Robotbaneplanlegging Med Å Unngå Hindringer I Kjent Miljø Ved Hjelp Av Frie Segmenter Og Vendepunktsalgoritme

Abstrakt

for Tiden er baneplanleggingsproblemet et av de mest undersøkte temaene i autonom robotikk. Det er derfor å finne en trygg vei i et rotete miljø for en mobil robot er et viktig krav for å lykkes med et slikt mobilt robotprosjekt. I dette arbeidet presenteres en utviklet algoritme basert på frie segmenter og en vendepunktsstrategi for å løse problemet med robotbaneplanlegging i et statisk miljø. Målet med vendepunktstilnærmingen er å søke en sikker vei for den mobile roboten, for å få roboten til å bevege seg fra en startposisjon til en destinasjonsposisjon uten å treffe hindringer. Denne foreslåtte algoritmen håndterer to forskjellige mål som er banesikkerheten og banelengden. I tillegg foreslås en robust kontrolllov som kalles glidemodus for å kontrollere stabiliseringen av en autonom mobil robot for å spore en ønsket bane. Endelig viser simuleringsresultater at den utviklede tilnærmingen er et godt alternativ for å oppnå den tilstrekkelige banen og demonstrere effektiviteten av den foreslåtte kontrollloven for robust sporing av mobilroboten.

1. Innledning

i Dag anses roboter som et viktig element i samfunnet. Dette skyldes erstatning av mennesker med roboter i grunnleggende og farlige aktiviteter. Å utforme en effektiv navigasjonsstrategi for mobile roboter og sikre deres verdipapirer er imidlertid de viktigste problemene i autonom robotikk.

derfor er baneplanleggingsproblemet et av de mest interessante og undersøkte emnene. Målet med robotbaneplanleggingen er å søke en trygg vei for den mobile roboten. Også banen er nødvendig for å være optimal. I denne forstand har flere forskningsarbeid som takler baneplanleggingsproblemet blitt foreslått i litteraturen . Hittil har mange metoder blitt brukt til baneplanlegging av mobile roboter. Blant disse strategiene, geometri plass metode Som Kunstig Potensial Felt, Agorafobisk Algoritme, Og Vektor Felt Histogram . Disse metodene gir overskriften vinkel for å unngå hindringer. Strategien for dynamiske vinduer har blitt brukt i . Denne tilnærmingen er en hastighetsbasert lokal planlegger som beregner den optimale kollisjonsfrie hastigheten for en mobil robot. En annen metode som brukes i heter turning point searching algorithm som består av å finne et punkt rundt som den mobile roboten svinger uten å treffe hindringer.

på den andre siden har flere forskningsarbeid for sporingskontroll av en mobil robot med hjul fått oppmerksomhet i litteraturen . Det ikke-holonomiske systemet lider av ikke-linearitet og usikkerhetsproblem. På grunn av denne usikkerheten har banefeilen for en mobil mobilrobot alltid blitt produsert og kan ikke elimineres. I denne forstand foreslås mange sporingsmetoder i litteraturen Som Proporsjonal Integral Derive (Pid) – kontroller, men denne kontrolleren blir ustabil når den påvirkes av sensorfølsomheten . Videre brukes en fuzzy logikkontroller i, men denne kontrollloven har en langsom responstid på grunn av den tunge beregningen . Andre arbeider brukt skyve modus kontrolleren i ulike programmer . Målet fordelen med dette kontrollsystemet er dens forsikring for stabilitet, robusthet, rask respons, og god forbigående .

