عنوان پایان‌نامه
شناسایی و کنترل یک شبکه هوشمند ربات های زمینی در محیط های ناشناخته
- رشته تحصیلی
- مهندسی مکانیک طراحی کاربردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3364;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77023;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3364;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 77023
- تاریخ دفاع
- ۱۶ شهریور ۱۳۹۵
- دانشجو
- پیام نوری زاده
- استاد راهنما
- عقیل یوسفی کماء
- چکیده
- هدف از این پایان‌نامه کنترل چینش دسته ربات‌های زمینی غیرهولونومیک در محیط‌های ناشناخته می‌باشد. برای رسیدن به این مهم، ابتدا مسئله کنترل یک ربات به صورت مستقل در نظر گرفته می‌شود. در مدلسازی‌های تحلیلی متداول، معادلات سینماتیکی ربات‌های زمینی ماهیت غیرخطی دارند. به عنوان شروع روند کنترل تک ربات برخلاف روش‌های موجود، برای مدلسازی سیستم از اصول شناسایی سیستم استفاده می‌گردد. بدین منظور دو دسته مدل کلی ARMAX و NARMAX در نظر گرفته شده و برای شناسایی مدل حاکم به داده‌های آزمایش عملی اعمال می‌شوند. ضرایب مدل‌ها به کمک روش حداقل مربعات بدست آمده و با کمک آزمون‌های آماری مختلف مدل مطلوب انتخاب می‌گردد. به منظور تشخیص کارایی مدل نهایی آزمون مربع R به کار گرفته می‌شود. همچنین، برای یافتن طریقه همگرایی ضرایب و میزان تغییرات آن‌ها در یک سیکل حرکتی ربات، ضرایب مدل با کمک روش حداقل مربعات بازگشتی با ضریب فراموشی تخمین زده می‌شوند. پس از صحه‌گذاری بر مدل نهایی با کمک آزمون‌های مذکور، کنترلگر بهینه خطی LQG با هدف تعقیب مسیر برای ربات طراحی می‌گردد. سیستم کنترلی نامبرده برای تضمین صفر شدن خطای ردگیری در حضور عدم قطعیت‌ها دارای انتگرال‌گیر نیز می‌باشد. همچنین، کنترلگر به منظور تخمین آن دسته از متغیرهای حالت که در دسترس نمی‌باشند، به همراه مشاهده‌گر کالمن طراحی می‌گردد. در ادامه روند کنترل تک ربات، مدل سینماتیکی تحلیلی غیرخطی ربات در نظر گرفته می‌شود. به منظور کنترل ربات برای تعقیب مسیر مطلوب، ورودی‌های کنترلی با کمک قضیه پایداری لیاپانوف محاسبه می‌گردند. به کارگیری این قضیه علاوه بر محاسبه ورودی‌های کنترلی، پایداری سیستم کنترلی را نیز تضمین می‌کند. کنترلگر طراحی‌شده از مشکل جهش سرعت در ورودی‌های کنترلی رنج برده و برای حل این مشکل، الگوریتم کنترلی فازی تطبیقی لیاپانوف طراحی می‌شود. با اصلاح کنترلگر مذکور، امکان پیاده‌سازی عملی سیستم کنترلی ربات با صرف انرژی کمتری میسر می‌گردد. با تکمیل اصول کنترلی تک ربات، مسئله کنترل چینش دسته ربات‌ها در نظر گرفته می‌شود. کنترل چینش براساس دو دیدگاه تعقیب پیشرو و رفتار مبنا برای کنترل مجموعه در محیط‌های مختلف استخراج می‌شود. برای کنترل چینش دسته ربات‌ها در روش تعقیب پیشرو، ابتدا معادلات و سپس، معادلات دینامیک خطای حاکم بر مجموعه محاسبه می‌گردد. روش کنترل تعقیب پیشرو ارائه‌شده در مراجع ثابت با زمان بوده و برای توسعه این روش، مسئله کنترل چینش تعقیب پیشرو متغیر با زمان در نظر گرفته می‌شود. بدین منظور مدلسازی متغیر با زمان این چینش صورت گرفته و معادلات دینامیک خطا محاسبه می‌گردند. برای هر دو چینش ثابت و متغیر با زمان، کنترلگر پسگام با اثبات پایداری مکانیزم کنترلی ارائه می‌گردد. همچنین، برای حل مشکل جهش سرعت در این کنترلگر از اصول روش فازی استفاده می‌گردد. نتایج شبیه‌سازی کارایی کنترلگرهای طراحی‌شده در کنترل چینش تعقیب پیشرو را نشان می‌دهد. در ادامه برای کنترل دسته ربات‌ها در محیط‌های ناشناخته، الگوریتم طراحی مسیر RRT با در نظر گرفتن مسئله عدم برخورد ربات‌ها با یکدیگر و با موانع ارائه می‌شود. در نهایت به منظور صحه‌گذاری و نمایش کارایی کنترلگرهای طراحی‌شده در بخش تئوری، دو ربات مشابه سه چرخ زمینی طراحی و ساخته شده است. ربات‌های ساخته‌شده دارای دو چرخ محرک در عقب و یک چرخ هرزگرد غیرفعال در جلو برای حفظ تعادل استاتیکی می‌باشند. برای راه‌اندازی موتورها از نرم‌افزار LabVIEW استفاده شده و برای ثبت موقعیت ربات‌ها، یک دوربین در بالای بستر آزمایش نصب شده است. الگوریتم کنترلی لیاپانوف و فازی تطبیقی لیاپانوف برای تک ربات پیاده‌سازی و کارایی آن بررسی می‌گردد. همچنین، الگوریتم‌های کنترلی چینش تعقیب پیشرو ثابت و متغیر با زمان نیز پیاده‌سازی و نتیجه حاصل ارائه می‌شود. نتایج همچون شبیه‌سازی‌ها، بیانگر کارایی بهتر کنترلگرهای فازی تطبیقی می‌باشد.
