авторефераты диссертаций БЕСПЛАТНАЯ БИБЛИОТЕКА РОССИИ

КОНФЕРЕНЦИИ, КНИГИ, ПОСОБИЯ, НАУЧНЫЕ ИЗДАНИЯ

<< ГЛАВНАЯ
АГРОИНЖЕНЕРИЯ
АСТРОНОМИЯ
БЕЗОПАСНОСТЬ
БИОЛОГИЯ
ЗЕМЛЯ
ИНФОРМАТИКА
ИСКУССТВОВЕДЕНИЕ
ИСТОРИЯ
КУЛЬТУРОЛОГИЯ
МАШИНОСТРОЕНИЕ
МЕДИЦИНА
МЕТАЛЛУРГИЯ
МЕХАНИКА
ПЕДАГОГИКА
ПОЛИТИКА
ПРИБОРОСТРОЕНИЕ
ПРОДОВОЛЬСТВИЕ
ПСИХОЛОГИЯ
РАДИОТЕХНИКА
СЕЛЬСКОЕ ХОЗЯЙСТВО
СОЦИОЛОГИЯ
СТРОИТЕЛЬСТВО
ТЕХНИЧЕСКИЕ НАУКИ
ТРАНСПОРТ
ФАРМАЦЕВТИКА
ФИЗИКА
ФИЗИОЛОГИЯ
ФИЛОЛОГИЯ
ФИЛОСОФИЯ
ХИМИЯ
ЭКОНОМИКА
ЭЛЕКТРОТЕХНИКА
ЭНЕРГЕТИКА
ЮРИСПРУДЕНЦИЯ
ЯЗЫКОЗНАНИЕ
РАЗНОЕ
КОНТАКТЫ


Pages:   || 2 | 3 | 4 |
-- [ Страница 1 ] --

Федеральное государственное автономное образовательное

учреждение высшего профессионального образования

Южный федеральный университет

На правах рукописи

Скляров Андрей Анатольевич

МЕТОДЫ СИНЕРГЕТИЧЕСКОГО СИНТЕЗА НЕЛИНЕЙНЫХ

СИСТЕМ УПРАВЛЕНИЯ МОБИЛЬНЫМИ РОБОТАМИ

Специальность 05.13.01 –

Системный анализ, управление и обработка информации

(вычислительная техника и информатика) Диссертация на соискание ученой степени кандидата технических наук

Научный руководитель:

доктор техн. наук, доцент Г.Е. Веселов Таганрог – 2013 2 СОДЕРЖАНИЕ Введение.................................... 1. Современные методы управления мобильными роботами....... 1.1. Эволюция робототехническим систем................. 1.1.1. Робототехнические системы первого поколения.......... 1.1.2. Робототехнические системы второго поколения.......... 1.1.3. Робототехнические системы третьего поколения......... 1.2. Современные методы синтеза систем управления мобильными ро ботами................................... 1.2.1. Программное управление...................... 1.2.2. Адаптивное управление....................... 1.2.3. Интеллектуальное управление................... 1.3. Основные проблемы управления мобильными роботами...... 1.4. Синергетическая теория управления................. 1.5. Постановка задачи синтеза иерархического нелинейного управле ния мобильными роботами........................ 1.6. Выводы по главе............................. 2. Синергетический синтез нелинейных иерархических систем управ ления наземными мобильными роботами................. 2.1. Наземный мобильный робот как объект управления........ 2.2. Формальное описание поведения наземных мобильных роботов.. 2.3. Разработка синергетического метода синтеза нелинейных иерархи ческих систем управления движением наземных мобильных роботов 2.4. Синтез нелинейных стратегий управления гусеничным мобильным роботом.................................. 2.4.1. Математическая модель платформы гусеничного мобильного робота.................................. 2.4.2. Математическая модель исполнительных приводов....... 2.4.3. Процедура синтеза стратегий управления исполнительного уровня.................................. 2.4.4. Процедура синтеза позиционного управления тактического уровня мобильного гусеничного робота............... 2.4.5. Применение позиционного управления при обходе препятствия 2.4.6. Процедура синтеза траекторного управления тактического уровня мобильного гусеничного робота............... 2.4.7. Применение траекторного управления при обходе препятствий. 2.5. Основные результаты и выводы по главе............... 3. Синергетический синтез нелинейных иерархических систем управ ления воздушными мобильными роботами.

............... 3.1. Воздушный мобильный робот как объект управления........ 3.2. Формальное описание поведения воздушных мобильных роботов. 3.3. Разработка синергетического метода синтеза нелинейных иерархи ческих систем управления пространственным движением воздуш ных мобильных роботов......................... 3.4. Математическая модель квадрокоптера................ 3.4.1. Основные режимы движения квадрокоптера........... 3.4.2. Математическая модель платформы квадрокоптера....... 3.4.3. Математическая модель системы исполнительных приводов квадрокоптера............................. 3.5. Синтез стратегий пространственного управления квадрокоптером. 3.5.1. Процедура синтеза стратегий управления нижнего уровня... 3.5.2. Процедура синтеза стратегий управления верхнего уровня... 3.5.3. Моделирование синтезированной системы............. 3.6. Основные результаты и выводы по главе............... 4. Синергетический синтез стратегий обхода недетерминированных препятствий................................. 4.1. Способы определения недетерминированных препятствий..... 4.2. Разработка алгоритма построения трехмерной карты рабочей зо ны мобильного робота.......................... 4.3. Разработка методики синергетического синтеза аттракторно репеллерных стратегий обхода недетерминированных препятствий 4.4. Реализация двумерной аттракторно-репеллерной стратегии об хода недетерминированных препятствий................ 4.5. Реализация трехмерной аттракторно-репеллерной стратегии об хода недетерминированных препятствий................ 4.6. Основные результаты и выводы по главе............... Заключение................................... Список использованных источников..................... Приложение А. Акт о внедрении материалов диссертации в учебный процесс кафедры СиПУ ЮФУ....................... Приложение Б. Акт о применении материалов диссертации в научно исследовательских разработках кафедры СиПУ ЮФУ......... Приложение В. Листинг программы моделирования системы позицион ного управления тактического уровня гусеничным роботом...... Приложение Г. Листинг программы моделирования системы траектор ного управления тактического уровня гусеничным роботом...... Приложение Д. Листинг программы моделирования системы управле ния исполнительного уровня гусеничным роботом........... Приложение Е. Листинг программы моделирования квадрокоптера... Введение Актуальность проблемы. В настоящее время, в связи с нарастающей автоматизацией сфер жизнедеятельности человека, робототехнические систе мы (РТС) нашли свое применение во многих областях науки, техники и про мышленности. Однако автономные мобильные роботы (МР) применяются в первую очередь там, где жизнедеятельность человека затруднена или вообще невозможна, например: в зонах стихийных бедствий или техногенных ката строф, в условиях экстремального химического или радиоактивного загряз нения, а также при проведении космических или глубоководных исследова ний. К современным автономным робототехническим системам предъявля ются требования выполнения технологических задач в условиях частичной и полной неопределённости внешней среды. Поэтому центральной проблемой, решение которой непосредственно связано с развитием робототехнических си стем, является создание полностью автономных мобильных роботов, действу ющих в недетерминированной внешней среде и инвариантных к внешним воз мущениям. При этом достижение глобальной асимптотической устойчивости замкнутой системы, во время выполнения технологической задачи мобиль ным роботом в рабочем пространстве с перманентно действующими внеш ними возмущениями, является дополнительной проблемой при организации системы управления автономным МР, решение которой позволит повысить эффективность системы в целом.

Причиной создания полностью автономных МР послужили ситуации, при которых использование радиоуправляемых РТС является невозможным. В частности, при ликвидации такой техногенной катастрофы, как взрыв атом ного реактора, применение радиоуправляемых мобильных роботов зачастую является невозможным из-за высокого уровня радиации, приводящего к по мехам в радио эфире. Еще одним примером, сетующим в пользу развития автономных МР, является мониторинг крупных городов и мегаполисов воз душными МР гражданского типа. В городских условиях высокие здания и сооружения являются причиной блокирования радиосигнала, что в свою оче редь накладывает ограничение на использование дистанционно-управляемых мобильных роботов.

Современные мобильные роботы, в отличие от ранних разработок, явля ются многомерными нелинейными объектами управления, которые состоят из множества подсистем. К примеру, при реализации движения автономного наземного мобильного робота в недетерминированной среде система датчи ков внешней среды формирует информацию о рабочем пространстве, которая поступает в бортовую ЭВМ для дальнейшей обработки и анализа текуще го состояния с целью построения безопасного маршрута. После определения маршрута бортовая ЭВМ, посредством заложенных стратегий управления, вырабатывает последовательность элементарных действий, для определен ного вида шасси робота, которая затем преобразуется в действия системы ис полнительных приводов. Очевидно, что для создания эффективной системы управления таким нелинейным, многомерным объектом, как автономный мо бильный робот, необходимо воспользоваться иерархическим представлением.

