Содержание к диссертации
Введение
ГЛАВА 1 Состояние и анализ проблем микросистемной техники (МСТ) 12
1.1 МСТ - критическое направление в науке и технике XXI века 12
1.2 Микросборка и проблемы производства гибридных МЭМС 15
1.3 Анализ современного состояния микросборочных технологий 18
1.4 Виртуальные технологии для моделирования сложных технических систем 31
1.5 Проблемы взаимодействия реальных и виртуальных микросистем 35
1.6 Цель и задачи исследования 39
Выводы по главе 1 40
ГЛАВА 2 Разработка математических моделей функционирования микросистем с учетом особенностей влияния окружающей микросреды 42
2.1 Математические модели адгезионных сил как основных возмущающих воздействий при микросборке 42
2.3 Микроконтактная динамика при выполнении операций микроманипулирования 67
Выводы по главе 2 76
ГЛАВА 3 Синтез алгоритмов управления и планирования микромеханическими системами 77
3.1 Прогнозирующее управление микросборочными процессами 77
3.2 Разработка генетического алгоритма планирования оптимальных маршрутов для группы микророботов в среде с препятствиями 92
Выводы по главе 3 114
ГЛАВА 4 Разработка структуры, архитектуры и методик использования системы виртуальной реальности (СВР) 115
4.1 Структура имитационно-технологического комплекса с элементами виртуальной реальности 115
4.2 Режимы обработки информации и иерархическая программная архитектура СВР 127
4.3 Алгоритмы разработки виртуальных моделей микросистем 137
Выводы по главе 4 142
ГЛАВА 5 Разработка прикладного программного обеспечения и проведение вычислительных экспериментов 143
5.1 Программная реализация системы виртуальной реальности 143
5.2 Эксперименты по отработке и апробации алгоритмов планирования и управления 151
5.3 Разработка и моделирование новых микросборочных устройств 157
5.4 Натурные эксперименты и перспективы дальнейшего развития СВР 173 Выводы по главе 5 178
Заключение 179
Литература 182
- Микросборка и проблемы производства гибридных МЭМС
- Математические модели адгезионных сил как основных возмущающих воздействий при микросборке
- Разработка генетического алгоритма планирования оптимальных маршрутов для группы микророботов в среде с препятствиями
- Структура имитационно-технологического комплекса с элементами виртуальной реальности
Введение к работе
В ведущих научных изданиях неоднократно отмечалось, что в наступившем 21-м веке технологии, связанные с разработкой микросистемной техники (МСТ), станут одними из самых перспективных, способных привести к революционному скачку в развитии науки и техники. Уже сегодня без микросистем трудно представить высокотехнологичные, конкурентоспособные образцы продукции в автомобилестроении, медицине, авиации и космонавтике. МСТ является примером "критической", прорывной сферы приложения усилий в самых передовых странах. В США, Европе и .Японии эта область деятельности характеризуются ежегодным удвоением объема капиталовложений и наличием приоритетных целевых национальных программ. В нашей стране также существуют несколько государственных программ в области МСТ: 1. Научно-техническая программа "Научные исследования высшей школы по приоритетным направлениям науки и техники"; 2. Программа-конкурс "Разработка приборов нового поколения на базе микроэлектромеханических систем"; 3. Федеральная целевая программа "Национальная технологическая база" и др.
Микросистемы могут представлять собой цельное, монолитное устройство или же быть частью составного устройства, собираемого из структур различного типа - механических, электронных, оптических и т.д. Именно с необходимостью разработки методов автоматизированной сборки сложных микросистем связано появление новых типов манипуляционных устройств (микророботов, микроманипуляторов, микросхватов, концевых эффекторов и др.) и развитие новой подобласти МСТ - микроробототехники.
Работа микроманипуляционных устройств и механизмов характеризуется недетерминированностью адгезионных возмущений, действующих со стороны внешней среды, отсутствием точных данных о величинах прикладываемых сил и параметрах окружающей среды, координатах рабочих органов, объектов сборки и т.д. Когда для большинства из измеряемых параметров отсутствуют численные показатели, особую роль приобретает аналитическое описание результатов наблюдений и построение соответствующей адекватной модели для описания эффектов, проявляющихся при контактах объектов сборки с рабочими инструментами и поверхностями технологической оснастки. В условиях неполного и(или) неточного знания характеристик МСТ и характеристик окружающей среды другой важной задачей является разработка новых алгоритмов управления микроманипуляционными устройствами с развитыми средствами адаптации. Практически единственным эффективным подходом в таких жестких условиях является использование интеллектуальных методов.
