نوع مقاله : مقاله پژوهشی
نویسندگان
1 دانشجوی مقطع کارشناسی ارشد، مهندسی مکانیک بیوسیستم دانشگاه تهران
2 عضو هیئت علمی گروه مهندسی مکانیک بیوسیستم دانشگاه تهران
3 دانشجوی دکترای مهندسی مکانیک بیوسیستم دانشگاه شهرکرد
چکیده
در حال حاضر پیشرفتهای زیادی در زمینة رباتها بهخصوص در زمینة رباتهای دریایی به منظورکاهش استفاده از نیرویکار، جلوگیری از قرارگیری نیرویکار در شرایط سخت و خطرناک آب، افزایش دقت در مراحل مختلف عملیات دریایی و همچنین بهینهسازی عملیات دریایی از جمله هیدروگرافی روی داده است. هدف از این طرح، طراحی و پیادهسازی سامانة تشخیص مانع برای قایق رباتخودران مروارید است که با استفاده از اطلاعات بهدست آمده از آن، بتوان برای عملیات اجتناب از مانع، تصمیمگیریکرد. قایق رباتخودران مروارید، قایقی بدون سرنشین است که عمق بندر امیرآباد را پایش و اطلاعات بهدستآمده را پس از تجزیه و تحلیل به دفتر پشتیبانی ارسال میکند. در این تحقیق به منظور دستیابی به قایقرباتی تمام خودکار که قادر به انجام عملیات هیدروگرافی در بندر امیرآباد باشد، یک سامانة تشخیص مانع با استفاده از پویشگر فاصلهیاب لیزری لیدار توسعه داده شد. این سامانه روی قایق مروارید که یک ربات خودران برای پایش بنادر است، نصب شد. با نصب این سامانه، مروارید میتواند موانع کوچک در حد 25 سانتیمتر را تا شعاع نزدیک به 100 متری خود تشخیص دهد و ربات را در تصمیمگیری به منظور اجتناب از برخورد با مانع، کمک کند. بهمنظور ارزیابی مروارید در حالتهای مختلف موانع، این ربات در مسیرهای منحنی شکل نامشخص در سطح آبهای دریاچه چیتگر تهران و بندر امیرآباد، آزمایش شد. تجزیه و تحلیلآماری نشان میدهد که سامانة تشخیص مانع مبتنی بر پویشگر لیزری لیدار، یک سامانة با دقت خیلی بالا و در حد میلیمتر میباشد و میزان خطای RMSE آن 96/1 الی 2/2% پهنای واقعی مانع میباشد و همچنینخطاهای RMSE محاسبهشده در برابر پهنای واقعی موانع و همچنین حجم و اندازة خیلی بزرگ موانع موجود در بنادر و دقت میلیمتری سامانة تشخیص مانع موجود، تقریبا ناچیز است، و میتوان از آن صرفنظر کرد.
کلیدواژهها
1- مقدمه
در سالهای اخیر، وسایل نقلیة بدون سرنشینکه امروزه کاربردهای روزافزونی در صنعت، صنایع نظامی و پژوهش در هوا و حوزههای زمینی و دریایی دارد، به محبوبیت بیشتری دست پیدا کردهاند. بهطور خاص، چالشهای مطرحشده دربارة رباتهای دریایی بدون سرنشین که در حضور دیگر ترافیکهای دریایی ناوبری میشوند، مواردی همچون افزایش خودران بودن آنها، اجتناب از موانع بهصورت خودکار و انطباق با قوانین عبور و مرور دریاییرا شامل میشود. طرح جامع USV[1] که برای نیروی دریایی ایالات متحده تاسیس شد، فهرستی از اهداف را برای توسعه خودرانی رباتهای دریایی طرحریزی میکند تا میزان مداخله در نظارت بر کار آنها کاهش یابد. این طرح بر اساس تحقیقات فراوان انجام شده تا به امروز، نیازهای خاص جهت توسعه این رباتها را هدف قرارداده است که ناوبری، هدایت، کنترل و برنامهریزی حرکت در درجه اول اهمیت میباشند. برای اجتناب از موانع در محیطهای دریایی، قوانین یکپارچه بینالمللی در زمینة راهکارهای اجتناب از موانع تعبیه شدهاست (کمپبل، 2012)
یکی از مهمترین چالشها برای ناوبری وسایل نقلیة بدون سرنشین سطحی (USV)، تشخیص اهداف در اطراف وسیله نقلیة بدون دخالت انسان است. این کار تحت عنوان تشخیص هدف خودکار (ATD[2]) شناخته میشود (گال و همکاران، 2012). حسگرهاییکه معمولا برای تشخیص مانع در نظر گرفته میشوند عبارت از دوربینهای مسافتیابی (در پیکربندیهای تکچشمی و استریو) و حسگرهای مسافتیابی سونار[3]، آلتراسونیک[4]، رادار[5] و لیدار[6] میباشد. دوربینها با استفاده از تکنیکهای بلادرنگ، بهطور معمول وضوح زمانی و عرضی بالا، اما وضوح عمق و دقت نسبتا پایینی را ارائه میدهند. ولی حسگرهای مسافتیابی، قادر به ارائه وضوح عمق و دقت بالا هستند اما عمدتاً این کار را تنها با یک پرتو سیگنال انجام میدهند. برای تصویربرداری از یک صحنه، حسگرها اغلب این پرتو را در امتداد یک یا دو محور اسکن میکنند. علاوه بر این، عرض پرتوهای متفاوت حسگر، نشانگر انعطافپذیری حسگر برای حل مسائل نیز میباشد، همچنین این حسگرها در نرخهای اسکن یک و دو محوره، نرخهای پالس و گسترههای مؤثر، تا حد زیادی دارای مدلهای متفاوتی میباشند (هالترمن، 2010).
