بهبود موقعیت یابی و نقشه برداری به طور همزمان برای یک ربات متحرک خودمختار در محیط های ناشناخته با استفاده از فیلتر کالمن بی رد و شبکه - عصبی المان

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 748

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

INCEE01_074

تاریخ نمایه سازی: 25 تیر 1393

چکیده مقاله:

موقعیت یابی و نقشه برداری به طور همزمان یکی از مهم ترین مسائل برای عملیات ربات متحرک خودمختار در یک محیط ناشناخته است که باید حل گردد. یک ربات بدون اطلاعات قبلی از محیط نیازمند این است که یک نقشه سازگار از محیط با حرکت در سرتاسر محیط ایجاد کند و سپس از این نقشه برای موقعیت یابی، برنامه ریزی و کنترل حرکت خود به طور همزمان استفاده کند. که این یک نقش مهم در هدایت خودمختار ربات متحرک بازی می کند. در این مقاله روش موقعیت یابی و نقشه برداری به طور همزمان مبتنی بر یک فیلتر ترکیبی برای یک ربات متحرک جهت غلبه بر خطاهائی که ذاتا در موقعیت یابی و نقشه برداری به طور همزمان متبنی بر فیلتر کالمن بی رد به دلیل فرآیند خطی سازی وجود دارد، ارائه دادیم. فیلتر ترکیبی ارائه شده شامل یک تابع المان، برای شبکه عصبی و فیلتر کالمن بی رد می باشد، که فیلتر کالمن بی رد سنگ بنائی برای برنامه های کاربردی موقعیت یابی و نقشه برداری به طور همزمان است. روش ارائه شده، براساس یک فیلتر ترکیبی، مزایایی در اداره رباتی با حرکت های غیرخطی به خاطر خصوصیت یادگیری که در شبکه عصبی تابع المان وجود دارد، دارا می باشد. نتایج شبیه سازی تاثیر الگوریتم ارائه شده در مقایسه با الگوریتم موقعیت یابی و نقشه برداری به طور همزمان مبتنی بر فیلتر کالمن بی رد نشان می دهد و الگوریتم ارائه شده در محیط های گسترده تر نیز کارائی خوبی را نشان می دهد.

کلیدواژه ها:

تابع المان ، فیلتر ترکیبی ، فیلتر کالمنبی رد ، موقعیت یابی و نقشه برداری به طور همزمان

نویسندگان

امین پناه

دانشجوی کارشناسی ارشد دانشکده تحصیلات تکمیلی گروه کامپیوتر، دانشگاه آزاد اسلامی واحد یزد، یزد، ایران

علی محمد لطیف

دانشکده برق و کامپیوتر، دانشگاه یزد، یزد، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • ] Kyung- SikChoi, Suk-Gyu Lee, "Enhanced SLAM for a Mobile ...
  • ENGINEE RING AND MANUFAC TURING vol. 11, No. 2, pp. ...
  • Zhu, J., Zheng, N., Yuan, Z., Zhang, Q. and Zhang, ...
  • Choi, M. Y., Sakthivel, R. and Chung, W. K., "Neural ...
  • R. Zhan and J. Wan, "Neural Network-Aided Adaptive Unscented Kalman ...
  • Cruse, Holk (2006). Neural Networks as Cybernetic Systems (2d and ...
  • Julier S.J., and Uhlmann J.K., _ New Extension of Kalman ...
  • Hu, Y. H. and Hwang, J. N., "Handbook of Neural ...
  • Scott F.Page, "Multiple-Opbj ect Sensor Managment and optimization". PHD Thesis, ...
  • and Mathematics School of Electronics and Computer science, June 2009. ...
  • Bailey, T., http ://www. personal.acfr. usyd .edu.au/tbailey ...
  • Harb, M., Abielmona, R., Naji, K. and Petriul, E., "Neural ...
  • Kim, J. M., Kim, Y. T. and Kim, S. S., ...
  • Vafaeesefat, A, "Optimum Creep Feed Grinding Process Conditions for Rene ...
  • Houshangi, N. and Azizi, F., :Accurate mobile robot position determination ...
  • Zu, L., Wang, H. K. and Yue, F., :Artificial neural ...
  • نمایش کامل مراجع