مقایسه روش های دمپستر_شافر ارتقاء یافته(یاگر) و فیلتر کالمن در تلفیق داده های حسگرها جهت موقعیت یابی یک تراکتور مدل در محیط های کشاورزی

Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 158

This Paper With 18 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_ERAMS-22-78_006

تاریخ نمایه سازی: 3 دی 1401

Abstract:

موقعیت یابی وسیله نقلیه با هر ساختار، فضای کاری و وظیفه، یکی از اساسی ترین مسائل در حوزه اتوماسیون ماشین های کشاورزی و پیش نیاز حرکت وسیله نقلیه است که همواره دارای چالش و مورد توجه پژوهشگران بوده است. در این پژوهش، روش دمپستر-شافر ارتقاءیافته (یاگر) و فیلتر کالمن به عنوان دو ابزار اصلی تلفیق و پردازش داده های حسگرهای موقعیت یابی یک تراکتور مدل، برای دستیابی به بهترین تخمین در موقعیت یابی با توجه به شرایط محیطی متغیر مورد استفاده قرار گرفتند. همچنین با ارائه روشی جدید، وزن دهی ابتدایی به اطلاعات هر یک از حسگرها شامل حسگر موقعیت یابی جهانی، حسگر اثر ماند و دورسنج چرخ ها با توجه به میزان اطمینان از صحت هر یک انجام شد. معادلات هندسی حاکم بر تراکتور مدل استخراج شده و از یک کنترلر تناسبی- انتگرال گیر- مشتق گیر برای کنترل سینماتیکی تراکتور مدل در شبیه ساز مکانیکی Sim-Mechanics نرم افزار Matlab پیاده سازی شد. همچنین با استفاده از دو معیار آشکارساز مغناطیسی و میانگین مربع خطا میزان خطای موقعیت یابی در دو روش فیلتر کالمن و دمپستر- شافر ارتقاءیافته (یاگر) مقایسه شد. در حالت اعمال نوفه نرمال گوسی، فیلتر کالمن با متوسط خطای ۸۲/۲ درصد عملکرد بهتری از روش دمپستر-شافر ارتقاءیافته (یاگر) با ۸۸/۴ درصد خطا در معیار میانگین مربع خطا، داشت. اما در شرایط اعمال نوفه غیرگوسی که در محیط واقعی نیز وجود دارد، فیلتر کالمن با خطای ۲/۴ درصدی همراه بود، حال آنکه رفتار روش دمپستر- شافر در مواجهه با این شرایط بهبود یافته و میانگین خطایی برابر ۱/۳ درصد داشت. در شرایط محیطی واقعی و آزمایش عملی نیز روش دمپستر-شافر ارتقاءیافته (یاگر) نسبت به فیلتر کالمن عملکرد دقیق تری دارد. در انتها لازم به ذکر است که با توجه به میزان خطای اندک روش دمپستر- شافر ارتقاءیافته در محیط واقعی، تجهیزات تراکتور مدل را می توان در مقیاس صنعتی و برای تراکتورهای کشاورزی واقعی استفاده نمود که گامی بلند در راستای اتوماسیون ماشین های کشاورزی است.

Keywords:

اتوماسیون ماشین های کشاورزی , سنسورهای موقعیت یاب , ربات متحرک , روش های تلفیق داده

Authors

فرهاد چابک

کارشناسی ارشد گروه بین رشته ای فناوری، بخش مکاترونیک و ممز، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

علیرضا رضائی

استادیار گروه بین رشته ای فناوری، بخش مکاترونیک و ممز، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

میلاد اسدپور

دانشجوی کارشناسی ارشد گروه بین رشته ای فناوری، بخش مکاترونیک و ممز، دانشکده علوم و فنون نوین، دانشگاه تهران، تهران، ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • Dempster, A. P. (۱۹۶۷). Upper and lower probabilities induced by ...
  • Denœux, T., & Li, Sh., & Sriboonchitta, S. (۲۰۱۷). Evaluating ...
  • Edan, Y. (۱۹۹۵). Design of an autonomous agricultural robot. Applied ...
  • Xiao, F. (۲۰۲۰). A new divergence measure for belief functions ...
  • Gazavati, J., Mohammadzamani, D., Abbasgolipour, M., Mohammadialasti, B., & Ranji, ...
  • Hall, D., & Llinas, J. (۱۹۹۷). An introduction to multisensor ...
  • Liu, Y., Pal, N., Marathe, A., & Lin, C. (۲۰۱۸). ...
  • Lu, C. C., Ying, K. C., & Chen, H. J. ...
  • Morgan, K. (۱۹۵۸). A step towards an automatic tractor. Farm ...
  • Panl, L., & Deng, Y. (۲۰۱۸). A new belief entropy ...
  • Rezaee, A. (۲۰۱۷). Model predictive controller for mobile robot. Transactions ...
  • Shafer, G. (۱۹۷۶). A mathematical theory of evidence. Journal of ...
  • Shi, H., Xuesi, Li., Pan, W., Hwang, K. S., & ...
  • Subramanian, V., Burks, T. F., & Arroyo, A. (۲۰۱۶). Development ...
  • Yutong, S., & Yong, D. (۲۰۱۹). A new method to ...
  • نمایش کامل مراجع