С 17 марта 2020 г. для ресурсов (учебные, научные, материалы конференций, статьи из периодических изданий, авторефераты диссертаций, диссертации) ЭБ СПбПУ, обеспечивающих образовательный процесс, установлен особый режим использования. Обращаем внимание, что ВКР/НД не относятся к этой категории.

Детальная информация

Название: Разработка системы управления колесного робота на основе нейросетевых алгоритмов: выпускная квалификационная работа бакалавра: 09.03.01 - Информатика и вычислительная техника ; 09.03.01_01 - Вычислительные машины, комплексы, системы и сети
Авторы: Зюкин Максим Евгеньевич
Научный руководитель: Лавров Алексей Александрович
Организация: Санкт-Петербургский политехнический университет Петра Великого. Институт компьютерных наук и технологий
Выходные сведения: Санкт-Петербург, 2019
Коллекция: Выпускные квалификационные работы; Общая коллекция
Тематика: колесные роботы; искусственные нейронные сети; спайковые нейронные сети; ros; v-rep; python; nest; датчик динамического зрения; прямая кинематика; dqn; r-stdp; wheeled robots; artificial neural networks; spike neural networks; dynamic video sensor; direct kinematcs
Тип документа: Выпускная квалификационная работа бакалавра
Тип файла: PDF
Язык: Русский
Код специальности ФГОС: 09.03.01
Группа специальностей ФГОС: 090000 - Информатика и вычислительная техника
Ссылки: Отзыв руководителя; Рецензия; Отчет о проверке на объем и корректность внешних заимствований
DOI: 10.18720/SPBPU/3/2019/vr/vr19-874
Права доступа: Свободный доступ из сети Интернет (чтение, печать, копирование)

Разрешенные действия:

Действие 'Прочитать' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети Действие 'Загрузить' будет доступно, если вы выполните вход в систему или будете работать с сайтом на компьютере в другой сети

Группа: Анонимные пользователи

Сеть: Интернет

Аннотация

Данная работа посвящена разработке системы управления колесного робота на основе нейротропных алгоритмов. В работе описываются средства, применяемые для обучения нейронных сетей, а также принципы работы нейронных сетей. Исследованы возможности подключения внешних модулей к ROS и V-REP. Сформулирован метод считывания данных с DVS, а также разбиение полученных изображений для составления карты наград. В среде робомоделирования V-REP было проведено обучение нейронных сетей для управления моделью колесного робота. Готовые контроллеры управления были обучены 2 способами и исследованы на скорость обучения и распределение ошибок следования идеальному маршруту.

This project devoted to the development of a control system for a wheeled robot based on neural network algorithms. The paper describes the tools used to train neural networks, as well as the principles of operation of neural networks. The possibilities of connecting external modules to ROS and V-REP are investigated. A method for reading data from DVS is formulated, as well as splitting the obtained images to create an award map. In the V-REP environment, neural networks were trained to control a wheeled robot model. Ready control controllers were trained in 2 ways and examined for the speed of learning and the distribution of errors following the ideal route.

Права на использование объекта хранения

Место доступа Группа пользователей Действие
Локальная сеть ИБК СПбПУ Все Прочитать Печать Загрузить
Интернет Авторизованные пользователи Прочитать Печать Загрузить
-> Интернет Анонимные пользователи

Оглавление

  • ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ
  • ВВЕДЕНИЕ
  • 1. НЕЙРОСЕТИ И ИХ ОБУЧЕНИЕ
    • 1.1 Обучение с подкреплением
      • 1.1.1 Темпорально-разностное обучение
      • 1.1.2 Приемлемость
      • 1.1.3 Deep Q-Learning
    • 1.2 Искусственная нейронная сеть
      • 1.2.1 Биологический фон
      • 1.2.2 От Мак-каллока до наших дней
      • 1.2.3 Спайковая нейронная сеть
  • 2. МЕТОДОЛОГИЯ
    • 2.1 Среда симуляции
      • 2.1.1 Следование правой стороне дороги
      • 2.1.2 Pioneer P3-DX
      • 2.1.3 Сенсор Dynamic Vision
    • 2.2 Контроллеры
      • 2.2.1 DQN
        • 2.2.1.1 Следование линии в MDP
        • 2.2.1.2 Контроллер 1: DQN
        • 2.2.1.4 Контроллер 2: DQN-SNN
      • 2.2.2 R-STDP
        • 2.2.2.1 Контроллер 3: Тележка Брайтенберга
        • 2.2.2.2 Контроллер 4: R-STDP
  • 3. Исследование результатов
    • 3.1 Сценарии следования за полосой движения
    • 3.2 ПРОЦЕСС И РЕЗУЛЬТАТЫ ОБУЧЕНИЯ
      • 3.2.1 Контроллер 1: DQN
      • 3.2.2 Контроллер 2: DQN-SNN
      • 3.2.3 Контроллер 3: Тележка Брайтенберга
      • 3.2.4 Контроллер 4: R-STDP
    • 3.3 Сравнение производительности.
  • Заключение
  • Список литературы
  • Приложение А. Параметры симуляций
  • Приложение Б. Дополнительные детали обучения
  • Приложение В. Тексты программ.

Статистика использования

stat Количество обращений: 21
За последние 30 дней: 0
Подробная статистика