Return to search

Grupos neurais e sistemas nebulosos : aplicação a navegação autonoma

Orientador: Fernando Antonio Campos Gomide / Dissertação (mestrado) - Universidade Estadual de Campinas, Faculdade de Engenharia Eletrica / Made available in DSpace on 2018-07-21T03:43:02Z (GMT). No. of bitstreams: 1
Fabro_JoaoAlberto_M.pdf: 3614777 bytes, checksum: 2eed999b8ccd3a1573c5ec1bd7c10fde (MD5)
Previous issue date: 1996 / 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 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 / Mestrado / Mestre em Engenharia Elétrica

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unicamp.br:REPOSIP/261405
Date27 February 1996
CreatorsFabro, João Alberto
ContributorsUNIVERSIDADE ESTADUAL DE CAMPINAS, Gomide, Fernando Antonio Campos, 1951-
Publisher[s.n.], Universidade Estadual de Campinas. Faculdade de Engenharia Elétrica, Programa de Pós-Graduação em Engenharia Elétrica
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Format64f. : il., application/pdf
Sourcereponame:Repositório Institucional da Unicamp, instname:Universidade Estadual de Campinas, instacron:UNICAMP
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0024 seconds