Наиболее комплексная и гибкая автоматизация микросборочных процессов может быть достигнута при использовании групповых и мультиагент-ных принципов управления, когда одновременно функционируют сразу несколько микророботов в качестве основных и вспомогательных сборочных единиц. Поэтому другой немаловажной задачей является разработка алгоритмов планирования действий в группе микророботов, и, в частности, планирование траекторий движения в некоторой технологической области со стационарными и подвижными препятствиями. Так как эта задача должна решаться в режиме реального времени, а все расчеты в идеале проводиться только бортовыми вычислительными устройствами, то требования к быстродействию разрабатываемых алгоритмов достаточно жестки.
Анализ опубликованных работ в области микроробототехники таких отечественных и зарубежных авторов, как Градецкий В.Г., Мальцев П.П., Ильясов Б.Г., Поспелов В.И., Феринг Р., Факуда Т., Араи Ф., Борингер К., Гольдберг К., Янг Г., Роллот Ю., показывает, что, несмотря на активные исследования, в этой области до сих пор не решен целый ряд проблем, относящихся как к разработке, так и управлению микророботами и микроманипуляционными устройствами. Во многом это объясняется тем, что практиче- екая проверка работоспособности и эффективности разрабатываемых алгоритмов планирования и управления такими сложными техническими системами, какими являются микромеханизмы, достаточно дорогостоящий и длительный процесс, связанный с необходимостью проведения большого числа циклов отладки и апробации исследуемых алгоритмов, требующий тщательной и кропотливой настройки тестируемого оборудования и т.д. Значительные издержки на исследования связаны с вопросами расширения элементной базы, разработкой и внедрением в состав специализированных комплексов новых типов микро- роботов и механизмов. Тестирование новых конструкций и их внедрение в существующие комплексы требует также глобальной перенастройки систем управления и планирования.
Одним из способов преодоления вышеперечисленных недостатков является разработка новых методов исследования сложных технических систем и протекающих в них процессов на базе комплексного виртуального моделирования. В основе этой идеи лежит разработка копирующей системы виртуальной реальности (СВР), которая вместе с физической средой (адекватно отражаемой в ней), составляет единый имитационно-технологический комплекс. Такой подход позволяет создать интерактивный, гибкий, высокоуровневый человеко-машинный интерфейс и реализовать на его основе информационную (прежде всего, визуальную) поддержку каналов обратной связи. Однако такой подход требует найти решения целого ряда проблем, связанных с особенностями взаимодействия виртуальных и реальных микросистем.
Цель и задачи исследования
Целью работы является разработка и исследование интеллектуальных и эвристических алгоритмов планирования, управления микросборочными процессами с использованием технологий виртуальной реальности.
Для достижения данной цели требуется решить следующие задачи:
Построить математические модели адгезионных эффектов, проявляющихся при контактах объектов сборки с рабочими инструментами и поверхностями технологической оснастки.
Разработать интеллектуальный алгоритм управления микросборочными процессами для компенсации возмущений, действующих со стороны внешней среды.
Разработать быстросчетный алгоритм планирования оптимальных маршрутов для группы микророботов, выполняющих технологические операции в составе микросборочного комплекса.
Разработать архитектуру, структуру и методики использования системы виртуальной реальности (СВР) для информационной поддержки протекающих технологических процессов, отладки и тестирования алгоритмов планирования и управления микросборочным комплексом.
Разработать прикладное программное обеспечение (ППО) на основе алгоритмов реализации виртуальных моделей микросистем для исследования эффективности предложенных алгоритмов планирования и управления, а также оценки эффективности разработанных конструкций микросборочных устройств и адекватности их моделей.
Методы исследования
Для решения поставленных в диссертационной работе задач были применены методы системного анализа, теории автоматического управления, робототехники, теории нейронных сетей, оптимизации, матричного исчисления и виртуального моделирования.
Научная новизна результатов
1. Математические модели для оценки величин адгезионных эффектов, которые проявляются в динамике при контактах объектов сборки с рабочими инструментами и поверхностями технологической оснастки. Полученные модели ориентированы на решение задач пространственного взаимодействия сборочных инструментов с микрообъектами в условиях комбинированного возмущающего воздействия и адекватно отражают работу микротехнологических контактных концевых эффекторов, принципы действия которых могут быть различны.
Разработанная структура прогнозирующего управления микросборочными процессами, представляющая собой интеллектуальную систему управления с блоком предсказания, построенным в нейросетевом базисе. Данная структура позволяет путем адаптивной подстройки основных параметров объекта управления компенсировать недетерминированные возмущения, оказываемые со стороны внешней среды.
Разработанный генетический алгоритм планирования оптимальных маршрутов для группы микророботов в среде с препятствиями, позволяющий решать оптимизационную задачу в соответствии с задаваемыми критериями: минимальной длиной маршрута, затраченным временем на движение и т.д.
