+ - دوره ۸ ‏(۱۳۹۶)
موقعیت یابی ربات خودمختار بر اساس الگوریتم تکامل تفاضلی
عنوان (انگلیسی): Localization of autonomous robot based on differential evolution algorithm
نشریه: فصلنامه صنایع الکترونیک
شماره: فصلنامه صنایع الکترونیک (دوره: ۸، شماره: ۱ (بهار ۹۶))
نویسنده: رمضان هاونگی
کلیدواژه‌ها : فيلتر ذره‌اي ، تکامل تفاضلی ، فيلتر كالمن توسعه يافته ، موقعيت‌يابي
کلیدواژه‌ها (انگلیسی): Particle filter , Localization , Differential evolution , EKF
چکیده:

موقعيت‌يابي بر اساس فيلتر ذره‌اي يکي از مهمترین روش‌ها است. با وجود اين،‏ اين روش داراي مشكل هزينه محاسباتي بالا،‏ عدم سازگاري و تباهيدگي است. در اين مقاله برای رهایی از این مشکلات به مسئله موقعيت‌يابي ربات از زاویه جدیدی به مسئله موقعیت یابی نگاه شده است. در روش پیشنهادی،‏ مسئله موقعیت یابی به یک مسئله بهینه‌سازی تبدیل شده و سپس از یک الگوریتم تکامل تفاضلی(DE)‎ براي تخمين موقعيت و جهت ربات استفاده شده است. الگوريتم‌ پيشنهادي در فضاي حالت ربات شروع به جستجو مي‌كند و موقعیت ربات را با توجه به اطلاعات مسافت پيمايي،‏ فاصله-ياب ليزي و نقشه محيط در هر لحظه بدست مي‌آورد . یکی از مزایای موقعيت‌يابي بر اساس روش پیشنهادی در این است که مانند موقعیت‌یابی براساس فیلتر ذره‌ای نیاز به تابع توزيع پيشنهادي و گام نمونه‌برداري مجدد ندارد. بنابراین خطر تباهیدگی کاهش می‌یابد. عملكرد موقعيت‌يابي مبتنی برتکامل تفاضلی با موقعیت‌یابی مبتنی بر فيلتر كالمن توسعه يافته و فيلتر ذره‌اي مورد ارزيابي قرار گرفته است. نتايج نشان مي‌دهد كه عملكرد موقعیت‌یابی مبتنی بر الگوریتم تکامل تفاضلی بهتر از ساير الگوريتم‌هاي موقعيت‌يابي مي‌باشد.

چکیده (انگلیسی):

The Localization based on particle filter is one of the important methods. However, this approach has high computational cost, inconsistency and degeneracy problem. In this paper, to solve these problems, the localization problem is converted to an optimization problem. Then the differential evolution algorithm is used to solve this problem. The proposed algorithm searches stochastically along the state space of robot and obtain the best estimate position based of odometery, laser range finder and map of environment. One advantage of the proposed method is that it requires no proposal distribution and resampling step like localization based EKF and PF. Therefore, the risk of degeneracy decreases. The performance of localization on differential evolution (DE) is compared with localization based on extended Kalman filter (EKF) and particle filter. Simulation result shows that performance of localization based on differential evolution filters is better than others algorithms of localization.

فایل مقاله : [دریافت (651.2 kB)] ‏175 دریافت تاكنون
صاحب امتیاز:
صنایع الکترونیک ایران
مدیر مسئول:
- - -
سردبیر:
آقای دکتر محمد کاظم مروج فرشی
مدیر داخلی:
علی طیبی