При данном подходе структура автономного МР разбивается на уровни, рас положение которых, в иерархической системе управления, зависит от слож ности налагаемых на них целей и задач. Так, например, на верхних уровнях иерархической системы управления решаются комплексные задачи, отвеча ющие за глобальное поведение МР и включающие в себя элементы искус ственного интеллекта. После определения поведения МР, на средних уровнях вырабатывается последовательность действий для нижних уровней, отвеча ющих за управление исполнительными приводами. Следует отметить, что ко личество уровней иерархической системы зависит от методов и алгоритмов управления, комплекса технических средств автономного мобильного робота и поставленной перед ним технологической задачи.

Проблеме создания методов нелинейных систем управления МР посвяще но достаточно большое число исследований, проводимых как у нас в стране, так и за рубежом. Одним из основных направлений исследований в этой об ласти является решение комплексной проблемы распознавания объектов и сцен с дальнейшим формированием моделей окружающей среды и плани рованием маршрутов движения, обеспечивающихся алгоритмами иерархиче ского управления движением с учетом нелинейной динамики каждого из под уровней абстракции систем МР. В настоящее время к наиболее значимым ре зультатам, в рамках данной проблемы, можно отнести работы отечественных (Е.И. Юревич, А.С. Ющенко, С.Ф. Бурдаков, А.В. Тимофеев, А.А. Колес ников, Ю.М. Сафонов, А.И. Корендясев, Ю.Г. Мартаненко, П.Д. Крутько, А.К. Платонов, А.А. Кирильченко, Г.Е. Веселов и др.) и зарубежных (T.

Brunl, T. Bresciani, L. R. G. Carrillo, C. Canudas, B. Siciliano, G. Bastin, M.D.

a Adams, J. Borenstein, О. Khatib, D. J. Bennet, B. Porr, R. Abiyev, L. Beji) ученых.

Указанные авторы в своих работах представили результаты синтеза зако нов управления подвижными объектами с учетом нелинейных составляющих системы, что позволило создавать регуляторы для сложных объектов управ ления. Однако в данных работах, в частности основанных на применении ал горитмов интеллектуального управления, учет нелинейных свойств системы носит частный характер, применимый к конкретным ситуациям, что делает РТС с данными законами управления органичной определенным конечным множеством рабочих ситуаций. Данный факт объясняется сложностью мате матических моделей МР – высоким порядком уравнений, описывающих ди намику их движения в пространстве (в работах Р. Беллмана данное явления получило название проклятие размерности ). Не маловажным фактором, усложняющим задачу синтеза законов управления автономного МР, является недетерминированность внешней среды, которая характеризуется наличием препятствий различной формы и размеров. Поэтому в современных мето дах управления РТС реализованы специальные алгоритмы обхода объектов, мешающих передвижению автономного МР. Реализация данных алгоритмов основывается на методах интеллектуального и адаптивного управления, что неизбежно приводит к потреблению больших вычислительных ресурсов при их применении. Поэтому, в настоящее время, существует необходимость со здания системы управления автономными мобильными роботами, которые бы учитывали нелинейные свойства каждого из уровней абстракции многомер ной РТС, действующей в частично или полностью неопределённой внешней среде, без использования специальных алгоритмов обхода препятствий.

В настоящее время, для решения задач анализа и синтеза законов управ ления объектами высокой размерности с нелинейными обратными связями, применяется синергетическая теория управления (СТУ), разработанная про фессором А.А. Колесниковым. Основным методом, в рамках данной теории, является метод аналитического конструирования агрегированных регулято ров (АКАР), позволяющий синтезировать законы управления для расши ренных математических моделей объектов управления без линеаризации или других упрощений. В данном методе цели задачи управления выступают в виде инвариантных многообразий, а учет нелинейной динамики системы до стигается путем применения асимптотического перехода от одного инвари антного многообразия к другому с последовательным понижением размерно сти многообразий. При таком подходе к задаче управления нет необходимости строгого соответствия параметров реального объекта параметрам заложен ной в регулятор модели, нужно лишь обеспечить попадание замкнутой систе мы в область притяжения инвариантных многообразий, на которых, в свою очередь, поддерживается желаемое конечное состояние объекта управления.

Таким образом, тема диссертации – методы синергетического синтеза нелинейных систем управления мобильными роботами, является актуальной.

Целью работы является достижение устойчивости синтезируемой систе мы в целом, робастности и адаптивности при существенной нелинейности моделей поведения МР в частично или полностью неопределенной внешней среде.

Объект исследования. Объектом исследования являются методы и си стемы нелинейного управления МР.

Научная задача. Основная научная задача работы заключается в раз работке синергетических методов синтеза системы нелинейного управления МР различной конструкции, которые обеспечивают устойчивость замкнутой системы в целом при движении по заданной траектории, робастность и адап тивность при существенной нелинейности математической моделей объекта управления в частично или полностью неопределенной внешней среде. В со ответствии с поставленной научной задачей в работе решаются следующие частные научные задачи:

• проведение анализа существующих методов управления автономными МР;

• разработка методов, позволяющих повысить эффективность управления многомерными нелинейными МР наземной и воздушной конструкции за счет применения принципов и методов направленной самоорганизации;

• разработка алгоритма обработки графической информации, позволяю щего восстановить трехмерную сцену внешней среды, с целью определе ния в априори недетерминированных препятствий;

• разработка методики синтеза синергетических стратегий обхода динами ческих недетерминированных препятствий различной формы;

• разработка синергетических законов управления исполнительными при водами инвариантных к внешним возмущениям.

Методы исследования. При решении поставленных в диссертации за дач использовались: теория автоматического управления, синергетическая теория управления, теории дифференциальных уравнений, методы матема тического моделирования динамических систем, методы динамики твердого тела, аэродинамики, методы и алгоритмы обработки цифровых изображений, алгоритмы стереофотограмметрии. Для исследования динамических свойств разработанных методов использовались прикладной математический пакет Maple 6 и среда программной разработки Visual Studio 2010.

Структура и объём работы. Диссертация состоит из введения, четы рех глав, заключения, библиографического списка и приложения. Основное содержание диссертации изложено на 177 страницах и содержит 59 рисунков и 7 таблиц. Список использованных источников включает 149 ссылок на на учную библиографию по теме проводимых исследований в диссертационной работе.

В первой главе рассмотрена актуальность проблемы построения коорди нирующих стратегий управления автономными мобильными роботами. Про изведен обзор алгоритмов обхода препятствий и основных методов управ ления РТС в условиях неопределенности внешней рабочей среды. Результа том проведенного обзора является констатация факта актуальности пробле мы синтеза универсальных координирующих стратегий управления МР, ко торые бы позволили осуществить устойчивый обхода недетерминированных препятствий в постоянно изменяющейся внешней среде.

Отмечено, что синтезируемые законы управления должны учитывать внутреннюю динамику объекта управления, быть инвариантны к кусочно постоянным внешним возмущениям и гарантировать обход мобильным ро ботом недетерминированных динамических препятствий различной формы.

Для решения поставленной задачи предложено использовать основные поло жения синергетической теории управления.

Применение СТУ позволяет синтезировать законы координирующих стра тегий управления с учетом полных нелинейных моделей для мобильных ро ботов, как наземной конструкции, так и для беспилотных летательных аппа ратов.

Во второй главе приведена общая математическая модель наземных мо бильных роботов, а также рассмотрена модель динамики МР с разностным гусеничным движителем и системой исполнительных приводов, представлен ных в виде двигателей постоянного тока, подключенных через систему редук торов к гусеницам МР.

Так как МР представляет собой сложную нелинейную иерархическую си стему, математическая модель которой обладает высоким порядком, то для синтез векторного закона управления разработан специальный метод, кото рый основан на применении синергетического подхода в технических систе мах. Сутью разработанного метода является процедура последовательного ввода инвариантных многообразий для выполнения асимптотически задан ного режима работы. Отличительной особенностью разработанного метода, относительно современных аналогов, является учет остаточной динамики ис полнительных приводов нижнего уровня абстракции в законах управления верхнего, тактического, уровня. Данное свойство позволяет контролировать качество выполнения координирующих воздействий, подаваемых от такти ческого уровня к исполнительному, что, в свою очередь, позволяет достичь глобальной асимптотической устойчивости замкнутой системы при выполне нии технологического задания.

Для апробации разработанного метода синтеза иерархической системы управления был создан векторный закон управления, приводящий к устой чивому перемещению центра тяжести МГР из одной произвольной началь ной точки пространства в другую. Данный закон управления можно приме нить при реализации обхода в априори известных стационарных препятствий.

Аналогично решается задача синтеза векторного закона управления, позво ляющего гусеничному роботу осуществить асимптотически устойчивое пере мещение по полиномиальной траектории для реализации плавного объезда стационарных препятствий сложной формы.