målet med den utviklede strategien er å løse problemet når roboten befinner seg mellom to hindringer, for eksempel følgende: hvordan roboten kan oppdage at avstanden mellom de to hindringene er trygg nok til å nå målet uten kollisjon og hvordan man unngår hindringer og beveger seg mellom to hindringer på korteste vei. Derfor er dette arbeidet basert på å velge trygge frie segmenter i et miljø som er belastet av hindringer for det første. Deretter brukes en utviklet vendepunktssøkalgoritme for å bestemme endepunktet til det sikre frie segmentet som gir den korteste banen. Denne strategien er inspirert av tilnærmingen gitt Av Jinpyo Og Kyihwan . Faktisk håndterer strategien som presenteres i to grunnleggende mål: banelengde og banesikkerhet. Denne tilnærmingen er først og fremst fokusert på å søke endepunktet til et fritt segment som gir den korteste banen. Derfor, hvis avstanden til det valgte frie segmentet er større enn robotens diameter, betraktes endepunktet som et vendepunkt. Hvis dette ikke er tilfelle, må det spille av algoritmen for å søke etter et nytt endepunkt for de frie segmentene. Ulempene med denne strategien er at den først og fremst er fokusert på å finne den korteste banen uten å ta hensyn til sikkerheten, og etter det er den fokusert på å sikre en sikker banenavigasjon som fører til en omfattende og tung beregning og trenger mer tid til å planlegge den tilstrekkelige banen for en mobil robot. For å overvinne disse ulempene, tjener vår utviklede algoritme til å sikre først banesikkerheten ved å velge de sikreste frie segmentene. Deretter søker den banelengden ved å bestemme endepunktet til de sikreste frie segmentene som gir den korteste banen. Ved hjelp av denne strategien kan vi raskt bestemme den sikreste og korteste banen. Videre, når banen er planlagt, brukes en sporingslov basert på glidemoduskontroller for at roboten skal følge den utformede banen.

vårt bidrag er å utvikle en ny algoritme for å løse problemet med robotbaneplanlegging med statiske hindringer. Denne planleggingen, også kalt statisk baneplan, gir fordelen av å sikre sikkerhet og korthet av banen. Videre er den foreslåtte algoritmen preget av en reaktiv oppførsel for å finne en kollisjonsfri bane og jevn bane. På den andre siden skal den mobile roboten spore banen uten kollisjon med hindringer. Så foreslås en glidemoduskontroll for å garantere robusthet, stabilitet og reaktivitet.

resten av dette papiret er organisert som følger. Seksjon 2 presenterer mobilrobotmodellen som brukes i dette arbeidet. De ulike trinnene i den foreslåtte algoritmen for baneplanlegging er beskrevet i detalj i Avsnitt 3. I Seksjon 4 brukes en glidemodusregulator for banesporing. Endelig presenteres og analyseres simuleringsresultater og konklusjoner i Henholdsvis Avsnitt 5 og 6.

2. Mobile Robot Model

Flere forskningsarbeid for autonom navigasjon har blitt brukt på ulike typer mobile roboter . I dette arbeidet vurderer Vi Khepera IV mobile robot som har to uavhengige drivhjul som er ansvarlige for å orientere og styre plattformen ved å handle på hvert hjuls hastighet. Dermed er skjematisk modell av hjul mobile robot Khepera IV vist I Figur 1.

Figur 1

Skjematisk fremstilling Av Khepera IV.

den kinematiske modellen til en ikke-holonomisk mobilrobot er gitt som følger:hvor (,) er robotens Kartesiske koordinater, er vinkelen mellom robotens retning og akse, og er henholdsvis robotens høyre og venstre hjulhastigheter, og er avstanden mellom de to hjulene.

3. Path Planning Algorithm

for å løse baneplanleggingsproblemet, foreslås en algoritme basert på å finne vendepunktet til et fritt segment.

3.1. Prinsipp For Den Foreslåtte Algoritmen

et fritt segment betraktes som avstanden mellom to endepunkter av to forskjellige hindringer (Se Figur 2). Den søker endepunktet til et trygt segment der den mobile roboten vender seg om dette punktet uten å treffe hindringer.

Figur 2

Rammeverk for navigasjon.

