Roboterpfadplanung mit Vermeidung von Hindernissen in bekannter Umgebung Unter Verwendung von freien Segmenten und Wendepunktalgorithmus

Zusammenfassung

Derzeit ist das Pfadplanungsproblem eines der am meisten erforschten Themen in der autonomen Robotik. Deshalb ist das Finden eines sicheren Weges in einer unübersichtlichen Umgebung für einen mobilen Roboter eine wichtige Voraussetzung für den Erfolg eines solchen mobilen Roboterprojekts. In dieser Arbeit wird ein entwickelter Algorithmus basierend auf freien Segmenten und einer Wendepunktstrategie zur Lösung des Problems der Roboterwegplanung in einer statischen Umgebung vorgestellt. Ziel des Wendepunktansatzes ist es, einen sicheren Weg für den mobilen Roboter zu suchen, damit sich der Roboter von einer Startposition zu einer Zielposition bewegt, ohne auf Hindernisse zu stoßen. Dieser vorgeschlagene Algorithmus behandelt zwei verschiedene Ziele, nämlich die Pfadsicherheit und die Pfadlänge. Darüber hinaus wird ein robustes Steuergesetz, das als Sliding Mode Control bezeichnet wird, vorgeschlagen, um die Stabilisierung eines autonomen mobilen Roboters zu steuern, um eine gewünschte Trajektorie zu verfolgen. Schließlich zeigen Simulationsergebnisse, dass der entwickelte Ansatz eine gute Alternative ist, um den adäquaten Pfad zu erhalten und die Effizienz des vorgeschlagenen Steuergesetzes für eine robuste Verfolgung des mobilen Roboters zu demonstrieren.

1. Einleitung

Roboter gelten heutzutage als wichtiges Element in der Gesellschaft. Dies ist auf den Ersatz von Menschen durch Roboter bei grundlegenden und gefährlichen Aktivitäten zurückzuführen. Die Entwicklung einer effizienten Navigationsstrategie für mobile Roboter und die Sicherstellung ihrer Sicherheit sind jedoch die wichtigsten Themen in der autonomen Robotik.

Daher ist das Pfadplanungsproblem eines der interessantesten und am meisten erforschten Themen. Ziel der Roboterbahnplanung ist es, einen sicheren Weg für den mobilen Roboter zu suchen. Auch der Weg muss optimal sein. In diesem Sinne wurden in der Literatur mehrere Forschungsarbeiten zur Lösung des Pfadplanungsproblems vorgeschlagen . Für die Bahnplanung von mobilen Robotern werden bisher viele Methoden eingesetzt. Unter diesen Strategien, die Geometrie Raummethode wie künstliches Potentialfeld , Agoraphobic Algorithmus und Vektorfeldhistogramm . Diese Methoden geben den Kurswinkel an, um Hindernissen auszuweichen. Die Strategie der dynamischen Fenster wurde in verwendet . Dieser Ansatz ist ein geschwindigkeitsbasierter lokaler Planer, der die optimale kollisionsfreie Geschwindigkeit für einen mobilen Roboter berechnet. Eine andere Methode, die in verwendet wird, heißt Wendepunktsuchalgorithmus Dies besteht darin, einen Punkt zu finden, um den sich der mobile Roboter dreht, ohne auf Hindernisse zu stoßen.

Auf der anderen Seite haben mehrere Forschungsarbeiten zur Nachführsteuerung eines mobilen Radroboters in der Literatur Beachtung gefunden . Das nichtholonomische System leidet unter Nichtlinearitäts- und Unsicherheitsproblemen. Aufgrund dieser Unsicherheit ist der Trajektorienfehler für einen fahrbaren mobilen Roboter immer erzeugt worden und kann nicht beseitigt werden. In diesem Sinne werden viele Tracking-Verfahren in der Literatur als Proportional-Integral-Regler (PID) vorgeschlagen, aber dieser Regler wird instabil, wenn er von der Sensorempfindlichkeit beeinflusst wird . Darüber hinaus wird ein Fuzzy-Logic-Controller verwendet, aber dieses Steuergesetz hat eine langsame Reaktionszeit aufgrund der schweren Berechnung . Andere arbeiten verwendet schiebe modus controller in verschiedenen anwendungen. Der Hauptvorteil dieses Steuerungssystems ist seine Versicherung für Stabilität, Robustheit, schnelle Reaktion und gute Transiente .

