Содержание к диссертации
Введение
Глава 1. Анализ состояния вопроса и постановка задач исследования 11
1.1 Анализ методов планирования перемещения мобильного робота 11
1.2 Особенности планирования перемещения мобильного робота в неизвестной среде 21
1.3 Анализ методов планирования перемещения мобильного робота в неизвестной среде с использованием нечеткой логики и нейронных сетей 29
1.3.1 Нечеткая логика для планирования перемещения мобильного робота 29
1.3.2 Использование нейронных сетей для планирования перемещения мобильного робота в неизвестной среде 33
1.3.3 Применение комбинации нейронных сетей и нечеткой логики для планирования перемещения мобильного робота 37
1.4 Оперативное управление перемещением мобильного робота в неизвестной среде 40
1.5 Постановка цели и задачи исследования 46
Глава 2. Разработка интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде 49
2.1 Геометрическое моделирование и кинематика мобильного робота в неизвестной окружающей среде 49
2.2 Построение интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде с помощью аппарата мультиагентов 55
2.2.1 Разработка блока переключения 57
2.2.2 Разработка моделей нечетких блоков системы планирования перемещения мобильного робота 58
2.3 Моделирование интеллектуальной системы планирования перем ещения мобильного робота в неизвестной статической среде с помощью аппарата мультиагентов 66
2.3.1 Моделирование интеллектуальной системы планирования перемещения мобильного робота в агенте обхода препятствий 66
2.3.2 Моделирование интеллектуальной системы планирования перемещения мобильного робота в агенте слежения по стене 68
2.3.3 Моделирование интеллектуальной системы планирования перемещения мобильного робота в агенте движения к цели 70
2.3.4 Моделирование интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде... 73
Глава 3. Разработка интеллектуальной системы планирования перемешениямобильного робота в неизвестной динамической среде 77
3.1 Разработка интеллектуальной системы планирования перемещения мобильного робота в неизвестной динамической среде с помощью аппарата мультиагентов 77
3.2 Разработка нейронной сети для.классификации ситуаций окружающей среды и переключения межу ними 78
3.3 Разработка нечетких блоков для агентов в составе интеллектуальной системы планирования перемещения мобильного робота 85
3.4 Моделирование интеллектуальной системы планирования перемещения мобильного робота в неизвестной динамической среде с помощью аппарата мультиагентов 88
3.5 Выводы 93
Глава 4. Экспериментальные исследования интеллектуальной системы планирования и управления перемещением мобильного робота в неизвестной среде 96
4.1 Разработка экспериментальной модели системы оперативного управления мобильным роботом в неизвестной среде 96
4.1.1 Построение экспериментальной системы 96
4.1.2 Описание экспериментального макета мобильного робота 98
4.1.3 Датчики расстояния экспериментального макета 99
4.1.4 Датчики скорости вращения серводвигателей 102
4.1.5 Интерфейсные электронные модули ввода-вывода 103
4.2 Алгоритм оперативного управления 104
4.3 Экспериментальные исследования интеллектуальной системы планирования перемещения мобильного робота в неизвестной среде 107
4.3.1 Экспериментальное исследование для агента движения к цели 108
4.3.2 Экспериментальное исследование для агента слежения по стене 109
4.3.3 Экспериментальные исследования системы планирования перемещения мобильного робота в неизвестной среде 109
Заключение 115
Литература 117
Приложение 124
- Особенности планирования перемещения мобильного робота в неизвестной среде
- Построение интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде с помощью аппарата мультиагентов
- Разработка нейронной сети для.классификации ситуаций окружающей среды и переключения межу ними
- Алгоритм оперативного управления
Введение к работе
доктор технических наук, профессор В.С. Исаков
Актуальность проблемы. Мобильные роботы находят все более широкое применение для выполнения различных задач в условиях, когда присутствие человека в зоне их работы или невозможно по соображениям безопасности, либо же нежелательно из-за ограничения производительности обслуживаемого технологического оборудования. В виду своей оперативности мобильные роботы широко используются практически во всех сферах жизнедеятельности человека, особенно в военных и промышленных областях, а также, например, при исследовании других планет. Планирование перемещения мобильного робота является важнейшей проблемой функционирования автономных робототехнических систем и одной из наиболее активно исследуемых областей современного научно-практического знания. Решение задачи планирования перемещения робота охватывает вопросы, связанные с такими научными областями, как искусственный интеллект, вычислительная геометрия, компьютерное моделирование и теория автоматического управления. Автоматизация процесса планирования перемещения, при минимизации затрат времени на подготовительно-заключительные операции и ускорении процесса переключения робота с одного производственного задания на другое, является основой для организации гибкого производства.
