Yıl: 2009, Cil:2, Sayı:4, Sayfa:412-425 TÜBAV BİLİM DERGİSİ ROBOTİK SİSTEMLER VE MADENCİLİKTE KULLANIMININ ARAŞTIRILMASI M. Kemal ÖZFIRAT Dokuz Eylül Üniversiesi Mühendislik Fakülesi Maden Müh. Böl. 35160 Buca-İZMİR Öze Gelişen eknoloji ile birlike maden seköründe çalışan firmalar ve maden makinaları üreicileri gelişmiş mekanizasyon sağlamak, verimliliği, üreimi ve işyeri güvenliğini arırmak için madencilik çalışmalarında roboik sisemleri kullanmakadırlar. Yeralı madenciliği ve açık işleme madenciliğinde nakliya işlemlerinde, yeralı madenlerinde riskli bölgelerde, cevher arama işlemlerinde ve cevher hazırlama esislerinde roboik sisemler kullanılmakadır. Çalışmada, roboik sisemlerin bileşenleri, roboik sisemlerin oluşurulması ve madencilike roboik sisemlerin uygulamaları araşırılmışır. Çalışmanın sonucunda madencilike roboik sisemleri kullanmanın olumlu yanları vurgulanmışır. Anahar Kelimeler: Roboik sisemler, madencilik, yeralı madeni, mekanizasyon INVESTIGATION OF ROBOTIC SYSTEMS AND USING IN MINING Absrac Wih developing echnology, mining firms and mining machines manufacurers provide advanced mechanizaion using roboic sysems in order o increase efficiency, producion and work safey. Roboic sysems are used for especially underground mining and open pi mining haulage operaions, risky underground mines, ore exploraion operaions, ore processing plans. In his sudy, roboic sysems componens, insallaion of roboic sysems and applicaions of roboic sysems are invesigaed. In he resul of he sudy, advanages of using roboic sysems in mining are emphasized. Key Words: Roboic sysems, mining, underground mine, mechanizaion E-posa: kemal.ozfira@deu.edu.r
1. Roboik Sisemlere Giriş Yapay zeka, yüksek seviyede insan gücü gerekiren akivielerin bilgisayarlar yardımıyla yapılmasını konu alan bilgisayar biliminin bir koludur. Bu akivieler, görme, duyma, planlama ve çalışırmayı içerir [1]. Yapay zeka sisemlerinde siberneik, sezgisel problem çözümleme, manıksal programlama, uzman sisemler, görünü analizi, yapay sinir ağları, geneik algorimalar, bulanık manık ve roboik sisemler yeralır. Roboik sisemler son yıllarda endüsride geniş kullanım alanı bulan yapay zeka yönemlerinden bir anesidir. Roboik sisemlerin uygulama bulduğu başlıca alanlar; inşaa, madencilik ve ziraa, nakliya işleri, ehlike içeren oramlarda yapılması gereken çalışmalar, ar-ge çalışmaları, sağlık sekörü, kişisel hizmeler sekörleridir. Robo kelimesi ilk defa 1921 yılında Çek yazar Karel Çapek arafından Rossum un evrensel roboları adlı eserinde bir oyunun anlaımında kullanılmışır. Robo kelimesinin Çek dilinde anlamı ağır, sıkıcı işir. Günümüzde ise robo, maddeleri, parçaları, ale veya özel düzenleri programlanabilir şekilde hareke eirmek üzere asarlanmış çok fonksiyonlu bir sisem olarak anımlanmakadır. Roboik kelimesi ise ünlü bilimkurgu yazarı Isaac Asimov a aiir [2]. Robobilim, özellikle sanayide, iş oomasyonu ekinliklerini (pakeleme, amir, yöneim) kapsamakadır. Varolan roboların büyük bir bölümü örneğin mermer fabrikalarında cila, dolgu haı makinaları, seramik, çimeno fabrikalarında pakeleme makinaları gereken işleri sıra ile durmadan ekrar ederler. Belli bir zeka sisemine sahip değildirler. Genelde robo kollar olarak isimlendirilirler. Yeni nesil robolar giderek çevrelerini algılamaya ve harekelerini planlamaya yönelik zeka yeeneği ile donaılmışlardır. Tüm robolar yapmakla yükümlü oldukları işlerini algorima ile yönlendirirler. Her ne kadar değişen şarlara göre yeniden plan yapma yeenekleri olsa da robolar bu nokada yeersiz kalabilirler. Örneğin madencilike yapılan üreim ile birlike değişen yollar sebebi ile roboların ekrar planlamasını gerekiren yeni durumlar oluşacakır. Roboik sisemlerin bilgisayarda uygulanan simülasyon sisemlere göre olumlu ve olumsuz yönleri vardır. Roboik sisemlerin kurulması yavaş ve zordur. İlk oluşurmada aksaklıklara, bozulmalara, yanlışlara çok açıkır. Roboik sisemlerin deneycinin olmaması durumunda çalışması imkansızdır. Simülasyon sisemler ise hızlı yapılabilen bilgisayarda farklı bir kullanıcı arafından da çalışırılabilen sisemlerdir. Roboik sisemler kurulması pahalı sisemlerdir. Roboik sisemlerde deney yapmak çok zaman alır faka deney sürecini izlemek ve yorumlamak simülasyon sisemlere göre daha kolaydır. Genelde simülasyon sisemlere göre olumsuz gözüksede Şekil 1 de göserildiği gibi simülasyon siemlere göre çok gerçekçi sisemlerdir. Şekil 1 de robo ile yapılan denemede (a) yerçekimi ekisi ile deney robou masadan aşağıya düşmekedir faka bilgisayarda yapılan simülasyon sisemlerinde (b) deney cismi havada kalmakadır. Roboik sisemlerin simülasyon sisemlerine oranla önemini Şekil 1 özelemekedir [3]. Şekil 1. Roboik sisem (a) ile simülasyon modelin (b) karşılaşırılması [3] Çizelge 1. Robo ve roboik sisemlerin gelişim süreci [4] Yıl Gelişme Bulan kişi/firma/kullanıldığı yer 1921 Robo kelimesi bulundu. Karel Capek 1947 Zeki makinalar hakkındaki makale yayınlandı. Turing, M. 1948 Turle (konrol sisemi programlanamayan harekeli robo) Grey Waler (Hopkins gelişirildi. üniversiesinde) 1950 Roboik kelimesi bulundu. Asimov, I. 1960 Shakey (genel amaçlı robo, Görme organına ve yapay zekaya sahip ilk robo) Sanford Araşırma Ensiüsü 413
