عنوان پایان‌نامه
ارائه پیاده سازی الگوریتم نوین مسیریابی و کنترل بلا درنگ و عاری از تداخل رباتها با استفاده از بهینه سازی محدب و کنترل پیش بین مبتنی بر مدل
- رشته تحصیلی
- مهندسی مکاترونیک
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 67869;کتابخانه دانشکده علوم و فنون نوین شماره ثبت: 198
- تاریخ دفاع
- ۱۳ اسفند ۱۳۹۳
- دانشجو
- رویا صباغ نوین
- استاد راهنما
- زینب الهدی حشمتی رفسنجانی, مهدی طالع ماسوله
- چکیده
- با پیشرفت تکنولوژی و افزایش ظرفیت رباتها، به ویژه در زمینه هوش مصنوعی، یکی از چالش‌های مهم پیش رو، مساله مسیریابی و کنترل انواع رباتها در محیط‌های شناخته شده و ناشناخته می‌باشد. از ابتدای فراگیر شدن علم رباتیک، مساله مسیریابی به عنوان یکی از حوزه‌های اصلی این زمینه مطرح بوده و روش‌های متعددی برای حل آن پیشنهاد گردیده است. با این حال، مشکلات موجود در این حوزه و همچنین ابزارهای جدید سخت‌افزاری و نرم‌افزاری، راه را برای مطالعات بیشتر باز گذاشته و تحقیقات در این زمینه همچنان ادامه دارد. در این پژوهش نیز، مسئله مسیریابی رباتها در حضور موانع بررسی شده است. پس از مطالعه ادبیات موجود در این زمینه، الگوریتمی نوین برای مسیریابی و کنترل بلادرنگ و عاری از تداخل رباتها پیشنهاد می‌گردد که ترکیبی از بهینه‌سازی محدب، برنامه‌ریزی گسسته و کنترل پیش‌بین مبتنی بر مدل می‌باشد. این الگوریتم مزایای بسیاری نسبت به روش‌های پیشین، مانند عدم به دام افتادن در بهینه‌های محلی و تضمین سراسری بودن جواب و سرعت محاسباتی بالا، دارد. علاوه بر این، روش پیشنهادی قابلیت در نظر گرفتن انواع توابع هزینه محدب مانند کمترین زمان، کوتاه‌ترین مسیر و کمترین انرژی را دارد. با استفاده از این روش می‌توان قیود سینماتیکی و دینامیکی ربات را نیز در مساله وارد کرد که این امر به بیان صحیح مساله کمک شایان توجهی می‌کند. همچنین توانایی در نظر گرفتن هر دو حالت از موانع ثابت یا متحرک وجود دارد. به طور کلی موانع ممکن است اشکال مختلفی داشته و محدب نباشند، در این راستا موانع نامحدب با چندضلعی‌های محدب تقریب زده می‌شوند و در نتیجه مساله محدب باقی می‌ماند. در نهایت، این الگوریتم بر روی ربات متحرک E-puck، ربات سری صفحه‌ای افزونه چهار بازویی TaArm و ربات موازی سه درجه آزادی مستقل خطی Tripteron در حضور موانع ثابت و متحرک شبیه‌سازی و پیاده‌سازی گردیده است و نتایج به دست آمده گزارش شده‌اند. همچنین در بخشی از این پژوهش حرکت گروهی ربات‌های متحرک مورد بررسی قرار گرفته و نتایج حاصل از شبیه‌سازی آن نیز ارائه شده است. براساس نتایج این پژوهش، استفاده از روش پیشنهادی در مقایسه با روش‌های دیگر همچون میدان پتانسیل مصنوعی و الگوریتم ژنتیک، منجر به پاسخ‌های مطمئن‌تر و سریع‌تری می‌گردد (بیشترین زمان حل برای هر مرحله کمتر از 0/9 ثانیه گزارش شده است)، که مسیر را برای کاربردهای بلادرنگ در محیط‌های شناخته شده، نیمه‌شناخته و ناشناخته هموار می‌سازد. لازم به ذکر است که این الگوریتم در قسمت ربات‌های متحرک با استفاده از بسته CVX در نرم‌افزار MATLAB شبیه‌سازی و پیاده‌سازی شده و در بخش‌های ربات‌های سری و موازی از بسته Gurobi با زبان برنامه‌نویسی C++ در محیط Qt Creator بهره برده شده است. یکی از دلایل این تغییر نرم‌افزاری، مناسب نبودن بسته CVX برای کاربردهای بلادرنگ و سرعت بالاتر بسته Gurobi بوده است. دلیل دیگر نیز کنترل ربات‌های سری و موازی مورد بحث با استفاده از زبان برنامه‌نویسی C بوده است. همچنین برای شبیه‌سازی حرکت ربات موازی از بسته نرم‌افزاری CAD2MAT استفاده گردیده است. واژه‌های کلیدی: مسیریابی بلادرنگ، اجتناب از موانع، ربات متحرک، ربات سری، ربات موازی، بهینه‌سازی محدب، برنامه‌ریزی گسسته، کنترل پیش‌بین مبتنی بر مدل.
- Abstract
- Regarding the progress in technology and increase in the capabilities of the robots, especially in the context of artificial intelligence, one of the main challenges in the field of robotics is the problem of path planning and control of robots in both known and unknown environments. The problem of path planning has been discussed for many years, almost from the time of the rise of the robotics. However, the advancements in hardware and software opens different avenues for more researches on this field. This research focuses on the problem of path planning of robots in the presence of obstacles. After a brief literature review, a novel algorithm for real time and collision-free path planning and control of robots is proposed which is a synergy-based algorithm of convex optimization, disjunctive programming and model predictive control. This algorithm has many advantages compared to previous methods including not getting stuck in the local optimums and finding the global optimum and high computational speeds. Moreover, it is capable of considering any convex objective function such as minimum time, path or energy. Furthermore, using this algorithm, kinematic and dynamic constraints of the robots can be added to the problem which helps to define the problem completely. Also, both static and dynamic obstacles can be handled by this algorithm. Generally, the obstacles might have non-convex shapes. In this cases, they will be approximated by convex polygons in order to keep the convexity of the problem. Finally, the proposed algorithm has been simulated and implemented on a mobile robot called E-puck, a four link serial manipulator named as TaArm, and Tripteron, a decoupled 3-DOF parallel mechanism, in the presence of static and dynamic obstacles. In addition, in a part of the research, swarm robotics is discussed and the simulations results of the path planning for four E-pucks are provided. Based on the results of this research, using the proposed algorithm more reliable and faster solutions are obtained (the maximum computational time has been reported less than 0.9$s$) compared to previous algorithms such as Artificial Potential Fields and Genetic Algorithm, which makes it suitable for real-time path planning in known, partially-known, and unknown environments. It should be mentioned that, for E-pucks, this algorithm has been implemented using CVX optimization package in MATLAB, and for serial and parallel robots, Gurobi optimization package has been used with C++ programming language in Qt Creator environment. One of the main reasons for such a change in optimization package is the high computational speed of Gurobi package. The other one is that the motors are derived using C language, so that it was better to provide all codes in C language. Finally, it is worth to mention that the simulation of the parallel mechanism is performed by the CAD2MAT package for MATLAB. Keywords: Real time path planning, obstacle avoidance, mobile robots, serial robots, parallel robots, convex optimization, disjunctive programming, model predictive control.