Проведено компьютерное моделирование синтезированных векторных за конов управления МГР, которое продемонстрировало работоспособность предложенных методов синтеза координирующих стратегий.

В третьей главе рассмотрена математическая модель воздушных мобиль ных роботов на примере квадрокоптера – четырех роторного летательного аппарата с вертикальным вектором тяги и системой исполнительных приво дов – синхронных двигатели с постоянными магнитами, которые подключены через систему редукторов к несущим роторам летательного аппарата. Де тальное рассмотрение воздушного мобильного робота, как нелинейного объ екта управления, который описывается математической моделью высокого порядка, позволило определить то, что данный вид МР представляет собой сложную иерархическую систему с многочисленными нелинейными связями.

Приводится обоснование необходимости разработки и использования ме тодов, основанных на применении принципов направленной самоорганизации в технических системах для решения задачи синтеза законов нелинейного управления воздушными МР.

В главе описывается разработанный метод синтеза нелинейной иерархи ческой системы управления воздушного МР, который основан на примене нии принципов синергетической теории управления. Основной особенностью разработанного метода является учет остаточной динамики исполнительных приводов нижнего уровня абстракции в законах управления верхнего, такти ческого, уровня.

Для примера применения разработанного метода синтеза нелинейной иерархической системы управления был синтезирован векторный закон управления, приводящий к асимптотически устойчивому перемещению цен тра тяжести квадрокоптера из одной произвольной начальной точки про странства в другую. Для этого производится последовательный ввод инва риантных многообразий, приводящих к асимптотически устойчивому пере мещению центра тяжести квадрокоптера из начальной точки пространства в желаемую конечную. Также в синтезированном законе управления реализо ван учет внутренней динамики исполнительных приводов за счет эстафетной передачи управляющих сигналов от верхнего уровня иерархической системы управления, реализующего достижение глобальной цели, к нижним уровням, обеспечивающим функционирование синхронных двигатели с постоянными магнитами в условиях кусочно постоянных внешних возмущениях, возника ющих при полёте квадрокоптера.

Проведено компьютерное моделирование синтезированных векторных за конов управления квадрокоптера, которое продемонстрировало работоспо собность предложенных методов синтеза координирующих стратегий.

В четвертой главе приводится обзор основных способы идентификации недетерминированных препятствий, по итогам которого сделан вывод о том, что системы технического зрения (СТЗ) являются наиболее оптимальными по затрачиваемой энергии и качеству определения объектов рабочей сцены относительно других видов датчиков внешней среды. Поэтому разработан алгоритм обнаружения препятствий в рабочей области МР, основанный на применении СТЗ и алгоритмов обработки изображений, отличительной осо бенностью которого, является разбиение изображений стереопары на обла сти, что позволяет сократить трудоемкость процедуры построения трехмер ной модели рабочей области МР.

С целью реализации обхода недетерминированных препятствий различ ной формы и размеров, определенных системой технического зрения, была разработана методика синтеза аттракторно-репеллерных стратегий, при меняемых в синергетических законах управления автономными подвижными объектами. Основной идеей разработанной методики является создание про цесса искажения фазового пространства объекта управления в окрестностях препятствия.

Проведено компьютерное моделирование синтезированных вектор ных законов управления двумерного и трехмерного случая применения аттракторно-репеллерной стратегии обхода недетерминированных пре пятствий, которое продемонстрировало работоспособность предложенных методов синтеза координирующих стратегий.

В общем заключении к диссертационной работе приводится перечень ос новных научных и прикладных результатов, полученных в процессе разра ботки методов синергетического синтеза нелинейных систем управления мо бильными роботами, действующими в условиях неопределенности внешней среды. В приложении представлены акты внедрения материалов диссер тационной работы, а также представлен синтез регуляторов в пакете Maple и листинг программного комплекса моделирования движения МР в среде с препятствиями, написанного на языке программирования высокого уровня Microsoft Visual C#.

Научная новизна работы. Научная новизна результатов диссертации заключается в следующем:

• разработанные методы синергетического синтеза нелинейных систем управления наземных и воздушных автономных МР, отличаются от су ществующих методов управления РТС, робастностью, адаптивностью к внешним возмущениям и учетом внутренней нелинейной динамики ис полнительных приводов, что позволяет повысить общую эффективность системы;

• разработанный алгоритм обработки графической информации для обна ружения препятствий, который, в отличие от аналогов, основан на разби ении изображений стереопары на области, тем самым позволяет сокра тить трудоемкость процедуры построения трехмерной модели рабочей области МР и обнаружения препятствующих объектов;

• предложенная методика синтеза аттракторно-репеллерных стратегий, применяемых в синергетических законах управления автономными по движными объектами, позволяет получать нелинейные стратегии управ ления МР, реализующие обход недетерминированных препятствий, пу тем искажения фазового пространства объекта управления. Существен ным отличием разработанной методики от существующих является ин вариантность к форме и размерам препятствия, причем данное свойство достигается за счет использования в качестве основы нелинейных зако нов управления, синтезированных синергетическими методами, что при водит к получению естественного обхода препятствий, без применения специальных трудоемких алгоритмов.

Наиболее существенные новые научные результаты, выдвигае мые для защиты:

• метод синергетического синтеза нелинейных систем управления назем ными МР (стр. 62-66, 71-76, 80-84);

• метод синергетического синтеза нелинейных систем управления воздуш ными МР (стр. 98-102, 115-121);

• алгоритм обработки графической информации для восстановления трех мерной сцены внешней среды (стр. 132-140);

• методика синтеза аттракторно-репеллерных стратегий обхода недетер минированных динамических препятствий различной формы и размеров (стр. 140-149).

Практическая ценность работы. Разработанные в диссертации при кладные методы синергетического синтеза нелинейных систем управления МР, как наземного, так и воздушного типа позволяют создавать полностью автономные МР, выполняющие различные технологические задачи в условия с изменяющимися внешними возмущениями, а методология синергетическо го синтеза аттракторно-репеллерных стратегий обхода недетерминирован ных препятствий в связке с алгоритмом восстановления трехмерной сцены внешней среды позволяет расширить область применения МР в условиях ди намически изменяемой рабочей среды.

Реализация результатов работы. Полученные в диссертации научные и прикладные результаты нашли применение в научно-исследовательских разработках кафедры синергетики и процессов управления факультета ин формационной безопасности Южного федерального университета в рамках выполнения грантов РФФИ №10-08-00912-а и №13-08-00794A, а также в учеб ных дисциплинах Синергетические технологии управления подвижными объектами, Синергетический синтез иерархических систем управления ро бототехническими и мехатронными системами и Современные методы си стемного синтеза робототехническими и мехатронными системами, реали зуемых на кафедре синергетики и процессов управления в рамках учебных планов подготовки магистров по направлению 220100 - Системный анализ и управление и аспирантов по специальности 05.02.05. Роботы, мехатроника и робототехнические системы.

Публикации и апробация работы. Всего соискателем по теме диссер тации опубликовано 20 печатных работ, из них 4 – в изданиях, рекомендо ванных ВАК.

Научные и прикладные результаты диссертационной работы докладыва лись и обсуждались на: VII научной конференции студентов и аспирантов базовых кафедр Южного научного центра РАН (ЮНЦ РАН, 2011);

Между народной молодежной научной конференции XXXVII Гагаринские чтения, 2011;

Международной молодежной конференции, посвященной 50-летию пер вого полета человека в космос "Королёвские чтения 2011;

Всероссийской на учной школы-семинара молодых ученых, аспирантов и студентов Интеллек туализация информационного поиска, скантехнологии и электронные биб лиотеки, 2011;

IX всероссийской научной конференции молодых ученых, аспирантов и студентов Информационные технологии, системный анализ и управление (ИТСАУ - 2011);

Всероссийской научной школы для моло дежи Итоги и перспективы развития Российско-Германского сотрудниче ства в области мехатроники, 2011;

Международной научной конференции Системный синтез и прикладная синергетика (ССПС–2011), г. Пятигорск;

XI Всероссийской научной конференции студентов и аспирантов Техниче ская кибернетика, радиоэлектроника и системы управления (КРЭС-2012), г. Таганрог;

конференции, посвященной памяти академика РАН В.М. Матро сова Управление в технических, эргатических, организационных и сетевых системах (УТЭОСС-2012), г. Санкт-Петербург;

X Международная Четаев ская конференция Аналитическая механика, устойчивость и управление, Казань, 12-16 июня 2012 г;

VIII научной конференции студентов и аспи рантов базовых кафедр Южного научного центра РАН (ЮНЦ РАН, 2012);

5th Chaotic Modeling and Simulation International Conference Athens, Greece, June 12-15 (CHAOS 2012);

X Международном научно-техническом форуме Инновация, экология и ресурсосберегающие технологии (ИнЭРТ-2012), г.

