طراحی و شبیهسازی سیستم خودکار مبتنی بر یادگیری تقویتی برای تنظیم موقعیت خودروهای مفصلی | ||
| مهندسی مکانیک مدرس | ||
| Articles in Press, Accepted Manuscript, Available Online from 24 November 2025 | ||
| Document Type: مقاله پژوهشی | ||
| DOI: 10.48311/mme.2025.117147.82868 | ||
| Authors | ||
| معین قنبری سنجگانی1; مجید ساده دل* 2 | ||
| 1گروه مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران | ||
| 2دانشجوی دکترا، مهندسی مکانیک طراحی کاربردی،مرکز سیستم ها و فناوری های پیشرفته، دانشگاه تهران، تهران | ||
| Abstract | ||
| تنظیم موقعیت خودکار یکی از کاربردهای کلیدی در حوزه خودروهای هوشمند است که در افزایش ایمنی و بهینهسازی عملیات مانور وسایل نقلیه نقش اساسی دارد. خودروهای مفصلی به دلیل برخورداری از درجه آزادی بالا و دینامیک پیچیده و غیرخطی ناشی از مفصل بین کشنده و تریلر، کنترل دشوارتری نسبت به خودروهای صلب دارند. هدف از این پژوهش، طراحی و شبیهسازی یک سیستم کنترل خودکار برای تنظیم موقعیت خودروهای مفصلی با بهرهگیری از چارچوب یادگیری تقویتی عمیق است. این سیستم میتواند به عنوان زیربنایی برای کاربردهای پیشرفتهتر نظیر پارک خودکار مورد استفاده قرار گیرد.در این مطالعه، ابتدا مدلسازی دقیق دینامیک حرکت خودروی مفصلی و پدیده قیچیشدن انجام گرفت و مدل توسعهیافته با استفاده از نرمافزار تخصصی صحتسنجی شد. سپس، فرآیند یادگیری به منظور کاهش پیچیدگی محاسباتی، به دو فاز مجزا (آمادهسازی مانور و تنظیم نهایی موقعیت) تقسیم شد. برای آموزش عامل هوشمند در این دو فاز، از الگوریتمهای گرادیان سیاست قطعی عمیق (DDPG) و گرادیان سیاست قطعی عمیق دوگانه تأخیری (TD3)، که با شبکههای عصبی شامل ۳ تا ۵ لایه نهان بهینهسازی شدند، استفاده گردید. نتایج ارزیابیها نشان داد که الگوریتم TD3، به دلیل توانایی بالاتر در حفظ پایداری فرآیند یادگیری، عملکرد بهتری نسبت به DDPG ارائه میدهد. در نهایت، سیستم کنترل پیشنهادی با ساختار بهینه برای هر فاز، موفقیتهایی به ترتیب ۹۶.۶٪ در فاز آمادهسازی و ۹۴.۶٪ در فاز تنظیم نهایی را کسب کرد که کارایی بالا و قابلیت اطمینان سیستم مبتنی بر DRL در مواجهه با چالشهای کنترلی خودروهای مفصلی را تأیید میکند. | ||
| Keywords | ||
| برنامهریزی حرکت; خودروی مفصلی; یادگیری تقویتی; گرادیان سیاست قطعی عمیق | ||
|
Statistics Article View: 51 |
||
| Number of Journals | 45 |
| Number of Issues | 2,171 |
| Number of Articles | 24,674 |
| Article View | 24,454,649 |
| PDF Download | 17,557,940 |