Содержание к диссертации
Введение
ГЛАВА 1 Анализ проблем проектирования и управления микроробототехническими системами 22
1.1 Анализ предметной области и классификация микроэлектромеханических систем 22
1.2 Актуальность проблематики исследования 34
1.3 Структура и состав микроробототехнических систем 39
1.4 Архитектура информационно-управляющих комплексов. 44
1.5 Анализ методик синтеза виртуальных систем 53
1.6 Цель и задачи исследования 62
Выводы по 1 -ой главе 64
ГЛАВА 2 Методологические основы построения интеллектуальных Сау mp и МЭМС 66
2.1. Системный подход к проектированию интеллектуальных САУ MP 66
2.2. Концепции построения интеллектуальной САУ MP 77
2.3. Обобщенная структура интеллектуальной САУ MP с элементами виртуальной реальности 86
Выводы по 2-ой главе 93
ГЛАВА 3 Моделирование микроробототех нических систем и их поведения в микромире 94
3.1 Кинематическая и динамическая модели мобильного микроробота 94
3.2 Поведение механических систем в микромире, основные типы взаимодействия контактирующих микрообъектов 121
3.3 Разработка методики математического моделирования микровзаимодействий 143
3.4 Построение моделей механических компонентов МЭМС, приводов и микророботов. Взаимодействие моделей 150
Выводы по 3-ой главе 160
ГЛАВА 4 Интеллектуальное планирование и управление компонентами микротехнологических комплексов и мобильными микророботами 161
4.1 Синтез алгоритмов адаптивного управлення движением мобильного микроробота 161
4.2 Применение нечеткой логики для интеллектуального управления перемещением мобильного микроробота 173
4.3 Синтез интеллектуальной системы управления с учетом динамики микроробота 179
4.4 Методика синтеза прогностических корректирующих цепей моделирующего комплекса 193
4.5 Синтез предиктора для контура планирования и управления микроманипулятором 205
Выводы по 4-ой главе 211
ГЛАВА 5 Синтез алгоритмов управления поведением гетерогенных и гомогенных коллективов микророботов с использованием генетических алгоритмов 213
5.1 Построение структуры систем планирования и управления поведением коллектива микророботов 213
5.2 Разработка генетических алгоритмов системы управления поведением коллектива микророботов 223
5.3 Разработка генетического алгоритма планирования оптимальных маршрутов движения группы микророботов в среде с препятствиями 238
Выводы по 5-ой главе 257
ГЛАВА 6 Разработка модели виртуальной среды 259
6.1 Структура имитационно-технологического комплекса с элементами виртуальной реальности 259
6.2 Режимы обработки информации и иерархическая программная архитектура виртуальной среды 267
6.3 Алгоритмы разработки виртуальных моделей микросистем 274
Выводы по 6-ой главе 291
ГЛАВА 7 Оценка эффективности процессов управления микроробототехническими системами с использованием модели виртуальной среды 292
7.1 Программная реализация системы виртуальной реальности 292
7.2 Разработка системы удаленного управления через сеть Интернет с использованием модели виртуальной среды 303
7.3 Натурные эксперименты и перспективы дальнейшего развития системы виртуальной реальности 329
Выводы по 7-ой главе 335
Заключение 337
Список литературы 340
- Архитектура информационно-управляющих комплексов.
- Обобщенная структура интеллектуальной САУ MP с элементами виртуальной реальности
- Разработка методики математического моделирования микровзаимодействий
- Применение нечеткой логики для интеллектуального управления перемещением мобильного микроробота
Введение к работе
Актуальность проблемы
Происходящие на сегодняшний день изменения в процессах производства миниатюрных компонентов электроники и механики предопределяют ускоренное развитие автоматизированных микротехнологических модулей и микросборочных систем и, в частности, микроробототехнических комплексов (МРТК), построенных на базе мобильных и стационарных микророботов. Практически во всех отраслях промышленности вопросы миниатюризации исполнительных устройств и механизмов являются одними из приоритетных задач; важнейшее значение они имеют для малоресурсных технологических процессов в нанотехнологиях, микроэлектронике, генетике и т.д. Использование МЭМС позволяет производить высокотехнологичные конкурентоспособные образцы продукции в автомобильной промышленности, электронике, медицине, средствах коммуникации и связи, авиации и космонавтике.
