X SBAI – Simpósio Brasileiro de Automação Inteligente

18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil

CONTROLADOR DE SEGUIMENTO DE TRAJETÓRIA PARA ROBÔS MÓVEIS COM

GANHOS DINÂMICOS

CASSIUS Z. RESENDE1,2, F. ESPINOSA3, I. BRAVO3, MÁRIO SARCINELLI-FILHO1, TEODIANO F. BASTOS-FILHO1

1. Dep. Engenharia Elétrica, Universidade Federal do Espírito Santo - UFES

Av. Fernando Ferrari, 514, Goiabeiras, Vitoria - ES - Brasil . 29075-910.
E-mails: mario.sarcinelli@ele.ufes.br,tfbastos@ele.ufes.br

2. Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo - IFES, Campus Serra, Brasil
E-mails: cassius@ifes.edu.br

3. Escola Politécnica Superior, Universidade de Alcalá de Henares - UAH, Espanha

E-mails: felipe@depeca.uah.es,ibravo@depeca.uah.es

Abstract This paper presents a new controller of trajectory tracking for unicycle-like mobile robots, represented by Takagi-
Sugeno fuzzy model. The use of the fuzzy controller allows setting different gains for the controller, according to the values of
the trajectory speed and the values of the tracking error. The noise inherent to the robot odometry is treated by the fuzzy control-
ler itself, not requiring the use of filters. The stability of the developed controller is proved based on the theory of Lyapunov. Ex-
perimental results are also presented, and show that the robot is able to follow a desired trajectory with a quite small error.

Keywords Mobile Robot, Trajectory Tracking, TS Fuzzy Model.

Resumo O presente trabalho apresenta um novo controlador de seguimento de trajetória para robôs do tipo uniciclo, represen-
tado no modelo fuzzy Takagi-Sugeno. A utilização do controlador fuzzy permite estabelecer diferentes ganhos para o controla-
dor, de acordo com os valores da velocidade da trajetória e dos valores do erro de seguimento de trajetória. Os ruídos inerentes ao
sistema de odometria do robô são tratados pelo próprio controlador fuzzy, não sendo necessária a utilização de filtros. A estabili-
dade do controlador desenvolvido é comprovada segundo a teoria de Lyapunov. Resultados experimentais também são apresen-
tados, os quais mostram que o robô é capaz de seguir uma trajetória desejada com um erro bastante pequeno.

Palavras-chave Robôs Móveis, Seguimento de Trajetória, Modelo Fuzzy TS.

