بخشی از مقاله
چکیده: ربات ماشینی هوشمند، قابل برنامه نویسی و انعطاف پذیراست که برای به دست آوردن اطلاعات مورد نیاز محیط خود دارای حسگرهایی است. یکی از شاخه های مهم تحقیقاتی در علم رباتیک، برنامه ریزی حرکت ربات است که هدف آن یافتن مسیری بهینه از نقطه شروع به هدف و عاری از تصادم با موانع موجود در ربات است. از آنجایی که ثابت شده است این مساله از نوع NP-Hard است، الگوریتم های بهینه سازی زیادی موفق به حل این مساله نشده اند و در نتیجه، برای حل این مسائل روش های ابتکاری مختلفی توسعه داده شده است.
در این پایان نامه، برای حرکت و رسیدن موبایل ربات به هدف در محیط های با مانع، از منطق فازی استفاده شده است. در روش پیشنهادی با حرکت ربات سیار در محیط و در برخورد با مانع بر اساس تابع تعلق فازی که بر اساس فاصله تا هدف و جهت حرکت تا هدف می باشد جهت حرکت بهینه تعیین می شود . نتایج حاصل از شبیه سازی نشان می دهد که الگوریتم پیشنهادی از قابلیت جستجوی بهینه و برنامه ریزی مسیر در فضای دو بعدی برخوردار است و مسیر های بهینه و عاری از برخورد با مانع را ارائه می دهد.
-1 مقدمه
یکی از شاخههای مهم تحقیقاتی در علم روباتیک، برنامهریزی حرکت روبات است که هدف آن یافتن مسیری بهینه از نقطه شروع به هدف و عاری از تصادم با موانع موجود در محیط روبات است. چنین مسئله ای در برنامه ریزی مسیر وسایل نقلیه هوشمند و AGV ها نیز مطرح می شود. از آنجا که ثابت شده است این مسئله از نوع NP- Hard میباشد، الگوریتمهای بهینه سازی سنتی موفقیت زیادی در حل آن کسب نکردهاند. در نتیجه، برای حل این مسایل روش های ابتکاری مختلفی توسعه داده شده که در این میان، روش الگوریتم ژنتیک به عنوان یکی از روشهای تکاملی مبتنی بر جمعیت با روندی افزایشی مورد استفاده قرار گرفته است.
در این مقاله، جهت رفع کاستیهای روشهای ژنتیک موجود مانند ثابت بودن طول رشته جواب و محدودیت های عملگرهای جهش و تعویض، یک الگوریتم ژنتیک جدید برای حل مسیله برنامهریزی حرکت روباتهای متحرک در شرایط غیربهنگام با داشتن اطلاعات فضای جهانی روبات ارایه شده است، که در آن پس از مثلث بندی فضای روبات به روش Delaunay، دسته جواب هایی با روش درخت کاوش تصادفی سریع - RRT - ایجاد شده و هموارسازی میشوند که طول رشته جوابها بر خلاف الگوریتم های ارایه شده در ادبیات متغیر است. سپس با استفاده از عملگرهای جدید جهش، تعویض و حذف، این جواب ها بهبود داده می شوند که در هر سه عملگر، مثلث بندی ایجاد شده نقشی کلیدی ایفا می کند.
-2بخش تجربی
تاکنون روش های مختلفی جهت حرکت به سمت هدف و عبور از موانع ارائه شده است. یکی از روش های معمول استفاده از روش میدان پتانسیل است. اساس این روش، اعمال میدان پتانسیل برروی محیط به گونه ای است که ربات به سمت هدف جذب شده و از موانع دفع گردد. اما این روش دارای مشکل مینیمم محلی است. پراتیهال از روش ژنتیک- فازی جهت مسیریابی استفاده کرد که درآن محیط به صصورت دینامیک و هدف ثابت در نظر گرفه شده بود.
درخصوصیات برنامه ریزی مسیر برای ربات های متحرک از طریق شبکه های عصبی و الگوریتم ژنتیک در نظر گرفته شده است در این روش، یک مدل جدید از الگوریتم ژنتیک توسعه داده شده است که با روش جدیدی از تولید جمعیت های خروجی پیاده سازی شده است. به عنوان نتیجه کار الگوریتم ژنتیک توسعه داده شده، تشکیل کروموزوم از دنباله های ورودی که با حداقل خطا تشکیل شده، انجام شده و سپس کروموزوم هایی که بیشترین تاثیر را دارند انتخاب شده اند. دریک سیستم ناوبری هوشمند برای ربات های زیرآبی که بخش جدانشدنی صنایع و علوم دریایی هستند و بر پایه بهینه سازی کلونی مورچه ها ارائه شده است.
در این الگوریتم با الهام از حرکت مورچه های طبیعی موانع کشف و کوتاهترین مسیر تا مقصد برای حرکت ربات خودکار پیشنهاد می شود. نتایج حاصل از شبیه سازی نشان داده است که الگوریتم پیشنهادی آن ها از قابلیت جستجوی بهینه و برنامه ریزی مسیر در فضای یه بعدی برخوردار است و تا حد زیادی مشکلات ناشی از نامعینی ها و پیچیدگی های ذاتی محیط غلبه می کند و مسیر های بهینه و عاری از برخورد با مانع را ارائه می دهد.
