- abstrakt
- 1. Introduktion
- 2. Mobilrobotmodel
- 3. Stiplanlægningsalgoritme
- 3.1. Princippet for den foreslåede algoritme
- 3.2. Statiske Stiplanlægningstrin
- 3.2.1. Valg af den sikre sti
- 3.2.2. Bestemmelse af den korteste vej
- 3.3. Problemer undersøgelse
- 3.3.1. Kollision fare Problem
- 3.3.2. Problem med lokale Minima
- 4. Glidemodusstyring
- 5. Simuleringsresultater
- 6. Konklusion
- Data Tilgængelighed
abstrakt
i øjeblikket er stiplanlægningsproblemet et af de mest undersøgte emner inden for autonom robotik. Derfor er det et vigtigt krav for succes med et sådant mobilrobotprojekt at finde en sikker vej i et rodet miljø for en mobil robot. I dette arbejde præsenteres en udviklet algoritme baseret på frie segmenter og en vendepunktstrategi til løsning af problemet med robotbaneplanlægning i et statisk miljø. Målet med vendepunktsmetoden er at søge en sikker vej til den mobile robot, for at få roboten til at bevæge sig fra en startposition til en destinationsposition uden at ramme forhindringer. Denne foreslåede algoritme håndterer to forskellige mål, som er Stiens sikkerhed og Stiens længde. Derudover foreslås en robust kontrollov, der kaldes glidende tilstandskontrol, for at kontrollere stabiliseringen af en autonom mobilrobot for at spore en ønsket bane. Endelig viser simuleringsresultater, at den udviklede tilgang er et godt alternativ til at opnå den passende vej og demonstrere effektiviteten af den foreslåede kontrollov til robust sporing af den mobile robot.
1. Introduktion
i dag betragtes robotter som et vigtigt element i samfundet. Dette skyldes udskiftning af mennesker med robotter i grundlæggende og farlige aktiviteter. Imidlertid er design af en effektiv navigationsstrategi for mobile robotter og sikring af deres værdipapirer de vigtigste spørgsmål inden for autonom robotik.
derfor er stiplanlægningsproblemet et af de mest interessante og undersøgte emner. Formålet med robotbaneplanlægningen er at søge en sikker vej til den mobile robot. Stien skal også være optimal. I denne forstand er der foreslået flere forskningsarbejder, der tackler stiplanlægningsproblemet i litteraturen . Indtil nu er mange metoder blevet brugt til stiplanlægning af mobile robotter. Blandt disse strategier er geometrirummetoden såsom kunstigt potentielt felt, Agorafob algoritme og Vektorfelthistogram . Disse metoder giver overskriften vinkel for at undgå forhindringer. Strategien for dynamiske vinduer er blevet brugt i . Denne tilgang er en hastighedsbaseret lokal planlægger, der beregner den optimale kollisionsfri hastighed for en mobil robot. En anden metode, der anvendes i, hedder turning point searching algorithm, som består i at finde et punkt, hvor den mobile robot drejer uden at ramme forhindringer.
på den anden side har flere forskningsarbejder til sporingskontrol af en mobilrobot på hjul fået opmærksomhed i litteraturen . Det ikke-holonomiske system lider af ikke-linearitet og usikkerhedsproblem. På grund af denne usikkerhed er banefejlen for en mobil mobilrobot altid blevet produceret og kan ikke elimineres. I denne forstand foreslås mange sporingsmetoder i litteraturen som Proportional integreret udlede (PID) controller, men denne controller bliver ustabil, når den påvirkes af sensorfølsomheden . Desuden bruges en uklar logikcontroller i, men denne kontrollov har en langsom responstid på grund af den tunge beregning . Andre værker anvendes glidende tilstand controller i forskellige applikationer . Målfordelen ved dette kontrolsystem er dets forsikring for stabilitet, robusthed, hurtig respons og god forbigående .