rigorosa, seguindo metodologias que podem ser

1 Introdução
O controle fuzzy surgiu na década de 70 como uma
metodologia heurística baseada no conhecimento do
projetista sobre o processo a ser controlado, obtendo
bastante sucesso após os trabalhos inovadores de
Zadeh (1973) e Mamdani (1974). Este tipo de meto-
dologia possui a vantagem de realizar o controle de
uma planta sem necessariamente conhecer sua dinâ-
mica. Entretanto, comprovar a estabilidade desses
controladores fuzzy é uma tarefa difícil (Sala e
Ariño, 2009).
No campo da robótica móvel, vários trabalhos
utilizaram os controladores fuzzy de metodologia
heurística, sem tratar da estabilidade do sistema:
Song e Tai (1992) e Deist e Fourie (1993) desenvol-
veram o desvio de obstáculos, enquanto Lakehal et al
(1995), Hung e Chung (2006), Antonelli et al. (2007)
e Susnea et al. (2008) desenvolveram o seguimento
de trajetória.
Devido à necessidade formal de comprovar a es-
tabilidade dos controladores, os controladores fuzzy
recebem um novo enfoque a partir de 1985, com os
controladores fuzzy de modelo Takagi-Sugeno (TS)
(Takagi e Sugeno, 1985). Ao contrário dos controla-
dores fuzzy baseados em heurística, o trabalho de
Tanaka e Sugeno (1992) mostrou que um controlador
fuzzy de modelo TS pode ser projetado de maneira
reproduzidas de forma sistemática, garantindo, além
da estabilidade, diversos critérios de desempenho em
malha fechada (Mozelli, 2008). Segundo Mozelli
(2008) e Sala e Ariño (2009), a técnica mais adotada
para o projeto de controladores representados no
modelo fuzzy TS é a compensação paralela distribuí-
da (PDC) (Wang et al., 1995). Esta técnica foi utili-
zada por Guechi et al. (2009; 2010) e Xingquan
(2010), para o projeto de seus respectivos controla-
dores de seguimento de trajetória para robôs moveis.
A técnica de controle PDC permite a utilização
de técnicas de controle linear em plantas não-
lineares, através da representação da planta por meio
de um conjunto de subsistemas dinâmicos lineares,
localmente válidos, interpolados de forma suave,
não-linear e convexa (Mozelli, 2008). O projeto do
controlador consiste em resolver um problema de
desigualdades matriciais lineares (LMI). A solução
deste problema é derivada do estudo da estabilidade
desse tipo de sistema, e permite projetar um contro-
lador linear para cada um dos subsistemas que mode-
lam a planta não linear. O procedimento de projeto
dos controladores fuzzy TS através da técnica PDC
limita a forma do controlador, que deverá possuir o
mesmo número de subsistemas dinâmicos lineares da
planta não-linear, e, apesar da técnica PDC ser base-
ada em controladores fuzzy, não é possível utilizar o
conhecimento do projetista sobre o processo.

ISSN: 2175-8905 - Vol. X 983

 X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil

Neste artigo, entretanto, através da realimenta-    , (2)

ção da orientação do robô, foi possível projetar um
e
controlador fuzzy de modelo TS sem o uso da técnica
PDC, baseando-se o desenvolvimento do controlador
no conhecimento heurístico do problema tratado, que cos   a sin  
C
a cos  
(3)
 sin 
é o seguimento de trajetória por um robô do tipo
uniciclo. Os ruídos inerentes ao sistema de odometria
do robô são tratados pelo próprio controlador fuzzy,
não sendo necessária a utilização de filtros. A estabi- é matriz de cinemática direta.
lidade do controlador desenvolvido é comprovada O ponto de interesse (x,y) escolhido não possui
segundo a teoria de Lyapunov. Os resultados expe- restrições de velocidade no plano, ou seja, ele pode
rimentais mostram que o controlador desenvolvido se mover em qualquer direção. Desejando-se impor
tem grande eficiência, apresentando erros de segui- certas velocidades e ao ponto (x,y), os valores
mento de trajetória pequenos, como se verá adiante. adequados de u e  são determinados através da
O restante deste artigo é organizado da seguinte cinemática inversa (Martins, 2008)
maneira: a Seção 2 apresenta o modelo cinemático

 u   cos  sin    x 
do ponto de referência, cuja trajetória se deseja con-
trolar; a Seção 3 apresenta o controlador proposto e  x 
discute a estabilidade do sistema; a Seção 4 apresenta     1 sin  1     C 1   , (4)
cos    y 
os resultados experimentais, e, por fim, a Seção 5    a a   y 
apresenta a conclusão do trabalho.
sendo
2 Modelo cinemático do ponto controlado  cos  sin  
C 1
 1 1  (5)
Tradicionalmente, ao se tratar de seguimento de  sin  cos  
trajetória por robôs móveis do tipo uniciclo, o ponto
 a a 
do robô que deve seguir a trajetória pré-determinada
é o ponto central do eixo virtual que conecta as ro- a matriz de cinemática inversa.
das. Porém, neste trabalho controla-se a posição de
um ponto (x,y) localizado à frente do eixo virtual (ver
3 Controlador de seguimento de trajetória
Figura 1). As coordenadas do ponto de interesse (x,y)
podem ser escolhidas para representar a localização
de uma ferramenta sobre a plataforma do robô, ou, 3.1 Controlador proposto
ainda, como neste trabalho, esse ponto pode caracte-
rizar o limite físico dianteiro do robô. O objetivo do controle de seguimento de trajetórias é
conseguir, mediante uma lei de controle, que o ponto
de interesse (x,y) alcance e siga sem erros posições
desejadas variáveis com o tempo . De acordo
com Figura 2, a lei de controle proposta é

