Kalyoncu, MeteAlesaei, Maged Khaled2025-10-102025-10-102025https://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=Xau5rw3KuCgEuy-FuJQtsIzajXlsYcZYMEnOjUl-uD_edpAqzKtdH0nG4fTHW-V2https://hdl.handle.net/20.500.13091/10910Bu çalışmada, bir endüstriyel robotun dinamik engelden kaçınması için optimum zaman-sarsım yörünge planlaması incelenmiştir. Günümüzde, operasyon süresini kısaltmanın yanı sıra enerji tüketimini, taşıma kararlılığını ve konumlandırma hassasiyetini artırmaya yönelik çalışmalar artmaktadır. İlk olarak, eklem değişkenlerini belirlemek için Denavit-Hartenberg yöntemi kullanılmıştır. Ardından, bu değişkenlerden ileri ve ters kinematik hesaplamaları yapılmıştır. Sonrasında, ilk ve hedef nokta arasında yedinci dereceden polinom kullanılarak yörünge planlaması gerçekleştirilmiştir. Robotun yolunda dinamik engeller bulunduğunda, optimize edilmiş polinom, mevcut uç efektör konumu, hedef konum ve en yakın dinamik engelin yakınındaki optimum nokta arasında, optimum yolun tamamlanması için gereken aynı yürütme süresiyle yörüngeyi yeniden hesaplamaktadır. Bu optimum nokta, Adaptif Elit Genetik Algoritma ile elde edilmektedir. İkinci olarak, Adaptif Elit Genetik Algoritma optimizasyonu, optimum çözümün değişken ortama bağlı olarak tek adımda bulunması gereken dinamik durumlar için tasarlanmıştır. Farklı engel sayıları ve hızları için Adaptif Elit Genetik Algoritma optimizasyonu ve yedinci dereceden polinom optimizasyonunun performansları grafiklerle sunulmuştur. Tüm farklı senaryolarda, robot kolu, sınırlı kısıtlar altında Optimize Edilmiş Yörünge, sarsım ve aynı yürütme süresiyle başarıyla hedef noktaya ulaşmıştır.In this study, the optimal time-jerk trajectory planning for dynamic obstacle avoidance of an industrial robot is investigated. Nowadays, studies are raising to reduce the execution time in operation as well as energy consumption, payload stability and positioning accuracy. Firstly, the Denavit-Hartenberg method is used to determine the joint variables. Then forward and inverse kinematics calculations were determined from these variables. After that, the trajectory planning using the seventh polynomial is performed between the first and the goal point. While there are dynamic obstacles in the path of robot, the optimized polynomial recompute the trajectory between the current end effector position, goal position and the optimum point near the nearest dynamic obstacle that comes from the Adaptive elite genetics algorithm with the same execution time that is needed for accomplish the optimum path (original path).Secondly, Adaptive elite genetic algorithm optimization is designed for dynamic states where the optimum solution has to be found in one step related to the changeable environment .The performance of different number of obstacles and speeds for Adaptive elite genetic algorithm optimization and seventh polynomial optimization are presented with graphics. In all the different scenarios, the robot arm has successfully reached the goal point with optimized path, jerks and the same execution time while it is under the limited constraints.trMakine MühendisliğiMechanical EngineeringMaster Thesis