Når det ikke er noen hindringer, oppstår ikke baneplanleggingsproblemet. Faktisk beveger roboten seg fra en startposisjon til en målposisjon i en rett linje som vil bli vurdert som den korteste banen. Men når den mobile roboten møter hindringer som vist i Figur 2, skal roboten vende uten kollisjon med hindringer. Så det store problemet er hvordan man bestemmer en passende bane fra et utgangspunkt til et målpunkt i et statisk miljø. For å løse dette problemet vår utviklet algoritme er foreslått å søke etter et vendepunkt for en trygg gratis segment som gir den korteste veien og lar roboten for å unngå hindringer. Når vendepunktet er plassert, er en farlig sirkel med radius løst i dette punktet. I dette tilfellet har vår foreslåtte strategi som mål å søke etter vendepunktet til det trygge frie segmentet som roboten svinger trygt rundt. For å sikre sikkerhet velger vi segmentet hvis avstand () er større enn robotens diameter med en sikkerhetsmargin (). På den annen side betraktes segmentet hvis avstand er mindre enn robotens diameter som et faresegment (Se Figur 2). I dette arbeidet tar vi bare hensyn til sikre segmenter og faresegmenter ignoreres. Videre, og for å bestemme den korteste banen, har vi bestemt punktet til det sikreste segmentet som gir den korteste banen. Deretter er en farlig sirkel festet på dette punktet, og roboten svinger og beveger seg mot tangentiell retning til denne sirkelen. Selv når det er et fareproblem, vil vår foreslåtte algoritme være reaktiv for å tillate roboten å unngå hindringer og nå målet. I dette tilfellet reserverer roboten det bestemte vendepunktet og søker etter et nytt vendepunkt for å unngå kollisjon med hindringer. For å klargjøre vår strategi, er de forskjellige begrepene i algoritmen innlemmet i Figur 2, og grunnprinsippet er oppsummert i et flytskjema presentert i Figur 3.

Figur 3

den foreslåtte algoritmen.

3.2. Trinn for Statisk Baneplanlegging

målet Med denne delen er å finne en sikker vei så kort som mulig. I denne tilnærmingen er det definert som banen som har tangentiell retning til sirkelen som ligger på det søkte vendepunktet.

3.2.1. Valg Av Den Sikre Banen

den sikre banen tar sikte På å finne en fri sti som hjelper roboten til å nå målet uten å treffe hindringer i miljøet. Valget av et sikkert segment må følge de neste trinnene: (i)Trinn 1: Finn ut alle frie segmenter av miljøet(Se Figur 4). Ligninger (2) og (3) viser hvordan man bestemmer verdien av avstanden som forbinder punkter og og avstanden som forbinder punkter og: hvor (,) (=2..5) tilsvarer koordinaten til endepunkter for frie segmenter.(ii) Trinn 2: segmentet hvis avstand (er storre enn det regnes som et sikkert segment. Imidlertid er segmentet hvis avstand mindre enn betraktet som et faresegment. Bare sikre segmenter er tatt i betraktning for resten av dette arbeidet. Faresegmenter hvis nummer er ignorert. I dette trinnet definerer vi antall sikre segmenter somnår sikkerhetskriteriene er håndtert, i neste avsnitt er vi interessert i å bestemme den korteste banen.

Figur 4

Bestemmelse av frie segmenter(sikker fare).

3.2.2. Bestemmelse Av Den Korteste Banen

når roboten går for å nå målposisjonen, er det viktig å gjøre det på kortest mulig bane. Målet med å bestemme den korteste banen kan deles inn i tre trinn: (i)Trinn 1: Beregn avstander og mellom roboten og målet med hensyn til det sikre frie segmentet (Se Figur 5). Disse avstandene skal beregnes som følger: (ii) Trinn 2: det gjelder bestemmelse av vendepunktet som er definert som punktet rundt hvilket mobilroboten vender for å unngå hindringer; prosessen oppnås etter å sammenligne avstandene og . Endepunktet til det sikre frie segmentet som gir den korteste banen, tilsvarer det søkte vendepunktet som vist i Figur 5.(iii) Trinn 3: det gjelder plasseringen av den farlige sirkelen. Når vendepunktet er bestemt, er en farlig sirkel med radius festet på dette punktet som vist i Figur 6.

Figur 5

Bestemmelse av den korteste banen.

Figur 6

Farlig sirkelplassering.

3.3. Problemer Examination

selv den tilstrekkelige banen er bestemt, noen problemer kan fortsette hvis resultater gjør roboten skadet og ikke kan unngå hindringer. Noen problemstilfeller er uthevet i dette arbeidet.