ur   x
1  D   x  
   C   y      , (6)
 r  D   y 
Figura 1. Esquema para obter o modelo cinemático do ponto
controlado. onde e são as saídas do controlador, e
são, respectivamente, as velocidades das posições
De acordo com a Figura 1, a localização do pon- desejadas nas direções X e Y do referencial fixo, e
to (x,y) no plano cartesiano XY, em relação a um e são as saídas do controlador fuzzy TS. A saída
referencial fixo no espaço de trabalho, é dada por
do controlador fuzzy depende de e do erro de
posição no eixo X, definido por , assim
 x  cos   a sin    u  u  como a saída do controlador fuzzy depende de
 y    sin  a cos    
 C   , (1)
     e do erro de posição no eixo Y, definido por
. Vale ressaltar que as trajetórias desejadas
onde a velocidade linear u e a velocidade angular  selecionadas são funções diferenciáveis, não sendo
são as entradas de controle do robô, e são, res- problema obter a velocidade desejada.
pectivamente, a velocidade do ponto (x,y) na direção A idéia do controlador proposto é: uma vez que
X e na direção Y do referencial fixo, a > 0 representa o ponto de interesse (x,y) coincida com o ponto da
a distância entre o ponto de interesse (x,y) e o ponto trajetória desejado , as velocidades de refe-
central do eixo virtual que conecta as rodas,  é rência na direção X e Y do referencial fixo, e ,
orientação do robô, dada por são mantidas iguais às velocidades da trajetória de

ISSN: 2175-8905 - Vol. X 984

 X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil

1
referência, o que significa que e , ou

pertinência
B A
seja, e . Ocorrendo erros de posição 0.5
e , o controlador fuzzy gera sinais de compensação
0
de velocidade e , até que o ponto de interesse 0 0.1 0.2 0.3 0.4 0.5
módulo da velocidade da trajetória [m/s]
(x,y) coincida novamente com o ponto da trajetória
desejado . A matriz é responsável por Figura 5. Funções de pertinência do módulo da velocidade da
transformar e em ur e r. trajetória para o intervalo de 0 a 0,5 m/s.

Controlador de trajetória
Se é e é e é e é
xd , então:
yd Robô

xd
~
x y yr x x
-+ ur u 

~x   ai 0 ~
+
y y x
-
~y
 C
Controlador
xr C r
 ~   
yd x
-1

 
 bi   y 

+-
fuzzy
-+  ~ , (8)
y  0


Figura 2. Esquema do controlador proposto. sendo ,onde são os conjuntos

fuzzy, ai e bi são constantes reais não nulas ( e
Considerando-se o seguimento perfeito de velo- ), e a equação (8) define o subsistema dinâ-
cidade, ou seja, e , o que significa mico linear correspondente à regra Ri.
que os efeitos da dinâmica do robô são ignorados, a Para cada conjunto de entradas ( , , , )
equação do sistema em malha fechada é (ver Figura 2), a saída do controlador fuzzy é dada
pela interpolação suave, não-linear e convexa, dos 36
x   x 
 x D   x   ~ subsistemas dinâmicos lineares, ou seja,
 y   y   ~     ,
  (7)
 D    y  y  36

~x   x  w A x i i

 ~     
ou seja, as velocidades de correção dos erros nas i 1
36
(9)
y  y 
direções X e Y do referencial fixo, ~x e ~y , serão
determinadas, respectivamente, pelas saídas e .
w
i 1
i

