文献

J-GLOBAL ID：202102226626578292   整理番号：21A0992393

サイバーフィジカルメカンム車両の最適極空間ファジィ制御のための進化的機械学習【JST・京大機械翻訳】

Evolutionary Machine Learning for Optimal Polar-Space Fuzzy Control of Cyber-Physical Mecanum Vehicles

著者 (2件)： Huang Hsu-Chih ,  Xu Jing-Jun
資料名： Electronics (Web)  (Electronics (Web))
巻： 9  号： 11  ページ： 1945  発行年： 2020年 
JST資料番号： U7178A  ISSN： 2079-9292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本論文は,花受粉アルゴリズム(FPA)を用いたサイバー-物理的Mecanum車両の最適極空間ファジィ制御のための進化機械学習(EML)の開発に寄与する。メタヒューリスティックFPAを用いて,FPAファジィと呼ばれる最適ファジィシステムを設計した。このハイブリッド計算において,ファジィ構造とIFTHEN規則の数をFPA進化過程を通して最適化した。この手法は,従来のファジィシステムにおける構造調整問題の欠点を克服する。Mecanum車両の極空間運動学モデルを誘導した後に,最適EML FPA-ファジィオンライン制御方式を合成して,グローバル安定性をLyapunov理論によって証明した。次に,埋込みサイバー物理ロボットシステムを,典型的5C戦略を用いて構築した。提案したFPA-ファジー計算は,サイバー-物理ロボットシステムを設計するために,Mecanum車両の先進センサおよびアクチュエータと協調した。従来のデカルト空間制御法と比較して,提案したEML FPAファジィは,極座標におけるメタヒューリスティック,ファジィオンライン制御,およびサイバー物理システム設計の利点を持っている。最後に,Mecanum車両サイバー-物理システムのメカトロニクス設計と実験装置を構築した。実験結果および比較研究を通して,提案した方法の有効性とメリットを検証した。提案したEML FPAファジィ制御手法は,そのリアルタイム能力,オンラインパラメータ調整,収束挙動,およびハイブリッド人工知能に関して,理論的および実践的意義を有する。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  最適化 ,  システム設計 ,  自動車 ,  人工知能 ,  制御方式 ,  受粉 ,  極座標 ,  *曖昧さ ,  *ファジィ制御 ,  *機械学習
準シソーラス用語： ファジィシステム ,  ヒューリスティック ,  ロボットシステム ,  Lyapunov理論 , 【Automatic Indexing@JST】

著者キーワード (6件)： 進化 ,  機械学習 ,  サイバー物理システム ,  ファジィ制御 ,  Mecanum自動車 ,  花受粉アルゴリズム

分類 (1件)： システム・制御理論一般  (IA02010H)

引用文献 (36件)：

• Yang, B.; Zhong, L.; Zhang, X.; Shu, H.; Yu, T.; Li, H.; Jiang, L.; Sun, L. Novel bio-inspired memetic salp swarm algorithm and application to MPPT for PV systems considering partial shading condition. J. Clean. Prod. 2019, 215, 1203-1222.
• Machová, K.; Mikula, M.; Gao, X.; Mach, M. Lexicon-Based Sentiment Analysis Using Particle Swarm Optimization. Electronics 2020, 9, 1317.
• Long, W.; Wu, T.; Cai, S.; Liang, X.; Jiao, J.; Xu, M. A Novel Grey Wolf Optimizer Algorithm with Refraction Learning. IEEE Access 2019, 7, 57805-57819.
• Cheng, R.; Jin, Y.; Narukawa, K.; Sendhoff, B. A Multiobjective Evolutionary Algorithm Using Gaussian Process-Based Inverse Modeling. IEEE Trans. Evol. Comput. 2015, 19, 838-856.
• Cecchetti, R.; De Paulis, F.; Olivieri, C.; Orlandi, A.; Buecker, M. Effective PCB Decoupling Optimization by Combining an Iterative Genetic Algorithm and Machine Learning. Electronics 2020, 9, 1243.

タイトルに関連する用語 (3件)： ファジィ制御 ,  進化 ,  機械学習