هدف از این طرح، طراحی و پیادهسازی سامانة تشخیص مانع برای قایق رباتخودران مروارید است که با استفاده از اطلاعات بهدست آمده از آن، بتوان برای عملیات اجتناب از مانع تصمیمگیریکرد. قایق رباتخودران مروارید، قایقی بدون سرنشین و طرحی سفارشی از طرف سازمان بنادر و دریانوردی است که قرار است عمق بندر امیرآباد را پایشکرده و اطلاعات بهدست آمده را پس از تجزیه و تحلیل به دفتر پشتیبانی ارسال کند.
1-1- بیان مسئله
از آنجا که بنادر، مکانهایی پر تردد و شلوغ هستند، کشتیها، قایقها و لنجها دایما در حال رفت و آمد در داخل آب هستند. لذا برای امنیت قایق ربات و همچنین انجام موفقیتآمیز عملیات پایش عمق بندر، سامانة تشخیص و اجتناب از مانع برای قایق ربات بدون سرنشین لازم و ضروری بهنظر میرسد که برخی از اهداف انجام این طرح عبارتند از:
(1) نصب و پیادهسازی سامانة تشخیص مانع در سطح آب توسط پویشگر فاصلهیاب لیزری لیدار،
(2) نوشتن الگوریتمی برای استخراج مسافت و عرض مانع و برخی پارامترهای دیگر مانند سرعت و زاویة قرارگیری مانع و مختصات موقعیت مانع و
(3) ارزیابی سامانة نصب شده و تعیین دقت آن برای مسافت و عرض مانع.
1-2- ضرورت و اهمیت پژوهش
همزمان با پیشرفت علم و صنعت، نیاز به پیشرفت در زمینههای رباتیکی و مکاترونیکی نیز برای افزایش بازدهی به شدت احساس میشود. در حال حاضر پیشرفتهای زیادی در زمینة رباتها بهخصوص در زمینة رباتهای دریایی بهمنظور کاهش استفاده از نیروی کار، جلوگیری از قرارگیری نیروی کار در شرایط سخت و خطرناک آب، افزایش دقت در مراحل مختلف عملیات دریایی و همچنین بهینهسازی عملیات دریایی از جمله هیدروگرافی، روی داده است. پویشگر لیزری (لیدار) یک فناوری سنجش از راه دور است که فاصله را با بمباران یک هدف بهوسیله نور لیزر و تجزیه و تحلیل نور برگشتی اندازهگیری میکند. مهمترین مزیت استفاده از پویشگر لیزری لیدار، دقت و وضوح بالای آن در فراهمکردن مسافتهای اندازهگیری میباشد (لادها و همکاران، 2009). سامانة تشخیص مانع میتواند روی یک وسیله نقلیة در حال حرکت همچون هواپیما، جنگنده، پرندههای چهار موتور (کوادکوپتر)، موشک، زیردریایی و قایق و غیر آن، نصب شود و یا در یک ایستگاه ثابت برای اهداف نظارتی استفاده شود (چین چولکار و همکاران، 2014). با انجام این طرح انتظار میرود میزان آسیبهای ناشی از برخوردهای وسایل نقلیة دریایی در بنادر کاهش، و ایمنی قایق ربات افزایش یابد، همچنین نیروی انسانی و هزینة اپراتور به دلیل تشخیص مانع و ناوبری بدون استفاده از اپراتور کاهش، و راندمان کار پایش عمق بهدلیل تشخیص بهموقع موانع و پیوسته کارکردن قایق ربات افزایش یابد.
1-3- پیشینه تحقیق
درخصوص اتوماسیون وسایل نقلیة سطحی، تحقیقات بسیاری انجام شده است و برخی نیز تحت مطالعه میباشند، از آنجا که سامانة ناوبری کشتیها جهت نظارت، اکتساب دادهها و پردازش، به صورت دستی انجام میشود، همیشه در معرض خطاهای انسانی میباشند (ایدگی و همکاران، 2007). از آنجا که در بسیاری از منابع رایج است، وسایل نقلیة سطحیکنترلشده به صورت خودکار USV نامیده میشود (نعیم و همکاران، 2007). USV ها شناورهای دریایی خودرانی هستند که وظایف متعددی را در محیطهای پیچیده دریایی اجرا میکنند. USV ها میتوانند در بسیاری از کاربردهای دریایی مانند اقیانوسشناسی، نظارت بر محیط زیست، مسّاحی، نقشهبرداری و ناوبری و همچنین پشتیبانی ارتباطات برای زیردریاییها و تحقیقات رباتیکی عمومی استفاده شوند (مانلی، 2008).
بهمنظور اجرای موفقیتآمیز عملیات اجتناب از برخورد با موانع، ابتدا باید مانع را تشخیص داد و سپس از روشهای اجتناب از مانع استفاده کرد. تشخیص مانع به روشهای مختلفی مانند استفاده از دوربین و حسگرهای آلتراسونیک و حسگرهای مادون قرمز و پویشگرهای لیزری لیدار صورت میگیرد که در این پژوهش به بررسی تشخیص مانع با استفاده از پویشگر فاصلهیاب لیزری لیدار پرداخته شده است. در مورد رباتها، بهخصوص USV ها و ناوبری آنها تحقیقات زیادی انجام شده است که در زیر به برخی از آنها اشاره میشود:
علیمردانی و همکاران در پژوهش خود، یک تراکتور باغی که با سوخت فسیلی کار میکرد را با استفاده از یک جک هیدرولیکی برای فرمانگیری به سامانة کنترل از راه دور مجهز کردند (علیمردانی و همکاران، 1996). موسیزاده و همکاران موفق به طراحی و ساخت یک تراکتور الکتریکی هیبریدی موسوم به سافت برای انجام کارهای سبک کشاورزی شدند که دارای دو چرخ محرک با موتورهای الکتریکی مستقل روی هر چرخ عقب میباشد. انرژی لازم برای این تراکتور از تعدادی پانل خورشیدی و همچنین شبکه برق شهری تأمین میشود (موسیزاده و همکاران، 2011). حاجی احمد و همکاران، تراکتور هوشمند گرانیگاه متحرک با قابلیت کنترل از راه دور را طراحی و ساختند که از آن برای اندازهگیری نیروهای وارد بر چرخها و پیشبینی زاویة لغزش چرخها استفاده نمودند ( حاجی احمد و همکاران، 2013). همچنین جعفربیگلو و همکاران نیز موفق به طراحی و ساخت سامانة کنترل از راه دور تراکتور الکتریکی هیبریدی سافت شدند که با استفاده از این سامانه، سافت میتواند در سه حالتکنترل دستی، کنترل از راه دور و کنترل خودکار در سرعتهای مختلف حرکت کند (جعفربیگلو و همکاران، 2015).