3.3.1. Kollisjonsfare Problem

Baneplanleggingsproblem betyr at banen skal være trygg nok til å gå gjennom uten kollisjon. Et problem med kollisjonsfare kan imidlertid vedvare i noen tilfeller: (i)Tilfelle 1: hvis det er et skjæringspunkt mellom roboten og hindringen. For bedre å konkretisere problemet, Er Figur 7 gitt: sti 1 presenterer et eksempel på en mobil robot der den er fanget av hindringen, og det kan ikke unngå det. For å fjerne kollisjonen mellom robotbanen og hindringen, presenteres sti 2 og vender om en annen farlig sirkel med radius . Så kan vi konkludere med at sti 2 er trygg nok til at roboten går til destinasjonsstedet uten kollisjon.(ii) Tilfelle 2: hvis avstanden mellom linjetangensen til den farlige sirkelen og endepunktet til et hinder (Se Figur 8) er mindre enn robotens radius (), brukes en vendepunktsalgoritme og en farlig sirkel er sentrert ved det tilstrekkelige vendepunktet(Se Figur 9).

Figur 7

Kollisjon fare problem-sak 1.

Figur 8

Kollisjon fare problem-sak 2.

Figur 9

Plassering av vendepunktet.

3.3.2. Problemet Med Lokale Minima

en lokal minima problem kan eksistere når alle segmenter er fare eller roboten er fanget med hindringer. For å unnslippe fra en slik situasjon går roboten langt bort fra disse hindringene til den når målet (Se Figur 10).

Figur 10

Lokal minima problemløsning.

4. Skyvemoduskontroll

etter planlegging av banen til roboten Khepera IV, foreslås en skyvemoduskontroll for robust sporingsbane (). I denne strategien, to posisjoner er nødvendig for å bli kjent som vist I Figur 11: ønsket posisjon = () som er definert som ønsket posisjon som skal nås og gjeldende robotposisjon = som er definert som reell posisjon i dette øyeblikk. Videre kalles forskjellen mellom referanseposisjonen og den nåværende posisjonen tracking error position =(, , ). Uttrykket av er definert i ligning (7) som følger:

Figur 11

Sporing feil.

Sporingsbane kan innføres som å finne den tilstrekkelige kontrollvektoren (er den lineære hastigheten til den hjulbaserte mobile roboten og er dens vinkelhastighet). Slik at feilposisjonen konvergerer asymptotisk til null. Den autonome mobile roboten styres i henhold til prosessen med å designe en glidemodusregulator er delt Inn I to trinn:(i)Trinn 1: valget av glideflaten: er definert som bryterfunksjonen fordi kontrollen skifter tegnet på sidene av bryteren . Derfor er =0 valgt ved den første koblingsfunksjonen. Når =0, Er Lyapunov kandidat-funksjonen definert som . Da bestemmer vi tidsderivatet Av V: vi merker det fordi . Vi definerer som en byttekandidatfunksjon. Deretter er uttrykket av vektoren av glideflater gitt som følger: (ii) Trinn 2: bestemmelsen av kontrollloven: utformingen av en glidemodusregulator trenger først å etablere et analytisk uttrykk for den tilstrekkelige tilstanden under hvilken staten beveger seg mot og når en glidemodus. Et chattering fenomen kan imidlertid skyldes de endelige tidsforsinkelsene for beregninger og begrensninger av kontroll. Derfor er bryterfunksjonen definert som en metningsfunksjon. Kontrollloven er definert da det bemerkes at reach-kontrollsystemet ikke bare er i stand til å etablere reach-tilstanden, men også i stand til å spesifisere dynamikken til bryterfunksjonen. Ved å differensiere vektoren av glideflatene definert i ligning (10), oppnår vi hvor

5. Simuleringsresultater

i mobil robotnavigasjon anses byggingen av miljøet som et viktig problem for å utføre bevegelsesplanleggingsoperasjoner. I denne delen, for å demonstrere grunnleggende evne til den foreslåtte algoritmen, presenterer vi noen simuleringsresultater. I alle simuleringer vil vi presentere resultater av et miljø inkludert syv hindringer som er plassert på en vilkårlig måte (Se Figur 12). Tabell 1 viser de første senterkoordinatene for statiske hindringer.