Ziel der entwickelten Strategie ist es, das Problem zu lösen, wenn sich der Roboter zwischen zwei Hindernissen befindet, z. B. wie der Roboter erkennen kann, dass der Abstand zwischen den beiden Hindernissen sicher genug ist, um das Ziel ohne Kollision zu erreichen, und wie Hindernisse vermieden und auf kürzestem Weg zwischen zwei Hindernissen bewegt werden können. Aus diesem Grund basiert diese Arbeit auf der Auswahl sicherer freier Segmente in einer von Hindernissen belasteten Umgebung. Danach wird ein entwickelter Wendepunktsuchalgorithmus angewendet, um den Endpunkt des sicheren freien Segments zu bestimmen, der den kürzesten Pfad ergibt. Diese Strategie ist inspiriert von dem Ansatz von Jinpyo und Kyihwan . Tatsächlich behandelt die in vorgestellte Strategie zwei grundlegende Ziele: die Pfadlänge und die Pfadsicherheit. Dieser Ansatz konzentriert sich zunächst auf die Suche nach dem Endpunkt eines freien Segments, das den kürzesten Pfad angibt. Wenn also der Abstand des ausgewählten freien Segments größer als der Roboterdurchmesser ist, wird der Endpunkt als Wendepunkt betrachtet. Ist dies nicht der Fall, muss er den Algorithmus wiederholen, um einen neuen Endpunkt der freien Segmente zu suchen. Die Nachteile dieser Strategie bestehen darin, dass sie sich zunächst darauf konzentriert, den kürzesten Weg zu finden, ohne die Sicherheit zu berücksichtigen, und sich danach darauf konzentriert, eine sichere Pfadnavigation zu gewährleisten, was zu einer umfangreichen und schweren Berechnung führt und mehr Zeit für die Planung des angemessenen Pfades für einen mobilen Roboter benötigt. Um diese Nachteile zu überwinden, dient unser entwickelter Algorithmus dazu, zunächst die Pfadsicherheit durch Auswahl der sichersten freien Segmente zu gewährleisten. Anschließend wird die Pfadlänge durchsucht, indem der Endpunkt der sichersten freien Segmente bestimmt wird, der den kürzesten Pfad ergibt. Mit dieser Strategie können wir schnell den sichersten und kürzesten Weg ermitteln. Darüber hinaus wird, sobald der Pfad geplant ist, ein Tracking-Gesetz basierend auf dem Gleitmodus-Controller verwendet, damit der Roboter der entworfenen Trajektorie folgt.

Unser Beitrag ist die Entwicklung eines neuen Algorithmus zur Lösung des Problems der Roboterbahnplanung mit statischen Hindernisvermeidungen. Diese Planung, auch statischer Pfadplan genannt, bietet den Vorteil, Sicherheit und Kürze des Pfades zu gewährleisten. Darüber hinaus zeichnet sich der vorgeschlagene Algorithmus durch ein reaktives Verhalten aus, um eine kollisionsfreie Trajektorie und einen glatten Pfad zu finden. Auf der anderen Seite sollte der mobile Roboter die Flugbahn ohne Kollision mit Hindernissen verfolgen. Es wird also eine Schiebemodensteuerung vorgeschlagen, um Robustheit, Stabilität und Reaktivität zu gewährleisten.

Der Rest dieses Papiers ist wie folgt organisiert. Abschnitt 2 stellt das in dieser Arbeit verwendete mobile Robotermodell vor. Die verschiedenen Schritte des vorgeschlagenen Algorithmus zur Pfadplanung sind im Detail in Abschnitt 3 beschrieben. In Abschnitt 4 wird ein Gleitmodus-Controller zur Trajektorienverfolgung verwendet. Schließlich werden Simulationsergebnisse und Schlussfolgerungen in den Abschnitten 5 und 6 vorgestellt und analysiert.

2. Mobiles Robotermodell

Mehrere Forschungsarbeiten zur autonomen Navigation wurden auf verschiedene Arten von mobilen Robotern angewendet . In dieser Arbeit betrachten wir den mobilen Roboter Khepera IV, der über zwei unabhängige Antriebsräder verfügt, die für die Ausrichtung und Steuerung der Plattform verantwortlich sind, indem sie auf die Geschwindigkeit jedes Rades einwirken. So ist das schematische Modell des mobilen Radroboters Khepera IV in Abbildung 1 dargestellt.

