Controle de formação por modos deslizantes de robôs móveis com rodas no rastreamento de trajetórias usando redes neurais artificiais e aprendizado por reforço

Abstract

RESUMO: Ao considerar um sistema de controle de formação de múltiplos robôs móveis com rodas (RMR’s), este trabalho propõe e analisa o uso de Redes Neurais Artificiais (RNA’s) para atuarem como minimizadoras dos erros de rastreamento de trajetória dos múltiplos robôs que compõem a formação, onde há aqueles erros causados por incertezas e perturbações não modeladas, os quais, por não se conhecer um modelo físico/matemático e/ou não se ter sensores com precisão adequada que permitam mensurar grandezas envolvidas no sistema. Nesses casos, há a necessidade em especificar um parâmetro que estabeleça um limite superior dos erros não modelados visto a utilização do controle por modos deslizante de primeira ordem, assim, a exigência para especificar esse parâmetro é que se tenha um conhecimento prévio da iteração desse sistema com um meio qualquer e que esse meio seja imutável. Paralelamente ao controle do rastreamento de trajetória, há que se tratar o Chattering decorrente das ações (na forma de sinal degrau) disparadas pelos controladores por modos deslizantes (CMD’s) para se obter erro zero no rastreamento da trajetória. O uso de RNA’s para tratar o problema de controle de rastreamento de trajetória de RMR’s é um tema que é tratado sistematicamente pela comunidade científica. No entanto, para originalidade deste trabalho, além de simplesmente verificar se uma determinada arquitetura de RNA funciona como agente de controle no rastreamento de trajetória e minimizar o inconveniente do Chattering, este trabalho propõe e analisa: (1) uso de Redes Neurais com Aprendizado por Reforço (RNA-AR) para reduzir o tempo de aprendizagem e minimizar os erros advindos das incertezas e perturbações não modeladas sem haver a necessidade de especificar limites "a priori"para tratar erros desconhecidos. (2) O uso de adaptabilidade estrutural em tempo real, para minimizar o tempo de processamento em função da atenuação dos erros exigido pelo sistema de controle de rastreamento de trajetória dos RMR’s. Além disso há que se (3) realizar a atenuação do Chattering, problema intrínseco dos controladores por modos deslizantes de primeira ordem durante o rastreamento de trajetória dos RMR’s

ABSTRACT: Considering a formation control system for multiple wheeled mobile robots (WMR’s), this work proposes and analyzes the use of artificial neural networks (ANN’s), acting as trajectory tracking error minimizers for the multiple robots that make up the formation, where there are those errors caused by uncertainties and unmodeled disturbances, which, when not knowing the fisical/mathematical model and/or not having sensors with adequate precision that allows the measurement of magnitudes involved in the system, where, in this cases, there is a necessity to specify a parameter that establishes an upper limit of the unmodeled errors given the use of the first order sliding mode control, so, the requirement to be able to specify this parameter is that one need prior knowledge of the iterations of this system with the environment being this environment immutable. In parallel, alongisde the trajectory tracking control, the chattering caused by the actions (in the form of a step sign) triggered by the sliding mode controllers (SMC’s) must be adressed so one can obtain zero error in the trajectory tracking. The use of ANN’s to address the problem of trajectory tracking control of WMR’s is a topic that is systematically treated by the scientific community. However, for the sake of originality in this work, beyond simply checking if an ANN architecture will work as a control agent in the trajectory tracking reducing the chattering effects, this work proposes and analyzes: (1) The use of artificial neural networks with reinforcement learning (ANN-RL) to decrease learning time and minimize the errors caused by uncertainties and unmodeled disturbances without the need of specify beforehanded limits to handle unknown errors. (2) The use of structural adaptability in real time, to minimize the processing time as a function of error mitigation required by the trajectory tracking control system of WMR’s. In addition, one has to (3) perform the mitigation of Chattering, as an intrinsic problem of first order sliding mode controllers when in the trajectory tracking of WMR’s