formålet med den udviklede strategi er at løse problemet, når robotten er placeret mellem to forhindringer, såsom følgende: hvordan robotten kan registrere, at afstanden mellem de to forhindringer er sikker nok til at nå målet uden kollision, og hvordan man undgår forhindringer og bevæger sig mellem to forhindringer på den korteste vej. Derfor er dette arbejde baseret på at vælge sikre frie segmenter i et miljø, der først er behæftet med forhindringer. Derefter anvendes en udviklet vendepunktsøgningsalgoritme til at bestemme slutpunktet for det sikre frie segment, der giver den korteste vej. Denne strategi er inspireret af den tilgang, der er givet af Jinpyo og Kiev . Faktisk håndterer strategien i to grundlæggende mål: Stiens længde og Stiens sikkerhed. Denne tilgang er først og fremmest fokuseret på at søge i slutpunktet for et frit segment, der giver den korteste vej. Derfor, hvis afstanden til det valgte frie segment er større end robotdiameteren, betragtes slutpunktet som et vendepunkt. Hvis dette ikke er tilfældet, skal det afspille algoritmen for at søge i et nyt slutpunkt for de gratis segmenter. Ulemperne ved denne strategi er, at den først og fremmest fokuserer på at finde den korteste vej uden at tage hensyn til sikkerheden, og derefter er den fokuseret på at sikre en sikker stinavigation, der fører til en omfattende og tung beregning og har brug for mere tid til at planlægge den passende sti til en mobil robot. For at overvinde disse ulemper tjener vores udviklede algoritme til først at sikre stisikkerheden ved at vælge de sikreste frie segmenter. Derefter søger den Stiens længde ved at bestemme slutpunktet for de sikreste frie segmenter, der giver den korteste sti. Ved hjælp af denne strategi kan vi hurtigt bestemme den sikreste og korteste vej. Når stien er planlagt, bruges en sporingslov baseret på glidemoduscontroller til robotten til at følge den designede bane.
vores bidrag er at udvikle en ny algoritme til løsning af problemet med robotbaneplanlægning med statiske forhindringer. Denne planlægning, også kaldet statisk stiplan, giver fordelen ved at sikre sikkerhed og korthed på stien. Desuden er den foreslåede algoritme kendetegnet ved en reaktiv adfærd for at finde en kollisionsfri bane og glat sti. På den anden side skal den mobile robot spore banen uden kollision med forhindringer. Så der foreslås en glidende tilstandskontrol for at garantere robusthed, stabilitet og reaktivitet.
resten af dette papir er organiseret som følger. Afsnit 2 præsenterer den mobile robotmodel, der bruges i dette arbejde. De forskellige trin i den foreslåede algoritme til stiplanlægningsformål er beskrevet detaljeret i Afsnit 3. I Afsnit 4 anvendes en glidemoduscontroller til banesporing. Endelig præsenteres og analyseres simuleringsresultater og-konklusioner i henholdsvis afsnit 5 og 6.
2. Mobilrobotmodel
flere forskningsarbejder til autonom navigation er blevet anvendt på forskellige typer mobile robotter . I dette arbejde overvejer vi Khepera IV mobile robot, der har to uafhængige drivhjul, der er ansvarlige for at orientere og kommandere platformen ved at handle på hastigheden på hvert hjul. Således er den skematiske model af den hjulede mobile robot Khepera IV vist i Figur 1.
den kinematiske model af en ikke-holonomisk mobil robot er givet som følger:Hvor (, ) er robotens kartesiske koordinater, er vinklen mellem robotretningen og aksen og er henholdsvis robotens højre og venstre hjulhastigheder og er afstanden mellem de to hjul.
3. Stiplanlægningsalgoritme
for at løse stiplanlægningsproblemet foreslås en algoritme baseret på at finde vendepunktet for et frit segment.
