7.1 Sonuç
Bu tez çalışmasında, navigasyon algoritmalarını denemek, GPS ve jiroskop gibi navigasyon sensörlerinin uygun biçimde entegrasyonunu sağlamak amacıyla bir mobil robot platformu tasarlanmış ve gerçekleştirilmiştir. Navigasyon algoritmaları arasında kırk yılı aşkın bir zaman boyunca kullanılan ve geliştirilen Kalman filtresi algoritması ele alınmış ve tasarlanan mobil robotun test güzergahlarında seyri sırasında sensörlerden elde edilen veriler kullanılarak mobil robotun konumu kestirilmiştir. Klasik navigasyon yöntemi olarak da bilinen Kalman filtresine bir alternatif olarak düşünülen ve literatürde, yapay zeka alanında güncelliğini koruyan ve sürekli araştırma ve geliştirme konusu olan Yapay Sinir Ağları (YSA) yardımıyla mobil robot üzerinde bulunan sensörler kullanılarak navigasyon bilgileri elde edilmiştir. Farklı güncel teknolojilerden oluşan sensörlerin, tasarlanan veri toplama bilgisayarı, donanımı ve yazılımı yardımıyla entegrasyonu sağlanmıştır
Bu çalışmada, tasarımı gerçekleştirilen mobil robotun seyir halindeyken minimum hata ile konumunun kestirilmesi üzerinde durulmuştur. Bir mobil robotun, kendisine verilen görevi başarıyla gerçekleştirebilmesi için önceden belirlenen bir koordinat sisteminde nerede olduğunu bilmesi gerekmektedir. Bu problemin çözümüne, mobil robotun kinematik modelinin çıkarılması ile başlanabilir, ancak oluşturulan model yeteri kadar sistemi temsil etmeyebilir. Klasik metodlara alternatif olarak YSA ile mobil robotun modellenmesi yoluna gidilebilir. YSA’lar, bilinmeyen lineer ya da nonlineer bir sistemin giriş ve çıkışlarından sistemi eğitim yoluyla öğrenebilir. YSA ile oluşturulan sistem modeli, analitik yollardan oluşturulan modele girilmeyen parametreleri de içerir ve sistemi daha iyi temsil eder. Klasik metodlarla modellenen nonlineer sistem denklemlerinin, pratikte yazılım ve elektronik olarak ucuz bir işlemci ile hesaplamalarının ve sensör entegrasyonunun gerçekleştirilmesi mümkün olmayabilir. YSA ile modellenen sistemlerde ise, eğitildikten sonra ağırlık katsayılarının işlemciye kodlanması ile girişler ve çıkışlar arasındaki ilişki, çarpma ve toplama işlemleri ile gerçekleştirilir.
Bugüne kadar literatürde yapılmış çalışmalar incelendiğinde, mobil robotlar için kullanılan YSA ile konum kestirme yöntemlerinde mobil robot sisteminin modeli, statik olarak adlandırılabilecek YSA modelleri ile oluşturulmuştur. Oluşturulan bu modellerin genelleştirme performansı incelenmemiş ve eğitim güzergahı dışında, farklı güzergahlarda test edilmemiştir. Ayrıca YSA’nın kolay eğitimi için bir yöntem de önerilmemiştir. Birkaç çalışma ise, YSA’nın öğrenme algoritmaları üzerinde yapılan değişiklikler ile sınırlıdır.
Bu çalışmada;
• AR-GE amaçlı genel bir mobil robot, tasarlanmış ve gerçekleştirilmiştir. • Mobil robotun jiroskop, enkoder ve GPS sensörleri ile entegrasyonu
sağlanmıştır.
• Mobil robotun üzerinde sensör verilerini toplaması için PC104 tabanlı bir bilgisayar donanımı gerçekleştirilmiştir.
• C dilinde PC104 ortamında çalışan ve sensör verilerini eksiksiz toplayan bir program yazılmıştır.
• YSA-NARX modeli kullanılarak tasarlanan mobil robotun kinematik modeli oluşturulmuştur.
• YSA-NARX modelinin hızlı eğitimi amacıyla bir eğitim güzergahı oluşturulmuş ve bu yapay güzergah iki ayrı test güzergahında deneysel çalışmalarla desteklenmiştir.
• Gerçekleştirilen mobil robotun YSA-NARX modeli, oluşturulan test güzergah verileri kullanılarak MATLAB ortamında simüle edilmiştir.