36
3.2 Controlador Fuzzy
  hi A i x (10)
O controlador fuzzy projetado tem como variáveis i 1
premissas os módulos dos erros de posição, e ,
e os módulos das velocidades da trajetória desejadas,
 k x 0 ~ x
e . As Figuras 3 e 4 apresentam as funções    y 
, (11)
de pertinência das premissas e , que estão  0  k y ~
divididas em 3 conjuntos fuzzy cada: ruído (R), pe-
onde
queno (P) e grande (G). Por sua vez, a Figura 5 apre-
, (12)
senta as funções de pertinência das premissas e
, que estão divididas em dois conjuntos fuzzy e
cada: baixo (B) e alto (A). A base de regras Se-Então
wi
do controlador é constituída por 36 regras . Cada hi  36
, (13)
uma delas é expressa através da forma geral
w
i 1
i
1
P
pertinência

R
0.5
sendo o grau de pertinência da premissa
G
0 dentro do conjunto fuzzy , o
0 0.02 0.04 0.06
módulo dos erros de posição [m]
vetor de estados dos subsistemas, kx e ky os ganhos
finais após a interpolação dos 36 subsistemas dinâ-
Figura 3. Funções de pertinência dos erros de seguimento de
trajetória para o intervalo de 0 a 0,06 m.
micos e

1
 a 0 
Ai   i
pertinência

 bi 
. (14)
 0
0.5
G
R
0
0 0.2 0.4 0.6 0.8 1
módulo dos erros de posição [m] Os ganhos ai e bi foram escolhidos de maneira
Figura 4. Funções de pertinência dos erros de seguimento de heurística, através das seguintes observações sobre o
trajetória para o intervalo de 0 a 1 m. processo: i) se os erros de seguimento de trajetória

ISSN: 2175-8905 - Vol. X 985

 X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil

são menores que 10 mm, elegem-se ganhos bem 3.3 Análise de estabilidade do sistema
pequenos, pois se considera que esse erro é falso,
provocado pelos ruídos do sistema de odometria; ii)
se a velocidade da trajetória é elevada e os erros de Segundo Wang et al. (1996), uma condição suficien-
seguimento de trajetória são pequenos, mas superio- te, de acordo com o Teorema de Estabilidade de
res a 10 mm, se elegem ganhos maiores; iii) se a Lyapunov, para que o ponto de equilíbrio do sistema
velocidade da trajetória é pequena, os ganhos sele- (9) seja globalmente assintoticamente estável, é que
cionados são menores, para permitir que o robô se exista uma matriz definida positiva P = PT que cum-
aproxime dos pontos desejados de maneira suave; e pra, para todos os subsistemas dinâmicos (8), a con-
iv) para erros de seguimento de trajetória elevados, dição
elegem-se ganhos menores, para evitar sinais de
controle de grande amplitude, que provocariam des- ATiP  PA i  0 , (16)
locamentos bruscos do robô. A Tabela 1 apresenta os
ganhos ai e bi para cada regra do controlador fuzzy.
Como um exemplo a primeira regra R1: Se é para todo , sendo r o número total de
regras.
Alto e é Alto e é Ruído e é Ruído, então:
Para e , uma matriz definida positiva
P = PT que cumpre a desigualdade (16) é
~x   0,0005 0 ~ x
 ~   
 0,0005  y 
  ~ , (15)
y  0 1 0
P . (17)
0 1 
é representada na Tabela 1 por AARR  [0,0005
0,0005]. Substituindo (14) e (17) em (16), chega-se a
A Figura 6 apresenta a curva com o valor final
do ganho kx para cada par de entradas ( , ).
  2a i 0 
 0  0,
 2bi 
(18)
kx 
ou seja, a desigualdade (18) é verdadeira para e
.
O único ponto de equilíbrio do sistema (9) é
e , ou seja, erros de seguimento de traje-
tória iguais a zero, provando que o controlador pro-
posto é capaz de fazer com que o robô siga uma
trajetória dada com erros de seguimento que conver-
x D
~ gem assintoticamente para zero.
x
Figura 6. Valor final do ganho kx para cada par de entradas ( , ).
4 Resultados Experimentais

