На правах рукописи - polpoz.ru o_O
Главная
Поиск по ключевым словам:
страница 1
Похожие работы
На правах рукописи - страница №1/1



На правах рукописи

Фирас А. Рахим

Методы поСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ
СИСТЕМ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ


ПЕРЕМЕЩЕНИЕМ РОБОТА-МАНИПУЛЯТОРА В НЕИЗВЕСТНОЙ СРЕДЕ

Специальность 05.02.05. – «Роботы, мехатроника

и робототехнические системы»


АВТОРЕФЕРАТ

диссертации на соискание ученой степени

кандидата технических наук

Новочеркасск − 2009

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Южно-Российский государственный технический университет (Новочеркасский политехнический институт)» на кафедре «Автоматизация производства, робототехника и мехатроника»

Научный руководитель: доктор технических наук, профессор,

заслуженный деятель науки РФ

Булгаков Алексей Григорьевич

Официальные оппоненты: доктор технических наук, профессор

Пятибратов Георгий Яковлевич;

кандидат технических наук, доцент

Валюкевич Юрий Анатольевич

Ведущая организация: ГОУ ВПО «Донской государственный технический университет» (г. Ростов-на-Дону)

Защита состоится 17 апреля 2009 г. в 10.00 на заседании диссертационного совета Д.212.304.04 при государственном образовательном учреждении высшего профессионального образования «Южно-Российский государственный технический университет (Новочеркасский политехнический институт)» по адресу: 346428, г. Новочеркасск, Ростовской обл., ул. Просвещения, 132, ауд. 107 глав. корпуса.

С диссертацией можно ознакомиться в библиотеке Южно-Российского государственного технического университета (Новочеркасского политехнического института). С текстом автореферата можно ознакомиться на сайте
ЮРГТУ (НПИ) www.npi-tu.ru

Автореферат разослан « » марта 2009 г.

Ученый секретарь диссертационного совета

доктор технических наук, профессор В.С. Исаков






Общая характеристика работы

Актуальность проблемы. В различных отраслях промышленности и сервисного обслуживания широко применяются роботы, мехатронные и робототехнические системы. Это связано с их растущими функциональными возможностями, обусловленными использованием более совершенных систем управления, развитие которых, в свою очередь, базируется на известных достижениях средств вычислительной техники.

Неопределенность, вызванная наличием в рабочей зоне робота неизвестных статических или динамических препятствий и проявляющаяся как степень погрешности опознающих эти препятствия датчиков и как изменение местоположения этих препятствий, обусловливает необходимость разработки методов планирования и управления перемещением робота. Суть данных методов заключается в том, что после получения роботом задания в ходе планирования в режиме реального времени происходит формирование допустимой траектории перемещения с учетом возможных конфигураций робота, а также информации об окружающей среде, считанной датчиками. Далее в процессе генерирования траектории формируются желаемые конфигурации робота, представляющие собой функции времени. Полученная траектория является задающим воздействием для управления, формирующим соответствующие сигналы для создания крутящего момента, что гарантирует выполнение роботом безопасной траектории с минимально возможной погрешностью достижения целевой точки.

В настоящее время в основе решения проблемы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде лежит разработка интеллектуальных методов, которые основаны на применении искусственных нейронных сетей и нечеткой логики. Научные исследования в этом направлении получили распространение как в России, так и за рубежом. Они базируются на трудах ученых И.М. Макарова, В.М. Лохина, С.В. Манько, М.П. Романова, П.Э. Трипольского, К. Алтоуфера, Б. Крекелберга, Д. Хасмейера, Л. Сеневиратне, П.Г. Завлангаса, С.Г. Тзафеста, Ю. Фу, Б. Джина, Х. Ли, Ш. Ванга, которые в основном использовали возможности нечеткой логики, а также научных коллективов под руководством Ю.В. Подураева, В.А. Лопоты, Е.И. Юревича, С.Л. Зенкевича, А.С. Ющенко, И.А. Каляева. дальнейшее развитие предложенных учеными методов с целью повышения точности результатов планирования и управления перемещением роботов-манипуляторов в режиме реального времени в неизвестной среде, в том числе для эффективного выполнения ими сложных задач без непосредственного участия в этом процессе человека-оператора, заключается в комбинировании аппарата нечеткой логики с возможностями искусственных нейронных сетей. Кроме того, перспективным, с этой точки зрения, является разработка комплексных интеллектуальных систем, включающих подсистемы планирования и управления. Таким образом, решение этих проблем является весьма актуальным.

Соответствие диссертации плану работ ЮРГТУ (НПИ) и целевым комплексным программам. Диссертационная работа выполнена в рамках научного направления ЮРГТУ (НПИ) «Теория и принципы создания робототехнических и мехатронных систем и комплексов» и соответствует госбюджетной теме П.3.837 «Разработка принципов и средств автоматизации и роботизации производства на основе мехатронных технологий и систем» (2004-2008 гг.).

Целью работы является разработка методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени, обеспечивающих реализацию им планируемой в процессе движения безопасной траектории в окружающей среде с неизвестными статическими и динамическими препятствиями.

Достижение поставленной цели требует решения следующих исследовательских задач:

1) проанализировать современные концепции и методы разработки систем планирования и систем управления перемещением робота-манипулятора в неизвестной среде;

2) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде с последующим компьютерным моделированием;

3) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде и выполнить компьютерное моделирование полученной системы;

4) разработать метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории и осуществить ее компьютерное моделирование;

5) разработать методы построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах с их последующим компьютерным моделированием;

6) провести экспериментальные исследования системы управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде.



Идея работы заключается в разработке методов построения интеллектуальных систем планирования и управления перемещением робота-манипуля­тора как в неизвестной статической, так и в неизвестной динамической средах на основе применения аппарата нечеткой логики и искусственных нейронных сетей для снижения вероятности столкновения звеньев робота-манипулятора с неизвестными препятствиями, расположенными в его рабочей зоне.

