State Observers for Terrain Mobility Controls: A Technical Analysis

Vantsevich, Vladimir V.; Gorsich, David; Lozynskyy, Andriy; Demkiv, Lyubomyr; Borovets, Taras

doi:10.1007/978-3-030-20131-9_363

Cited by 6 publications

(3 citation statements)

References 8 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…( 8)) the fuzzy polynomial controller was synthesized. It should be noted, that the designed fuzzy polynomial controller is dependent on the system states values that in this study are simulated by the ideal sensors, however, it can be extended for using the state observers that are being developed for the wheel locomotion module in [29].…”

Section: Resultsmentioning

confidence: 99%

Fuzzy controller, designed by reinforcement learning, for vehicle traction system application

Demkiv¹,

Lozynskyy²,

Vantsevich³

et al. 2021

Math. Model. Comput.

View full text Add to dashboard Cite

In this article, a fuzzy controller tuned by reinforcement learning is proposed. The developed algorithm utilizes a fuzzy logic theory and a reinforcement learning for fine-tuning parameters of the membership function for the fuzzy controller. Apart from the fuzzy controller developed, a fuzzy corrector of reference input (set-point) signal to the controller is applied. The fuzzy corrector changes the input (reference) signal of the system and takes into account an original reference input and type of external disturbances. Thus, the designed fuzzy control that is tuned by reinforcement learning is capable to ensure the stable, optimal, and safe performance of the system and takes into account external disturbances. To verify the performance of the proposed controller, the adaptive fuzzy controller tuned by reinforcement learning is applied to the mathematical model of a wheel locomotion module of an electric vehicle to advance a traction control system. Therefore, the effectiveness of the proposed adaptive fuzzy controller is proven through the simulation results.

show abstract

Section: Resultsmentioning

confidence: 99%

Fuzzy controller, designed by reinforcement learning, for vehicle traction system application

Demkiv¹,

Lozynskyy²,

Vantsevich³

et al. 2021

Math. Model. Comput.

View full text Add to dashboard Cite

show abstract

“…Вибір кількості частинок є одним із основних процесів налаштування спостерігача, при виконанні якого необхідно знайти оптимальне співвідношення між точністю спостереження і часом розрахунку [8]. Проте, таке співвідношення змінюється, коли змінюються умови спостереження, а саме змінюється збурення, які діють на систему або сенсори.…”

Section: виклад основного матеріалуunclassified

“…У першому випадку блок спостерігача замінено блоком сенсорів, які визначають усі координати стану системи. У другому випадку блок спостерігача містить алгоритм фільтра частинок, для якого кількість частинок було вибрано 250 із метою обчислення одного значення вектора X за час, менший ніж крок дискретизації [8]. Третій випадок передбачає дослідження спостерігача частинок із нечіткою логікою.…”

Section: виклад основного матеріалуunclassified

Застосування Нечіткого Фільтра Частинок Для Спостереження Станів Динамічної Системи В Режимі Реального Часу

Borovets¹

2020

SEPES

View full text Add to dashboard Cite

Однією із ключових проблем реалізації замкнених систем керування є вимірювання усіх станів динамічної системи, яка перебуває у складних навколишніх умовах, де застосування певних видів датчиків є технічно неможливим чи економічно необґрунтованим. Також, у електромеханічних системах існує низка величин, які неможливо безпосередньо виміряти фізичними датчиками. У таких випадках для обчислення невідомих координат вектора стану динамічної системи використовують математичні алгоритми-спостерігачі та естиматори. Одним із найпоширеніших серед алгоритмів спостереження, які використовуються у електромеханічних системах, є фільтр частинок, який дає змогу визначати координати вектора стану нелінійної системи за негауссовим законом розподілу станів та вимірювань. Також, практична цінність алгоритму зумовлена високою нечутливістю до шуму сенсорів та збіжністю при великих початкових відхиленнях оцінених значень станів від реальних величин. Проте, реалізація алгоритму потребує значних обчислювальних витрат, які зумовлені обчисленням великої кількості точок станів, у яких може перебувати динамічна системи. Із метою зменшення обчислювальної складності у статті запропоновано модифікацію фільтра частинок для спостереження координат вектора станів динамічної системи електроприводу колеса електромобіля. Модифікований алгоритм фільтра частинок здійснює перемикання кількості точок під час оцінювання величин координат вектора стану із використанням нечіткої логіки із лише одним нечітким входом, що дає змогу уникнути великої бази правил. Адекватність нечіткого фільтра частинок доведена математичним моделюванням динаміки системи електроприводу колеса електромобіля під час його руху на різних поверхнях. Запропонований алгоритм показав аналогічну точність і менші обчислювальні затрати порівняно із класичним алгоритмом спостереження. Також результати моделювання засвідчили, що модифікований спостерігач незначно впливає на динаміку та статику замкненої системи керування із регулятором за повним вектором стану, на вхід якого подаються координати системи, визначені нечітким фільтром частинок.

show abstract