Содержание к диссертации
Введение
Глава 1. Анализ состояния вопроса и постановка задач исследования 14
1.1 Введение в планирование перемещения робота 14
1.2 Особенности планирования перемещения робота-манипулятора в неизвестной среде 21
1.3 Основные методы планирования перемещения робота-манипулятора в неизвестной среде с использованием искусственных нейронных сетей и нечеткой логики 33
1.3.1 Искусственные нейронные сети в моделях планирования перемещения 33
1.3.2 Использование возможностей нечеткой логики 37
1.3.3 Применение комбинированных нейро-нечетких систем 42
1.4 Методы управления перемещением робота по планируемой траектории 45
1.5 Концепция реактивного управления перемещением робота-манипулятора в неизвестной среде 56
1.6 Выводы 62
1.7 Постановка цели и задачи исследования 68
Глава 2. Методы построения интеллектуальных систем планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической и динамической средах 70
2.1 Геометрическое моделирование робота-манипулятора в неизвестной окружающей среде 70
2.2 Описание модели двухзвенного робота-манипулятора 75
2.3 Метод построения нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде 76
2.3.1 Разработка первого нечеткого блокау-го звена 78
2.3.2 Разработка второго нечеткого блокау'-го звена 81
2.3.3 Результаты компьютерного моделирования нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде 85
2.4 Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде 90
2.4.1 Разработка нейронной сети для моделирования классификаций 91
2.4.2 Разработка модифицированной нечеткой системы планирования перемещения как составляющей интеллектуальной системы 95
2.4.3 Результаты компьютерного моделирования интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде 97
2.5 Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде 102
2.5.1 Разработка второго нечеткого блокауго звена 104
2.5.2 Результаты компьютерного моделирования интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде 108
2.6 Выводы 115
Глава 3. Метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории 118
3.1 Динамическая модель двухзвенного робота-манипулятора 118
3.2 Разработка метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории 122
3.2.1 Разработка МОТ,і и МСП72 125
3.2.2 Настройка входов нечетких ПД-регуляторов 130
3.2.3 Разработка структуры нечетких ПД-регуляторов 130
3.2.4 Результаты компьютерного моделирования интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории 134
3.3 Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах 151
3.4 Выводы 164
Глава 4. Экспериментальное исследование 167
4.1 Разработка экспериментальной модели системы реактивного управления роботом-манипулятором в неизвестной среде 167
4.1.1 Полная экспериментальная система 167
4.1.2 Описание Lynx 5 Robot Arm 168
4.1.3 Датчики расстояния 169
4.1.4 Интерфейсный электронный модуль ввода-вывода 174
4.2 Алгоритм реактивного управления 178
4.3 Анализ результатов экспериментального исследования 182
4.4 Выводы 188
Заключение 190
Литература 193
Приложение 204
- Особенности планирования перемещения робота-манипулятора в неизвестной среде
- Метод построения нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде
- Разработка метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории
- Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах
Введение к работе
Актуальность проблемы. В различных отраслях промышленности и сервисного обслуживания широко применяются роботы, мехатронные и робото-технические 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, СВ. Манько, М.П. Романова, П.Э. Трипольского, К. Алтоуфера, Б. Крекелбер-га, Д. Хасмейера, Л. Сеневиратне, П.Г. Завлангаса, С.Г. Тзафеста, Ю. Фу, Б.
Джина, X. 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 ІОРГТУ (НПИ) и целевым комплексным программам. Диссертационная работа выполнена в рамках научного направления ЮРГТУ (НПИ) «Теория и принципы создания робототех-нических 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 г.г.).
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;
разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде с последующим компьютерным моделированием;
разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде и выполнить компьютерное моделирование полученной системы;
разработать метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории и осуществить ее компьютерное моделирование;
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;
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:
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.
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.
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.
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:
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;
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;
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, трибоэлек-трохимии, 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.