- Abstract
- In this thesis, formation control of nonholonomic mobile robots in clutter environment is considered. First, a single mobile robot is been controlled to develop the leader robot in the leader-follower formation. In common analytical modeling, the mobile robot kinematics equation of motion is nonlinear. In order to control a single mobile robot, in contrast to other methods, the system identification techniques are taken into account. Therefore, two kind of general models ARMAX and NARMAX are applied to experimental data with the intention of identifying the kinematics equation of motion. In these models, the least square method is utilized to estimate the models coefficient, and the optimal order of the model is extracted using several statistical tests. Moreover, the R-squared test is used to obtain the performance of the model and to demonstrate the convergence of the model coefficients, the recursive least square method with forgetting factor is applied. Thereafter, the Linear Quadratic Gaussian (LQG) controller is designed based on the extracted linear model to track the reference trajectory. Furthermore, in this controller an integral action is utilized to guarantee the asymptotically stability in case of existence of uncertainty, and a Kalman filter observer is used to estimate some unreachable state variables. After that, in order to complete the control strategy of a single robot, a nonlinear kinematics controller based on nonlinear kinematics equation of motion is designed to track the reference trajectory, using the Lyapunov stability theorem. Using the Lyapunov theorem to design the nonlinear kinematics controller not just deriving the input controller, also guarantees the stability of the closed-loop system. The Lyapunov controller suffers from impractical velocity-jump problem and to eliminate this problem, an adaptive fuzzy system is designed based on the Lyapunov controller. The adaptive fuzzy controller uses much less input energy to control the robot in comparison with the Lyapunov controller and this advantage, helps to implement the controller in real experiment. Thereafter, the different strategies for formation control is considered for multiple mobile robots and both leader-follower and behavior-based architecture is used to control these mobile robots. In leader-follower formation strategy, first the error dynamics of leader-follower formation is derived. In literature, the time-invariable leader-follower formation has been proposed until now, to improve this formation schema, the time-variable leader-follower formation is developed. For this purpose, the time-variable error dynamics of the formation is derived too. Afterward, Backstepping approach is utilized to design the leader-follower controller for both variable and invariable formation, and the asymptotically stability of the controllers is guaranteed using Lyapunov method. Additionally, the velocity-jump problem of these Backstepping controllers is eliminated using adaptive fuzzy approach. In order to perform the other formation strategy to control multiple robots in clutter environment, the RRT algorithm is used with obstacle and crash avoidance consideration. Finally, in order to illustrate the performance of the designed controllers for single and multiple mobile robots, two similar wheeled mobile robots are designed and manufactured. These robots use two active wheels in behind and one passive wheel in front to support the equilibrium of the robots. Also, the LabVIEW software is used to initialize the robot’s actuators and a camera is installed to record the trajectory of the robots. In the first experiment, the Lyapunov and adaptive fuzzy Lyapunov controllers for a single robot and after that in second experiment, the Backstepping and adaptive fuzzy Backstepping controllers for variable and invariable leader-follower formation are implemented. The experimental results similar to the simulation, demonstrate the advantage of the adaptive fuzzy controllers. Keywords: System identification, LQG controller, Lyapunov theorem, Leader-follower formation, Adaptive fuzzy Backstepping controller, Implementation.