В качестве методов исследования использованы методы робототехники, мехатроники, математического моделирования, аналитической геометрии, кинематического и динамического анализа, нечеткой логики, нейронных сетей, метод дискретного интегрирования, а также методы прикладного программирования. Аналитические исследования проведены на ЭВМ, а экспериментальные ­– с использованием лабораторного робота-манипулятора.



Научные положения, выносимые на защиту:

1. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, заключающийся в трехэтапном формировании безопасной траектории на основе использования двух нечетких блоков для каждого звена робота, а также модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения манипулятора в форме многослойного персептрона нейронной сети, позволяет на каждой итерации учитывать расстояние между звеньями робота и расположенными справа и слева от них ближайшими препятствиями и обеспечивает достижение роботом целевой точки.

2. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде, включающий четыре этапа формирования безопасной траектории с учетом значения параметра изменения расстояния между звеньями робота и ближайшими препятствиями, позволяет роботу успешно избегать столкновений с неизвестными динамическими препятствиями и обеспечивает достижение им целевой точки.

3. Метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, заключающийся в использовании трех этапов формирования управляющих сигналов с применением для каждого звена робота нечеткого ПД-регулятора и двух многослойных нейронных сетей с целью повышения эффективности перемещения робота-манипулятора по планируемой траектории и уменьшения влияния случайного возмущения на реальную траекторию.

4. Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, основанный на комбинации разработанных методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора по планируемой траектории, позволяет повысить эффективность отработки роботом безопасной траектории в окружающей среде с неизвестными неподвижными и неизвестными движущимися препятствиями.

Научная новизна работы состоит в разработке:

1) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, отличающегося тем, что окончательные значения изменений углов перемещения каждого из звеньев манипулятора являются результатом процесса принятия решения, осуществляемого с помощью двух нечетких блоков, а также сочетания возможностей нейросетевой модели полной классификации, учитывающей возможные ситуации местоположений неизвестных препятствий в рабочей зоне и соответствующие им направления и виды движения робота-манипулятора;

2) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде, отличающегося использованием в качестве входного параметра второго нечеткого блока каждого звена робота значений изменения расстояния между роботом и ближайшими препятствиями, что дает возможность вычислить скорость их сближения и избежать столкновения между ними;

3) метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, отличающегося тем, что для каждого звена робота настройка входов в нечеткий ПД-регулятор выполняется выходами второй многослойной нейронной сети, обученной в режиме реального времени на основе значений выхода первой многослойной нейронной сети, которая, в свою очередь, обучается на основе инверсной динамической модели робота, что повышает точность отработки роботом планируемой траектории;

4) метода построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, отличающегося сочетанием возможностей соответствующих интеллектуальных систем планирования и интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории.

Обоснованность и достоверность результатов подтверждается применением современных апробированных методов исследований; анализом научно-исследовательских работ по рассматриваемому вопросу; методами обработки и моделирования, выполненными с использованием современных ЭВМ и программных продуктов для выполнения расчетов и обработки результатов эксперимента; метода видеосъемки; удовлетворительной сходимостью результатов компьютерного моделирования и экспериментального исследования.

Значение работы. Научное значение работы состоит в развитии методологической основы для разработки и совершенствования новых методов построения интеллектуальных систем, реализующих процессы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде и основанных на сочетании возможностей нечеткой логики и искусственных нейронных сетей.

Практическое значение полученных в работе результатов заключается в следующем:



  • разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде позволяют эффективно решать проблему использования робототехнических систем в ситуациях отсутствия информации об окружающей среде, обеспечивая их безопасное перемещение по траектории, свободной от столкновений с неизвестными статическими и динамическими препятствиями;

  • разработан пакет программ, обеспечивающий возможность моделирования окружающей среды, движения робота-манипулятора среди неизвестных препятствий, работы инфракрасных датчиков, а также моделирования функционирования разработанных в диссертации интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде, применяемый в сферах образования, научных исследований и производства.

Внедрение результатов диссертационного исследования. Разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде внедрены в ОАО «ВЭлНИИ» (г. Новочеркасск Ростовской обл.). Материалы диссертационной работы используются в учебном процессе кафедрой «Автоматизация производства, робототехника и мехатроника» ЮРГТУ (НПИ) для студентов специальности 22040265 «Роботы и робототехнические системы» и 22040165 «Мехатроника».

Апробация работы. Основные положения и результаты работы излагались в научных статьях и докладывались на международной научно-технической конференции «Проблемы мехатроники 2006» (Новочеркасск, 2006 г.), международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (Новочеркасск, 2006 г.), международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2007 г.), международной научно-технической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2007 г.), международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (Новочеркасск, 2007 г., 2008 г.), на международном научно-практическом коллоквиуме «мехатроника-2008» (Новочеркасск, 2008 г.), на международном научном коллоквиуме «Prospects in Mechanical Engineering» (Ильменау, 2008), международной научно-практической конференции «Проблемы синергетики в трибологии, трибоэлектрохимии, материаловедении и мехатронике» (Новочеркасск, 2008 г.), международной научно-технической конференции «Новые технологии управления движением технических объектов» (Новочеркасск, 2008 г.).

Публикации. Основные материалы диссертации опубликованы в 17 печатных работах, в том числе в свидетельстве ОФАП на программные средства, в 7 статьях в изданиях, рекомендованных ВАК, а также получены решения о выдаче 2 патентов на полезные модели.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы и 11 приложений. Общий объем работы составляет 203 страницы машинописного текста, содержит 111 рисунков, 9 таблиц, список литературы из 128 наименований.

Краткое содержание работы

Во введении обосновывается актуальность темы диссертации, определяются цели и задачи диссертационного исследования, описывается идея работы и методы исследования, формулируются положения, выносимые на защиту, раскрывается научная новизна работы, подтверждается обоснованность и достоверность полученных результатов, а также выделяется их научно-практическое значение.