Целью планирования перемещения мобильного робота является обеспечение желаемой траекторию его движения робота, когда он следует по планируемому пути в соответствии с управляющими воздействиями. Большинство исследований, посвященных проблеме планирования перемещения робота без столкновения с препятствиями на его пути на основе применения нейронных сетей и нечеткой логики, проводились в условиях известной окружающей среды. Решение рассматриваемой проблемы с помощью нечеткой логики является общепризнанным, так как в этом случае механизм принятия решения всегда позволяет генерировать ответные движения робота, вызванные появлением препятствия на его пути. В свою очередь, эффективность использования в рамках данной проблемы нейронных сетей в основном зависит от степени обученности конкретной сети, тогда как самая простейшая модель нечеткой логики вырабатывает требуемый выходной сигнал без какого-либо обучения. Дальнейший поиск решения задачи планирования перемещения робота в режиме реального времени в неизвестной среде с использованием нечеткой логики реализуется посредством применения нейронной сети, обученной правилам нечеткой логики. В этом случае комбинированная нейро-нечеткая система способна более эффективно обучаться и решать проблемы, связанные с нелинейными системами. Это отражено лишь в небольшом количестве научных работ. Таким образом, решение этих проблем является весьма актуальной научно-технической проблемой.
Соответствие диссертации плану работ ЮРГТУ (НПИ) и целевым комплексным программам. Диссертационная работа выполнена в рамках научного направления ЮРГТУ (НПИ) «Теория и принципы создания робототехнических и мехатронных систем и комплексов», соответствует госбюджетной теме П.3.837 «Разработка принципов и средств автоматизации и роботизации производства на основе мехатронных технологий и систем» (2004-2008 гг.) и П.3.865 «Разработка теории и принципов построения интеллектуальных мехатронных и робототехнических систем» (2009-2013 гг.).
Целью исследований является разработка методов построения интеллектуальных систем планирования перемещения мобильного робота, обеспечивающих выполнение им планируемой и уточняемой непосредственно в процессе движения безопасной траектории в окружающей среде с неизвестными препятствиями.
Достижение поставленной цели требует решения следующих исследовательских задач:
- анализ современных концепций и методов разработки систем планирования
перемещения мобильного робота в неизвестной среде;
- разработка интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде и выполнение ее моделирования;
- разработка интеллектуальной системы планирования перемещения мобильного робота в неизвестной динамической среде и моделирование полученной системы;
- проведение экспериментальных исследований интеллектуальной системы оперативного управления перемещением мобильного робота в неизвестной среде.
Идея работы заключается в разработке методов построения интеллектуальных систем планирования перемещения мобильного робота в неизвестной среде на базе применения аппарата мультиагентов, нечеткой логики и искусственных нейронных сетей, обеспечивающих выполнение им планируемой и уточняемой непосредственно в процессе движения безопасной траектории в окружающей среде с неизвестными препятствиями.
В качестве методов исследования использованы методы математического моделирования, аналитической геометрии, кинематического и динамического анализа, нечеткой логики, нейронных сетей, робототехники, мехатроники, дискретного интегрирования и прикладного программирования. Аналитические исследования проведены на ЭВМ, а экспериментальные – с использованием модели мобильного робота.
Научные положения, выносимые на защиту:
метод построения интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде с помощью аппарата мультиагентов, включающий создание четырех агентов: обхода препятствий, слежения по стене, движения к цели, управления скоростью и соответствующих им нечетких блоков;
- метод построения модели нейронных сетей для классификации окружающей среды на агенты и последовательности переключения между ними, отражающий все возможные местоположения препятствий, возникающих на пути робота;
- метод построения интеллектуальной системы планирования перемещения мобильного робота в неизвестной динамической среде с помощью аппарата мультиагентов, включающий комбинацию нейронных сетей и нечетких блоков, с целью обеспечения перемещения мобильного робота без столкновений с препятствиями;
- метод построения алгоритма оперативного управления перемещением мобильного робота в неизвестной среде с помощью аппарата мультиагентов на базе разработанной интеллектуальной системы.
