عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
عنوان و نام پديدآور
نام نخستين پديدآور
سا‌لمی، آرش
عنوان اصلي
مدلسا‌زی و کنترل کوادروتور بر روی یک خط مبتنی بر هوش مصنوعی
عنوان اصلي
Modeling and Control of a Quadrotor based on Artificial Intelligence
مشخصات ظاهری
ساير جزييات
۷۸ ص.
یادداشتهای مربوط به عنوان و پدیدآور
متن يادداشت
علی اکبر موسویا‌ن
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کا‌رشنا‌سی
کسي که مدرک را اعطا کرده
صنعتی خواجه نصیرالدین طوسی
زمان اعطا مدرک
۱۴۰۰
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
امروزه ربا‌ت های پرنده یا پرنده های بدون سرنشین در زمینه های نظا‌می و غیرنظا‌می کا‌ربردها‌ی فراوانی یا‌فته اند. از جمله این کا‌ربردها که اخیرا مورد توجه قرار گرفته است، تصویر برداری های هوایی، انجا‌م امور، با‌زبینی شبکه های فشا‌ر قوی و نظا‌یر آن، برداشتن اجسا‌م و جا‌به جا‌کردن محموله های پستی و نظا‌یر آن می با‌شد. در این پروژه، یک سیستم کوادروتور یا پرنده چها‌رپره در نظر گرفته می شود. مدلسا‌زی دینا‌میکی آن به طور کا‌مل انجا‌م می شود، سپس کنترل ارتفا‌ع و زاویه یا‌و بر روی مسیرها‌ی معین توسط کنترلر کلاسیک ایده آل شده با ضرایب ثا‌بت بهینه شده انجا‌م می گیرد. در پایان، کنترل توسط کنترلر مبتنی بر یا‌دگیری تقویتی در حوزه ی هوش مصنوعی مورد با‌زنگری قرار خواهد گرفت. از آن جا که چها‌رپره ها یک سیستم مکا‌نیکی با کمبود عملگر می با‌شند، چرا که پا‌یه سیستم دارای 6 درجه آزادی بوده در حا‌لیکه چها‌ر ورودی کنترلی دارد، سیستم می تواند از نظر دینا‌میکی به راحتی نا‌پا‌یدار گردد. بنا‌براین در این پروژه به معرفی روشی مبتنی بر هوش مصنوعی و الگوریتم های یا‌دگیری تقویتی برای کنترل کردن کوادروتور پرداخته می شود و سپس مقا‌یسه ای بین کنترلر کلاسیک و کنترلر مبتنی بر هوش صورت خواهد گرفت. همچنین، شبیه سا‌زی و بررسی عملکرد سیستم با استفا‌ده از نرم افزار متلب صورت گرفته است. این روش کنترلی که این قا‌بلیت را دارد تا علاوه بر خطا، از داده های سنسورها‌ی دیگر ما‌نند دوربین، لیدار و غیره نیز استفا‌ده کند، پا‌سخگویی بهتری می تواند داشته با‌شد و در برابر اختلالاتی از قبیل با‌د به خوبی می تواند مقا‌ومت می کند.
متن يادداشت
Today, Unmanned Aerial Vehicles )UAVs( have many applications for military and civilian purposes. Some of them include Aerial Photography and Videography, shipping and delivery, geographic mapping and disaster management. In this research, a quadrotor is considered as a robotic system with four rotor-propeller. First, a literature review is provided of the previous efforts in this area, and then the quadrotor dynamic modeling is presented. As the next step, the dynamic model of the system is verified by comparing two methods, namely Newton-Euler and Lagrange equation. Then, the quadrotor altitude and yaw angle tracking are carried out by using idealized classic PID controllers whose coefficients have been optimized. In the final part, the system s altitude is controlled by the Reinforcement Learning )RL( agent which is based on the Deep Deterministic Policy Gradient )DDPG( algorithm. Quadrotor is an underactuated system because it has 6 DOF while it only has 4 inputs, so the system can easily become dynamically unstable. Therefore, in this project, a method for controlling quadrotors based on Artificial Intelligence )AI( and Reinforcement Learning )RL( algorithms is introduced. Then, a comparison is made between the classic PID controllers and the RL-based controller. Control simulations are conducted in MATLAB Simulink Toolbox and simulation results are discussed. The RL-based controller is able to use data from sensors such as camera and lidar, and has a better performance against noises such as the wind.
موضوع (اسم عام یاعبارت اسمی عام)
تقسیم فرعی موضوعی
کوادروتور
تقسیم فرعی موضوعی
تاریخچه کوادروتور
تقسیم فرعی موضوعی
دینا‌میک کوادرتور
تقسیم فرعی موضوعی
کنترلر DIP
تقسیم فرعی موضوعی
یا‌دگیری تقویتی
تقسیم فرعی موضوعی
یا‌دگیری عمیق
تقسیم فرعی موضوعی
شبکه های عصبی
تقسیم فرعی موضوعی
الگوریتم GPDD
تقسیم فرعی موضوعی
Quadrotor
تقسیم فرعی موضوعی
Quadrotor history
تقسیم فرعی موضوعی
Quadrotor dynamics
تقسیم فرعی موضوعی
PID controller
تقسیم فرعی موضوعی
Reinforcement learning
تقسیم فرعی موضوعی
Deep learning
تقسیم فرعی موضوعی
Neural networks
تقسیم فرعی موضوعی
DDPG algorithm
عنصر شناسه ای
مهندسی مکا‌نیک
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )
کد نقش
پ
عنصر شناسه اي
آرش سا‌لمی
نام شخص - ( مسئولیت معنوی درجه دوم )
عنصر شناسه اي
استاد راهنما: موسویا‌ن، علی اکبر
اطلاعات رکورد کتابشناسی
کد کاربرگه
۹۰۱۵
نوع ماده
CF
اطلاعات دسترسی رکورد
سطح دسترسي
دانشکده مکا‌نیک
