Creando control seguro autónomo de múltiples objetos a través de diferentes formas de restricciones neurales de programación dinámica
Autores: Lisowski, Józef
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Creando control seguro autónomo de múltiples objetos a través de diferentes formas de restricciones neurales de programación dinámica
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Análisis comparativo
Optimización dinámica
Control seguro multiobjetivo
Red neuronal artificial
Trayectoria óptima
Sensibilidad
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
El objetivo de este trabajo, que es una extensión de investigaciones previas, es un análisis comparativo de los resultados de la optimización dinámica del control multi-objetivo seguro, con diferentes representaciones de las restricciones de variables de estado del proceso. Estas restricciones son generadas con una red neuronal artificial y toman formas móviles en forma de parábola, elipse, hexágono y círculo. El algoritmo desarrollado permite determinar una trayectoria segura y óptima de un objeto al pasar otros multi-objetos. Los resultados obtenidos de las pruebas de simulación del algoritmo permiten la selección de la mejor representación del movimiento de los objetos que pasan en forma de restricciones neuronales. Además, las características obtenidas de la sensibilidad de la trayectoria del objeto a la inexactitud de los datos de entrada permiten seleccionar la mejor representación del movimiento de otros objetos en forma de un área de aproximación excesiva como restricciones neuronales del proceso de control.
Descripción
El objetivo de este trabajo, que es una extensión de investigaciones previas, es un análisis comparativo de los resultados de la optimización dinámica del control multi-objetivo seguro, con diferentes representaciones de las restricciones de variables de estado del proceso. Estas restricciones son generadas con una red neuronal artificial y toman formas móviles en forma de parábola, elipse, hexágono y círculo. El algoritmo desarrollado permite determinar una trayectoria segura y óptima de un objeto al pasar otros multi-objetos. Los resultados obtenidos de las pruebas de simulación del algoritmo permiten la selección de la mejor representación del movimiento de los objetos que pasan en forma de restricciones neuronales. Además, las características obtenidas de la sensibilidad de la trayectoria del objeto a la inexactitud de los datos de entrada permiten seleccionar la mejor representación del movimiento de otros objetos en forma de un área de aproximación excesiva como restricciones neuronales del proceso de control.