3.1. Princippet for den foreslåede algoritme
et frit segment betragtes som afstanden mellem to endepunkter for to forskellige forhindringer (se figur 2). Det søger slutpunktet for et sikkert segment, hvor den mobile robot vender rundt om dette punkt uden at ramme forhindringer.
når der ikke er nogen forhindringer, opstår ikke stiplanlægningsproblemet. Faktisk bevæger robotten sig fra en startposition til en målposition i en lige linje, der vil blive betragtet som den korteste vej. Men når den mobile robot støder på forhindringer som vist i figur 2 , skal robotten dreje uden kollision med forhindringer. Så det største problem er, hvordan man bestemmer en passende sti fra et udgangspunkt til et målpunkt i et statisk miljø. For at løse dette problem foreslås vores udviklede algoritme at søge efter et vendepunkt i et sikkert frit segment, der giver den korteste vej og gør det muligt for robotten at undgå forhindringer. Når vendepunktet er placeret, er en farlig cirkel med radius fastgjort i dette punkt. I dette tilfælde sigter vores foreslåede strategi mod at søge efter vendepunktet for det sikre frie segment, som roboten drejer sikkert rundt om. For at sikre sikkerhed vælger vi det segment, hvis afstand () er større end robotdiameteren med en sikkerhedsmargin (). På den anden side betragtes segmentet, hvis afstand er mindre end robotdiameteren, som et faresegment (se figur 2). I dette arbejde tager vi kun hensyn til sikre segmenter, og faresegmenter ignoreres. Desuden og for at bestemme den korteste vej har vi bestemt punktet for det sikreste segment, der giver den korteste vej. Derefter fastgøres en farlig cirkel på dette tidspunkt, og roboten drejer og bevæger sig mod den tangentielle retning til denne cirkel. Selv når der er et fareproblem, vil vores foreslåede algoritme være reaktiv for at give robotten mulighed for at undgå forhindringer og nå målet. I dette tilfælde forbeholder robotten det bestemte vendepunkt og søger efter et nyt vendepunkt for at undgå kollision med forhindringer. For mere at afklare vores strategi er de forskellige forestillinger om algoritmen indarbejdet i figur 2, og grundprincippet er opsummeret i et rutediagram præsenteret i figur 3.
3.2. Statiske Stiplanlægningstrin
formålet med dette afsnit er at finde en sikker sti så kort som muligt. I denne tilgang er det defineret som stien, der har den tangentielle retning til cirklen placeret på det søgte vendepunkt.
3.2.1. Valg af den sikre sti
den sikre sti sigter mod at finde en gratis sti, der hjælper robotten med at nå målet uden at ramme miljøhindringer. Valget af et sikkert segment skal følge de næste trin:(i)Trin 1: Find ud af alle gratis segmenter af miljøet (Se figur 4). Ligninger (2) og (3) viser, hvordan man bestemmer værdien af den afstand, der forbinder punkter og og afstanden, der forbinder punkter og : hvor (,) (=2..5) svarer til koordinaten for slutpunkter for frie segmenter.(II) Trin 2: det segment, hvis afstand ( er større end betragtes som et sikkert segment. Segmentet, hvis afstand er mindre end, betragtes dog som et faresegment. Kun sikre segmenter tages i betragtning for resten af dette arbejde. Faresegmenter, hvis nummer er, ignoreres. I dette trin definerer vi antallet af sikre segmenter somnår sikkerhedskriterierne er håndteret, er vi i næste afsnit interesseret i at bestemme den korteste vej.
3.2.2. Bestemmelse af den korteste vej
når robotten går for at nå målpositionen, er det vigtigt at gøre det på den korteste vej som muligt. Målet med at bestemme den korteste vej kan opdeles i tre trin: (i) Trin 1: Beregn afstande og mellem robotten og målet under hensyntagen til det sikre frie segment (se figur 5). Disse afstande skal beregnes som følger: (ii) Trin 2: det vedrører bestemmelsen af vendepunktet, der defineres som det punkt, som den mobile robot drejer rundt for at undgå forhindringer; processen opnås efter sammenligning af afstande og . Slutpunktet for det sikre frie segment, der giver den korteste vej, svarer til det søgte vendepunkt som vist i figur 5.(III) Trin 3: det vedrører placeringen af den farlige cirkel. Når vendepunktet er bestemt, er en farlig cirkel med radius fastgjort på dette punkt som vist i figur 6.