В первой главе проанализирована современная концепция планирования перемещения робота-манипулятора и выделены принципы и методы планирования в неизвестной среде. Подробно рассмотрены преимущества и недостатки методов построения систем планирования с использованием возможностей нечеткой логики и искусственных нейронных сетей, а также их комбинаций. Сделан выводы о том, что решение проблем планирования перемещения робота-манипулятора в режиме реального времени в неизвестной среде посредством разработки методов построения нейро-нечетких систем является перспективным, однако до сих пор отраженным лишь в небольшом ряде научных работ. Поэтому исследования в рассматриваемой проблемной области требуют дальнейшего развития.

В рамках решения проблемы управления перемещением робота-манипулятора по планируемой траектории проанализированы методы построения систем управления на основе классических и интеллектуальных подходов. Анализ показал необходимость совершенствования применения аппарата нечеткой логики и искусственных нейронных сетей в процессе управления робототехническими системами. Сочетание методов нечеткой логики и искусственных нейронных сетей является одним из наиболее эффективных подходов к решению проблемы управления перемещением робота-манипулятора по планируемой траектории. Применение нечеткой логики для определения требуемых управляющих сигналов, а нейронных сетей в процессе обучения динамическим характеристикам робота в режиме реального времени открывают возможности для разработки и совершенствования на этой основе нейро-нечетких методов управления.

Рассмотренные проблемы и возможные направления их решения научно обосновывают поставленные в диссертационной работе цели и задачи.

Во второй главе разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени, назначение которого состоит в разработке системы планирования на основе трехэтапного процесса обработки информации о роботе и окружающей его неизвестной статической среде. Применение метода показано на примере двухзвенного робота-манипулятора (рис. 1).

Первый этап заключается в определении окончательного значения расстояния между j-м звеном робота и находящимся в его рабочей зоне препятствиями (djo) на основании информации, полученной от датчиков расстояния, с использованием модели полной классификации местоположений неизвестных препятствий в рабочей зоне робота и соответствующих им направлений и видов движений его звеньев в форме многослойного персептрона нейронной сети (МСП), обученного по методу обратного распространения ошибки (рис. 2).

На втором этапе вычисляется значение предварительного шага перемещения j-го звена робота (Sθj(i+1)), являющегося выходом первого нечеткого блока (НБ-1), входы которого – это предыдущие значения изменения угла перемещения j-го звена (Δθj(i)), а также разница между целевой (θjg) и текущей (θj(i)) конфигурациями j-го звена (Δθjg(i+1) = θjg − θj(i)). При этом начальным условием функционирования системы является Δθj(0) = 0.



на третьем этапе рассматриваемого метода на основе результирующих параметров первого и второго этапа с помощью второго нечеткого блока (НБ-2) определяется окончательное значение изменения угла перемещения j-го звена манипулятора (Δθj(i+1)). При этом на новой итерации (i+1) угол перемещения определяется как θj(i+1) = θj(i) + Δθj(i+1). входами в НБ-2 являются Sθj(i+1) и djo. Внутренняя обратная связь, реализованная в этой системе, дает возможность рассчитать Sθj(i+1) в зависимости от значения Δθj(i), что способствует избежанию столкновения робота с неизвестным препятствием и достижению целевой точки.

Рис. 1. Интеллектуальная система планирования перемещения двухзвенного робота-манипулятора в режиме реального времени в неизвестной статической среде




Рис. 2. Структура МСП с блоками


кодирования и декодирования

В структуре МСП, состоящего из трех слоев (рис. 2), выделяют: djR (djL) – минимальное расстояние между j-м звеном и ближайшим препятствием, расположенным справа (слева); Dθj – вид (многошаговое или единичные шаги) и направление (вправо или влево) перемещения j-го звена; DjR (DjL) – наличие или отсутствие расположенного справа (слева) на минимальном расстоянии от j-го звена препятствия; Djo – значения закодированных выходов МСП, используемые для определения значений окончательных расстояний между j-м звеном и препятствием.

Модель полной классификации основана на классификационной таблице, разработанной на примере двухзвенного робота-манипулятора, которая состоит из 256 пунктов, полученных в результате анализа возможных ситуаций: местоположения ближайших препятствий в рабочей зоне для каждого звена, показанных на рис. 3а, где отдельный кружок может обозначать как одно, так и группу препятствий; направлений и видов движения каждого звена, приведенных на рис. 3б, где пунктирные стрелки – единичные шаги вправо или влево, сплошные стрелки – многошаговое движение, соответственно, вправо или влево.

а
Рис. 3. Классификация на примере двухзвенного робота-манипулятора:

а) местоположения ближайших препятствий в рабочей зоне робота-манипулятора; б) направления и виды движения робота-манипулятора
) б)

На рис. 4 представлены графики функций принадлежности входов и выходов НБ, где − максимальный шаг перемещения j-го звена на каждой итерации; ДПЦ (ДЛЦ) – далеко справа (слева) от цели; БПЦ (БЛЦ) – близко справа (слева) от цели; Н – ноль; ШП (ШЛ) – шаг вправо (влево); МШП (МШЛ) – малый шаг вправо (влево); ДП (ДЛ) – далеко справа (слева); ОП (ОЛ) – около справа (слева); ПБ (ЛБ) – близко справа (слева); 3ШП (3ШЛ) – три шага вправо (влево); 2ШП (2ШЛ) – два шага вправо (влево); а также d1max = l1 + l2 (l1, l2 – длины звеньев робота); d2max = 2l1 + l2; ; ; ; ; ; ; ; ; ; ; ; ; .

