های اخیر ارائه شده در مقالات مقایسه شده است.