Bu çalışmada; açık ortamlarda, beton ve asfalt zeminlerde hareket edebilen karasal bir mobil robot tasarlanmış ve gerçekleştirilmiştir. Tasarlanan mobil robot, son teknoloji mutlak konumlandırma sistemi olan GPS ve bağıl konumlandırma sistemlerinde kullanılan fiber optik jiroskop ve enkoderler ile donatılmış, navigasyon algoritmaları ve sensör verisi toplayan yazılımları geliştirmeye açık ve esnek olarak tasarlanmıştır. Geleneksel navigasyon ve sensör entegrasyon algoritması olan Kalman filtresine alternatif bir yöntem olarak yapay sinir ağları (YSA) ile sensör entegrasyonu ve navigasyon yöntemi geliştirilmiştir. YSA öğreneceği sistem hakkında bir ön bilgiye ihtiyaç duymaz ve nonlineer sistem tanılamada çok başarılıdır. YSA ile gerçekleştirilen navigasyonda, literatürde geliştirilen benzer yöntemlerden farklı olarak doğrusal olmayan oto regresiv sistem tanılama metodunun (NARX) YSA' ya uygulanması ile kararlı ve hızlı sistem tanılama sağlanmıştır. Sensör entegrasyonu yönteminde, sistemin kesintisiz konum bilgisi üretmesi, navigasyon sisteminin performansını belirlemektedir. Bu nedenle mutlak sensör bilgilerinin kesintiye uğradığı durumlarda da mobil robotun, konumunu kestirebilmesi gerekir. Yapılan çalışmada, YSA-NARX ile gerçekleştirilen GPS destekli sensör entegrasyonu sayesinde navigasyon sistemi, kabul edilebilir hata seviyelerinde kesintisiz konum bilgisi üretebilmekte ve başarıyla konum kestirebilmektedir. Gerçekleştirilen sistem, iki farklı test güzergahında simule edilmiş ve pratik olarak denenmiştir. Elde edilen simülasyon ve deneysel sonuçlardan mobil robotun konumunun belirlenmesinde YSA-NARX sensör entegrasyonunun Kalman filtresine alternatif bir yöntem olabileceği görülmüştür.
In this study, an outdoor land based mobile robot that can navigate on concrete and asphalt roads has been designed and implemented. The mobile robot is equipped with the latest state of the art GPS absolute navigation system, and relative sensors as fiber optic gyroscope, and encoders. The mobile robot?s navigation algorithms and sensor data logging software are flexible and open to improvement. An alternative navigation and sensor integration method using artificial neural network (ANN) has been proposed versus the traditional Kalman filtering. Neural networks do not need any pre-knowledge of the system involved and they are well suited for nonlinear system identification. Hence, the proposed method differ from similar works in the literature by implementing the nonlinear autoregressive with external input system identification methodology (NARX) having great stability and learning speed by using ANN. The aim of sensor integration in navigation systems is to predict positioning data even where the absolute sensor data is locked or unavailable. This feature gives the predictability performance of the navigation system. In this study the ANN-NARX aided GPS navigation system was simulated and supported with experimental works on two different test trajectories. It has been shown that predicted position errors are acceptable and continuous position prediction process is successfully achieved from graphical plots and error analysis. As a result, navigation using ANN-NARX sensor integration may be used as an alternative to the Kalman filter.
