Методы синергетического синтеза нелинейных систем управления мобильными роботами

• Автор: Скляров, Андрей Анатольевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2013
• Место защиты: Таганрог
• Количество страниц: 193 с. : ил.

СОДЕРЖАНИЕ
Введение

1. Современные методы управления мобильными роботами

1.1. Эволюция робототехпическим 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 роботами

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 управления мобильными роботами
1.6. Выводы по главе
2. Синергетический синтез нелинейных иерархических систем управления 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 иерархических 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 траекториого управления тактического уровня мобильного гусеничного робота
2.4.7. Применение траекториого управления при обходе препятствий .
2.5. Основные результаты и выводы по главе
3. Синергетический синтез нелинейных иерархических систем управления 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 иерархических систем управления пространственным движением воздушных 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 зоны мобильного робота
4.3. Разработка методики синергетического синтеза «аттракторно-репеллерных» стратегий обхода недетерминированных препятствий
4.4. Реализация двумерной «аттракторно-репеллерной» стратегии обхода недетерминированных препятствий
4.5. Реализация трехмерной «аттракторно-репеллерной» стратегии обхода 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 позиционного управления тактического уровня гусеничным роботом
Приложение Г. Листинг программы моделирования системы траєкторного управления тактического уровня гусеничным роботом
Приложение Д. Листинг программы моделирования системы управления исполнительного уровня гусеничным роботом
Приложение Е. Листинг программы моделирования квадрокоптера

обучения нейронных сетей, в данных работах [61], применяется аппаратно-программно-аппаратный подход, включающий в себя начальное моделирование рабочей среды для обучения ИНС обходу нестационарных препятствий по наиболее оптимальной траектории. За счет применения программируемых логических интегральных схем (ПЛИС), при реализации ИНС, авторам работы [61] удалось добиться достаточно высокого быстродействия нейровычислений.
Также исследованию алгоритмов ИНС, применительно к автономным МР, посвящены работы [20,52], в которых решается задача нейросетевого управления автономным роботизированным комплексом в трехмерном пространстве с неформализованными препятствиями. Иейросетевой планировщик корректирует траекторию движения МР в трехмерном пространстве в реальном режиме времени, основываясь на поступающей видеоинформации. В отличии от методов, описанных в [21,59-61], автором работы [20] применяется сверточная ИНС, которая наилучшим образом подходит для обработки информации, поступающей от сенсорных систем. Результатом применения сверточной ИНС является карта признаков графического изображения внешней среды МР, которая поступает на вход классической многосвязной ИНС вместе 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 репрезентативности, которая бы включали в себя все возможные классы ситуаций, возникающих во время работы МР [62]. Очевидно, что разработчикам алгоритмов, основанных на использовании ИНС, необходимо довольствоваться ограниченным множеством ситуаций, подходящих для обучающей выборки, которая, в свою очередь, занимает большое количество времени при малых вычислительных 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