@article { author = {Taheri, Ehsan}, title = {Designing the rapidly exploring random tree path planning algorithm for the vertical take-off and landing vehicle on the processor-in-the-loop test platform}, journal = {Journal of Aeronautical Engineering}, volume = {23}, number = {1}, pages = {86-96}, year = {2021}, publisher = {Shahid Sattari Aeronautical University of Science and Technology-Iranian Aerospace Society Director-in-Charge: Dr. Akbar Cheraqi Editor-in-Chief: Dr. Farhad Javidrad Associate Editor: Dr. Vahid Khalafi Website Manager: Amir Ehsan Zamanian Eng. Nima Mansour Lakouraj English Text Editor: Dr. Roohollah Maleki}, issn = {17359449}, eissn = {17359449}, doi = {10.22034/joae.2021.139479}, abstract = {Path design is one of the open research bottlenecks to develop autonomy in unmanned robots. In urban spaces and closed environments, with increasing the number of obstacles and constraints, the computational complexity required for the completed path planning algorithms increases with order O (n2). The main purpose of this manuscript is to present a path planning algorithm based on the random sampling method for the vertical take-off and landing vehicle (VTLV) and its real-time test in the xPC-Target toolboxes. For this purpose, the rapidly exploring random tree (RRT) algorithm is presented. The proposed algorithm is completely probabilistic and also the non-holonomic constraints of the VTLV are integrated into the vertices of the search tree. In order to validate and evaluate the proposed path planning algorithm before performing risky and costly field tests, the processor-in-the-loop (PIL) test, in MATLAB xPC-Target software environment is considered. In the PIL test, two test scenarios with different complexity have been developed. The results show that the proposed rapidly exploring random tree algorithm is able to plan a primary path for the robot by using its random nature in a rapid manner. Also, due to the involvement of the robot dynamic model in the process of generating random vertices and search tree edges, both types of kinematic and dynamic (kinodynamic) constraints have been considered in the planned path and therefore lead to the design of a practical path with high intercept ability through the robot.}, keywords = {Path planning,Rapidly Exploring Random Tree (RRT),Kinodynamic,Vertical Take-Off and Landing Vehicle (VTLV),Processor-in-the-Loop (PIL)}, title_fa = {طراحی مسیر درخت جستجوی سریع تصادفی برای ربات عمود پرواز بدون سرنشین در بستر تست پردازشگر در حلقه}, abstract_fa = {طراحی مسیر یکی از گلوگاه‌های باز تحقیقاتی جهت ایجاد خودمختاری در ربات‌های بدون‌سرنشین می‌باشد. در فضاهای شهری و محیط‌های بسته با افزایش تعداد موانع و قیدهای پیرامونی، پیچیدگی محاسباتی مورد نیاز برای الگوریتم‌های طراحی مسیر کامل با مرتبهO(n2) افزایش می‌یابد. هدف این مقاله ارائه یک الگوریتم طراحی مسیر مبتنی بر نمونه برداری تصادفی برای یک ربات عمود پرواز بدون‌سرنشین و تست زمان واقعی آن در محیط xPC-Target می‌باشد. برای این منظور، روش درخت جستجو سریع تصادفی پیشنهاد می‌گردد. الگوریتم پیشنهادی کامل احتمالاتی بوده و همچنین امکان اعمال قیدهای غیرهولونومیک در گره ‌های درخت جستجویی مسیر را دارا می‌باشد. جهت اعتبار سنجی و اعتبار بخشی به الگوریتم طراحی مسیر پیشنهادی پیش از انجام تست‌های پر ریسک و پر هزینه میدانی، بستر تست پردازنده در حلقه در محیط نرم افزار xPC-Target متلب در نظر گرفته شده است. پردازنده هدف مد نظر در این تست، تکبرد صنعتی مدل SBC84710 شرکت Axiomtek می باشد. در این تست دو سناریو آزمون با پیچیدگی متفاوت تدوین شده است. نتایج نشان می‌دهند که الگوریتم درخت جستجو سریع تصادفی پیشنهادی جهت طراحی مسیر برای ربات عمود پرواز مد نظر با بهرگیری از ماهیت تصادفی خود قادر به طراحی مسیر سریع برای ربات می‌باشد. همچنین به دلیل درگیر نمودن مدل دینامیکی ربات در فرایند تولید گره‌های تصادفی و شاخه-های درخت جستجو، در مسیر طراحی شده هر دو نوع قید سینماتیکی و دینامیکی لحاظ شده‌اند و لذا منجر به طراحی یک مسیر عملیاتی با قابلیت رهگیری بالا توسط ربات شده است.}, keywords_fa = {طراحی مسیر,الگوریتم درخت جستجوی سریع تصادفی,سینودینامیک,ربات عمود پرواز,پردازشگر درحلقه}, url = {https://www.joae.ir/article_139479.html}, eprint = {https://www.joae.ir/article_139479_e3671a392491e16199cb3380e35ec17c.pdf} }