الفهرس 
Hybrid Algorithms for Autonomous Robot Path Planning
CHAPTER ONE INTRODUCTIONOnly 14 pages are availabe for public view
 |  | from | 73 |  |  |
| | | from | 73 | | |
Abstract
الروبوت هو آلة ميكانيكية يمكنها القيام بأعمال قابلة للبرمجة إما مع التحكم المباشر من البشر أو إشارة من الحاسوب. الروبوت المتحرك المستقل هو نوع من الروبوتات التي يمكن أن تتفاعل في البيئة الحقيقية تلقائيا. لذلك، يمكن استخدامها في الجيش، الطب، الترفيه، تطبيقات النقل الآلي، وما شابه ذلك. وبالتالي، فإن تفاعل الروبوت مع بيئات غير معروفة وديناميكية منتشر على نطاق واسع لأنه يجعل الروبوت أكثر سلاسة وتكيفا مع البيئة.يهدف هذا البحث الي التحكم في الروبوتات المتنقلة المستقلة التي لديها تكيف حركي لأي بيئة. وسيصمم النظام المقترح روبوت متحرك مستقل لاستكشاف البيئة بواسطة أجهزة استشعار لتحديد العقبات في °١٨٠ درجة أمام الروبوت .ثم استخدام الخوارزميات لاستخراج مجموعة من القواعد من المدخلات المعينة للحصول على المخرجات المتوقعة والحصول على المسار الأمثل للوصول إلى الهدف دون الاصطدام بالعقبات .وذلك باستخدام خوارزميات مختلفة و مبنية على تعلم الآلة ، عن طريق تدريب مجموعات البيانات لجعل الحركة أكثر تكيفًا مع أي بيئة. لذا، في البداية، سنبني شبكة مجموعات بيانات للنظام المقترح لتطبيق المزيد من أنظمة التحكم على هذه البيانات وتتكون هذه الشبكة من ثمانية مدخلات يتم معرفتها من البيئة المحيطة لتحديد مكان العقبات وموقع الهدف، ووحده إخراج واحدة لتحديد زاوية اتجاه الروبوت. ومن ثم، نحاول استخدام خوارزميات مختلفة لزيادة كفاءة تدريب شبكة البيانات لتجنب العوائق، وتقليل نسبه الخطأ الذي يمكن أن يحدث أثناء تدريب الشبكة. لذلك، يتم محاكاة جميع الخوارزميات المستخدمة على MATLAB toolbox للتحقق من فعالية الطرق المستخدمه.تم استخدام الشبكات العصبية الاصطناعية لتدريب الشبكة التي تم إنشاؤها، ولكن عند محاكاة على MATLAB أظهرت وجود نسبه خطا كبيره تصل الي ٥٢.٧٨٩٪ واستغرقت وقت تدريب طويل. لذا، حاولت تحسين هذا الأداء باستخدام تقنية التوحيد القياسي، التي كانت تستخدم لجعل جميع قيم مجموعة البيانات بين -١ إلى ١. هذه التقنية تؤكد فاعليته على النظام المقترح عند تدريب البيانات الجديدة في محاكاة MATLAB، والتي اكدت تقلل من نسبه خطا لتصل الي ٠.٠٠٢٥٨٧ ٪ وأيضا تقليل وقت تدريب مجموعة البيانات نسبيا.ومن الجانب الاخر من هذه الرساله يظهر كيفية استخدام الخوارزمية الهجينة من الشبكات العصبية الاصطناعية والتحكم بالمنطق الضبابي للوصول الي الحد الأدنى من قواعد المتحكم على مجموعه البيانات للتحكم في زاوية توجيه الروبوت في بيئة غير معروفة من خلال التحديث المستمر للبيانات التي تم الحصول عليها من البيئة المحيطة لتخطيط المسار وحل مشاكل تجنب العقبات.