1961 Unimae isimli İlk icari robo yapıldı. Joseph Engelberger ve George Devol 1961 Göz-El robo kolu gelişirildi. Erns H.A. 1972 FREDDY (Harekeli robo) gelişirildi. Michie, D. 1972 Joseph Engelberger ve George Devol ün sağladığı roboun Kawasaki arafından gelişirilmesi ve ilk monaj haı Nissan firması robounun yapıldı. 1976 Mars a gidecek olan uzay araçlarına robo kollar yerleşirildi. NASA 1978 PUMA (programlanabilir genel monaj makinası) başlangıça General Moors arafından gelişirilmişir, günümüzde dünya çapında bir milyon kadar olduğu ahmin edilmekedir. General Moors firması Bunların yarısından fazlası Japonya da oluşurulmuşur. 1979 PSPACE robo hareke planlaması Reif, J. 1983 Şirkei, 6 bacaklı, yürüyen robou piyasaya sürdü. Odeics firması 1983 Roboik sisemlerde boşluk yapısı oluşuruldu. Lozano-Perez, T. 1984 Wabo-2 adlı noa okuyup, elekronik org çalabilen robo yapıldı. Waseda Üniversiesi 1986 Kalman süzücüsü anlık konumlama ve harialama probleminde kullanıldı. Smih, R.C.ve Cheeseman, P. 1986 İnsansı bir robo gelişirmek amacı ile gizli bir proje başlaı. Honda Moor firması 1986 Poansiyel alan konrolü kullanıldı. Khaib, O. 1992 İşareleyici abanlı navigasyon kullanıldı. Lazanas, A. ve Laombe, J.C. 1993 bir insan gibi yeişirilen ve eğiilen robo Cob u yapmaya başladı. Brooks R. A. 1994 Dane II, gelişirilen yürüyen robo Alaska da akif bir volkana keşif gezisi yapar ve volkanik gaz örnekleri Carnigie Mellon Üniversiesi opladı. 1996 P-2 (prooype 2), yürüyen insansı robo dünyaya anıılır. Honda 1997 İlk yıllık robolar arası fubol urnuvası Robocup düzenlendi. Japonya 1997 Pahfinder uzay aracı Mars a indi ve Sojourner robou Mars yüzeyinde keşif gezisi yapı. NASA 1999 Markov konumlamasını kullandı. 1999 Mone Carlo konumlamasını kullandı. Burgard, W., Cremers, A.B., Fox, D., Hahnel, D., Lakemeyer, G., Schulz, D., Seiner, W., Thrun, S. Fox D., Burgard, W., Dellaer, F., Thrun, S. 2000 Üç insansı robo (Johny Walker, Mk-2, Pino) ilk defa yapıldı. RoboCup 2000 2001 Rao-Blackwellized kısmi süzücüsünü kullandı. Aaamurphy ve Russsell 2002 Roboik harialamayı buldu. Thrun, S. Robolar, kendi kendini uyarlayamayan birinci kuşak robolar, çevresini algılamaya yönelik en az bir alıcısı bulunan ikinci kuşak robolar ve kendi kendini uyarlama imkanı sağlayan bir yapay zeka ile donaılmış üçüncü kuşak robolar olarak üçe ayrılabilir. Üçüncü kuşak robolar serbes olarak hareke edebilmekedir [2]. Roboların yapılarının hemen hemen hepsinde yaklaşım yapan kısımlar ve algılayıcılar vardır. Roboların çalışmasında zorunlu donanımlar olan yaklaşım ünieleri her ara nokada isenen sonuç ile elde edilmiş sonuç arasındaki farkın hesaba kaılmasını sağlarlar. Bir madende robobilim ile çalışırılan bir aracın gönderilmek isendiği koordina ile giiği koordina arasındaki farkın minimum olmasına dayanan sisem ile aracın isenen koordinaa gimesinin sağlanması örnek verilebilir. Algılayıcılar ise fiziksel bir büyüklüğü, bilginin işleneceği bir elekriksel büyüklüğe dönüşürür. Algılayıcılar yardımı ile robolar, çalışıkları oramlardaki değişimlere uygun plan oluşurarak nesne harekei ile ilgili yorum yapabilmekedir. Roboik sisemlerin insanla karşılaşırıldığında üsün arafları vardır. Bunlar, üreim arışı, üreim maliyeinin düşmesi, kalie arışı, ehlikeli oramlarda çalışabilme (yeralı madenciliğinde riskli çalışma bölgelerinde), yöneimdeneim kolaylığı, iş esnekliği, uzun ömür ve daha dayanıklılık ile uyumlulukur. Çalışmanın amacı roboik sisemlerin hangi bileşenlerden oluşuğunu araşırmak ve bir roboun asarımında ve kullanılmasında hangi aşamaların gerçekleşirildiğini anlamakır. Daha sonra madencilike uygulanmış roboik sisemlere örnekleme yapılarak madencilike roboik sisemlerin nasıl kullanıldığının anlaşılması sağlanmaya 414
çalışılmışır. Roboik sisemlerin hızla ilerleyen eknoloji ile kullanılmasının kaçınılmaz olduğu günümüzde üreim ve iş güvenliği açısından olumlu özellikler aşıdığı vurgulanmışır. 2. Roboik Sisemlerin Bileşenleri Şekil 2. Roboik sisemlerin genel yapısı [2] Roboik sisemler algılayıcılar, yönlendiriciler, konumlama problemleri, belirli-belirsiz harekelerin planlanması, hareke ve üm bunların yapılması için yazılmış olan algorimalar ile yapay işareleyicilerden oluşmakadır. Roboun çevreyi anıması esnasında bir akım hesaplara dayanan olasılık ve gerçek emelli algorimalar mevcuur. 2.1. Algılayıcılar Algılayıcılar, robolar ve çalışıkları çevre arasında bağlanıyı sağlayan ekipmanlardır. Pasif algılayıcılar örneğin kameralar çevrenin gözlemini yaparlar. Çevredeki diğer kaynaklardan yayılan sinyalleri yakalarlar. Akif algılayıcılar ise örneğin sonarlar (Sound Navigaion And Ranging: ses dalgalarını kullanarak cismin boyu, uzaklık ve diğer verilerini bulmaya yarayan ale) çevreye enerji yayarlar. Sonardan çıkan enerji ekrar algılayıcılara dönerek bilgi akışı sağlanır. Akif algılayıcılar, pasif algılayıcılardan daha fazla bilgi sağlarlar. Faka enerji ükeimleri fazladır. Akif ya da pasif olmak üzere algılayıcıların nesneleri mesafelerine göre kaydedenler, çevredeki resimleri girişlerine göre kaydedenler veya roboun kendi yapabildiği özelliklere göre üç ipi vardır. Birçok harekeli robo erafındaki nesnelere mesafe ölçen algılayıcılar ile mesafe bulucu kullanır. Genel ipi ses dalgalarını kullanan sonarlardır. Sonar algılayıcılar deniz alında kullanılmakadır. Karada, yakın mesafeler için çarpmadan ve açısal çözünürlüklerinin sınırlı olmasından dolayı bazen iyi sonuçlar vermeyebilir. Böyle durumlarda sonar içeren lazer veya radar sisemleri ercih edilir. Sonar içeren bir lazer Şekil 3 e göserilmişir. Şekil 3. Harekeli robolarda sıklıkla ercih edilen SICK lazer mesafe arayıcı (a), iki boyulu çevre hariasına projelendirilmiş, yaay moneli algılayıcı ile elde edilmiş mesafe araması (b) [4] 415
