Нейроинтерпретатор дальномерной информации для мобильного робота

• Автор: Захарова, Нина Федоровна
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 1998
• Место защиты: Москва
• Количество страниц: 136 с. : ил.

Оглавление
Введение .

Глава 1. Разработка интерпретатора дальномерной

информации на базе нейрокомпьютерной

техники .
1.1. Обоснование использования нейронных структур для обработки дальномерной информации .

1.2. Общая структура интерпретатора .

1.3. Выводы по материалам главы 1 .

Глава 2. Алгоритмы выделения непроходимых одиночных

препятствий

2.1. Стратегия обнаружения непроходимых одиночных препятствий

2.2. Разработка нейросетевой модели выделения непроходимых одиночных препятствий на основе синтеза методов фильтрации и сравнения гипотез
2.2.1. Математическая постановка задачи выделения непроходимых одиночных препятствий.
2.2.2. Оценка дальностной информации при отсутствии одиночных препятствий
2.2.3. Разработка НС оценки дальностной информации при наличии одиночных препятствий.
2.2.4. Разработка нейроалгоритма сравнения рисков Байеса.
2.3. Разработка алгоритма выделения непроходимых одиночных препятствий с помощью обучающейся нейронной сети
2.4. Выводы по материалам главы 2
Глава 3. Разработка нейроалгоритмов выделения
непроходимых наклонных участков поверхности и препятствийнавесов.
3.1. Модели перехода от сферической к декартовой системе координат.
3.2. Нейроалгоритм выделения непроходимых уклонов в зоне обзора АМР7
3.3. Разработка нейроалгоритма выделения непроходимых препятствийнавесов.7
3.3.1. Формализация критериев проходимости препятствийнавесов .
3.3.2. Построение нейронной сети выделения препятствийнавесов
3.4. Формирование матрицы скорректированных высот
3.5. Выводы по материалам главы 3
Глава 4. Разработка нейросетевых методов
оконтуривания непроходимых участков поверхности и формирования выходной информации
4.1. Нейроалгоритм обобщения информации о непроходимых участках поверхности зоны обзора АМР.
4.2. Нейросетевой метод оконтуривания непроходимых участков поверхности
4.3. Формирование результирующей матрицы
4.4. Выводы по материалам главы 4 .
Глава 5. Экспериментальная система интерпретации
даль номерной информации
5.1. Описание программноаппаратного комплекса для проведения экспериментальных исследований
5.2. Модели робота и поверхности.
Моделирование системы интерпретации
даль номерной информации.
5.3. Выводы по материалам главы 5 .
Заключение
Список использованных источников


В таких условиях используют автономные мобильные роботы (АМР), способные самостоятельно принимать решения в процессе адаптации к изменяющимся условиям внешней среды. В соответствии с этим разрабатываются системы управления (СУ) сельскохозяйственных роботов [8], роботов для работы в цехах заводов и фабрик [0], подводных роботов [], роботов для шахт [], для работы в космосе и на поверхности планет [2, , 6] и в других экстремальных условиях [, , , ]. Использование АМР позволяет решать разнообразные проблемы на различных уровнях обобщения и трудности, в областях, которые охватывают вопросы восприятия, принятия решений, реализации коммуникаций и т. Все эти вопросы необходимо рассматривать в совокупности с такими атрибутами, как обработка данных в режиме их поступления, функциональные возможности, надежность работы []. Главное отличие АМР от других типов роботов состоит в том, что АМР перемещается по практически неограниченному пространству и должен преодолевать встречающиеся на пути препятствия []. Существует два основных типа модели внешней среды, в которых осуществляется перемещение робота. Сюда относятся модели внешней среды большинства производственных мобильных роботов, функционирующих в обстановке, приспособленной для деятельности человека, типа склад, цех, коридор и т. Процессы восприятия внешней проблемной среды в этом случае могут существенно опираться на априорную информацию о ее свойствах (план, описание предметов и их свойств и т. Второй, наиболее интересный тип моделей внешней среды связан с работой в заранее неизвестной или плохо известной обстановке. Подобные задачи возникают при создании АМР, предназначенных для работы на заранее неизвестной местности. Для решения таких задач прежде всего необходимо учитывать тип движителя. С учетом этих конструктивных особенностей разрабатываются системы управления АМР и формируются их информационные системы. АМР, выполняемой системой технического зрения (СТЗ) []. Для получения информации об априорно неизвестной внешней среде функционирования АМР необходимо сенсорное устройство, позволяющее моделировать зрение человека. Эта информация может поступать на разные уровни СУ. Например, данные о расположении препятствий нужны на высшем уровне для построения модели рабочей среды в целях планирования действий робота; результаты классификации объекта - на стратегическом уровне для расчленения общего плана действий на конкретные манипуляционные операции, задания их последовательности и параметров; информация об отклонении фактической траектории от предусмотренной - на исполнительном уровне для выработки управляющих сигналов на приводы и т. Последние годы характеризуются появлением ряда работ, в которых указываются пути преодоления априорной неопределенности при решении задач приема и обработки информации. Эффективный путь решения указанной проблемы - использование адаптивных систем [3, 7, , , , 2, 0, 6] . Выбор критериев оптимальности, естественно, определяется назначением системы [, 3, 7]. Системы технического зрения необходимы роботам, предназначенным для исследования космического и подводного пространства, используемым при стихийных бедствиях и др. При разработке СТЗ в ряде случаев можно использовать те или иные из созданных ранее технических средств, алгоритмов или приспособить их к задачам робототехники с незначительной модификацией. Однако часто специфика робототехнических приложений требует развития оригинальных подходов к созданию СТЗ с учетом новых функциональных задач, конкретных возможностей реализации и условий работы в составе робототехнических систем. Проблемы, связанные с техническим зрением роботов, достаточно хорошо исследованы в работах Л. Н. Лупичева [], В. И. Новожилова [], Ю. Г. Якушенкова, B. C. Розова [, ] и др. СТЗ, использовались фотометрические, ультразвуковые [], локационные [с использованием рентгеновских и у-лучей), оптические триангуляционные, фотонные, моно- и стереотелевизионные датчики. СТЗ. Системы технического зрения робота по функциональному назначению (в зависимости от области и конкретных условий его применения) можно подразделить на много классов.