3.3. Problemer undersøgelse
selv den passende vej er bestemt, nogle problemer kan fortsætte, hvis resultater gør robotten beskadiget og ikke kan undgå forhindringer. Nogle problemtilfælde fremhæves i dette arbejde.
3.3.1. Kollision fare Problem
sti planlægning problem betyder, at stien skal være sikker nok til at gå igennem uden kollision. Imidlertid kan et kollisionsfareproblem vedvare i nogle tilfælde:(i)sag 1: hvis der er et kryds mellem robotten og forhindringen. For bedre at konkretisere problemet gives Figur 7: sti 1 præsenterer et eksempel på en mobil robot, hvor den er fanget af forhindringen, og den kan ikke undgå den. For at fjerne kollisionen mellem robotbanen og forhindringen præsenteres Sti 2 og vendes om en anden farlig cirkel med radius . Så vi kan konkludere, at Sti 2 er sikker nok til, at roboten kan gå til destinationsstedet uden kollision.(II) sag 2: hvis afstanden mellem den farlige cirkels linjetangent og endepunktet for en forhindring (se figur 8) er mindre end robotradiusen (), anvendes en vendepunktsalgoritme, og en farlig cirkel er centreret ved det passende vendepunkt (se figur 9).
3.3.2. Problem med lokale Minima
et lokalt minima problem kan eksistere, når alle segmenter er fare eller robotten er fanget med forhindringer. For at flygte fra en sådan situation går robotten langt væk fra disse forhindringer, indtil den når målet (se figur 10).
4. Glidemodusstyring
efter planlægning af robotten Khepera IV, foreslås en glidemoduscontroller til robust sporingsbane (). I denne strategi er der behov for to positioner for at blive kendt som vist i Figur 11: den ønskede position = (), som er defineret som den ønskede position, der skal nås, og den aktuelle robotposition = som er defineret som dens reelle position på dette tidspunkt. Desuden kaldes forskellen mellem referencepositionen og den aktuelle position sporingsfejlposition =(, , ). Udtrykket af er defineret i ligning (7) som følger:
Sporingsbane kan introduceres som at finde den passende kontrolvektor ( er den lineære hastighed på den mobile hjulrobot og er dens vinkelhastighed). Således at fejlpositionen konvergerer asymptotisk til nul. Den autonome mobile robot styres i henhold til processen med at designe en glidemodusregulator er opdelt i to trin:(i)Trin 1: valget af glidefladen: defineres som skiftefunktionen, fordi styringen skifter sit tegn på siderne af omskifteren . Derfor vælges =0 ved den første skiftefunktion. Når =0, defineres Lyapunov-kandidatfunktionen som . Derefter, vi bestemmer tidsafledt af V: vi bemærker det fordi . Vi definerer som en skiftekandidatfunktion. Derefter gives udtrykket af vektoren af glideflader som følger: (ii)Trin 2: bestemmelsen af kontrolloven: udformningen af en glidemodusregulator skal først etablere et analytisk udtryk for den passende tilstand, under hvilken staten bevæger sig mod og når en glidemodus. Imidlertid kan et chatterende fænomen være forårsaget af de endelige tidsforsinkelser for beregninger og begrænsninger af kontrol. Derfor er skiftefunktionen defineret som en mætningsfunktion. Kontrolloven defineres derefter, da det bemærkes, at det nåede kontrolsystem ikke kun er i stand til at etablere den nåede tilstand, men også i stand til at specificere dynamikken i skiftefunktionen. Ved at differentiere vektoren af glidefladerne defineret i ligning (10) opnår vi hvor
5. Simuleringsresultater
i mobil robotnavigation betragtes opbygningen af miljøet som et væsentligt spørgsmål for at udføre bevægelsesplanlægningsoperationer. I dette afsnit, for at demonstrere den grundlæggende evne til den foreslåede algoritme, præsenterer vi nogle simuleringsresultater. I alle simuleringer vil vi præsentere resultater af et miljø inklusive syv forhindringer, der er placeret på en vilkårlig måde (Se figur 12). Tabel 1 viser de indledende centerkoordinater for statiske forhindringer.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
simuleringerne udføres for de tilfælde, hvor målkoordinaten (,) er fast, mens robotpositionen ændres.
