Poszukiwanie optymalnej trajektorii manipulatora SCARA z wykorzystaniem metod RRT i PSO

• Autorzy: Cekus D. , Skrobek D.

Warianty tytułu

EN

Searching for optimal trajectory of SCARA manipulator using RRT and PSO methods

• Języki publikacji: PL

Abstrakty

PL

Niniejsza praca przybliża zagadnienia związane z wykorzystaniem metody roju cząstek (Particle Swarm Optimization - PSO) i kilku wariantów algorytmu RRT (Rapidly Exploring Random Tree) do poszukiwania optymalnej trajektorii pracy manipulatora typu SCARA. Zadanie polegało na określeniu najkrótszej drogi łączącej dwa zdefiniowane punkty z jednoczesnym ominięciem przeszkód. Wysokość przeszkód uniemożliwiała przenoszenie elementów ponad nimi, co sprowadziło zagadnienie do problemu dwuwymiarowego. W artykule analizowano wpływ wybranych parametrów każdego z algorytmów w celu znalezienia najkrótszej trajektorii. Na podstawie kinematyki odwrotnej wyznaczono poszczególne położenia ramion manipulatora dla wyznaczonej najkrótszej ścieżki roboczej.

EN

This paper presents application of Particle Swarm Optimization (PSO) method and a few variants of RRT (Rapidly Exploring Random Tree) algorithm to search for the optimal trajectory of SCARA manipulator work. The task was to calculate the shortest path connecting two defined points avoiding obstacles. It is assumed that the transfer of elements above obstacles was impossible, therefore the problem was considered in two-dimensional space. The influence of selected parameters of each method on algorithm performance and the study results has been analyzed. For the shortest trajectory the position manipulator arms has been calculated on the basis of inverse kinematics.

Słowa kluczowe

PL

cykl roboczy; manipulator; optymalizacja; PSO; RRT

EN

duty cycle; manipulator; optimization; PSO; RRT

• Wydawca: Polskie Towarzystwo Mechaniki Teoretycznej i Stosowanej. Oddział Gliwice
• Czasopismo: Modelowanie Inżynierskie
• Rocznik: 2017
• Tom: T. 31, nr 62
• Strony: 18--23
• Opis fizyczny: Bibliogr. 17 poz.

Twórcy

autor

Cekus D.

• Instytut Mechaniki i Podstaw Konstrukcji Maszyn, Politechnika Częstochowska

autor

Skrobek D.

• Instytut Mechaniki i Podstaw Konstrukcji Maszyn, Politechnika Częstochowska

Bibliografia

• 1. Adiyatov O., Varol H. A.: Rapidly-exploring random tree based memory efficient motion planning. 2013 IEEE International Conference on Mechatronics and Automation (ICMA), 2013, p. 354–359 DOI: 10.1109/ICMA.2013.6617944.
• 2. Buratowski T.: Teoria robotyki. Kraków: Wyd. AGH, 2012.
• 3. Cekus D., Skrobek D.: Trajectory optimization of a SCARA manipulator using Particle Swarm Optimization. “Machine Dynamics Research” 2016, Vol. 40, No 1, p. 45-53 (w druku).
• 4. Cheng R., Yao M.: Particle Swarm Optimizer with Time-Varying Parameters based on a Novel Operator. “Applied Mathematics & Information Sciences” 2001, Vol. 5, Iss. 2, p. 33-38.
• 5. Islam F.; Nasir J.; Malik U.; Ayaz Y., Hassan O.: RRT*-Smart: Rapid convergence implementation of RRT* towards optimal solution. In: International Conference on Mechatronics and Automation (ICMA), Chengdu, China, 2012, p. 1651-1656.
• 6. Karaman S., Frazzoli E.: Sampling-based algorithms for optimal motion planning. “The International Journal of Robotics Research” 2011, 30(7), p. 846-894.
• 7. Kennedy J., Eberhart R. C.: Particle Swarm Optimization, Piscataway, NJ:IEEE Service Center, Proceedings of the IEEE International Conference on Neutral Networks, 1995, Vol. 4, p. 1942-1948.
• 8. Kozłowski K., Dutkiewicz P., Wróblewski W.: Modelowanie i sterowanie robotów. Warszawa: Wyd. Nauk. PWN, 2012. ISBN: 9788301140816.
• 9. Kuffner J. J. Jr, LaValle S. M.: RRT - connect: An efficient approach to single-query path planning. In: Robotics and Automation, 2000. Proceedings. ICRA'00. IEEE International Conference, Vol. 2, p. 995-1001.
• 10. LaValle S. M.: Rapidly-exploring random trees: a new tool for path planning: technical report. Computer Science Department, Iowa State University (TR 98-11), 1998.
• 11. LaValle S. M.; Kuffner J. J. Jr.: Randomized kinodynamic planning. “The International Journal of Robotics Research” 2001, 20 (5).
• 12. Pierzgalski M., Ptak P., Cekus D., Sokół K.: Modeling and stress analysis of a manipulator mounted on a Mars Rover. “Procedia Engineering” 2017, Vol. 177, p. 121-126, 2017. DOI: 10.1016/j.proeng.2017.02.199.
• 13. Qureshi A. H., Ayaz Y.: Intelligent bidirectional rapidly-exploring random trees for optimal motion planning in complex cluttered environments. “Robotics and Autonomous System” 2015, 68, p. 1-11. DOI: 10.1016/j.robot.2015.02.007.
• 14. Rygałło A.: Robotyka dla mechatroników: podrecznik w postaci elektronicznej dla studentów kierunku mechatronika. Politechnika Czestochowska „Plan Rozwoju Politechniki Czestochowskiej”, 2008.
• 15. Szczepanik M.: Algorytmy rojowe w optymalizacji układów mechanicznych. Gliwice: Wyd. Pol. Sl., 2013. ISBN: 978-83-7880-138-2.
• 16. Tarnowski W.: Optymalizacja i polioptymalizacja w technice. Koszalin: Wyd. Uczel. Politechniki Koszalińskiej, 2011. ISBN 978-83-7365-273-6.
• 17. Uhl T., Bojko T., Mrozek Z., Petko M., Szwabowski W., Korendo Z., Bogacz M.: Wybrane problemy projektowania mechatronicznego. Kraków: AGH, Wyd. Katedry Robotyki i Dynamiki Maszyn, AGH, 1999.