طراحی و پیاده سازی کنترل کننده های عصبی یادگیرنده عمیق در مقایسه با کنترل کننده های کلاسیک در کاربرد ماشین خودران

در این مقاله کنترل کننده های عصبی یادگیرنده عمیق در کاربرد ماشین خودران که یکی از معروفترین سیستم های انسان در حلقه است بررسی شده است. این کنترل کننده مدرن با دو کنترل کننده معروف کلاسیک تناسبی- انتگرال- مشتقگیر و کنترل پیشبین مدل، از نظر پارامترهای کیفی وکمی مقایسه شده است. این پارامترها انعکاس دهنده چالش های زمان طراحی شامل وابستگی به مدل و پارامترهای طراحی؛ چالش های زمان پیاده سازی شامل سهولت پیاده سازی و بار محاسباتی؛ و همچنین پارامترهای مهم در زمان اجرا در کاربرد ماشین خودران شامل دقت، سرعت، هزینه یا تلاش کنترلی، استهلاک و انرژی هستند.  در روش پیشنهادی، بستری فراهم آورده شده است که طراحان قادر باشند کنترل کننده های مدرن و کلاسیک را با یکدیگر مقایسه نمایند. در روش پیشنهادی از کنترل کننده عصبی یادگیرنده عمیق به صورت انتها- به- انتها که ساختار آن متشکل از لایه های کانولوشن و لایه های تماما متصل است، به عنوان کنترل کننده مدرن استفاده شده است. این کنترل کننده در ابتدا از رانندگی انسان می آموزد سپس به عنوان کنترل کننده خودرو مورد استفاده قرار می گیرد. عدم وابستگی این کنترل کننده به مدل سیستم کنترل شونده (ماشین خودران) و محیط و همچنین قابلیت یادگیری مهمترین مزیت آن است. از نقطه نظر پارامترهای مهم در کنترل ماشین خودران در مقایسه با کنترل کننده های تناسبی- انتگرال- مشتقگیر و کنترل پیشبین مدل، کارایی قابل قبولی از خود به نمایش می گذارد.