بکارگیری روش بهینه سازی دسته ذرات (PSO) در تعیین مشارکتی موقعیت ربات ها در سیستم های چند رباتی

تخمین وضعیت نسبی ربات های همکار در سیستم های چند رباته به عنوان یک عامل مهم در ایجاد هماهنگی کارامد بین رفتارهای یک گروه از ربات ها برای انجام ماموریت های مختلف محسوب می شود. اخیرا استفاده از روش های بهینه سازی تکاملی در شناسایی سیستم های غیرخطی مورد توجه قرار گرفته است که در این میان می توان روش بهینه سازی دسته ذرات (PSO) را نام برد. در این مقاله ما به دنبال تعیین وضعیت نسبی ربات های همکار از روی جابه جایی های تخمینی هر ربات و همچنین اندازه گیری های فاصله ای ربات- به- ربات می باشیم. به عبارتی مسیله تخمین وضعیت نسبی ربات ها به یک مسیله بهینه سازی چند بعدی تبدیل شد، سپس با توزیع تصادفی ذرات PSO به عنوان جواب های احتمالی در فضای n- بعدی کراندار (n تعداد پارامترهای مجهول)، پارامترهای بهینه مدل از روی داده های اندازه گیری نویزدار به دست آمد. مقایسه نتایج حاصل از الگوریتم پیشنهادی در قیاس با روش مرسوم حداقل مربعات غیرخطی نشان داد که روش PSO روشی کارا جهت تخمین پارامترهای مدل های غیرخطی بوده و نسبت به سطوح بالای نویز دارای حساسیت کمتری می باشد که نشانگر ضریب اطمینان بالای این روش می باشد.