| Περίληψη: | Η παρούσα διδακτορική διατριβή έχει ως αντικείμενο την ανάπτυξη στρατηγικών ελέγχου του ρομπότ για το χειρισμό υφασμάτων κατά τη διαδικασία της ραφής. Ένα βασικό πρόβλημα που παρουσιάζουν τα υφάσματα σε σχέση με τα στερεά αντικείμενα είναι η δυσκολία χειρισμού τους εξαιτίας της πολύ δύσκολα προβλέψιμης συμπεριφοράς τους. Πιο συγκεκριμένα, τα υφάσματα έχουν χαμηλή αντίσταση σε κάμψη που συνεπάγεται την εμφάνιση παραμορφώσεων που μεταβάλλουν το σχήμα τους και επιπλέον, παρουσιάζουν έντονη μη-γραμμικότητα και ανισοτροπία με αποτέλεσμα τη μεγάλη δυσκολία μοντελοποίησής τους κυρίως για εφαρμογές πραγματικού χρόνου.
Η έρευνα για την εκπόνηση της παρούσας διδακτορικής διατριβής επικεντρώθηκε στην ανάπτυξη στρατηγικών ελέγχου που βασίζονται σε μεθόδους Υπολογιστικής Νοημοσύνης (Ασαφή Λογική, Γενετικούς Αλγόριθμους και Νευρωνικά Δίκτυα) και Ανάδραση Όρασης. Τα ευφυή συστήματα ελέγχου με χρήση τεχνητής όρασης παρέχουν τη δυνατότητα στο ρομπότ να διεκπεραιώσει με επιδεξιότητα εργασίες σχετικές με τη ραφή υφασμάτων σε πραγματικό περιβάλλον με σκοπό την υψηλότερη ευελιξία και αυτοματισμό. Οι ειδικότεροι στόχοι της διατριβής είναι η ελαχιστοποίηση του συνολικού χρόνου εργασίας του ρομπότ για την ολοκλήρωση της ραφής και ο περιορισμός των σφαλμάτων στη ραφή μέσα στα αποδεκτά όρια.
Στο πλαίσιο της διατριβής αυτής, αναπτύχθηκε ένα ευφυές σύστημα για τη ραφή υφασμάτων που υλοποιήθηκε σε μια εργαστηριακή διάταξη που περιλαμβάνει ρομπότ, κάμερες και ραπτομηχανή, καθώς και μια ποικιλία υφασμάτων που χρησιμοποιήθηκαν ως δοκίμια. Το ρομποτικό σύστημα ραφής υφασμάτων περιλαμβάνει διαδικασίες που προηγούνται της ραφής, καθώς και τη διαδικασία της ραφής πάνω στο τραπέζι εργασίας μέχρι να ολοκληρωθούν όλες οι ραφές στο ύφασμα. Για τη ραφή των υφασμάτων πάνω στο τραπέζι εργασίας, αναπτύχθηκε ένα Ασαφές Σύστημα ελέγχου χρησιμοποιώντας μια ποικιλία διαφορετικών υφασμάτων. Ιδιαίτερη έμφαση δόθηκε στην ανάπτυξη του συστήματος ικανού να ανταπεξέρχεται στις πτυχώσεις που εμφανίζονται κατά τη διάρκεια του χειρισμού του υφάσματος από το ρομπότ, χωρίς να οδηγείται σε αστοχία.
Στη συνέχεια, αναπτύχθηκαν μέθοδοι βελτιστοποίησης της διαδικασίας της ραφής με κριτήριο την ελαχιστοποίηση του συνολικού χρόνου εργασίας της ραφής θέτοντας εκ των προτέρων τα μέγιστα αποδεκτά σφάλματα για τη ραφή. Η ρύθμιση των παραμέτρων του Ασαφούς Συστήματος πραγματοποιήθηκε με Γενετικούς Αλγόριθμους εκτός της παραγωγικής διαδικασίας (off-line) και με ένα εποπτεύον Ασαφές Σύστημα εντός της παραγωγικής διαδικασίας (on-line). Για την πειραματική επαλήθευση του συστήματος, χρησιμοποιήθηκαν υφάσματα που αποτελούνται από ευθύγραμμα τμήματα.
Σε επόμενο στάδιο, αναπτύχθηκε μια στρατηγική ελέγχου για τη ραφή υφασμάτων που αποτελούνται από καμπύλα τμήματα με αυθαίρετη καμπυλότητα. Η προτεινόμενη μέθοδος συνδυάζει τη μέθοδο εντοπισμού των κυρίαρχων σημείων με ένα μικρο-Γενετικό Αλγόριθμο με σκοπό την πολυγωνική προσέγγιση των καμπύλων τμημάτων. Το πρόβλημα που διαμορφώθηκε είχε στόχο την ελαχιστοποίηση των πολυγωνικών τμημάτων που προσεγγίζουν τα καμπύλα τμήματα με δεδομένα τα μέγιστα ανεκτά όρια για το σφάλματα στη ραφή.
Επιπλέον, αναπτύχθηκε ένα προσαρμοστικό νευρο-ασαφές σύστημα για τη ραφή υφασμάτων με καμπύλα τμήματα που έχει την ικανότητα να μαθαίνει από πρωθύστερη γνώση. Το σύστημα εκπαιδεύτηκε διεξάγοντας πειράματα ραφής με ένα αριθμό υφασμάτων διαφορετικών καμπυλοτήτων, οπότε καθίσταται ικανό να ανταποκριθεί με αξιοπιστία στη ραφή άλλων υφασμάτων, δηλ. υφασμάτων που δε χρησιμοποιήθηκαν στη διαδικασία εκπαίδευσης. Η δημιουργία του νευρο-ασαφούς αυτού συστήματος βασίστηκε στη χρήση μιας πρωτότυπης μεθόδου ομαδοποίησης δεδομένων.
Η προτεινόμενη αυτή μέθοδος ομαδοποίησης βασίστηκε στην ανάπτυξη ενός Γενετικού Αλγόριθμου με χρωμοσώματα μεταβλητού μήκους, ο οποίος έχει το πλεονέκτημα ότι εξασφαλίζει ευελιξία όσον αφορά στον αριθμό των ομάδων που προκύπτουν. Η συμβολή της μεθόδου είναι διττή: αφενός, παράγει αυτόματα τον αριθμό των κέντρων των ομάδων και αφετέρου, αναζητά τα κέντρα σε όλο το πεδίο ορισμού, χωρίς να περιορίζεται στα δεδομένα. Η προτεινόμενη μέθοδος έχει γενικότερη αξία και δεν περιορίζεται μόνο στη χρήση της από το νευρο-ασαφές σύστημα.
Αξίζει να σημειωθεί ότι όλες οι στρατηγικές ελέγχου του ρομπότ που αναπτύχθηκαν για το χειρισμό των υφασμάτων, εφαρμόστηκαν σε υφάσματα διαφορετικά ως προς το σχήμα (με ευθύγραμμα και καμπύλα τμήματα), το χρώμα και τις ιδιότητες
|
|---|