Abbildung 1

Schematische Darstellung von Khepera IV.

Das kinematische Modell eines nichtholonomischen mobilen Roboters ist wie folgt angegeben: Wobei (, ) die kartesischen Koordinaten des Roboters sind, der Winkel zwischen der Roboterrichtung und der Achse ist bzw. die rechte und die linke Radgeschwindigkeit des Roboters sind und der Abstand zwischen den beiden Rädern ist.

3. Pfadplanungsalgorithmus

Um das Pfadplanungsproblem zu lösen, wird ein Algorithmus vorgeschlagen, der auf dem Finden des Wendepunkts eines freien Segments basiert.

3.1. Prinzip des vorgeschlagenen Algorithmus

Ein freies Segment wird als Abstand zwischen zwei Endpunkten zweier verschiedener Hindernisse betrachtet (siehe Abbildung 2). Es durchsucht den Endpunkt eines sicheren Segments, an dem sich der mobile Roboter um diesen Punkt dreht, ohne auf Hindernisse zu stoßen.

Abbildung 2

Rahmen der Navigation.

Wenn keine Hindernisse vorhanden sind, tritt das Problem der Wegplanung nicht auf. Tatsächlich bewegt sich der Roboter von einer Ausgangsposition zu einer Zielposition in einer geraden Linie, die als der kürzeste Weg betrachtet wird. Wenn der mobile Roboter jedoch auf Hindernisse trifft, wie in Abbildung 2 gezeigt, sollte sich der Roboter ohne Kollision mit Hindernissen drehen. Das Hauptproblem besteht also darin, einen geeigneten Pfad von einem Startpunkt zu einem Zielpunkt in einer statischen Umgebung zu bestimmen. Um dieses Problem zu lösen, wird unser entwickelter Algorithmus vorgeschlagen, nach einem Wendepunkt eines sicheren freien Segments zu suchen, der den kürzesten Weg gibt und es dem Roboter ermöglicht, Hindernissen auszuweichen. Sobald sich der Wendepunkt befindet, wird an diesem Punkt ein gefährlicher Kreis mit Radius festgelegt. In diesem Fall zielt unsere vorgeschlagene Strategie darauf ab, nach dem Wendepunkt des sicheren freien Segments zu suchen, um das sich der Roboter sicher dreht. Um die Sicherheit zu gewährleisten, wählen wir das Segment aus, dessen Abstand () größer als der Roboterdurchmesser ist, mit einem Sicherheitsabstand (). Andererseits wird das Segment, dessen Abstand kleiner als der Roboterdurchmesser ist, als Gefahrensegment betrachtet (siehe Abbildung 2). In dieser Arbeit berücksichtigen wir nur sichere Segmente und Gefahrensegmente werden ignoriert. Um den kürzesten Weg zu bestimmen, haben wir außerdem den Punkt des sichersten Segments bestimmt, der den kürzesten Weg ergibt. Dann wird an dieser Stelle ein gefährlicher Kreis fixiert und der Roboter dreht sich und bewegt sich in tangentialer Richtung zu diesem Kreis. Selbst wenn es ein Gefahrenproblem gibt, reagiert unser vorgeschlagener Algorithmus, damit der Roboter Hindernissen ausweichen und das Ziel erreichen kann. In diesem Fall reserviert der Roboter den ermittelten Wendepunkt und sucht nach einem neuen Wendepunkt, um eine Kollision mit Hindernissen zu vermeiden. Zur Verdeutlichung unserer Strategie werden die verschiedenen Begriffe des Algorithmus in Abbildung 2 aufgenommen und das Grundprinzip in einem in Abbildung 3 dargestellten Flussdiagramm zusammengefasst.

Abbildung 3

Der vorgeschlagene Algorithmus.

3.2. Statische Pfadplanungsschritte

Ziel dieses Abschnitts ist es, einen sicheren Pfad so kurz wie möglich zu finden. In diesem Ansatz ist es definiert als der Pfad, der die tangentiale Richtung zu dem Kreis hat, der sich auf dem gesuchten Wendepunkt befindet.

