- Abstrakt
- 1. Inledning
- 2. Mobilrobotmodell
- 3. Banplaneringsalgoritm
- 3.1. Principen för den föreslagna algoritmen
- 3.2. Statiska Vägplaneringssteg
- 3.2.1. Val av säker väg
- 3.2.2. Bestämning av den kortaste vägen
- 3.3. Problem undersökning
- 3.3.1. Kollisionsfara Problem
- 3.3.2. Problem med lokala Minima
- 4. Glidande läge Kontroll
- 5. Simuleringsresultat
- 6. Slutsats
- Datatillgänglighet
Abstrakt
för närvarande är banplaneringsproblemet ett av de mest undersökta ämnena inom autonom robotik. Det är därför att hitta en säker väg i en rörig miljö för en mobil robot är ett viktigt krav för att lyckas med ett sådant mobilt robotprojekt. I detta arbete presenteras en utvecklad algoritm baserad på fria segment och en vändpunktsstrategi för att lösa problemet med robotvägplanering i en statisk miljö. Syftet med vändpunktsmetoden är att söka efter en säker väg för den mobila roboten, för att få roboten att flytta från en startposition till en destinationsposition utan att träffa hinder. Denna föreslagna algoritm hanterar två olika mål som är banans säkerhet och banlängden. Dessutom föreslås en robust kontrolllag som kallas glidlägesreglering för att styra stabiliseringen av en autonom mobilrobot för att spåra en önskad bana. Slutligen visar simuleringsresultaten att det utvecklade tillvägagångssättet är ett bra alternativ för att få den adekvata vägen och visa effektiviteten i den föreslagna kontrolllagen för robust spårning av mobilroboten.
1. Inledning
numera betraktas robotar som ett viktigt element i samhället. Detta beror på att människor ersätts av robotar i grundläggande och farliga aktiviteter. Att utforma en effektiv navigationsstrategi för mobila robotar och se till att deras värdepapper är de viktigaste frågorna i autonom robotik.
därför är vägplaneringsproblemet ett av de mest intressanta och undersökta ämnena. Syftet med robotvägplaneringen är att söka efter en säker väg för den mobila roboten. Även vägen krävs för att vara optimal. I den meningen har flera forskningsarbeten som hanterar vägplaneringsproblemet föreslagits i litteraturen . Hittills har många metoder använts för vägplanering av mobila robotar. Bland dessa strategier, geometri rymdmetod såsom artificiellt potentiellt fält, Agorafob Algoritmoch Vektorfälthistogram . Dessa metoder ger kursvinkeln för att undvika hinder. Strategin för dynamiska windows har använts i . Detta tillvägagångssätt är en hastighetsbaserad lokal planerare som beräknar den optimala kollisionsfria hastigheten för en mobil robot. En annan metod som används i heter turning point searching algorithm som består av att hitta en punkt runt vilken den mobila roboten vänder utan att träffa hinder.
på andra sidan har flera forskningsarbeten för spårningskontroll av en mobilrobot med hjul fått uppmärksamhet i litteraturen . Det icke-holonomiska systemet lider av olinjäritet och osäkerhetsproblem. På grund av denna osäkerhet har banfelet för en mobilrobot med hjul alltid producerats och kan inte elimineras. I denna mening föreslås många spårningsmetoder i litteraturen som proportionell Integral härleda (PID) styrenhet men denna styrenhet blir instabil när den påverkas av sensorns känslighet . Dessutom används en fuzzy logic controller i men denna kontrolllag har en långsam svarstid på grund av den tunga beräkningen . Andra verk som används glidande läge controller i olika tillämpningar . Syftet med detta styrsystem är dess försäkring för stabilitet, robusthet, snabb respons och god övergående .