Увеличение количества исполняемых функций, точности и надежности микроэлектромеханических систем (МЭМС) и устройств с сохранением сверхмалых размеров возможно благодаря использованию современных интегральных технологий (КМОП, LIGA, SIGA процессы, MUMP's и др.). Но для производства МЭМС, в которых интегрирована сложная механика и электроника, технологий микрообработки недостаточно, дополнительно требуется сборочная фаза и поэлементное пакетирование. В настоящее время крупные центры разработки микро-электромеханичесюгх систем сталкиваются с проблемой создания автоматизированных сборочных центров на базе микророботов, что требует глубокой теоретической и экспериментальной проработки, разработки методологии исследования, проектирования и управления подобными системами.
О Современное состояние исследований в данной области науки можно охарактеризовать, как недостаточное: в настоящее время нет даже экспериментального прототипа микроробототехнической системы, в которой были бы полностью автоматизированы все микросборочные операции: микроманипулирование, сборка, тестирование микрокомпонентов и друпю операции микрообработки проводятся только под контролем человека-оператора. Также недостаточно количество отработанных и эффективных конструкторских решений в микроробототехнике, что связано с необходимостью изготовления экспериментальных образцов, вызванной
отсутствием полномасштабной среды моделирования эффектов микромира. Тем не менее, при производстве простейших МЭМС, таких как микроакселерометры, микрогироскопы, механические резонаторы и т.д., производители активно используют среду моделирования, позволяющую полностью исключить на этапе разработки стадии прототипирования и изготовления опытных образцов, что позволяет сократить в 3-4 раза сроки разработки новых систем и в 1,5-2 раза стоимость конечного продукта. Использование подобных систем при конструировании микророботов не представляется возможным, так как они рассчитаны на моделирование только корпусированных МЭМС, т.е. таких микросистем, которые функционируют в изоляции от внешней среды - внутри герметичного корпуса, или у которых с внешней средой контактирует только сенсорная поверхность. Поэтому возникает необходимость разработки среды моделирования, структура и модельное наполнение которой соответствовали бы специфике функционирования мобильных микророботов в условиях действиях возмущений со стороны внешней микросреды.
Анализ тенденций развития МЭМС, микроробототехники, сложных комплексов, построенных на их базе, и систем управления показывает, что объем функций, выполняемых САУ перспективными микросистемами, определяется следующими основными факторами:
дальнейшим усложнением конструкции микромеханизмов и микророботов, связанным с созданием многофункциональных, гибких, адаптивных производственных систем, изменяющих в широком диапазоне свою структуру и параметры для обеспечения наиболее эффективного (в данных условиях технологического процесса) режима работы [65, 119, 121, 130, 227, 231];
дальнейшим повышением требований к качеству процессов управления, точности реализации операций, экономичности, необходимостью перехода к «самостоятельному» функционированию по состоянию [206, 207,220,267];
необходимость включения системы управления микроробота (микромеханизма) в качестве подсистемы в интегральную САУ технологическим процессом [232,267,279,280].
Эти факторы ведут к усложнению решаемых частных (локальных) задач, к еще большему увеличению количества регулируемых параметров и регулирующих факторов в системе управления, ужесточению требований к различным свойствам системы, к качеству функционирования отдельных подсистем и их взаимодействию. Таким образом, для современных и перспективных микро РТС (не только технологических) характерны: высокая интенсификация процессов управления,
7 широкий диапазон изменения внешних условий и режимов работы, наличие взаимосвязанных друг с другом управляемых рабочих параметров, действие неизме-ряемых сильных возмущений, носящее в лучшем случае слабопропюзируемый характер. Следствием этого является отсутствие точных математических моделей либо их чрезмерная сложность и вероятностный характер, высокая размерность пространства состояний и принимаемых решений по управлению, иерархичность, многообразие критериев качества, высокий уровень шумов и т.д.