دیگری به معرفی سریع نمونه هواپیما تصفیه آب و تصفیه الگوریتم به منظور کاهش حجم از ابر نقطه سه بعدی نمونه برداری امتیاز از تصویر عمق، و طبقه بندی محلی گروه بندی شده پرداخته شده است. سپس یک الگوریتم محلی سازی بر اساس مشاهدات مدل که پایین پروژه های هواپیما نقاط فیلتر بر روی دو بعدی، و مکاتبات برای هر نقطه اختصاص به خطوط در نقشه های دو بعدی معرفی می شود.
همه الگوریتم های ارائه شده در این تحقیق، تنها به پردازش اطلاعات عمق، و داده های اضافی RGB نیاز ندارد. این روش، محلی سازی و اجتناب از موانع الگوریتم در زمان واقعی در نرخ کامل دوربین قاب 30 - هرتز - با الزامات CPU کم 16 - ٪ - اجرا می شود. نتایج تجربی نشان دهنده اثربخشی این رویکرد برای داخل ساختمان، محلی سازی ربات های تلفن همراه و ناوبری است.
روش مدیریت شبکه های حسگر بی سیم ربات برای حفظ اتصال های بی سیم برای ربات متحرک سیار با توجه به فاصله بین گره های حسگر ارائه شده است. در این مقاله، روش پیشنهادی برای تغییر مسیر با استفاده از RWSNدر آزمون عملیات میدانی به منظور تایید در دسترس بودن عملکرد اتصال به ارتباطات و توان عملیاتی بین ارتباطات End-to-End از طریق شبکه ساخته شده مورد بررسی قرار می گیرد. نتایج تجربی اثر روش ارائه شده را نشان می دهد که مدیریت WSN در آزمون زمینه امکان پذیر است.
-3نتایج و بحث
یک محیط برنامه ریزی حرکت، فضای حرکتی است که ربات وظایفش را در آن اجرا خواهد کرد. در تعریف پایهای مساله برنامه ریزی حرکت، فضای کاری یک فضای اقلیدسی است که هندسه و موقعیت های از تمامی موانع موجود در محیط به دقت شناخته شده است و تمامی موانع ایستا هستند. تقریبا، این همیشه به این صورت نیست. موانع در محیط ممکن است که همیشه ایستا نباشند. منظور از موانعی که ساکن و بی حرکت در محیط هستند، یعنی این که به طور همیشگی در موقعیت های اولیه شان ثابت هستند.
در حالی که موانع پویا می توانند حرکت کنند، حال، شکل و اندازه شان را تغییر بدهند و حتی در برخی از اوقات ظاهر شوند و در برخی از اوقات ناپدید شوند. به محیطی که تنها موانع ثابت وجود داشته باشد، محیط ثابت و به محیطی که در آن موانع پویا وجود داشته باشد، محیط پویا گفته می شود. در این پایان نامه محیط های با مانع ثابت مورد بررسی قرار می گیرند.
موضوع دیگری که مرتبط با موانع در محیط است، این است که آیا موانع شناخته شده هستند یا خیر؟ هنگامی که تمامی اطلاعات مربوط به موانع جمع آوری می شوند، یعنی، موقعیت ها، حرکت ها و غیره، محیط بطور کامل شناخته می شود. در برخی از کاربردهای خاص، موانع در محیط از طریق حسگرهای موجود بر روی روبات شناخته می شوند. که در این پژوهش نیز از این طریق به شناخت محیط پرداخته خواهد شد.یکی از نکات مهم در مدل سازی فضای آزادبرای ربات میباشد.اگر فضای حقیقی دارای مانع باشد، عمل مسیریابی باید مسیری از نقطه اولیه به هدف پیدا نماید که بدون مانع باشد. این مسیر فضای آزاد نامیده می شود و به صورت زیر تعریف میشود.
در این پژوهش با استفاده از تابع تعلق در نظر گرفته شده و بر اساس ورودی ها که مختصات قرار گیری ربات و هدف و ماتریس سمت مانع می باشد مقدار فازی هر کدام از جهت ها برای حرکت رباط در نظر گرفته می شود که این مقادیر بین صفر و یک می باشند. حال بر اساس این مقادیر تعلق جهتی که بیشترین مقدار تابع تعلق را داشته باشد به عنوان جهت حرکت ربات به سمت هدف می باشد. یکی از نکات مهم در ربات سیار اجتناب از برخورد می باشددر رابطه با اجتناب از موانع سه حالت وجود دارد. ابتدا، ربات به سمت هدف حرکت می کند بدون اینکه هیچ نوع مانعی در مسیر وجود داشته باشد.
دوم، ربات با یک مانع نه خیلی بزرگ برخورد کند در حالی که به سمت هدف در حال حرکت است. در نهایت، هدف در محدوده ربات باشد و هیچ نوع مانعی در مسیر حرکت ربات به سمت هدف وجود نداشته باشد، بنابراین ربات می تواند مسیر حرکتش را به سمت هدف تغییر بدهد. حالت آخر به طور معمول بعد از اینکه ربات اطراف یک مانع حرکت کرد، رخ می دهد که در این صورت نیاز به تغییر مسیر خودش به سمت هدف دارد.
در یک مدل اجتناب از موانع، منطق فازی برای راهبری ربات سیار به سمت هدف مورد استفاده قرار میگیرد بطوری که از برخورد به موانع ایستا پرهیز کند. این بخش از الگوریتم این اطمینان را ایجاد می کند که ربات سیار به صورت امن به هدفش بدون هیچ برخوردی می رسد. پارامترهای استفاده شده در این الگوریتم به شرح زیر هستند:متغیری به نام v که نشان دهنده سمت مانع ها هستند. نتیجه vیک ماتریس یک سطری و پنج ستونی است. هر ستون آن نشان دهنده یکی از حسگر ها است.