Figur 12

Miljøkartlegging.

simuleringene utføres for tilfeller der målkoordinatet (,) er løst mens robotposisjonen endres.

i denne delen presenterer vi saken når roboten starter fra startposisjonene (, )=(0, 0) og (, )=(400, 0) som vist i Figurene 13(a) og 13(b), der alle frie segmenter er trygge. Vi legger merke til at roboten snur seg rundt sirkler som er plassert i de tilstrekkelige vendepunktene og når målet for hver modifikasjon av robotposisjonen.

(A) Navigasjon med sikre segmenter ((, )=(0, 0)).

(b) Navigasjon med sikre segmenter ((, )=(400, 0)).

(c) Navigasjon med sikker-og faresegmenter ((, )=(0, 0)).

(d) Navigasjon med sikker-og faresegmenter ((, )=(400, 0)).

(A) Navigasjon med sikre segmenter ((, )=(0, 0)).
(b) Navigasjon med sikre segmenter ((, )=(400, 0)).
(c) Navigasjon med sikker-og faresegmenter ((, )=(0, 0)).
(d) Navigasjon med sikker-og faresegmenter ((, )=(400, 0)).

Figur 13

Sti planlegging ((, )=(250, 750)).

selv hindringssentrene endret sine posisjoner som vist i Tabell 2, og banenavigasjonsendringene er vist I Figur 13(c) og 13(d) på grunn av utseendet på faresegmenter.

Figur 16 illustrerer navigasjonen av den mobile roboten med sikre segmenter og faresegmenter. Den roboten starter fra forskjellige startposisjoner (, )=(0, 0) (Se Figur 14 (a) og 14 (c)) og (, )=(400, 0) (Se Figur 14 (b) og 14 (d). Hindringssenterkoordinatene er adressert I Tabell 3.

(A) Navigasjon med sikre segmenter ((, )=(0, 0)).

(b) Navigasjon med sikre segmenter ((, )=(400, 0)).

(c) Navigasjon med sikker-og faresegmenter ((, )=(0, 0)).

(d) Navigasjon med sikker-og faresegmenter ((, )=(400, 0)).

(A) Navigasjon med sikre segmenter ((, )=(0, 0)).
(b) Navigasjon med sikre segmenter ((, )=(400, 0)).
(c) Navigasjon med sikker-og faresegmenter ((, )=(0, 0)).
(d) Navigasjon med sikker-og faresegmenter ((, )=(400, 0)).

Figur 14

Sti planlegging ((, )=(500, 750)).

et annet simuleringsresultat presenterer saken der alle frie segmenter er trygge(Se Figur 15(a) og 15 (b)). Roboten vender seg om de farlige sirkler til de når ønsket mål. Ved å endre hindringssentre som vist i Tabell 4, bemerker vi utseendet på farlige segmenter. Roboten tar bare hensyn til de frie segmentene og beveger seg i den sikre banen(Se Figur 15(c) og 15 (d)).

(A) Navigasjon i tilfelle sikre segmenter ((, )=(0, 0)).

(b) Navigasjon i tilfelle sikre segmenter ((, )=(400, 0)).

(c) Navigasjon i saks – og faresegmenter((, )=(0, 0)).

(d) Navigasjon i saks – og faresegmenter((, )=(400, 0)).

(A) Navigasjon i tilfelle sikre segmenter ((, )=(0, 0)).
(b) Navigasjon i tilfelle sikre segmenter ((, )=(400, 0)).
(c) Navigasjon i saks – og faresegmenter((, )=(0, 0)).
(d) Navigasjon i saks – og faresegmenter((, )=(400, 0)).

Figur 15

Sti planlegging ((, )=(750, 750)).

(A) Navigasjon med sikre segmenter ((, )=(0, 0)).

(b) Navigasjon med sikre segmenter ((, )=(400, 0)).

(c) Navigasjon med faresegmenter ((, )=(0, 0)).

(d) Navigasjon med faresegmenter ((, )=(400, 0)).

