ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
38
водить обучение системы по принципу «обучение с учителем».
Опытный оператор осуществляет управление роботом в характерных
ситуациях, информация запоминается и обрабатывается с помощью
обучаемых нечетких (гибридных) нейросетей.
В качестве примера можно привести задачу управления мобильным
роботом «Богомол» (рис. 3), разработанным в ГосНИИ физико-
технических проблем (ИФТП) [7]. Трудность управления этим роботом
заключается в том, что его подвижная платформа состоит из шести гу-
сениц (траков), из которых четыре имеют управляемые углы подъема.
Рис. 3. Мобильный робот «Богомол»
Можно построить гибридную нейросеть типа ANFIS (Adaptive
Neuro-Fuzzy Intelligent System), используемую для обучения мобиль-
ного робота преодолению препятствий. Входными переменными яв-
ляются углы ориентации платформы робота
α
,
β
,
его линейная ско-
рость
V
и моменты, развиваемые в шарнирах подвеса траков
M
i
,
а вы-
ходными – углы поворота осей управляемых гусениц робота
γ
1
–
γ
4
.
Сеть имеет пять слоев (рис. 4). Первый слой содержит функции при-
надлежности соответствующих лингвистических переменных, второй
–
произведение, соответствующее нечеткому «и», третий слой опре-
деляет нормированную силу правила, четвертый – формирует выход-
ные переменные и пятый слой осуществляет дефазификацию. Обу-
чающая выборка определялась по результатам работы опытного опе-
ратора. По полученной обучающей выборке обучение нейросети
проводилось методом обратного распространения ошибки.
Поскольку каждое типовое препятствие требует своей настройки
параметров сети, использование такого подхода предполагает нали-
чие механизма распознавания типа препятствия. В данном случае
использовался метод кластерного анализа параметров ситуации, поз-
воляющий выделить наиболее вероятную из возможных (известных
заранее) ситуаций. Появление новых ситуаций требует дополнитель-
ного обучения робота, что представляет собой ограничение метода в