syftet med den utvecklade strategin är att lösa problemet när roboten är placerad mellan två hinder som följande: hur roboten kan upptäcka att avståndet mellan de två hindren är tillräckligt säkert för att nå målet utan kollision och hur man undviker hinder och flyttar mellan två hinder på kortaste vägen. Det är därför detta arbete bygger på att välja säkra fria segment i en miljö som belastas av hinder för det första. Därefter tillämpas en utvecklad vändpunktssökningsalgoritm för att bestämma slutpunkten för det säkra fria segmentet som ger den kortaste vägen. Denna strategi är inspirerad av den strategi som ges av Jinpyo och Kyihwan . I själva verket hanterar strategin i två grundläggande mål: banlängden och bansäkerheten. Detta tillvägagångssätt fokuserar först på att söka slutpunkten för ett fritt segment som ger den kortaste vägen. Om avståndet för det valda fria segmentet är större än robotdiametern betraktas slutpunkten som en vändpunkt. Om så inte är fallet måste den spela upp algoritmen för att söka efter en ny slutpunkt för de fria segmenten. Nackdelarna med denna strategi är att den först fokuserar på att hitta den kortaste vägen utan att ta hänsyn till säkerheten och därefter fokuserar den på att säkerställa en säker vägnavigering som leder till en omfattande och tung beräkning och behöver mer tid för att planera den adekvata vägen för en mobil robot. För att övervinna dessa nackdelar tjänar vår utvecklade algoritm till att först säkerställa banans säkerhet genom att välja de säkraste fria segmenten. Sedan söker den sökvägslängden genom att bestämma slutpunkten för de säkraste fria segmenten som ger den kortaste vägen. Med hjälp av denna strategi kan vi snabbt bestämma den säkraste och kortaste vägen. Dessutom, när vägen är planerad, används en spårningslag baserad på glidlägesregulator för att roboten ska följa den utformade banan.
vårt bidrag är att utveckla en ny algoritm för att lösa problemet med robotvägsplanering med statiska hinder undvikande. Denna planering, även kallad statisk banplan, presenterar fördelen med att säkerställa säkerhet och korthet på vägen. Dessutom kännetecknas den föreslagna algoritmen av ett reaktivt beteende för att hitta en kollisionsfri bana och jämn väg. På andra sidan bör den mobila roboten spåra banan utan kollision med hinder. Så föreslås en glidlägeskontroll för att garantera robusthet, stabilitet och reaktivitet.
resten av detta dokument är organiserat enligt följande. Avsnitt 2 presenterar den mobila robotmodellen som används i detta arbete. De olika stegen i den föreslagna algoritmen för banplaneringsändamål beskrivs i detalj i Avsnitt 3. I Avsnitt 4 används en glidlägesregulator för banspårning. Slutligen presenteras och analyseras simuleringsresultat och slutsatser i Avsnitt 5 respektive 6.
2. Mobilrobotmodell
flera forskningsarbeten för autonom navigering har tillämpats på olika typer av mobila robotar . I det här arbetet betraktar vi Khepera IV-mobilroboten som har två oberoende drivhjul som ansvarar för att orientera och beordra plattformen genom att agera på varje hjuls hastighet. Således visas den schematiska modellen för den mobila roboten Khepera IV med hjul i Figur 1.
den kinematiska modellen för en icke-holonomisk mobil robot ges enligt följande: där (, ) är robotens kartesiska koordinater, är vinkeln mellan robotens riktning och axel, och är, respektive, roboten höger och vänster hjulhastigheter, och är avståndet mellan de två hjulen.
3. Banplaneringsalgoritm
för att lösa banplaneringsproblemet föreslås en algoritm baserad på att hitta vändpunkten för ett fritt segment.
3.1. Principen för den föreslagna algoritmen
ett fritt segment betraktas som avståndet mellan två slutpunkter för två olika hinder (se Figur 2). Den söker slutpunkten för ett säkert segment där den mobila roboten vänder sig om denna punkt utan att träffa hinder.
när det inte finns några hinder uppstår inte vägplaneringsproblemet. Faktum är att roboten flyttar från en initial position till en målposition i en rak linje som kommer att betraktas som den kortaste vägen. Men när den mobila roboten stöter på hinder som visas i Figur 2 , ska roboten svänga utan kollision med hinder. Så det stora problemet är hur man bestämmer en lämplig väg från en utgångspunkt till en målpunkt i en statisk miljö. För att lösa detta problem föreslås vår utvecklade algoritm för att söka efter en vändpunkt för ett säkert fritt segment som ger den kortaste vägen och gör att roboten kan undvika hinder. När vändpunkten är belägen, är en farlig cirkel med radie fixerad i denna punkt. I det här fallet syftar vår föreslagna strategi till att söka efter vändpunkten för det säkra fria segmentet kring vilket roboten vänder säkert. För att säkerställa säkerheten väljer vi det segment vars avstånd () är större än robotdiametern med en säkerhetsmarginal (). Å andra sidan betraktas segmentet vars avstånd är mindre än robotdiametern som ett farosegment (se Figur 2). I detta arbete tar vi hänsyn till endast säkra segment och fartsegment ignoreras. Dessutom, och för att bestämma den kortaste vägen, har vi bestämt punkten för det säkraste segmentet som ger den kortaste vägen. Då fixeras en farlig cirkel vid denna punkt och roboten vänder och rör sig mot tangentiell riktning till denna cirkel. Även när det finns ett faraproblem kommer vår föreslagna algoritm att vara reaktiv så att roboten kan undvika hinder och nå målet. I detta fall reserverar roboten den bestämda vändpunkten och söker efter en ny vändpunkt för att undvika kollision med hinder. För att mer klargöra vår strategi införlivas algoritmens olika begrepp i Figur 2 och grundprincipen sammanfattas i ett flödesschema som presenteras i Figur 3.
