Kablo ile sürülen eksik sınırlandırılmış ortamsal bir paralel robotun pekiştirmeli öğrenme ile yörünge planlaması
Trajectory planning with reinforcement learning for a spatial under-constrained cable-driven parallel robot
- Tez No: 969728
- Danışmanlar: DR. ÖĞR. ÜYESİ CANER SANCAK
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Elektrik ve Elektronik Mühendisliği, Mechanical Engineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tezde, kablo ile sürülen eksik sınırlandırılmış ortamsal bir paralel robotun uç işlemcisinin ve kablolarının çalışma ortamındaki engele çarpmadan hareket etmesini sağlamak amacıyla, bir pekiştirmeli öğrenme yöntemi olan Derin Q Ağı kullanılarak yörünge planlaması yapılmış ve deneysel olarak uygulanmıştır. Bu amaçla yapılan çalışmalarda, benzetim ortamında oluşturulan robot modeli üzerinde pekiştirmeli öğrenme eğitimleri gerçekleştirilmiş, eğitimler sonucu elde edilen pekiştirmeli öğrenme ajanı ile uç işlemci ve kabloların engele temas etmeden hedefe ulaşması sağlanmıştır. Benzetim ortamında eğitilen yapay sinir ağları, geliştirilen deneysel KSPR sistemde kullanılmış ve böylece gerçek ortam performansları test edilmiştir. Gerçek ortamdaki objelerin konum ve boyut bilgileri, bir RGB-D kameradan alınan derinlik ve renk verilerinin işlenmesiyle elde edilmiş; bu veriler pekiştirmeli öğrenme ajanına gözlem olarak verilmiştir. Yapılan bu testlerde ajan, engelsiz ortamda %98, engelli ortamda ise %80 başarımla çarpışma olmadan hedefe ulaşmıştır. Ek olarak engelli ortam için eğitilen ajan, örnek bir tut-yerleştir senaryosu üzerine uygulanarak test edilmiş; böylece sistemin uygulamalarda kullanılabilirliği ve gerçek görev koşullarına uyarlanabilirliği ortaya konmuştur.
Özet (Çeviri)
In this thesis, trajectory planning is carried out using a reinforcement learning method, the Deep Q-Network (DQN), to ensure that the end-effector and cables of an under-constrained spatial cable-driven parallel robot move in the workspace without colliding with obstacles. For this purpose, reinforcement learning training is performed on the robot model created in the simulation environment, and the end-effector and cables reach the target without contacting obstacles using the reinforcement learning agent obtained as a result of the training. The artificial neural networks trained in the simulation environment are used on the developed experimental CDPR system, thus testing their performance in the real environment. The position and size information of real-world objects is obtained by processing the depth and color data from an RGB-D camera, and these data are provided to the reinforcement learning agent as observations. In these tests, the agent reaches the target without collision with a success rate of 98% in an obstacle-free environment and 80% in an environment with an obstacle. In addition, the agent trained for the obstacle environment is applied to a sample pick-and-place scenario, thereby demonstrating the applicability of the system in real tasks and its adaptability to actual operating conditions.
Benzer Tezler
- Design and tele-impedance control of a variable stiffness transradial hand prosthesis
Değişken esnekliğe sahip dirsek altı el protezinin tasarımı ve uzaktan empedans kontrolü
ELİF HOCAOĞLU ÇETİNSOY
Doktora
İngilizce
2014
Mekatronik MühendisliğiSabancı ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
DOÇ. DR. VOLKAN PATOĞLU
- Kablo ile sürülen paralel düzlemsel robot manipulatörler için uyarlamalı kontrolcü tasarımı
Adaptive controller design for cable driven parallel planar robot manipulators
HAYRİ HOCAOĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TÜRKER TÜRKER
- Kablo ile sürülen paralel robotların model tabanlı ve pekiştirmeli öğrenme ile konum denetimi
Position control of cable-driven parallel robot with model-based and reinforcement learning method
FATMA YAMAÇ
Yüksek Lisans
Türkçe
2020
Makine MühendisliğiKaradeniz Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET İTİK
- Kablo ile sürülen paralel bir robotun tahmin ve öğrenme temelli yöntemler ile konum ve düzlem dışı titreşim denetimi
Position and out-of-plane vibration control of a cable-driven parallel robot with estimation and learning-based methods
CANER SANCAK
Doktora
Türkçe
2022
Mekatronik MühendisliğiKaradeniz Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET İTİK
- Novel mechanism and controller design for hybrid force-position control of humanoid robots
İnsansı robotlarda birleşik kuvvet-konum kontrolü için yenilikçi mekanizma ve kontrol tasarımı
CİHAT BORA YİĞİT
Doktora
İngilizce
2018
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. PINAR BOYRAZ