i dette afsnit præsenterer vi sagen, når robotten starter fra de indledende positioner (, )=(0, 0) og (, )=(400, 0) som vist i Figur 13(A) og 13(b), hvor alle frie segmenter er sikre. Vi bemærker, at robotten drejer rundt om cirkler, der er placeret i de passende vendepunkter og når målet for hver ændring af robotpositionen.
(a) Navigation med sikre segmenter ((, )=(0, 0)).
(B) Navigation med sikre segmenter ((, )=(400, 0)).
(C) Navigation med sikker og fare segmenter ((, )=(0, 0)).
(D) Navigation med sikker og fare segmenter ((, )=(400, 0)).
(a) Navigation med sikre segmenter ((, )=(0, 0)).
(B) Navigation med sikre segmenter ((, )=(400, 0)).
(C) Navigation med sikker og fare segmenter ((, )=(0, 0)).
(D) Navigation med sikker og fare segmenter ((, )=(400, 0)).
selv forhindringscentrene ændrede deres positioner som vist i tabel 2, og stinavigationsændringerne er vist i Figur 13(c) og 13(d) på grund af udseendet af faresegmenter.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
Figur 16 illustrerer navigationen af den mobile robot med sikre segmenter og faresegmenter. Denne robot starter fra forskellige startpositioner (, )=(0, 0) (jf. figur 14, litra A), og 14, litra c), og (, )=(400, 0) (se figur 14, litra b), og figur 14, litra d). Koordinaterne for forhindringscentret er behandlet i tabel 3.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
(a) Navigation med sikre segmenter ((, )=(0, 0)).
(B) Navigation med sikre segmenter ((, )=(400, 0)).
(C) Navigation med sikre og farlige segmenter ((, )=(0, 0)).
(D) Navigation med sikker og fare segmenter ((, )=(400, 0)).
(a) Navigation med sikre segmenter ((, )=(0, 0)).
(B) Navigation med sikre segmenter ((, )=(400, 0)).
(C) Navigation med sikre og farlige segmenter ((, )=(0, 0)).
(D) Navigation med sikker og fare segmenter ((, )=(400, 0)).
et andet simuleringsresultat viser det tilfælde, hvor alle frie segmenter er sikre (se figur 15(A) og 15(b)). Robotten drejer rundt om de farlige cirkler, indtil den når det ønskede mål. Ved at ændre forhindringscentre som vist i tabel 4 bemærker vi udseendet af farlige segmenter. Robotten tager kun hensyn til de frie segmenter og bevæger sig i den sikre vej (se figur 15(c) og 15(d)).
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
(a) Navigation i tilfælde sikre segmenter ((, )=(0, 0)).
(B) Navigation i tilfælde sikre segmenter ((, )=(400, 0)).
(C) Navigation i tilfælde sikker og fare segmenter ((, )=(0, 0)).
(D) Navigation i tilfælde sikker og fare segmenter ((, )=(400, 0)).
(a) Navigation i tilfælde sikre segmenter ((, )=(0, 0)).
(B) Navigation i tilfælde sikre segmenter ((, )=(400, 0)).
(C) Navigation i tilfælde sikker og fare segmenter ((, )=(0, 0)).
(D) Navigation i tilfælde sikker og fare segmenter ((, )=(400, 0)).
(a) Navigation med sikre segmenter ((, )=(0, 0)).
