بهبود عملکرد الگوریتم SLAM مبتنی بر فیلتر کالمن توسعه یافته با استفاده از ANFIS

در این مقاله، مسالهی مکان یابی و نقشه کشی همزمان ربات با استفاده از الگوریتم استنتاج فازی عصبی تطبیقی (ANFIS) به کمک فیلتر کالمن توسعه یافته برای چندین روش آموزش پیاده سازی شده است. هدف، تعیین همزمان مکان دقیق یک ربات متحرک و ایجاد توصیفی از محیطی است که هیچ دانش قبلی از آن در دسترس نیست، اخیرا، در مسالهی مکان یابی و نقشه کشی ربات متحرک برای کاهش عدم تطابق بین کواریانس تیوری و واقعی، از روش های هیوریستیک به کمک فیلتر های رایج نظیر فیلتر کالمن توسعه یافته، فیلتر کالمن نامحسوس و . استفاده می شود. یکی از پرکاربردترین روش های هیوریستیک الگوریتم ANFIS است که انتخاب روش آموزش این الگوریتم تاثیر بسزایی در کارایی آن دارد. به همین دلیل در این مقاله، از روش های مرسوم نظیر الگوریتم های ژنتیک، بهینه سازی ازدحام ذرات و پس انتشار خطا برای آموزش الگوریتم ANFIS استفاده شده است. در پایان نتایج حاصل از شبیه سازی نشان میدهد که آموزش به کمک الگوریتم ژنتیک پایداری و دقت بهتری نسبت به سایر روش های آموزش دارد.

کلیدواژه ها:

SLAM ، الگوریتم ژنتیک ، نروفازی ، روش های هیوریستیک