(A) Navigasjon med sikre segmenter ((, )=(0, 0)).
(b) Navigasjon med sikre segmenter ((, )=(400, 0)).
(c) Navigasjon med faresegmenter ((, )=(0, 0)).
(d) Navigasjon med faresegmenter ((, )=(400, 0)).

Figur 16

Sti planlegging ((, )=(800, 500)).

Tallene 16 (a) og 16 (b) viser at den mobile roboten sikrer å nå målet med å unngå ulike hindringer. Tabell 5 viser senterets hindringsposisjoner. I dette tilfellet konstaterer vi at det er et lokalt minimaproblem. Derfor går roboten langt unna hindringer og beveger seg direkte til målet(Se Figur 16(c) og 16 (d)).

fra alle simuleringsresultater er det åpenbart å se at den utviklede strategien er svært reaktiv fordi roboten oppnår hindringen i hver modifikasjon av roboten og målposisjonene og i nærvær av trygge og farlige segmenter.

etter å ha planlagt den sikreste og korteste banen, er det nødvendig for den mobile roboten å spore referansebaner basert på glidemodus. Figur 17 viser at den mobile roboten alltid følger referansebanen.

(A) Sporing av planlagt bane I Figur 15 (a).

(b) Sporing av planlagt bane I Figur 16 (b).

(A) Sporing av planlagt bane I Figur 15 (a).
(b) Sporing av planlagt bane I Figur 16 (b).

Figur 17

Sporing planlagt bane.

for å illustrere ytelsen til glidemoduskontrolleren, feilposisjonene og de to hastighetene (høyre og venstre) på hjulene for tilfellene. Figur 15 (a) og 16 (b) ble presentert i Figur 18 og 19. Figur 18 viser at sporingsfeilene har en tendens til null som gjør det mulig å konkludere at det foreslåtte kontrolllovsystemet gir en god sporingsbane.

(a) Tilfelle Av Figur 15 (a).

(b) Tilfelle Av Figur 16 (b).

(a) Tilfelle Av Figur 15 (a).
(b) Tilfelle Av Figur 16 (b).

Figur 18

Sporingsfeil (,,).

(a) Tilfelle Av Figur 15 (a).

(b) Tilfelle Av Figur 16 (b).

(a) Tilfelle Av Figur 15 (a).
(b) Tilfelle Av Figur 16 (b).

Figur 19

Utviklingen av de to hastighetene(høyre og venstre).

I Tillegg til Dette presenterer Figur 19 utviklingen av to hastigheter (høyre og venstre) av hjulene. For Eksempel, For Figur 19 (b), går den mobile roboten først med samme hastigheter for begge hjulene. Så snart hindring 1 er oppdaget, gir styresystemet en større høyre hjulhastighet sammenlignet med venstre hjulhastighet. Etter å ha passert hindring 1, er de to hastighetene like til roboten når målet. Så snart hindring 2 er oppdaget, gir styresystemet en større høyre hjulhastighet enn venstre hjulhastighet. Etter å ha passert hinder 2, ser vi at hastigheten på venstre hjul er større enn høyre hjul. Dette er å slå den mobile roboten til målposisjonen. Når roboten er orientert mot målet, er de to hastighetene like til roboten når målet.

6. Konklusjon

i denne artikkelen presenteres en algoritme som søker etter et vendepunkt basert på frie segmenter. Den håndterer to forskjellige mål: den sikre banen og banelengden. Fordelen med den utviklede algoritmen er at roboten alltid kan bevege seg fra startposisjonen til målposisjonen, ikke bare trygt, men også på den korteste banen, uansett formen på hindringene og endringen av målposisjonen i det kjente miljøet. På den andre siden er den foreslåtte glidemoduskontrollen en viktig metode for å håndtere systemet. Denne kontrolleren demonstrerer en god sporing forestillinger som robusthet, stabilitet og rask respons. Simuleringsresultater utføres På en Plattform Khepera IV for å demonstrere at den foreslåtte metoden er et godt alternativ for å løse baneplanlegging og banesporingsproblemer.

som et fremtidig arbeid kan det være interessant å bestemme stier i dynamisk miljø.

Datatilgjengelighet