Разработаны нечеткие базовые правила для каждого нечеткого блока. примерами нечетких базовых правил для НБ-1 j-го звена (их общее количество равно 12) выступают: если Δθjg(i+1) = ДПЦ и Δθj(i) = ШП, то Sθ1(i+1) = ШП; если Δθjg(i+1) = БПЦ и Δθj(i) = Н, то Sθ1(i+1) = МШП. Примерами нечетких базовых правил для НБ-2 j-го звена (их общее количество составляет 18) являются: если Sθj(i+1) = Н и djо(i+1) = БП, то Δθj(i+1) = 2ШЛ; если Sθj(i+1) = ШЛ и djо(i+1) = БЛ, то Δθj(i+1) = 3ШП. Нечеткий логический вывод определяется по методу Мамдани, а выходы нечетких блоков вычисляются в рамках приведения к четкости с помощью метода центра тяжести.

Результаты компьютерного моделирования рассматриваемой системы планирования представлены на рис. 5. Робот1 перемещался из начальной конфигурации (θ1 = 0º, θ2 = 35º) в целевую (θ1 190º, θ2 = - 60º), при этом в его рабочей зоне располагались 4 неизвестных статических препятствия, столкновения с которыми робот успешно избежал. После 2141 программной итерации (установленное время равно 5,3525 с при kF1 = 0,4 и kF2 = 0,4) ошибка планирования составила 0,000º как для θ1, так и θ2.




а)

б)
Рис. 4. Графики функций принадлежности входов и выходов: а) НБ-1 для j-го звена робота-манипулятора; б) НБ-2 для j-го звена робота-манипулятора


а)

б)

Рис. 5. Графики: а) результирующих параметров θ1 и θ2; б) траектории перемещения

Во второй главе также разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде (рис. 6 – на примере двухзвенного робота-манипулятора). Этот метод отличается от рассмотренного выше метода тем, что на втором этапе вычисляется значение изменения окончательного расстояния (Δdjo): Δdjo(i+1) = djo(i+1) – djo(i). В результате на четвертом этапе к двум входам второго нечеткого блока (НБ-2) прибавлен третий входной параметр Δdjo. При этом первый и третий этап данного метода соответствуют первому и второму этапу описанного выше метода (рис. 1). На рис. 7 представлены графики функций принадлежности входов и выхода НБ-2 для j го звена робота, где Δdjmax – максимальное значение изменения djo; Δdj1 = 0,05Δdjmax; Δdj2 = 0,025Δdjmax. Приняты следующие условные обозначения: ОБ – отрицательное большое; ОС – отрицательное среднее; ОМ – отрицательное малое; ПМ – положительное малое; ПС – положительное среднее; ПБ – положительное большое.

Рис. 6. Интеллектуальная система планирования перемещения двухзвенного робота-манипулятора в режиме реального времени в неизвестной динамической среде



Р
Рис.7. Графики функций принадлежности входов и выходов НБ-2 для j-го звена

робота-манипулятора

азработаны 108 нечетких базовых правил для НБ-2 j-го звена, в качестве примеров которых можно привести следующие: если djо(i+1) = ДП и Sθj(i+1) = ШП и Δdjо(i+1) = ОБ, то Δθj(i+1) = 3ШП; если djо(i+1) = ДЛ и Sθj(i+1) = ШЛ и Δdjо(i+1) = ПБ, то Δθj(i+1) = = 3ШЛ.

В ходе компьютерного моделирования системы планирования (рис. 6) двухзвенный робот перемещался из стартовой конфигурации (θ1 = 60º, θ2 = 25º) в целевую (θ1 = 180º, θ2 = 60º) в течение 1563 программных итераций, занявших 3,9075с при kF1 = 0,6; kF2 = 0,6. в рабочей зоне располагались одно движущееся по вертикальной оси неизвестное препятствие, которое перемещалось на каждой программной итерации с шагом, равным 0,0125 м, и три статических неизвестных препятствия. В результате моделирования манипулятор перемещался, избегая столкновения с ними. Первое звено не достигло целевой конфигурации и остановилось при θ1 = 161,2º перед возможным столкновением с неизвестным статическим препятствием, тогда как ошибка планирования θ2 равнялась нулю. Графики траекторий перемещения робота-манипулятора показаны на рис. 8.




Рис. 8. Графики результирующих параметров θ12


Разработанные во второй главе методы построения интеллектуальных систем планирования могут использоваться для манипулятора с любыми степенями подвижности.

В третьей главе разработан метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории (рис. 9 – на примере двухзвенного робота-манипулятора), включающий три этапа.



Рис. 9. Интеллектуальная система управления перемещением двухзвенного



робота-манипулятора по планируемой в процессе движения траектории

Первый этап состоит из разработки и обучения в режиме реального времени пары многослойных нейронных сетей для j-го звена робота (МСПj1, МСПj2): МСПj1 обучается параметрам инверсной динамической модели манипулятора, формируя сигналы, которые используются для обучения МСПj2, вырабатывающий сигналы настройки входов нечеткого ПД-регулятора (НПД-регулятора). Многослойные нейронные сети характеризуются одинаковой двухслойной структурой, содержащей 2 нейрона на входе, 12 нейронов в скрытом слое и 1 нейрон в выходном слое (рис. 10). Разработка МСПj1 и МСПj2 включает прямой расчет и обучение по методу обратного распространения ошибки. Прямой расчет имеет вид:



  • для входного слоя:

  • для скрытого слоя: ;

  • для выходного слоя:

г
Рис.10. Структура МСП
де neti – входной сигнал i-го узла входного слоя; x1(nT), x2(nT) – первый и второй нормализованные входы нейронной сети; Oi – выход входного слоя, который одновременно является входом в скрытый слой; neth – сумма произведений весов и входов скрытого слоя, соответствующая нейрону h с учетом значения смещения bh; whi – матрица значений весов между нейронами скрытого и входного слоев; bh – матрица значений смещений в скрытом слое; ni – номер входного сигнала ( ); Oh – выход нейрона h скрытого слоя как результат гиперболической тангенциальной функции активации; netk – сумма произведения весов и выходов скрытого слоя, соответствующая нейрону k выходного слоя (k = 1) с учетом значения смещения bk; nh – количество нейронов в скрытом слое; wkh –матрица значений весов между нейронами скрытого и выходного слоев; bk – значение смещения в выходном слое; y(nT) – выход нейронной сети как результат функции активации выходного слоя.