پراکزیک[7] کاربرد شبکههای عصبیتکاملی را برای اجتناب از برخورد و مشکل ناوبری در یک محیط پیچیده چندمانعیکه سرعتآنها به سرعت تغییر میکند را ارائه داد (پراکزیک، 2015). لیو[8] و همکاران یک الگوریتم مسیریابی برای تشکیل ناوبری USV بر اساس روش راهپیمایی سریع (FM[9]) معرفی کردند که دارای ویژگیهای سرعت سریع و پیچیدگی کمتر محاسبات است. این الگوریتم برای اطمینان از درستی مسیر برنامهریزیشده و بهمنظور عدم تجاوز به هیچ یک از مناطق ممنوعه دو منطقه را پوشش میدهد، بهعنوان مثال منطقه دامنة کشتی و منطقة اجتناب از برخورد ( لیو و همکاران، 2015). زریک[10] و همکاران سه مورد متفاوت کنترل، یعنی مسیریابی، اجتناب از موانع و تنظیم سرعت را بهعنوان یک الگوریتم بهنام روش اولویت ( PTA[11]) شبیهسازی کردند. هدف اصلی این روش اجرای صحیح عمل مسیریابی بود (زریک و همکاران، 2015) پژوهشگری دیگر بهمنظور تخمین وضعیت USV، فیلتر کالمن بدون ادراک اصلاح شده را بهعنوان یک الگوریتم تخمین برخط با دقت بالاتر و پیچیدگی محاسباتیکمتر توسعه دادند. ایشان دریافتند که الگوریتم پیشنهادی بر الگوریتم فیلتر کالمن معمولی (UKF[12]) برتری دارد (ما، 2015). موتوانی و همکاران کاربرد بالقوه فیلترهایکالمن متناوب (IKF[13]) را برای محاسبه زاویة جهتگیری کشتیها ارزیابیکردند. این شبیهسازیها ویژگیهای متعدد IKF را نشان میدهد (موتوانی و همکاران، 2013). اونونکا[14] و همکاران از ترکیب حسگر آلتراسونیک و رادار بهمنظور کاهش عدم قطعیتهای موجود در هدایت و کنترل USV استفادهکردند، با این کار ظرفیت تشخیص و اجتناب از مانع توسط USV بهخصوص در میدان دید بالای پنج متر بهبود یافت (اونونکاو همکاران، 2013).
پژوهشگران الگوریتمی را برای نقشهبرداری از زمین و تشخیص مانع در محیطهای برونجادهای مطرح و روشی مقیاسپذیر، قوی و دقیق را برای تشخیص مانع با استفاده از حسگرلیدار ارائه کردند. در شکل (1) ربات ساختهشده توسط پونتامبکار نشان داده شده است. نتایج نشان داد الگوریتم حتی در حضور دستاندازها، موانع را سریع تشخیص میدهد (پونتامبکار و همکاران، 2006).
شکل (1):ربات ساختهشده مجهز به پویشگر لیزری لیدار پونتامبکار و همکاران
دومینگوز و همکاران راهحلی برای دستهبندی و ردیابی موانع در ناحیة تحت پوشش یک حسگر لیدار ارائه دادند که مبتنی بر ترکیبی از روشهای هوش مصنوعی ساده است و برای اهداف متفاوتی بهعنوان نسخة اولیه از یک سامانة تشخیص و ردیابی در نظرگرفته میشود. راهحل پیشنهادی، مسئله را به سه مرحله متوالی (1) تقسیمبندی، (2) تشخیص قطعات و دستهبندی یا خوشهبندی و (3) ردیابی تقسیم میکند ( دومینگوز و همکاران، 2011). خودروی ربات مجهز به پویشگر لیزری لیدار در شکل (2) نشان داده شده است.
شکل (2):خودروی ربات مجهز به پویشگر لیزری لیدار دومیگوز و همکاران
تنگ[15] و همکاران در سال 2011 با استفاده از حسگر لیدار و با بهرهگیری از یک وسیلة هدفیابی که به حسگر لیدار نصب شده بود، روشی را برای تشخیص اهداف در یک جاده بررسی و بسط دادند. آنها از دادههای GPS استفاده کردند تا نقاط حسگر فاصلهیاب لیزری لیدار را در یک نقشة جهانی با دقت جایگذاری کرده و خوشههای ابرنقطه بهدستآمده از اسکن جاده و موانع موجود در آن را استخـراج کنند و درختان تصادفی تعیین شده بهعنوان هدف را تشخیص دهند. در شکل (3) خودروی ربات ساختهشده توسط تنگ و همکاران که مجهر به پویشگر لیزری لیدار میباشد نشان داده شده است.
