بخشی از مقاله
چکیده
در سال های اخیر، مباحث مرتبط با علوم رباتیک، به یکی از زمینه های تحقیقاتی و در حال گسترش تبدیل شده است. در این میان ربات های هوشمند، از مقبولیت بسیاری برخوردار شده اند؛ اما کنترل و ناوبری1 این وسیله ها بسیار دشوار بوده و عدم برخورد با موانع2 ثابت و متحرک و اجتناب از آنها، به جهت مسیریابی3 ایمن و مطمئن، از نیازهای اساسی این سیستمها به شمار می رود.
یک ربات متحرک باید در زمانی معین به هدف های تعیین شده برسد و ممکن است معیارهایی مانند: سرعت، امنیت، شناخت محیط و غیره را نیز در طول مسیر، بهینه کند. ربات باید در هر گام، موقعیت مکانی خود نسبت به اهداف را تعیین کرده و استراتژی کنترلی مناسب را برای رسیدن به اهداف، صادر نماید. همچنین کسب اطلاعات در خصوص محیط نیز برای دوری از موانع، طراحی مسیر بهینه4 و اکتشاف محیط، ضروری است و ایجاد ارتباط هوشمندانه بین ادراک و عمل که مستلزم بهره گیری از الگوریتم های مناسب از جمله الگوریتم ژنتیک5 و منطق فازی6 - کنترل کننده فازی - نیز به منظور مدیریت کنترل و ناوبری مورد نیاز می باشد.
در این پژوهش برای حل مسئله ناوبری هوشمند ربات متحرک در محیط ناشناختهء پویا - شرایط در هر لحظه متغیر و موانع در حال حرکت می باشند - و انتخاب مسیر بهینه، از روش های الگوریتم ژنتیک و منطق فازی بصورت مقایسه ای استفاده می شود. چراکه با استفاده از این روش ها، ربات متحرک می تواند در محیط های پویا و ناشناخته، مسیر بهینه را تا هدف طی نماید.
.1 مقدمه
ربات ها برای انجام عملیات در محیط های واقعی - ناشناخته - ، باید قادر باشند اهداف تعیین شده را با وجود بروز تغییرات احتمالی و پیش بینی نشده محیط، دنبال کنند. محیط های واقعی به ندرت قابل پیش بینی یا کاملاً شناخته شده اند؛ بنابراین ایجاد یک مسیر حرکتی دقیق، قبل از حرکت در چنین محیط هایی، عموماً کاربردی نخواهد بود.[1] در حالت کلی، می توان مسئله طرح ریزی مسیر حرکت ربات را به دو زیر مسئله تجزیه نمود:
-1 تعقیب هدف:1 زیرا مسیرهای کوتاه به هدف را نمی توان تنها با استفاده از اطلاعات محلی بدست آورد؛ در نتیجه توپولوژی - مکان شناسی - فضا، در یافتن مسیرهای مناسب به هدف، مهم است.
-2 پرهیز از موانع: 2 اغلب تنها با استفاده از اطلاعات محلی حل می شود، یعنی ربات ابتدا می بایست موانع را احساس کند تا بتواند از آنها دوری نماید. ربات در محیط هائی حرکت می کند کهغالباً ناشناخته هستند، از این رو نمی توان ربات را برای انجام کارهای از پیش دانسته برنامه ریزی نمود. این ربات باید به حسگرهای دقیقی مجهز باشد تا بتواند محیط را شناسائی و از برخورد با اشیاء جلوگیری نماید.
بطور کلی می توان راه حل های ارائه شده برای مسائل طرح ریزی مسیریابی و حرکت ربات را در قالب دو زیر مجموعه "روش های کلاسیک"3 و "روش های اکتشافی"4 دسته بندی نمود:
· روش های کلاسیک: این روش ها در کل از ترکیب چندین روش کلی حاصل می شوند که عبارتند از: روش نقشه راه5، تجزیه سلولی6، روش میدان های پتانسیل مصنوعی7 و برنامه نویسی ریاضی.8 اغلب مسائل طرح ریزی مسیریابی و حرکت ربات با این روش ها قابل حل اند. در روش نقشه راه، یک فضای پیکربندی9 آزاد - فضای پیکربندی، مجموعه ای از تمام پیکربندی هایی است که ربات می تواند به آن ها دست یابد و فضای پیکر بندی آزاد، آن مجموعه از پیکربندی هایی است که تداخلی با موانع ندارند.
بُعد این فضا با تعداد درجات آزادی10 ربات مشخص می شود - وجود دارد که در آن حرکات مجاز با شبکه ای از خطوط یک بعدی نشان داده می شود. جستجو برای راه حل به این شبکه محدود می شود که مسئله طرح ریزی مسیریابی و حرکت ربات را به یک مسئله جستجوی گرافی11 تبدیل می کند. متداول ترین روش گراف آشکاری12 است. در این روش شبکه ای از خطوط، یک ویژگی از اشیاء را که معمولا رئوس چند ضلعی هستند را به هم متصل می کنند. از میان این شبکه یک مسیر بدون مانع یافت می شود.