Таким образом, микроробот как объект управления относится к классу многосвязных нестационарных и нелинейных объектов, функционирование которого происходит в условиях параметрической и структурной неопределенности. В качестве источников возникновения неопределенностей здесь выступают дефицит информационных, временных, энергетических, материальных и других видов ресурсов, непредсказуемость поведения внешней среды, непредвиденные изменения в структуре и поведении самой системы. Эффективное управление таким сложным динамическим объектом требует автоматизации процедур выбора оптимальных значений регулируемых координат (программ управления) в зависимости от текущей цели управления, условий работы, состояния элементов конструкции. Соответствующее изменение характера организации процесса управления возможно лишь при построении САУ микророботами в классе многоуровневых адаптивных систем. Поэтому повышение эффективности процесса управления и дальнейшего развития САУ микророботов, способных компенсировать последствия влияния неопределенных факторов, является весьма актуальной проблемой.
Сегодня общепризнано, что МЭМС одновременно интегрируются как электронные, так и механические компоненты, а иногда и оптические (тогда они называются микрооптоэлектромеханическими системами - МОЭМС), размеры микросистем измеряются в диапазоне от микрометров до нескольких миллиметров. Микросистемные технологии (МСТ) постоянно развиваются, в последние несколько лет кроме МЭМС и МОЭМС появились такие перспективные направления исследований, как БиоМЭМС (BioMEMS - биологические микроэлектромеханические системы) и ВЧ МЭМС (RF MEMS - вычокочастотные микроэлектромеханические системы), первое из них связано с мониторингом состояния живых организмов и экологией окружающей среды, второе направление - с системами навигации, средствами телекоммуникаций и мобильной связью. Поэтому при разработке микроустройств и микророботов необходимы специалисты различных областей: производство микроэлектроники, металловедение, управление и обработка информации
8 и т.д. В области МСТ основное внимание сегодня сфокусировано на интеграцию отдельных или одновременно целого ряда функций (сенсорных, управляющих, исполнительных и информационных) в одной микросистеме [12, 33, 105, 113, 154, 164, 282, 265]. Эта тенденция привела к тому, что сегодня при производстве комплексных МЭМС возникает ряд совершенно новых инженерных и научных проблем, большая часть из которых связана с вопросами сборки и пакетирования (корпусирования) миниатюрных компонентов в единую гибридную микросистему. Еще в 1959 году Р.Фейнман в известном докладе [229] впервые поставил вопрос о. «...проблеме манипулирования и управления объектами в условиях их чрезвычайно малых массовых и габаритных характеристик». Решение микросборочных проблем Р.Фейнман видел в использовании микромашин, состоящих из микромеханизмов, которые в свою очередь состояли из множества других еще более миниатюрных устройств. Идею Р.Фейнмана можно считать как одну из первых по гибридному построению МЭМС, поскольку во времена становления микроэлектроники доминировали принципы исключительно монолитной интеграции микросистем.
Принципы построения и методы проектирования микросистем, и построения их систем управления наиболее полно отражены в работах отечественных ученых - академика Д.Е. Охоцимского, академика Ф.Л. Черноусько, академика И.М. Макарова, В.М. Лохина, П.П.Мальцева, В.А. Лопоты, А.В. Тимофеева, А.С. Ющенко, Е.И. Юревича, В.Г. Градецкого, В.Е. Павловского, И.В. Рубцова и др. [31, 33, 112, 121, 130, 151, 153, 154, 186, 187, 243], а также в работах зарубежных ученых - Т. Фукуда, М. Хаттори, С. Фатикова, X. Верна, У. Рембольда, П. Дарио, Б.Ж. Нельсона, X. Ямамото, А. Ковача др. [104, 110 ,207, 220,227,233, 237, 258, 265, 280, 287].