شگل (3): خودروی ربات ساختهشده مجهز به پویشگر لیزری لیدار تنگ و همکاران
چانگ[16] و همکاران برای وسایل نقلیه در محیط شهری با استفاده از یک حسگر لیدار دوبعدی و اطلاعات مسافتیابی، یک الگوریتم دقیق تعیین موقعیت ارائه دادند. طرح موقعیتیابی مونت کارلو[17]برای تخمین موقعیت خودرو، بر اساس اندازهگیریهای ترکیبی لیدار و اطلاعات مسافتیابی تطبیق داده شد و دقت و قدرت الگوریتم پیشنهادی توسط انجام موقعیتیابی بلادرنگ در یک آزمون 5/1 کیلومتری در اطراف منطقه کالج NUS[18] نشان داده شد (چانگ و همکاران، 2013). شکل (4) نمایی از این ربات را نشان میدهد.
شکل (4): ربات ساختهشده مجهز به پویشگر لیزری لیدار چانگ و همکاران
2- روش پژوهش
روش این پژوهش، روش تحقیق تجربیآزمایشی و مبتنی بر تحلیلهایآماری است. به اینصورتکه قایق مورد آزمایش درحالتهای مختلف موانع کوچک، متوسط و بزرگ در مسیرهای منحنی شکل نامشخص در سطح دریاچه چیتگر تهران و بندر امیرآباد آزمون شد و دستآخر بهواسطه تجزیه و تحلیل آماری دادهها نتایج استحصال شد.
3- تجزیه و تحلیل دادهها
3-1- موا د و روشها
USV ها رباتهایی هستند که برای انجام عملیات در دریاچهها، کانالها، بنادر و حتی آبهای آزاد طراحی شدهاند که بهواسطه مشخصاتی مانند اندازه کوچک، قابلیت پنهان شدن خوب، تحرک بالا، و قیمت پایین شناخته شدهاند. مروارید هم یک USV به شکل کاتاماران[19] است که برای رسم نقشه هیدروگرافی بنادر طراحی و توسعه داده شده است که برای کنترل خودکار آن از ترکیب الگوریتمهای EKF[20]، جستجوی توپ و اصل میدان پتانسیل استفاده شدهاست. اکثر USV ها به دلیل خطاهای انسانی موجود در کنترل دستی وسایل نقلیه سطح آّب، با الگوریتمهای ناوبری، هدایت و کنترل ([21]NGC) مجهز شدهاند (مورفی، 2012). نصب برخی از حسگرها، مبدلها و سختافزارهای هوشمند و ترکیب دادهها بهوسیله الگوریتمهای بهبودیافته بهمنظور ناوبری، هدایت و کنترل وسیلة نقلیه یکی از اصول کار USVها میباشد. سامانة کنترل، وسیلة نقلیه را برای رفتن از مبدأ تا مقصد و اجتناب از موانع در آن مسیر، به صورت هوشمندانه هدایت میکند. بسته به مانع پیشبینی شده، وسیلة نقلیه یک زاویة واگرایی را بهمنظور اجتناب از موانع انتخاب میکند و سرعت وسیلة نقلیه را مدیریت میکند.
حسگرهایی که برای تشخیص موانع در طی عملیات ناوبری، بر روی قایقها نصب میشوند عبارت از رادار، پویشگر فاصلهیاب لیزری لیدار، دوربین دو چشمی، دوربین تک چشمی، دوربینهای مادون قرمز، فاصلهیابهای لیزری و حسگرهای آلتراسونیک یا ترکیبی از برخی از این حسگرها میباشد. در این زمینه، معمولا تشخیص فاصله محدود به چند صد متر است. بیشترین فاصله تشخیص دادهشده توسط حسگرها زیر 200 متر خواهد بود که متعلق به پویشگر فاصلهیاب لیزری لیدار میباشد.
در حالی که حسگرهای آلتراسونیک به سختی میتوانند بالای 10 متر را به درستی تشخیص دهند. در برخی از تحقیقات از سامانههای موقعیتیابی گرانقیمت و دقت بالا همچون RTK-DGPS[22] استفاده شده است. با وجود استفاده از سامانهای موقعیتیابی گران قیمت و دقت بالا، برخی آزمایشها حاکی از آن است که فیلترکالمن توسعه یافته (EKF[23]) و قوانین هدایت و کنترل ساده PID[24] برای انجام وظایف کنترل اساسی همچون راهبری خودکار، سرعت خودکار و تعقیب خط مستقیم برای یک USV، نسبت به زمانیکه فقط به GPS و قطبنما مجهز شده است، تاثیربخش و مطلوبتر میباشد (موسیزاده، 2015).
مروارید، یک USV خودران هیبریدی خورشیدی است که به دو موتور رانشی مجهز شده است. طول، عرض و ارتفاع حدودی این قایق به ترتیب 8/3، 2، و 8/1 متر و همچنین وزن کلی آن تقریبا برابر با 750 کیلوگرم است. یک پک باتری Li-ion فناوری بالا میتواند پایداری آن را برای بیش از سه روز ابری ادامهدار افزایشدهد. برای انجام کار تعریفشده، قایق با برخی حسگرهای نظارت جهانی و ادراک محلی مانند یک GPS ساده، پک حسگر حالت (IMU[25]، قطب نما و فشار هوا)، پویشگر فاصلهیاب لیزری لیدار، مجموعهای از حسگرهای آلتراسونیک، سامانة دوربین و بینایی دو چشمی، و چهار عدد اکوسندر تک پرتوی مجهز شده است. یک IPC[26] ضد آب نیز بر روی قایق بهعنوان واحد پردازش مرکزی و تصمیمگیری تعبیه شده است که همة دادهها و اطلاعات را دریافت کرده و پس از تجزیه و تحلیل دادهها، موتورهای چپ و راست قایق را به شیوهای مناسب فعال میکند. ارتباط بین مروارید و دفتر مرکز کنترل مبتنی بر یک شبکه اینترنت است که قادر است اطلاعات را با حداکثر سرعت 300Mbps در فواصل حداکثر تا 2km ارسال کند. مدل CAD سه بعدی مروارید و نمونة ساختهشده و آزمونشدة آن در بندر امیرآباد در شکل (5) نشان داده است. این USV میتواند در چهار حالت با یک اولویتبندی خاص، راه اندازی و کنترل شود که عبارتند از: (1) کنترل دستی بهوسیله یک دسته بازی[27] روی قایق، (2) کنترل از راه دور توسط یک واحد کنترل دستی، (3) کنترل از دفتر با استفاده از یک GUI و (4) تعقیب مسیرکاملا خودکار.
