MPC-GRAPH: Nonlinear feedback motion planning using sparse sampling based neighborhood graph
MPC-GRAPH: Seyrek örnekleme bazlı komşu grafiği kullanarak doğrusal olmayan geri beslemeli hareket planlama
- Tez No: 715646
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA MERT ANKARALI
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Modern uygulamaların son derece dinamik ve belirsiz doğa senaryoları göz önüne alındığında, sağlam ve güvenli geri bildirim hareket planlaması ve navigasyonu, otonom mobil robot sistemleri için kritik bir görevdir. Bu nedenlerden dolayı, geri beslemeli kontrol teorisinde derin kökleri olan hareket planlama ve navigasyon algoritmaları, son zamanlarda bu alanın merkezinde yer almaktadır. Ancak bu tür poliçelerin çoğunluğu hala hareket planlayıcısının öncelikle zamana bağlı yörüngelerden oluşan açık döngü seti oluşturduğunu kabul etmektedir. Sonrasında geri bildirimli kontrol poliçesi seti oluşturulan bu yörüngeleri belli hata sınırları çerçevesinde takip eder. Yörünge bazlı yaklaşımların aksine, bazı araştırmacılar birbirine bağlı engelsiz alanlar yaklaşımını kullanarak geri beslemeli hareket planlaması yöntemi geliştirdiler. Bu yaklaşımda lokal kontrol poliçesinin amacı robotun özel olarak belirlenmiş bağlı engelsiz bölgeler arasında hareket planlamasını gerçekleştirmektir. Bu çalışmada seyrek rastgele komşuluk grafiklerini ve kısıtlı doğrusal olmayan Model Öngörülü Kontrolcü (MPC) kullanarak, bir hareket planlama algoritması öneriyoruz. Algoritma ilk olarak birbirine bağlı dikdötgenlerden oluşan seyrek bir komşuluk grafiği oluşturur. Sonrasında, robotun hareket kontrolü için MPC bazlı geri beslemeli kontrol poliçesi doğrusal dinamikleri olmayan robotu bir dikdörtgensel bölgeden diğerine hareket ettirir. Bu hareket esnasında da sistemin durum ve girdi kısıtlarının ihlal edilmediğinden sistemin kararlılığını da garanti ederek emin olur. Bu çerçevede, birbirine bağlı bölgelerin başlangıç ve bitiş noktalarını kapsadığını varsayarsak, robotu herhangi bir hedef noktasına sürebiliriz. Bu tez çalışmasında, algoritmanın geçerliliğini ve uygulanabilirliğini farklı robot hareket modellerini içeren simülasyon ortamında test ettik. Çalışmamız başlıca Suüstü İnsansız Araçlar üzerinde hareket planlama algoritması geliştirilmesi üzerinde yoğunlaşmaktadır. Algoritmamızın gürültü varlığında gürbüzlüğünü gösterebilmek için sisteme gürültü uyguladık. Algoritmamızın örnekleme performansını literatürde karşılatığımız benzer yöntemlerle karşılaştırdık. Sonuçlar MPC-Graph algoritmasının seyrek bir grafik oluşturduğunu ve gürültü varlığında bile sistemi hedef noktasına ulaştırabildiğini göstermektedir.
Özet (Çeviri)
Robust and safe feedback motion planning and navigation is a critical task for autonomous mobile robotic systems considering the highly dynamic and uncertain nature scenarios of modern applications. For these reasons motion planning and navigation algorithms that have deep roots in feedback control theory has been at the center stage of this domain recently. However, the vast majority of such policies still rely on the idea that a motion planner first generates a set of open-loop possibly time-dependent trajectories, and then a set of feedback control policies track these trajectories in closed-loop while providing some error bounds and guarantees around these trajectories. In contrast to trajectory-based approaches, some researchers developed feedback motion planning strategies based on connected obstacle-free regions, where the task of the local control policies is to drive the robot(s) in between these particular connected regions. In this work, we propose a feedback motion planning algorithm based on sparse random neighborhood graphs and constrained nonlinear Model Predictive Control (MPC). The algorithm first generates a sparse neighborhood graph as a set of connected simple rectangular regions. After that, during navigation, an MPC based online feedback control policy funnels the robot with nonlinear dynamics from one rectangle to the other in the network, ensuring no constraint violation on state and input variables occurs with guaranteed stability. In this framework, we can drive the robot to any goal location provided that the connected region network covers both the initial condition and the goal position. In this thesis, we demonstrate the effectiveness and validity of the algorithm on simulation studies which include four different robot motion models. Our work mainly focuses on motion planning applications implemented on Unmanned Surface Vehicles (USV). In order to show the robustness of the proposed algorithm, we applied process noise to the system and report the results. We compare the sampling performance of the proposed algorithm with sampling-based neighborhood graph method. The results show that MPC-Graph algorithm generates a more sparse graph structure and can drive the robot to the goal location in the presence of process noise.
Benzer Tezler
- Motion planning and control of underactuated systems over optimized trajectories
Kısıtlı tahrikli sistemlerin optimize yörüngeler üzerinde hareket planlaması ve kontrolü
EMİNALP KOYUNCU
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA MERT ANKARALI
- An artificial neural network based emergency controller to improve transient stability in power systems
Güç sistemlerinde geçici kararlılığı artırmak için yapay sinir ağı tabanlı acil durum kontrolörü
KASRA MONTAKHABI OSKOUEI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL MURAT İSTEMİHAN GENÇ
- Distributed nonlinear model predictive formation control of quadrotor type UAVs in cluttered and dynamic environments
Yoğun ve dinamik engelli ortamda dönerkanat İHA'ların dağıtık doğrusal olmayan model öngörülü formasyon kontrolü
MUHLİS SAMİ SATIR
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA MERT ANKARALI
DOÇ. DR. EROL ŞAHİN
- SLAB ısıtma fırınlarında enerji verimliliğine yönelik uyarlamalı ve model öngörülü kontrol
Adaptive nonlinear model predictive control for energy efficiency in SLAB reheating furnaces
DENİZ KAVAK
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. YAPRAK YALÇIN
- Nonlinear model predictive control with real time iteration for F-16 attitude control
F-16 duruş kontrolü için gerçek zamanlı iterasyon iledoğrusal olmayan model öngörülü kontrol
SİYAMİ GÜRKAN KUZUCU
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA DOĞAN