طراحی و پیاده‌سازی کنترل‌کننده‌های عصبی یادگیرنده عمیق در مقایسه با کنترل‌کننده‌های کلاسیک در کاربرد ماشین خودران

Abstract

در این مقاله کنترل‌کننده‌های عصبی یادگیرنده عمیق در کاربرد ماشین خودران که یکی از معروفترین سیستم‌های انسان در حلقه است بررسی شده است. این کنترل‌کننده مدرن با دو کنترل‌کننده معروف کلاسیک PID و MPCاز نظر پارامترهای کیفی وکمی مقایسه شده است. این پارامترها در حقیقت انعکاس دهنده چالش های زمان طراحی شامل وابستگی به مدل و پارامترهای طراحی؛ چالش‌های زمان پیاده‌سازی شامل سهولت پیاده‌سازی و بار محاسباتی؛ و همچنین چالش‌ها و پارامترهای مهم در زمان اجرای نهایی در کاربرد ماشین خودران شامل کارایی از نظر دقت، سرعت، هزینه یا تلاش کنترلی، استهلاک و انرژی هستند. در روش پیشنهادی این مقاله بستری فراهم آورده شده است که طراحان قادر باشند کنترل‌کننده‌های مدرن و مرسوم را با یکدیگر مقایسه نمایند. در روش پیشنهادی از کنترل‌کننده عصبی یادگیرنده عمیق به صورت انتها به انتها که معماری آن متشکل از لایه‌های کانولوشن و لایه‌های تماما متصل است، به عنوان کنترل‌کننده مدرن استفاده شده است. این کنترل‌کننده در ابتدا از رانندگی انسان می آموزد سپس به عنوان کنترل‌کننده خودرو مورد استفاده قرار می‌گیرد. نتایج مقایسه‌ها نشان می‌دهد عدم وابستگی این کنترل‌کننده به مدل سیستم کنترل شونده (ماشین خودران) و محیط و همچنین قابلیت یادگیری مهمترین مزیت آن است. از نقطه نظر پارامترهای مورد اهمیت در کنترل ماشین خودران در مقایسه با کنترل‌کننده‌های PID و MPC کارائی قابل قبولی از خود به نمایش می‌گذارد.