Differential evolution method for mobile robot optimal trajectory planning

Bu yayında önerilen yöntemle, mobil robotlarda, çevreden gelen kısıtlamalar (engeller) ve robotun hız ve ivme gibi fiziksel kısıtlamaları dikkate alınarak, önceden görünebilirlik grafik metoduyla (VGM) planlanmış yol üzerinde zaman-optimal yörünge bulunmuştur. Yörüngeler, düz kısımlardan (dönme ivmesi as=0 ve dönme hızı vs=0) ve eğri kısımlardan (öteleme ivmesi at=0 ve öteleme hızı vt= sabit ) oluşturulmuşlardır. Eğri kısımları oluşturmak için sadece q  (dönüş açısı) ve vt (eğri kısım öteleme hızı) parametrelerinin bilinmesi yeterli olmaktadır. Olası tüm eğri kısımlar kümesi (qÎ(0,p]° ve vt [0,40] inç) içerisinden evrimsel bir global optimizasyon metodu olan diferansiyel evrim (DE) ile, engellerle çakışmayan zaman-optimal amaç ölçütünü sağlayan yörüngenin seçilmesi gerçeklenmiştir. Anahtar Kelimeler: Mobil robot, optimizasyon, yörünge planlama, diferansiyel evrim.A method is proposed to find the time optimal trajectory on predefined path of mobile robots, which is found by using visibility graph method. Constraints from environment (obstacles) and physical constraints (i.e. steering and translational accelerations/velocities) are taken into consideration in the method. The planned trajectories are composed of line segments (steering accaleration/deceleration as=0 and velocity vs0=0) and curve segments (translational acceleration/deceleration at=0 and velocity vt= vt0). The structures of the curves are determined by only two parameters: q, turn angles, these are produced by visibility graph method and vt, translational velocities on the curve segments, these are the elements of the parameter vector. A curves set is formed by all possible curves in parameters range qÎ(0,p]° and vt [0,40] inch. Then diferrential evolution (DE), that is an evolutionary optimizastion method is used to find time optimal trajectory from this set. The curve segments are formed in two ways: a) serial expansion of the robot?s equations (Mclauren series) and b) artificial neural networks (YSA). YSA model is used to form the curves instead of serial expansion of the robot?s equations. Thus, the optimization time is decreased to approximately 1/7. There is no need to a controller for tracking the planned trajectory. Keywords: Mobile robot, optimisation, trajectory planning, differential evolution