Использование искусственных нейронных сетей при разработке алгоритма поиска оптимального пути мобильных роботов в динамических средах

Аннотация

Ushbu maqolada biz dinamik muhitda ishlaydigan mobil robotlar uchun yo'lni optimal rejalashtirishga erishish uchun sun'iy neyron tarmoqlarni (ANN) yo'lni rejalashtirish texnikasi bilan birlashtirgan algoritmik asosni taklif qilamiz. Asosiy maqsad - to'siqlar va turli xil atrof-muhit sharoitlarini hisobga olgan holda, robotlarni dinamik bo'shliqlar bo'ylab samarali boshqarish. Matlab dasturining ROS uskunalar panelida simulyatsiyalar va real tajribalar orqali yondashuvimizning samaradorligini ko'rsatamiz. Bizning natijalarimiz samaradorlik va muvaffaqiyat darajasi bo'yicha mavjud yo'lni rejalashtirish algoritmlariga nisbatan ayrim ko‘rsatkichlari yuqori samaradorlikni ko'rsatadi. Kalit so‘zlar: ANN, Ros, Artificial neural networks, BPNN, Back Propagation in Neural Network Neyron, Mobil robot, dinamik muhit. Mobil robot yo'lini rejalashtirish modeli Yo'lni rejalashtirish mobil robot navigatsiyasi va boshqaruvining asosidir. Mobil robot yo'lini rejalashtirishning maqsadi joriy pozitsiyadan maqsadli pozitsiyaga yo'lni topishdir. Yo'l imkon qadar qisqa bo'lishi kerak, yo'lning silliqligi mobil robotning dinamikasiga mos kelishi kerak va yo'lning xavfsizligi to'qnashuvsiz bo'lishi kerak[2]. Ushbu tadqiqotda o'rganilgan yo'lni rejalashtirish vazifasi ikki g'ildirakli differentsial mobil robotga asoslangan. Robot chiziqli harakat, burilish va aylana bo'ylab burilish kabi o'zboshimchalik bilan traektoriya harakatlariga erishish uchun ikkita haydash g'ildiragi tezligini boshqara oladi. 1-rasmda robotning qo'shni vaqt oralig'idagi pozasi ko'rsatilgan, buning asosida kinematik model o'rnatiladi[5]. t vaqtidagi mobil robotning koordinata tizimi pozasi Wt=[x,y,θ]T agar t + Δt vaqtida mobil t t t robotning koordinata pozasi bo'lsa W =[x ,y ,θ ]T chap va o'ng t+Δt t+Δt t+Δt t+Δt harakatlanuvchi g'ildiraklar orasidagi masofa L, chap va o'ng harakatlanuvchi g'ildiraklarning tezligi vl va [[Mathtype-mtef1-eqn-5.mtf]], robotning chiziqli tezligi va burchak tezligi mos ravishda v va ō: Ideal harakat holatidagi mobil robotning tezligi v : 𝑣 +𝑣 𝑣 = 𝑙 𝑟 (1) 2 1-rasm . Mobil robotlarning Robotning burchak tezligi: ō = 𝑣 𝑙 +𝑣 𝑟 (2) yo'lni 𝐿 rejalashtirish harakat modeli. Bir lahzali egrilik radiusi R 𝑣 R= (3) ō θ =θ =θ, shu Δt dan keyin robotning yo'nalish 1 2 burchagi quyidagicha o'zgaradi: θ =θ+θ (4) t+Δt t Pozitsiyadan harakat Wt=[x,y,θ]T uchun W =[x ,y ,θ ]T radiusi R t t t t+Δt t+Δt t+Δt t+Δt bo'lgan