عنوان پایان‌نامه
ناوبری ربات سیار از میان موانع متحرک با استفاده از کنترلر f UZZY lOGOIC
- رشته تحصیلی
- مهندسی مکانیک طراحی کاربردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 40654;کتابخانه پردیس 2 فنی شماره ثبت: 1514
- تاریخ دفاع
- ۰۷ اسفند ۱۳۸۷
- دانشجو
- کمال زارع احمدآبادی
- استاد راهنما
- مسعود شریعت پناهی
- چکیده
- گسترش روزافزون تقاضا برای ربات های متحرکی که برای انجام وظایف خود نیازمند حرکت در محیط های واقعی بدون ساختار (با موانع و محدودیت های از پیش تعیین نشده) می باشند مسأله "طرح ریزی حرکت ربات" را به یکی از چالش های پژوهش در عرصه رباتیک تبدیل کرده است، بویژه اگر موقعیت تمام یا بخشی از موانع در حال تغییر باشد (موانع دینامیکی). در این دسته از مسائل هدف یافتن مسیر یا مسیرهایی ( ترجیحا بهینه) است که حرکت در آنها ربات را بدون برخورد با موانع استاتیکی/ دینامیکی از یک مبدأ مشخص به مقصد مشخصی برساند. در حالت کلی مسئله طرح ریزی حرکت ربات را می توان به دو زیر مسئله "پرهیز از موانع" و "جستجوی هدف" تجزیه نمود. با استفاده از این رهیافت، در این پژوهش یک سیستم ناوبری هوشمند برای ربات های متحرک بر پایه منطق فازی ارائه می شود که در آن پایگاه قواعد فازی با بهره گیری از مفهوم "میدان های دافعه و جاذبه" در مجاورت موانع و نقطه مقصد، فرمان های حرکتی را برای پلتفرم ربات صادر می کند. استفاده از منطق فازی به یک سیستم کنترلی قابل انعطاف منجر می شود که می تواند بصورت دستی و یا از طریق مجموعه ای از قوانین یادگیری تنظیم شود. فرایند یادگیری به کمک الگوریتم های ژنتیک صورت می گیرد که بصورت off-line و با بهره گیری از محیط های متعدد مدل سازی شده انجام می گیرد. همچنین برای پیاده سازی استراتژی پیشنهادی از معماری رده بندی که رویکرد کارآمدی برای حل مسایل هوش مصنوعی به شمار می آید استفاده می شود. نتایج حاصل از کاربرد روش پیشنهادی بر روی مثالهای متعدد و حتی با وجود موانعی با اشکال نا منظم هندسی نشان می دهد که استفاده از این روش می تواند تا حد زیادی بر مشکلات ناشی از نامعینی ها و پیچیدگی های ذاتی محیط های بدون ساختار و دارای موانع غلبه کند و مسیر(هایی) بهینه و عاری از برخورد با مانع را پیشنهاد نماید.
- Abstract
- Abstract The increasing demand for mobile robots capable of working in unstructured environments has rendered the Robot Path Planning (RPP) problem a challenge in the field of robotics, especially when the position of all/some of the obstacles is uncertain. The goal of RPP is to find path(s) that can guide a robot from an initial position to the goal position without colliding with static/dynamic obstacles. Generally, a RPP problem can be decomposed into two sub-problems, namely the "Obstacle Avoidance" and the "Goal Achievement" problems. In this research, an intelligent navigation system based on "fuzzy logic" is proposed to generate motion commands for the robot's platform. In this approach, the concept of "potential fields", originally proposed by Khathib[5], is employed to design a fuzzy rule base. The fuzzy system leads to a flexible controller that can be adjusted either manually or by using a set of learning rules. The proposed learning process is performed off-line by optimizing the fuzzy controller parameters in several environment models (scenarios) using Genetic Algorithms (GA). Also, in the proposed strategy, a subsumption architecture is adopted to integrate the Artificial Intelligence techniques used in the algorithm. The application of the proposed strategy to a variety of examples, even in the presence of irregular obstacle shapes, shows that the approach can be successfully used to handle problems with inherent uncertainty and complexity of unstructured environments and to find optimal collision-free path(s). Keywords: Motion Planning Problem, Optimal Fuzzy Logic Controller, Genetic Algorithm, Subsumption Architecture.
