عنوان پایان‌نامه
طراحی یک کنترلر هوشمند برای حرکت یک ربات TETWALKER بر مبنای سیستم های طبقه بندی شده توسعه یافته (X)
- رشته تحصیلی
- مهندسی مکانیک- ساخت و تولید
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2870;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 66756
- تاریخ دفاع
- ۱۸ شهریور ۱۳۹۳
- دانشجو
- امید صارمی
- استاد راهنما
- مسعود شریعت پناهی
- چکیده
- تحقیقات فضایی و سفر به کرات دیگر در سال های اخیر توجه بسیاری را به خود جلب کرده است. از آنجایی که امکان حضور طولانی مدت انسان خارج از جو زمین نیست، پژوهشگران به ساخت ربات هایی خودکار برای انجام تحقیقات بر روی سیارات دیگر روی آوردند. به علت محدودیت در ارسال تعداد زیادی از ربات ها به فضا برای انجام وظایف مختلف، ساخت ربات هایی که بتوانند ساختار خود را با توجه به محیط اطرافشان تغییر دهند، ضروری می باشد. از این رو دسته ای از سیستم های رباتیک که با نام سیستم های رباتیک خودتنظیم ماژولار شناخته می شوند گسترش زیادی یافتند. یکی از ربات های فضانورد که در سال های اخیر توجه بسیاری را به خود معطوف کرده و از کاندیدهای آینده ی ناسا برای سفر به مریخ شناخته می شود، ربات Tet-Walker می باشد. این ربات که ساختاری هرمی شکل دارد با استفاده از تغییر طول بازوهایش، مسیر خود را به سمت هدف می پیماید. این ربات که خود نیز جزئی از سیستم های خودتنظیم ماژولار می باشد، می تواند از به هم پیوستن واحدهای سازنده اش که 1-Tet نام دارد، به بهبود کارایی و مانور حرکتی خود دست بزند. هدف از پژوهش حاضر، برنامه ریزی مسیر ربات و کنترل حرکات آن بر اساس مسیر برنامه ریزی شده به کمک سامانه-های یادگیرنده ی توسعه یافته می باشد. در این راستا، مدل سینماتیکی ربات یادشده بدست آمده و دو کنترل گر هوشمند یادگیرنده (XCSR و XCSF اصلاح شده) بر روی آن پیاده¬سازی شده است. این سامانه ها بر خلاف روش های کنترلی دیگر همچون روش ها کنترل کلاسیک، نیازی به داشتن مدل محیط اطراف نمی باشد و می توانند در محیط-های ناشناخته نیز وظایف خود را انجام دهند. این دو کنترل گر که با استفاده از مجموعه ای از قوانین اگر-آنگاه به برنامه ریزی مسیر و کنترل ربات دست زده و فواصل طولی و عرضی رئوس ربات تا موانع و هدف را به عنوان ورودی دریافت کرده و طول جدید بازوهای ربات را در خروجی سیستم ارائه می دهند. این سامانه های یادگیرنده با استفاده از یادگیری تقویتی و با توجه به بازخورد محیط از عمل انجام شده به تربیت مجموعه قوانین خود پرداخته و امکان مسیریابی و کنترل حرکات ربات را به صورت برخط ایجاد می کنند. کارایی روش پیشنهادی در برنامه ریزی و کنترل مسیر حرکت ربات Tet-Walker با استفاده از پیاده سازی آن بر روی نمونه ی ساخته شده و دست یابی به نتایج مورد انتظار ارزیابی شده و نشان داده شد که می توان با استفاده از روش پیشنهادی ربات را در محیطی ناشناخته که مدلی از آن وجود ندارد، کنترل کرد. واژگان کلیدی: Tet-Walker، ربات های فضانورد،سیستم های طبقه بندی شده ی توسعه یافته، یادگیری تقویتی، برنامه ریزی مسیر، کنترل حرکت
- Abstract
- Aeronautical studies and journeys to other planets have been attractive in recent years. As it is impossible for human being to stay beyond the atmosphere for a long time, new research areas on investigating other planets have been created due to scholars’ works on astronaut robots. However, there are many limitations on sending a lot of robots to space for different duties, designing new robots, which are capable of altering their structures according to their surrounding environment, is necessary. In this regard, a branch of these robotic systems called modular self-reconfigurable robotic systems have been developed invasively. One of these robots which has attracted a lot of attentions recently and is one of NASA’s candidates as a Mars rover in future is Tet-Walker. The robot, which has tetrahedral structure, finds its path to the target by changing the struts length. It is also one of modular self-reconfigurable systems. Therefore, Tet-Walker is able to improve its performance as well as its maneuver by joining the robot units which are called 1-Tet. Robot path planning and its movements control according to the planned path by means of eXtended Classifier Systems is the main aim of the present study. In this regard, kinematic model of the robot has been derived and two intelligent controllers, XCSR and modified XCSF, have been implemented on it. These systems unlike other controlling approaches such as Classic one do not need to have their surrounding environment models and they are able to do their duties in an unobservable environment. These two controllers use a set of If-Then rules to plan the path and control the robot. They take longitudinal and lateral distances of robot’s nodes to obstacles and goal as inputs and consequently provide new struts length in their output. These learning systems utilize reinforcement learning to train their rules according to environment feedbacks. Therefore, they provide the ability to online path planning and controlling the robot movements. The performance of the proposed approach in path planning and controlling the Tet-Walker robot movements has been assessed by implementing on the robot prototype and achieving to the preferred results. It also proposes that the method is capable of controlling the robot in an unobservable environment. Key words:Tet-Walker, Aeronautical robots, eXtended Classifier Systems, Reinforcement Learning, Path planning, Control