Научная новизна работы состоит в разработке:
метода построения интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде с помощью аппарата мультиагентов, отличающегося использованием нечетких блоков, соответ-ствующих каждому из агентов, и локализацией решения задачи планирования перемещения робота в каждой возникающей конкретной ситуации, позволяющего повысить точность и эффективность планирования перемещения;
- метода построения модели нейронных сетей для классификации окружающей среды на агенты и последовательности переключения между ними, на базе разработанной классификационной таблицы, позволяющей сократить количество подлежащих распознаванию ситуаций неизвестной среды;
- метода построения интеллектуальной системы планирования перемещения
мобильного робота в неизвестной динамической среде с помощью аппарата мультиагентов, включающего комбинацию нейронных сетей и нечетких блоков, отличающегося использованием модели нейронных сетей для классификации окружающей среды, с целью обеспечения перемещения мобильного робота без столкновений с препятствиями.
Обоснованность и достоверность результатов подтверждается кор-ректным использованием фундаментальных законов физики, теории автомати-ческого управления, моделирования, выполненными с использованием совреме-нных ЭВМ и программных пакетов для проведения расчетов и обработки результатов экспериментов; применением современных апробированных методов исследований; удовлетворительной сходимостью результатов компьютерного моделирования и экспериментального исследования.
Значение работы. Научное значение работы состоит в развитии и соверш-енствовании методов построения интеллектуальных систем, основанных на сочетании возможностей нечеткой логики и искусственных нейронных сетей и реализующих процессы планирования перемещения мобильного робота в неизвестной среде.
Практическое значение полученных в работе результатов заключается в разработке:
метода построения интеллектуальной системы планирования перемещения мобильного робота в неизвестной среде с помощью аппарата мультиагентов, позволяющего эффективно решать проблему использования роботов в ситуациях отсутствия информации об окружающей среде, обеспечивая их безопасное перемещение по траектории, свободной от столкновений с неизвестными препятствиями;
метода построения алгоритма оперативного управления перемещением мобильного робота в неизвестной среде с помощью аппарата мультиагентов на базе разработанной интеллектуальной системы, обеспечивающего своевременную реакцию робота на появляющиеся на его пути непредвиденные препятствия;
пакета программ, обеспечивающих возможность моделирования окружающей среды движения мобильного робота в условиях вероятности появления на его пути неизвестных препятствий, а также функционирования интеллектуальной системы планирования перемещения мобильного робота в неизвестной среде, применяемых в различных сферах производства, при проведении научных исследований и в учебном процессе.
Внедрение результатов диссертационного исследования. Разработанные методы построения интеллектуальных систем планирования перемещения мобильного робота в неизвестной среде внедрены в ООО «ПК «НЭВЗ» (г. Новочеркасск Ростовской обл.). Материалы диссертационной работы используются в учебном процессе на кафедре «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 «Мехатроники 2008» (Новочеркасск, 2008 г.), 2-й Российской мультиконференции по проблемам управления (Санкт-Петербург, ЦНИИ «Электроприбор», 2008), 58-й научной конференции ЮРГТУ (НПИ) (Новочеркасск, 2009 г.).
Публикации. Основные материалы диссертации опубликованы в 8 печатных работах, в том числе в 4 статьи в изданиях, рекомендованных ВАК, а также получен патент на полезную модель.
Структура и объем диссертации. Диссертация состоит из введения, 4-х глав, заключения, списка литературы и одного приложения. Общий объем работы составляет 123 страниц машинописного текста, содержит 60 рисунков, 9 таблиц, список литературы из 79 наименований.
