Otonom Mayın Tarama Robotu

Abstract

Bu çalışmada, kara mayınlarını tespit için kullanılacak, düşük maliyetli, otonom mobil mayın tarama robotu geliştirilmiştir. Mobil mayın tarama robotu, otonom çalışabilecek veya bilgisayar vasıtasıyla bir operatör tarafından kontrol edilebilecek şekilde tasarlanmıştır. Robotun görevi, bölgedeki metal içerikli mayınları tespit etmek ve işaretlemektir. Bu görevi gerçekleştirebilmek için otonom robot, çevresindeki engellerden kaçınmasını sağlayacak ultrasonik algılayıcılar ve metal tespit etmesini sağlayacak metal dedektörü gibi çeşitli sensörlerle donatılmıştır. PI hız kontrolü gerçekleştirilmiş ve IF-THEN-ELSE mantığı ile çalışan mobil robotun karar algoritmasına uyarlanmıştır. Otonom mayın tarama robotundan elde edilen verileri gözlemleyebilmek için bilgisayar arayüzü geliştirilmiştir. Mobil robot, MATLAB System Identification Toolbox kullanılarak lineer parametrik giriş-çıkış modeli ile modellenmiştir. Modelin girişi PWM, çıkışı ise RPM olarak seçilmiştir. Giriş çıkış değerleri mobil robottan toplanmış ve model parametreleri, en küçük kareler metodu ile kestirilmiştir. Toplanan verilerin bir kısmı model doğrulama için kullanılmıştır.

In this study, a low cost mine detecting autonomous mobile platform is developed to search for landmines in the minefields. It is designed that either works autonomous or manually from computer. The robot’s missions would be to detect and mark the location of metallic mines. To accomplish this task, the autonomous robot uses a series of sensors which includes ultrasonic sensors for obstacle avoidance and a surface penetrating metal detector for metal detection. Speed control is done by using PI control algorithms and adapted into decision making algorithms working with IF - THEN- ELSE topology. Computer interface software is written for data acquisition. The mobile robot was modelled with linear parametric input-output model by using the System Identification Toolbox of MATLAB. RPM and PWM were selected as output and input, respectively. Input and output values were collected from system and model parameters were estimated by using least square method. In order to test the model validation, any part of collected datas were used.