4. Разработанные архитектура и структура СВР: функциональная структура из пяти основных составляющих - виртуальных и математических моделей, интерфейсного и моделирующего комплексов, системы 3D- визуализации; структурно-информационная схема взаимодействия СВР, фи зической среды и оператора технологических процессов; многоуровневая ие рархическая архитектура СВР.
Практическая ценность результатов
1. Алгоритмы создания виртуальных моделей микросистем, являющиеся базой для построения СВР и предоставляющие необходимый инструментарий для проведения оценки эффективности конструкций микроманипуля-ционных систем, отработки особенностей их систем планирования и управления, и реализации других интерактивных технологических расчетов. А также разработанные методики использования СВР для преодоления недостатков, связанных с особенностями каналов оптического наблюдения на микроуровне, и обеспечения визуальной поддержки каналов обратной связи при планировании, управлении и проведении микросборочных процессов.
Разработанное прикладное программное обеспечение (ППО), реализующее предлагаемые архитектуру и структуру СВР, алгоритмы создания виртуальных моделей, алгоритмы планирования и управления, а также методики использования.
Результаты проведенного с помощью ІШО сравнительного анализа эффективности разработанных алгоритмов планирования и управления, а также разработанный высокоуровневый человеко-машинный интерфейс.
Конструкции и модели сборочных микромеханизмов, разработанных и реализованных в 11110, а также результаты оценки их эффективности и адекватности.
Связь исследований с научными программами
Диссертационная работа выполнена в рамках программы фундаментальных исследований РАН, государственный контракт № 10002-25/ОЭММПУ-4/080-093-535, 2003 г.; программы № 16 фундаментальных исследований ОЭММПУ РАН, 2004 г.; гранта РФФИ 02-01-97916-р2002агидель__а; гранта РФФИ 05-01-97906-р_агидель_а; ФЦП «Интеграция», проект№П0039, раздел 7.
На защиту выносятся
Математические модели адгезионных эффектов, проявляющихся при контактах объектов сборки с рабочими инструментами и поверхностями технологической оснастки.
Интеллектуальный алгоритм прогнозирующего управления микросборочными процессами для компенсации возмущений, действующих со стороны внешней среды.
Генетический алгоритм планирования оптимальных маршрутов для группы микророботов, выполняющих технологические операции в составе микросборочного комплекса.
Архитектура, структура и методики использования системы виртуальной реальности (СВР) для информационной поддержки протекающих технологических процессов, отладки и тестирования алгоритмов планирования и управления микросборочным комплексом.
5. Прикладное программное обеспечение (ППО), разработанное на основе алгоритмов реализации виртуальных моделей микросистем, а также результаты исследования эффективности предложенных алгоритмов планирования и управления, а также результаты оценки эффективности разработанных конструкций микросборочных устройств и адекватности их моделей.
Апробация работы
Основные результаты докладывались на II Конкурсе научных работ студентов вузов Республики Башкортостан (Уфа, 2002 г.), на Международной научной конференции «Исксственный интеллект» (г. Кацивели, Украина, 2002 г. и 2004 г.), на научной школе-конференции «Мобильные роботы и мехатронные системы» (Москва, 2002 г. и 2003 г.), на Международном семинаре по перспективной робототехнике IARP International Workshop «MicroRobots, MicroMashines and MicroSystem» (Москва, 2003 г.), на XII Международной конференции по вычислительной механике и современным прикладным программным системам (Владимир, 2003 г.), на Всероссийской молодёжной научно-технической конференции «Интеллектуальные системы управления и обработки информации» (Уфа, 2003 г.), на II Конкурсе научных работ молодых ученых и аспирантов УНЦ РАН и АН РБ (Уфа, 2003 г.), на Первой Всероссийской научно-технической конференции с международным участием «Мехатроника, автоматизация и управление» (Владимир, 2004 г.), на Международной конференции по компьютерным наукам и информационным технологиям International Workshop on Computer Science and Information Technologies CSIT (Уфа, 2003 г., Будапешт, Венгрия, 2004 г.).
На основе полученных в ходе диссертационной работы результатов подготовлен один из разделов учебного пособия с грифом УМО.
Публикации
Основные материалы диссертационной работы опубликованы в 13 статьях и 6 тезисах докладов. Получено 2 патента, 3 авторских свидетельства, а также 11 положительных решений по заявкам на изобретения.
Объем и структура работы
Диссертационная работа состоит из 161 страницы машинописного текста, включающего в себя введение, пять глав основного материала, выводы и заключение; рисунков на 20 страницах; библиографического списка из 140 наименований на 12 страницах и трех приложений на 13 страницах.