3.2. Statiska Vägplaneringssteg
syftet med detta avsnitt är att hitta en säker väg så kort som möjligt. I detta tillvägagångssätt definieras det som den väg som har tangentiell riktning till cirkeln som ligger på den sökta vändpunkten.
3.2.1. Val av säker väg
den säkra vägen syftar till att hitta en fri väg som hjälper roboten att nå målet utan att träffa hinder i miljön. Valet av ett säkert segment måste följa nästa steg: (i) steg 1: Ta reda på alla fria segment av miljön (se Figur 4). Ekvationer (2) och (3) visar hur man bestämmer värdet på avståndet som förbinder punkter och och avståndet som förbinder punkter och : var (, ) (=2..5) motsvarar koordinaten för slutpunkter för fria segment.(ii) Steg 2: Det segment vars avstånd ( är större än betraktas som ett säkert segment. Segmentet vars avstånd är mindre än betraktas som ett farosegment. Endast säkra segment beaktas för resten av detta arbete. Farliga segment vars nummer ignoreras. I det här steget definierar vi antalet säkra segment somnär säkerhetskriterierna har hanterats är vi i nästa avsnitt intresserade av att bestämma den kortaste vägen.
3.2.2. Bestämning av den kortaste vägen
när roboten går för att nå målpositionen är det viktigt att göra det på den kortaste vägen som möjligt. Målet att bestämma den kortaste vägen kan delas in i tre steg: (i)steg 1: Beräkna avstånd och mellan roboten och målet med hänsyn till det säkra fria segmentet (se Figur 5). Dessa avstånd bör beräknas enligt följande: (ii) Steg 2: det gäller bestämningen av vändpunkten som definieras som den punkt runt vilken den mobila roboten vänder för att undvika hinder; processen uppnås efter jämförelse av avstånden och . Slutpunkten för det säkra fria segmentet som ger den kortaste vägen motsvarar den sökta vändpunkten som visas i Figur 5.(iii) steg 3: det gäller placeringen av den farliga cirkeln. När vändpunkten är bestämd, är en farlig cirkel med radie fixerad vid denna punkt som visas i Figur 6.
3.3. Problem undersökning
även den adekvata vägen bestäms, vissa problem kan kvarstå vars resultat gör roboten skadad och kan inte undvika hinder. Vissa problemfall framhävs i detta arbete.
3.3.1. Kollisionsfara Problem
Banplaneringsproblem innebär att banan ska vara tillräckligt säker för att gå igenom utan kollision. Ett kollisionsfarproblem kan dock kvarstå i vissa fall: (i) fall 1: Om det finns en korsning mellan roboten och hindret. För att bättre konkretisera problemet ges Figur 7: väg 1 presenterar ett exempel på en mobil robot där den är infångad av hindret och det kan inte undvika det. För att ta bort kollisionen mellan robotvägen och hindret presenteras väg 2 och vänds runt en andra farlig cirkel med radie . Så vi kan dra slutsatsen att väg 2 är tillräckligt säker för att roboten ska gå till destinationspunkten utan kollision.(II) Fall 2: om avståndet mellan linjetangenten för den farliga cirkeln och ändpunkten för ett hinder (se figur 8) är mindre än robotradien (), tillämpas en vändpunktsalgoritm och en farlig cirkel centreras vid lämplig vändpunkt (se Figur 9).
3.3.2. Problem med lokala Minima
ett lokalt minima-problem kan uppstå när alla segment är farliga eller roboten är infångad med hinder. För att fly från en sådan situation går roboten långt ifrån dessa hinder tills den når målet (se Figur 10).