dumaloq yoy sifatida qaralishi mumkin. Agar yoy robotning haqiqiy traektoriyasini taxmin qilish uchun ishlatilsa, geometrik munosabatlar quyidagicha bo'lishi kerak: 𝒙 𝒙 + 𝐑(sin(𝛉 + 𝛉) − sin𝛉 ) 𝐭+Δ𝐭 𝐭 𝒕 𝒕 [𝒚 𝐭+Δ𝐭 ] = [𝒚 𝐭 + 𝐑(cos(𝛉 𝒕 + 𝛉) − cos𝛉 𝒕 ],θ ≠ 0 (5) θ θ + θ 𝐭+Δ𝐭 𝐭 26 Yuqoridagi tenglamalarni birlashtirgan holda, differentsial mobil robotning harakat tenglamasini quyidagicha olish mumkin: 𝑳(𝒗 +𝒗) 𝒙 + 𝒓 𝒍 𝐑(sin(𝛉 + 𝛉) − sin𝛉 ) 𝒙 𝐭 𝒕 𝒕 𝐭+Δ𝐭 𝟐(𝒗 −𝒗) 𝒓 𝒍 [𝒚 𝐭+Δ𝐭 ] = 𝒚 + 𝑳(𝒗 𝒓 +𝒗 𝒍 ) 𝐑(cos(𝛉 + 𝛉) − cos𝛉 ,θ ≠ 0 (6) θ 𝐭 𝟐(𝒗 −𝒗) 𝒕 𝒕 𝒓 𝒍 𝐭+Δ𝐭 [ θ + θ ] 𝐭 ANN (Artificial neural networks -Sun'iy neyron tarmoqlari) - bu biologik neyron tarmoqlarning tuzilishi va funktsiyasini simulyatsiya qiluvchi matematik yoki hisoblash modeli bo'lib, u funktsiyalarni taxmin qilish yoki taxmin qilish uchun ishlatiladi. ANN bo'yicha tadqiqot ishlarini doimiy ravishda chuqurlashtirish bilan u nutqni aniqlash, naqshni aniqlash, avtomatik boshqarish va bashoratli baholash sohalarida katta yutuqlarga erishdi. ANN kompyuterlar uchun echish qiyin bo'lgan ko'plab muammolarni muvaffaqiyatli hal qildi, yaxshi ish faoliyatini ko'rsatdi. ANN ning amaliy qo'llanilishida ko'pchilik neyron tarmoq modellari yaxshi chiziqli bo'lmagan xaritalash qobiliyatiga, o'z-o'zini o'rganish qobiliyatiga va xatolarga chidamliligiga ega bo'lgan orqa tarqalish neyron tarmog'i (BPNN) va uning transformatsiyasidan foydalanadi. U asosan naqshni aniqlash, funktsiyalarni yaqinlashtirish, ma'lumotlarni siqish, bashorat qilish va tasniflash kabi ko'plab jihatlardan foydalanadi. Shuning uchun robot yo'lini tahlil qilish uchun modellashtirishning asosi sifatida eng vakillik BPNN tanlanadi[4]. ANN odatda bir nechta BPNN (Back Propagation in Neural Network Neyron tarmoqda orqaga tarqalishi) qatlamlari va bir nechta neyronlardan iborat bo'lib, ular asosan kirish qatlamiga, yashirin qatlamga va chiqish qatlamiga bo'linadi, bu erda kirish vektori bo'lishi kerak: x=[x ,x ,x ...x,...x ],i=1,2,....m (7) 1 2 3 i m Chiqish vektori quyidagicha bo'lishi kerak: y=[y ,y ,y ...y ,...y ],k=1,2,....n (8) 1 2 3 k n Yashirin qatlamning neyron kirishi quyidagicha bo'lishi kerak: h(l)=[h(l) ,h(l) ,h(l)3...h(l),...h(l) ],j=1,2,....sl (9) 1 2 j sl Bu yerda: sl - 1-qavatdagi neyronlar soni; deb faraz qilsak w(l) 1 qatlamdagi j- ij chi neyron orasidagi bog'lanish og'irligi,b(l) 1-qavatdagi i-neyronning pog'onasidir va i net(l) 1-qavatdagi i-neyronning kirishi bo'lsa, quyidagi tenglama olinadi: i h(l)=f (net(l)) (10) i i net(l)= ∑𝑠𝑙−1 w(l) h(l−1) j+b(l) (11) i 𝑗=1 ij i Bu erda kirish qatlamining chiqish qatlamiga fu