При анализе вышеприведенных работ становится очевидно, что при построении САУ МРТК попытки учесть всё на ранних этапах проектирования, т.е. стремиться получить абсолютно полную и достоверную информацию о процессах, ориентироваться только на строгие детерминированные модели, на идеальную реализацию соответствующих методов и алгоритмов, заранее обречены на провал. Поэтому в работе предлагается изначально ориентироваться на интеллектуальные (адаптивные) системы управления МРТК, которые могут сохранить работоспособность в условиях сильных сигнальной и структурной неопределенностей.
Идея интеллектуального (адаптивного) управления микромеханическими устройствами получила широкое распространение благодаря гибкости ее структуры, легкой перенастройки и т.д. В ряде публикаций [4, 18-20, 25, 116-120, 183, 184] отмечаются хорошие перспективы и потенциально высокая эффективность более
9 широкого применения методов искусственного интеллекта - не только для управления данным классом объектов с учетом фактора неопределенности, но также и для реализации систем планирования и обработки информации.
Для сложных динамических объектов широкое распространение получили адаптивные системы управления, построенные в классе'беспоисковых самонастраивающихся систем (БСНС) с эталонной моделью, регулятор параметрического управления которых реализован на основе концепции обобщенного настраиваемого объекта (ОНО) [107, 171, 173, 175]. Структура контура нижнего уровня управления в таких системах, синтезируемая из условия инвариантности движения регулируемых координат от параметрических возмущений, обладает возможностью компенсации влияния нестационарности объекта управления на динамику замкнутой системы.
Принципы построения и методы синтеза беспоисковых систем с эталонной моделью ОНО наиболее адекватны решению задачи синтеза адаптивных алгоритмов управления микророботом, поскольку в БСНС данного типа существует принципиальная возможность раздельного рассмотрения регуляторов координатного управления в основном контуре системы и регулятора параметрического управления в контуре адаптации. Это облегчает расчет, проектирование и подстройку системы, а также обеспечивает необходимую гибкость при разработке и доводке системы, позволяя изменять принципы построения, структуру или параметры прямого канала управления, не затрагивая при этом «адаптивной» части системы.
При проектировании основного контура адаптивных САУ микророботов в классе многосвязных систем автоматического управления возникают серьезные проблемы, связанные с тем, что эти системы относятся к классу многофункциональных систем, поскольку при изменении компоновки САУ или изменении динамических свойств подсистем меняется и описывающая ее система дифференциальных уравнений. Основная трудность при этом заключается в обеспечении на всех режимах устойчивости и желаемого качества функционирования как САУ в целом, так и её сепаратных подсистем.
Теоретическим проблемам синтеза САУ, в том числе и робототехнических систем, посвящены как работы отечественных ученых: академика Б.Н. Петрова, академика А.А. Красовского, чл.-корр. РАН Е.Д. Теряева, С.Д. Землякова, В.Ю. Рутковского, В.А. Боднера, А.А. Шевякова, Б.А. Черкасова, Р.Т. Янушевского, Э.Я. Рапопорта, Ю.М. Гусева, Б.Г. Ильясова, В.И. Васильева, Н.И. Юсуповой, Г.Г. Куликова, Ю.С. Кабалыюва, В.Н. Ефанова, В.Г. Крымского, Ф.А. Шаймарданова, Р.А. Мунасыпова, Ю.А. Рязанова, С.С. Валеева и др., так и
10 зарубежных П. Рейкауфа, Е. Битти, Дж. Бурчама, М. Уонэма и др. [6, 21, 107, 148, 149,171, 173, 175, 183,184,186,187, 188,195-201, 217,220,232,240, 243,246. 274]. В настоящее время можно выделить два основных подхода к описанию задач и методов анализа и синтеза структур линейных САУ:
основанный на использовании классических операторно-частотных методов;
в уравнениях пространства состояний.