Особенности планирования перемещения мобильного робота в неизвестной среде
Основные особенности планирования? траектории перемещения мобильного робота представлены; в-; большом количестве: источников.. Исследование глобальных методов; планирования, траектории содержат различные способы планирования: в режиме офф-лайн в известной статической среде. Под известной средой понимают окружающую робот среду, которая содержит известные по1 форме, размеру и расположению в рабочей зоне препятствия [10].
Первым и наиболее распространенным из методов решения проблемы планирования траектории перемещения мобильного робота в известной среде является геометрический метод построения траектории. Для исключения столкновения- робота с препятствием требуется непрерывный контроль за движением ближайшего к нему препятствия. Необходимо отметить, что геометрический метод прост в использовании, но при этом он подходит для применения далеко не во всех случаях, например, при наличии в рабочей зоне робота нескольких близко расположенных друг к другу препятствий [10, 22].
Другим методом решения проблемы планирования перемещения робота в известной среде является «аппарат мультиагентов», применяемый для нахождения всех возможных ситуаций окружающей среды и определения соответствующих им действий робота. Аппарат мультиагентов-— новая и важная техника в современных исследовательских работах в области искусственного интеллекта. Агент имеет следующие характеристики: - автономность, способность самостоятельно осуществлять автоматический мониторинг окружающей среды; - коммуникативность, возможность комму ницировать с другими агентами или пользователями (операторами); - реактивность, способность агента оценивать информацию об окружающей среде и реагировать на неё; - гибкость, возможность выполнять различные задачи. Следовательно, система на базе агентов может работать в неизвестной! динамической окружающей среде. При этом движение мобильного робота без столкновения с препятствиями является результатом формирования частей движения в соответствии с каждым действием в каждой возможной ситуации. Аппарат мультиагентов подходит для планирования перемещения мобильного робота в среде помещений (indoor environment) [10, 22, 23, 77].
Научный интерес представляет метод искусственных потенциалов, который был первоначально разработан для использования в рамках локального подхода, когда процесс планирования пути робота без столкновений с препятствиями, осуществлялся оператором. Дальнейшее совершенствование метода искусственных потенциалов связано с увеличением объема вычислений. Для оптимизации этого процесса целесообразно использовать возможности нечеткой логики [1, 24, 25].
Оптимизация при планировании перемещения мобильного робота возможна только в режиме офф-лайн в условиях известной среды, когда его движение осуществляетсяі 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 робота, то второй подход — когда даны ее начальная и целевая точки1. 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 [26, 12].
Следует особо отметить, что оптимизация планирования траектории движения мобильного робота 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 мобильного робота в динамической среде, так как соответствующие расчеты и их результаты непосредственно относятся к неподвижным препятствиям.
Автономные робототехнические системы, выполняющие поставленные задачи в неизвестной среде, востребованы в современной промышленности и других отраслям народного хозяйства, что говорит об актуальности исследования проблемы планирования перемещения мобильных роботов без столкновений с неизвестными препятствиями [27, 28].
Рассмотрим подробнее задачу глобального планирования, в рамках которого траектория перемещения мобильного робота рассматривается как последовательность участков или транзитных точек его пути. Отметим, 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 мобильный робот, 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 [26; 29] . Таким образом, планирование перемещения мобильного.робота-в неизвестной среде значительно отличается от планирования в известной среде. Сущность первого заключается в осуществлении планирования, на основе локальной информации об окружающей среде, которая поступает от датчиков, шаг за шагом распознающих рабочую зону мобильного робота [30; 31].