Краткое содержание работы
В первой главе проводится анализ современного состояния микросборочных технологий и виртуальных технологий моделирования сложных технических систем. Во второй главе описывается построение математических моделей для оценки величин адгезионных эффектов, проявляющихся при контактах объектов сборки с рабочими инструментами и поверхностями технологической оснастки. В третьей главе рассмотрена разработка интеллектуальных и эвристических алгоритмов планирования и управления микроробо-тотехническими системами. В четвертой главе разрабатывается архитектура, структура и методики использования СВР для информационной поддержки, отладки и тестирования алгоритмов планирования и управления микросборочными процессами. В пятой главе разрабатывается прикладное программное обеспечение (11110), реализующее методику использования СВР. Представляются результаты экспериментов по апробации алгоритмов планирования и управления.
Автор выражает глубокую благодарность д.т.н., профессору Б. Г. Ильясову и д.т.н., профессору Р. А. Мунасыпову за обстоятельные консультации по проблемам планирования и управления микроробототехническими системами.
Микросборка и проблемы производства гибридных МЭМС
Технологии производства ИС имеют существенное ограничение — их можно использовать в производстве микросистем только двухмерной структуры, без механических звеньев и передач. Изготовление же трехмерных структур МЭМС требует других подходов, в частности, это так называемые технологии микрообработки: объемная микрообработка (глубинное объёмное травление: жидкое химическое анизотропное и сухое плазменное), поверхностная микрообработка (MUMPS, SUMMiT) или микрообработка с высоким коэффициентом приближения (LIGA, SLIGA и лазерная микрообработка).
Сегодня этими методами успешно, практически за один технологический цикл производятся сенсоры подушек безопасности, одноразовые датчики артериального давления, а также некоторые другие МЭМС. Для производства же большей части МЭМС, в которых пространственно интегрирована механика и электроника, перечисленных технологий микрообработки недостаточно. Здесь также требуется сборочная фаза и поэлементное пакетирование компонентов микросистемы. Традиционные подходы автоматизированной сборки в условиях микромира не эффективны, поэтому сборка микросистем со сложной интеграцией механики и электроники на большинстве предприятий ведется вручную, под микроскопом. В результате стоимость конечного продукта обычно повышается в 100 и более раз по сравнению с суммарной себестоимостью компонентов МЭМС. Кроме того, часть элементов МЭМС требуют защиты от окружающей среды, тогда как другая часть -доступ к внешней среде, такое поэлементное пакетирование еще больше увеличивает стоимость микросистем.
Таким образом, для создания гибридных МЭМС недостаточно существующих технологий микрообработки и возможностей микроэлектронного производства. По мнению ведущих экспертов использование микроманипу-ляционных систем (микророботов) станет основой технологических операций при изготовлении, сборке и модернизации сложных микросистем [7]. Низкая производительность ручного труда и практически полное отсутствие автоматизации технологических процессов сборки конечной продукции являются главными причинами того, что цена гибридных МЭМС сегодня составляет от $500 до $1000 [10].
Традиционные технологии автоматизированной сборки позволяют значительно снизить стоимость, повысить надежность и качество конечной продукции. Возрастает производительность труда, и упрощаются технологические процессы изготовления конечной продукции, сложные комплексные изделия изготавливаются из более простых компонентов, а те, в свою очередь, могут производится по совершенно различным технологиям, из различных материалов и т.д. Также облегчается последующее обслуживание сложных изделий: диагностика, ремонт и замена составляющих деталей.
На достижение указанных преимуществ направлены и современные исследования по разработке методов автоматизированной сборки на микроуровне, которые получили наиболее широкое распространение в конце 20 века. Именно тогда шло бурное становление производственных методов, прежде всего, связанных с производством ИС и направленных на миниатюризацию и функциональную интеграцию выпускаемых изделий. А с появлением первых МЭМС развитие микросборочных технологий получило наибольший толчок. За последние четыре десятилетия было разработано большое разнообразие методов пакетирования/корпусирования (литьевая пластика, многослойная керамика, BGA и др.) и разводки (линейные, матричные и др.) компонентов интегральных схем [11]. Однако из-за отсутствия надежных, эф-фективных и доступных по стоимости сборочных систем их использование для производства МЭМС затруднено.
