621.326

синергетика
система навігації
нечітка логіка
багатошарова штучна нейромережа
фазифікація
synergy
navigation system
fuzzy logic
multilayer artificial neural network
fuzzification

Використання нечіткої логіки знаходить застосування у керуванні складними технологічними процесами, який складно формалізувати та описати математично. Для навігації використовується інформація від давачів відстані, які працюють в інфрачервоному спектрі випромінювання. Нечітка система приймає рішення на основі залежності вихідної величини від вхідних даних. Прийняття рішення нечіткою системою відбувається за рахунок перетворення чітких вхідних значень у нечіткі, та визначення ступеня відповідності входів кожній із нечітких множин. Проводиться обчислення нечітких операторів на основі бази побудованих правил. Наведено структурну схему системи керування рухом автономного мобільного робота на основі нечіткої логіки. Система побудована на основі штучної нейронної мережі, яка складається з вхідного, двох прихованих та вихідного шару. Проведено моделювання алгоритму керування автономного мобільного робота.
Fuzzy logic is used to drive complex process that is difficult to formalize and describe mathematically. To navigate, the information from distance sensors which work in the infrared spectrum radiation is used. Fuzzy system makes decisions based on the output value depending on the input data. Making decision by fuzzy system is due to the conversion of distinct input values to fuzzy, and determining the extent of input relevance to any of fuzzy sets. Calculation of fuzzy operators based on framework built rules is made. The paper contains structural diagram of motion control of autonomous mobile robot based on fuzzy logic. The system is based on artificial neural network, which consists of input, two hidden and output layer. The simulation of autonomous mobile robot control algorithm

1. Усков, А.А. Интеллектуальные технологии управления. Искусственные нейронные сети и нечеткая логикаь [Текст] / А.А. Усков, А.В. Кузьмин – М.: Горячая Линия – Телеком, 2004. – 143 с.
2. Штовба, С.Д. Проектирование нечетких систем средствами MATLAB [Текст] / С.Д. Штовба – М.: Горячая Линия – Телеком, 2007. – 288 c.
3. Леоненков, А.В. Нечеткое моделирование в среде MATLAB и fuzzyTECH [Текст] / А.В. Леоненков – СПб.: БХВ – Петербург, 2005. – 736 с.
4. Ross, T.J. Fuzzy Logic with Engineering Applications, T.J. Ross. McGraw-Hill Inc. (USA), 1995, 600 p.
5. Нечеткая логика: алгебраические основы и приложения: монография [Текст] / С.Л. Блюмин, И.А. Шуйкова, П.В. Сараев, И.В. Черпаков. – Липецк: ЛЭГИ, 2002. – 113 с.
6. Naeeni A.F. Advanced Multi-Agent Fuzzy Reinforcement Learning. Master Thesis Computer Engineering, Nr : E3098D, A. F. Naeeni, Dalarna University, Sweden, 2004, 99 p.

1. Uskov A.A., Kuzmyn A.V. Intellektualnue tekhnolohyy upravlenyia. Yskusstvenue neironue sety y nechetkaia lohyka, Moskva, Horiachaia Lynyia, Telekom, 2004, 143 p. [in Russian].
2. Shtovba S.D. Proektyrovanye nechetkykh system sredstvamy MATLAB, Moskva, Horiachaia Lynyia, Telekom, 2007, 288 p. [in Russian].
3. Leonenkov A.V. Nechetkoe modelyrovanye v srede MATLAB y fuzzyTECH, Sankt-Peterburh, BKhV, Peterburh, 2005, 736 p. [in Russian].
4. Ross T.J. Fuzzy Logic with Engineering Applications, McGraw-Hill Inc.(USA), 1995, 600 p.
5. Bliumyn S.L., Shuikova Y.A., Saraev P.V., Cherpakov Y.V. Nechetkaia lohyka: alhebraycheskye osnovы y prylozhenyia, Lypetsk, LIEHY, 2002, 113 p. [in Russian].
6. Naeeni A.F. Advanced Multi-Agent Fuzzy Reinforcement Learning. Master Thesis Computer Engineering, Dalarna University, Sweden, 2004, 99 p.