Regisztráció és bejelentkezés

Gépi tanulás alapú sávtartó funkció megvalósítása HiL környezetben

A dolgozat egy gépi tanulás alapú sávtartó funkció megvalósítását tűzte ki célul, amely HiL (Hardware-in-the-Loop) felépítésű szimulációs környezetben kerül kifejlesztésre.

A HiL során a szimulációs körben található egy hardverelem, ami érzékeli a szoftver kimenetét és bemeneti jelet szolgáltat annak. A feladatom során a hardver egy kamera, ami egy járműdinamikai szimulációs szoftver által megjelenített utat detektál és annak kimeneti jele alapján a kifejlesztett szoftvernek meg kell határozni az úton haladó jármű pályán tartásához szükséges paramétereket. A kifejlesztett szoftver neurális hálózat alapokon nyugszik.

A kutatómunkát angol és magyar nyelvű szakirodalmak valamint gépi tanulás alapú példák elemzésével kezdtem, aminek során elsajátítottam a tudományterület alapvető módszereit és áttanulmányoztam az aktuális trendeket és eljárásokat. A CarSim szimulációs szoftver adott volt, amelyben az irányítást egy Matlab/Simulink beépülő környezetben készített algoritmus végzi.

A feladatot felügyelt tanulás módszerrel végeztem el, ami három fő részre osztható. Az első fázisban kifejlesztésre került egy laterális és egy longitudinális szabályzó, amely végigvezeti az ismert geometriájú pályán a járművet, miközben elmenti a neurális hálózat tanításához szükséges összetartozó be- és kimeneti értékeket, a tanító mintapont párokat. A bemeneti értékek a kamera képkockái, a kimeneti pedig a jármű irányító parancsok. A második lépésben meg kellett határozni a hálózat méretét, felépítését és egyéb paramétereit (hiperparaméterek), valamint a mintapárokat tanításra alkalmassá tenni. Ezek után megtörtént a hálózat betanítása. A betanított hálózat teljesítmény mutatóinak értékelése alapján a hálózat felépítése és paraméterei többszöri finomhangoláson estek keresztül. A harmadik fázis a betanított hálózat beépítése a szimulációs körbe, amikor a jármű irányítását a kamera képe alapján a hálózat végzi.

A kutatás eredményeképpen elmondható, hogy mind regresszió típusú mind konvolúciós típusú hálózatok esetén kiemelkedő eredményeket értem el. A hálózat változó körülmények esetén is képes végigvezetni a járművet egy adott pályán. Az elért eredmények mellett a dolgozat elkészítése és az azt megelőző kutatómunka számos témakört mélyen érintett, ami hozzájárult egy aktuális és értékes tudásanyag elsajátításához.

szerző

  • Fehér Árpád
    Járműmérnöki
    mesterképzés (MA/MSc), nappali

konzulens

  • Dr. Aradi Szilárd
    adjunktus, Közlekedés- és Járműirányítási Tanszék

helyezés

III. helyezett