Habib, Nukman (2022) Perencanaan Gerakan Optimal Pada Mobile Robot Menggunakan Modified Ant Colony Optimization. Doctoral thesis, Institut Teknologi Sepuluh Nopember.
Preview |
Text
Buku Disertasi Nukman Habib 2022 revisi 2.pdf - Accepted Version Download (4MB) | Preview |
Abstract
Perencanaan gerakan mobile robot didefinisikan sebagai merencanakan gerakan pada mobile robot dari posisi awal menuju posisi akhir. Sebelum mobile robot mulai bergerak, diperlukan perencanaan lintasan global yang meliputi dua permasalahan utama, yaitu: pemodelan lingkungan kerja dan pencarian lintasan bebas tabrakan.
Pemodelan lingkungan bertujuan untuk menentukan jumlah dan posisi node-node sebagai titik lewat pada ruang kerja mobile robot. Jika jumlah node terlalu banyak, maka membutuhkan media penyimpanan memori yang besar dan proses pencarian lintasan yang lama sehingga waktu komputasi menjadi lebih lambat. Jika jumlah node terlalu sedikit, maka mengakibatkan hasil pencarian lintasan terjebak pada minimum lokal. Sedangkan posisi node yang tidak tepat dapat menyebabkan hasil lintasan yang diperoleh tidak aman, dimana mobile robot bersinggungan dengan halangan yang terdapat pada ruang kerjanya.
Penelitian ini mengusulkan 3 (tiga) metode pemodelan lingkungan pada perencanaan gerakan mobile robot yaitu acak bebas, acak dibatasi garis polinomial, dan Voronoi diagram (VD). Fungsinya adalah untuk menentukan jumlah dan distribusi posisi node-node yang efisien dan tepat agar diperoleh lintasan aman dengan jarak minimal dan waktu komputasi yang cepat. Kemudian algoritma modified ant colony optimization (MACO) yang merupakan hasil modifikasi dari metode ACO sederhana (simple ACO) digunakan untuk memilih node-node tersebut, sehingga mobile robot dapat bergerak bebas melalui node-node yang telah dipilih dari posisi awal menuju posisi akhir.
Beberapa kali eksperimen secara simulasi dilakukan untuk menguji efektifitas dari metode yang diusulkan. Hasil simulasi menunjukkan bahwa algoritma MACO memberikan kinerja lebih baik dibandingkan dengan metode pencarian lintasan lainnya (ACO standar dan SACO) dengan menggunakan ketiga metode pemodelan lingkungan. Hal tersebut dibuktikan dengan panjang lintasan dan waktu komputasi minimal yang diperoleh masing-masing, yaitu: 127,9 cm dan 125,5 s untuk acak bebas, 105,7 cm dan 79,1 s untuk acak berbasis polinomial, serta 83.19 cm dan 91.82 s untuk Voronoi diagram.
Di antara ketiga metode pemodelan lingkungan, metode acak berbasis polinomial yang paling tepat dikombinasikan dengan algoritma MACO untuk diimplementasikan pada robot pramusaji. Eksperimen yang dilakukan secara simulasi terhadap dua skema (tujuan 1 dan tujuan 2) memberikan hasil bahwa robot pramusaji dapat mencapai tujuan 1 tanpa menabrak halangan yang ada untuk node sejumlah 10 dengan panjang lintasan sebesar 79,53 cm, dan tujuan 2 dapat dicapai untuk node sejumlah 15 dengan panjang lintasan sebesar 99,75 cm.
================================================================================================
Mobile robot motion planning is defined as plan motion on mobile robot
from the beginning position to the end position. Before mobile robot start moving,
it necessary global path planning that includes two main problems are working
environment modeling and collision-free path search.
The objective of the environment modeling is to determine the nodes sum
and position as waypoint in the mobile robot workspace. If the nodes number are
too much then it requires a big memory storage and path search process need a long
time so the computation time get slower. If the nodes number are too small then it
causes path search result to get trapped to local minimum. While the improper
position of nodes can yield the unsafety path, the mobile robot touching the
obstacles in the workspace.
This research proposes three environmet modelling methods for mobile
robot motion planning, namely free random, random restricted by polynomial line,
and Voronoi diagram (VD). The purpose of the methods is for determining the
efficient and precise of the nodes number and position distribution so that it can be
obtained a safety path with minimal distance and fast computation time. Then the
modified ant colony optimization (MACO) algorithm that the product of the simple
ACO modification is used to select nodes, so mobile robot can move freely through
nodes choosen from initial to the end position.
Several times of experiment by simulation have been done to evaluate the
effectiveness of the proposed methods. The simulation result show that the MACO
algorithm giving performance better than the other path search approaches
(standard ACO dan SACO) using three environment modelling methods. This is
evidenced by the minimal path length and computation time each obtained are:
127,9 cm and 125,5 s for the free random method, 105,7 cm and 79,1 s for the
random based polynomial method, and 83.19 cm and 91.82 s for the Voronoi
diagram.
Among the three environment modelling methods, the random based
polynomial is the most suitable method combined with MACO algorithm to be
implemented for waiter robot. Experiment done by simulation on to the two-
schemes (destination 1 and destination 2) yield that the waiter robot can reach the
destination 1 without crash the obstacles for 10 nodes number with path length is
79.53 cm, and the destination 2 can be reached for 15 nodes number with path
length is 99.75 cm.
| Item Type: | Thesis (Doctoral) |
|---|---|
| Uncontrolled Keywords: | Perencanaan gerakan, mobile robot, acak bebas, acak polinomial, Voronoi diagram, modified ant colony optimizationMotion planning, mobile robot, free random, random based poynomial, Voronoi diagram, modified ant colony optimization |
| Subjects: | T Technology > TJ Mechanical engineering and machinery > TJ211.415 Mobile robots |
| Divisions: | Faculty of Intelligent Electrical and Informatics Technology (ELECTICS) > Electrical Engineering > 20001-(S3) PhD Thesis |
| Depositing User: | Nukman Habib |
| Date Deposited: | 16 Feb 2022 07:11 |
| Last Modified: | 12 Nov 2024 04:01 |
| URI: | http://repository.its.ac.id/id/eprint/94387 |
Actions (login required)
 |
View Item |