شکل (5): (الف) مدل CAD سه بعدی مروارید (ب) مروارید در بندر امیرآباد
حسگری که برای این پژوهش استفاده شد از سری پویشگرهای لیزری لیدار شرکت Hokuyo است که مدل آن UXM-30LXH-EWA میباشد و دارای برد حداکثری 120 متر و برد قابل اطمینان 80 متر و برای مصارف و کاربرد در محیطهای خارج از ساختمان و در فضای روباز میباشد. شکلهای (6) و (7) بهترتیب پویشگر لیزری لیدار مورداستفاده و طرحواره ساختمان داخلی لیدار را نشان میدهد.
شکل (6): پویشگر فاصلهیاب لیزری لیدار شرکت Hokuyo
شکل (7): طرحواره پویشگر فاصلهیاب لیزری لیدار
ساختار داخلی پویشگر فاصلهیاب لیزری لیدار به صورت کلی از یک فرستنده و یک گیرنده لیزر و یک آینه و یک موتور پلهای تشکیل شده است که وقتی لیزر از فرستنده به آینه برخورد میکند، از آینه به سمت بیرون منعکس میشود و بعد از برخورد به اولین مانع یا شیء، دوباره به سمت پویشگر فاصلهیاب لیزری لیدار بازتاب پیدا میکند و توسط گیرنده دریافت میشود و به سمت لپتاپ میرود تا سیگنال گرفته شده پردازششده و برای استفاده کاربر آماده شود. شکل (8) طرحواره طرز کار لیدار را نشان میدهد.
شکل (8): طرحواره پویشگر فاصلهیاب لیزری لیدار
در این تحقیق قبل از شروع هرکاری، ابتدا فلوچارت مراحل کار ترسیم شد که در شکل (9) نشان داده شده است.
شکل (9): فلوچارت عملیات تشخیص مانع با استفاده از پویشگر فاصلهیاب لیزری لیدار
سپس جهت برنامهنویسی رابط گرافیکی کاربر از برنامهنویسی سوکت شبکه استفاده شد. شکل (10) ارتباط اولیه با لیدار را نشان میدهد.
شکل )10(:فرم اولیه برای ارتباط با فاصلهیاب لیزری لیدار
پس از برقراری ارتباط با لیدار، الگوریتم دادهبرداری نوشته شدکه بهصورت زیر میباشد:
(1) شروع |
(2) یک کلاینت درستکن. |
(3) دستور درخواست برای دریافت داده را به صورت کد اسکی و با استفاده از پروتکل مخصوص به حسگر ارسالکن. |
(4) گوشکن و منتظر پیام پاسخ باش. |
(5) اگر ارتباط برقرار شد، پیام "موفقیتآمیز" و در غیر این صورت پیام "عدمموفقیت" را چاپکن. |
(6) تا زمانیکه ارتباط برقرار است، موارد 7 تا 10 را بهصورت پیوسته انجام بده و گرنه از حلقه خارج شو و دستور 11 را اجرا کن. |
(7) اگر پاسخی دریافت شد، آن را رمزگشایی کرده و در بافرهایی ذخیره کن. |
(8) دادههای گام و فاصله ذخیرهشده را خوشهبندیکن. |
(9) پساز خوشهبندی، پارامترهای مورد نیاز خوشهها را محاسبه کن. |
(10) پارامترهای خوشهها را به برنامه جامع مروارید ارسالکن. |
(11) پایان |
جدول (1): الگوریتم دادهبرداری
دادههای خوشهبندی معمول برای موانعی هستند که دادهها دارای ترتیب خاصی نیستند، مانند نقطههای موجود روی یک صفحه مختصات که دارای هیچ ترتیب خاصی نیستند، ولی دادههای پویشگر فاصلهیاب لیزری لیدار دارای ترتیب هستند، چرا که از گام 1 شروع شده و تا گام 1520 ادامه مییابند و برای هر گام نیز داده فاصلة منحصربهفردی استخراج میکند و سپس اسکن بعدی شروع میشود، یعنی ازگام 1 تاگام 1520 ادامه مییابد و این روند تا زمانیکه توسط کاربر متوقف نشود، ادامه مییابد. با در نظرگرفتن ترتیب دادههای پویشگر فاصلهیاب لیزری لیدار از یک روش ابداعی مناسب برای این نوع دادهها، استفاده گردید، چون دادهها از پرتو 1 شروع میشوند و به سمت پرتو 1520 پیش میروند. هر پرتویی که به موانع برخورد کند و برگردد با پرتوی قبلی مقایسهشده و اگر اختلاف پرتو از یک عدد خاصی که به صورت تجربی تعیین شده است، بیشتر باشد، خوشه را جدا میکند، وگرنه پرتوی مورد نظر را روی خوشه مورد نظر اضافه میکند تا زمانیکه این اختلاف از عدد مورد انتظار بیشتر شود و خوشه را جدا کند. شکل (11) طرحوارهای کلی از این الگوریتم را نشان میدهد.