Bazı algılayıcılar çok yakın ya da çok uzun mesafeyi ölçerler. Yakın değer ölçen algılayıcılar dokunmaya yönelik algılayıcılardır. Algılayıcılar elekromanyeik dalgalar ile veya GPS ile mesafe ölçerler. Günümüzde iki düzine uydu yörüngede her biri iki farklı frekans yayarak çif uydudan üç nokalı sinyaller ile dünyada herhangi bir bölgenin bir kaç mereye kadar konumlarını belirleyebilir. GPS in en olumsuz arafı kapalı alanlarda ve yeralında çalışmamasıdır. İkinci grup algılayıcılar resimleme yapanlardır. Kameralar çevrenin şekiller ve görünülü bilgisayar eknikleri ile veri bilgisini sağlarlar. Roboik sisemlerde önemli olan yüksek kaliede görünülerdir. Bu görünüler daha yüksek çözünürlüklü resimler içerebilir. Üçüncü sınıf algılayıcılar ise roboun kendi konumuna göre nesnelerin algılanmasını sağlarlar. Harekeli robolarda roboun ne kadar mesafe giiğini belirlemek için ekerleklere akılan odomere kullanılmakadır. Tekerleklerde dönme sırasında oluşan kaymalar odomerenin sadece kısa mesafelerde doğruya yakın ölçüm yapmasını sağlar. Dış ekenler örneğin rüzgar konum belirsizliğini arırır. Dahili algılayıcılar, örneğin ciroskoplar konum belirsizliğinin armasını önleyemezler. Roboların diğer algılayıcıları kuvve ve ork algılayıcılarıdır. Bu algılayıcılar nesnelerin konumlarından bağımsızdır. 2.2. Yönlendiriciler Yönlendiriciler, roboların harekelerini ve vücu yapılarını değişirmeye yarayan ekipmanlardır. Yönlendiricilerin asarımı roboun şekil ve harekei hakkında konuşmaya yardımcı olacak kısımdır. Bir roboun herbir yön için bağımsız harekeinde bir ane serbes hareke üniesinden veya ona ai yönlendiriciden bahsedilebilir. Örneğin serbes hareke eden bir robo serbeslike alı yöne sahipse bunun üçü (x,y,z) koordinalarındaki harekei için diğer üçüde sağa sola dönmek, erafında dönmek, devrilmek gibi açısal harekeler içindir. Bu alı yön, roboun kinemaik durumu veya pozisyonu olarak anımlanır. Bir roboun dinamik durumu her kinemaik durumunun değişiklik oranı için ek bir boyu içerir. Algılayıcılar ve yönlendiriciler, ek başlarına bir robou oluşurumazlar. Robo, yönlendiricilerini çalışırmak için bir güç kaynağına ihiyaç duyar. Elekrik mooru en sık kullanılan güç kaynağıdır. Basınçlı hava veya basınçlı akışkan ile çalışan sisemlerde vardır. 2.3. Roboik algılama Algılama çevre bilgisinin roboun iç yapısına roboların haria algılayıcıları ile alınması işlemidir. Algılama zordur çünkü çevre kısmen gözlemlenebilir, ahmin edilemez ve sıklıkla değişir. Örneğin yeralı madenlerinde roboik sisemlerde karşılaşılan en büyük zorluklardan bir anesi çevre koşullarıdır. Yapılan üreime ve maden şarlarına bağlı olarak yollar ile çevre değişkendir. Birinci kural olarak, iyi bir algılamada üç özellik vardır: roboun doğru karar vermesi için yeerli bilgiyi içermelidir, öyle bir yapısı olmalıdır ki verimli bir şekilde güncellenebilir olmalıdır ve dış dünyadaki doğal durum değişkenlerine uygun dahili değişkenler içererek gerçek zekaya yakın olmalıdır. Şekil 4 e X, zamanında çevre durumunu (roboda dahil), Z, zamanında elde edilen gözlemi ve a alınan gözlemden sonra yapılan eylemi gösermekedir. Amaç bir sonraki konumu belirlemekir. P (X Z 1:, a 1:-1 ) önceki konumundan P (X +1 Z 1:+1, a 1: ) mevcu konumuna olan ifadedir. Yeni gözlem ise Z +1 dir. Örneğin amaç, fubol oynayan bir robo yapılması ise X +1 robo ile fubol opunun ilişkisine bağlı olan konum değişkenidir. P (X Z 1:, a 1:-1 ) bir önceki konum ölçümlerinde, algıyacılar ile elde edilmiş bilgilerin üm durumlara yansııldığı olasılıkır. 1 nolu denklem bir sonraki konumu ahmin emek için hangi değişkenlerin formülde ekrar edileceğini gösermekedir. P(X +1 X, a ) geçiş modeli veya hareke modeli, P(Z +1 X +1 ) algılayıcı modelidir. P(X +1 Z 1 : +1, a 1 : )= a P(Z +1 X +1 ) P(X+1 x,a ) P(x Z1:,a1:-1 ) dx (1) Şekil 4. Robo algılamasında yapılan eylemlerin ve ölçümlerin sırası [4] 416
2.4. Konumlandırma Konumlandırma, robo algılamasının genel bir örneğidir. Nesnelerin nerede olduğunu belirleme problemidir. Konumlandırma, roboik sisemlerde algılama problemlerinden en yaygın olanlardan birisidir. Çünkü, nesnelerin nerede olduğu hakkında bilgi başarılı fiziksel ekileşimin özüdür. Örneğin, robo kollar aşıyacakları nesnenin konumunu bilmek zorundadır. Navigasyona sahip robolar, amaç konumlarını bulmak için nerede olduklarını bilmek zorundadır. Konumlandırma problemi, zorluğu arıran üç kısımdan oluşur. Eğer bir nesnenin başlangıç konumu bilinirse, konumlandırma bir yol izleme problemidir. Yol izleme problemleri sınırlı belirsizlikle karakerize edilir. Daha zor olan, başlangıç konumu hiç bilinmeyen nesnenin ayrınılı konumlandırma problemidir. Geniş çaplı konumlandırma problemleri ilgili nesne konumlandırıldığında yol problemlerine dönüşür faka onlar aynı zamanda robou yönemek zorunda olan belirsizliklerin nerede olduğunu içeren bilgiler bulundurur. Basi bir örnek olarak bir roboun bir bina içinde ağır bir şeklide hareke eiği örnek verilebilir. Roboa çevre bilgisinin hariası verilmiş olsun. Haria Şekil 6 daki gibi ise böyle bir roboun konumu x ve y değerli iki karezyen koordina ile anımlanabilir ve değeri ile hareke eder (Şekil 5.a: hız değerleri hariç uulduğu için dinamik modelden ziyade kinemaik modeldir). Üç değer bir vekör şeklinde düzenlenirse o zaman X =(x, y, ) T özel ifadesi ile verilebilir. Kinemaik yaklaşımda anlık iki hızı içeren herbir hareke bir çevrim hızı v ve bir dönme hızı w yi içerir. Küçük zaman aralıkları ise, böyle bir roboun harekeinin ham deerminisik konum modeli şöyle verilebilir. X + 1 = f ( X, v, w ) = a X + ( v Δ cos θ v Δ sin θ w Δ ) (2) Şekil 5. Harekeli bir roboun basileşirilmiş kinemaik modeli (a), mesafe arayıcı algılayıcı modeli (b) [4] X belirli konum ahminini gösermekedir. Bunun robolarda ne kadar ahmin edileceği bilinemez. Bu genel olarak Gauss (normal) dağılımın orası f(x, v, w ) ve Σ x kovaryansı (iki değişken arasındaki ilişki kasayısı) ile modellenir. P(X +1 X, v, w ) = N (X^+1, Σ x ) (3) Sonra algılayıcı modeline ihiyaç vardır. İki ür algılayıcı modeli vardır. Birincisi algılayıcı konrollerini sabil kabul eder, çevrenin özelliklerini işareleyici diye isimlendirilen ayıredici özellikler ile anır. Herbir işareleyicinin uulduğu yer ve mesafesi rapor edilir. Roboun durumu X =(x, y, ) T ve bir işareleyicinin hangi bölgeye ai olduğu (x i, y i ) T ile bilinir. Mesafe ve durulan kısım basi geomeri ile Şekil 5 a daki şekle uygun olarak aşağıdaki gibi hesaplanır. Z 2 ( x xi ) ( y yi ) h( x ) yi y arcan xi x 2 (4) 417
