Βελτιστοποίηση ελεγκτών ρομποτικών οχημάτων με τη μέθοδο Βελτιστοποίησης Σµήνους Σωματιδίων.

Abstract

Σκοπός της παρούσας μεταπτυχιακής εργασίας είναι η μελέτη της επίδρασης αλγορίθμων βελτιστοποίησης σµήνους σωματιδίων, σε έντροχα ρομποτικά οχήματα που έχουν τη δυνατότητα να κινούνται αυτόνομα σε άγνωστο περιβάλλον με χρήση ελεγκτών ανεπτυγμένων με εργαλεία υπολογιστικής νοημοσύνης και συγκεκριμένα ασαφών ελεγκτών. Αναλύεται η επίδραση της διαδικασίας βελτιστοποίησης στη συμπεριφορά των οχημάτων (ταχύτητα, χρόνος επίτευξης στόχου, αποφυγή εμποδίων κλπ.) καθώς και γίνεται διερεύνηση της επίδρασης διαφορετικών συναρτήσεων αξιολόγησης στην διαδικασία βελτιστοποίησης. Η συγκεκριμένη μελέτη υλοποιείται με συνδυασμένη χρήση του ρεαλιστικού προσομοιωτή V-REP για την αναπαράσταση ενός προσομοιωμένου ρομποτικού οχήματος Pioneer, με την ταυτόχρονη χρήση του υπολογιστικού πακέτου MATLAB για την πραγματοποίηση των σχετικών υπολογισμών. Με τη συγκεκριμένη προσέγγιση οι βελτιστοποιημένοι ελεγκτές επέδειξαν εύρωστη συμπεριφορά και τα οχήματα ήταν σε θέση να πραγματοποιούν τον επιθυμητό σκοπό με μεγαλύτερη ταχύτητα από τους ευρετικά σχεδιασμένους ελεγκτές. Κατά τη διεξαγωγή των πειραμάτων αναδείχθηκε η σημαντικότητα του ρόλου της συνάρτησης αξιολόγησης στην εξέλιξη της βελτιστοποίησης και στην επίδραση της συμπεριφοράς του οχήματος.

In the context of this thesis, we have studied how we can use Particle Swarm Optimization (PSO) algorithms, to optimize the behavior of fuzzy logic controlled autonomous mobile robots, operating in an unknown environment. We have formally analyzed and studied the impact that this process has on the actual form of the derived controllers and to the overall behavior of the robots in terms of speed, ability to achieve certain targets and to avoid obstacles. The overall implementation was done using a client-server schema, were the roborealistic simulator V-REP was the server and was used to simulate the behavior of the mobile robot, while MATLAB was the client application in which all the necessary calculations were taking place. The optimized controllers exhibit robust behavior and they outperformed the heuristically designed controllers in all cases. With the aforementioned procedure the effect of different cost functions in the optimization process and therefore in the final controllers was highlighted.