شکل (11): طرحواره الگوریتم خوشهبندی ابتکاری
مثلا در شکل (11) اختلاف پرتوهای 9 و 10 و همچنین پرتوهای 15 و 16 بیشتر از عدد مورد نظر است و بنابراین خوشة قبلی بسته، و خوشة جدیدی ایجاد میشود. بعد از تحلیل الگوریتم مورد نظر و اطمینان از اینکه روش ابداعی میتواند در امر تشخیص موانع و خوشهبندی مؤثر باشد و بهخوبی عملکند، برنامهنویسی این الگوریتم در زبان برنامهنویسی C# آغاز شد. الگوریتم و فلوچارت کلی برنامهنویسی این برنامه بهصورت زیر در شکل (12) نشان داده شده است. پس از کدنویسی و اجرای الگوریتم، خوشهبندی دادهها با موفقیت و با سرعت بالایی انجام شد، به طوری که موانع را به صورت خوشههایی که مجموعهای از فواصل R و زوایای Ɵ بودند، نشان میداد. در شکل (13) نمونهای از خوشهبندی با این برنامه و الگوریتم آورده شده است:
شکل (12): طرحواره الگوریتم خوشهبندی ابداعی
شکل (13): فرم مربوط بهتشخیص مانع همراه با الگوریتم خوشهبندی ابداع
البته قابل ذکر است که بعضی از خوشهها بهعنوان مانع در نظر گرفته نشده و فیلتر شدهاند، مثلا موانعیکه همة اعضای آنها 120000mm استکه عملا مانع به حساب نمیآیند، یعنی با هیچ چیزی برخورد نکردهاند. پس از اینکه مانع تشخیص داده شد، باید مشخصات و پارامترهای مختلفی از موانع تشخیص داده شده به قایق ربات مروارید ارسال شود تا ربات بتواند عملیات هدایت، کنترل و ناوبری ربات و اجتناب از موانع را انجام دهد، که در شکل (14) نشان داده شده است.
شکل (14): طرحواره نحوة محاسبه پارامترهای موانع
با توجه بهشکل (14) جهت استخراج فاصله موانع مختلف از قایق ربات، ابتدا پرتوی اول و آخر خوشه موردنظر بهعنوان دو ضلع از یک مثلث در نظر گرفته شد. و وتر آن مثلث رسم و میانة وتر محاسبه شد و سپس از مرکز پویشگر فاصلهیاب لیزری لیدار به میانة مثلث خطی رسم شد که همان فاصله مانع از قایق میباشد. البته در موانع محدب و مقعر نزدیکترین فاصله به مانع از فاصله محاسبهشده به این روش بهترتیب کمتر و بیشتر خواهد شد که برای حل این مشکل از پارامترهای دیگری همچون Rmin، Rm و R760 استفاده خواهد شد که در بخشهای بعدی مورد بحث و بررسی قرار میگیرند. در شکل (15) پرتوهای Rmin، Rm و R760 نشان داده شدهاند.
شکل (15): نمایش پرتوهای خاص
پس از نوشتن و تکمیل برنامه، باید کلاسی برای برنامة نوشتهشده تشکیل داد و سپس آن را در برنامة جامع مروارید پیادهسازی کرد تا عملیات تشخیص مانع با استفاده از پویشگر فاصلهیاب لیزری لیدار روی برنامة اصلی انتقال یابد. شکل (16) فرم اصلی برنامة جامع مروارید را نشان میدهد
شکل (16): فرم اصلی برنامه جامع مروارید
بهمنظور نصب پویشگر فاصلهیاب لیزری لیدار بر روی قایق رباتخودران مروارید، نیاز به یک پایه بود که در دو جهت x و y مطابق شکل (17)، قابلیت دوران داشته باشد.
شکل (17): دوران پویشگر فاصلهیاب لیزری لیدار حول محورهای xو y
این قابلیت دوران در دو جهت، این امکان را میدهد تا بعد از نصب پویشگر فاصلهیاب لیزری، لیدار بهدرستی کالیبره شود، تا دادههاییکه بهدست میآید و موانعیکه تشخیصداده میشود، بهدرستی انجامگیرد. پس از انجام کارهای مختلف روی پایة انتخابی در کارگاه ماشین ابزار، پایة موردنظر به شکل مناسب درآمد که در شکل (18) نمایشداده شده است.
شکل (18): پایة بهینهشده پویشگر فاصلهیاب لیزری لیدار
برای ارزیابیعملکرد سامانه، این سامانه در حالت کنترل از راه دور ارزیابی شد تا از فواصل و زوایای مختلف در مقابل موانع قرار گیرد و تجزیه و تحلیل درستی از تشخیص موانع انجام شود. برای ارزیابی سامانة تشخیص مانع مروارید در شرایط آزمایشی از مسیرهای منحنی شکل نامشخصی استفاده شد تا بتوان از جهات گوناگون، موانع را تشخیص داد. به این منظور سامانة تشخیص مانع مروارید طبق جدول (1) که روش و نوع آزمون را نشان میدهد، ارزیابی شد.
جدول (1) : آزمون مقایسهای تشخیص موانع با استفاده از پویشگر فاصلهیاب لیزری لیدار
آزمون |
مکان آزمون |
دادهبرداری |
متغیرها |
تشخیص موانع با استفاده از پویشگر فاصلهیاب لیزری لیدار |
مسیرهای منحنی نامشخص داخل آبهای بندر امیرآباد |
با استفاده از نرمافزار اکسل |
اندازه مانع |
نوع مانع در سه حالت مختلف ارزیابی شد که در هر حالت با سه تکرار آزمون شد. آزمون در دو مرحله صورت گرفت. مرحله اول در دریاچه چیتگر واقع در تهران بود که درآنجا از یک قایق پدالی بهپهنای 2 متر بهعنوان مانع استفاده، و عملیات تشخیص مانع انجام شد وارزیابی گردید. مرحله دوم آزمون در بندر امیرآباد در آبهای دریای خزر بود که برای بار اول، بویهای که در وسط آب بندر به صورت ثابت و بدون حرکت و دارای پهنای 24 سانتیمتر بود، بهعنوان مانع در نظرگرفته شد و برای بار دوم نیز کشتی ناجی بندر امیرآباد که در کنار آب پهلو گرفته بود، بهعنوان مانع در نظرگرفته شد که بدنه بیرون از آب کشتی دارای پهنای 6/13 متر بود. این موانع در شکل (19) نشان داده شدهاند.