С расширением производственных технологий на микро- и даже нано масштабный уровень впервые был введен термин «микросборка» (на англ. — microassembly), под которым в настоящее время понимаются операции мани пулирования объектами микро- (от 1 до 100 мкм) и мезоразмеров (от 100 мкм до 2-кЗ мм) [12]. В [13] формальное определение микросборки приводится следующим образом, - это сборка объектов с микро- и (или) мезомасштаб ными габаритными характеристиками, либо выполняемая с микронными до пусками. Кроме того, в зарубежной литературе под микросборкой понима ются все операции (а не только сборочные) с объектами, имеющими микро- и мезомасштабные габаритные характеристики. - Микросборка является важнейшей фазой производства гибридных МЭМС. Кроме непосредственно монтажа, к микросборке также относятся пакетирование и создание комплексных (механических, гальванических, оптических и т.д.) связей между компонентами микросистем [14, 15]. Как уже отмечалось, основным отличием изготовления МЭМС от модульных ИС является то, что при их производстве требуется формирование сложных 3D-механических структур [16, 17, 18, 19, 20,21]. Технологии микрообработки (LIGA, MUMPS, SUMMiT и др.) не только не позволяют получать законченные гибридные микросистемы, но также имеют целый ряд других ограничений: ? строго определенный и весьма ограниченный набор материалов; ? незначительные возможности изготовления сложных 3D-CTpyicryp; единый технологический процесс изготовления. Все существующие технологии монтажа элементов микросистем можно разделить на две основные группы: последовательные и параллельные [22]. Последовательная микросборка предполагает использование микроманипуляторов и сенсорных устройств для обратной связи. В каждый момент времени собирается только один элемент микросистемы. Основной идеей параллельной микросборки является одновременная сборка сразу множества микросистем или нескольких элементов микросистемы. В зависимости от физических эффектов, лежащих в основе операций, параллельная микросборка, кроме того, может быть детерминированной или стохастической [23, 24]. Детерминированная микросборка связана исключительно с производством планарных микросистем [25, 26, 27, 28, 29]. Для монтажа и других операций изготовления гибридных и сложноин-тегрированных МЭМС, когда необходимо управление микроинструментами, имеющими большое число степеней свободы, наиболее подходящими являются последовательные технологические процессы микросборки. Существенно ограничивают широкое применение последовательных методов их главный недостаток — низкая производительность, а также недостаточная теоретическая и экспериментальная проработка.
Математические модели адгезионных сил как основных возмущающих воздействий при микросборке
Когда объекты, с которыми производятся манипуляции, имеют размеры менее 1 мм, гравитационные и инерционные силы, пропорциональные объему объекта, оказывают меньшее влияние на технологические процессы по сравнению с силами адгезии (электростатические, Ван-дер-Ваальса и поверхностного натяжения), возникающими при контакте микрообъектов с рабочими поверхностями инструментов, манипуляторов и технологической оснастки и пропорциональные площади. Так, при захвате сферического микрообъекта, радиус которого 50 мкм, охватом с плоскими губками, сила поверхностного натяжения имеет величину в пределах 10 5 Н, сила Ван-дер-Ваальса Н, электростатическая сила - 10 Н, в то же самое время, гравитационная сила равна примерно 10-9 Н [ 109].
Захватное устройство и микрообьект в силу целого ряда причин (электрические поля, поляризация под действием освещения и т.д.) обладают электрическими зарядами, настолько малыми для больших систем, что ими можно пренебречь, но при размерах объектов в несколько микрон эти же заряды имеют существенное значение и их необходимо учитывать. Из-за взаимодействия зарядов объект может притягиваться или отталкиваться от захватного устройства, что может помешать выполнению операции захвата и удержания объекта с требуемой ориентацией. Трудно предсказуемая ситуация складывается также и при позиционировании объекта в целевой точке. Возможна ситуация, когда под действием гравитационных сил микрообъект не будет выходить из зацепления с захватным устройством, так как адгезионные силы, например силы Ван-дер-Ваальса или сцепления, будут с ними соизмеримы или больше. Поэтому даже простейшие на макроуровне операции захвата и выпускания становится выполнить чрезвычайно проблематично (рисунок 2.1).
Такие особенности соотношения микро- и макроуровней приводят к необходимости более тщательно рассматривать адгезионные эффекты, проявляющиеся при проведении технологических операций и взаимодействии объектов сборки с технологической оснасткой, рабочими органами и инструментами. Поэтому далее особое внимание будет уделено проблемам управления микроманипуляционными устройствами в условиях действия возмущений адгезионного характера и анализу влияния различных факторов окружающей среды и свойств микрообъектов на величины адгезионных сил.
При микросборке основными причинами адгезии (прилипание, сцепление, притяжение [72]) являются электростатические силы, силы Ван-дер-Ваальса и поверхностного натяжения (капиллярные силы) [73, 74]. Электростатические силы проявляются под действием электрических зарядов, которые наводятся от сил трения или передаются контактной электрификацией. Силы Ван-дер-Ваальса являются следствием мгновенной поляризации атомов и молекул, то есть являются эффектами квантовой механики. Капиллярные силы возникают из-за присутствия жидкой пленки микроскопических масштабов на взаимодействующих поверхностях.