Şekil 3 deki algılayıcılar, mesafe değerlerinin bir vekörünü oluşururlar Z =(Z1, Zm) T. Herbirinin aşıyıcılarında robo ile ilişkisi sabilenir. Bir konum verilirse X, Z j en yakın nesneye X den j. aşıyıcı yönü boyunca oluşan değerdir (5 nolu denklem). Bu normal dağılım ile iyi sonuç vermese de farklı aşıyıcı yönlerindeki haalar bağımsız ve anımlanabilir dağılımlı olarak kabul edilebilir. P(Z x ) m 2 (Z j Zj)/2σ a π e (5) j1 Şekil 5 b de robo basi bir engel karşısındadır. Eğer görülebilirlik var ise işareleyiciyi anımlayabilir ve hızlı konumlandırma sağlayabilir. Konumlandırmada Kalman süzücüsü sık kullanılır. Mone Carlo algoriması kısmi süzücü kullanır. MCL (Mone Carlo Localizaion) emelde Kalman süzücüsüne benzer. Uygun algılayıcı ve hareke modeline ihiyaç duyar. Algorimanın çalışma prensibi Şekil 6 da göserilmekedir. Birinci şekilde robo bir binada içeride nerede olduğunu bulur. (a) şeklinde nokalar öncelikli olarak düzgün bir şekilde dağılmışır, roboun hakkaında geniş çaplı belirsizliği göserir. (b) resmi, yapılan ölçümlerden sonra yüksek ihimalli kümelenmiş anelerdir. (c) resminde ise, ölçüm ve hesaplamalardan sonra üm nokaları ek bir bölgeye koyabilen veriler elde edilmişir. Şekil 6. Mone Carlo konumlaması a:başlangıç, geniş çaplı belirsizlik, b:simerik koridorda navigasyondan sonra iki belirsizlik, c: özel konum girişinden sonra ek belirsizlik [4] Bir diğer konumlandırıcıda Kalman süzücüsüdür. Normal dağılım ile emsil edilir. Doğrusal bir fonksiyonun, doğrusal olmayan bir fonksiyon bölgesine yaklaşımının doğrusallaşırma sağlamasıyla çalışır. Eğer Kalman süzücüsü Taylar açılımını kullanıyor ise gelişmiş kalman süzücüsü adını alır (EKF: Exended Kalman Filer). Şekil 7 de bir roboun EKF süzücüsü algorimasını çalışırarak işareleyiciye göre haa sıralarını gösermekedir. Şekil 7. EKF süzücüsü kullanan bir roboun işareleyici kullanımı ile konumlama örneği [4] Robo hareke eikçe konum ahmin arışlarındaki belirsizlik haa elipsleri ile göserilmişir. Haa azaldıkça konumu bilinen işareleyiciye mesafesini kesirmekedir. Robo düz olarak ilerledikçe haa elipsleri yavaş yavaş armakadır. İşareliyicie doğru yapığı gözlem ile belirsizlik azalır. İşareleyiciden sonra ekrar haa elipsleri büyümekedir 418
(Şekil 7). EKF algoriması eğer işareleciler kolayca anımanabilirse iyi çalışır. Aksi akdirde, konum dağılım nokaları çok bölgeli olabilir. 2.5. Harialama Roboik sisemlerde sıklıkla birden fazla nesnenin konumlandırması ile uğraşılır. Roboik harialamanın önemi şöyle verilebilir. Bir roboa çalışacağı çevrenin hariasının verilmediği kabul edilirse, hariayı kendisinin oluşurması gerekir. İnsanlar dünyanın kendisi kadar haria yaparak yeeneklerini gelişirmişlerdir. Roboiklerde bu doğal problemin üsesinden gelmek için haria yapıcı algorimalar yazılmışır. Lieraürde, robo harialama problemi, anlık konumlama ve harialama olarak (SLAM: Simulaneous Localizaion And Mapping) isimlendirilir. Robo sadece bir haria oluşurmaz, aynı zamanda konumunu bilmeksizin yeni bir hareke yapamaz. Konumlama ve harialama roboik sisemlerde en önemli konulardan birisidir. Roboun hareke eiği çevrenin değişmemesini sağlamak önemli bir konudur. Robo bir çevrede hareke ederken çevresinde değişiklik meydana geldiği akdirde konumlama ve harialama zor bir iş haline gelir. İsaisiksel olarak harialama bir Bayes çıkarımıdır. Bayes yaklaşımı, gözlemler veya ispalar ile doğruluğu olabilecek bir hipoezin olasılık oranının arırılmasında kullanılır. Aynı konumlandırmada olduğu gibi (1) nolu denklem yazılarak zamanındaki robo konumu X ile M (haria) arasında veri girişi sağlanır. Hariaların boyuları fazla olduğu için M in boyuu harialama boyunca konrol alında uulmalıdır. Tüm robo pozisyonlarının çevre ile olan boşluk bilgileri ve fooğraf yüklemelerinin kullanımı, roboun önceden bilinmeyen bir çevrede konrol edilmesi açısından oldukça zor olacakır. Bir fooğraf yapısını oluşurmak için renklere denk gelen milyonlarca rakamın konrolü oldukça zor bir çalışmadır. Harialama ve konumlama için kullanılan en yaygın meod gelişmiş Kalman süzücüsüdür. Genellikle EKF algoriması bir işareleyici, bir algılayıcı model ile birleşirilir ve işareleyicilerin ümünün ayıredilebilir olması gereklidir. Burada ahminler normal dağılım göserir faka M ve Σ ilşkisinde M büyük bir vekördür. M sadece roboun pozisyon bilgilerini içermez, aynı zamanda haria ve işareleyici bilgilerinin ümünü içerir. Şekil 8. EKF algoriması kullanan roboun işareleyicileri kullanarak harialama yapmasının emeli [4] Şekil 8, EKF uygulanan robo harialama problemini gösermekedir. Şekil 8, bir roboun çevresindeki iki saırda herbiri dör işareleyici bulunan sekiz ade işareleyiciyi gösermekedir. Robo roası çizgili ha ve ahminleri kendi konumuna göre gölgeli elipslerdir. Konumları bilinmeyen sekiz ayıredilebilir işareleyici küçük nokalarla göserilmişir ve onların konum ahminleri ise beyaz elipslerle göserilmişir. A ve C de roboun konum belirsizlikleri ve ona karşılık gelen işareleyicilerin belirsizlikleri armakadır. Başlangıça, roboun işareleyicilerin konumu ile ilgili bilgisi yokur. Herbir işareleyicinin farklı renke ve roboun herbir rengi anımlayabildiği kabul edilirse robo sola doğru iyi bir anımlama bilgisi ile başlar, faka yavaş yavaş konum belirliliğini kaybeder. Bu durum Şekil 8 b de robo ilerledikçe büyüyen haa elipsleri ile göserilmekedir. Robo hareke eikçe, 419
