【正文】 to test the tracking controller of the mobile robot defined in (1). We consider the initial position q(0) = (0, 0, 0) and initial velocity v(0) = (0,0). From Fig. 5 to Fig. 8 we show the results of the simulation for the case 1. Position and orientation errors are depicted in the Fig. 5 and Fig. 6 respectively, as can be observed the errors are sufficient close to zero, the trajectory tracked (see Fig. 7) is very close to the desired, and the velocity errors shown in Fig. 8 decrease to zero, achieving the control objective in less than 1 second of the whole simulation. We show in Fig. 9 the Simulink block diagram to test the controller. We also show in Fig. 10 the tracking errors in the three variables. Finally, we show in Fig. 11 the evolution of the geic algorithm that was used to find the optimal parameters for the fuzzy controller. Fig. 5. Positions error with respect to the reference values. Solid: error in x, dotted: error in y. Fig. 6. Orientation error with respect to the reference values. Fig. 7. Mobile Robot Trajectory. Fig. 8. Velocity errors: Solid: error in e, dotted: error in evw Fig. 9 Simulink block diagram of the controller. Fig. 10 Tracking errors in the three variables. Fig. 11 Evolution of GA for finding optimal Controller In Table II we show simulation results for 25 experiments with different conditions for the gains of the fuzzy controller. We can also appreciate from this table that different reference velocities and positions were considered. TABLE II SIMULATION RESULTS FOR DIFFERENT EXPERIMENTS WITH THE FUZZY CONTROLLER. VI. CONCLUSIONS We described the development of a tracking controller integrating a fuzzy logic controller for a unicycle mobile robot with known dynamics, which can be applied for both, point stabilization and trajectory tracking. Computer simulation results confirm that the controller can achieve our objective. As future work, several extensions can be made to the control structure of Fig. 2, such as to increase the tracking accuracy and the performance level. REFERENCES [1] S. Bentalba, A. El Hajjaji, A. Rachid, Fuzzy Control of a Mobile Robot: A New Approach, Proc. IEEE Int. Conf. On Control Applications, Hartford, CT, pp 6972, October 1997. [2] A. M. Bloch, S. Drakunov, Tracking in NonHolonomic Dynamic System Via Sliding Modes, Proc. IEEE Conf. On Decision amp。=0sincos??000wv M(q)amp。在以后的工作中，圖 2中的控制結構可以做些擴展，比如說增加些跟蹤的準確性或工作性能。 圖 。追蹤軌跡（見圖 7）也和預想的及其接近，速度錯誤（見圖 8）減小至 0，達到了整個模擬過程中 1秒內(nèi)的控制目標。在表格 1中，我們表現(xiàn)了一種直線形式： Rule i: 假如 ev 是 G1 ， ew 是 G2 那么 F 是 G3 ， N 是 G4 Where G1..G4 are the fuzzy set associated to each variable and i= 1 ... 9. 表 1 模糊尺組 In Table I, N means NEGATIVE, P means POSITIVE and C means ZERO. 在 Matalb實現(xiàn)的模擬實驗是用來測試移動式遙控裝置的追蹤控制器（在（ 1）中已有定義）。追蹤控制器的大體結構見圖 2 我們基于 Kanayama等人提議的程序和 Nelson等人解決運動模塊的追蹤問題，這由 V表示出來。等式（ 1， a）表示移動控制裝置的運動或駕駛系統(tǒng)。 圖 1. 旋轉移動機械 手 運動規(guī)律可見平面 5的運動方程式 qamp。這篇論文的其余部分的結構如下：第二部分和第三部分對問題作了簡潔描述，包括了單輪車移動遙控裝置的運動和動力模塊和對追蹤控制器的介紹。 在 2020年 12月 15日被視為標準并且在 2020年 3月 5日被公認的手稿。 Lee等人用還 原法和飽和約束來解決追蹤控制。描述此約束的恒等式不能夠明確的反映出遙控裝置在局部及整體坐標系中的關系。 指導教師評語： 該生的外文翻譯基本正確， 沒有嚴重的語法或拼寫錯誤，已達到本科畢業(yè)的水平。 簽名： 年 月 日 附件 1：外文資料翻譯譯文 對移動式遙控裝置的智能控制 —— 使用 2型模糊理論 摘要：我們針對單輪移動式遙控裝置的動態(tài)模型開發(fā)出一種追蹤控制器，這種追蹤控制器是建立在模糊理論的 基礎上將運動控制器和力矩控制器整合起來的裝置。因此，包括它們在內(nèi)的控制問題吸引了去年控制領域的注意力。此外，大多數(shù)被報道過的設計依賴于智能控制方式如模糊邏輯控制和神經(jīng)式網(wǎng)絡。這一著作在某種程度上受到 DGEST—— 一個在 Grant 。第四部分用追蹤控制器列舉了些模擬結果。=0sincos??000wv M(q)amp。注意到防滑條件強加了一個不完整的約束，也就是說這個移動控制裝置只能夠朝著驅(qū)動輪軸線的方向移動。假設軌跡 q達到了（ 4）式的要求： qd =0sincosdd??100ddwv (4) 用遙控器的局部框架（圖 1中的移動坐標系），錯誤的坐標可被定義為： e=Te (qd q),?eeeyx =1000cossin0sincos????? =?????dddyyxx (5) 輔助速度控制著輸入量，其可以對（ 1， a）實現(xiàn)追蹤。我們認為初始位置 q和 初始速度 v。圖 9是測試控制器的模擬簡圖。（直線為 x，虛線為 y） 圖 圖 圖 8. 速度錯誤 : 實線 : 錯誤在 e, 虛線 :錯誤在 evw 圖 9 控制器的模擬板塊 圖 10三個變量的跟蹤錯誤 圖 11 查找最優(yōu)的方案仿