Построение интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде с помощью аппарата мультиагентов
Интеллектуальная система планирования перемещения мобильного робота в неизвестной статической среде с помощью аппарата мультиагентов в своей основе имеет четыре агента: агент движения к цели, агент слежения по стене, агент обхода препятствий и агент управления скоростью. Структурная схема интеллектуальной системы планирования перемещения мобильного робота с помощью аппарата мультиагентов показана на рис. 2.6. Входы интеллектуальной системы (xg, yg) представляют собой координаты целевой точки. Выходы интеллектуальной системы (xt, yt) -координаты текущей точки мобильного робота. На базе значений отклонения координат Axg и Ayg определяются расстояние &цель и угол отклонения в между роботом и целевой точкой. Углы ju\, ці и ju3 являются углами поворота мобильного робота в агентах обхода препятствий, слежения по стене и В данной системе используются четыре нечетких блока (НБ) для выполнения задачи каждого агента: НБ-1 для агента обхода препятствий; НБ-2 для агента слежения по стене; НБ-3 для агента движения к цели и НБ-4 для агента управления скоростью. Блок переключения непрерывно определяет ситуации по агентам и осуществляет активацию и переключение между агентами. Разработка этой системы основывается на трехэтапном процессе. Первый этап заключается в определении значения расстояния между роботом и лежащими в его рабочей зоне препятствиями (dSl) на основании информации, полученной от датчиков расстояния, и построении блока переключения. На втором этапе осуществляется разработка агентов обхода препятствий, слежения по стене и движения к цели. Сигналы от датчиков S3, S4 и S5 являются выходом первого нечеткого блока (НБ-1), выполняющего роль агента обхода препятствий.
Второй нечеткий блок (НБ-2) — агент слежения по стене - получает сигналы из сенсоров SI, S2 или S6, S7. Агент движения к цели построен на базе третьего нечеткого блока (НБ-3), когда нет препятствия вокруг робота в зоне действия датчиков. Выходы этих нечетких блоков являются углами поворота мобильного робота //ь ju2 и //3. На третьем этапе происходит разработка агента управления скоростью с использованием четвёртого нечеткого блока (НБ-4). На основе данных, полученных по результатам первого и второго этапов, определяется окончательное значение изменения угла поворота мобильного робота — //, в соответствии с каждым агентом. Угол поворота мобильного робота и расстояние между роботом и целевой точкой являются входами четвёртого нечеткого блока (НБ-4). Выходы НБ-4 — это управляемый сигнал приводов, способствующие избежанию столкновения робота с неизвестным препятствием и достижению целевой точки. Блок переключения непрерывно определяет ситуации по агентам и оперативно осуществляет активацию и переключение между агентами. Для выполнения этой задачи на основании информации, получаемой ультразвуковыми датчиками расстояния, создается база данных, отражающих складывающуюся ситуацию окружающей неизвестной статической среды. Агент обхода препятствий определяется, когда один из трех датчиков S3, S4, S5 обнаруживает препятствие. Агент слежения по стене задействуется при обнаружении препятствий обоими датчиками S1 и S2 или S6 и S7, которые находятся на левой или правой стороне мобильного робота. Агент движения к цели описывается при отсутствии препятствий вокруг робота в зоне дальности действия ультразвуковых датчиков расстояния. Режимы работы блока переключения описаны в таблице 2.2, где принимается, что: «О» - нет препятствий в зоне действия ультразвуковых датчиков; «1» - обнаруживается любое препятствие; «2» - не важно. Структура интеллектуальной системы планирования перемещения мобильного робота в неизвестной статической среде (рис. 2.6) содержит четыре нечетких блока. Три первых нечетких блока НБ-1, НБ-2 и НБ-3 ИСПОЛЬЗУЮТСЯ ДЛЯ Определения УГЛОВ ПОВОрОТа МОбиЛЬНОГО робота /Л\, JU2, Цъ в соответствии с агентами обхода препятствий, слежения по стене и движения к цели. Последний нечеткий блок НБ-4 предназначен для управления скоростями двигателей мобильного робота. Угол поворота мобильного робота ц\ в агенте обхода препятствий определяется5с помощью первого нечеткого блока НБ-Г на базе информации, получаемой любым из датчиков. S3, S4 и S5i При этом входами в НБ-1 являются сигналы dS3, ё и dS5 от датчиков S3 и S4 и S5. Выход в НБ-1 -угол поворота мобильного робота [i\. Входы в НБ-1 описываются четырьмя функций принадлежности (ФП): двумя трапециевидными: Б (близко от робота) и Д (далеко от робота); двумя, треугольными: С (на среднем расстоянии от робота) и СД (на средне-дальнем расстоянии от робота)
