موقعيت يابي ربات خودمختار بر اساس الگوريتم تكامل تفاضلي

Localization of autonomous robot based on differential evolution algorithm

موقعيت‌يابي بر اساس فيلتر ذره‌اي يكي از مهمترين روش‌ها است. با وجود اين، اين روش داراي مشكل هزينه محاسباتي بالا، عدم سازگاري و تباهيدگي است. در اين مقاله براي رهايي از اين مشكلات به مسئله موقعيت‌يابي ربات از زاويه جديدي به مسئله موقعيت يابي نگاه شده است. در روش پيشنهادي، مسئله موقعيت يابي به يك مسئله بهينه‌سازي تبديل شده و سپس از يك الگوريتم تكامل تفاضلي(DE) براي تخمين موقعيت و جهت ربات استفاده شده است. الگوريتم‌ پيشنهادي در فضاي حالت ربات شروع به جستجو مي‌كند و موقعيت ربات را با توجه به اطلاعات مسافت پيمايي، فاصله-ياب ليزي و نقشه محيط در هر لحظه بدست مي‌آورد . يكي از مزاياي موقعيت‌يابي بر اساس روش پيشنهادي در اين است كه مانند موقعيت‌يابي براساس فيلتر ذره‌اي نياز به تابع توزيع پيشنهادي و گام نمونه‌برداري مجدد ندارد. بنابراين خطر تباهيدگي كاهش مي‌يابد. عملكرد موقعيت‌يابي مبتني برتكامل تفاضلي با موقعيت‌يابي مبتني بر فيلتر كالمن توسعه يافته و فيلتر ذره‌اي مورد ارزيابي قرار گرفته است. نتايج نشان مي‌دهد كه عملكرد موقعيت‌يابي مبتني بر الگوريتم تكامل تفاضلي بهتر از ساير الگوريتم‌هاي موقعيت‌يابي مي‌باشد.

The Localization based on particle filter is one of the important methods. However, this approach has high computational cost, inconsistency and degeneracy problem. In this paper, to solve these problems, the localization problem is converted to an optimization problem. Then the differential evolution algorithm is used to solve this problem. The proposed algorithm searches stochastically along the state space of robot and obtain the best estimate position based of odometery, laser range finder and map of environment. One advantage of the proposed method is that it requires no proposal distribution and resampling step like localization based EKF and PF. Therefore, the risk of degeneracy decreases. The performance of localization on differential evolution (DE) is compared with localization based on extended Kalman filter (EKF) and particle filter. Simulation result shows that performance of localization based on differential evolution filters is better than others algorithms of localization.