Особенности планирования перемещения робота-манипулятора в неизвестной среде
Особенности планирования перемещения робота-манипулятора широко представлены в современных источниках. В большинстве исследований, посвященных разработке глобальных методов планирования, отражены различные аспекты планирования в режиме офф-лайн в известной статической среде [15]. Под известной средой обычно понимают окружающую робот среду, которая содержит известные по форме и расположению в рабочей зоне препятствия.
Одним из подходов к решению проблемы планирования перемещения робота в известной среде является применение геометрического метода для нахождения пути, свободного от столкновения с препятствиями кубической формы, которые в целях упрощения анализа рассматриваются как объекты сферической формы. Избежание столкновения звеньев робота с препятствием является результатом непрерывного контроля движения ближайшей к нему точки, принадлежащей звену робота. Само звено рассматривается в виде отрезка, заданного в декартовом пространстве координатами двух соседних сочленений. Необходимо отметить, что геометрический метод довольно прост в использовании, но при этом он подходит для применения далеко не во всех случаях, например, при наличии в рабочей зоне манипулятора нескольких близко расположенных друг к другу препятствий [38].
Другим известным методом планирования перемещения робота в известной среде является метод пространства конфигураций , разработанный Т. Лоза-но-Пересом [13]. Пространство конфигураций манипулятора описывается переменными параметрами сочленений, в качестве которых выступает либо угол поворота (случай вращательного сочленения), либо звенное расстояние (случай призматического сочленения). Пространство конфигураций включает зоны столкновений (в ходе своего перемещения робот должен обходить эти зоны) и зоны, свободные от столкновений (рис. 1.3) [6, 11, 13, 27, 39]. Необходимо отметить, что в зонах столкновений возможны столкновения как между роботом и препятствием, так и между отдельными частями робота. Напротив, в зонах, пространства конфигураций, свободных от столкновений, перемещения манипулятора рассматриваются как безопасные. В пространстве конфигураций каждая конфигурация робота рассматривается в виде точки, а планирование пути его перемещения эквивалентно планированию перемещения этой точки [1, 11, 13, 39-45].
Метод пространства конфигураций включает: определение зон столкновений и зон, свободных от столкновений; поиск безопасного пути перемещения робота [20].
В современной научной литературе представлены различные модификации использования метода пространства конфигураций в рамках решения проблемы планирования перемещения робота [7, 14, 46-50]. Практически любая система планирования, использующая рассматриваемый метод, зависит от процесса трансформации рабочего пространства, информация о котором поступает от сенсоров (ультразвуковых или инфракрасных датчиков расстояния, видеокамер), в соответствующий вид пространства конфигураций [14, 15, 29, 47, 50, 51 и т.д.]. В этом случае общее время планирования зависит не только от длительности выполнения самого процесса планирования, но также и от времени, затрачиваемого на эту трансформацию. Необходимо отметить, что трансформация рабочего пространства в пространство конфигураций характеризуется значительными временными затратами, и поэтому описываемый метод не подходит для планирования в режиме реального времени [1, 11, 14, 15, 19, 20, 39, 40, 52, 53]. В этом заключается одна из основных причин ограниченного использования метода пространства конфигураций для планирования перемещения роботов-манипуляторов в промышленности.
К методам глобального планирования перемещения на основе пространства конфигураций относят: метод путевой карты [6, 10, 54, 55]; метод декомпозиции на ячейки4 [7, 11, 56]; метод искусственных потенциалов5 [57].
Эти методы предполагают использование сложного вычислительного аппарата при отсутствии гарантии их эффективного применения в условиях динамической окружающей среды [55, 56, 58].
Научный интерес представляет метод искусственных потенциалов, который был первоначально разработан для использования в рамках локального подхода, когда процесс планирования пути робота, свободного от столкновений с препятствиями, осуществлялся оператором [1, 14, 24, 37, 57]. Дальнейшее совершенствование метода искусственных потенциалов связано с увеличением объема вычислений. Для оптимизации этого процесса целесообразно использовать возможности аппарата нечеткой логики [1, 14, 24, 37, 57, 59].