işareleyicilere olan mesafesini ve değerleri algılamakadır. Bu gözlemler ile işareleyicilerin konumları ile roboun konumunun ahmin edilmesi sağlanmakadır. Sonuça, işareleyicilerden elde edilen bilgiler ile roboun konumlaması yapılmakadır. Şekil 8 b ve c de robo ilerledikçe ve çevresini konrol eikçe roboun doğruluk (haa ahminleri) konrolleri göserilmekedir. Şekil 8 d de ise robo ilk işareleyiciler ile kendi konumunu algılayıp, ahminler düzelilince üm işareleyicilerde belirsizlik azalmakadır. 2.6. Harekein planlanması Roboik sisemlerde son kararlar yönlendiricilerin harekei ile ilgilidir. Bir nokadan bir nokaya hareke problemi asarlanan hedef nokasına son yönlendiricinin veya roboun hareke emesidir. En büyük zorluk hassas hareke problemidir yani roboun hareke ederken bir nesne ile fiziksel dokunuşudur. Hareke planlamanın ilk aşaması boşluk yapısını oluşurmakır. Robo boşluğu konum, yönlendirme ve eklem açıları ile ifade edilebilir. Yol planlama problemi özele ilk konumdaki nokadan boşlukları asarlayarak robou engellere çarpırmadan diğer nokaya ulaşırmakır. Hareke planlamasında bilinen en iyi yaklaşımlar hücre birleşirme ve ağ yönemidir. Roboun konumunun am bilindiği ve konumunun belirli olduğu kabul edilerek hareke planlaması yapılır. Boşluk yapısını oluşururken, roboun konumunun ve elemanlarının karezyen koordinalar ile göserilmesinin yerine roboun eklem yapısının ifadesinin emsil edilmesi daha iyi olacakır. Herhangi bir engel yok ise robo serbes bir şekilde herhangi bir değeri herhangi bir boşluk yapısı için kullanılabilir. Boşluk yapısının oluşurulmasında olumsuz araf, roboun çalışmasında kullanacağı koordinaların çalışma alanı koordinaları olmasıdır. Boşluk koordinaları bilgisi mevcu değildir. Çalışma alanı koordinalarından boşluk yapısı koordinalarına geçilmesi zordur. Tersi olan boşluk koordinalarından çalışma koordinalarına geçiş basiir. Çünkü boşluk koordinaları belli geçiş hesaplarını içermekedir. Bu geçişler prizmaik eklemler için doğrusal, yuvarlak eklemler için rigonomerikir. Ters kinemaik problemi roboun hangi yönlendiricisinin konumunu çalışma boşluğu koordinalarına uyduracağını belirlemesidir ve çözümü oldukça zordur. Birçok endüsriyel robo sonsuz sayıda çözüme sahipir. Şekil 9 da roboun boşluk yapısı ve engeller göserilmekedir. Beyaz alan serbes boşluk, diğer bölgele engelli boşluk ve boş alanın erafındaki siyah kısım ise çalışma boşluğuna amamen uygundur. Şekil 9. Roboun çalışma boşluğu (a), aynı roboun çalışma yapısı (b), sadece beyaz kısım boş bölge (blk:bilek) [4] Bölgeyi hücrelere ayırma, yol planlamanın birinci yaklaşımıdır. Yol planlaması yapılacak bölge sonlu sayıda hücrelere ayrılır. En basi şekli bölgeyi gridlere bölmekir. Şekil 10 a, boyuları opimal şekilde ayrılmış gridleri gösermekedir. Gri gölgeli grid hücrelerinin herbiri bir değeri gösermekedir. Bu değerler ierasyon yapan bir algorima ile bulunur. Şekil 10, robo için çalışma alanına uygun yörüngeyi gösermekedir. Hücrelerde boşluk ya da engel olup olmadığına karar verilemediğinde karışan hücreler al hücrelere ayrılabilir. Böylece boş hücrelerin akibi daha kolay olur. ikinci yönem olarak am hücre bölmesi yapılabilir. Yani karelere değilde boşluk yapısına göre düzensiz şekillere bölünebilir. Şekil 10 a da, kriik bölgeleri iyi planlamak gerekir. Birincisi, keskin köşeleri içeren yolda sonlu bir hızla hareke eden robo böyle bir yolda hesap yapamaz. İkincisi roa engele çok yakın olduğu için planlamada küçük haalar oluşacakır. Bu nedenle yol uzunluğunu en küçük yapan engele olan uzaklığı en büyük 420
yapan roa seçilmeye çalışılmalıdır. Planlanan hareke yoluna poansiyel alan denir. Poansiyel alan maliyeleri de opiumum yapmalıdır. Şekil 10. Boşluk yapısının oluşurulması (a), roboun düşey engele çarpmadan çalışması (b) [4] Roa planlamasında ikinci yönem ağ meodudur. Ağ meodu emelli algorimalar, planlanan yol problemi daha kolay olsun diye roboun bir boyuaki hareke aralığını azalır. Bu yönem engellere eşi mesafeli iki veya daha fazla nokanın birleşirilmesiyle boşluk yapısı oluşurma işlemine dayanır. Robo hareke ederken her nokaya ağ oluşurma şeklini uygular. En yakın amaç şekline ulaşıncaya kadar işleme devam eder. Son olarak arık boşlukları birleşirme işini bırakır ve hedefe doğru hareke eder. 2.7. Belirsiz harekelerin planlanması Roboik sisemlerde çevrenin kısmi gözlemlerinden ve zamanla değişen roboun eylemlerinin ekilerinden belirsizlik oluşur. Haalar, aynı zamanda çevreyi iyi modellese bile roboa am bilgi sağlayamayan, örneğin nesne süzücü yaklaşımlı algorimaların kullanımından oluşabilir. Roboik sisemlerde arık karar verme için belirli algorimalar kullanılmakadır. Örneğin yol planlaması yapan algorimalar gibi. Bazı problemlerde örneğin yol planlama problemlerinde modeli oluşurmak oldukça zor olduğundan ufak haaları ihmal emek ve olasılıkar ile çalışmak gerekir. Bu şekilde belirsizlik ihmal edildiğinde haa mikarı küçük olacakır. Faka bazı işlerde belirsizlik ihmal edilemez. Bazı problemlerde belirsizlik çok büyük olur. Örneğin, bir roboun nerede olduğunun sağlanmasının konrolünde belirli yol planlayıcısının kullanımı belirsizliğin büyük olabildiği bir problemdir. Roboun gerçek durumu yüksek olasılık sağlayan programlar kullanılmayarak sağlandığında çözüm opimal olmaz ve örneğin robo engellere çarpar. Belirsiz harekelerin planlanmasında olasılık kullanan yönemlerden çok gerçekçi yönemler kullanılmakadır. Hassas hareke planlaması (FMP) bu yönemlerden bir anesidir. Belirsiz harekelerin planlanmasında herbir problemde belirsizlik olduğu varsayılır faka belirsizliğin sınırlı kalması, belli bir değeri aşmaması sağlanmaya çalışılır. Örneğin, roboun çok dar ve engelli bir alanda herhangi bir harekei gerçekleşirmesi isendiğinde, roboun oramın küçük olmasından dolayı çevresinin şeklinin ölçüm veya konrollerini kendi kendine yapması mümkün olamaz. Bu durumda üm bu belirsizlikler, FMP (hassas hareke planlaması) problemlerinin çözümü ile sınırlandırılır. Sınırlı olarak uulan belirsizlikler, FMP problemlerinin çözümlerinde planlama boyunca algılayıcıdan gelen verileri çalışma boyunca haa payını yükselmeyen çalışma koşullarını sağlayarak, belirsiz harekelerin planlanmasını sağlamakadır. 