Разработка нейронной сети для.классификации ситуаций окружающей среды и переключения межу ними
Разработка нейронной сети для моделирования классификации ситуаций, связанных с перемещением мобильного робота, и переключения между ними начинается с их определения. Классификация различных ситуаций включают систематизацию на каждой итерации местоположения неизвестных препятствий в рабочей зоне и соответствующих им направлений движения робота. Переключение между агентами зависит от сигналов ультразвуковых датчиков. Для решения этой задачи области действия ультразвуковых датчиков разделяется на 3 зоны, как показано на рис. 3.2: Зона 1 - безопасная, характеризуется безопасным расстоянием с!без (0,3 м). Безопасная зона не играет роли в процессе классификации нейронной сети. Зона 2 - зона активного обнаружения, ограничена от 0,3 м до 2 м. Зона 3 - дальняя, при расстоянии до препятствия более 2 м. При этом полученная датчиками информация может отражать одну из трех ситуаций и символизируется цифрами 0, 1 и 2, что означает: «0» - нет препятствий, т.е. они находятся вне области действия ультразвуковых датчиков, в зоне 3; «1» - обнаруживает любое препятствие, которое находится внутри зоны 2; «2» - не важно, означает отсутствие препятствий или они находятся в зоне 3. На рис. 3.3, 3.4 и 3.5 представлена классификация возможного местоположения препятствий в агентах движения к цели, слежения по стене и обхода препятствий, соответственно. Кружками, расположенными слева, впереди и справа от мобильного робота, обозначены препятствия. При этом отдельный кружок может обозначать как одно, так и группу препятствий. Агент движения к цели задеиствуется, когда ни одного препятствия не обнаружено датчиками S3, S4, S5, а датчики на той же стороне (S1 и S2 или S6 и S7) не обнаруживают препятствия одновременно (рис. 3.3). Предлагаемая в диссертации классификация местоположения неизвестных динамических препятствий для мобильного робота состоит из 23 возможных вариантов ситуаций. Составленная в соответствии с этим полная классификационная таблица имеет 23 позиции, которые описывают ситуации возможного перемещения мобильного робота в рабочей зоне и связанного с ним решения, принимаемого в процессе планирования на каждой итерации. Выходы модели полной классификационной таблицы являются агентами и символизируются цифрами: 3 - обход препятствий, 4 -слежение по стене и 5 - движение к цели. На рис. 3.6 показана предлагаемая структура нейронной сети с блоком кодирования, где значения закодированных выходов d /.-.d используются для классификации препятствия и нахождения агентов. Нейронная сеть состоит из двух скрытых слоев и одного выходного слоя. Первый скрытый слой включает 10 нейронов, второй — 6, тогда как выходной слой представлен 3 нейронами. Предложенная структура нейронной сети обучена по методу обратного распространения ошибки, расчет по методу обратного распространения ошибки для обучения нейронной сети представляется следующими уравнениями: - в ходе первой итерации (i=l): Aw7ffl(/-1) = 0. где Sk(i) - распространяющаяся ошибка в А ом нейроне выходного слоя; ydk{i)- нормализованный желаемый выход нейронной сети; Aww?(0 обновленные значения весов матрицы между выходным и вторым скрытым слоями; г - коэффициент скорости обучения; а - коэффициент инерционности; Aw Q-Y)- предыдущее обновление значений матрицы весов; wtt(/ + l) и wkh(i) - новое и текущее значения матрицы весов; Sh(i) распространяющаяся ошибка в втором скрытом слое; AwhJ(i) - обновленные значения весов матрицы между вторым скрытым и первым скрытым слоями; AwhJ (і -1) - предыдущее обновление значений матрицы весов; whJ (і +1) и wh (і) новое и текущее значения матрицы весов 5} (і) - распространяющаяся ошибка во втором скрытом слое; Awjm(i) - обновленные значения весов матрицы между вторым и первым скрытым слоями; Awjm(i-\)- предыдущее обновление значений матрицы весов; wJm(i + l) и wjm{i) - новое и текущее значения матрицы весов. Модель классификации и нахождения поведения агента на основе нейронной сети включает три стадии. На первой стадии происходит преобразование движений мобильного робота в соответствии с вариантами классификации в коды: 0, 1, 2. Для реализации этого процесса разработан блок кодирования.
