عنوان پایان‌نامه
طراحی الگوریتمی برای واگذاری تعقیب هدف بین دو پهپاد
- رشته تحصیلی
- مهندسی برق-کنترل
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: E 2733;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 69410
- تاریخ دفاع
- ۰۱ شهریور ۱۳۹۴
- دانشجو
- سیدمحمود احمدی
- استاد راهنما
- منوچهر مرادی سبزوار, حامد کبریائی
- چکیده
- نیاز به یافتن مسیر بهینه در ربات‌‌های زمینی و ربات‌‌های پرنده، یکی از مسائلی است، که تحقیقات بسیاری را به خود اختصاص داده است. در بسیاری از موارد، مسائل به صورت بهینه‌سازی یک تابع، بررسی شده است و تحقیقات کمتری در زمینه‌‌ی بهینه‌سازی چند تابع صورت گرفته است. در این پایان نامه، مسیر بهینه‌ی یک هواپیمای چهار موتوره، به صورت حلِ یک مسئله‌‌ی بهینه‌سازی با استفاده از روش ?-constraint، بررسی شده است. در این مسئله، هر هواپیما یک منطقه‌‌ی کنترلی دارد، هواپیمای اول، در حال تعقیب یک شناگر، وارد منطقه‌‌ی کنترلی هواپیمای دوم می‌شود. هواپیمای دوم در منطقه‌‌ی خود در حال جستجوی منطقه‌‌ی خود است. با ورود شناگر به منطقه‌‌ی جدید، مسئولیت تعقیب شناگر به عهده‌‌ی هواپیمای دوم قرار می‌گیرد. هواپیمای دوم باید خود را به شناگرِ در حال حرکت برساند و هواپیمای اول، باید به منطقه‌‌ی کنترلی خود بازگردد. در این تحقیق، به صورت جداگانه، دو مسیر بهینه، برای پرواز دو هواپیما یافته‌ایم. مسیر بهینه، مسیری است که در سه تابعِ طول مسیر، صافی مسیر و پوشش‌دهی مسیر، مقداری بهینه داشته باشد. در تابعِ پوشش‌دهی، مناطقی که هواپیمای دوم، جدیداً بر فراز آن پرواز کرده باشد، ارزش بیشتری دارد. با استفاده از روش ?-constraint تابع پوشش‌دهی را به عنوان تابع اصلی و توابع طول مسیر و صافی مسیر را، به عنوان شرط‌‌های مسئله، قلمداد کرده‌ایم. این مسئله، به دو زیر مسئله «مسیریابی با مقصد ثابت» و «مسیریابی با مقصد متحرک» ساده سازی شده است. در مسئله‌‌ی «مسیریابی با مقصد ثابت»، دو روش از الگوریتم ژنتیک را با یک روش از میدان نیرو و یک روش از روش‌‌های مبتنی بر گراف مقایسه کرده‌ایم. در مسئله‌‌ی «مسیریابی با مقصد متحرک» نیز، با استفاده از روش میدان نیرو مسئله را حل کرده‌ایم. واژه‌های کلیدی: مسیریابی، ?-constraint، الگوریتم ژنتیک، میدان نیرو، Dijkstra، انتخاب تطبیقی عملگرها
- Abstract
- In the recent decades, the optimal path planning has been an important problem for Unmanned Ground Vehicle and Unmanned Aerial Vehicle. In a lot of researches, path planning problems are solved as a single objective problem. But in this thesis, the path planning problem is solved as a multi-objective optimization problem. While the first UAV is tracking a swimmer enters the second UAV region. The second UAV is covering its region. While the swimmer enters the second region, the second UAV should track the swimmer and the first UAV should go back to its region. So in this thesis we determine two optimal path, for the first and second UAV. The first UAV needs a path from its current location to the location that it entered the second region and the second UAV needs a path from its current location to the moving swimmer to catch it. There are three features considered from an optimal path: the length of the path, its smoothness and the coverage i.e. the area covered under the path. We convert them to three objective functions. The Length and the Smoothness have simple definitions but the Coverage means the regions seen up to this point, considering a time decay representing the degree of coverage have higher coverage value. The optimal path planning should find the optimum value for three objectives simultaneously. In multi-objective optimization, we use ?-constraint method and assumed the Coverage as the main function. The first UAV’s path has fixed goal and the second UAV’s path has moving goal. For the fixed goal section, we used four methods, i. e. two Genetic Algorithm methods, an Artificial Potential Field, and Dijkstra. For the moving goal problem, we extend Artificial Potential Field to solve this problem. Keywords: Path Planning, ?-constraint, Genetic Algorithm, Artificial Potential Field, Dijkstra, Adaptive Operator Selection
