طراحی بهینه مسیر ربات با درجه آزادی اضافی با استفاده از روشهای محاسباتی نرم
Abstract(in Persian; no English abstract is available)
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