4. Glidande läge Kontroll
efter planering av banan för roboten Khepera IV, en glidande läge controller föreslås för robust spårning bana (). I denna strategi behövs två positioner för att vara kända som visas i Figur 11: den önskade positionen = () som definieras som den önskade positionen som ska nås och den aktuella robotpositionen = som definieras som dess verkliga position just nu. Dessutom kallas skillnaden mellan referenspositionen och den aktuella positionen spårningsfelpositionen =(, , ). Uttrycket av definieras i ekvation (7) enligt följande:
Spårningsbanan kan introduceras som att hitta den adekvata kontrollvektorn (är den linjära hastigheten hos den mobila roboten med hjul och är dess vinkelhastighet). Så att felpositionen konvergerar asymptotiskt till noll. Den autonoma mobila roboten styrs enligt processen att utforma en glidlägesregulator är uppdelad i två steg:(i)steg 1: valet av glidytan: definieras som omkopplingsfunktionen eftersom kontrollen växlar sitt tecken på sidorna av omkopplaren . Därför väljs =0 vid den första omkopplingsfunktionen. När = 0 definieras Lyapunov-kandidatfunktionen som . Sedan bestämmer vi tidsderivatet av V: vi märker det för . Vi definierar som en omkopplingskandidatfunktion. Därefter ges uttrycket av vektorn av glidytor enligt följande: (ii)Steg 2: bestämningen av kontrolllagen: utformningen av en glidlägesregulator måste först upprätta ett analytiskt uttryck för det adekvata tillståndet under vilket staten rör sig mot och når ett glidläge. Ett chatterande fenomen kan dock orsakas av de ändliga tidsfördröjningarna för beräkningar och begränsningar av kontrollen. Det är därför omkopplingsfunktionen definieras som en mättnadsfunktion. Kontrolllagen definieras då som det noteras att reaching-styrsystemet inte bara kan fastställa reaching-tillståndet utan också kunna specificera dynamiken i omkopplingsfunktionen. Genom att differentiera vektorn för glidytorna definierade i ekvation (10) får vi var
5. Simuleringsresultat
i mobil robotnavigering anses byggandet av miljön vara en viktig fråga för att utföra rörelseplaneringsoperationer. I det här avsnittet, för att visa den föreslagna algoritmens grundläggande förmåga, presenterar vi några simuleringsresultat. I alla simuleringar kommer vi att presentera resultat av en miljö inklusive sju hinder som placeras på ett godtyckligt sätt (se Figur 12). Tabell 1 presenterar de initiala centrumkoordinaterna för statiska hinder.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
simuleringarna utförs för de fall där målkoordinaten (,) är fixerad medan robotpositionen ändras.
i det här avsnittet presenterar vi fallet när roboten startar från de ursprungliga positionerna (, )=(0, 0) och (, )=(400, 0) som visas i figurerna 13(A) och 13(b), där alla fria segment är säkra. Vi märker att roboten vänder runt cirklar som ligger i tillräckliga vändpunkter och når målet för varje modifiering av robotpositionen.
(a) navigering med säkra segment ((, )=(0, 0)).
b) navigering med säkra segment ((, )=(400, 0)).
(c) navigering med säkra och farliga segment ((, )=(0, 0)).
(D) navigering med säkra och farliga segment ((, )=(400, 0)).
(a) navigering med säkra segment ((, )=(0, 0)).
b) navigering med säkra segment ((, )=(400, 0)).
(c) navigering med säkra och farliga segment ((, )=(0, 0)).
(D) navigering med säkra och farliga segment ((, )=(400, 0)).
även hindercentren ändrade sina positioner som visas i Tabell 2, och bannavigeringsförändringarna visas i figurerna 13(c) och 13(d) på grund av utseendet på fartsegment.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
figur 16 illustrerar navigeringen av den mobila roboten med säkra segment och farosegment. Den roboten börjar från olika initiala positioner (, )=(0, 0) (se figurerna 14 a och 14 c och (, )=(400, 0) (se figurerna 14 b och 14 d. Hindercentrets koordinater behandlas i tabell 3.
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
(a) navigering med säkra segment ((, )=(0, 0)).
b) navigering med säkra segment ((, )=(400, 0)).
(c) navigering med säkra och farliga segment ((, )=(0, 0)).
(D) navigering med säkra och farliga segment ((, )=(400, 0)).
(a) navigering med säkra segment ((, )=(0, 0)).
b) navigering med säkra segment ((, )=(400, 0)).
(c) navigering med säkra och farliga segment ((, )=(0, 0)).
(D) navigering med säkra och farliga segment ((, )=(400, 0)).
en annan simuleringsresultat presentera fallet där alla fria segment är säkra(se figurerna 15(A) och 15 (b)). Roboten vänder sig om de farliga cirklarna tills den når det önskade målet. Genom att ändra hindercentra som visas i Tabell 4 noterar vi utseendet på farliga segment. Roboten tar bara hänsyn till de fria segmenten och rör sig i den säkra banan (se figurerna 15(c) och 15(d)).