Tabela 1. Ganhos do Controlador Fuzzy.
 [ai bi ]
AARR  [0,0005 0,0005]
AARP  [0,0005 5]
AARG  [0,0005 0,01]
AAPR  [5 0,0005]
AAPP  [5 5]
AAPG  [5 0,01]
AAGR  [0,01 0,0005]
AAGP  [0,01 5]
AAGG  [0,01 0,01]
BARR  [0,0005 0,0005]
BARP  [0,0005 5]
BARG  [0,0005 0,01]
BAPR  [0,5 0,0005]
BAPP  [0,5 5]
BAPG  [0,5 0,01]
BAGR  [0,005 0,0005]
BAGP  [0,005 5]
BAGG  [0,005 0,01]
 [ai bi ]
ABRR  [0,0005 0,0005]
ABRP  [0,0005 0, 5]
ABRG  [0,0005 0,005]
ABPR  [5 0,0005]
ABPP  [5 0,5]
ABPG  [5 0,005]
ABGR  [0,01 0,0005]
ABGP  [0,01 0,5]
ABGG  [0,01 0,005]
BBRR  [0,0005 0,0005]
BBRP  [0,0005 0,5]
BBRG  [0,0005 0,005]
BBPR  [0,5 0,0005]
BBPP  [0,5 0, 5]
BBPG  [0,5 0,005]
BBGR  [0,005 0,0005]
BBGP  [0,005 0,5]
BBGG  [0,005 0,005]
O controlador proposto foi utilizado para controlar a
trajetória de um robô móvel Pioneer 3-DX, que ad-
mite velocidades lineares e angulares como sinais de
referência. Nesta seção, os resultados de duas trajetó-
rias são apresentados, sendo uma trajetória circular e
outra em forma de oito.
No experimento de trajetória circular o robô ini-
cia o movimento com postura inicial: x = 0 m, y = 0
m e  = 0o, e deve seguir uma trajetória circular que
começa em x = 0,8 m e y = 0,0 m, com raio de 0,8 m.
Depois de 45 s o raio da trajetória de referência cir-
cular muda bruscamente, passando de 0,8 m para 0,6
m. Depois de 105 s, o raio da trajetória de referência
volta a valer 0,8 m. Para ambos os raios, a velocidade
angular da trajetória é de 0,35 rad/s. A velocidade
linear da trajetória é de 0,28 m/s para o raio de 0,8 m
e 0,21 m/s para o raio de 0,6 m. A Figura 7 apresenta
a trajetória de referência e a trajetória realizada pelo
robô durante 120 s.
A Figura 8 ilustra a evolução do valor absoluto
do erro de seguimento de trajetória, o qual é definido

ISSN: 2175-8905 - Vol. X 986

 X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil

por . O grande valor inicial do erro 0

se deve ao fato da posição inicial do robô ser (0;0) m, ref.
enquanto a trajetória de referência começa em (0,8;0) robô
-0.5
m. Note-se que nos instantes de tempo 45 s e 105 s
ocorre um acréscimo instantâneo no valor do erro,

Y [m]
devido à súbita mudança do raio da trajetória de -1
referência.
-1.5
1
ref.
-2
-2 -1 0 1 2
0.5
X [m]
robô
Figura 9. Trajetória em forma de 8 durante 120 s.
Y [m]

0
0.07

-0.5 0.06

erro absoluto [m]

0.05

-1 0.04
-1 -0.5 0 0.5 1
X [m] 0.03

0.02
Figura 7. Trajetória circular durante 120 s.
0.01

0.8 0
0 20 40 60 80 100 120
erro absoluto [m]

t [s]
0.6
Figura 10. Erro de seguimento durante a trajetória em forma de
0.4 oito.

0.2 As velocidades linear e angular desenvolvidas

pelo robô durante parte do seguimento da trajetória
0
0 20 4060 80 100 120 em forma de oito são apresentadas nas Figuras 11 e
t [s] 12, respectivamente, juntamente com os sinais de
Figura 8. Erro de seguimento para a trajetória circular. referência enviados pelo controlador.

