مسیریابی ربات خودمختار با الگوریتم PSO در نرم افزار متلب

مسیریابی ربات خودمختار

در این بخش پروژه مسیریابی ربات خودمختار را با الگوریتم PSO آماده کردیم که در نرم افزار MATLAB پیاده سازی شده و کدهای آن دارای کامنت گذاری و فیلم نحوه اجرا می باشد. در ادامه به معرفی ربات های خودمختار و قابلیت های آنها پرداخته و فیلم و تصاویری از خروجی این پروژه رباتیک قرار داده شده است.

معرفی ربات های خودمختار

ربات های خودمختار (Autonomous Robots) ربات ‌هایی می باشند که قادر باشند تا وظایف دلخواه را در یک محیط بدون ساختاربندی و بدون هدایت پی در پی انسان انجام بدهند. اغلب ربات ‌ها تا اندازه ‌ای عمل خودمختاری را دارند و از این سیستم به خوبی استفاده می کنند. نوع درجه بندی خودمختاری به ویژه در حوضه هایی همچون اکتشاف فضایی، تمیز کردن کف، چمنزنی و بازیافت فاضلاب مناسب می باشد. خودمختاری در سیستم های رباتیک، عمل مستقل ربات ها از انسان یا مرکز فرمان است. یک ربات می تواند چندین نوع وظیفه داشته باشد و هر وظیفه نیز می تواند به صورت خودمختار عمل کند یا عمل نکند. به هر یک از وظیفه هایی که ربات به صورت مستقل انجام می دهد، درجه خودمختاری گفته می شود.

قابلیت های ربات تمام خودمختار

رباتی که سیستم تمام خودمختاری داشته باشد، می تواند از محیط اطراف اطلاعات بدست آورد، به صورت طولانی مدت بدون دخالت انسان فعالیت کند، قسمتی از خودش (مثل بازوها) را بدون کمک انسان به حرکت درآورد، از موقعیت ‌هایی که به انسان ها، لوازم و یا به خود ربات می اواند آسیب وارد کند پرهیز نماید مگر اینکه آن موقعیت ‌ها قسمتی از مشخصات تعریف شده طرح آن ربات باشد.

انتخاب مسیر حرکت

انتخاب بهترین مسیر حرکت در محیط های غیرقابل مشاهده و پویا، یکی از موضوعات چالش برانگیز در طراحی ربات های خودمختار می باشد. حرکت ربات‌ های خودمختار به هوش و یادگیری آنها وابسته می باشد که در پروژه حاضر، یادگیری با استفاده از الگوریتم بهینه‌ سازی ازدحام ذرات (الگوریتم PSO) انجام می شود که یک روش جستجوی جمعی می باشد که با توجه به رفتار اجتماعی دسته ‌های پرندگان مدل شده ‌است.

تصاویری از خروجی پروژه مسیریابی ربات خودمختار

شکل 2

شکل 3

شکل 4

شکل 5

شکل 6

شکل 7

شکل 8