Feedback motion planning with stochastic model predictive control
Olasılıksal model tahminlemeli kontrol ile geri beslemeli hareket planlama
- Tez No: 733275
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA MERT ANKARALI, PROF. DR. AFŞAR SARANLI
- 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 ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 161
Özet
Hareket planlama ve navigasyon uygulamalarında güvenilir ve hassas kontrol yöntemlerinin kullanımı çok kritiktir. Güvenilirliği ve hassasiyeti sağlamak adına seçilen yöntemin çevreden ya da işlemin kendinden gelebilecek belirsizliği işleme dahil etmesi gerekmektedir. Fakat, kontrol metotlarının çoğunluğu belirsizliğin etkisini yok sayar ve bu durum birçok uygulamada kabul edilemez sonuçlara sebep olur. Bu tez adreslenen problem için belirsizlik ve kısıtları aynı anda hesaba katan yörüngeden bağımsız hareket kontrolü önermektedir. Bu çözüm için, Rastgele Örneklemeli Komşuluk Grafiği(SNG) yöntemine dayalı kısıtlanmış Olasılıksal Model Tahminlemeli Kontrol(SMPC) ile geri beslemeli hareket planlama önerilmiştir. SNG, robot navigasyonunda kullanılacak engel içermeyen alanı seyrek örneklemeli yöntem ile tanımlamaktadır. Bu yöntem yörüngeden bağımsız hareket kontrolüne imkan verirken seyrek alan tanımlaması sayesinde hızlı bir uygulama sağlamaktadır. Uzaklaşan Ufuk Kontrolcü yöntemlerinden biri olan SMPC, belirsizliğin olasılık dağılımları olarak tanımlandığı olasılıksal sistem modeli ile çalışmaktadır. Rastgeleliğin üstesinden gelmek amacıyla katı kısıtlar kullanmak yerine şans kısıtları tanımlanmıştır. Önerilen yöntemle yapılan simulasyon sonuçları iki boyutlu uzayda umut vadetmektedir. Farklı Uzaklaşan Ufuk Kontrolcüleri ile çeşitli Rastgele Komşuluk Grafiği yöntemleri MATLAB ortamında test edilmiştir. Kısıtsız, katı kısıtlı ve şans kısıtlı, olasılıksal ya da deterministik sistem modelleri kullanan farklı kontrolcülerin başarım oranları çeşitli gürültü seviyelerinde kıyaslanmıştır. Sonuçlar hareket planlama için seyrek grafik kullanımının uygulamayı hız ve işlem maliyeti yönlerinden etkilerken hareket kontrolü için sadece olasılıksal yaklaşımın güvenli ve hassas bir uygulama sağladığını göstermektedir.
Özet (Çeviri)
In real-world applications of motion planning and navigation, it is crucial to have a robust and accurate control policy. To achieve robustness and accuracy, the selected policy should handle the uncertainty in the process, which may arise from the surrounding environment or the process itself. However, most methods ignore the effects of uncertainty and cause inadmissible results for several applications. This thesis brings a solution to the addressed problem by proposing a trajectory-free motion control method that includes both the uncertainties and the constraints. In this solution, we propose constrained Stochastic Model Predictive Control (SMPC) for feedback motion planning application based on a Sampling-Based Neighborhood Graph (SNG). SNG defines a collision-free area to navigate the robot by adopting a sampling-based approach. While allowing a trajectory-free motion control, this approach provides a faster application due to its sparsity. SMPC, a receding horizon control approach for motion control, works on a stochastic system model by modeling the uncertainty as probabilistic distributions. Instead of using constraints of system boundaries, it defines chance constraints for handling stochasticity. The simulations of the proposed solution in a 2-D environment gave promising results. We tested different receding horizon control policies paired with various sampling-based motion planning approaches in MATLAB. We compared the successes of the controller with and without constraints and under chance constraints with stochastic and deterministic system models under different noise levels. The results show that having a sparse graph for motion planning affects the application's speed and computational cost while only adopting a stochastic approach can provide safe and accurate robot motion planning and navigation under uncertainty.
Benzer Tezler
- Feedback motion planning of a novel fully actuated unmanned surface vehicle via sequential composition of random elliptical funnels
Tam tahrikli insansız yüzey aracının rassal eliptik hunilerin sıralı bileşimi ile geri beslemeli hareket planlaması
OĞUZ ÖZDEMİR
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA MERT ANKARALI
- 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
SİMAY ATASOY
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MUSTAFA MERT ANKARALI
- 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
- Implementations of novel cellular nonlinear and cellular logic networks and their applications
Yeni hücresel doğrusal olmayan ve hücresel lojik ağların gerçeklemeleri ve uygulamaları
RAMAZAN YENİÇERİ
Doktora
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MÜŞTAK ERHAN YALÇIN
- Otonom tarım robotlarının hareket planlaması ve yörünge takibi kontrolüne yüzey eğimi etkilerinin incelenmesi
Investigation of the inclination effects on motion planning and path following control of the autonomous agricultural robots
ELİF ULUSAL
Yüksek Lisans
Türkçe
2019
Makine MühendisliğiZonguldak Bülent Ecevit ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN BAYAR