44 KB615 KB42 KB199920252003Jerbić, BojanVranješ, Božoštevilka:111 straniletnik:49str. 52-62ISSN:0039-2480COBISSID:6165787URN:URN:NBN:SI:doc-LI6O4JYFenslAssociation of Mechanical Engineers and Technicians of Slovenia et al.Zveza strojnih inženirjev in tehnikov Slovenije et al.Strojniški vestnikčleni neodvisnimetode učenjamontaža robotiziranamontažni sistemimreže nevronalnenevronske mrežerobotizacijasistemi večdelniRobotiziran montažni sistem kot sodelujoča večdelna organizacija| A study of a robotic assembly systems as a collaborative multi-agent organization|This paper looks at designing a robotic assembly system as a multi-agent system. Any multi-device system, or any system whose performance is naturally decomposable, can be interpreted as a corporation of agents. Sach a scheme comprises the ability to create a collaborative system that can provide the achieving of the social intelligence. Social behaviour is the highest form of intelligence, which is able to solve very complex problems, autonomously create new procedures and efficientlyadapt to new tasks. The presented multi-agent model is based on processing units that include recognition networks, problem-solving strategies and learning engines. It integrates perception, recognition, problem-solving, learning and communication capabilities. The reinforcement learning method is used here to evaluate the robot is behaviour and to induce new, or improve the existing, knowledge. The acquired action (task) plan is stored as experience, which can be used in solving similar problems in the future. To recognize problem similarities we applied the Adaptive Fuzzy Shadowed (AFS) neural networkPrispevek obravnava načrtovanje večglavega robotiziranega montažnega sistema. Vsak sistem, ki ga je mogoče razstaviti na komponente, lahko obravnavamo kot družbo členov. Takšna zgradba omogoča oblikovanje sodelujočega sistema, ki omogoča nastanek socialne inteligence. Socialno obnašanje je najvišja oblika inteligence, ki omogoča reševanje zelo zapletenih problemov, avtonomno ustvarjanje novih postopkov in učinkovito prilagajanje novim zahtevam. Obravnavani večdelni model temelji na procesnih enotah , ki vsebujejo opremo za prepoznavanje, strategije za reševanje problemov in zmožnost učenja. Sistem ima tako zmožnosti: zaznavanja, prepoznavanja, reševanja problemov, učenja in komunikacije. Uporabljena je okrepljena metoda učenja in vrednotenja delovanja robota in za ustvarjanje novega ali izboljšanje sedanjega znanja. Tako pridobljen vzorec delovanja je spravljen kot izkušnja, ki jo je mogoče uporabiti za reševanje podobnih prihodnjih problemov. Za prepoznavanje podobnosti problemov je uporabljena prilagodljiva mehka senčena (PSMM) nevronska mrežaTEXTznanstveno časopisjejournalsSlovenian National E-content AggregatorNational and University Library of SloveniaUniverza v Ljubljani, Fakulteta za strojništvo