Достоинством первого подхода является простота и наглядность, а также возможность описания динамических свойств МСАУ как на уровне подсистем, элементов и связей между ними, так и на уровне системы в целом, что обусловило его широкое применение в инженерной практике. Второй подход наиболее полно отражает вігутреннее строение динамической системы.
Представляется актуальной разработка формализованного подхода к выбору структур динамических систем (ДС), который объединил бы преимущества обеих форм описания и, позволил бы целенаправленно формировать структуру системы в соответствии с выбранными критериями, а также был максимально ориентирован на широкое использование вычислительной техники вследствие необходимости перебора большого количества вариантов. Для этого необходимо найти такую характеристику структуры ДС, которая являлась бы базовым элементом для преобразования структуры всей системы, и позволяла бы при этом оценивать влияние структур отдельных подсистем и многомерных элементов связи на структуру МСАУ в целом, а также давало бы принципиальную возможность для построения самоорганизующихся систем.
Стремительное развитие системных концепций, принципов современной теории управления и информационных технологий на базе последних достижений вычислительной техники существенно расширили границы применимости и возможности реализации на практике быстро функционирующих управляемых сложных систем, в частности, адаптивных систем реального времени с замкнутыми алгоритмами адаптации. Более того, это привело к появлению принципиально новых классов систем управления, таких как интеллектуальные системы. Однако анализ отечественных и зарубежных работ таких учёных, как Н.М. Амосов, К.В. Фролов, Д.А. Поспелов, И.М. Макаров, В.М. Лохин, В.Н. Захаров, А.В. Тимофеев, Б.Г. Ильясов, В.И. Васильев, Н.И. Юсупова, Р.А. Мунасыпов, С.С. Валеев, Ф.М. Кулаков, Э. Мамдани, Л. Заде, К. Фу, Ж. Лорьер [4, 17-21, 31,276, 277,288, 289 ], показывает, что, несмотря на то, что в данной области ведутся активные исследования, до сих
пор не решён целый ряд проблем, в первую очередь связанных с возможностью работы данного класса САУ в существенно изменяющейся внешней среде в режиме реального времени, в силу относительной сложности реализации подходов.
Так как нечеткие системы регулирования, системы управления с использованием нейронных сетей и гибридные интеллектуальные САУ по своим свойствам относятся к нелинейным системам, что существенно затрудняет их синтез. В настоящее время еще не решены вопросы анализа устойчивости и качества, так как в силу сложности аналитического описания практически отсутствуют методы иссле-
*
дования такігх систем. Основным инструментом в настоящее время является моделирование, что подразумевает проведение большого объема экспериментальных исследований. Ускорение темпов внедрения интеллектуальных систем в реальные системы требует оценки накопленного опыта проектирования САУ сложными техническими системами, которыми в силу целого ряда свойств являются микросистемы, с целью дальнейшего совершенствования и анализа перспектив их развития, а также разработки концепции построения и новых методов проектирования адаптивных МСАУ РТС.
В рамках проблемы создания эффективных микроробототехнических систем и комплексов необходимо решение следующих научных и научно-технических задач:
а) разработка теоретических основ функционирования микромеханических
устройств в условиях действия сложпопрогнозпруемых возмущающих воздействий
(в условиях «микромира»), представление всего комплекса взаимодействий в віще
математических и программных моделей. При этом особое внимание необходимо
уделить адгезионным силам и вибрационным процессам при функционировании
механических компонентов;
б) разработка теоретических основ автоматизации технологически процес
сов изготовления МЭМС со сложной объемной интеграцией компонентов, направ
ленных в первую очередь на решение задач автоматизации технологий сборки ме
ханических узлов, решение проблем корпусирования (пакетирования);
в) разработка архитектур, методов и каналов информационного обмена, про
граммного и алгоритмического обеспечений для реализации систем децентрализо
ванного управления большими коллективами мобильных микророботов, функцио
нально однородных и неоднородных;
г) создание программно-аппаратных комплексов и виртуальных систем ин
формационной н системной поддержки всего жизненного цикла изделий МЭМС:
12 от проектирования до использования. Создание единого информационного пространства и средств разработки, изготовления и управления микророботами;
д) проектирование и разработка новых типов микроприводов, микросенсо
ров. Как на основе использования традиционных материалов: пьезокерамики,
сплавы и кристаллы с памятью, биметаллы, так и новых материалов: нанострук-
турные материалы, пластичные массы с уникальными свойствами, композиты и
т.д.