Ростов-на-Дону;

X Всероссийской научной конференции молодых ученых ас пирантов и студентов Информационные технологии, системный анализ и управление (ИТСАиУ-2012) в г. Таганроге;

Всероссийской НТК с междуна родным участием: Компьютерные и информационные технологии в науке, инженерии и управлении (КомТех-2013) г. Таганрог;

Всероссийской научной конференции Вузовская наука Северо-Кавказскому федеральному округу (ВУЗОВСКАЯ НАУКА СКФО 2013) в г. Пятигорске;

6th Chaotic Modeling and Simulation International Conference Istanbul, Turke June 11-14 (CHAOS 2013);

Всероссийской научной школы-семинара молодых ученых, аспирантов и студентов "Семантические технологии – 2013. Семантическая интерпрета ция и интеллектуальная обработка данных и их приложения в информаци онном поиске г. Таганрог.

Глава 1. Современные методы управления мобильными роботами Прежде чем перейти к рассмотрению современных методов управления мобильными роботами, которые способны действовать в условиях недетер минированности внешней среды с постоянными внешними возмущениями, целесообразно рассмотреть генезис или своеобразную эволюцию мобильных роботов и систем их управления. Рассмотрение этапов развития систем управ ления мобильными роботами позволит определить проблемы, возникающие при создании полностью автономных робототехнических комплексов.

1.1. Эволюция робототехническим систем 1.1.1. Робототехнические системы первого поколения В настоящее время выделяют три этапа эволюции РТС [1–3]. Первый этап берет начало с середины 60-х годов прошлого столетия, когда в эпоху бур ной индустриализации возникает острая необходимость увеличения скорости производственного процесса. В это время появляются первые промышлен ные манипуляционные роботы с программным управлением [1]. Данные вид роботов характеризуется относительной простотой алгоритмов управления и отсутствием технических средств очувствления. Роботы первого поколе ния представляли собой жестко запрограммированные механизмы, выполня ющие производственные операции в рамках одной технологической задачи и в определенных статических условиях функционирования. Например, сбо рочный конвейер, имеющий в своем составе подобных роботов, нуждался в перепрограммировании при изменении размеров, формы или положения де талей сборки. Данный факт был обусловлен низким, на тот момент времени, уровнем развития вычислительной техники, однако это не помешало широ кому распространению роботов в промышленности тех лет. Роботы первого поколения имели возможность быстрого перепрограммирования под конкрет ную задачу и потребляли малые вычислительные ресурсы. Данное свойство было достигнуто за счет применения относительно простых, нетрудоемких, алгоритмов управления. Однако жесткая привязанность к условиям произ водственного процесса ограничивала область применения данных роботов, поэтому вопрос о гибком автоматизированном производстве оставалась от крытым.

Применении роботов с программным управлением накладывало ряд огра ничений на производственный процесс. Например, конвейер организовывал ся таким образом, чтобы условия функционирования РТС оставались все гда неизменными. Соблюдение данного требования приводило к большим за тратам при перепроектировании и перепрофилировании автоматизированно го производства. С целью решения появившейся проблемы были разработа ны и применены адаптивные алгоритмы управления для роботов второго поколения [4]. Создание данных видов роботов стало возможным благода ря развитию электронных вычислительных систем, миниатюризация средств очувствления и систем технического зрения [5, 6]. Новые устройства, такие как: микрокамеры и микрофоны, тактильные и газовые датчики, дальномеры и электронные барометры, позволили роботам второго поколения получать достаточно полную информацию об окружающей их внешней рабочей сре де. Данное обстоятельство послужило началом создания автономных робо тов, которые отличались адаптивностью к условиям внешней среды. Вобрав опыт создания роботов первого поколения, автономные роботы применялись в рамках концепции гибкого автоматического производства, что способство вало быстрому перепрофилированию современных производств и, как след ствие, высокому их развитию.

1.1.2. Робототехнические системы второго поколения Применение в роботах второго поколения мощных вычислительных си стем позволило расширить круг решаемых ими задач, что, в конечном счете, привело к созданию нового класса роботов, которые назвались мобильны ми [3, 7]. Мобильные роботы (МР) представляют собой подвижные объекты, которые в качестве основы используют платформы транспортных средств, имеющие манипуляционные средства взаимодействия с объектами внешней среды. Эффективность данного класс роботов зависит от реализации алго ритмов адаптивного управления, а последние, в свою очередь, зависят от достоверности полученной информации о внешней среде. Первые мобиль ные роботы были созданы для решения задач, связанных с автоматизацией транспортных перевозок. Однако, благодаря развитию современной микро электроники, МР стали оснащать: манипуляторами, системами технического зрения и специализированными датчиками внешней среды, что позволило су щественно расширить их область применения. Классифицирую современные МР гражданского применения по функциональному назначению, можно вы делить две основные группы, а именно: промышленные мобильные роботы и мобильные роботы, которые предназначены для действия в экстремальных условиях.

Привлечение мобильных РТС в производственном процессе, в настоящее время, обусловлено необходимостью автоматизации транспортных перевозок.

Толчком для создания подобных транспортных МР послужило развитие кон цепции полностью автоматизированного производства [4, 8, 9]. Целью данной концепции является повышение эффективности управления производством, обеспечение надежности функционирования всех производственных процес сов на всех этапах. В рамках данной концепции продвигается идея исклю чения человека (как дестабилизирующего фактора) из производственного процесса. Основой для создания данной концепции послужило постоянное усложнение производственного процесса, из-за которого человеческий фак тор, во время аварийных ситуациях, стал наблюдаться все чаще. МР, в дан ной концепции, отводится задача перемещения деталей между конвейерами или готовой продукции на склад [10, 11]. Также МР могут выполнять задачи обслуживания или ремонта основного производственного оборудования или других роботов [4]. Основной задачей, для инженеров проектировщиков, в рамках концепции полностью автоматизированного производства, является создание автономных человеко-независимых МР, способных выполнять по ставленные задачи в недетерминированной и постоянно изменяющейся внеш ней среде.

Немаловажной областью применения МР является ликвидация техноген ных катастроф – крупных аварий на техногенных объектах, влекущих за со бой массовую гибель людей и даже экологические катастрофы [12]. Особен ностями ликвидации техногенных катастроф являются экстремальные для человека условия работы, ведущие к потере здоровья ликвидаторов или да же их смерти. Поэтому, в конце двадцатого столетия, появляется новый класс роботов способных выполнять задачи в экстремальных условиях. Причиной создания подобных МР стал взрыв атомного реактора в Чернобыле (ЧАЭС) 26 апреля 1986 года [12]. Из-за высоко уровня радиации в эпицентре ава рии ликвидировать угрозу распространения зараженной радиоактивной пы ли человеческими силами было невозможно, поэтому в МГТУ имени Баумана срочно разрабатывают мобильный гусеничный робототехнический комплекс Мобот-Ч-ХВ [13]. Благодаря небольшим размерам, данный МР обладал высокой манёвренностью и имел хорошую производительность. Роботы клас са Мобот-Ч-ХВ использовались для очистки кровли ЧАЭС от радиоактив ных материалов, которые были заброшены туда во время взрыва реактора.

Кроме дезактивации крыши роботы применялись для выполнения бетониро вания кровли ЧАЭС. МР выполнили практически весь объем работ без при влечения физического труда человека, что спасло немало жизней. Данная ситуация показала важность развития РТС действующих в экстремальных условиях.

К современным МР, действующим в экстремальных условиях, предъяв ляются жесткие требования автономности и адаптивности к внешней среде.

Зачастую, при выполнении задачи МР в экстремальных условиях, связь с опе ратором может нарушаться или вовсе пропадать на неопределенный срок. В таких случаях МР должен сам продолжить выполнение поставленной зада чи, пока связь с оператором не восстановится и он не получит дальнейшие указания. Ориентация в недетерминированной внешней среде - вот основная задача для подобного класса роботов. От реализации алгоритмов обнаруже ния и обхода недетерминированных препятствий зависит успешность опера ции, в которой участвуют МР. Это хорошо видно на примере космической робототехники [8], при эксплуатации мобильных планетоходов [14]. В усло виях низкой гравитации, резких перепадов температуры и высокого уровня радиации мобильному планетоходу необходимо выполнить поставленные пе ред ним задачи с обрывами, а зачастую и вовсе без связи с оператором.

1.1.3. Робототехнические системы третьего поколения Для применения роботов в экстремальных условиях внешней среды, когда связь с оператором, координирующим действия РТС, затруднена или вооб ще невозможна, обыкновенной адаптивности к внешней среде явно недоста точно. Для действия в подобных условиях необходимо чтобы робот находил эффективное решение задачи, поставленной в самом общем виде, основы ваясь на некоторую базу знаний, полученную при решении подобных задач опытным путем или составленную экспертами. Данное требование предопре делило развитие нового третьего поколения роботов с интеллектуальным управлением [2]. В отличие от роботов второго поколения, интеллектуальные роботы способны запоминать и обрабатывать эффективные решения опре делённых задач с целью воспроизведения их в будущем. Применение искус ственных нейронных сетей позволяет интеллектуальным роботам имитиро вать процессы, проходящие в человеческом мозге, с целью осуществления гибкой реакции на новые явления внешней среды, основываясь на опыте предыдущих решений.

