본 논문에서는 이동 로보트의 자율 주행을 위해 퍼지 제어에 기초한 적응 퍼지 제어기 설계 기법을 제안하였다. 제안한 방법에서는 첫째, 퍼지 추론 과정에서 불필요한 규칙으로 인하여 데이터 처리 시간이 증가된 다는 단점을 이동 로보트의 현재 상태에 적합한 퍼지 추론 규칙과 소속함수를 생성함으로써 향상시켰다. 이 과정은 데이터 쌍을 이용한 클러스터링 방법을 통하여 구현되며, 이동 로보트는 보다 적은 퍼지 추론 규칙을 가지고 빠른 데이터 처리 속도로 주행 가능해 진다. 둘째, 기존의 퍼지 제어기가 입·출력 변수의 고정된 소속 함수로 인하여 느린 수렴성을 갖는 단점을 클러스터링 과정에서 생성된 소속함수를 스케일링함으로써 향상시켰다. 한편 본 논문에서 제안한 제어 방법의 성능 평가를 위해 퍼지 제어를 사용한 기존의 제어 방법과 컴퓨터 모의 실험 및 실제 이동 로보트 주행 실험을 통해 비교 및 고찰하였다.
In this paper we propose a design method of the adaptive fuzzy controller for autonomous navigation of mobile robots based on the fuzzy theory. We present two improvements. First, unnecessary rules in the fuzzy inference process make data processing time increase. We reduce this data processing time by generating suitable fuzzy inference rules and membership functions according to the current state of a mobile robot. It is implemented with the clustering method using input and output data pairs, and then it is possible for a mobile robot to navigate in shorter processing time with less fuzzy inference rules. Second, existing algorithms used fixed membership functions of input and output variables, hence converged slowly. We improve convergence time via scaling membership functions generated by the clustering method. To evaluate and compare the performance of the proposed method with the existing fuzzy navigation controller, computer simulations and navigation experiments of a mobile robot are Presented.
