Báo cáo đề xuất cải tiến chất lượng của bộ lọc Kalman mở rộng cho bài toán định vị cho robot di động. Một hệ logic mờ được sử dụng để hiệu chỉnh theo thời gian thực các ma trận hiệp phương sai của bộ lọc. Tiếp đó, một mạng nơron được cài đặt để hiệu chỉnh các hàm thành viên của luật mờ. Mục đích là để tăng độ chính xác và tránh sự phân kỳ của bộ lọc Kalman khi các ma trận hiệp phương sai được chọn cố định hoặc chọn sai. | Journal of Computer Science and Cybernetics, , (2013), 119–131 MOBILE ROBOT LOCALIZATION USING FUZZY NEURAL NETWORK BASED EXTENDED KALMAN FILTER NGUYEN THI THANH VAN, PHUNG MANH DUONG, TRAN THUAN HOANG TRAN QUANG VINH University of Engineering and Technology, Vietnam National University, Hanoi 144 Xuan Thuy, Cau Giay, Hanoi, Vietnam; Email: vanntt@ Tóm t t. Báo cáo đề xuất cải tiến chất lượng của bộ lọc Kalman mở rộng cho bài toán định vị cho robot di động. Một hệ logic mờ được sử dụng để hiệu chỉnh theo thời gian thực các ma trận hiệp phương sai của bộ lọc. Tiếp đó, một mạng nơron được cài đặt để hiệu chỉnh các hàm thành viên của luật mờ. Mục đính là để tăng độ chính xác và tránh sự phân kỳ của bộ lọc Kalman khi các ma trận hiệp phương sai được chọn cố định hoặc chọn sai. Chương trình mô phỏng và các thực nghiệm trên robot thực tại phòng thí nghiệm được thực hiện để đánh giá hiệu quả của thuật toán. Kết quả cho thấy bộ lọc đề xuất cho hiệu quả tốt hơn bộ lọc Kalman mở rộng trong vấn đề định vị cho robot di động. T khóa. Logic mờ, mạng nơron, bộ lọc kalman mở rộng, định vị, robot di động. Abstract. This paper proposes an approach to improve the performance of the extended Kalman filter (EKF) for the problem of mobile robot localization. A fuzzy logic system is employed to continuously adjust the noise covariance matrices of the filter. A neural network is implemented to regulate the membership functions of the antecedent and consequent parts of the fuzzy rules. The aim is to gain the accuracy and avoid the divergence of the EKF when the noise covariance matrices are fixed or incorrectly determined. Simulations and experiments are given. The results show that the proposed filter is better than the EKF in localizing the mobile robot. Key words. Fuzzy logic, neural network, extended kalman filter, localization, mobile robot. 1. INTRODUCTION Localization, that is to determine the robot’s position and orientation from sensor data, is a .