Системы управление роботов третьего поколения [2], зачастую, использу ют алгоритмы адаптивного и программного управления, которые были за ложены еще в роботах второго и первого поколений соответственно. Между алгоритмами управления разных этапов эволюции РТС существует опреде ленная иерархия. На нижних уровнях данной иерархической модели, зача стую, располагаются алгоритмы программного управления, основанные на применении пропорционально интегрально дифференциальных регуляторов для управления (ПИД-регуляторов) исполнительными приводами, условия работы в которых заранее определены. Применение параметрического синте за (процедуры создания ПИД-регулятора) является не самым оптимальным решением данной проблемы, однако данный подход получил широкое рас пространение из-за простоты его реализации.

На средних уровнях иерархии располагаются координирующие стратегии адаптивного управления, которые позволяют РТС выполнять технологиче ские задачи в условиях действия недетерминированных внешних возмуще ний. Реализация данных стратегий является нетривиальной задачей, так как от эффективности, например такой процедуры как обход препятствий в неде терминированной среде, зависит эффективность решения общей задачи. Эф фективность адаптивных стратегии [4] напрямую зависят от точности инфор мации, получаемой из средств очувствления роботов.

Что касается верхних уровни иерархии РТС, то они отвечают за интеллек туальную составляющую системы управления [2]. Основываясь на данных, полученных опытным путем, интеллектуальная система управления форми рует последовательность действий, являющихся технологическими миссия ми для среднего уровня системы управления (уровня адаптивного управле ния). Основной задачей верхнего уровня является преобразование инструк ций, полученных в абстрактном виде, в конкретные действия, опираясь на базу знаний, заложенную в памяти бортового ЭВМ РТС. Примером таких действий может служить формирование эффективной траектории движения МР к определённой точке в пространстве. При появлении недетерминирован ных препятствий, обход которых реализуется адаптивными методами управ ления, верхний уровень координирует действия нижних уровней иерархиче ской модели для наиболее эффективного обхода, характеризующегося мини мальными рисками столкновения. Поэтому, в настоящее время, необходимо развитие всех трех направлений управления роботами, возникших в резуль тате эволюции РТС.

Проблеме создания автономных мобильных РТС с программным, адап тивным и интеллектуальным управлением посвящено достаточно большое число исследований, проводимых как у нас в стране [15–24], так и за рубе жом [8, 25–38]. Рассмотрим основные современные подходы к созданию си стем управления мобильными роботами, являющихся результатом развития робототехнических систем.

1.2. Современные методы синтеза систем управления мобильными роботами 1.2.1. Программное управление Начиная с середины двадцатого столетия, активно ведутся исследования в области синтеза законов управления (функций организованных систем, пе реводящих их из некоторого начального состояния в желаемое конечное для обеспечения сохранения определенной структуры или поддержания заданно го режима) как для простых линейных, так и сложных многомерных нели нейных робототехнических систем. Наиболее распространёнными методами синтеза законов управления РТС являются параметрические методы. В па раметрических методах синтеза законов управления необходимо задать фор мальное описание типовой структуры регулятора с параметрами, значения которых зависят от конкретной области применения. Результатом парамет рического синтеза системы управления РТС является пропорционально ин тегрально дифференциальный регулятор или ПИД-регулятор [39]. В данном регуляторе пропорциональный элемент отвечает за подавление отклонения стабилизируемой величины от желаемого значения в текущий момент време ни. Интегральный элемент отвечает за подавление статической ошибки ста билизируемой величины. Дифференциальный элемент ПИД-регулятора отве чает за подавление динамически изменяемых возмущений стабилизируемой величины. Существуют частные реализации ПИД-регулятора [40], а именно:

П-регулятор, И-регулятор, ПД-регулятор и ПИ-регулятор, которые применя ются в тех случаях, когда реализация всех составляющих данного регулятора нецелесообразна.

Процедура синтеза, параметрическим методом, сводится к построению ти повой схемы базового регулятора, опираясь, при этом, на динамические ха рактеристики МР и поведение его внутренних составляющих при решении определённой технологической задачи. После определения схемы регулятора РТС выполняется процедура подстройки его параметров при помощи анализа рабочих характеристик РТС. Данная процедура может иметь аналитический характер [41], однако, зачастую, проектировщики РТС используют парамет ры ПИД-регулятора полученные эмпирическим путем [42].

Основным преимуществом параметрических регуляторов является относи тельная простота их программной и аппаратной реализации, малое потреб ление вычислительных ресурсов при использовании их в линейных или при веденных к линейному виду управляемых системах. Главными недостатками данного метода являются во-первых, его жесткая привязанность к парамет рам РТС, а во-вторых невозможность использования в нелинейных системах.

Так как современные МР имеют сложную нелинейную динамику поведения, то для использования параметрических методов, в данных системах, необ ходимо их линеаризовать, что, в свою очередь, приводит к потере части ин формации о свойствах системы. С целью повышения качества управления систем, синтезированных параметрическими методами, вводят специальные локальные связи между контурами управления, однако данные меры приво дят к увеличению сложности системы управления МР, что в свою очередь приводит к необходимости привлечения больших вычислительных ресурсов.

Эффективности синтезируемой системы управления может быть повыше на благодаря анализу динамических свойств объекта управления. Для этого необходимо построить математическую модель, адекватно описывающую по ведение системы. Процесс построения закона управления, который основан на изучении математической модели исследуемого объекта, называется струк турным синтезом регулятора системы. В классических методах структурно го синтеза формализованное поведение линейного или линеаризованного объ екта управления представляется в виде передаточной функции. Например, в графоаналитическом методе, основанном на применении частотных харак теристик, необходимо построить и проанализировать передаточную функ цию, позволяющую получить амплитудно-частотные характеристики (АЧХ), при которых поведение объекта управления является устойчивым. Еще одним примером применения структурного синтеза регулятора РТС является метод модального управления, в котором необходимо задать определённое располо жение полюсов передаточной функции, тем самым стабилизируя управляе мые величины. Очевидным недостатком данных методов является использо вание линеаризованных моделей поведения объекта управления, в которых, как и в примере с параметрическим управлением, отсутствует часть инфор мации, поэтому они слабо соответствуют реальным объектам [43].

Для увеличения эффективности управления по некоторому критерию ка чества (быстродействию, минимизации потраченной энергии или точности работы), в рамках структурного синтеза регуляторов, разработаны методы оптимального управления [44] РТС. При синтезе законов управления мето дами оптимального управления в качестве основного математического ап парата используют вариационное исчисление, в классическом виде которое основано на уравнениях Эийлера, Лагранжа, Вейерштрасса и Якоби [44]. В частности, в работах [24, 45] строится особый сопровождающий оптимизиру ющий функционал, минимизирующий отклонение от безопасной программ ной траектории обхода препятствия, находящегося на пути следования МР.

Для решения данной задачи в работах [24,45] применяется синтез алгоритма оптимального управления, который основан на анализе фазового портрета переходных процессов МР. Единственным недостатком системы управления, освещенной в работах [24, 45], является использование упрошенной модели поведения МР для синтеза алгоритмов оптимального управления [44].

1.2.2. Адаптивное управление Развитие электронных средств очувствления определило создание адап тивных РТС (автоматически приспосабливающихся к изменению внешних условий рабочего пространства и внутреннего состояния объектов управле ния). Данное свойство достигается путем изменения схемы и параметров ко ординирующей стратегии управления. Изменение параметров осуществляет ся на основе оценки текущей ситуации по сенсорной информации, поэтому эффективность адаптивных алгоритмов управления напрямую зависит от качества информации получаемой из средств очувствления РТС. В насто ящее время существует достаточное большое количество методов адаптив ного управления РТС, однако в данном разделе целесообразно рассмотреть те методы, которые применяются при организации координирующих стра тегий мобильными роботами. На данный момент активно развиваемыми ме тодами, в рамках данной области, являются метод потенциальных полей и позиционно-траекторный метод управления подвижными объектами.

Метод потенциальных полей. Метод потенциальных полей, разрабо танный для навигации автономными мобильными РТС, был представлен в работах А.К. Платонова [46] в 70-х годах прошлого столетия. Главной иде ей данного метода является предположение о том, что целевая точка или траектория имеет положительный заряд (по аналогии с атомами), а препят ствия, находящиеся в рабочей области, имеют отрицательный. Местоположе ния цели и препятствий, в оригинальной идее, фиксированы. МР, в данной парадигме, выступает в роли подвижной отрицательно заряженной точки, притягивающейся к цели из-за разности потенциалов и отталкивающейся от препятствий (реализуя их обход) по тем же причинам.

