Περίληψη
Η παρούσα διδακτορική διατριβή εστιάζει σε βασικές προκλήσεις και καινοτόμες λύσεις για την αυτόνομη πλοήγηση Αυτοκινούμενων Ρομποτικών Οχημάτων σε σύνθετα, δυναμικά και αβέβαια περιβάλλοντα. Η έρευνα συνδυάζει προηγμένες τεχνολογίες Τεχνητής Νοημοσύνης, όπως η Ασαφής Λογική, τα Νευρωνικά Δίκτυα και οι Γενετικοί Αλγόριθμοι, για τη δημιουργία ευφυών συστημάτων πλοήγησης που επιτυγχάνουν δυναμική λήψη αποφάσεων, την ασφαλή πλοήγηση για την αποφυγή εμποδίων και τη μείωση της ενεργειακής κατανάλωσης. Οι προτεινόμενες στρατηγικές ανταποκρίνονται στις σύγχρονες ανάγκες της βιομηχανικής αυτοματοποίησης και των έξυπνων μεταφορών, παρέχοντας λύσεις που συνδυάζουν καινοτομία και πρακτική εφαρμογή. Η διατριβή συνδυάζει τεχνικές που διασφαλίζουν την ευφυΐα και την προσαρμοστικότητα των ρομποτικών συστημάτων. Ιδιαίτερη έμφαση δίνεται στην ανάπτυξη Προσαρμοστικών Νευρο-Ασαφών Συστημάτων Συμπερασμού, τα οποία ενσωματώνουν τη θεωρία της Ασαφούς Λογικής με τις δυνατότητες μάθησης Νευρωνικών Δικτύων. Αυ ...
Η παρούσα διδακτορική διατριβή εστιάζει σε βασικές προκλήσεις και καινοτόμες λύσεις για την αυτόνομη πλοήγηση Αυτοκινούμενων Ρομποτικών Οχημάτων σε σύνθετα, δυναμικά και αβέβαια περιβάλλοντα. Η έρευνα συνδυάζει προηγμένες τεχνολογίες Τεχνητής Νοημοσύνης, όπως η Ασαφής Λογική, τα Νευρωνικά Δίκτυα και οι Γενετικοί Αλγόριθμοι, για τη δημιουργία ευφυών συστημάτων πλοήγησης που επιτυγχάνουν δυναμική λήψη αποφάσεων, την ασφαλή πλοήγηση για την αποφυγή εμποδίων και τη μείωση της ενεργειακής κατανάλωσης. Οι προτεινόμενες στρατηγικές ανταποκρίνονται στις σύγχρονες ανάγκες της βιομηχανικής αυτοματοποίησης και των έξυπνων μεταφορών, παρέχοντας λύσεις που συνδυάζουν καινοτομία και πρακτική εφαρμογή. Η διατριβή συνδυάζει τεχνικές που διασφαλίζουν την ευφυΐα και την προσαρμοστικότητα των ρομποτικών συστημάτων. Ιδιαίτερη έμφαση δίνεται στην ανάπτυξη Προσαρμοστικών Νευρο-Ασαφών Συστημάτων Συμπερασμού, τα οποία ενσωματώνουν τη θεωρία της Ασαφούς Λογικής με τις δυνατότητες μάθησης Νευρωνικών Δικτύων. Αυτά τα συστήματα ενσωματώνουν ελεγκτές καθοδήγησης και αποφυγής εμποδίων, εξασφαλίζοντας ασφαλή πλοήγηση ακόμα και σε περιβάλλοντα υψηλής αβεβαιότητας. Οι προσομοιώσεις που πραγματοποιήθηκαν στο περιβάλλον CoppeliaSim ανέδειξαν τη δυναμική των συστημάτων να προσαρμόζονται στις αλλαγές του περιβάλλοντος και να διαχειρίζονται σύνθετες προκλήσεις, αποδεικνύοντας τη συμβολή τους στη βελτίωση της αποδοτικότητας και της λειτουργικότητας των Αυτοκινούμενων Ρομποτικών Οχημάτων. Ένας επιπλέον τομέας έρευνας είναι η διαχείριση του Προβλήματος Δρομολόγησης Οχημάτων με Ταυτόχρονη Παραλαβή και Παράδοση υπό συνθήκες αβεβαιότητας, ένα ζήτημα μείζονος σημασίας για την εφοδιαστική αλυσίδα. Με τη συνδυαστική χρήση Ασαφούς Λογικής και Γενετικών Αλγορίθμων, αναπτύχθηκε ένα μοντέλο που βελτιστοποιεί τις διαδρομές, λαμβάνοντας υπόψη την αβεβαιότητα και τις δυναμικές μεταβολές στα φορτία. Η προτεινόμενη λύση ενισχύει την αποτελεσματικότητα της διαχείρισης πόρων και υποδομών, ενώ μειώνει το λειτουργικό κόστος και το περιβαλλοντικό αποτύπωμα, κάτι που επιβεβαιώθηκε μέσα από εκτεταμένες προσομοιώσεις που βασίζονται σε ρεαλιστικά σενάρια. Παράλληλα, η έρευνα επεκτείνεται σε σενάρια πολλαπλών στόχων, όπως το πρόβλημα του Πλανόδιου Πωλητή που αποτελεί ένα από τα πιο απαιτητικά NP-hard προβλήματα. Μέσα από τον συνδυασμό Γενετικών Αλγορίθμων και Ασαφούς Λογικής, επιτεύχθηκε αποτελεσματική δρομολόγηση και βέλτιστη χρήση πόρων σε δυναμικά περιβάλλοντα, ενώ τα συστήματα απέδειξαν ικανότητα διαχείρισης απρόβλεπτων εμποδίων. Η υψηλή αποδοτικότητα και προσαρμοστικότητα καθιστούν τις προτεινόμενες στρατηγικές ιδανικές για εφαρμογές στις έξυπνες μεταφορές και την εφοδιαστική. Η συμβολή της παρούσας έρευνας είναι πολυδιάστατη, καθώς εισάγει καινοτόμες στρατηγικές που βελτιώνουν την αυτόνομη πλοήγηση αυτοκινούμενων ρομποτικών οχημάτων σε σύνθετα και δυναμικά περιβάλλοντα. Με την αξιοποίηση προηγμένων τεχνολογιών τεχνητής νοημοσύνης, η έρευνα προωθεί βιώσιμες και αποδοτικές λύσεις στον τομέα της ρομποτικής πλοήγησης. Οι προτεινόμενες λύσεις δεν περιορίζονται στη θεωρητική ανάπτυξη αλλά παρέχουν ουσιαστική πρακτική αξία σε τομείς όπως η βιομηχανική αυτοματοποίηση, η εφοδιαστική αλυσίδα και οι έξυπνες μεταφορές. Επιπλέον, η διατριβή θέτει τις βάσεις για περαιτέρω έρευνα, συνδυάζοντας καινοτομία και περιβαλλοντική βιωσιμότητα και συμβάλλοντας καθοριστικά σε έναν τεχνολογικά κρίσιμο και ταχέως εξελισσόμενο τομέα.