Оптимизация планирования траектории робота-манипулятора возможна только в режиме офф-лайн в условиях известной среды, когда его перемещение осуществляется по запланированному пути. В настоящее время при условии нахождения в рабочей зоне робота исключительно неподвижных препятствий применяются два подхода оптимизации планирования. Если первый подход используется в ситуации, когда дано множество точек траектории манипулятора, то второй подход - когда даны ее начальная и целевая точки. При этом нелинейная оптимизация учитывает соответствующие кинематические и динамические ограничения. В рамках первого подхода оптимизация включает формирование в ходе каждого временного интервала вектора перемещения. Второй подход предполагает выполнение этой процедуры на основе коэффициентов интерполяции [60].
Необходимо отметить, что оптимизация планирования невозможна в условиях неизвестной среды, так как для ее выполнения требуется доступная информация о препятствиях в рабочей зоне робота. Также оптимизация планирования не применяется в случае перемещения манипулятора в динамической среде, так как соответствующие расчеты и их результаты непосредственно относятся к неподвижным препятствиям.
Современной промышленности и другим отраслям народного хозяйства необходимы автономные робототехнические системы, выполняющие поставленные задачи в неизвестной среде, что говорит об актуальности исследования проблемы планирования свободного от столкновений с неизвестными препятствиями перемещения роботов-манипуляторов [47, 61].
В научной литературе не существует универсального определения понятия «неизвестная среда», с которым были бы согласны большинство ученых. Одни авторы считают, что неизвестная среда - это окружающая среда, в которой робот не имеет априорных знаний о ней [27, 28, 30, 32, 47, 51, 62]. Другие ученые рассматривают неизвестную среду как окружающую среду, содержащую неизвестные препятствия произвольной формы [19, 29, 32, 36]. И наконец, третьи утверждают, что неизвестная среда представляет собой окружающую среду, которая имеет неизвестные движущиеся препятствия или характеризуется изменениями, которые заранее неизвестны [1, 14, 28, 35, 63]. При этом подчеркивается, что необходимым условиями решения задачи планирования перемещения манипулятора в неизвестной среде являются применение сенсорного управления и реализация процесса обучения робота [30, 34, 51,61].
Возвращаясь к глобальному планированию, в рамках которого траектория перемещения робота рассматривается как последовательность участков или транзитных точек его пути, напомним, что несложные конфигурации траектории, например, прямые линии, формируются посредством соединения этих точек. Однако изменения в окружающей среде могут привести к тому, что в результате невозможности просчета всех ситуаций, в которых может оказаться манипулятор, в определенный момент он будет не в состоянии выполнить запланированную траекторию. Решение данной проблемы заключается в применении локального планирования, в ходе которого приоритет отдается избежанию роботом столкновений с препятствиями, а достижение им транзитной или целевой точки рассматривается как второстепенная задача [14, 64].
Метод построения нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде
В процессе разработки интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной среде необходимо учитывать ряд его характеристик, к которым относят: длину и максимальную угловую скорость каждого звена, период дискретизации1, вид механической связи2 между серводвигателем и звеньями (прямая передача3 и непрямая передача4). В рамках данной диссертации в качестве модели для исследования выбран двухзвенный робот-манипулятор с непосредственным приводом (прямая передача) (рис. 2.5), который использован в ряде научных работ, опубликованных на сайтах IEEE, Springerlink и в других известных западных журналах и книгах. Он был создан в робототехнической лаборатории исследовательского центра CICESE5. В табл. 2.1 приведены его параметры [89, 95, 120].
Метод построения нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде состоит из трех этапов, в ходе которых осуществляется обработка информации о роботе и окружающей его среде посредством разработки и функционирования нечеткой системы планирования. Применение метода построения этой системы рассмотрено на примере двухзвенного робота-манипулятора (рис. 2.6). Валидность предложенного метода основывается на результатах компьютерного моделирования рассматриваемой системы.
