Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: pojazd nawodny autonomiczny

Sortuj według:

Ogranicz wyniki do:

Planowanie trasy za pomocą technik ewolucyjnych

Praczyk T., Szymak P.

Logistyka

2014

nr 6

8882--8889

Jednym z problemów podczas budowy autonomicznego pojazdu nawodnego jest konstrukcja systemu planowania trasy dla tego pojazdu. Zadaniem tego systemu jest wyznaczenie w sposób automatyczny trasy rozpoczynającej się w pewnym punkcie początkowym, najczęściej odpowiadającym aktualnej pozycji pojazdu, a kończącej się we wcześniej ustalonym punkcie końcowym z ominięciem wszystkich możliwych niebezpieczeństw o charakterze stałym, które pojazd może spotkać w trakcie przemieszczania się po akwenie (wspomnianymi przeszkodami mogą być np. ląd, pławy, wraki). Do planowania trasy pojazdu można zastosować różne metody do których zalicza się przede wszystkim techniki oparte na klasycznym algorytmie A* oraz techniki ewolucyjne. Artykuł prezentuje wykorzystanie algorytmów genetycznych do automatycznego planowania tras na sztucznie wygenerowanych akwenach wyspecyfikowanych na obrazach rastrowych. Eksperymenty zaprezentowane w artykule udowodniły użyteczność algorytmów genetycznych do planowania tras dla pojazdu autonomicznego.

One problem when building autonomous surface vehicle is to construct the route planning system for the vehicle. The task of the system is to automatically determine a vehicle route starting in a point, the most often a point indicating a current position of the vehicle, and ending in other point of marine area. Moreover, the other objective of the system is to lead the vehicle far away from all static obstacles which may be encountered by the vehicle during its voyage to the destination (example static obstacles are: land, wreck, buoy). To plan the route different methods can be used, e.g. A* algorithm and evolutionary techniques. The paper presents application of genetic algorithms to plan the vehicle route on artificially built marine areas specified on raster images. Experiments presented in the paper proved usefulness of the genetic algorithms to automatically plan routes for autonomous surface vehicles.

Zastosowanie algorytmów genetycznych do konstrukcji zadań testowych dla systemu antykolizyjnego bezzałogowego pojazdu podwodnego

Praczyk T.

Polish Hyperbaric Research

2012

nr 3(40)

163-184

Konstrukcja niezawodnego, automatycznego systemu antykolizyjnego dla Bezzałogowego Pojazdu Nawodnego wymaga intensywnego testowania. System musi być sprawdzony w wielu rożnych sytuacjach tak, aby można było stwierdzić, że jest bezpieczny i nie doprowadzi do kolizji. Tradycyjna metoda tworzenia zadań testowych polega na wykorzystaniu do tego celu człowieka. Projektant testow, bazując na swoim doświadczeniu, konstruuje kolejne testy starając się przy tym, aby utworzony przez niego zbior zadań testowych reprezentował wszystkie możliwe sytuacje, z ktorymi pojazd może mieć do czynienia na morzu. Problem jednak polega na tym, że człowiek nie jest w stanie przewidzieć wszystkich możliwych sytuacji, co może skutkować nieodpowiednim przygotowaniem systemu antykolizyjnego do pracy a w konsekwencji kolizją. W artykule zaproponowano inny sposob konstrukcji zadań testowych. Funkcję tą ma pełnić algorytm genetyczny, ktorego zadaniem jest poszukiwanie sytuacji stanowiących trudność dla systemu.

To build a reliable automatic anti-collision system for an Unmanned Surface Vehicle it is necessary to implement an intensive testing procedure. In order for the system to guarantee safety at sea it has to be verified in many different situations. The traditional method for building such test tasks uses a test designer to create tests based on his or her experience; ideally the complete test set would represent all possible situations that the vehicle may face at sea. However, the problem is that a human cannot predict all possible situations, a flaw which may result in an inappropriate preparation of the anti-collision system and, in consequence, a collision. The following paper proposes another method for constructing testing tasks, a method that utilises a genetic algorithm. The algorithm's aim is to search for situations which may be difficult for the system or situations which are completely different from the ones tested so far.