Vision-based wheel sinkage measurement using artificial neural networks for planetary rover testing
Artykuł w czasopiśmie
MNiSW
70
Lista 2024
| Status: | |
| Warianty tytułu: |
Wizyjny pomiar zagłębienia kół z wykorzystaniem
sztucznych sieci neuronowych w testach łazików planetarnych
|
| Autorzy: | Tomiło Paweł, Michałowska Joanna |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2026 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Numer czasopisma: | 4 |
| Wolumen/Tom: | 102 |
| Numer artykułu: | 14 |
| Strony: | 82 - 86 |
| Impact Factor: | 0,4 |
| Bazy: | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Otwarte czasopismo |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 23 kwietnia 2026 |
| Abstrakty: | angielski | polski |
| An important aspect of designing and testing planetary rovers is understanding how their wheels interact with the soil. For this reason, the main objective of this study is to develop a method using artificial neural network models based on Kolmogorov-Arnold representation theory and involu- tion to determine the boundary of interaction between a planetary rover's wheel and the ground. The developed artificial neural network model architec- ture is based on the regression method, which requires fewer computational resources than segmentation methods. The research results confirm that the use of artificial neural networks for controlling drive systems is an effective solution to problems related to loss of traction and vehicle dynamic instability. | |
| Skuteczne projektowanie i testowanie łazików planetarnych wymaga dogłębnego zrozumienia interakcji ich kół z podłożem. Z tego względu głównym celem tego badania jest opracowanie metody wykorzystującej modele sztucznych sieci neuronowych bazujących na teorii reprezentacji Kolmog- orova-Arnolda oraz inwolucji w celu określenia granicy interakcji koła łazika planetarnego z podłożem. Opracowana architektura modelu sztucznej sieci neuronowej bazuje na metodzie regresji, przez co wymaga mniejszych zasobów obliczeniowych niż metody segmentacyjne. Wyniki badań potwierdzają, że wykorzystanie sztucznych sieci neuronowych do sterowania układami napędowymi stanowi efektywne rozwiązanie problemów związanych z utratą przyczepności i niestabilnością dynamiczną pojazdów. |