περισσότερα
Περίληψη σε άλλη γλώσσα
This doctoral dissertation focuses on key challenges and innovative solutions for the autonomous navigation of Autonomous Robotic Vehicles in complex, dynamic, and uncertain environments. The research combines advanced Artificial Intelligence technologies, such as Fuzzy Logic, Neural Networks, and Genetic Algorithms, to develop intelligent navigation systems capable of dynamic decision-making, safe obstacle avoidance, and energy consumption reduction. The proposed strategies address modern industrial automation and smart transportation needs, offering solutions that combine innovation with practical application. The dissertation integrates techniques that ensure the intelligence and adaptability of robotic systems. Special emphasis is given to the development of Adaptive Neuro-Fuzzy Inference Systems, which incorporate Fuzzy Logic theory with the learning capabilities of Neural Networks. These systems include guidance and obstacle avoidance controllers, ensuring safe navigation even in ...
This doctoral dissertation focuses on key challenges and innovative solutions for the autonomous navigation of Autonomous Robotic Vehicles in complex, dynamic, and uncertain environments. The research combines advanced Artificial Intelligence technologies, such as Fuzzy Logic, Neural Networks, and Genetic Algorithms, to develop intelligent navigation systems capable of dynamic decision-making, safe obstacle avoidance, and energy consumption reduction. The proposed strategies address modern industrial automation and smart transportation needs, offering solutions that combine innovation with practical application. The dissertation integrates techniques that ensure the intelligence and adaptability of robotic systems. Special emphasis is given to the development of Adaptive Neuro-Fuzzy Inference Systems, which incorporate Fuzzy Logic theory with the learning capabilities of Neural Networks. These systems include guidance and obstacle avoidance controllers, ensuring safe navigation even in highly uncertain environments. Simulations conducted in the CoppeliaSim environment highlighted the systems' ability to adapt to environmental changes and handle complex challenges, demonstrating their contribution to improving the efficiency and functionality of Autonomous Robotic Vehicles. Another area of research is the management of the Vehicle Routing Problem with Simultaneous Pickup and Delivery under uncertainty, a critical issue for the supply chain. By combining Fuzzy Logic and Genetic Algorithms, a model was developed to optimize routes while considering uncertainty and dynamic changes in loads. The proposed solution enhances resource and infrastructure management efficiency while reducing operational costs and environmental impact, as confirmed through extensive simulations based on realistic scenarios. Furthermore, the research extends to multi-objective scenarios, such as the Traveling Salesman Problem, which is among the most demanding NP-hard problems. By combining Genetic Algorithms and Fuzzy Logic, efficient routing and optimal resource utilization in dynamic environments were achieved, while the systems demonstrated the ability to handle unforeseen obstacles. The high efficiency and adaptability make the proposed strategies ideal for applications in smart transportation and logistics. The contribution of this research is multifaceted, as it introduces innovative strategies that enhance the autonomous navigation of robotic vehicles in complex and dynamic environments. By leveraging advanced artificial intelligence technologies, the research promotes sustainable and efficient solutions in the field of robotic navigation. The proposed solutions go beyond theoretical development and provide substantial practical value in areas such as industrial automation, supply chain management, and smart transportation. Moreover, the dissertation lays the foundation for further research, combining innovation with environmental sustainability and making a significant contribution to a technologically critical and rapidly evolving field.
περισσότερα