3.2.1. Auswahl des sicheren Pfades

Der sichere Pfad zielt darauf ab, einen freien Pfad zu finden, der dem Roboter hilft, das Ziel zu erreichen, ohne Hindernisse der Umgebung zu treffen. Die Auswahl eines sicheren Segments muss den nächsten Schritten folgen: (i) Schritt 1: Ermitteln Sie alle freien Segmente der Umgebung (siehe Abbildung 4). Gleichungen (2) und (3) zeigen, wie man den Wert der Entfernung bestimmt, die Punkte verbindet und und die Entfernung, die Punkte verbindet und : wo (, ) (=2..5) entspricht der Koordinate der Endpunkte freier Segmente.(ii) Schritt 2: Das Segment, dessen Abstand ( größer ist als als sicheres Segment betrachtet wird. Das Segment, dessen Abstand kleiner als ist, wird jedoch als Gefahrensegment betrachtet. Für den Rest dieser Arbeit werden nur sichere Segmente berücksichtigt. Gefahrensegmente, deren Anzahl ist, werden ignoriert. In diesem Schritt definieren wir die Anzahl der sicheren Segmente alsobald die Sicherheitskriterien behandelt wurden, möchten wir im nächsten Abschnitt den kürzesten Weg bestimmen.

Abbildung 4

Bestimmung der freien Segmente (Safe-Gefahr).

3.2.2. Bestimmung des kürzesten Weges

Wenn der Roboter die Zielposition erreicht, ist es wichtig, dies auf dem kürzesten Weg wie möglich zu tun. Das Ziel, den kürzesten Weg zu bestimmen, kann in drei Schritte unterteilt werden: (i) Schritt 1: Berechnen Sie Entfernungen und zwischen dem Roboter und dem Ziel unter Berücksichtigung des sicheren freien Segments (siehe Abbildung 5). Diese Abstände sollten wie folgt berechnet werden: (ii)Schritt 2: Es handelt sich um die Bestimmung des Wendepunkts, der als der Punkt definiert ist, um den sich der mobile Roboter dreht, um Hindernissen auszuweichen. Der Endpunkt des sicheren freien Segments, der den kürzesten Weg ergibt, entspricht dem gesuchten Wendepunkt, wie in Abbildung 5 gezeigt.(iii) Schritt 3: Es geht um die Platzierung des gefährlichen Kreises. Sobald der Wendepunkt bestimmt ist, wird an diesem Punkt ein gefährlicher Kreis mit Radius festgelegt, wie in Abbildung 6 gezeigt.

Abbildung 5

Bestimmung des kürzesten Weges.

Abbildung 6

Gefährliche Kreis Platzierung.

3.3. Probleme Prüfung

Selbst wenn der angemessene Pfad ermittelt wird, können einige Probleme bestehen bleiben, deren Ergebnisse den Roboter beschädigen und Hindernissen nicht ausweichen können. Einige Problemfälle werden in dieser Arbeit hervorgehoben.

3.3.1. Kollisionsgefahrenproblem

Pfadplanungsproblem bedeutet, dass der Pfad sicher genug sein sollte, um ohne Kollision durchlaufen zu werden. Ein Kollisionsgefahrenproblem kann jedoch in einigen Fällen bestehen bleiben: (i) Fall 1: Wenn es eine Kreuzung zwischen dem Roboter und dem Hindernis gibt. Um das Problem besser zu konkretisieren, ist Abbildung 7 angegeben: Pfad 1 zeigt ein Beispiel eines mobilen Roboters, bei dem er vom Hindernis erfasst wird und es nicht vermeiden kann. Um die Kollision zwischen Roboterbahn und Hindernis zu beseitigen, wird Pfad 2 dargestellt und um einen zweiten gefährlichen Kreis mit Radius gedreht . Daraus können wir schließen, dass Pfad 2 sicher genug ist, damit der Roboter ohne Kollision zum Zielpunkt gelangen kann.(ii) Fall 2: Wenn der Abstand zwischen der Tangente des gefährlichen Kreises und dem Endpunkt eines Hindernisses (siehe Abbildung 8) kleiner als der Roboterradius () ist, wird ein Wendepunktalgorithmus angewendet und ein gefährlicher Kreis wird am entsprechenden Wendepunkt zentriert (siehe Abbildung 9).

Abbildung 7

Kollisionsgefahr Problemfall 1.

Abbildung 8

Kollisionsgefahr Problem-Fall 2.

Abbildung 9

Platzierung des Wendepunkts.

