W artykule zaprezentowano hierarchiczny układ sterowania ruchem mobilnego robota kołowego w nieznanym środowisku ze statycznymi przeszkodami. Układ sterowania składa się z generatora trajektorii realizującego sterowanie behawioralne z zastosowaniem układów z logiką rozmytą oraz neuronowego algorytmu sterowania ruchem nadążnym, w którym zastosowano algorytm aproksymacyjnego programowania dynamicznego. W warstwie planowania trajektorii ruchu zrealizowano sterowania behawioralne typu „podążaj do celu” oraz „omijaj przeszkody”. W prezentowanym hierarchicznym układzie sterowania sygnały sterowania warstwy planowania trajektorii są generowane przez dwa układy z logiką rozmytą, w których zastosowano model Takagi-Sugeno. W warstwie realizacji ruchu zastosowano algorytm aproksymacyjnego programowania dynamicznego w konfiguracji dualnego heurystycznego programowania dynamicznego, zbudowany z dwóch struktur: aktora i krytyka. Struktury aktora i krytyka zostały zrealizowane z zastosowaniem sztucznych sieci neuronowych. Poprawność zaproponowanych rozwiązań zweryfikowano numerycznie, stosując emulator mobilnego robota kołowego oraz laboratoryjnego toru pomiarowego, zrealizowane w środowisku obliczeniowym Matlab/Simulink.
In the article the hierarchical control system of the wheeled mobile robot movement in the unknown environment with static obstacles was presented. The control system consists of the trajectory generator that realises the behavioural control using fuzzy logic system, and the neural tracking control system in which approximate dynamic programming algorithm is implemented. In the planning layer of movement trajectory the behavioural control tasks of the „goal-seeking” type and the „obstacle avoiding” type were realised. In the presented hierarchical control system the control signals of the trajectory planning layer were generated using two fuzzy logic systems in which Takagi-Sugeno model was utilized. In the movement control layer the approximate dynamic programming algorithm in the dual heuristic dynamic programming configuration was applied. It consists of two structures: the actor and the critic. Both the actor and the critic structures were realised using artificial neural networks. Performance of the proposed control algorithm was verified numerically using emulator of the wheeled mobile robot and the laboratory measuring track in the Matlab/Simulink computational environment.