Следует отметить, что эффективность метода потенциальных полей зави сит от задания функций, описывающих взаимодействия препятствий и це левых точек с объектом управления. Также при помощи данных функций можно задать минимальное безопасное расстояние между МР и препятстви ем или объеденной группой препятствий. Для реализации метода потенци альных полей необходимо задать законы движения МР и функции отталки вания от препятствий. В работе [46] уравнения движения МР, как некоторой подвижной точки, задаются в следующем виде:


x= f i + f0, i где x – координаты робота, f0 – вектор силы притяжения к целевой точке, fi – вектор силы отталкивания от препятствия. Следует отметить, что здесь (и далее в работе) обозначение полной производной по времени принимается в следующем виде dx x=, dt где x = {x1, x2,..., xn }, n.

В общем случае при применении метода потенциальных полей уравнение движения, обеспечивающее построение безопасного пути, запишется в виде:

x = A(t) · f0 (x, x0 ) + (i, x0, x) · f (x, i ), i где x0 – координаты целевой точки, A – матрица поворота МР, – коэффи циент определяющий воздействие зон препятствий, i – параметры каждого i-го препятствия. В работах [23, 46, 47] предполагается, что цель притягивает объект управления с единичной силой, а объекты, мешающие движению МР, отталкивают его силой направленной по нормали к препятствию от которого она возникла. Причем на границе препятствия сила отталкивания должна быть единичной [46] и убывать пропорционально расстоянию до МР. В рабо тах [23, 46, 47] были исследованы следующие виды отталкивающих функций:

f (x) = xk ;

f (x) = ecx ;

где k, c – варьируемые параметры, изменение которых приводит к получе нию различных видов траекторий обхода препятствий. При достаточно боль шом значении параметра k получается траектория контурного обхода пре пятствия, однако при малых значениях данного параметра МР, траектория обхода препятствия будет иметь некоторый зазор, который может послужить причиной наложения сфер действия различных близкорасположенных пре пятствий друг на друга, тем самым исключив возможность прохода между ними.

В работах [23, 46, 47] вводятся правила, полученные эвристическим пу тем, способствующие повышению эффективности алгоритма в определённых частных случаях, например в ситуации равновесия сил, преодоление которой является основной проблемой данного метода. В частности данными прави лами определится тот факт, что если одно препятствие находится на доста точно близком расстоянии от МР, то действием остальных можно пренебречь.

Также в [47] было определено, что угол поворота МР не должен превышать некоторую величину, при этом учитываются только те препятствия, которые попадают в диапазон ±/2 c началом в заданной величине. Еще одним нема ловажным допущением в алгоритме обхода препятствий, который строится по методу потенциальных полей, является добавления в функцию отталки вания некоторого коэффициента, зависящего от расположения МР и пре пятствия. Введение данного коэффициента позволяет ввести в рассмотрение зоны влияния препятствий, тем самым сделать их обход более гибким.

К недостаткам данного метода можно отнести необходимость аппроксими рования препятствия выпуклыми многоугольниками или окружностями [47], что в реальных условиях работы МР может оказаться трудно реализуемым и негативно сказаться на общей эффективности формирования траектории обхода. Также в оригинальной трактовке метода потенциалов не учитывается внутренняя динамика исполнительных приводов, что негативно отражается на устойчивости РТС.

Несмотря на недостатки, метод потенциальных полей, в настоящее вре мя, активно развивается как в нашей стране [23, 47] так и за рубежом [30–32, 48–51]. Это обусловлено необходимостью небольшого количества вы числительной мощности бортового ЭВМ МР(относительно аналогичных ал горитмов обхода препятствий) для реализации координирующих стратегий управления МР. При планировании траектории перемещения МР данным ме тодом, вычисление всей возможной трассы движения не требуется. Требуется только текущее, достаточно легко вычислимое на бортовом ЭВМ, направле ние движения для реализации обхода препятствий.

Метод позиционно-траекторного управления. Построение безопас ной траектории движения МР методом потенциальных полей предполага ет предварительное проектирование траектории движения, что не всегда возможно в недетерминированной среде с нестационарными препятствиями.

Также учет большого количества частных случаев, при решении задачи обхо да препятствий, усложняет реализацию универсального регулятора, тем са мым ограничивая область применения МР множеством рассмотренных слу чаев. С целью преодоления данных недостатков авторами работ [22, 52–55] был разработан аналитический метод позиционно-траекторного управления подвижными объектами в априори неформализованных средах. Как сказано в работах [22, 52–55], главным недостатком современных методов управле ния МР является необходимость предварительного планирования траекто рии. Метод позиционно-траекторного, призван решить проблему ориентации МР в недетерминированой среде без привлечения сложных интеллектуаль ных технологий [54, 55].

Суть метода заключается в следующем. Во-первых, при построении зако нов управления МР используется полная динамической модель его поведе ния. Это стало возможным благодаря применению базовых понятий синерге тики [56,57], которые широко используются при анализе нелинейных динами ческих объектов различной природы. Во-вторых, после того как модель дина мики МР определена, вводятся понятия устойчивого и неустойчивого поведе ния системы. Устойчивым поведением системы называется математический образ установившихся режимов, представляемый в виде аттрактора – притя гивающего множества в фазовом пространстве МР. Неустойчивое поведение, в свою очередь, представляется в виде отталкивающего множества (репелле ра) в фазовом пространстве МР. С учетом введенных понятий, об устойчивых и неустойчивых режимах, ставится задача синтеза законов управления, цель которых поддержание режима перемещения объекта управления из произ вольной начальной точки в заданную. При этом должно выполнятся условие удержания МР на безопасном расстоянии от нестационарных недетерминиро ванных препятствий [54, 55]. Решением поставленной задачи [54, 55] является реализация структурно-алгоритмической системы управления МР, приводя щей к стабилизации фазовых траекторий в зонах свободных от препятствий, т.е. выполнялись условия устойчивого поведения системы. При нахождении МР на расстоянии от препятствий, которое меньше заданного безопасного значения, происходит вхождение объекта управления в зону неустойчивого режима поведения. Нахождение системы в неустойчивом состоянии застав ляет Мр стремиться к устойчивому, тем самым реализуя построение безопас ной траектории. Определение попадания МР в неустойчивое состояние проис ходит благодаря анализу информации получаемой из средств очувствления РТС. Степень неустойчивости системы, в методе позиционно-траекторного управления [54, 55], выражается через бифуркационный параметр, который имеет нулевое значение при отсутствии препятствий и возрастает при при ближении к ним.

К преимуществам рассмотренного подхода можно отнести возможность учета нелинейных связей звеньев МР в системе управления и обход неде терминированных препятствий без предварительного картографирования ра бочей местности. Однако, как было показано в работах [22, 52–55], мину сами рассмотренного подхода является зависимость эффективности обхода препятствий от их формы, в частности, для линейных препятствий метод позиционно-траекторного управления показывает наихудший результат. Дан ная проблема может быть решена введением алгоритмов верхнего уровня построенных на принципах и методах интеллектуальных систем управле ния [22]. Также, к недостаткам данного метода, можно отнести пренебреже ние скоростью нестационарных препятствий: при недостаточной энерговоору женности МР цель управления может быть попросту не достигнута. Немало важным является тот факт, что метод позиционно-траекторного управления подвижными объектами не описан механизм учета внутренней динамики ис полнительных приводов, входящих в нижние уровни иерархии комплексной модели динамики системы. Это может стать причиной потери энергии, воз никающей в ходе преодоления внутренних противоречий между алгоритмами верхнего и нижнего уровней иерархии системы управления.

1.2.3. Интеллектуальное управление В настоящее время современные мобильные робототехнические комплек сы выполняют технологические задачи в условиях неполноты информации о рабочей среде, где в априори неизвестны многие параметры и факторы, влияющие на эффективность работы МР. Данное обстоятельство ограничи вает использование алгоритмов программного и адаптивного управления в чистом виде. Решением данной проблемы является определение, на основе косвенных признаков, не измеряемых параметров благодаря использованию интеллектуальных алгоритмов и баз знаний, накопленных экспертами или специальными алгоритмами моделирования рабочей среды. База знаний со держит обработанную информацию о поведении МР в той или иной рабо чей ситуации. Управление, основанное на применении алгоритмов и мето дов управления, использующих опытные данные или базы знаний, а также имитирующие процессы мозговой деятельности человека, называется интел лектуальным [2]. Методы интеллектуального управления включают в себя:

алгоритмы искусственных нейронных сетей, экспертные системы и теорию нечетких множеств.