Обучение по методу обратного распространения ошибки:



  • для выходного слоя: ;

;

  • для скрытого слоя: ;

; ,

где – распространяющаяся ошибка в выходном слое в момент времени nT; yd(nT) – обучающий сигнал; – производная функции активации выходного слоя; Δwkh(nT) – значения, используемые для обновления матрицы весов между выходным и скрытым слоями; Δwkh((n-1)T) – значения, использованные для предыдущего обновления этой матрицы весов; wkh(nT), wkh((n+1)T) – текущие и новые значения данной матрицы весов; η – коэффициент скорости обучения; α – коэффициент инерционности; δh(nT) – распространяющаяся ошибка в скрытом слое; – производная функции активации скрытого слоя; Δwhi(nT) – значения, используемые для обновления матрицы весов между скрытым и входным слоями нейронной сети; Δwhi((n-1)T) – значения, использованные для предыдущего обновления этой матрицы весов; whi(nT), whi((n+1)T) – текущие и новые значения данной матрицы весов.

Для МСПj1: входами являются нормализованные значения угла и скорости перемещения j-го звена робота x1(nT) = θj(nT) и x2(nT) = ; гиперболическая тангенциальная функция активации в скрытом слое ; линейная функция активации в выходном слое ; yd(nT) = τj(nT)/koj как нормализованное значение крутящего момента; yj1(nT) = y(nT) – выход МСПj1; ; ; ηj1 и αj1 коэффициенты скорости обучения и инерционности.

Для МСПj2: входами являются нормализованные значения отклонения и изменения отклонения между планируемой и реальной траекториями j-го звена робота x1(nT) = ejnorm(nT) и x2(nT) = Δejnorm(nT); сигмоидальная функция активации в скрытом слое ; сигмоидальная функция активации в выходном слое ; yd(nT) = yj1(nT); yj2(nT) = y(nT) – выход МСПj2; ; ; ηj2 и αj2 коэффициенты скорости обучения и инерционности.

Второй этап заключается в определении значений отклонения (ej(nT)) между планируемой (θjd(nT)) и реальной (θj(nT)) траекториями j-го звена, а также значений изменения этого отклонения (Δej(nT)):

;

Масштабные коэффициенты настройки входов НПД-регулятора определяются:



; ,

где kj1, kj2 – коэффициенты усиления, используемые для преобразования сигналов, которые вырабатывают МСПj2. Окончательные настроенные значения входов НПД-регулятора для j-го звена робота (Ej(nT), ΔEj(nT)) определяются:



Ej(nT) = kеj(nT) ∙ еj(nT); ΔEj(nT) = kΔеj(nT) ∙ Δеj(nT).

На третьем этапе рассматриваемого метода для каждого звена робота осуществляется разработка структуры НПД-регулятора, графики функций принадлежности которого показаны на рис. 11, где ООБ – отрицательное очень большое, ОБ – отрицательное большое, ОС – отрицательное среднее, ОМ – отрицательное малое, ООМ – отрицательное очень малое, Н – ноль, ПОМ – положительное очень малое, ПМ – положительное малое, ПС – положительное среднее, ПБ – положительное большое, ПОБ – положительное очень большое. Также разработан комплекс, состоящий из 121 нечеткого базового правила, для каждого НПД-регулятора. В качестве примеров нечетких базовых правил выступают: если еj(nT) = ООБ и Δеj(nT) = ООБ, то uFj(nT) = = ООБ; если еj(nT) = ПОБ и Δеj(nT) = ООМ, то uFj(nT) = ПБ. Значения uFj(nT) (выход НПД-регулятора) определяются с помощью формулы:



,


Рис. 11. Функции принадлежности входов



и выхода НПД-регулятора j-го звена
где индекс j – звено робота; Т – период дискретизации; n – порядковый номер программной итерации; p указывает на то, что соответствующая функция принадлежности является первым входом в НПД-регулятор; индекс k соответствует функции принадлежности второго входа; индекс m – функция принадлежности выхода; Пj – матрица нечетких базовых правил НПД-регулятора. При этом окончательные значения выходных сигналов нечеткого блока uFj(nT) вычисляются с использованием метода центра тяжести. Значения усиленного выходного сигнала НПД-регулятора j-го звена определяются следующим образом: τFj(nT) = kojuFj(nT). Тогда окончательные значения управляющих сигналов крутящих моментов имеют вид: τj(nT) = τFj(nT) + τvj(nT), где τvj(nT) – сигналы возмущения.

Для выполнения компьютерного моделирования в качестве исследуемой модели использована полная динамическая модель двухзвенного робота-манипулятора2, включая для каждого звена значения длины, массы, инерции, параметров трения и максимального крутящего момента. Также выбраны значения коэффициентов: скорости обучения (η11 = 0,08, η12 = 0,1, η21 = 0,08, η22 = 0,08); моментов (α11 = 0,1, α12 = 0,15, α21 = 0,1, α22 = 0,15); настройки (k11 = 0,288, k12 = 17,65, k21 = 0,18326, k22 = 26,6); коэффициенты, соответствующие значениям максимальных сигналов крутящего момента каждого звена робота (ko1 = 200, ko2 = 15). В ходе первого тестирования (возмущения не учитывались: τvj(nT) = 0), длящегося 10 с, траектории перемещения двух звеньев робота были заданы уравнениями: Графики планируемой и реальной траекторий показаны на рис. 12, а на рис. 13 представлены графики отклонений между ними, когда среднеквадратическая ошибка за всё время тестирования для θ1 составила 6500∙10-6 рад, для θ2 – 5900∙10 6 рад, а после первых 0,5 с и до конца тестирования для θ1 0,43459∙10-6 рад, для θ2 – 1,9696∙10 6 рад. Анализ этих результатов показал, что для каждого звена процесс обучения двух МСП занимает около 0,5 с, после чего запускается настройка входов в НПД-регулятор на требуемом уровне.

