경로 추적의 성능을 향상시키기 위해서 이 논문에서는 광유도식 무인방송차(AGV)의 뉴로퍼지 컨트롤러를 제안한다. 2바퀴 각각 조향 기능이 있는 AGV의 전방과 후방에 센서들이 장작되어 있으며, 그 센서들의 정보를 이용하여 AGV의 경로를 유도하게 된다. 측정된 광센서가 연속적인 데이터가 아니기 때문에 광유도식 AGV 는 쉽게 경로를 이탈하게 되고 경로 추적 성능은 떨어지게 된다. 광센서의정보들은 on/off 신호에 의해 발생되므로 비연속적으로 얻어지게 되고, 동적 오착가 측정되어진다. 센서에 의해 정보를 얻은 후 동적 오차는 좌우측 바퀴의 각 속도를 이용한 데드 레코닝(Dead Reckoning) 방법에 의해 연속적으로 계산되어진다. 여기서, 추정 윤곽 오차는 측정 윤관오차를 윤곽오차의증북(Variation)의 합의로 정의된다. 뉴로퍼지 시스템은 퍼지 제어기와 신경회로망으로 이루어졌다. 추정 윤곽 오차를 줄이기 위해 역전파 (Back-Propagation) 학습에 의해 퍼지 맴버쉽 함수의 계수들은 적응적으로 조정된다. 제안된 기존의 퍼지 제어기와 비교분석된다. 성능 분석을 위해 제안된 제어 이론은 모의 실험에 의해 검증된다.
In this paper, the neurofuzzy controller of optically guided AGV is proposed to improve the path-tracking performance A differential steered AGV has front-side and rear-side optical sensors, which can identify the guiding path. Due to the discontinuity of measured data in optical sensors, optically guided AGVs break away easily from the guiding path and path-tracking performance is being degraded. Whenever the On/Off signals in the optical sensors are generated discontinuously, the motion errors can be measured and updated. After sensing, the variation of motion errors can be estimated continuously by the dead reckoning method according to left/right wheel angular velocity. We define the estimated contour error as the sum of the measured contour in the sensing error and the estimated variation of contour error after sensing. The neurofuzzy system consists of incorporating fuzzy controller and neural network. The center and width of fuzzy membership functions are adaptively adjusted by back-propagation learning to minimize th estimated contour error. The proposed control system can be compared with the traditional fuzzy control and decision system in their network structure and learning ability. The proposed control strategy is experience through simulated model to check the performance.