Методы искусственных нейронных сетей. Идея создания искусствен ных нейронных сетей (ИНС) появилась при изучении процессов мозговой де ятельности человека. Попытка промоделировать данные процессы привела к разработке алгоритмов распознавания образов, способных обучатся новым данным и решать трудно формализуемые задачи путем запоминания спо собов их решения. Суть метода ИНС заключается в имитации работы кле ток мозга человека. Искусственные нейроны [2,58] формально представляют ся как линейные функции от аргумента, являющегося линейной комбинаци ей входных параметров узла. Математически искусственный нейрон можно представить в следующем виде:


y = f (u), где f (u) – функция срабатывания (передаточная функция), на выходе ко торой формируется сигнал определённый поставленной задачей. Функция u или индуцированное локальное поле [58] представляет собой сумматор с ве совыми коэффициентами, вида:

n u= i x i + 0 x 0, i= где xi – входной параметр нейрона, обязательно ранжированный в пределах от 0 до 1 включительно, i – весовой коэффициент входного параметра, а также дополнительный вход x 0 и его весовой коэффициент 0, определяющие начальное значение нейрона для вариации порога его чувствительности.

Искусственный нейрон характеризуется своей передаточной функцией, ко торая определяет зависимость сигнала на выходе нейрона от взвешенной сум мы сигналов на его входах. Существует множество различных видов переда точных функций, однако наиболее распространенными являются: линейная, пороговая и сигмоидальная передаточные функции [2,58,59]. В линейной пе редаточной функции сигнал на выходе искусственного нейрона линейно за висит от взвешенной суммы сигналов на его входе и математически представ ляется как:

f (x) = tx, где x – входной параметр, t – весовой коэффициент. Данное представление передаточных функций является наиболее простым, и применяется при ор ганизации функций срабатывания входного слоя искусственных нейронных сетей со слоистой структурой [2, 58].

Другой вид передаточной функции называется пороговый, который пред ставляет собой перепад или функцию Хевисайда. Математически пороговая функция выглядит следующим образом при x T ;

1, f (x) = 0, при x T, где T = – 0 x 0 – параметр сдвига передаточной функции. Данная функция имеет ряд ограничений на использование. Главным ограничением является то, что функция Хевисайда не является дифференцируемой на всей оси абс цисс, что делает невозможным ее использования в сетях требующих диффе ренцируемости передаточной функции, например обучающихся по алгоритму обратного распространения ошибки.

В настоящее время один из самых часто используемых типов передаточ ных функций является сигмоидальная [58]. Данный тип передаточных функ ции дифференцируется на всей оси абсцисс и используется в нейронах распо ложенных во внутренних слоях нейронной сети. Сигмоидальную передаточ ную функцию можно выразить так:

f (x) =, 1 + etx где t – параметр, определяющий скорость изменения передаточной функции.

Данная функция наиболее часто используется в искусственных нейронных сетях, обучающихся по алгоритму обратного распространения ошибки из-за того, что производная этой функции выражается через её значение.

Искусственные нейронные сети получили широкое распространение при решении трудно формализуемых задач управления мобильными роботами.

Так в работах [21, 59–61] описываются бионические методы управления МР, в условиях отсутствии предварительной формализации о состоянии внешней среды. В качестве основного механизма, в данных методах, применяется ней росетевые экстраполирующие структуры [21], которые включаются на входах нейросетевых планировщиков МР [59] и позволяют упреждать положения нестационарных препятствий в рабочей среде РТС. Принцип функциониро вания экстраполирующих структур заключается в одновременном сравнении плана проходимости среды с планами, полученными на ранних стадиях. Для обучения нейронных сетей, в данных работах [61], применяется аппаратно программно-аппаратный подход, включающий в себя начальное моделирова ние рабочей среды для обучения ИНС обходу нестационарных препятствий по наиболее оптимальной траектории. За счет применения программируе мых логических интегральных схем (ПЛИС), при реализации ИНС, авторам работы [61] удалось добиться достаточно высокого быстродействия нейровы числений.

Также исследованию алгоритмов ИНС, применительно к автономным МР, посвящены работы [20,52], в которых решается задача нейросетевого управле ния автономным роботизированным комплексом в трехмерном пространстве с неформализованными препятствиями. Нейросетевой планировщик коррек тирует траекторию движения МР в трехмерном пространстве в реальном режиме времени, основываясь на поступающей видеоинформации. В отли чии от методов, описанных в [21, 59–61], автором работы [20] применяется сверточная ИНС, которая наилучшим образом подходит для обработки ин формации, поступающей от сенсорных систем. Результатом применения свер точной ИНС является карта признаков графического изображения внешней среды МР, которая поступает на вход классической многосвязной ИНС вме сте с информацией о текущей траектории МР, а выходом классической ИНС является формирование коэффициентов траектории обхода.

Главным недостатком алгоритмов ИНС является необходимость создания обучающей выборки, отвечающей критерию максимальной репрезентативно сти, которая бы включали в себя все возможные классы ситуаций, возника ющих во время работы МР [62]. Очевидно, что разработчикам алгоритмов, основанных на использовании ИНС, необходимо довольствоваться ограничен ным множеством ситуаций, подходящих для обучающей выборки, которая, в свою очередь, занимает большое количество времени при малых вычисли тельных ресурсах. При появлении новых данных о внешней среде (новых целей решаемых задач или же новых рабочих параметров МР) необходимо запускать процесс переобучения ИНС, в процессе которого могут проявиться проблемы попадания сети в локальный минимум поверхности ошибок, что неизбежно приведёт к неработоспособности алгоритма управления [58]. Так же необходимо проверять качество обучения ИНС, основываясь на примерах, которые не включались в выборку ее обучения, при этом число проверочных ситуаций зависит от качества обучения ИНС по следующему принципу: чем выше качество, тем больше должно быть примеров [58]. Механизму улуч шения процесса обучения посвящено достаточно большое число исследова ний [62–64], наиболее перспективными из которых являются [62], однако в данном направлении все еще существует множество нерешенных вопросов.

Методы теории нечетких множеств. Основные тенденции развития современной робототехники связаны со сложностью изучаемых объектов управления. Сложность заключается как в нелинейности моделей, описы вающих динамику РТС, так и в недетерминированности внешней рабочей среды МР. В связи с этим усложняется процесс формализации задачи управ ления и алгоритмы ее решения. Для преодоления сложности формализации нелинейных систем, а также для построения адаптивных регуляторов МР, используется принципы и методы нечеткой логики, основанные на приме нении теории нечетких множеств. Основополагающие идеи и концепции теории нечётких множеств и нечеткой логики были представлены про фессором Лотфи Заде в 60-х годах прошлого столетия. В его работах [65, 66] понятие множества было дополнено понятием функции принадлежности.

Функция принадлежности элемента к нечеткому множеству должна иметь в априори заданные вероятностные значения, находящиеся в интервале от 0 до 1. Данная функция должна определять степень принадлежности одно го, конкретного, элемента к определенному множеству. Также Лотфи Заде ввел понятия лингвистических переменных [65,66]: переменных, являющих ся нечетким подмножеством некоторого определённого базового множества.

Лингвистические переменные принимают значения фраз естественного или искусственного языков, что способствует абстрагированию реализуемого ал горитма от конкретных ситуаций. Фактически процедуру синтеза стратегий нечёткого управления можно представить в виде составления набора продук ционных правил. Данные правила строятся при помощи логических операций над лингвистическими переменными, которые определяют текущее состояние объекта. Выходом продукционных правил является вектор желаемого пове дения системы.

Применение методов теории нечётких множеств и нечеткой логики по лучили широкое распространение при создании координирующих стратегий управления движением мобильных роботов. В работе [19] для управления МР синтезируются нечеткие регуляторы, которые основываются на пред варительной информация о рабочей зоне. В качестве базового алгоритма применяется, алгоритм Мамдани, как наиболее простой в реализации для бортового ЭВМ. В качестве входных лингвистических переменных берутся значения отклонения от нормали и ошибка угловой ориентации МР в виде таких термов как: отрицательная большая, отрицательная малая, нулевая, положительная малая, положительная большая. В качестве выходных переменных, получаемых в результате выполнения составленных (в зависимости от условий работы) продукционных правил, берутся значения желаемой скорости как нулевой, малой, средней, большой и же лаемой угловой скорости составленные по аналогии с термами отклонений от нормали. Для лингвистических переменных производится фаззификация путем задания функций принадлежности. Весовые коэффициенты функций принадлежности выбираются относительно заранее известной информации о внешней среде [19].

Нечеткая логика может применяется для МР обхода препятствий различ ной формы. Как показано в работе [33], для реализации движения МР по задней траектории в качестве базового алгоритма используется метод потен циалов, в котором все фазовое пространство объекта управления представ ляется в виде силовых линий направленных к желаемой траектории. Данный алгоритм представляется собой глобальное планирование движения МР при предварительном картографировании местности. Однако для предотвраще ния столкновений МР с динамическими препятствиями различной формы, не выявленных на этапах глобального планирования, применяются методы нечеткой логики и теории нечетких множеств. После определения размеров препятствия методами технического зрения, вычисляются углы отклонения от заданной траектории. Значения данных углов формируются в виде линг вистических переменных продукционных правил. Выходом продукционных правил является безопасный угол отклонения от заданной траектории, обес печивающий обход препятствия МР. При таком подходе к управлению до стигается возможность выполнения поставленных технологических задач в локально недетерминированных условиях. Однако минусом данного подхода является допущение о том, что габариты препятствия не должны превышать допустимых размеров ограниченных углом обзора используемых видеокамер.