Первый этап заключается в определении значения минимального расстояния междуу-м звеном робота и лежащими в его рабочей зоне препятствиями (dj) на основании информации, полученной от датчиков расстояния.
На втором этапе вычисляется значение предварительного шага перемещения 7-го звена робота (50,-(/+1)), являющегося выходом первого нечеткого блока (НБ-1), входы которого - это предыдущие значения изменения угла перемещения 7-го звена (А0,(/)), а также разница между целевой (QJg) и текущей (0,-(/)) конфигурациями 7-го звена (A0/g(/+l) = Qjg- 0,-(/)). Необходимо отметить, что начальным условием функционирования системы является А0/О) = 0. Все входные и выходные параметры системы могут принимать как положительные, так и отрицательные значения.
На третьем этапе рассматриваемого метода на основе результирующих параметров первого и второго этапа определяется окончательное изменение зна чения угла перемещенияу-го звена манипулятора (А9,-(/+1)) — выход второго нечеткого блока (НБ-2), когда на новой итерации (/+1) угол перемещения определяется как 0/(/+1) = 0,(/) + Л0/(/+1). Входами в НБ-2 являются 50,(/+1) и dj. Выходы нечеткой системы Л0/ представляют собой положительные или отрицательные изменения угла перемещения первого и второго звеньев манипулятора на каждом новом шаге (/+1). При этом отсутствует необходимость решения обратной задачи кинематики. Значения этих выходов являются результатом оценки входов нечеткой системы не на одной ступени планирования, как это обычно имеет место в системах планирования в режиме реального времени (например, см. источники 14, 15, 19, 85), а на двух ступенях планирования, представленных для каждого звена двухзвенного робота двумя нечеткими блоками.
Принцип внутренней обратной связи, реализованный в рассматриваемой нечеткой системе планирования, дает возможность осуществлять этап перемещения звеньев (501(/+1), 502(/+1)) пропорциональный как разности между заданной и действительной конфигурациями робота, так и предыдущему значению (Д0і(/), А02(/)). Это, в свою очередь, способствует избежанию столкновения робота с неизвестным препятствием и достижению цели.
В структуре нечеткой системы планирования перемещения двухзвенного манипулятора в режиме реального времени в неизвестной статической среде предусматриваются два первых нечетких блока (НБ-1 для первого и второго звена) (рис. 2.6). Первым входом в НБ-1 для у-го звена манипулятора является A0/g(/+l), который описывается четырьмя функциями принадлежности (ФП), измеряемыми в радианах (от -2к до 2л:): двумя трапециевидными: ДПЦ (далеко справа от цели) и ДЛЦ (далеко слева от цели); двумя треугольными: БПЦ — близко справа от цели; БЛЦ - близко слева от цели (рис. 2.7).
В качестве второго входа выступает А0ДЇ), описываемый двумя трапециевидными ФП (ШП - шаг вправо и ШЛ - шаг влево) и треугольной ФП (Н ноль), значения которых лежат в пределах от -UlJmax до Ш , где Шутах - максимальный шаг перемещения у -го звена на каждой итерации, измеряемый в радианах (рис. 2.7).
Выход в НБ-1 50//+1) описывается с помощью четырех ФП, значения которых лежат в пределах от -Ш гах до Ш гах. Они представляют собой две трапециевидные (ШП и ШЛ) и две треугольные (МИШ - малый шаг вправо и МШЛ - малый шаг влево) (рис. 2.7).
Разработка метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории
Проблема настройки входов в НПД-регуляторы заключается в определении значений соответствующих коэффициентов и в выработке сигналов, форма которых обуславливает величину отклонения реальной траектории от планируемой в ходе программных итераций. Формирование этих сигналов основывается на включении в структуру системы управления четырех многослойных нейронных сетей. Это дает возможность достаточно легко определить необходимые значения четырнадцати коэффициентов, из которых восемь связаны с процессом обучения НеЙрОННЫХ Сетей (коэффициенты СКОрОСТИ Обучения (Г)п, Гі2, Т21 и г22) и коэффициенты инерционности ((Хц, а 12, а 21 и а 22). Другие два коэффициента ко1 и ко2 используются для преобразования выходов НПД-регуляторов, измеряемых в Вольтах, в сигналы крутящего момента. Они определяются как эквивалентные максимальному значению крутящего момента серводвигателя соответствующего звена, либо выбираются меньше этого значения. И наконец, в систему введены четыре коэффициента (ки, к\2, к2\ и к22), которые используются в ходе настройки входов в НПД-регуляторы, преобразовывая произведенные МСП/2 сигналы.