В зависимости от условий внешней среды, используемых материалов, поверхностных свойств объектов и т.д., также можно выделить такие проявления адгезии, как силы сцепления/упругости (pull-of-force), возникающие во время контакта при деформации поверхности микрообъекта инструментом, магнитные силы и эффекты микротрибологии.
Рассмотрим взаимодействие сферического микрообъекта и рабочего органа в виде микросхвата (рисунок 2.2а), принимая, что их поверхности абсолютно гладкие. Величина электростатических сил между заряженным сферическим микрообъектом (диэлектриком) и поверхностью схвата (проводником) может быть найдена на основе закона Кулона [74]:
На рисунке 2.26 приведены графики основных адгезионных сил, вычисленных по выражениям (2.1)-(2.3) и гравитационной силы - (2.4). В вычислительных экспериментах было принято, что г = 10 6 - 10 3 м; q = 1,6-10" Кл/м2; г = 1-Ю"9 м; d = 1-Ю"6 м; А = 1-Ю"10 м2; 0] = 82 = 45. Для эффективной работы и успешного проведения простейших сборочных операций, таких как захват или выпускание объектов сборки, необходимо, чтобы гравитационная сила преобладала над остальными. Однако, как видно из графиков (рисунок 2.26), при заданных параметрах на микроуровне доминируют капиллярные силы, оказывая наибольшее влияние на эффективность выполнения операций. Несколько меньшую роль имеют силы Ван-дер-Ваальса и электростатические. В то же время, гравитационная сила уже не оказывает того влияния, как на макроуровне: силы Ван-дер-Ваальса начинают преобладать над ней, когда радиус микрообъектов достигает -100 нм и менее, а электростатические силы - при радиусе —10 нм и менее.
Необходимо отметить, что на практике истинное соотношение адгезионных сил может варьироваться в более широком диапазоне, так как оно определяется целым рядом параметров окружающей среды, шероховатостями поверхностей, используемыми материалами и т.д. В некоторых случаях можно даже пренебречь той или иной составляющей адгезионных сил, например, силами поверхностного натяжения в помещении с абсолютно сухим воздухом или в условиях вакуума.
Вместе с тем, на практике из всех составляющих адгезии именно электростатические силы создают наибольшие сложности при работе с микрообъектами и выполнении микросборочных операций. Это можно объяснить тем, что свободные заряды индуцируют поверхностные заряды фактически при выполнении каждой операции, где есть трение, взаимодействия и контакты микрообъектов с инструментами, паллетами и т.д. К тому же, создается эффект «конденсатора», поскольку между поверхностями микрообъектов и инструмента всегда присутствует определенный воздушный зазор из-за наличия на поверхностях шероховатостей, неровностей и т.д. Кроме того, электростатические силы, в отличие от других составляющих адгезии, способны проявляться не только у самых поверхностей, но и по всему диаметру микрообъектов. Необходимо также отметить, что борьба с негативным влиянием электростатических сил наиболее сложна и как правило малоэффективна.
Далее подробнее рассматриваются различные формы адгезии, проявляющиеся при выполнении микросборочных операций и взаимодействии объектов микромира.
Разработка генетического алгоритма планирования оптимальных маршрутов для группы микророботов в среде с препятствиями
Включение специального блока-предиктора в контур управления захватным устройством такого типа потребует создания своей базы адекватных математических и программных моделей, аналогичных выражениям (2.40)-(2.43) и (2.46-2.49), которые позволят аналитически описывать результаты наблюдений и экспериментов в условиях, когда для большинства из измеряемых параметров отсутствуют численные показатели.
Особо следует остановиться на области применимости разработанной прогнозирующей модели управления. Проведенные исследования доказывают, что синтез одношагового нейросетевого предиктора для оценки микровзаимодействий возможен даже при отсутствии прямой информации о всех действующих на микрообъект параметрах, - достаточно только косвенных и модельных данных. Также не требуется проведения дополнительного статистического анализа входных и выходных сигналов объекта управления и исследований по выявлению взаимосвязей его параметров, так как аппарат нейронных сетей не предъявляет каких-либо жестких требований к характеру входной информации, позволяя получить при этом гарантированный уровень обобщения. Концевой эффектор как объект управления, применявшийся для разработки методики синтеза нейросетевой модели управления, имеет простые и адекватные математические модели. Это позволило акцентировать внимание на самом процессе синтеза, не усложняя решение. Тем не менее, как показано выше, использовавшиеся подходы являются общими для всех типов микроманипуляционных захватных устройств. Это обосновывается существенной нелинейностью искусственных нейронных сетей и универсальностью их аппроксимационных свойств.