2.8. Hareke Belirli hareke planlayıcıları ile planlanan roayı roboun basiçe izlemesi beklenir. Faka böyle değildir. Robolar aalee sahipirler ve yavaş hızların dışında rasgele yol seçemezler. Çoğu durumda robolar harekeleri için kuvve deseği alırlar. Hareke konusunda dinamik durum konrolü, poansiyel alan konrolü ve epki konrolü yapılır. Bir roboun hızının modellenmesiyle roboun kinemaik durumunun devam eiği durum konrolleri dinamik konrollerdir. Örneğin, bir roboun eklem açısına ek olarak dinamik durumu aynı zamanda açının değişme oranını bulur. Harekee poansiyel alan konrol edilmelidir. Robo roasının engellerle olan mesafesinin ölçümleriyle, roanın en kısa yol olarak seçilip seçilmediği konrol edilir. Tepki konrolü ise, roboun yapması planlanan 421
harekelerinin sırası ile akip edilmesidir. Amaçlanan harekelerin birbiri arkasına belli bir sırada gerçekleşip gerçekleşmediği konrol edilerek hareke planlaması yapılır. 2.9. Roboik programlama dilleri Birçok roboik sisem çalışanları, amaçlarına özel programlama dilleri gelişirmişlerdir. Brooks 1990 da [5] gelişirdiği dili roboun davranış dili olarak anımlamışır. AFSM dili gerçek zamanlı konrol abanlı olarak oluşurulmuş, kuralları ve komuları Lisp gibidir. Son araşırmalar ile davranış diline benzer faka daha güçlü ve hızlı çalışan genel robo dili GRL gelişirilmişir (Horswill, 2000). [6] GRL örneğin C gibi yaygın dillere uyarlanmışır. Diğer önemli bir program 1994 e Firby [7] arafından hareke planlaması için gelişirilen RAPS ır. Levesque ve diğerleri arafından 1997 de [8] planlama ve hareke konrolü üzerine GOLOG yapılmışır. Thrun 2000 de roboik sisemlerde öğrenme ve olasılık konuları üzerine CES denilen C++ dilinin gelişmiş şeklini oluşurmuşur. Andre ve Russell 2002 de [9] Lisp dilinin gelişmiş hali olan ALisp dilini oluşurmuşur. ALisp henüz roboik problemlerde sadece simülasyon problemlerine uygulanmışır faka Alisp, roboun çevre ile ilişki kurarak çevreyi öğrenmesi aşamasını sağlayarak konuya yenilik geirmişir. 3. Madencilik Alanındaki Uygulamalar Madenlerde ileri mekanizasyon işlerinde roboik sisemler kullanılmakadır. Uzakan konrol uygulaması, maden ekipmanının uzakan konrol ile oomasyonu ve cevherin karlı bir şekilde üreilmesi için kullanılan yeni maden sisemleri yapay zeka eknikleri ile yapılmakadır. Günümüzde, roboik sisemler madencilike kullanılmaya başlanmışır. Özellikle risk içeren yeralı üreim nokalarında operaörsüz olarak roboik sisemler ile maden ekipmanları veya robolar kullanılarak bazı çalışmalar yapılmakadır. Roboların endüsri, arım, nakliya, ehlike içeren oramlar (nükleer aıkların emizlenmesi, mayınların emizlenmesi), araşırma çalışmaları (maden araşırmalarında), sağlık işlerinde kullanımı yaygınlaşmakadır.. Madencilik alanında erkedilmiş veya üreilmiş madenlerde, eski üreimden kalan bölgelerde gaz birikmesi problemi olabilir. Bu nedenle üreimi bimiş veya erkedilmiş madenlere önlem almakzsızın girilmesi ehlike içerir. Aşağıdaki örneke yapılan bir robo ile erkedilmiş bir madenin yol hariaları üç boyulu olarak hazırlanmışır. Böylece erkedilmiş madene insan girmeden isenen veriler bir roboun uzakan konrol ile gezdirilmesi sonucu elde edilmişir. Şekil 11 de robo ve elde edilen verilerle oluşurulmuş üç boyulu maden hariası görülmekedir. Benzer bir robo uzay biliminde Mars yüzeyinin araşırılması işlemlerinde kullanılmışır [4]. Şekil 11. Maden robou ve elde eiği veriler ile oluşurulan üç boyulu maden hariası [4] Kapalı işlemeler gibi açık işlemelerde de roboik sisemler ile çalışmalar yapılmakadır. Kanai vd, 2006 da [10] amazumi isimli lasik ekerlekli yükleyicinin robo modelini gelişirmişler ve deney aracı ile bir akım denemeler yapmışlardır. Boyuları 0.77 m 0.26 m 0.25 m dir. Bu ölçüler 1/10 ölçeğinde asarlanmışır ve yaklaşık ağırlığı 22 kg dır. Teker yarıçapı 12 cm dir. Kepçe genişliği yaklaşık 25 cm ve yaklaşık olarak 2 kg kayaç alabilmekedir. Kayacın yüklenmesi minyaür lasik ekerlekli yükleyici arafından yapılmakadır. Deneylerde kullanılan kayaç herbirinin ane yarıçapı yaklaşık 4 mm olan kırılmış graniir. Özgül ağırlığı ise 2,7 g/cm 3 ür. Yükleme deneylerinin sonucu olarak kepçe daima yaklaşık 2 kg kayaç ile doldurulmuş ve çalışmada kepçenin verimli doldurulması için kepçe yörünge roalarının nasıl olması gerekiği araşırılmışır. Dünya madenciliğinde LHD (Load Haul Dump) kısalılmış ismiyle anınan lasik ekerlekli araçlar, yerüsünde çok geniş bir uygulana alanı bulan ekerlekli yükleyicilerin yeralı şarlarına uydurulmuş şekilleridir. Türkiye de DTB 422