3.3.2. Problem der lokalen Minima

Ein lokales Minima-Problem kann auftreten, wenn alle Segmente blockiert sind oder der Roboter von Hindernissen erfasst wird. Um einer solchen Situation zu entkommen, entfernt sich der Roboter weit von diesen Hindernissen, bis er das Ziel erreicht (siehe Abbildung 10).

Abbildung 10

Lokale Minima Problemlösung.

4. Schiebemodussteuerung

Nach der Planung der Bahn des Roboters Khepera IV wird eine Schiebemodussteuerung für eine robuste Tracking-Trajektorie vorgeschlagen (). In dieser Strategie müssen zwei Positionen bekannt sein, wie in Abbildung 11 gezeigt: die Sollposition =(), die als die zu erreichende Sollposition definiert ist, und die aktuelle Roboterposition =, die als ihre tatsächliche Position in diesem Moment definiert ist. Weiterhin wird die Differenz zwischen der Referenzposition und der aktuellen Position als Tracking Error Position =(, ,) bezeichnet. Der Ausdruck von ist in Gleichung (7) wie folgt definiert:

Abbildung 11

Tracking-Fehler.

Die Tracking-Trajektorie kann eingeführt werden, um den adäquaten Steuervektor zu finden (ist die lineare Geschwindigkeit des mobilen Radroboters und ist seine Winkelgeschwindigkeit). Damit konvergiert die Fehlerposition asymptotisch zu Null. Der autonome mobile Roboter wird gemäß dem Prozess des Entwerfens eines Schiebemodus-Controllers gesteuert, der in zwei Schritte unterteilt ist: (i) Schritt 1: Die Wahl der Gleitfläche: wird als Schaltfunktion definiert, da die Steuerung ihr Vorzeichen an den Seiten der Schaltung schaltet . Daher wird bei der ersten Schaltfunktion =0 gewählt. Wenn =0, ist die Lyapunov-Kandidatenfunktion definiert als . Dann bestimmen wir die Zeitableitung von V: Wir bemerken das, weil . Wir definieren als Schaltkandidatenfunktion. Dann ist der Ausdruck des Vektors der Gleitflächen wie folgt gegeben: (ii) Schritt 2: Die Bestimmung des Steuergesetzes: Das Entwerfen eines Gleitmodusreglers muss zunächst einen analytischen Ausdruck der adäquaten Bedingung festlegen, unter der sich der Zustand auf einen Gleitmodus zubewegt und diesen erreicht. Ein Ratterphänomen kann jedoch durch die endlichen Zeitverzögerungen für Berechnungen und Einschränkungen der Steuerung verursacht werden. Deshalb ist die Schaltfunktion als Sättigungsfunktion definiert. Das Regelgesetz ist dann definiert, da darauf hingewiesen wird, dass die Reichweitensteuerung nicht nur in der Lage ist, die Reichweitenbedingung festzulegen, sondern auch die Dynamik der Schaltfunktion vorgeben kann. Durch Differenzieren des Vektors der in Gleichung (10) definierten Gleitflächen erhalten wir where

5. Simulationsergebnisse

In der mobilen Roboternavigation wird das Gebäude der Umgebung als wesentliches Thema für die Durchführung von Bewegungsplanungsoperationen angesehen. In diesem Abschnitt stellen wir einige Simulationsergebnisse vor, um die grundlegenden Fähigkeiten des vorgeschlagenen Algorithmus zu demonstrieren. In allen Simulationen werden wir Ergebnisse einer Umgebung mit sieben Hindernissen präsentieren, die beliebig platziert werden (siehe Abbildung 12). Tabelle 1 zeigt die anfänglichen Mittelpunktskoordinaten statischer Hindernisse.

Abbildung 12

Umwelt-Mapping.

Die Simulationen werden für die Fälle durchgeführt, in denen die Zielkoordinate (,) fixiert ist, während sich die Roboterposition ändert.

In diesem Abschnitt stellen wir den Fall vor, wenn der Roboter von den Anfangspositionen (, )=(0, 0) und (, )=(400, 0) aus startet, wie in den Abbildungen 13 (a) und 13(b) gezeigt, wo alle freien Segmente sicher sind. Wir stellen fest, dass sich der Roboter um Kreise dreht, die sich in den entsprechenden Wendepunkten befinden, und das Ziel für jede Änderung der Roboterposition erreicht.

