Real-time Optimal Control of Multi-wheeled Combat Vehicles <U+0096> using Artificial Neural Network and Potential Fields
Este artc̕ulo presenta un algoritmo de planificacin̤ de ruta en tiempo real para vehc̕ulos de combate autn̤omos de ml͠tiples ruedas que utilizan la Red Neural Artificial (ANN), los Campos de Potencial Artificial (APF) y la teora̕ de control p̤tima. La navegacin̤ en tiempo real de vehc̕ulos autn̤omos...
Saved in:
| Other Authors: | , , , , , |
|---|---|
| Format: | Book |
| Language: | English |
| Subjects: | |
| Online Access: | Real-time Optimal Control of Multi-wheeled Combat Vehicles <U+0096> using Artificial Neural Network and Potential Fields |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| LEADER | 05385nam a22004934a 4500 | ||
|---|---|---|---|
| 001 | vpro21085 | ||
| 005 | 20201223000000.0 | ||
| 008 | 200516s2020 ck # g## #001 0#eng#d | ||
| 020 | |a 2533-4123 (Versin̤ electrn̤ica); 1802-2308 (Versin̤ Impresa) | ||
| 040 | |a CO-BoINGC | ||
| 041 | 0 | |a eng | |
| 245 | 1 | 0 | |a Real-time Optimal Control of Multi-wheeled Combat Vehicles <U+0096> using Artificial Neural Network and Potential Fields |
| 246 | |a Control p̤timo en tiempo real de vehc̕ulos de combate de ml͠tiples ruedas, utilizando redes neuronales artificiales y campos de potencial | ||
| 264 | |a Bogot ̀(Colombia) : |b Revista VirtualPRO, |c 2020 | ||
| 520 | 3 | |a Este artc̕ulo presenta un algoritmo de planificacin̤ de ruta en tiempo real para vehc̕ulos de combate autn̤omos de ml͠tiples ruedas que utilizan la Red Neural Artificial (ANN), los Campos de Potencial Artificial (APF) y la teora̕ de control p̤tima. La navegacin̤ en tiempo real de vehc̕ulos autn̤omos es un problema muy complejo y es crucial para muchas operaciones militares. Este documento propone un control p̤timo y un enfoque ANN para un modelo dinm̀ico del vehc̕ulo de combate de ml͠tiples ruedas para generar las posibles rutas p̤timas que cubren cada parte del espacio de trabajo.En consecuencia, las rutas obtenidas se utilizan para entrenar el modelo ANN propuesto. El ANN entrenado tiene la capacidad de controlar el movimiento del vehc̕ulo de combate en tiempo real desde cualquier punto de partida hasta la posicin̤ deseada dentro del r̀ea de interš. La ruta del vehc̕ulo se genera de manera autn̤oma a partir del parm̀etro de ubicacin̤ del vehc̕ulo anterior en třminos de velocidad lateral, ǹgulo de rumbo y velocidad de guiąda del vehc̕ulo. Se propone APF para evitar que el vehc̕ulo choque con obstc̀ulos en el destino fronterizo. La eficacia y la eficiencia del enfoque propuesto se demuestran en los resultados de la simulacin̤, que muestran que el modelo ANN propuesto es capaz de navegar el vehc̕ulo de combate de ml͠tiples ruedas en tiempo real.1. Introduccin̤Hoy en da̕, los vehc̕ulos de combate autn̤omos de ruedas ml͠tiples se utilizan comn͠mente en aplicaciones militares y son de gran relevancia. La construccin̤ y el control de esos vehc̕ulos comenzaron a suscitar cada vez ms̀ interš, al tiempo que siguieron siendo uno de los temas de investigacin̤ ms̀ importantes tanto en la robt̤ica mv̤il como en la ingeniera̕ automotriz [1, 2]. Esos vehc̕ulos se consideran uno de los tipos de vehc̕ulos ms̀ difc̕iles de aplicar en cuanto a autonoma̕ debido a sus grandes dimensiones, su gran peso y su compleja geometra̕ y dinm̀ica.Por otra parte, se prev ̌que los resultados esperados de los vehc̕ulos de combate autn̤omos aumenten el rendimiento general en el campo de batalla y mantengan la seguridad de los soldados. Los vehc̕ulos de combate de ruedas ml͠tiples au- tonm̤icos ofrecen numerosas ventajas en los campos de batalla modernos como compaęros no tripulados de las fuerzas armadas de tierra. Este tipo de vehc̕ulos de ratn̤ autn̤omo puede funcionar da̕ y noche para misiones peligrosas en comparacin̤ con los vehc̕ulos terrestres tripulados. Se han dedicado continuamente esfuerzos de investigacin̤ para mejorar el rendimiento de los vehc̕ulos de combate para ser navegados de forma autn̤oma. Por ejemplo, [3] se analiz ̤el vehc̕ulo de combate terrestre no tripulado (Caballero Negro) con varios modos de control que incluyen el seguimiento de la trayectoria, la teleoperacin̤ vigilada y el movimiento totalmente autn̤omo. Estos vehc̕ulos tienen la capacidad de cambiar entre el rastreo de la trayectoria por medio de un punto de ruta GPS, la teleoperacin̤ a distancia y la navegacin̤ autn̤oma, que contiene todos los sensores necesarios para la percepcin̤, como cm̀aras y LIDAR. 4] desarroll ̤un modelo de vehc̕ulo de combate con ml͠tiples ruedas para obtener la velocidad de guiąda de referencia y la aceleracin̤ lateral para el controlador diseądo. | |
| 650 | \ | \ | |a Vehc̕ulos para campo traviesa |
| 650 | \ | \ | |a Vehc̕ulo blindado de combate |
| 650 | \ | \ | |a Redes neuronales (Computadores) |
| 650 | \ | \ | |a Inteligencia artificial |
| 650 | \ | \ | |a Arma |
| 650 | \ | \ | |a Off-road vehicles |
| 650 | \ | \ | |a Armoured fighting vehicle |
| 650 | \ | \ | |a Neural networks (Computer science) |
| 650 | \ | \ | |a Artificial intelligence |
| 650 | \ | \ | |a Armaments |
| 650 | \ | \ | |a Teora̕ de control p̤timo en tiempo real |
| 650 | \ | \ | |a planificacin̤ de rutas |
| 650 | \ | \ | |a vehc̕ulo de combate autn̤omo de ml͠tiples ruedas |
| 650 | \ | \ | |a red neuronal artificial |
| 650 | \ | \ | |a campos de potencial artificial. |
| 650 | \ | \ | |a Real-time |
| 650 | \ | \ | |a optimal control theory |
| 650 | \ | \ | |a path planning |
| 650 | \ | \ | |a autonomous multi-wheeled combat vehicle |
| 650 | \ | \ | |a Artificial Neural Network |
| 650 | \ | \ | |a artificial potential fields. |
| 700 | \ | \ | |a EI-Gindy M |
| 700 | \ | \ | |a Huang X |
| 700 | \ | \ | |a Lang H |
| 700 | \ | \ | |a Mohamed A |
| 700 | \ | \ | |a Ren J |
| 700 | \ | \ | |a University of Defence |
| 856 | |z Real-time Optimal Control of Multi-wheeled Combat Vehicles <U+0096> using Artificial Neural Network and Potential Fields |u https://www.virtualpro.co/biblioteca/control-optimo-en-tiempo-real-de-vehiculos-de-combate-de-multiples-ruedas-utilizando-redes-neuronales-artificiales-y-campos-de-potencial | ||