Skip to main content
SUPERVISOR
Mehdi Keshmiri,Saeed Behbahani
مهدی کشمیری (استاد راهنما) سعید بهبهانی (استاد مشاور)
 
STUDENT
Mohammad Saberian
محمد صابریان

FACULTY - DEPARTMENT

دانشکده مهندسی مکانیک
DEGREE
Master of Science (MSc)
YEAR
1388
The path planning problem has been studied extensively over the past decades. The goal of path planning is to find the robot motion trajectory versus time. The path planning is an important subject in robotic systems and manipulators to successfully use to their abilities for performing difficult tasks in different fields. The path planning problem is a well studied problem of robot intelligence, to which different approaches were applied, for example: neural networks(NN), potential fields, genetic algorithms(GA), particle swarm optimization(PSO). Generally speaking, these methods are classified into two categories according to the characteristics of the environment, namely the off-line global path planning and the on-line local path planning based on detecting unknown environments. In known static environments, the path can be planned offline. For unknown task spaces and environments with unpredictable changes, which require online path planning, speed and accuracy of computational algorithms are very important. Due to the redundancy in redundant robots, the path planning is regarded as an optimization problem. This optimization can be resolved dynamically or parametrically. Because of very slow and difficult solution process in dynamic optimization, this problem should be solved parametrically, in which the optimal path is generated by finding the best combination of known functions. In this thesis, the optimal paths for redundant manipulators are found by intelligent algorithms that optimize the kinematic and dynamic index through the given path of end-effector in the task space. This algorithm has been applied on a plannar 3-link robot and a cooperative robot. To validate the present work, the results of proposed algorithms have been compared with the result of the high precision search method. For different states and constraints, the optimal path is generated by soft computing techniques, including genetic algorithm, artificial bee colony optimization and particle swarm optimization. By comparing the results, it is found that the particle swarm optimization is faster and more accurate than the others. Therefore, it is used to generate data for training neural networks in online path planning. Neural networks is employed for online path planning in dynamic environments for known and unknown path of end-effector in the task space. The unknown path is calculated through the optimization problem with assuming the specified initial and target points of the end-effector. In this method, the path planning is performed in both static and dynamic environment. Two methods are proposed, where the optimal path is generated by detecting the position of obstacle in the first method and by detecting the position and measuring the velocity of obstacle in the second method and for correcting the errors, the algorithm is presented. Keywords: Path Planning, Redundant manipulator, Optimization, Soft Computing Techniques,
یکی از مسایل مهم در سیستم های رباتیکی و بازوهای مکانیکی، طراحی مسیر است. مسئله طراحی مسیر در محیط های شناخته شده می تواند به صورت خارج از خط انجام گیرد. اما چنانچه محیط حرکتی ربات بطور کامل شناخته شده نباشد و تغییرات از قبل پیش بینی نشده ای داشته باشد، طراحی مسیر عملا می بایست بصورت همزمان انجام گیرد و در این طراحی مسیر، سرعت و دقت محاسباتی الگوریتم های مورد استفاده از اهمیت ویزه ای برخوردار است. چنانچه مسئله طراحی مسیر همراه با بهینه سازی یک تابع مشخص باشد و در اصطلاح، طراحی یک مسیر بهینه مدنظر باشد، این مشخصه های الگوریتم های محاسباتی، اهمیت مضاعفی خواهند داشت. مسئله طراحی مسیر در ربات های با افزونگی درجه آزادی به دلیل همین افزونگی منجر به حل یک مسئله بهینه سازی می شود. این مسئله هم می تواند به صورت بهینه سازی محض یا بهینه سازی دینامیکی حل شود و هم می تواند به صورت بهینه سازی پارامتری یا بهینه سازی جبری انجام گیرد. در مسئله طراحی مسیر بهینه به صورت پارامتری با فرض توابع حل به صورت ترکیبی از توابع شناخته شده، در عمل مسئله بهینه سازی منجر به پیداکردن بهترین ترکیب و ضرایب مربوط به آن می شود. در این پایان نامه، برای طراحی بهینه مسیر، از الگوریتم های هوشمند بهره گرفته شده است. طراحی مسیر بهینه بازوهای مکانیکی با افزونگی درجات آزادی در فضای مفاصل، به گونه ایانجام می گیرد که مسیر داده شده در فضای کار را دنبال کرده و در حین حرکت اندیس سینماتیکی و دینامیکی داده شده ای بهینه گردد و این کار برای یک ربات صفحه ای سری و یک ربات صفحه ای موازی در حضور قیدهایی که شامل معادلات دینامیکی و سینماتیکی حاکم می باشند، انجام می شود. به منطور اعتبارسنجی پاسخ الگوریتم ها در ابتدا پاسخ آن ها با روش جستجو مقایسه شده است. برای هر یک از حالات مختلف مسئله و قیدها، طراحی مسیر با استفاده از الگوریتم های هوشمند، شامل الگوریتم ژنتیک، الگوریتم بهینه سازی دسته ذرات و الگوریتم بهینه سازی کلونی زنبورها، انجام شده و نتایج آن ها با هم مقایسه می شوند. با مقایسه این نتایج مشخص شده است که در طراحی بهینه مسیر، الگوریتم بهینه سازی دسته ذرات از سرعت و دقت بسیار بهتری نسبت به دیگر الگوریتم های هوشمند مورد استفاده، برخوردار است. به همین دلیل از این الگوریتم به منظور تولید داده ، برای آموزش شبکه عصبی در طراحی بهینه مسیر به صورت بلادرنگ بهره گرفته شده است. در ادامه مسئله طراحی مسیر در محیط دینامیکی و با استفاده از شبکه عصبی انجام می گیرد. این طراحی مسیر در ابتدا برای حالتی که مسیر حرکت پنجه معلوم است و سپس برای مسیر نامعلوم حرکت پنجه و با مشخص بودن نقطه ابتدا و انتهایی مسیر انجام می شود که در این حالت می بایست مسیر حرکت در طی مسئله بهینه سازی محاسبه شود. در این بخش نیز طراحی مسیر در دو حالت محیط استاتیکی و دینامیکی انجام می شود و در محیط دینامیکی از شبکه عصبی استفاده شده و در این طراحی مسیر دو روش ارائه شده که در روش اول از سنجش موقعیت مانع و در روش دوم از سنجش موقعیت و سرعت مانع برای تخمین مسیر استفاده می شود و چون خطا اجتناب ناپذیر است،الگوریتمی برای اصلاح خطا ارائه شده است. کلمات کلیدی: طراحی مسیر، ربات های افزونه، بهینه سازی، الگوریتم های هوشمند، موقعیت و سرعت مانع، همزمان(بلادرنگ)

ارتقاء امنیت وب با وف بومی