No segundo experimento, o robô inicia o movi- 0.6

mento com postura inicial x = 0 m, y = 0 m e  = 0o,

0.4
e durante 120 s deve seguir uma trajetória em forma ref.
de oito, a qual começa em x = 0 m e y = 0 m. A Figu-
v [m/s]

0.2
ra 9 apresenta a trajetória de referência e a trajetória robô
realizada pelo robô durante 120 s. Já a Figura 10
0
ilustra a evolução do valor absoluto do erro de se-
guimento de trajetória . Para uma futura compa- -0.2
ração de desempenho deste controlador com outros, 0 5 10 15 20 25 30
t [s]
calculou-se o índice IAE (Integral do valor Absoluto
do Erro) para cada volta completa da trajetória em Figura 11. Velocidades lineares de referência e desenvolvida
forma de oito, sendo o IAE calculado por pelo robô.

T2 1

IAE   E (t )dt , (19) ref.

0.5
T1
w [rad/s]

onde T1 e T2 são os limites do intervalo de tempo 0

robô
considerado para o cálculo do índice. Os valores de
-0.5
IAE obtidos foram IAE = 0,32 para a primeira volta
completa, IAE = 0,28 para a segunda volta, e IAE =
-1
0,29 para a terceira. Tais valores de IAE comprovam 0 5 10 15 20 25 30
que o controlador proposto é efetivamente capaz de t [s]

conduzir o robô móvel durante o seguimento de Figura 12. Velocidades angulares de referência e desenvolvi-
trajetória, com um pequeno erro. da pelo robô.