В ходе первых двухсот программных итераций, продолжающихся 0,5 с, функционируют четыре блока насыщения, необходимые для осуществления нормализации входов в НПД-регуляторы, приобретающих значения, которые лежат в пределах от -1 до 1. По окончании рассматриваемого периода времени блоки насыщения перестают функционировать, так как в процессе настройки подтверждается успешное осуществление нормализации входных сигналов.
Компьютерное моделирование интеллектуальной системы управления перемещением двухзвенного робота-манипулятора осуществлено при различных планируемых траекториях. Отметим, что стандартное тестирование систем управления обычно предполагает задание траекторий синусоидальной формы. Четырнадцати описанным выше коэффициентам были присвоены следующие значения: - Коэффициенты СКОрОСТИ Обучения: Пц = 0,08, Гі2 = 0,1, Т\2\ = 0,08, Г22 = 0,08; - коэффициенты моментов: ац = 0,1, а)2 = 0,15, а2\ = 0,1, а22 = 0,15; - коэффициенты настройки: кц = 0,288, к\2 = 17,65, к2\ = 0,18326, к22 = 26,6; - коэффициенты, соответствующие максимальным значениям сигналов крутящего момента каждого звена робота к0\ = 200, ко2=\5. В ходе первого тестированы для каждого из звеньев манипулятора были заданы следующие траектории: Время данного тестирования равнялось 10 с. При этом возмущение не учитывалось (xvl(«r) = 0 и ту2 (иГ) = 0 ). Результаты первого тестирования показаны нарис. 3.6-3.10. На рис. 3.6 представлены планируемая и реальная траектории, тогда как на рис. 3.7 - отклонение между ними. На рис. 3.7а и 3.76 показаны отклонения с начала переходного процесса, максимальные значения которых в ходе первых двухсот программных итераций приблизительно составили 0,15 рад для первого звена и 0,2 рад - для второго звена манипулятора. Это вызвано необходимостью затрат времени для начала обучения четырех МСП характеристикам инверсной модели робота. Таким образом, в начале переходного процесса многослойные нейронные сети еще не обучены, а для запуска этого процесса требуется 0,5 с, после чего значения отклонений реальной траектории от планируемой значительно уменьшаются. На рис. 3.7в и 3.7г показаны отклонения после первых 0,5 с, когда функционировала система управления перемещением манипулятора по планируемой траектории. При этом показателем качества изме рения отклонения является среднеквадратическая ошибка, которая за всё время тестирования (10 с) была равна: - для первого звена: 201,27-10"6 рад (рис. 3.7а); - для второго звена: 316,56-10"6 рад (рис. 3.76). Тогда как после первых 0,5 с и до конца тестирования среднеквадратическая ошибка составила: - для первого звена: 1,6739-10"6 рад (рис. 3.7в); - для второго звена: 0,80435-10"6 рад (рис. 3.7г). На рис. 3.8 показаны графики крутящих моментов — выходные параметры НПД-регуляторов ( іІп{пТ) и тР2(пТ)). На рис. 3.9 представлены графики выходов четырех многослойных нейронных сетейуи(пТ),у2і(пТ),у12(пТ), ку22(пТ). И наконец, на рис. 3.10 изображены графики коэффициентов, настраивающих входы в НПД-регуляторы ( ке1 (пТ), кАе1 (пТ), ке2 (пТ), кАе2 {пТ)). На рис. 3.11 показаны графики планируемой и реальной траекторий, а на рис. 3.12 — графики отклонений между ними. На рис. 3.12а и 3.126 показаны отклонения с начала переходного процесса, достигающие своего максимального значения (приблизительно 0,6 рад как для919 так и для 92) в течение 0,5 с от начала тестирования. При этом среднеквадратическая ошибка за всё время тестирования (10 с) для 8[ составила 6500-Ю"6 рад, для 92 - 5900 -10"6 рад. В свою очередь, на рис. 3.12в и 3.12г показаны графики отклонения реальной траектории от планируемой после первых 0,5 с от начала и до конца тестирования, когда среднеквадратическая ошибка для 9, равнялась 0,43459-10"6 рад, для 92 -1,9696-Ю-6 рад. На рис. 3.13 показаны графики крутящих моментов %FX(nT) и xF2{nT), являющихся выходными параметрами НПД-регуляторов. На рис. 3.14 представлены графики выходов МСПц5 МСП2], МСПі2 и МСП22. И наконец, нарис. 3.15 показаны графики коэффициентов, настраивающих входы в НПД-1 и НПД-2.
Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах
Метод построения комплексной интеллектуальной системы планирования и управления двухзвенным роботом-манипулятором (далее комплексная система) в неизвестной статической среде (рис. 3.26) основан на комбинации интеллектуальной системы планирования, описанной в п. 2.4 (рис. 2.18), и интеллектуальной системы управления перемещением манипулятора по планируемой траектории (п. 3.2, рис. 3.2). Целью разработки это комплексной системы, функционирующий в неизвестной статической среде, является необходимость: тестирования ее возможности планирования в режиме реального времени свободной от столкновения с препятствиями траектории перемещения двухзвенно-го манипулятора; проверки способности робота следовать по планируемой траектории с определением соответствующих значений отклонения реальной траектории от планируемой.
Результаты компьютерного моделирования комплексной системы, функционирующей в неизвестной статической среде, для планируемой траектории, представленной на рис. 2.23, показаны на рис. 3.27-3.29. Отметим, что в ходе этого тестирования не учитывались возмущения. Графики входной (планируемой) и выходной (реальной) траекторий изображены на рис. 3.27. На рис. 3.28 показаны графики выходных крутящих моментов для первого и второго звена манипулятора. И наконец, графики отклонений между планируемой и реальной траекториями для каждого звена представлены на рис. 3.29. Среднеквадратиче-ская ошибка, которая была зафиксирована в ходе данного тестирования, для 9, составила 0,26601-Ю"6 рад, для 92 - 0,5434 -10 6 рад. Когда в процессе компьютерного моделирования были учтены возмущения, значения которых равнялись 10 % от максимальной величины крутящих моментов для каждого звена манипулятора, среднеквадратическая ошибка для 9j составила 0,32702-10"6 рад, для 92 - 0,59755-10 6 рад. Полученный результат указывает на отсутствие значительных изменений в выходной траектории. На рис. 3.30 показаны графики отклонения реальной траектории от планируемой для двух звеньев робота, полученные в ходе тестирования, которое учитывало возмущающее влияние на систему.
Результаты компьютерного моделирования функционирующей в условиях неизвестной статической среды комплексной системы, когда в качестве планируемой была использована траектория, показанная на рис. 2.24, представлены на рис. 3.31-3.33. При этом не учитывалось влияние возмущения. На рис. 3.31 изображены графики входной (планируемой) и выходной (реальной) траекторий двухзвенного робота-манипулятора. На рис. 3.32 показаны графики вы ходных крутящих моментов для первого и второго звена манипулятора. Графики отклонения между планируемой и реальной траекториями для каждого звена представлены на рис. 3.33. При этом среднеквадратическая ошибка за все время тестирования для 9j составила 0,35908-10"6 рад, для 92 - 0,010494 -10"6 рад. Когда в процессе компьютерного моделирования комплексной системы учитывались возмущения (их значение также как и для первого тестирования составляло 10 % от максимальной величины крутящих моментов для каждого звена манипулятора), среднеквадратическая ошибка для 9j равнялась 0,42691-10"6 рад, а для 92 - 0,012397 -10" рад. Иными словами, возмущения не оказали значительного влияния на выполнение роботом-манипулятором реальной траектории. На рис. 3.34 показаны графики отклонения реальной от планируемой траектории в случае учета влияния возмущения. Как видно из рис. 3.29, 3.30, 3.33 и 3.34, значения отклонения возрастали одновременно с резкими изменениями планируемой траектории, вызванными ситуацией обхождения манипулятором неизвестных статических препятствий. При этом полученные значения отклонения не оказывали влияния на процесс избежания столкновения с препятствием.