(a) Navigation mit sicheren Segmenten ((, )=(0, 0)).

(b) Navigation mit sicheren Segmenten ((, )=(400, 0)).

(c) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(0, 0)).

(d) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(400, 0)).

(a) Navigation mit sicheren Segmenten ((, )=(0, 0)).
(b) Navigation mit sicheren Segmenten ((, )=(400, 0)).
(c) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(0, 0)).
(d) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(400, 0)).

Abbildung 13

Pfadplanung ((, )=(250, 750)).

Sogar die Hinderniszentren haben ihre Positionen geändert, wie in Tabelle 2 gezeigt, und die Änderungen der Pfadnavigation sind in den Abbildungen 13 (c) und 13 (d) aufgrund des Auftretens von Gefahrensegmenten gezeigt.

Abbildung 16 veranschaulicht die Navigation des mobilen Roboters mit sicheren Segmenten und Gefahrensegmenten. Dieser Roboter startet aus verschiedenen Ausgangspositionen (, )=(0, 0) ( siehe Abbildungen 14(a) und 14(c)) und (, )=(400, 0) ( siehe Abbildungen 14(b) und 14(d)). Die Koordinaten des Hinderniszentrums sind in Tabelle 3 angegeben.

(a) Navigation mit sicheren Segmenten ((, )=(0, 0)).

(b) Navigation mit sicheren Segmenten ((, )=(400, 0)).

(c) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(0, 0)).

(d) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(400, 0)).

(a) Navigation mit sicheren Segmenten ((, )=(0, 0)).
(b) Navigation mit sicheren Segmenten ((, )=(400, 0)).
(c) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(0, 0)).
(d) Navigation mit Sicherheits- und Gefahrensegmenten ((, )=(400, 0)).

Abbildung 14

Pfadplanung ((, )=(500, 750)).

Ein weiteres Simulationsergebnis zeigt den Fall, dass alle freien Segmente sicher sind (siehe Abbildungen 15(a) und 15(b)). Der Roboter dreht sich um die gefährlichen Kreise, bis er das gewünschte Ziel erreicht. Durch Ändern der Hinderniszentren, wie in Tabelle 4 gezeigt, bemerken wir das Auftreten gefährlicher Segmente. Der Roboter berücksichtigt nur die freien Segmente und bewegt sich im sicheren Pfad (siehe Abbildungen 15(c) und 15(d)).

(a) Navigation bei sicheren Segmenten ((, )=(0, 0)).

(b) Navigation bei sicheren Segmenten ((, )=(400, 0)).

(c) Navigation bei Gefahrensegmenten ((, )=(0, 0)).

(d) Navigation bei Gefahrensegmenten ((, )=(400, 0)).

(a) Navigation bei sicheren Segmenten ((, )=(0, 0)).
(b) Navigation bei sicheren Segmenten ((, )=(400, 0)).
(c) Navigation bei Gefahrensegmenten ((, )=(0, 0)).
(d) Navigation bei Gefahrensegmenten ((, )=(400, 0)).

Abbildung 15

Pfadplanung ((, )=(750, 750)).

(a) Navigation mit sicheren Segmenten ((, )=(0, 0)).

(b) Navigation mit sicheren Segmenten ((, )=(400, 0)).

(c) Navigation mit Gefahrensegmenten ((, )=(0, 0)).

(d) Navigation mit Gefahrensegmenten ((, )=(400, 0)).

(a) Navigation mit sicheren Segmenten ((, )=(0, 0)).
(b) Navigation mit sicheren Segmenten ((, )=(400, 0)).
(c) Navigation mit Gefahrensegmenten ((, )=(0, 0)).
(d) Navigation mit Gefahrensegmenten ((, )=(400, 0)).

Abbildung 16

Pfadplanung ((, )=(800, 500)).

Die Abbildungen 16 (a) und 16 (b) zeigen, dass der mobile Roboter das Erreichen des Ziels unter Vermeidung verschiedener Hindernisse gewährleistet. Tabelle 5 zeigt die mittleren Hindernispositionen. In diesem Fall stellen wir fest, dass es ein lokales Minima-Problem gibt. Daher entfernt sich der Roboter weit von Hindernissen und bewegt sich direkt zum Ziel (siehe Abbildungen 16 (c) und 16 (d)).