Исходя из полученных результатов, следует заключить, что наиболее перспективной областью внедрения предложенной методики синтеза предиктора являются автоматизированные микротехнологические процессы. Использование концевых эффекторов с предложенной прогнозирующей моделью управления наиболее перспективно в задачах по сборке гибридных микросистем, где требуется высокая точность в прикладываемых усилиях, т.к. отдельные детали имеют толщину несколько мкм и ниже (кантилеверы, пластины, мембраны и т.д.). Несмотря на необходимость затрат определенных машинных ресурсов на прогнозирование, в результате достигается минимизация времени сборки микроизделия, то есть повышается эффективность микротехнологических процессов за счет предотвращения нештатных ситуаций, вызванных действиями адгезионных сил, и достигается более высокая скорость выполнения отдельно взятой микроманипуляционной операции.
Таким образом, в результате проведения вычислительных экспериментов, синтезирована адаптивная модель для оценки эффективности завершения микроманипуляционных операций. Модель представляет собой нейросе-тевой одношаговый предиктор, который также достаточно устойчиво реализует краткосрочные (до 3 тактов) прогнозы. Достоверность работы предиктора подтверждена положительными результатами ее тестирования на моделях адгезионных эффектов и экспериментальных данных. Все это указывает на перспективность использования нейросетевых технологий для решения задач управления микроманипуляционными операциями.
Планирование оптимальных маршрутов движения мобильных роботов, осуществляющих одновременное функционирование в пределах одного рабочего пространства, является одной из фундаментальных проблем робототехники. Как было отмечено в главе 1, наиболее целесообразной основой для разработки новых методов планирования траекторий движения в группе микророботов, выполняющих технологические операции в составе микросборочных комплексов, являются ГА.
Впервые использовать генетические методы в задаче планирования оптимальных маршрутов было предложено в 90-х годах прошлого века [100-103]. Анализ этих работ показал, что существует ряд нерешенных проблем, относящихся к планированию оптимальных маршрутов для мобильных роботов, осуществляющих одновременное движение в пределах одного рабочего пространства. Так, общей чертой известных методов планирования на основе ГА является двухмерное сеточное представление модели внешней среды, основанное на разбиении рабочей области на конечное постоянное число прямоугольных элементарных областей. Поэтому основным недостатком этих методов является то, что поиск оптимального решения проводится не в пространственно-временном, а только в координатном базисе. Вместе с тем, в условиях нестационарной внешней среды более предпочтительным вариантом, чтобы обеспечить бесконфликтное движение роботов, как правило, является не изменение маршрута движения, а регулирование значения скорости движения на определенном участке маршрута. Еще одним недостатком известных методов на базе ГА является слабая организация процессов управления разнообразием популяции. Как следствие, наблюдается низкая скорость сходимости ГА или же их преждевременная сходимость [103].
Рассмотрим задачу планирования траектории движения автономного мобильного микроробота в некоторой области со стационарными и подвижными препятствиями. В качестве подвижных препятствий рассматриваются другие микророботы из группы, имеющие более высокий приоритет работы и перемещающиеся с определенной скоростью и ускорением по известным законам, удовлетворяющим граничным условиям. Будем считать, что расположение неподвижных препятствий на момент планирования определено и остается неизменным во времени. Оптимальное решение должно обеспечивать бесконфликтное движение микроробота и при необходимости изменять скорость его движения вдоль найденного маршрута [137].
Для решения этой задачи с помощью ГА, прежде всего, необходимо сформировать в удобном виде модель внешней среды. Для ее описания будем использовать TV сеточных представлений в виде матриц размерностью Sx Syt элементы которой принимают логические значения, в зависимости от того свободна или занята препятствием соответствующая ячейка сетки (рисунок 3.8). Величина параметра N выбирается в зависимости от шага квантования и характеризует время, в течение которого движение препятствий в рабочей области задано, тем самым, определяя максимальную глубину планирования по времени. Квантование необходимо для дискретизации состояния неподвижных объектов, определения ячеек сеток, соответствующих стартовым и конечным положениям микроробота, а также для фиксирования моментов изменения состояния нестационарной рабочей среды.