Второе тестирование отличалось от первого тем, что были учтены случайные сигналы возмущения, значения которых составили 10 % от максимальных значений крутящих моментов для каждого звена манипулятора:

.


Рис. 12. Графики траекторий (θ1d(nT),

θ1(nT), θ2d(nT), θ2(nT))

Рис. 13. Графики отклонений e1(nT) и e2(nT)


Среднеквадратическая ошибка значения отклонения для θ1 равнялась 6600∙10-6 рад, для θ2 – 6200∙10-6 рад. Величина данного показателя после первых 0,5 с для θ1 составила 0,62846∙10-6 рад, для θ2 – 2,949∙10-6 рад. Таким образом, случайные возмущения не оказывают значительного влияния на реальную траекторию. Это происходит потому, что случайные возмущения влияют на выходные параметры МСПj1, а затем минимизируются с помощью МСПj2.

С целью повышения эффективности функционирования робототехнических систем в условиях отсутствия информации об окружающей среде разработан метод построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, заключающийся в комбинировании разработанных выше методов построения интеллектуальных систем планирования (рис. 1 и рис. 6) и системы управления (рис. 9).

Выполнено компьютерное моделирование комплексной системы планирования и управления перемещением робота в неизвестной статической среде, когда робот перемещался из начальной конфигурации (θ1 = 0º, θ2 = 35º) в целевую (θ1 = 190º, θ2 = - 60º), и в его рабочей зоне располагались 4 неизвестных препятствия (их расположение аналогично представленному на рис. 5б). Графики отклонений между планируемой и реальной траекториями звеньев робота-манипулятора изображены на рис. 14 (значения возмущений равнялись 10 % от максимальной величины крутящих моментов). среднеквадратическая ошибка для θ1 составила 0,32702∙10-6 рад, для θ2 – 0,59755∙10-6 рад.

В ходе компьютерного моделирования комплексной интеллектуальной системы планирования и управления перемещением робота-манипулятора в неизвестной динамической среде он перемещался из стартовой конфигурации (θ1 = 60º, θ2 = 25º) в целевую (θ1 = 180º, θ2 = 60º). в рабочей зоне располагались: одно движущееся по вертикальной оси неизвестное препятствие (шаг его перемещения на каждой программной итерации равен 0,0125 м); три статических неизвестных препятствий. Графики отклонений между планируемой и реальной траекториями звеньев робота изображены на рис. 15. среднеквадратическая ошибка для θ1 составила 0,55439∙10-6 рад, для θ2 – 0,021695∙10-6 рад.

Разработанный в третьей главе метод построения интеллектуальной системы управления также может применяться для робота-манипулятора с любыми степенями подвижности.



рис. 14. графики отклонений e1(nT) и рис. 15. графики отклонений e1(nT) и

e2(nT) (неизвестная статическая среда) e2(nT) (неизвестная динамическая среда)

В четвертой главе разработана система управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде (рис. 16). В системе используются управляющие команды изменения положения звеньев робота, поступающие через последовательный порт на их серводвигатели и позволяющие манипулятору перемещаться по безопасной траектории.




Рис. 16. Полная экспериментальная система



Проведено экспериментальное исследование функционирования предложенной системы. В ходе этого исследования спроектирована экспериментальная система, состоящая из лабораторной модели двухзвенного робота-манипулятора Lynx 5 Robot Arm, оснащенного 8 инфракрасными датчиками расстояния типа GP2D120XJ00F, в качестве выходов которых выступали аналоговые сигналы напряжения. Для их преобразования в цифровую форму (размер 12 бит) разработан интерфейсный электронный модуль ввода-вывода, включающий: АЦП типа AD 574AJ; аналоговый мультиплексор 74HC4051N с 8 каналами ввода и 1 каналом вывода; 2 цифровых буфера 74HC245 (буферизация для операций ввода-вывода – 8 бит); инвентор 74HC04. Модуль ввода-вывода соединен с персональным компьютером через параллельный порт. При реализации экспериментальной системы решена проблема нелинейности датчиков, связанная с тем, что не существует математического уравнения, выражающего зависимость между аналоговым выходным сигналом напряжения датчиков и значением измеренного расстояния, а характеристика датчика нелинейная. Решение данной проблемы заключалось в использовании разработанной для моделирования искомой зависимости трехслойной нейронной сети.


Рис. 17. Кадры видеосъемки



практического эксперимента
П
1

2

4

3

5

6
рактический эксперимент заключался в следующем: на пути Lynx 5 Robot Arm располагались 2 неизвестных статических препятствия, с которыми манипулятор успешно избежал столкновения (рис. 17). Ошибка достижения целевой конфигурации для θ1 составила 0,11459º, для θ2 равнялась 0,07763º. В ходе тестирования разработанной системы управления при условии наличия неизвестного движущегося препятствия на пути перемещения Lynx 5 Robot Arm робот избежал возможного столкновения с ним. При этом скорость движения препятствия не превышала скорости движения робота, чтобы манипулятор успешно обошел неизвестное движущееся препятствие.
ЗАКЛЮЧЕНИЕ

В диссертационной работе на основании теоретических и экспериментальных исследований решена актуальная научно-техническая задача разработки методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в неизвестной среде. В ходе выполнения работы получены следующие результаты, имеющие как научное, так и практическое значение.

1. Научно обоснована необходимость разработки методов построения интеллектуальных систем планирования и управления перемещением роботов-манипуляторов в режиме реального времени на основе нечеткого механизма принятия решения, искусственных нейронных сетей и их комбинации с целью повышения эффективности функционирования робототехнических систем в условиях отсутствия информации об окружающей среде и без непосредственного участия человека-оператора.

2. Разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, основанный на трехэтапном процессе обработки информации о роботе и его окружающей среде с целью формирования безопасной траектории. На первом этапе с помощью модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения робота-манипулятора в форме многослойной нейронной сети определяются окончательные значения расстояний между звеньями манипулятора и лежащими в его рабочей зоне препятствиями. На втором этапе с использованием первого нечеткого блока j-го звена вычисляются значения предварительного шага перемещения этого звена. На третьем этапе, выполняемом после осуществления двух первых этапов, применяется второй нечеткий блок j-го звена для расчета окончательных значений изменения углов его перемещения. Данный метод, применяемый для роботов-манипуляторов с любыми степенями подвижности, позволяет на каждой итерации учитывать значения минимального расстояния между его звеньями и расположенными справа и слева от них ближайшими препятствиями, а также способствует успешному избежанию столкновения робота с неизвестными статическими препятствиями и достижению им целевой точки.

3. В рамках рассмотренного выше метода в качестве примера разработана модель полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения двухзвенного робота-манипулятора в форме трехслойного персептрона нейронной сети, который обучен по методу обратного распространения ошибки. Полная классификационная таблица включает 256 пунктов, учитывающих все возможные ситуации, связанные с перемещением звеньев робота в неизвестной среде.

4. Разработан четырехэтапный метод построения интеллектуальной системы планирования в режиме реального времени в неизвестной динамической среде, который отличается от описанного в п. 2 метода тем, что на втором этапе рассчитывается значение изменения окончательного расстояния, которое используется на четвертом этапе в качестве третьего входного параметра второго нечеткого блока j-го звена. Основа функционирования второго нечеткого блока – 108 разработанных нечетких базовых правил. При этом первый и третий этап данного метода соответствуют первому и второму этапу рассмотренного в п. 2 метода. Четырехэтапный метод применим для робота-манипулятора с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель системы планирования перемещения робота-манипулятора в неизвестной динамической среде.

5. Разработан метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, в рамках которого осуществляется формирование управляющих сигналов на основе использования нечеткого ПД-регулятора и пары двухслойных нейронных сетей для каждого j-го звена робота. Первая нейронная сеть j-го звена обучается в режиме реального времени параметрам инверсной динамической модели робота и формирует сигнал, используемый для обучения второй нейронной сети, служащей для выработки сигналов настройки входов в нечеткий ПД-регулятор. Это позволяет повысить эффективность перемещения робота-манипулятора по планируемой траектории и уменьшить влияние случайного возмущения на реальную траекторию. Рассмотренный метод применим для роботов-манипуляторов с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель интеллектуальной системы управления перемещением робота-манипулятора.

6. На основе комбинации методов, описанных в п. 2 и п. 5, а также в п. 4 и п. 5 разработан метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, повышающий эффективность отработки роботом планируемой в процессе движения безопасной траектории в среде с неизвестными неподвижными или движущимися препятствиями.

7. Разработано и зарегистрировано в ОФАП программное обеспечение «Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде» (свидетельство № 11605 об отраслевой регистрации разработки программы).

8. Для проведения экспериментального исследования разработана система управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде. При этом спроектирована полная экспериментальная система, разработаны сенсорная оболочка робота и интерфейсный электронный модуль ввода-вывода, решена проблема нелинейности датчиков с помощью применения разработанной трехслойной нейронной сети. Экспериментальное исследование показало эффективность предложенной системы управления, которая позволяет роботу, перемещающемуся из начальной в целевую точку, избежать столкновений с расположенными в его рабочей зоне неизвестными препятствиями.



Основное содержание диссертации опубликовано в следующих работах:

  1. Фирас А. Рахим. Структура нечеткой системы оперативного управления манипуляционным роботом в неизвестной среде / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2007. – № 6. – С. 15-21.

  2. Фирас А. Рахим. Адаптивное нейро-нечеткое оперативное управление манипуляционным роботом в неизвестной среде / Булгаков А.Г., Фирас А. Рахим // Мехатроника, автоматизация, управление. – 2007. – № 12 (81). – С. 47.

  3. Фирас А. Рахим. Нейро-нечеткая структура планирования перемещения робота-манипулятора в режиме он-лайн в неизвестной динамической среде / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2008. – № 6. – С. 41-49.

  4. Фирас А. Рахим. Нейро-нечеткая структура системы управления перемещением робота-манипулятора / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2009. – № 1. С. 3-10.

  5. Фирас А. Рахим. Применение модифицированной кривой Бизьера для планирования траектории робота-манипулятора / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2007. – Специальный выпуск «Проблемы мехатроники – 2006». С. 66-70.

  6. Фирас А. Рахим. Нейро-нечеткая структура планирования перемещения робота-манипулятора в режиме он-лайн в неизвестной среде / Булгаков А.Г., Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2008. – Специальный выпуск «Проблемы мехатроники – 2008». С. 99-106.

  7. Фирас А. Рахим. РС-based Fuzzy Logic Structure for On-line Planning of Robot Manipulator in Unknown Environment = Разработанная на персональном компьютере логическая нечеткая структура планирования поведения робота-манипулятора в режиме он-лайн в неизвестной среде / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. – 2008. – Специальный выпуск «Проблемы мехатроники – 2008». С. 117-122.

  8. Фирас А. Рахим. Проблемы и методы планирования траектории робота-манипулятора / Фирас А. Рахим // Компьютерные технологии в науке, производстве, социальных и экономических процессах: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 17 нояб. 2006 г.: В 3 ч. / Юж.-Рос. гос. техн. ун-т (НПИ). – Новочеркасск: ООО НПО «Темп», 2006. – Ч. 1. С. 23-26.

  9. Фирас А. Рахим. Математическое моделирование в планировании траектории трехзвенного робота-манипулятора с применением модифицированной кривой Бизьера / Фирас А. Рахим // Методы и алгоритмы прикладной математики в технике, медицине и экономике: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 2 фев. 2007 г.: В 2 ч. / Юж.-Рос. гос. техн. ун-т (НПИ). – Новочеркасск: ЮРГТУ (НПИ), 2007. – Ч. 1. С. 33-41.

