Синтез гибридного классификатора подстилающих поверхностей на основе нечеткой логики с использованием токовых энергозатрат движения мобильного робота
Ключевые слова:
классификация подстилающих поверхностей, гибридные методы, машинное обучение, нечеткая логика, деревья решений, градиентный бустинг, мобильная робототехника, анализ токов потребленияАннотация
Введение: одним из подходов при решении задач навигации и управления мобильными роботами, работающими на открытом воздухе, является использование классификации типа подстилающих поверхностей, по которым перемещается робот в реальном времени. Знания о типе подстилающей поверхности позволяют использовать ранее известные характеристики поверхностей для улучшения точности локализации и алгоритмов управления. Цель: исследовать применимость данных об энергозатратах движения для решения задачи классификации поверхностей с различными физическими свойствами для робота со сложной кинематикой. Результаты: анализ многокомпонентных типов движения всенаправленного робота показал, что лучшая разделимость поверхностей достигается при использовании значений токов двигателей. При этом классификацию поверхностей целесообразнее осуществлять по значениям тока двигателя, наиболее влияющего на процесс движения. Нечеткий классификатор синтезирован на основе данных, сгруппированных по критерию наиболее влияющего на выбранное направление движения двигателя. Проведено сравнение нечеткого классификатора с методами машинного обучения. Предложен каскад нечеткая логика — машинное обучение с целью сохранить обобщающую способность нечеткого классификатора и улучшить точность определения поверхностей через учет большего количества закономерностей с помощью методов машинного обучения. Предложенная методика анализа данных и метод классификации позволяют с высокой точностью разделять поверхности, отличающиеся по энергозатратам, в том числе сформированным за счет разных параметров поверхности. Практическая значимость: результаты исследований могут быть использованы как для создания самостоятельного классификатора поверхностей, так и в рамках комплексного классификатора с использованием разных видов входной информации.