Структура имитационно-технологического комплекса с элементами виртуальной реальности
Практическая проверка работоспособности и эффективности разработанных в главе 3 алгоритмов планирования и управления такими сложными техническими системами, какими являются микротехнологические комплексы, достаточно дорогостоящий и длительный процесс, связанный с необходимостью проведения большого числа циклов отработки и апробации исследуемых алгоритмов, требующий тщательной и кропотливой настройки тестируемого оборудования в процессе отладки и т.д. Значительные издержки на исследования связаны с вопросами расширения элементной базы, разработкой и внедрением в состав комплекса новых типов микро- роботов и механизмов. Тестирование и отображение результатов скоординированной работы с уже существующими устройствами требует изготовления натурных образцов разрабатываемых конструкций, а также глобальной перенастройки систем управления и планирования всем комплексом.
Одним из способов преодоления вышеперечисленных недостатков является разработка новых методов исследования сложных технических систем и протекающих в них процессов на базе комплексного математического и виртуального моделирования. В основе этой идеи лежит разработка копирующей СВР, которая вместе с отражаемой в ней физической средой, составляет единый имитационно-технологический комплекс с элементами виртуальной реальности (рисунок 4.1).
СВР включает пять главных составляющих: виртуальные и математические модели управляемой системы, интерфейсный и моделирующий комплексы и систему ЗО-визуализации (рисунок 4.2).
Виртуальные модели представляют собой макеты реального микротехнологического оборудования и сборочных единиц [105, 106]: микророботов, позиционеров, микроманипуляторов, концевых эффекторов, компонентов МЭМС и т.д. и отражает наиболее существенные свойства реальной системы: геометрические габариты и форму, упругость поверхностей, а также спектральные и отражательные характеристики поверхностей объектов.
Математические модели отражают свойства окружающего микромира, особенности влияния размерного фактора на функционирование микросистем, различные проявления адгезионных сил и эффектов. Математическим языком описывается работа микротехнологических устройств - модели используемых систем управления и планирования, геометрические модели позиционирующих устройств, прямые и обратные кинематические модели мик-романипуляционных устройств и т.д.
В интерфейсном комплексе с помощью аппаратно-программного интерфейса в реальном времени на основе данных о состоянии реальной среды, получаемых с помощью различных датчиков, сенсоров и СТЗ, изменяются параметры физических и математических моделей. Этим обеспечивается динамическая подстройка СВР в соответствии с изменением состояния (параметров) физической среды.
В моделирующем комплексе осуществляются вычислительные эксперименты с виртуальными и математическими моделями СВР. В соответствии с заданными алгоритмами планирования и управления, для объектов физической среды рассчитываются новые выходные координаты, описываемые в декартовом пространстве. При моделировании также отрабатываются различные варианты развития технологических событий и их последствия без проведения экспериментов на реальных объектах.шений, алгоритмов или конструкций, В случае успешных результатов численного и виртуального моделирования осуществляется обратное воздействие на физическую среду с помощью аппаратно-программного интерфейса, если же исследуются конструктивные решения, то они в дальнейшем реализуются в виде натурных образцов для проведения уже натурных экспериментов.
Подобная структура СВР предъявляет серьезные требования к вычислительным ресурсам, скорости информационного обмена между физической и виртуальной средой, а также объемам передаваемых данных [107]. Использование СТЗ для определения координат и ориентации микророботов, рабочих органов микроманипуляторов, микрообъектов и т.д. исключает возможность непосредственного обмена данными через интерфейсный комплекс СВР, поскольку пропускной способности его канала оказывается недостаточно для организации работы всей системы в реальном времени, особенно в тех случаях, когда оператор по каким-либо причинам находится на достаточно большом удалении от зоны техпроцессов (изоляция технологического помещения от влияния окружающей среды, вредные для здоровья условия производства и т.д.).
Не меньшая вычислительная нагрузка лежит на моделирующем комплексе. Так, одновременная сборка микросистемы, состоящей из 15-20 компонентов, с помощью группы из пяти микророботов в общем случае требует перебора в поисковом пространстве размерностью порядка 103—104, при этом необходимо также проанализировать и учесть влияние каждого из возмущающих факторов окружающей среды, найти оптимальный алгоритм управления микроманипулятором, рабочим органом и т.д.
Большие вычислительные мощности требует система ЗО-визуализации, так как она должна обеспечивать достаточно быстрое формирование и рендеринг виртуального микротехнологического комплекса и его инфраструктуры. Скорость обновления изображения не должна быть меньше 25 кадров в секунду (реальный режим времени). Тогда создается впечатление непрерывности движения на экране ПЭВМ. Для обеспечения визуализации в реальном режиме времени необходимы специальные быстросчетные методы оптимизации геометрического представления виртуального окружения на основе вычисления оптимального уровня детализации всех вершин полигонов относительно текущего положения наблюдателя, объединения полигонов малого размера в более крупные и т.д.
Похожие диссертации на Система виртуальной реальности для разработки и исследования алгоритмов планирования и управления микросборочными процессами