(doldur-aşı-boşal) olaraka bilinen makinaların madencilik sekörüne girişleri 1950 yıllarına raslarsa da, yaygın bir şekilde kullanılmaya başlanması 1960 dan sonradır. 1975 de, kömür dışı yeralı maden ocaklarında 6000 kadar olan makina sayısının bugün 10000 in üzerine çıkığı ahmin edilmekedir. Günümüzde özellikle yeralı meal madenlerinde nakliya işlerinde sıklıkla kullanılmakadır. LHD araçları dör eker ahriklidir. Genellikle asarımlar 200-300 merelik mesafeler içinde çalışmak üzere yapılır. Ancak çalışma mesafelerinin 1000 m ye çıkığı durumlar da vardır. 1 on aşıma kapasiesinden 15 ona kadar, çok değişik modelleri bulunmakadır (Şekil 12). Özellikle çok küçük meal madenlerinin dar ve alçak galerilerinde kullanılmak üzere, bazı modellerde yükseklik ve genişlik oldukça azalmışır [11]. Şekil 12. Bir DTB aracının yeralındaki görünümü [11] Bu araçlar çoğunlukla araç üzerindeki bir operaör arafından kullanılır faka son zamanlarda daha çok radyo dalgaları ile uzakan konrol ve ele-operasyon ile yöneilmekedir. Maden şirkeleri ve maden makinası üreicileri verimliliği ve yeralındaki çalışmalarda iş güvenliğini arırmak için bazı yeralı araçlarını örneğin LHD lerin fonksiyonlarını roboik hale geirmekedirler. Öncelikle aracın nakliye lokasyonu aanır ve araç diğer yüklemeye geçmeden önce malzemeyi boşalır. Bu durum kaza riski içeren yeralı madenlerinde operaör güvenliği düşünüldüğünde ve ayrıca işçilik maliyelerini düşürmesi açısından ercih edilmekedir. Aracın üzerindeki algılayıcı sisemler ile galeri boyunca aracın yönünü belirleme ve doğru ilerlemesi için yapay işareleyiciler kullanılmakadır. Mevcu sisemlerde araçların yönünü ahmin emek için uygun algılayıcılar veya opografik harialar kullanılır (Şekil 13). Marshall ve Barfoo [12] arafından yapılan çalışmada, roboik sisem ile kullanılan nakliya aracının saha denemeleri yapılmışır. Gerçek es senaryoları gelişirilmiş ve manuel ana ha zamanına bağlayıcılar ile oomaik sisemin aynı roada bir operaörün sürüş performansı ile zaman karşılaşırması yapılmışır. 100 den daha fazla yapılan eslerde sisem denenmişir. Şekil 13. Teslerde kullanılan 10 on kapasieli DTB ve sensör düzeni [12] Şekil 13 de roboik sisem ile konrol için gerekli ekipmanlar deneme yapılan LHD üzerine eklenmişir. Operaörsüz sisemin asarımı başlangıça simülasyon ve modelleme ile oluşurulmuşur ve sonra saha esleri Şekil 13 de göserilen 10 on kapasieli LHD ile yapılmışır. 25 Hz frekanslı lazer mesafe bulucu ve pozisyon algoriması gelişirilmiş 180 o dönebilen 10 on kapasieli LHD ile es senaryoları yapılmışır [12]. Yeralı galerilerinde kullanılan LHD araçlarının roboik konrolü üç aşamadan oluşur. Bu aşamalar öğreim, roa profilini oluşurma ve çalışırmadır. Çalışmada üç adım sıra ile gerçekleşirilmişir. 423
Öğreim: Operaör araça iken yada uzakan konrol/eleoperasyon ile alıcıdan veriler kaydedilirken araç bir roa boyunca sürülmüşür. Araç üzerinde önde ve arkada lazer mesafe bulucu, eklemli açı kodlayıcı, aracın yerdeğişirmesini ölçmesi için ekerlek miline kodlayıcı (odomere) konulmuşur. Roa profili: Araç bir roada sürüldüken sonra ekrar oynama boyunca konrol algorimaları ve ahminler uygun bir formaa çevrilerek ve öğreici adım boyunca veriler kaydedilmişir. Sonuçlar, roa yolu hakkında bilgiler içeren roa profili olarak kaydedilmişir. Bunlar, yol boyunca merik hariaların doğruluk ölçümleri, herhangi bir durma nokasındaki kayı (mesela araç cevher boşalırken) ve ekrar oynama boyunca bir aracın hız profilidir. Çalışırma boyunca belirlenmiş roa profilinden navigasyon ve algorimalar ile düşey, yaay, galeri ve araç hızı haaları kesikli zaman aralıklarında elde edilmişir. Daha sonra, konrol sisemi ile düzenlenen yolda ve isenen hızda giden aracı akip emek için bu haalar anlamlı hale geirilmişir. Çalışırma: Roa belli olur olmaz, araç bu roada pek çok kez çalışırılmışır. Burada kazı nedeniyle madende önemli değişiklikler karşısında ekrardan sadece roa profili oluşurulmuşur. Öğreim boyunca karmaşık yol planlaması gerekli olmadığından araç bir kesişen yol boyunca sürülmüşür. Buna rağmen basi algorima içeren sisem ile, aracı durdurmak için, ekrar oynama boyunca birbirini izleyen kesişen yollar düzenlenmişir [12]. Bir roa profili dör kısımdan oluşmakadır. Bunlar yol profili, durma profili, bölgesel merik haria ve hız profilidir. Çalışırmalarda iki zaman ölçekli konrol siseminin asarımı ile son derece modern izleme sisemi ile donaılmış araç yolu oluşurulmuşur. Daha yavaş zaman ölçeğinde veya daha dışarıdaki kavşaklarda konumlama ve yol izleme algorimaları yaay ve düşeyde odomereden kaynaklanan yol haalarını gidermişir. Lieraürde odomerede kullanılan sisemlerde oluşan haalar sisemaik (eşi olmayan eker çapı, ölçek haası, ekerlerin yönlerindeki haalar, kodlayıcı çözünürlüğünde ve kodlayıcı örnekleme verilerindeki haalar) ve sisemaik olmayan haalar (yolculuk sırasında çalışılan yüzeydeki bozukluklar, zeminde beklenmeyen nesneler, zemindeki kayganlık, hızlı ivmelenme ve dönüş, dışsal ve içsel kuvvelerden kaynaklanan eker kayması) olmak üzere iki grupa verilmekedir. Bana 1987 de [13] yapığı çalışmada en iyi durumda haaların alınan mesafenin %0.1-0.5 i kadarı olduğunu belirlemişir. Haa değerleri için bir üs sınır yokur. Marshall ve Barfoo [12] arafından çalışmada, konum belirleme problemi, aracın iyi bilinen bir bölgede yol alması sırasında pozisyonunu ahmin emek için kullanılmışır. Son zamanlarda, bir akım eknikler gelişirilmişir. Harekeli roboik sisemler iyi bilinen bir bölgede bir roboun pozisyonunu belirlemede kullanır (UKF:Unscened Kalman Filer: İzleyici Kalman Süzücüsü, EKF: Exended Kalman Filer: Gelişmiş Kalman Süzücüsü, MCL:Mone Carlo Localizaion:Mone Carlo Konumlaması). Bu algorimaların veri girişleri lazer mesafe bulucu ve odomereden elde edilen değerlerdir. Aracı roasında düzgün bir şekilde hareke eirmek için haaların belirlenmesi gerekmekedir. Sonuçlar, yaay ve düşeyde araçların haa profillerine göre düzenlenmişir. Yapay işareleyiciler ile aracın pozisyonu belirlenmişir. İki boyulu pozisyon ahmininde algorimalar ya iki noka arasındaki mesafeyi ölçerek ya da en azından üç yapay işare ile