پديد آورنده :
صفوي، محمد امين
عنوان :
طراحي مسير و كنترل توزيع شده سيستم چندعاملي كوادكوپتري به منظور حمل بار سه بعدي صلب
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
طراحي كاربردي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
ده، 76ص. : مصور(رنگي)، جدول، نمودار
توصيفگر ها :
كنترل توزيعي , سامانه‌هاي چندعاملي , انتقال بار هوايي , دست‌ورزي هوايي , پرنده‌هاي بدون سرنشين , بهينه‌سازي مسير
استاد داور :
مصطفي غيور، مهدي كشميري
تاريخ ورود اطلاعات :
1400/12/15
رشته تحصيلي :
مهندسي مكانيك
تاريخ ويرايش اطلاعات :
1400/12/15
چكيده فارسي :
در سال هاي اخير مطالعات بر همكاري ربات‌ها و مهندسي رفتارهاي گروهي رباتي رشد چشم‌گيري داشته است. علاوه بر علاقه روزافزون محققان جهت توسعه خودمختاري ربات‌ها، صنايع و دولت‌ها نيز در پي به‌كارگيري ربات‌ها در قالب تيمي هستند. اين پژوهش نيز در همين راستا به مدل‌سازي، طراحي مسير و كنترل توزيع شده جهت همكاري مجموعه‌اي از كوادروتورها به‌منظور حمل بار صلب سه‌بعدي مي‌پردازد. در اين پايان‌نامه، ابتدا به بررسي مفاهيم سامانه‌هاي چند رباتي و پيشينه تحقيق سامانه‌هاي چند پرنده جهت دست‌ورزي هوايي پرداخته مي‌شود. سپس در فصل دوم، به تشريح مفروضات و استخراج مدل ديناميكي عامل‌ها و برهم‌كنش آن‌ها پرداخته مي‌شود. از نكات قابل‌توجه اين روش مدل‌سازي، به مقياس‌پذيري مدل كل سامانه حمل بار و مدل‌سازي ضربه مي‌توان اشاره كرد. همچنين از مفاهيم مكانيك هندسي جهت توصيف وضعيت اجرام صلب استفاده شده است. سپس در فصل سوم به توسعه و طراحي روش كنترلي پرداخته شده است. به‌منظور افزايش ايمني و يافتن راه حل هاي هوشمند جهت همكاري كوادروتورها، از روش بهينه‌سازي مسير توزيعي و استفاده از بهينه‌ساز تركيبي iLQR و لاگرانژ افزونه به نام ALTRO استفاده مي‌شود. استفاده از iLQR در بطن بهينه‌سازي باعث طراحي همزمان كنترل‌كننده و مسير مي‌شود و مسيرهاي طراحي شده داراي پايداري محلي هستند. انتگرال‌گيري معكوس از معادله ريكاتي ديفرانسيلي نيز موجب اجتناب از پيكربندي‌هاي كنترل ناپذير مي‌شود. جهت اعمال قيود بهينه‌سازي، از روش لاگرانژ افزونه استفاده شده است به گونه¬اي كه روش iLQR وظيفه كمينه‌سازي مسئله لاگرانژ افزونه را دارد. سپس مسئله طراحي مسير عامل‌ها در قالب يك مسئله بهينه‌سازي واحد تعريف مي‌شود. با توجه به نحوه مدل‌سازي عامل‌ها و ساختار مسئله بهينه‌سازي، الگوريتمي جهت موازي¬سازي و شكستن مسئله پيشنهاد شده است كه موجب مقياس¬پذيري راه حل كنترلي مي‌شود و به عبارت ديگر، اين الگوريتم كنترل‌كننده توزيعي كل سامانه است. به طور مثال، الگوريتم كنترلي و مدل استفاده شده جهت طراحي كنترل‌كننده، براي يك سامانه سه عاملي و هفت عاملي يكسان است و اضافه كردن و يا كم كردن عامل‌ها موجب تغيير مدل و يا كنترل‌كننده نمي‌شود. از نظر حجم پردازش نيز، به علت موازي¬سازي محاسباتي، افزايش تعداد عامل‌ها موجب افزايش زمان چشمگير محاسبات بهينه‌سازي نمي‌شود. از ديگر قابليت‌هاي اين روش كنترل، سهولت تعريف قيود ايمني و آرايش‌هاي مدنظر است كه اين امري دشوار در روش‌هاي كنترلي كلاسيك و مركزي است. در فصل چهارم، عملكرد الگوريتم پيشنهاد شده در سناريوهاي مختلف حالت شناور و حالت انتقال بار براي گروه‌هاي چهارتايي، شش‌تايي و ده‌تايي كوادروتورها بررسي مي‌شود.
چكيده انگليسي :
In recent years, studies on robot cooperation and robotic group behavior engineering have grown significantly. In this research, modeling and design of a distributed controller for cooperative load trasportation of a set of quadcopters has been done. At first, the assumptions are explained and the dynamics of the system is derived, then the impact modeling in the form of rigid collision and inelastic collision is investigated. Concepts of geometric mechanics have also been used to describe the orientation of agents and enable optimization on manifolds. In order to increase safety and finding sub-optimal solutions for quadrotor cooperation, the distributed trajectory optimization method is selected as the control strategy. The trajectory optimization problem is solved using ALTRO, a hybrid optimizer that levregaes iLQR and Augmented Lagrange. ALTRO uses the Augmented Lagrangian method to enforce the optimization constraints, and the iLQR solver to recurseviely solve the differential Riccati equation and minimize the penalty term of the Lagrangian function. The agent trajectory design problem is then defined in the form of a single optimization problem. Considering the modeling of agents and the structure of the optimization problem, an algorithm for parallelization and distrubting the problem has been proposed, which makes the control solution scalable. In the other words, this algorithm is the distributed controller of the whole system, and adding or removing agents does not change the model or controller design complexity. For example, the controller and model used for a system with four quadcopters is similar to a system with ten quadcopters. In terms of computation complexity, increasing the number of agents does not significantly increase the optimization computation time due to parallelization. Finally, the performance of the proposed algorithm is investigated for different scenarios of hovering mode and load transportation using different numbers of agents.
استاد داور :
مصطفي غيور، مهدي كشميري