(B) Navigation med sikre segmenter ((, )=(400, 0)).
(C) Navigation med faresegmenter ((, )=(0, 0)).
(D) Navigation med faresegmenter ((, )=(400, 0)).
(a) Navigation med sikre segmenter ((, )=(0, 0)).
(B) Navigation med sikre segmenter ((, )=(400, 0)).
(C) Navigation med faresegmenter ((, )=(0, 0)).
(D) Navigation med faresegmenter ((, )=(400, 0)).
Figur 16(A) og 16 (b) viser, at den mobile robot sikrer at nå destinationen med at undgå forskellige forhindringer. Tabel 5 viser midterhindringspositionerne. I dette tilfælde bekræfter vi, at der er et lokalt minima-problem. Derfor går robotten langt væk fra forhindringer og bevæger sig direkte til målet (se figur 16(c) og 16(d)).
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
fra alle simuleringsresultater er det indlysende at se, at den udviklede strategi er meget reaktiv, fordi roboten opnår forhindringsundgåelse i hver modifikation af roboten og målpositionerne og i nærvær af sikre og faresegmenter.
efter planlægning af den sikreste og korteste vej er det nødvendigt for den mobile robot at spore referencebaner baseret på glidemoduscontroller. Figur 17 viser, at den mobile robot altid følger referencebanen.
(a) sporing planlagt sti af figur 15(a).
(b) sporing planlagt sti af figur 16(b).
(a) sporing planlagt sti af figur 15(a).
(b) sporing planlagt sti af figur 16(b).
for mere at illustrere ydeevnen for glidemodusregulatoren, fejlpositionerne og de to hastigheder (højre og venstre) på hjulene til sagerne. Figur 15 a) og 16 b) er anført i figur 18 og 19. Figur 18 viser, at sporingsfejlene har en tendens til nul, hvilket gør det muligt at konkludere, at det foreslåede kontrollovsystem giver en god sporingsbane.
(a) tilfælde af figur 15(a).
(b) tilfælde af figur 16(b).
(a) tilfælde af figur 15(a).
(b) tilfælde af figur 16(b).
(a) tilfælde af figur 15(a).
(b) tilfælde af figur 16(b).
(a) tilfælde af figur 15(a).
(b) tilfælde af figur 16(b).
ud over dette viser figur 19 udviklingen af to hastigheder (højre og venstre) af hjulene. For eksempel, for figur 19(b), bevæger den mobile robot sig oprindeligt med de samme hastigheder for begge hjul. Så snart forhindring 1 registreres, giver styresystemet en større højre hjulhastighed sammenlignet med venstre hjulhastighed. Efter at have passeret hindring 1 er de to hastigheder ens, indtil roboten når målet. Så snart forhindring 2 registreres, giver styresystemet en større højre hjulhastighed end venstre hjulhastighed. Efter at have passeret hindring 2 bemærker vi, at hastigheden på venstre hjul er større end det højre hjul. Dette er for at vende den mobile robot til målpositionen. Når robotten er orienteret mod målet, er de to hastigheder ens, indtil robotten når målet.
6. Konklusion
i dette papir præsenteres en algoritme, der søger efter et vendepunkt baseret på Gratis segmenter. Det håndterer to forskellige mål: den sikre sti og Stiens længde. Fordelen ved den udviklede algoritme er, at robotten altid kan bevæge sig fra startpositionen til målpositionen, ikke kun sikkert, men også på den korteste vej uanset hindringernes form og ændring af målposition i det kendte miljø. På den anden side er den foreslåede glidemodusstyring en vigtig metode til at håndtere systemet. Denne controller demonstrerer en god sporing forestillinger såsom robusthed, stabilitet og hurtig respons. Simuleringsresultater udføres på en platform Khepera IV for at demonstrere, at den foreslåede metode er et godt alternativ til at løse stiplanlægnings-og banesporingsproblemer.
som et fremtidigt arbejde kunne det være interessant at bestemme stier i dynamisk miljø.