Еще одним примером применения нечеткой логики при синтезе систем управления регуляторов являются разработка, описанная в работах [67–70], нечётких регуляторов МР. В частности в работе [67] нечеткая логика позволя ет МР обходить движущиеся препятствия определённой формы. В работе [68] алгоритм обхода препятствий, также основанный на нечеткой логике, учиты вает множество препятствий и выдает различные решения в зависимости от расположения препятствий. В работе [69] робот с нечёткой системой управле ния способен выполнять технологические задачи в замкнутом пространстве, а в работе [70] нечеткая логика использована в подсистеме приводов для эф фективной реализации мощности микродвигателя МР.

Широкое применение алгоритмов нечеткой логики и теории нечетких мно жеств обусловленной достаточно простой процедурой создания продукцион ных правил для набора лингвистических переменных. Все же следует отме тить, что главным недостатком методов нечеткой логики является необходи мость формирования базы экспертных оценок для функций принадлежно сти, что, в свою очередь, ограничивает область применения подобных систем определенным множеством различных ситуаций. Также при данном подходе не учитывается нелинейная динамика поведения МР и его исполнительных приводов, что может привести, при определенных условиях, к потере устой чивости системы.

1.3. Основные проблемы управления мобильными роботами Подводя итог вышесказанному можно отметить следующие проблемы, воз никающие при создании алгоритмов управления современными робототехни ческими комплексами.

Во-первых, современные параметрические и адаптивные методы синтеза систем управления мобильными роботами опираются на линейную модель поведения рассматриваемого объекта, что в своей сущности приводит к игно рированию нелинейных, порой самых важных, составляющих динамической системы, от которых зависит безопасность и устойчивость всей синтезируе мой системы вцелом.

Во-вторых, современные интеллектуальные методы управления опирают ся на представление о внешней окружающей среде по предопределенной базе знаний, сформированной группой экспертов, которая несет в себе субъек тивные представления о способах управления робототехнической системой в той или иной рабочей ситуации. Данный подход безусловно заслуживает свое место среди методов управления МР, так как рассчитан на примене ние в полностью недетерминированных объектах управления, для которых необходимо определить их поведение на основе реакции, возникающей по сле подачи управляющего воздействия. Поведение системы определяется на режимах, совпадающих, с высокой долей вероятности, с нормальными экс плуатационными характеристиками объекта управления для каждой из ре шаемых технологических задач. Однако поведение системы, в особенности со сложной динамической структурой, в экстремальных условиях или при экстремальных режимах работы, может, в значительной степени, отличат ся от поведения в нормальных условиях работы. Поэтому для повышения безопасности систем, основанных на применении интеллектуального управ ления, принято дополнительно вводить новые базы знаний (что, в свою оче редь, существенно усложняет реализацию системы управления), которые бы включали в себя информацию о поведение управляемой системы в экстре мальных режимах, однако в полной мере определить поведение системы, при таком подходе, не представляется возможным из-за бифуркаций, неизбежно возникающих в открытых нелинейных динамических системах.

От эффективности решения таких задач, как асимптотически устойчивый обход недетерминированных препятствий при передвижении МР к заданной точке или следовании по заданной, в фазовом пространстве МР, траекто рии зависит эффективность решения глобальной задачи робототехнической системы. Как показано выше, использование методов программного, адап тивного и интеллектуального управления позволяет решить проблему авто номности МР частично, то есть для ограниченного набора ситуаций (номи нальных режимов РТС или определенных условий внешней среды). Поэтому встает актуальный вопрос о создание методов синтеза стратегий управления, основанных на использовании нелинейной динамики поведения МР в про странстве. В силу того, что современные МР являются нелинейными объек тами управления, которые непрерывно взаимодействуют с внешней средой, то для решения данной задачи целесообразно применить методы и прин ципы направленной самоорганизации или синергетической теории управле ния [56, 71–81] техническими системами.

1.4. Синергетическая теория управления В конце шестидесятых годов прошлого столетия большинство ученых, ис следовавших процессы, протекающие в сложных многомерных нелинейных системах, убедились в ограниченности существующих аналитических и чис ленных подходов [82], созданных для решения нелинейных задач в различных областях жизнедеятельности человека. Классические подходы, опираясь на упрощенное представление задач, пренебрегают значимостью малых измене ний параметров, входящих в нелинейную систему, тем самым ухудшая общую эффективность полученных решений. Переосмысление природы нелинейных многомерных систем стало решением данной проблемы. Выявление устой чивых структур в нелинейных многосвязных системах, представляемых как устойчивые состояния данных систем, возникающих благодаря диссипатив ному характеру поведения отрытых нелинейных систем, стало предпосылкой развития нового междисциплинарного направления науки ныне известного как синергетика. Термин синергетика (с греческого языка переводится как совместная деятельность или взаимодействие) в переосмысленном вари анте предложил в своих работах [83, 84] Г. Хакен. Он обозначил новую меж дисциплинарную интегральную науки, которая изучает явления и процессы самоорганизации, наблюдаемые в системах различной природы. Предпосыл ками создания данной науки явились исследования И. Пригожина [85–88] в области анализа и выявления закономерностей поведения нелинейных дис сипативных систем. В рамках научных школ Г. Хакен и И. Пригожина были получены основополагающие научные результаты [83–91] в области исследо вания спонтанной самоорганизации, протекающей в диссипативных нелиней ных системах косной и живой природы.

Как было выявлено в работах [83–91], спонтанная или стихийная самоорга низация возникает по внутренним, порой до конца не понятным, причинам, которые определяют вероятность возникновения устойчивых состояний си стемы. Данный способ определения возникновения процессов самоорганиза ции называется причинным и успешно развивается в рамках научных школ Г.

Хакен и И. Пригожина [83,85]. Однако в сложным многомерным нелинейным управляемым системах, коими являются РТС, идеи и принципы спонтанной самоорганизации являются неприменимыми ввиду их непредсказуемости. По этому, в рамках научной школы профессора А.А. Колесникова [56, 71–81], успешно развивается новый целевой способ самоорганизации сложных нели нейных управляемых систем. Основным отличием нового способа от причин ного является применение методов перехода от недетерминированного пове дения управляемой системы к направленному движению вдоль целевых ин вариантных многообразий – аттракторов [71, 72]. Такой аттрактор задается проектировщиком управляемой системы и определяет сущность направлен ного поведения рассматриваемой системы. Целесообразно выделить призна ки систем, в которых возможно возникновение направленной самоорганиза ции [71]:

1. Рассматриваемая система должна иметь постоянный обмен энергией, ве ществом или информацией с внешней средой, т.е. быть открытой, причем количество притока энергии должно быть достаточно для уменьшения количества энтропии и, как следствие, повышения упорядоченности си стемы.

2. Процессы в рассматриваемой системе должны протекать в нелинейной области ее пространства.

3. Компоненты рассматриваемой системы должны обязательно взаимодей ствовать друг с другом.

4. Система должна иметь множество путей развития, на финальных этапах ее движения.

Следует отметить, что выделенные признаки диссипативных систем на блюдаются в современных робототехническим системам [16,92], действующих в недетерминированной среде. Обмен энергией мобильного робота с внешней средой происходит благодаря реакция объекта управления на внешние воз мущения. Сложные иерархические связи между исполнительными привода ми, возникающие вследствие конструктивных особенностей шасси роботов, создают условия когерентности, нелинейности и, как следствие, возникно вение точек бифуркации. Данные обстоятельства определяют возможность применения целевого способа самоорганизации, а именно синергетической теории управления [56,71–81], в современных робототехнических системах и комплексах.

В СТУ основным методом синтеза нелинейных законов управления явля ется метод АКАР [56, 71, 72], основная идея которого состоит во введении в управляемую систему набора аттракторов вида (x1,..., xn ) – инвариантных многообразий (ИМ). ИМ по своей сути являются целями управления, которые обеспечивают взаимосвязанное и когерентное движение компонентов систе мы. При таком подходе к управлению изображающая точка (ИТ) системы (точка описывающая состояние системы) переводится из произвольного (по рой заранее недетерминированного) начального состояния системы через ИМ в желаемое. Желаемое конечное состояние является целевым аттрактором, в котором выполняется конечная технологическая задача и обеспечивается асимптотическая устойчивость [56] управляемой системы. Процедуру синтеза синергетических регуляторов сложных нелинейных РТС можно представить в несколько этапов.



Pages:   || 2 | 3 | 4 |
 





 
© 2013 www.libed.ru - «Бесплатная библиотека научно-практических конференций»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.