شکل (19): موانع مورد ارزیابی که عبارتند از (الف) بویه (ب) قایق پدالی (ج) کشتی ناجی
در هر حالت قایق ربات با یک سرعت ثابت حرکت میکرد که تقریبا در محدودة سرعت حرکت قایقهای هیدروگرافی یعنی پنج متر بر ثانیه بود. در جدول (2) به نحوة اجرای آزمون و تعداد و اندازه موانع اشاره شده است.
جدول (2): طراحی اجرای آزمونها
متغیر |
نوع مانع |
اندازه مانع |
تعداد تکرار |
اندازه مانع |
بویه |
24 سانتیمتر |
3 تکرار |
قایق پدالی |
2 متر |
3 تکرار |
|
کشتی ناجی |
6/13 متر |
3 تکرار |
مکانهای آزمون سامانة تشخیص مانع قایق ربات مروارید در شکلهای ماهوارهای (20) و (21) نشان داده شده است.
شکل (20): محل آزمون: دریاچه چیتگر
شکل (21): محل آزمون: امیرآباد
3-2- بحث و بررسی
نمودارهای کمینه و بیشینة خطا که نشاندهندة خطای کمینه و بیشینه در آزمون سامانة تشخیص موانع با استفاده از پویشگر لیزری لیدار در قایق ربات مروارید در مسیرهای منحنی شکل و موانع با اندازههای کوچک، متوسط و بزرگ میباشد، در نمودار (1) آورده شده است. با توجه به نمودار نیز میتوان دریافت که کوچکترین خطایکمینه و بیشینه مربوط به مانع کوچک بویه و بزرگترین خطایکمینه و بیشینه نیز مربوط به مانع بزرگ کشتی ناجی میباشد. همچنین با افزایش اندازة مانع، میزان خطایکمینه و بیشینه نیز افزایش مییابد که در این میان افزایش میزان رشد خطای بیشینه که در بالای نمودار که با رنگ آبی نشان داده شده است، نسبت به خطایکمینه که در پایین نمودار و با رنگ قهوهای نشان داده شده است، بیشتر است.
نمودار (1): خطای کمینه و بیشینه
همچنین برای مقایسه آزمونها با یکدیگر و ارزیابی آنها، از خطای جذر میانگین مربعات نیز استفاده شد. نتایج حاصل از تشخیص موانع در ربات مروارید نشان میدهد ارتباط تنگاتنگی بین اندازههای مختلف موانع و نتایج وجود دارد. بهطوریکه کمترین خطای جذر میانگین مربعات در حالت مانع کوچک 5 میلیمتر و بیشترین مقدار آن نیز 5 میلیمتر بهدست آمد. همچنین کمترین میزان خطای جذر میانگین مربعات در حالت مانع متوسط 40 میلیمتر و بیشترین مقدار آن 44 میلیمتر بهدست آمد. این در حالی است که کمترین میزان خطای جذر میانگین مربعات در حالت مانع بزرگ 267 میلیمتر و بیشترین مقدار آن 280 میلیمتر محاسبه شد. با توجه به نتایج فوق چون در بنادر ابعاد موانع خیلی بزرگ و اغلب از چند دهمتر بالاتر است و دقت تشخیص موانع و دقت مسیریابی و حرکت حداقل در حد چندمتر است، پس میتوان از سامانة تشخیص مانع حاضر که در این پایاننامه طراحی و پیادهسازی شده و دارای دقت میلیمتری است، برای تشخیص موانع استفاده کرد. برای درک و تحلیل بیشتر و مشاهده عینی و مقایسه حالات مختلف، نمودار خطای جذر میانگین مربعات در نمودار (2) نشان داده شده است.
نمودار (2): مقایسه خطای جذر میانگین مربعات در حالات مختلف
با توجه به نمودار (2) میتوان نتیجه گرفت که با افزایش اندازة مانع، خطای جذر میانگین مربعات افزایش مییابد و این افزایش متناسب با افزایش اندازة مانع میباشد. همچنین با توجه به نمودار، کمترین خطای جذر میانگین مربعات مربوط به مانع کوچک بویه و بیشترین خطای جذر میانگین مربعات نیز مربوط به مانع بزرگ کشتی ناجی میباشد. در نمودار (2) مقدار میانگین خطای جذر میانگین مربعات برای هر سه تکرار در حالات موانع کوچک، متوسط و بزرگ نیز محاسبه و نوشته شده است. مقدار میانگین خطای جذر میانگین مربعات برای مانع کوچک بویه 5 میلیمتر و برای مانع متوسط قایق پدالی 42 میلیمتر و برای مانع بزرگ کشتی ناجی 273 میلیمتر محاسبه شد. همچنین با توجه به دادههای ذخیرهشده طی آزمونها و با در نظرگرفتن اینکه پهنای موانع باید عددی ثابت باشد مشاهده میشود که با نزدیکشدن به موانع یعنی با کاهش R در هر یک از حالات مانع کوچک، مانع متوسط و مانع بزرگ و در هر یک از سه تکرار آن حالتها، دقت تشخیص پهنا افزایش مییابد، یعنی اختلاف میان پهنای اندازهگیریشده توسط پویشگر لیزری لیدار و پهنای واقعیکمتر میشود، که این موضوع در نمودارهای (3)، (4) و (5) نیز نشان داده شده است. با توجه به نمودارهای بالا بهراحتی میتوان دریافت که با کاهش فاصله از موانع یعنی R و نزدیک شدن به آنها، خطوط پهنای اندازهگیریشده موانع یعنی W در هر سه حالت و در هر یک از سه تکرار آن سه حالت، به پهنای واقعی نزدیکتر میشود و این شاید به این دلیل باشد که دریافت پرتوهای بازگشتی در فواصل نزدیک با دقت و احتمال بیشتری دریافت میشود. همچنین فاصله به دست آمده از پویشگر لیزری لیدار دقیقا برابر با اندازه واقعی مانع نبوده است و در بیشتر مواقع دارای یک اختلاف مثبت یا منفی میباشد و به همین علت است که نمودارهای بالا تقریبا حالت سینوسی دارند که این حالت سینوسی با نزدیک شدن به موانع کمتر میشود.
