ناوبري ربات متحرك با استفاده از تركيب اطلاعات سنسوري هوشمند

كارشناسي ارشد

چندين دهه است كه ناوبري ربات به طور گسترده مورد مطالعه قرار گرفته است. ربات بايد بدون اينكه از اپراتور انساني كمك بگيرد، مسير ايمني را از نقطه مبدأ به سمت نقطه مقصد طي كند در حالي كه در طول مسير به مردم آسيبي نرساند و خودش نيز آسيبي نبيند. براي اين كار ربات بايد با استفاده از حسگرهاي خود محيط را شناسايي كند و در مواردي كه با موانع مواجه مي شود از تكنيك هاي پرهيز از مانع استفاده كند. بنابراين انتخاب روش مناسب در ناوبري ربات موضوعي مهم است. منطق فازي به دليل قابليت محاسبه دقيق و توانايي استنباط در شرايط عدم اطمينان، براي برنامه ريزي حركت ربات متحرك مناسب است. شبكه عصبي نيز به دليل قابليت تقريب زدن قوي توابع غيرخطي و توانايي يادگيري، بسيار كاربرد دارد. به همين دليل از منطق فازي و شبكه عصبي بازگشتي براي ايجاد شبكه عصبي فازي بازگشتي (RFNN) استفاده كرده ايم. براي استفاده از RFNN در سيستم هاي غيرخطي به صورت زمان حقيقي، يك روش آموزش مؤثر بايد اتخاذ شود. الگوريتم فيلتر كالمن توسعه يافته (EKF) توانايي آموزش مؤثر و دقيق را دارد. ازاين رو، براي آموزش RFNN از اين الگوريتم استفاده كرديم كه مي تواند حركت ربات متحرك را به طور دقيقي برنامه ريزي كند. براي بررسي تأثير روش، شبيه سازي را براي ربات متحرك مجهز به حسگرهاي GPS، IMU و LiDAR در سه محيط بدون مانع، محيط با موانع كم و محيط با موانع زياد، انجام داديم. همچنين نتيجه حاصل را با دو روش ديگر مقايسه كرديم. نتايج به دست آمده در پايان نامه ارائه شده اند.

196107

دانشگاه علم و صنعت ايران

جناب آقاي دكتر محمد فرخي

مهندسي برق- كنترل

جناب آقاي دكتر عليرضا محمد شهري