Aus allen Simulationsergebnissen ist ersichtlich, dass die entwickelte Strategie sehr reaktiv ist, da der Roboter die Hindernisvermeidung bei jeder Modifikation des Roboters und der Zielpositionen sowie bei Vorhandensein von Sicherheits- und Gefahrensegmenten erreicht.

Nach der Planung des sichersten und kürzesten Pfades ist es erforderlich, dass der mobile Roboter Referenztrajektorien basierend auf der Gleitmodussteuerung verfolgt. Abbildung 17 zeigt, dass der mobile Roboter immer der Referenztrajektorie folgt.

(a) Verfolgen des geplanten Pfades von Abbildung 15(a).

(b) Verfolgen des geplanten Pfades von Abbildung 16(b).

(a) Verfolgen des geplanten Pfades von Abbildung 15(a).
(b) Verfolgen des geplanten Pfades von Abbildung 16(b).

Abbildung 17

Verfolgung des geplanten Pfades.

Um mehr veranschaulichen die leistung der schiebe modus controller, die fehler positionen, und die zwei geschwindigkeiten (rechts und links) der räder für die fälle. Die Abbildungen 15(a) und 16(b) wurden in den Abbildungen 18 und 19 dargestellt. Abbildung 18 zeigt, dass die Tracking-Fehler gegen Null tendieren, was den Schluss zulässt, dass das vorgeschlagene Steuerrechtssystem eine gute Tracking-Trajektorie bietet.

(a) Fall von Abbildung 15(a).

(b) Fall von Abbildung 16(b).

(a) Fall von Abbildung 15(a).
(b) Fall von Abbildung 16(b).

Abbildung 18

Tracking-Fehler (, , ).

(a) Fall von Abbildung 15(a).

(b) Fall von Abbildung 16(b).

(a) Fall von Abbildung 15(a).
(b) Fall von Abbildung 16(b).

Abbildung 19

Entwicklung der beiden Geschwindigkeiten (rechts und links).

Darüber hinaus zeigt Abbildung 19 die Entwicklung von zwei Geschwindigkeiten (rechts und links) der Räder. In Abbildung 19(b) fährt der mobile Roboter beispielsweise zunächst mit den gleichen Geschwindigkeiten für beide Räder vor. Sobald das Hindernis 1 erkannt wird, stellt die Steuerung eine größere rechte Raddrehzahl im Vergleich zur linken Raddrehzahl bereit. Nach dem Passieren von Hindernis 1 sind die beiden Geschwindigkeiten gleich, bis der Roboter das Ziel erreicht. Sobald das Hindernis 2 erkannt wird, liefert das Steuersystem eine größere rechte Raddrehzahl als die linke Raddrehzahl. Nachdem wir Hindernis 2 passiert haben, stellen wir fest, dass die Geschwindigkeit des linken Rades größer ist als die des rechten Rades. Dies dient dazu, den mobilen Roboter in die Zielposition zu drehen. Sobald der Roboter auf das Ziel ausgerichtet ist, sind die beiden Geschwindigkeiten gleich, bis der Roboter das Ziel erreicht.

6. Schlussfolgerung

In diesem Beitrag wird ein Algorithmus vorgestellt, der anhand freier Segmente nach einem Wendepunkt sucht. Es behandelt zwei verschiedene Ziele: den sicheren Pfad und die Pfadlänge. Der Vorteil des entwickelten Algorithmus besteht darin, dass sich der Roboter unabhängig von der Form der Hindernisse und der Änderung der Zielposition in der bekannten Umgebung immer von der Ausgangsposition in die Zielposition bewegen kann, und zwar nicht nur sicher, sondern auch auf dem kürzesten Weg. Auf der anderen Seite ist die vorgeschlagene Schiebemodussteuerung eine wichtige Methode, um mit dem System umzugehen. Dieser Controller zeigt eine gute Tracking-Leistungen wie Robustheit, Stabilität und schnelle Reaktion. Simulationsergebnisse werden auf einer Plattform Khepera IV durchgeführt, um zu zeigen, dass das vorgeschlagene Verfahren eine gute Alternative ist, um die Wegplanung und Trajektorienverfolgungsprobleme zu lösen.

Als zukünftige Arbeit könnte es interessant sein, Pfade in dynamischer Umgebung zu bestimmen.

Datenverfügbarkeit