استفاده از الگوریتم ژنتیک جهت بهینه سازی مسیر روبات با وجود موانع ناشناس

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,082

This Paper With 29 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

DMECONF01_147

تاریخ نمایه سازی: 9 مرداد 1395

Abstract:

در طراحی مسیر حرکت ربات در یک محیط ناشناخته با موانع ثابت و متحرک، یکی از موضوعات چاش برانگیز یافتن یک مسیر بهینه جهانی از نقطه شروع به نقطه هدف و بدون برخورد است این مقاله یک روش جدید بهنگام برای ایجاد مسیر بهینه بدو برخورد برای رباتهای متحرک حسگر محور که یا ک هدف متحرک را با وجود موانع ثابت و متحرک دنبال میکند، ارائه میدهد فرض میشود که حرکت موانع و هدف برای ربات کاملا ناشناخته می باشد و همه اینموارد بهنگام محاسبه خواهد شد الگوریتم ابتکاری ترسیم شبکه، محیط و فضا ی جواب مسئله را از حاشت پیوسته و فضای جواب نامتنهای به حاشت گسسته و فضای جواب محدود با جوابها ی مطلوبتر تقلیل میدهد در ادامه با استفاده از الگوریتم ژنتیک و اطلاعات حاصل از مرحله قبل کوتاهترین مسیر برای حرکت ربات انتخاب میشود نتایج شبیه سازی شده نشان میدهد که مسیر پیموده شده کمترین طول را دارد و زمان اجرای آ بطور چشمگیری کمتر از الگوریتم های ارائه شده تاکنون هستند این نتایج نشان میدهدکه الگوریتم جدید و کارای پیمایش ربات برای مسیریابی بهنگام در محیط های پویا و ناشاناخته و پیچیده، مسیرهای کوتاه را در زما کمتری ارائه میدهد

Keywords:

طراحی مسیر حرکت , اشگوریتم ژنتیک , اشگوریتم ترسیم شبکه ربات متحرک

Authors

حمزه ایمانی

دانشجوی کارشناسی ارشد مکاترونیک

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 :
  • _ حفیو افمعی _ _ _ _ _ موق ایوان ...
  • Al-Khatib, M. and Saade, J. J. An efficient data-driven fizzy ...
  • Cameron, S. Obstacle avoidance and path planning. Industrial Robo. 21, ...
  • Clark, C. M. 2005. Probabilistic Road Map Sampling Strategies for ...
  • Fiorini, P. and Shiller, Z. motion planning in dynamic environment ...
  • Fujimura, K., Time-minimum routs in time-dependent networks. ed. IEEE transactions ...
  • Giamberardino, P. D. and Saccone, R., A Neural Network based ...
  • Howord, A. and Kitchen, L. navigation using natural landarks. Robotics ...
  • Hu, H., Brady, M. and Probert, P., Navigation and control ...
  • Hwang, Y. K., , Robot path planing using potential field ...
  • Kang, D. and Hashimoto, H., path generation for Mobile Robots ...
  • Knobe, A. J., J.N, K. and Overmars, M. H., Robot ...
  • Kunwar, F., et al. Guidance-based on-line robot motion planning for ...
  • Lebedev, D. V., Neural network algorithm for path planning and ...
  • Lin, C. C. and Chuang, J. H., Potential-Based Path Planning ...
  • Noguchi, N. and Terao, H. Path planning of an agricultural ...
  • Rosen, C. A. and Nilsson, N. J., application of intelligent ...
  • Sanborn, J. and Hendler, J. A model of reaction for ...
  • Sanchez, G., Ramos, F. and Frausto, J., Locally-Optimal Path Planning ...
  • 1999 Santa Barbara, USA. ...
  • Vleugles, J. M., et al. Hunting Voronoi vertice, Computational Geometry: ...
  • Wang, Y. and Chirikjian, G. S., A New Potential Field ...
  • Yamamoto, M., Kobayashi, M. and Mohri, A. Parking Motion Planning ...
  • Yang, S. X. and Meng, M. An efficient neura network ...
  • Yong, K. H. Gross Motion Planning-A Survey. ACM Computin Surveys, ...
  • نمایش کامل مراجع