کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
7178417 1467272 2018 13 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Probabilistic self-tuning approaches for enhancing performance of autonomous vehicles in changing terrains
ترجمه فارسی عنوان
رویکردهای خودتنظیم احتمالی برای افزایش عملکرد وسایل نقلیه مستقل در تغییر حوضچه ها
کلمات کلیدی
کنترل ردیابی مسیر تنظیم خودکار، ماشین آلات صنعتی، تعامل چرخش زمین،
ترجمه چکیده
کنترل کننده های حرکت معمولا نیاز به یک مرحله تنظیم برای اطمینان از عملکرد قابل قبول خودرو در طول عملیات در سناریو های چالش برانگیز است. با این حال، چنین مرحله تنظیم فرآیند وقت گیر برای برنامه نویس است و اغلب مبتنی بر شهود یا رویکرد اکتشافی است. علاوه بر این، هنگامی که تنظیم می شود، عملکرد خودرو با توجه به ماهیت زمین تغییر می کند. در این کار، استفاده از تکنیک های احتمالی شناخته شده برای کنترل کننده های مسیر یابی خودکار برای واحد های خدماتی براساس ایده صرفه جویی در منابع منابع و نیروی کار نیروی انسانی مورد مطالعه قرار گرفته است. استراتژی های پیشنهادی بر اساس رویکردهای مونت کارلو و بیزی برای پیدا کردن بهترین مجموعه ای از دستاوردهای برای تنظیم کنترل کننده خارج از خط و بر روی خط است، به این ترتیب عملکرد کنترل کننده را در حضور تغییرات حوضه ها افزایش می دهد. این روش ها بر روی وسیله نقلیه مینی لودر که معمولا برای اهداف معدن استفاده می شود، اجرا و اعتبار می گیرند. جزئیات پیاده سازی و هر دو شبیه سازی و نتایج تجربی در این کار گنجانده شده است، نشان می دهد که با استفاده از رویکردهای ما، تلاش می تواند تا 30٪ ذخیره شود و اشتباهات ردیابی تا 75٪ کاهش یابد.
موضوعات مرتبط
مهندسی و علوم پایه علوم زمین و سیارات مهندسی ژئوتکنیک و زمین شناسی مهندسی
پیش نمایش مقاله
رویکردهای خودتنظیم احتمالی برای افزایش عملکرد وسایل نقلیه مستقل در تغییر حوضچه ها
چکیده انگلیسی
Motion controllers usually require a tuning stage to ensure an acceptable performance of the vehicle during operation in challenging scenarios. However, such tuning stage is a time consuming process for the programmer and often is based on intuition or heuristic approaches. In addition, once tuned, the vehicle performance varies according to the nature of the terrain. In this work, we study the use of well-known probabilistic techniques for self-tuning trajectory tracking controllers for service units based on the idea of saving both vehicle's resources and human labour force time. The proposed strategies are based on Monte Carlo and Bayesian approaches to find the best set of gains to tune the controller both off-line and on-line, thus enhancing the controller performance in the presence of changing terrains. The approaches are implemented and validated on a skid-steer mini-loader vehicle usually used for mining purposes. Implementation details and both simulation and empirical results are included in this work, showing that when using our approaches, effort can be saved up to 30% and tracking errors reduced up to 75%.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Journal of Terramechanics - Volume 78, August 2018, Pages 39-51
نویسندگان
, , , ,