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
(a) navigering i fall säkra segment ((, )=(0, 0)).
(B) navigering i fall säkra segment ((, )=(400, 0)).
(c) navigering i fall säkra och farliga segment ((, )=(0, 0)).
(D) navigering i fall säkra och farliga segment ((, )=(400, 0)).
(a) navigering i fall säkra segment ((, )=(0, 0)).
(B) navigering i fall säkra segment ((, )=(400, 0)).
(c) navigering i fall säkra och farliga segment ((, )=(0, 0)).
(D) navigering i fall säkra och farliga segment ((, )=(400, 0)).
(a) navigering med säkra segment ((, )=(0, 0)).
b) navigering med säkra segment ((, )=(400, 0)).
c) navigering med farliga segment ((, )=(0, 0)).
(D) navigering med farliga segment ((, )=(400, 0)).
(a) navigering med säkra segment ((, )=(0, 0)).
b) navigering med säkra segment ((, )=(400, 0)).
c) navigering med farliga segment ((, )=(0, 0)).
(D) navigering med farliga segment ((, )=(400, 0)).
figurerna 16 (A) och 16 (b) visar att den mobila roboten säkerställer att den når destinationen genom att undvika olika hinder. Tabell 5 visar de centrala hinderpositionerna. I det här fallet konstaterar vi att det finns ett lokalt minima-problem. Därför går roboten långt bort från hinder och rör sig direkt till målet (se figurerna 16(c) och 16(d)).
|
|||||||||||||||||||||||||||||||||||||||||||||||||||
från alla simuleringsresultat är det uppenbart att den utvecklade strategin är mycket reaktiv eftersom roboten uppnår hinderundvikande i varje modifiering av roboten och målpositionerna och i närvaro av säkra och farliga segment.
efter planering av den säkraste och kortaste vägen krävs det för mobilroboten att spåra referensbanor baserade på glidlägesregulator. Figur 17 visar att den mobila roboten alltid följer referensbanan.
(a) spårning planerad väg i Figur 15(a).
(b) spårning planerad väg i figur 16(b).
(a) spårning planerad väg i Figur 15(a).
(b) spårning planerad väg i figur 16(b).
för att mer illustrera prestandan hos glidlägesregulatorn, felpositionerna och de två hastigheterna (höger och vänster) på hjulen för fallen. Figurerna 15 a och 16 b presenterades i figurerna 18 och 19. Figur 18 visar att spårningsfelen tenderar att nollas vilket gör det möjligt att dra slutsatsen att det föreslagna kontrolllagssystemet ger en bra spårningsbana.
A) fallet i Figur 15 a.
(B) fallet i figur 16 (b).
A) fallet i Figur 15 a.
(B) fallet i figur 16 (b).
A) fallet i Figur 15 a.
B) fallet i figur 16 b.
A) fallet i Figur 15 a.
B) fallet i figur 16 b.
utöver detta presenterar figur 19 utvecklingen av två hastigheter (höger och vänster) på hjulen. Till exempel, för figur 19(b), går den mobila roboten initialt med samma hastigheter för båda hjulen. Så snart hinder 1 upptäcks ger styrsystemet en större höger hjulhastighet jämfört med vänster hjulhastighet. Efter att ha passerat hinder 1 är de två hastigheterna lika tills roboten når målet. Så snart hinder 2 upptäcks ger styrsystemet en större höger hjulhastighet än vänster hjulhastighet. Efter att ha passerat hinder 2 märker vi att hastigheten på det vänstra hjulet är större än det högra hjulet. Detta för att vända mobilroboten till målpositionen. När roboten är orienterad mot målet är de två hastigheterna lika tills roboten når målet.
6. Slutsats
i denna uppsats presenteras en algoritm som söker efter en vändpunkt baserad på fria segment. Den hanterar två olika mål: den säkra vägen och banlängden. Fördelen med den utvecklade algoritmen är att roboten alltid kan flytta från startpositionen till målpositionen, inte bara säkert utan också på den kortaste vägen oavsett hinderens form och förändringen av målpositionen i den kända miljön. På andra sidan är den föreslagna glidlägeskontrollen en viktig metod för att hantera systemet. Denna styrenhet visar en bra spårning prestanda såsom robusthet, stabilitet och snabb respons. Simuleringsresultat utförs på en plattform Khepera IV för att visa att den föreslagna metoden är ett bra alternativ för att lösa banplanering och banspårningsproblem.
som ett framtida arbete kan det vara intressant att bestämma vägar i dynamisk miljö.