نمودار (3): پهنا بر حسب فاصله مانع کوچک
نمودار (4): پهنا بر حسب فاصله مانع متوسط
نمودار (5): پهنا بر حسب فاصله مانع بزرگ
ارزیابی و مقایسة آزمون حالتهای مختلف موانع با استفاده از اصول تجزیه واریانس نیز انجام شد. هدف از این کار، بررسی اثر سه مانع با اندازههای کوچک، متوسط و بزرگ روی درصد ماکزیمم خطای نسبی پویشگر لیزری لیدار در عملیات تشخیص عرض مانع در سه تکرار بود که جمعبندی نتایج آنها در جدول (3) آورده شده است.
جدول (3): نتایج معناداری و عدممعناداری در مقایسه دو به دوی بین گروهها
مقایسه دو به دوی تیمارها |
بررسی در سطح احتمال 5% (*) |
بررسی در سطح احتمال 1% (**) |
مانع کوچک و متوسط |
ns |
** |
مانع کوچک و بزرگ |
ns |
** |
مانع متوسط و بزرگ |
* |
** |
4- نتیجهگیری
قایقهای ربات خودران با مکانیزه و خودکار کردن عملیات دریایی، باعث افزایش بهرهوری عملیات، حفظ نیروی انسانی از شرایط خطرناک، کاهش نیروی کار موردنیاز، صرفهجویی در وقت و حفظ محیط زیست با استفاده از سامانههایی مانند تصفیه آب و زباله جمعکن سطح آب، میشوند. قایق ربات خودران مروارید، پارامترهای فاصله، زاویه و پهنای موانع را تشخیص میدهد و به مرکز پردازش اطلاعات مروارید ارسال میکند تا عملیات اجتناب از مانع، انجام شود. این سامانه با متغیر اندازه مانع و با استفاده از سه مانع کوچک، متوسط و بزرگ و در شرایط نسبتا آرام آب و هوایی، بر روی مسیرهای نامشخصی روی سطح آب آزمون و ارزیابی شد که این نتایج به دست آمد: (1) درصد خطای کمینه و بیشینه نسبی، با افزایش اندازة مانع، تقریبا ثابت و در محدودة 3/75% تا 4/22% متغیر است، (2) درصد خطای جذر میانگین مربعات نسبی، با افزایش اندازة مانع، تقریبا ثابت و در محدودة 1/96% تا 2/2% است، (3) با کاهش فاصله R، یعنی نزدیکشدن به موانع، دقت تشخیص پهنا افزایش مییابد و (4) با انجام تجزیة واریانس بین گروهها، مشخص شد که در سطح احتمال 1%، تفاوت بین میانگین خطاهای نسبی، از نظر آماری معنادار نیست. همچنین در سطح احتمال 5% نیز، مشخص شد که تفاوت بین میانگین خطای نسبی، بین دو مانع متوسط و بزرگ معنادار میباشد ولی بین موانع کوچک و متوسط و همچنین کوچک و بزرگ، معنادار نیست.
برخی پیشنهادها به منظور تکمیل این پروژه در آینده به این شرح ارائه میشود: (1) بهمنظور از بین بردن اثر تلاطم آب و به تبع آن به وجود آمدن زاویة Pitch در پویشگر لیزری لیدار، میتوان از یک پایة متحرک هوشمند مجهز به موتور الکتریکی و حسگر تشخیص زوایای IMU استفادهکرد، (2) توصیه میشود همین طرح با تغییر ارتفاع پویشگر از سطح آب و تغییر واسنجی پویشگر انجام و بررسی شود، (3) با توجه به اینکه سرعت شناورها در بندر خیلیکم بود، در نتیجه موانع متحرک نیز در هر لحظه بهصورت مانع استاتیک در نظر گرفته شدند و به این سبب آزمون بر تشخیص موانع متحرک انجام نشد. ولی تأثیر سرعتهای بالادر دقت تشخیص سامانة مورد نظر میتواند قابل توجه باشد، لذا توصیه میشود سامانة مذکور در مورد تشخیص موانع متحرک نیز آزمون و ازریابی شود و (4) پیشنهاد میشود که با نصب عمودی پویشگر فاصلهیاب لیزری لیدار بر یک موتور الکتریکی و همگامسازی آنها، محیط را بهصورت سه بعدی اسکنکرده و یک تشخیص مانع سه بعدی بررسی شود.
[1]. Unmanned Surface Vehicle
[2]. Automatic Target Detection
[3]. SONAR
[4]. ULTRASONIC
[5]. RADAR
[6]. LIDAR
[7]. Praczyk
[8]. Liu
[9]. Fast Marching
[10]. Zereik
[11]. Priority Task Approach
[12]. Unscented Kalman Filter
[13]. Interval Kalman Filter
[14]. Onunka
[15]. Tang
[16]. Chong
[17]. Monte Carlo
[18]. National University of Singapore
[19]. Catamaran
[20]. Extended Kalman Filter
[21]. Navigation, Guidance and Control
[22]. Real-Time Kinematic and Differential Global Positioning System
[23]. Extended Kalman Filter
[24]. Proportional Integral Derivative
[25]. Iinertial Measurement Unit
[26]. Inter Process Communication
[27]. Joystick
جعفربیگلو، حمید. (1393). طراحی و توسعه سامانه ناوبری کور برای رباتهای برون جادهای. پایاننامه کارشناسی ارشد، دانشگاه تهران، گروه مهندسی مکانیک ماشینهای کشاورزی.