در روش الگوریتم تجزیه سلولی، فضای پیکربندی آزاد به مجموعه ای از سلول های ساده تجزیه شده و ارتباط بین سلول های مجاور محاسبه می گردد. سپس یک مسیر بدون برخورد با اتصال سلول های شروع و هدف با توالی از سلول های مرتبط به هم، بین پیکربندی های شروع و هدف ایجاد می شود.
در روش میدان های پتانسیل مصنوعی، مبنای کار استفاده از یک میدان پتانسیل مصنوعی است که این میدان از یک نیروی دافعه قوی در مجاورت موانع و یک نیروی جاذبه تولید شده در موقعیت هدف تشکیل می شود. ادغام این دو نیرو یک میدان پتانسیل ایجاد می کند که اطلاعاتی درباره محیط می دهد. با استفاده از این اطلاعات، می توان مسیری را پیدا کرد که ربات را به موقعیت هدف با پرهیز از موانع هدایت می کند. در روش برنامه ریزی ریاضی، مسئله طرح ریزی مسیریابی و حرکت ربات به یک مسئله بهینه سازی ریاضی تبدیل می شود که در نهایت یک منحنی بین پیکربندی های شروع و هدف از طریق کمینه کردن یک کمیت اسکالر13 خاص حاصل می شود.
· روش های اکتشافی: روش های اکتشافی شامل روش های تجزیه سرعت مسیر14، روش دسترسی15، روش احتمالی16، روش دیاگرام سرعت نسبی.
در روش های کلاسیک، مشکلاتی نظیر پیچیدگی های محاسباتی در ابعاد بالاتر فضای پیکربندی و همچنین مشکل پیچیدگی زمان بالا را دارند. بعلاوه برخی از راه حل ها مانند روش میدان های پتانسیل مصنوعی، محلی هستند که ممکن است ربات را در نقاط مینیمم محلی1 - نقاط مینیمم محلی نقاطی هستند که از نقاط مینیمم اصلی کمی بزرگتر بوده و در نزدیکی مسیر حرکت قرار دارند - گرفتار کند.[3] از این رو روش های مدرن اکتشافی برای بهبود عملکرد آنها پیشنهاد شده است.
.2 تئوری و پیشینه تحقیق
بسیاری از روش های مسیریابی قید شده در قسمت قبلی،غالباً در وضعیت هایی که یک مانع مسیر ربات به هدف را مسدود کرده انعطاف پذیری کافی را ندارند - استفاده از توابع از پیش تعریف شده - و دارای مشکلات مربوط به پیچیدگی زمان بالا هستند.
در این پژوهش سعی شده است تا با بکارگیری روش های مدرنی همچون روش منطق فازی - چرا که برای مسیریابی ربات در محیطهای ناشناخته در حضور موانع ثابت و متحرک، بدون شناخت از موقعیت و تابع حرکت موانع و بصورت لحظه ای و گره به گره باید سراغ روشهای مسیریابی لحظهای 2 برویم - و همچنین روش الگوریتم ژنتیک - چراکه الگوریتم ژنتیک با یک مجموعه از مقادیر متغیرهای تصمیمگیری که هر دسته از آنها - معادل با یک کروموزوم - میتواند جواب ممکن برای طرح باشد، کار جستجو را - به طور موازی - انجام میدهد؛ حال آنکه روشهای دیگر فقط با یک دسته از متغیرهای تصمیمگیری که فقط یک جواب ممکن برای طراحی هستند، به کار جستجو ادامه میدهند - ؛ و با توجه به عدم قطعیت اطلاعات ورودی، مسئله طرح ریزی مسیریابی و حرکت ربات را بصورت بهینه و هوشمند طرح ریزی نمود. همچنین در مورد فضای پیکربندی یک ربات متحرک3 نیز موارد زیر قابل توجه است:
· برای یک ربات متحرک رسم بر این است که آنرا بصورت هولومنیک4 فرض کنیم. در اینصورت ربات را میتوان بصورت یک نقطه در نظر گرفت.
· در نتیجه فضای موقعیت را میتوان بصورت دو بعدی با محورهای x,y نشان داد.
· در این حالت اشیاء موجود در محیط باندازه شعاع ربات، بزرگ میشوند تا فرض نقطه ای بودن ربات نیز درست باشد.
در شکل - 1 - فضای موقعیت یک ربات متحرک دو بعدی نمایش داده شده است.
شکل :1 فضای موقعیت یک ربات متحرک دو بعدی
-1-2 بکارگیری منطق فازی جهت ناوبری هوشمند ربات متحرک در محیط های ناشناختهء پویا واژه فازی در فرهنگ لغت اکسفورد بصورت مبهم، گنگ، نادقیق، گیج، مغشوش، درهم و نامشخص تعریف شده است.[5] در این متن دو نوع توجیه برای تئوری سیستم های فازی وجود دارد:
· توجیه اول: دنیای واقعی ما بسیار پیچیده تر از آن است که بتوان یک توصیف و تعریف دقیق برای آن بدست آورد بنابراین باید یک توصیف تقریبی یا همان فازی که قابل قبول، تجزیه و تحلیل باشد برای یک مدل معرفی شود.