  10. Фирас А. Рахим. Аспекты использования мультинейронной сети для решения обратной задачи кинематики манипулятора / Фирас А. Рахим // Моделирование. Теория, методы и средства: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 6 апр. 2007 г.: В 3 ч. / Юж.-Рос. гос. техн. ун-т (НПИ). – Новочеркасск: ЮРГТУ (НПИ), 2007. – Ч. 3. С. 57-66.

  11. Фирас А. Рахим. Анализ концепции перемещения робота-манипулятора / Фирас А. Рахим // Строительный вестник Российской инженерной академии: Труды секции «Строительство» Российской инженерной академии. Выпуск 9. – М., 2008. С. 199-201.

  12. Фирас А. Рахим. Fuzzy Logic Structure for On-line Control of Robot Manipulator in Unknown Environment = Структура нечеткой системы для управления роботом-манипулятором в режиме он-лайн в неизвестной среде / Булгаков А.Г., Фирас А. Рахим // Prospects in Mechanical Engineering. Faculty of Mechanical Engineering: 53th Internationales Wissenschaftliches Kolloquium Technische Universität Ilmenau, 08 – 12 September 2008. С. 183-184.

  13. Фирас А. Рахим. Аспекты применения нейро-нечеткой структуры для управления роботом-манипулятором / Фирас А. Рахим // Теория, методы и средства измерений, контроля и диагностики: Материалы IХ Междунар. науч.-практ. конф., г. Новочеркасск, 29 сент. 2008 г. / Юж.-Рос. гос. техн. ун-т (НПИ). – Новочеркасск: ЮРГТУ 2008. С. 40-57.

  14. Фирас А. Рахим. Комплексная интеллектуальная система планирования и управления роботом-манипулятором в неизвестной статической среде / Фирас А. Рахим // Проблемы синергетики в трибологии, трибоэлектрохимии, материаловедении и мехатронике: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 3 ноябр. 2008 г. С. 39-44.

  15. Фирас А. Рахим. Комплексная интеллектуальная система планирования и управления роботом-манипулятором в неизвестной динамической среде / Фирас А. Рахим // Новые технологии управления движением технических объектов: Материалы IХ междунар. науч.-тех. конф, 2008 г./ Юж.-Рос. гос. техн. ун-т (НПИ). – Новочеркасск: ЮРГТУ 2008. С. 11-16.

  16. Свидетельство № 13145 о депонировании и регистрации произведения – объекта интеллектуальной собственности – рукописи научной работы под названием «Адаптивная нейро-нечеткая система оперативного управления манипуляционным роботом в неизвестной среде», созданной в 2007 году / Булгаков А.Г., Firas A. Raheem – зарегистрировано 11 января 2008 года в Реестре РАО, 0,6 страниц.

  17. Фирас А. Рахим. Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде / Булгаков А.Г., Фирас А. Рахим: Свидетельство об отраслевой регистрации разработки программы № 11605 / Отрасл. фонд автор. права - Зарег. 05.10.2008; Выдано 30.10.2008.

  18. Решение о выдаче патента на полезную модель «Интеллектуальная система управления перемещения робота-манипулятора» / Булгаков А.Г., Фирас А. Рахим – от 5.02.2009 по заявке № 2008151667/22 от 25.12.2008.

  19. Решение о выдаче патента на полезную модель «Система планирования перемещения робота-манипулятора в неизвестной динамической среде» / Булгаков А.Г., Фирас А. Рахим – от 6.02.2009 по заявке № 2008151684/22 от 25.12.2008.


Личный вклад автора в опубликованных в соавторстве работах: [2] – разработка структуры и компьютерное моделирование адаптивной нейро-нечеткой системы оперативного управления перемещением робота-манипулятора в неизвестной среде, [6] – разработка и компьютерное моделирование нейро-нечеткой структуры планирования перемещения робота-манипулятора в режиме он-лайн в неизвестной среде, [12] – разработка структуры и компьютерное моделирование нечеткой системы для управления роботом-манипулятором в режиме он-лайн в неизвестной среде, выполнение эксперимента, [16] – разработка и компьютерное моделирование адаптивной нейро-нечеткой системы оперативного управления манипуляционным роботом в неизвестной среде, [17] – разработка программы «Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде», [18] – разработка схемы полезной модели «Интеллектуальная система управления перемещения робота-манипулятора», [19] – разработка схемы полезной модели «Система планирования перемещения робота-манипулятора в неизвестной динамической среде».

Фирас А. Рахим
Методы поСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ
СИСТЕМ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ


ПЕРЕМЕЩЕНИЕМ РОБОТА-МАНИПУЛЯТОРА

В НЕИЗВЕСТНОЙ СРЕДЕ
Подписано в печать 12.03.2009.

Формат 6084 1/16. Бумага офсетная. Ризография.

Усл. печ. л. 1,0. Уч.-изд. л. 1,82. Тираж 120 экз. Заказ 98.

_________________________________________________________________


Издательство ЮРГТУ (НПИ)

346428, г. Новочеркасск, ул. Просвещения, 132



1 Для компьютерного моделирования использованы параметры двухзвенного робота-манипулятора из источников: Reyes F., Kelly R. (2001). Experimental evaluation of model-based controllers on a direct-drive robot arm. http://www.elsevier.com. Direct-Drive Brushless Servo Systems, Catalog 8000-4/USA. Parker Hannifin Corporation. Compumotor Division. http://www.compumotor.com. Параметры двухзвенного робота-манипулятора: длина каждого звена равна 0,45 м; на каждой программной итерации максимальный шаг первого звена – 0,0157079 рад, а второго звена – 0,0314159 рад; период дискретизации 0,0025 с.

2 Reyes F., Kelly R. (2001). Experimental evaluation of model-based controllers on a direct-drive robot arm. http://www.elsevier.com




izumzum.ru