Метод построения второй комплексной системы планирования и управления перемещением робота-манипулятора в режиме реального времени, функционирующей в условиях неизвестной динамической среды, основан на комбинации интеллектуальной системы планирования (п. 2.5, рис. 2.31) и интеллектуальной системы управления (п. 3.2, рис. 3.2). Структура предложенной комплексной системы показана на рис. 3.35. Целью ее разработки являются: тестирование ее возможности планирования в режиме реального времени свободной от столкновения с неизвестными динамическими препятствиями траектории перемещения двухзвенного робота-манипулятора; проверка его способности следовать по планируемой траектории в неизвестной динамической среде с определением соответствующих значений отклонения.
В ходе компьютерного моделирования функционирующей в неизвестной динамической среде комплексной системы планирования и управления использована траектория, показанная на рис. 2.34. Результаты компьютерного моделирования представлены на рис. 3.36-3.38.
Графики планируемой и реальной траекторий изображены на рис. 3.36. Графики крутящих моментов (выходов НПД-регуляторов) представлены на рис. 3.37, тогда как на рис. 3.38 показаны графики отклонения между планируемой и реальной траекториями. Среднеквадратическая ошибка за все время тестирования для Q{ составила 0,74139-10"6 рад, а для 92 - 5800-10"6 рад. На рис. 3.38 видно, что максимальное значение отклонения для 02 приблизительно равно ± 0,25 рад. При этом относительно большая величина среднеквадратиче-ской ошибки вызвана резким изменением в планируемой траектории, когда интеллектуальная система планирования вырабатывала большой шаг реактивного перемещения за малое количество программных итераций. Как указано во второй главе, эта система планирует реактивное движение робота посредством максимизации значения шага перемещения на каждой итерации (kFX=l и Компьютерное моделирование перемещения робота по планируемой траектории в неизвестной динамической среде из начальной точки в целевую показало, что описанные выше большие значения отклонения для 02 ведут к столкновению второго звена манипулятора с вертикально движущимся препятствием. Эта проблема может быть решена посредством уменьшения на 50 % скорости движения этого препятствия и рассмотрение нового значения скорости в качестве максимально допустимого. Так же в ходе компьютерного моделирования было выявлено, что когда шаг вертикально движущегося препятствия на каждой программной итерации равен 0,0125 м3, полученные значения отклонения е2(пТ) не приводят к столкновению с ним второго звена робота. В этом случае наблюдаются незначительные изменения планируемой и реальной траекторий.
В контексте решения проблемы избежания столкновения манипулятора с неизвестными динамическими препятствиями для минимизации значений отклонения между планируемой и реальной траекториями в интеллектуальной системе планирования необходимо уменьшить значения масштабных коэффициентов kF] и kF2 наряду с минимизацией скорости вертикально движущегося препятствия. На рис. 3.39 показаны графики планируемой и реальной траекторий, полученные при kFX = 0,6, kF2 = 0,6 и шаге перемещения этого препятствия, который равен 0,0125 м. Графики полученных значений отклонения изображены на рис. 3.40. При этом значения среднеквадратической ошибки за все время тестирования для Qx равнялось 0,55439-10"6 рад, а для 62 - 0,021695-Ю"6 рад. Результаты компьютерного моделирования показали отсутствие столкновений между звеньями манипулятора и движущимся препятствием.