basi geomeri kullanarak pozisyon hesaplar. Madende aracın birim zamanda ne kadar yol aldığının ölçülmesiyle, profil yolu roa boyunca hem mesafe bulucu veriler hem de her harianın karelere (gridlere) bölünmesiyle Şekil 10 daki gibi merik harialar düzenlenmişir. Genellikle, referans roasının bir noka için düzenlenebilmesi için roboun bir nokası referans seçilmişir. Lieraürde roa izleme konrolleri iki sınıfa ayrılmakadır. Birincisinde, roboun pozisyonu roadan sapmanın direk olarak ölçülmesine dayanarak yapılan konroldür. Roboun pozisyonunun herhangi bir koordina siseminde olup olmadığının bilinmesinin zorunluluğu yokur. İkincisinde ise, robo hafızaya sahipir ve hafızasında roasında bulunan nokaların sıklığı ve bilgileri mevcuur. Böylece sürekli olarak pozisyonunu ölçer ve referans pozisyonu ile kendi pozisyonu arasındaki sapma mikarını minimize emeye çalışır. Referans nokası, roboun navigasyon nokasına en yakın nokasından seçilmişir. Roa izleme konrolüyle harekeli roboun verilen roada harekeinin doğruluğu konrol edilmişir. Yapılan üm çalışmaların sonucunda, bazı denemelerde roboik sisem kullanarak oluşurulan sisem, operaörlü sisemden daha iyi sonuçlar vermişir. Hız veri girişleri incelendiğinde, operaörün kullanıldığı sisem genellikle manevralı bölgelerde daha verimli olmuşur. Roboik sisemin kullanıldığı denemeler ise daha çok yolun düz olduğu kısımlarda ve galeri genişliklerinin dar olduğu bölgelerde operaörlü siseme göre daha iyi sonuçlar vermişir [12]. 4. Sonuçlar Madencilik çalışma şarları bakımından ağır iş kollarından birisidir. Sekörün çalışma şarlarının zor olması nedeni ile karşılaşılan problemlerin fazla olması kaçınılmazdır. Bu zorlukların üsesinden gelmek için yapay zeka 424
ekniklerinin madencilike kullanılması çalışma şarlarını daha kolay hale geirmekedir. Çalışmada madencilike karşılaşılan problemleri çözmek için kullanılan yapay zeka ekniklerinden olan roboik sisemlerden bahsedilmişir. Daha sonra yeralı madenciliğinde nakliya işlerinde kullanılan LHD araçlarının roboik sisemler ile operaörsüz olarak nasıl kullanıldığı örnekler ile açıklanmışır. Daha çok mealik madenlerin yeralı üreimi ile üreilmesinde kalarda nakliya işlerinde kullanılan LHD araçlarının yükleme yapığı bölgeler çoğu zaman çalışma riski içerir. Madencilike iş makinalarının özellikle çalışma riski olan bölgelerde operaörsüz olarak sevkedilmesi iş güvenliğinin arırılması açısından oldukça önemli olacakır. Roboik sisemler ile sevkedilen operaörsüz iş makinalarının çevrim zamanları ölçümü ve kapasie mikarları operaörlü sisemlerdeki değerlere yaklaşıkça operaörlü sisemlerin yerini alması kaçınılmazdır. Madencilik çalışmalarında insan fakörünün olumsuz sonuçlar oraya çıkardığı durumlarda, roboik sisemler ile konrol, sonuçların daha iyi oluşmasını sağlayacakır. Örneğin madende yükleme yapılan bir bölgede ayrı iki LHD makinası ile iki operaör çalışabilir. Yükleme işinde yüklemeyi biiren operaörün seçim yapacağı yeni yükleme yerine operaör yerine yapay zeka sisemleri ile karar verilmesi zaman kayıplarının azalmasına ve iş güvenliğinin armasına neden olacakır. Böylece madende daha az kesini sağlanarak kapasienin arması sağlanacakır. Madenlerde insan fakörünün olumsuzlukları ile ilgili birçok örnek verilebilir. Dolayısı ile yapay zeka sisemlerinin madenlerde kullanılması ve yaygınlaşması gerekmekedir. Sonuç olarak, yapay zeka yönemlerinin bir kolu olan roboik sisemlerin kullanımı uzun dönemde yüksek verimlilik, düşük işleme maliyei, yüksek iş güvenliği sağlayacakır. Bunun yanında olumsuz yanları ise, yüksek yaırım maliyei ve madencilik koşullarının doğa ile mücadeleden dolayı zor olması ve çalışma çevresinin yapılan üreimle sık olarak değişmesidir. Kaynaklar [1] Leigh, WE & Dohery, ME, Decision Suppor and Exper Sysems, Souh-wesern Publishing Co, pp: 286-298, ISBN: 0-538-10910-6, USA, (1986). [2]Nabiyev, V.V., Yapay Zeka, Seçkin yayınevi, ISBN:975 347 985 9, ikinci baskı, s. 757, Türkiye, s. 764, (2005). [3] Pfeifer, R., Scheier, C., Undersanding Inelligence, Asco Typeseers, ISBN: 0-262-16181-8, 697 p., Japan, (2001). [4] Russell, S. & Norvig, P., Arificial Inelligence A Modern Approach, Pearson Educaion Inc, ISBN:0-13- 080302-2, second ediion, 1081 p., USA, (2003). [5] Brooks, R.A. Elephans Don Play Chess, Auonomous Robos, 6, pp 3-15, (2003). [6]Horswill, I., Funcional Programming of Behavior-based Sysems, Auonomous Robos, 9, pp 83-93, (2000). [7] Firby, J. Task Neworks For Conrolling Coninuous Processes. In Hammond K. (Ed.), Proceedings of he Second Inernaional Conference on AI Planning Sysems, pp. 49-54, AAAI press, (1994). [8] Levesque, H.J., Reier, R., Lesperance, Y., Lin, F., Scherl, R. GOLOG: A Logic Programming Language For Dynamic Domains, Journal of Logic Programming, 31, 59-84, (1997b). [9] Andre, D., Russell, S.J., Sae Absracion For Programmable Reinforcemen Learning Agens, In proceedings of he eigheenh naional conference on arificial inelligence (AAAI-02), pp. 119-125, Albera, (2002). [10] Kanai, O., Osumi, H., Saraa, S., Kurisu, M., Auonomous Scooping of a Rock Pile By a Wheel Loader Using Disurbance Observer, ISARC2006, (2006). [11] Taar, Ç. ve Özfıra, M.K., Yeralı Maden Makinaları ve Mekanizasyonu, Dokuz Eylül Üniversiesi Mühendislik Yayınları, No:309, ss:277, İzmir, (2003). [12] Marshall, J.A. and Barfoo, T.D., Design and Field Tesing of an Auonomous Underground Tramming Sysem, Proceedings of he 6h Inernaional Conference on Field and Service Roboics, pp. 393 402, Chamonix, France, July (2007). [13] Bana, L., Advanced Dead Reckoning Navigaion for Mobile Robos, Ph.D. Disseraion, MHRC Repor TD- 86-16, Alana, Georgia Insiue of Technology, (1987). 425