طراحي مسير درخت جستجوي سريع تصادفي براي ربات عمود پرواز بدون سرنشين در بستر تست پردازشگر در حلقه

Designing the rapidly exploring random tree path planning algorithm for the vertical take-off and landing vehicle on the processor-in-the-loop test platform

طراحي مسير يكي از گلوگاه هاي باز تحقيقاتي جهت ايجاد خودمختاري در ربات هاي بدون سرنشين مي باشد. در فضاهاي شهري و محيط هاي بسته با افزايش تعداد موانع و قيدهاي پيراموني، پيچيدگي محاسباتي مورد نياز براي الگوريتم هاي طراحي مسير كامل با مرتبه O (n2) افزايش مي يابد. هدف اين مقاله ارايه يك الگوريتم طراحي مسير مبتني بر نمونه برداري تصادفي براي يك ربات عمود پرواز بدون سرنشين و تست زمان واقعي آن در محيط xPC-Target مي باشد. براي اين منظور، روش درخت جستجو سريع تصادفي پيشنهاد مي گردد. الگوريتم پيشنهادي كامل احتمالاتي بوده و همچنين امكان اعمال قيدهاي غيرهولونوميك در گره هاي درخت جستجويي مسير را دارا مي باشد. جهت اعتبار سنجي و اعتبار بخشي به الگوريتم طراحي مسير پيشنهادي پيش از انجام تست هاي پر ريسك و پر هزينه ميداني، بستر تست پردازنده در حلقه در محيط نرم افزار xPC-Target متلب در نظر گرفته شده است. پردازنده هدف مد نظر در اين تست، تكبرد صنعتي مدل SBC84710 شركت Axiomtek مي باشد. در اين تست دو سناريو آزمون با پيچيدگي متفاوت تدوين شده است. نتايج نشان مي دهند كه الگوريتم درخت جستجو سريع تصادفي پيشنهادي جهت طراحي مسير براي ربات عمود پرواز مد نظر با بهرگيري از ماهيت تصادفي خود قادر به طراحي مسير سريع براي ربات مي باشد. همچنين به دليل درگير نمودن مدل ديناميكي ربات در فرايند توليد گره هاي تصادفي و شاخه-هاي درخت جستجو، در مسير طراحي شده هر دو نوع قيد سينماتيكي و ديناميكي لحاظ شده اند و لذا منجر به طراحي يك مسير عملياتي با قابليت رهگيري بالا توسط ربات شده است.

ath design is one of the open research bottlenecks to develop autonomy in unmanned robots. In urban spaces and closed environments, with increasing the number of obstacles and constraints, the computational complexity required for the completed path planning algorithms increases with order O (n2). The main purpose of this manuscript is to present a path planning algorithm based on the random sampling method for the vertical take-off and landing vehicle (VTLV) and its real-time test in the xPC-Target toolboxes. For this purpose, the rapidly exploring random tree (RRT) algorithm is presented. The proposed algorithm is completely probabilistic and also the non-holonomic constraints of the VTLV are integrated into the vertices of the search tree. This not only allows the path to be planned with a limited computational complexity but also allows the differential motion constraints are integrated into the planned path. In order to validate and evaluate the proposed path planning algorithm before performing risky and costly field tests, the processor-in-the-loop (PIL) test, in MATLAB xPC-Target software environment is considered. The target processor in the PIL test is the SBC84710 which is produced by Axiomtek. In the PIL test, two test scenarios with different complexity have been developed. In the first scenario, a configuration space consisting of a large number of obstacles and in the second test scenario, several narrow passages are considered. The results show that the proposed rapidly exploring random tree algorithm is able to plan a primary path for the robot by using its random nature in a rapid manner. Also, due to the involvement of the robot dynamic model in the process of generating random vertices and search tree edges, both types of kinematic and dynamic (kinodynamic) constraints have been considered in the planned path and therefore lead to the design of a practical path with high intercept ability through the robot.