Алгоритм оперативного управления
Применение алгоритма оперативного управления обуславливает перемещения мобильного робота непосредственно на основе управляющих команд для двигателей в режиме реального времени, вырабатываемых на каждой программной итерации и представляющих собой реакцию на изменения неизвестной среды. В рамках алгоритма оперативного управления используются управляющие команды для двигателей, которые формируются с учетом значений параметров &цель (Ах и Ау) и //. Эти параметры могут вырабатываться системами планирования перемещения мобильного робота, описанными во второй и третьей главе (рис. 2.7). При этом возникает необходимость изменения структур данных систем для их адаптации к использованию совместно с экспериментальным макетом мобильного робота и измерительными датчиками (ультразвуковые датчики расстояния, датчики вращения), планирования перемещения мобильного робота в неизвестной среде выполнялись в помещении размером 600 600 см. Местоположение начальной и целевых точек показано на рис. 4.12. По умолчанию координаты центра робота, находящегося на середине оси двух задних колес, равна (0, 0). Первая целевая точка ЦІ (-100; 400), вторая целевая точка Ц2 (200; 400) и третья целевая точка ЦЗ (300; 200). Программное обеспечение управления написано на языке Microsoft Visual О Мобильный робот перемещался из начальной точки С в целевую точку ЦЗ (300, 200). Полученные результаты практического эксперимента представлены на рис. 4.13. После 1892-ой программной итерации (установленное время равно 47,3 сек), робот достиг цели без столкновения с препятствием.
Мобильный робот перемещался из начальной точки С в целевую точку ЦЗ (300, 200). Результаты практического эксперимента отражены на рис. 4.15. После 2548-ой программной итерации (установленное время равно 63,7 сек), робот достиг цели. Траектория движения мобильного робота в агенте движения к цели показана на рис. 4.16.
При первом эксперименте мобильный робот перемещается из начальной точки С в целевую точку Ці (-100, 400). Результат практического эксперимента представлен на рис. 4.17. После 2028-ой программной итерации (установленное время равно 50,7 сек), робот достиг цели без столкновения с препятствием. Траектория движения мобильного робота в агенте движения к цели показана на рис. 4.18.
При выполнении второго эксперимента мобильный робот перемещался из начальной точки С в целевую - Цз (300, 200). Результат этого эксперимента представлен на рис. 4.19. После 2496-ой программной итерации (установленное время равно 64,2 сек) робот достиг цели. Траектория движения мобильного робота в агенте движения к цели показана на рис. 4.20
В результате выполненного экспериментального исследования мехатронной системы планирования перемещения мобильного робота в неизвестной среде можно сделать следующие выводы.
1. Проверенные на практике теоретически разработанные системы оперативного управления перемещением мобильного робота в неизвестной среде подтвердили эффективность своего функционирования. Для проведения исследования спроектирована экспериментальная схема, состоящая из лабораторной модели трехколесного мобильного робота, оснащенного семью ультразвуковыми датчиками расстояния типа Devantech SRF04. Карты ввода-вывода соединены с ПК через параллельный порт. Алгоритм оперативного управления разработан в оболочке Microsoft. Visual C++, функционирующей в операционной системе Windows. Выходы этого алгоритма — управляющие команды изменения положения платформы мобильного робота, непосредственно поступающие через последовательный порт на их серводвигатели и позволяющие роботу перемещаться по «безопасной» траектории.
2. Проведенные в условиях неизвестной среды практические эксперименты, когда на пути мобильного робота в произвольных и заранее для него неизвестных местах размещались некоторые препятствия, показали, что робот успешно избежал столкновения с ними.
3. Совершенствование экспериментальной базы исследования заключается, во-первых, в использовании большего количества датчиков с более высокой скоростью и точностью измерения расстояния, что позволит снизить соответствующие временные затраты; во-вторых, в добавлении в структуре интерфейсной карты ввода-вывода более быстродействующего микроконтроллера и использовании более совершенного языка программирования; в-третьих, в применении электронного компаса для корректирования ошибки направления. Это также приводит к повышению быстродействия и точности мехатронной системы. 4. Расхождение теоретических и практических результатов в точности достижения цели объясняется погрешностью измерений используемых датчиков.
Похожие диссертации на Методы построения интеллектуальных систем планирования перемещения мобильного робота в неизвестной среде