• YSA-NARX modeli kullanılarak belirlenen G1 ve G2 test güzergahlarında
GPS desteği olmadan ve GPS destekli mobil robot konum kestirimi yapılmıştır
• Kalman filtresi yöntemi kullanılarak belirlenen test güzergahlarında, GPS desteği olmadan ve GPS destekli mobil robot konum kestirimi yapılmıştır.
• GPS desteği olmadan ve GPS destekli olarak YSA-NARX modelinin genelleştirme özelliği, sistemin performansı, konum kestiriminde sağladığı kolaylık ve iyileştirmeler incelenmiştir.
Yapılan simülasyon ve elde edilen deneysel sonuçlardan, YSA’nın öğreneceği sistemin giriş ve çıkış verilerinden tümü hakkında eğitim yoluyla bilgi edindiği görülmüştür. Ayrıca, bir mobil robotun konum kestiriminde, GPS destekli ve GPS desteği olmadan YSA ve Kalman filtresi ile elde edilen sonuçların birbiriyle uyumlu olduğu görülmüştür. Kalman filtresinin performansını artırmak için mobil robot modelinin, daha kapsamlı oluşturulması gerekmektedir. YSA-NARX, mobil robotun modelini sadece sistemin giriş ve çıkışlarından öğrenebilmektedir. Kalman filtresinde ise mutlaka bir matematiksel model kullanmak gerekir.
YSA ve Kalman filtresinde görülen en temel ortak özellik ise mobil robotun yaptığı ani dönüşlerde konum kestiriminin doğrudan etkilenmesidir. Bu da YSA ve Kalman filtresinin yüksek frekans gürültülerine duyarlı olduğu sonucunu vermektedir.
YSA ile sistem tanılama teorisinde verilen NARMAX ve NOE YSA modellerinin yapılarında bulunan çıkıştan girişe doğru geri besleme bağlantısı, bu modelleri kararsızlığa sürükleyebilmektedir. Bu çalışmada elde edilen veriler kullanılarak farklı yapılarda NARMAX ve NOE modelleri ile konum kestirim sistemi tasarlanmaya çalışılmıştır. Ancak YSA eğitimi sırasında, YSA modeli kararsız duruma girmiş ve elde edilen simülasyon sonuçlarının anlamsız olduğu görülmüştür. Bu nedenle bu tez çalışmasında, NARMAX ve NOE modelleri ile yapılan çalışmalara yer verilmemiştir.
7.2 Öneriler
Yapılan bu çalışmadan elde edilen olumlu sonuçlar göz önüne alındığında, YSA ve yapay zeka tekniklerinin, mobil robot navigasyon sistemlerinde daha yaygın olarak kullanılması sonucunda daha ileri navigasyon sistemlerinin geliştirilmesi mümkündür. Mobil robot konusu; yazılım, sensör, mekanik ve elektronik donanım tasarımı gibi birçok disiplini içinde barındıran bir bilim dalıdır. Bu çalışmanın, çok yönlü olması ve güncel teknolojileri içermesi açısından, ülkemizde bu alanda bir
açığın kapatılmasına katkıda bulunacağı ve oluşturulan bilgi birikiminin gelecekte yeni çalışmalara da ışık tutacağı düşünülmektedir.
Bu tez çalışmasının bir uzantısı olarak;
• YSA algoritmasının doğrudan mobil robotun bilgisayarına yüklenmesi ve gerçek zamanda sistem tanılama yapılması,
• Son teknoloji olan YSA mikroçipleri (neurochip) kullanılarak ve YSA algoritmasını sistemin elektronik donanımına programlayarak mobil robotta gömülü donanım oluşturulması,
• MATLAB programlama dilinde geliştirilen ve geliştirilecek olan YSA veya farklı navigasyon algoritmalarını, MATLAB ortamında PC104 kütüphaneleri yardımıyla gerçek zamanda C diline çevirecek altyapının oluşturulması ve etkileşimli bir araştırma geliştirme platformunun gerçekleştirilmesi,
• Değişik bağıl sensörler kullanılarak (ivmeölçer gibi) veya üç eksenli ataletsel ölçüm birimi yardımıyla YSA ile sensör entegrasyonunun gerçekleştirilmesi, • Hava ve deniz robotlarına mevcut yöntemin uyarlanması,
• Yeni algoritmaların ve tekniklerin sistem için oluşturulan yazılımlara kütüphane olarak eklenmesi suretiyle sistemin çalışma kapasitesinin geliştirilmesi,
• Günümüzde kullanılan araç takip sistemlerine uyarlanması,
• YSA, fuzzy ve genetik algoritma gibi yapay zeka tekniklerinin hibrid olarak kullanılması,