ISSN: 2175-8905 - Vol. X 987

 X SBAI – Simpósio Brasileiro de Automação Inteligente
18 a 21 de setembro de 2011
São João del-Rei - MG - Brasil
Analisando as Figuras 11 e 12, percebe-se que o
erro de seguimento de velocidade é pequeno, corro-
borando-se a hipótese de seguimento perfeito de
velocidade, assumida para se obter a equação (7).
5 Conclusão
O presente trabalho apresentou e testou um novo
controlador de seguimento de trajetória para robôs do
tipo uniciclo, representado no modelo fuzzy do tipo
TS. As entradas de controle do robô são a velocidade
linear e a velocidade angular, comuns à maioria dos
robôs comerciais. A utilização do controlador fuzzy
permitiu estabelecer diferentes ganhos para o contro-
lador, de acordo com os valores da velocidade da
trajetória e dos valores do erro de seguimento de
trajetória. A estabilidade do sistema é analisada utili-
zando os resultados de Wang et al. (1996), que são
baseados na teoria de Lyapunov. O controlador pro-
posto foi aplicado ao robô comercial Pioneer 3-DX, e
os resultados experimentais obtidos foram apresenta-
dos, mostrando que o robô é capaz de seguir uma
trajetória desejada com um pequeno erro.
As vantagens do controlador proposto são a faci-
lidade de implementação, dado seu baixo custo com-
putacional compatível com computadores de bordo
de baixa capacidade, os baixos erros de seguimento
de trajetória e o tratamento dos ruídos do sistema de
odometria do robô pelo próprio controlador fuzzy,
não sendo necessária a utilização de filtros. Como
trabalho futuro, pretende-se utilizar a estrutura do
controlador para implementar o seguimento de traje-
tória com desvio de obstáculo.
Agradecimentos
Os autores agradecem à CAPES (Brasil) e ao
DGU (Espanha) pelo financiamento da parceria entre
a Universidade Federal do Espírito Santo (UFES)/
Brasil e a Universidade de Alcalá de Henares
(UAH)/Espanha (Projeto no 150/2007). O Sr. Cassius
também agradece ao Instituto Federal de Educação,
Ciência e Tecnologia do Espírito Santo pelo apoio
que lhe permitiu participar deste trabalho.
Referências Bibliográficas
Antonelli, G., Chiaverini, S. and Fusco, G. (2007). A
fuzzy-logic-based approach for mobile robot
path tracking, IEEE Transactions on Fuzzy Sys-
tems, vol. 15, n° 2, pp. 211-221.
Deist, L. and Fourie, C. (1993). Fuzzy algorithm for
the control of a mobile robot, IEEE 2nd Interna-
tional Workshop on Emerging Technologies and
Factory Automation, pp. 42-50.
Guechi, E.-H., Lauber, J., Dambrine, M., Blazic, S.
and Klancar, G. (2009). Tracking-error model-
based pdc control for mobile robots with accele-
ration limits. IEEE International Conference on
Fuzzy Systems, pp. 197- 202.
ISSN: 2175-8905 - Vol. X
Guechi, E., Lauber, J., Dambrine, M., Klancar, G.
and Blazic, S. (2010). PDC control design for
non-holonomic wheeled mobile robots with de-
layed outputs, Journal of Intelligent & Robotic
Systems, vol. 60, n° 3, pp. 395-414.
Hung, L.-C. and Chung, H.-Y. (2006). Design of
hierarchical fuzzy logic control for mobile robot
system, 2006 IEEE Conference on Robotics, Au-
tomation and Mechatronics, pp. 1-6.
Lakehal, B., Amirat, Y. and Pontnau, J. (1995).
Fuzzy steering control of a mobile robot, 1995
International IEEE/IAS Conference on Industri-
al Automation and Control: Emerging Technol-
ogies, pp. 383-386.
Mamdani, E. (1974). Application of fuzzy algorithms
for control of simple dynamic plant, Proceedings
of the Institution of Electrical Engineers, vol.
121, n° 12, pp. 1585-1588.
Martins, F. N., Celeste, W. C., Carelli, R., Sarcinelli-
Filho, M. and Bastos-Filho, T. F. (2008). An
adaptive dynamic controller for autonomous
mobile robot trajectory tracking, Control Engi-
neering Practice, vol. 16, n° 11, pp. 1354-1363.
Mozelli, L. A. (2008). Controle fuzzy para sistemas
takagi-sugeno: Condições aprimoradas e apli-
cações, Dissertação de Mestrado, Universidade
Federal de Minas Gerais.
Sala, A. and Ariño, C. V. (2009). Reduciendo distan-
cias entre el control borroso y el control no line-
al: luces y sombras, Revista Iberoamericana de
Automática e Informática Industrial, vol. 6, n° 2,
pp. 26-35.
Song, K.-T. and Tai, J.-C. (1992). Fuzzy navigation
of a mobile robot. Proceedings of the 1992
IEEE/RSJ International Conference on Intelli-
gent Robots and Systems, Vol. 1, pp. 621-627.
Susnea, I., Filipescu, A., Vasiliu, G. and Filipescu, S.
(2008). Path following, real-time, embedded
fuzzy control of a mobile platform wheeled mo-
bile robot, 2008 IEEE International Conference
on Automation and Logistics, pp. 268-272.
Takagi, T. e Sugeno M. (1985). Fuzzy identification
of systems and its applications to modelling and
control. IEEE Transactions on Systems, Man
and Cybernetics, vol. 15, n° 1, pp. 116-132.
Tanaka, K. and Sugeno, M. (1992). Stability analysis
and design of fuzzy control systems, Fuzzy Sets
and Systems, vol. 45, n° 2, pp. 135-156.
Wang, H., Tanaka, K. and Gri_n, M. (1996). An
approach to fuzzy control of nonlinear systems:
stability and design issues. IEEE Transactions
on Fuzzy Systems, vol. 4, n° 1, pp. 14-23.
Xingquan, G. (2010). Robust tracking scheme for
wheeled mobile robot with actuator saturations
via uncertain t-s fuzzy model. 2010 International
Conference on Artificial Intelligence and Com-
putational Intelligence, vol. 2, pp. 308-312.
Zadeh, L. A. (1973). Outline of a new approach to
the analysis of complex systems and decision
processes. IEEE Transactions on Systems, Man
and Cybernetics, vol. SMC-3, n° 1, pp. 28-44.
988