е) разработка новых конструкций микророботов и МЭМС с уникальными
функциональными возможностями, предназначенных для решения «узких» про
блем в технике и технологиях.
В связи с вышеперечисленными нерешенными проблемами и задачами сформулирована цель данной работы и задачи.
Цель и задачи исследования
Цель работы- разработка методологии и теоретических основ управления микроробототехническими системами с использованием интеллектуальных алгоритмов и модели виртуальной среды, а также оценка их эффективности методом математического моделирования.
Задачи исследования
Для достижения поставленной цели требуется решить следующие задачи:
Разработать методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, обеспечивающих эффективное управление базовыми компонентами микросистем как сложными динамическими объектами в условиях структурной и параметрической неопределенности.
Разработать математические модели базовых элементов виртуальной среды на основе физических эффектов микромира и структуры их организации.
Модифицировать метод синтеза алгоритмов адаптивного управления мобильными микророботами с учетом сигнальной и параметрической неопределенности среды функционирования.
Разработать структуру системы и алгоритмы прогнозирования поведения как микроманипулятора, так и микроробототехнической системой в целом.
5. Разработать метод синтеза структуры и алгоритмов интеллектуальных
систем планирования и управления поведением коллектива микророботов на осно
ве генетических алгоритмов.
Разработать многофункциональную виртуальную среду в виде программно-аппаратного комплекса, включая модели, архитектуру, информационные каналы взаимодействия с внешним миром и межагентного взаимодействия.
Исследовать эффективность предложенных методов синтеза интеллектуальных алгоритмов управления и планирования на примере проектирования САУ различными типами механичесюгх микросистем и микророботов с использованием многофункциональной виртуальной среды.
Методы исследования
При выполнении исследований использованы методы теории автоматического управления, теории искусственного интеллекта, системного анализа, математического моделирования сложных систем, теории алгоритмов, теории информации и т.д.
Обоснованность и достоверность полученных результатов
Обоснованность результатов диссертационной работы основывается на использовании в диссертации признанных положений отечественной и зарубежной науки, апробированных методов и средств исследования адекватности моделей, подтверждается корректным применением математического аппарата, согласованием новых результатов с известными теоретическими положениями.
Достоверность результатов диссертационной работы подтверждается согласованностью данных эксперимента и научных выводов, результатами имитационного моделирования и экспериментальных исследований. Достоверность экспериментальных данных обеспечивается использованием современных средств и методик проведения исследований.
На защиту выносятся
Методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, построенными на их базе, основанные как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании виртуальной надстройки с целью расширения функциональности и наблюдаемости системы в условиях действия структурной и параметрической неопределенности.
Способ представления моделей действующих физических эффектов в форме, позволяющей их использовать как эталонные модели в контуре управления или контуре адаптации, а также имеющих интеллектуальные механизмы коррекции, позволяющие учитывать изменение свойств моделируемой системы в динамике.
Модифицированный метод синтеза алгоритмов адаптивного управления микророботами, алгоритмы адаптации, основанные на использовании построенных связных моделей физических эффектов виртуальной среды и позволяющие расширить область устойчивости САУ, что позволило повысить эффективность микро-робототехнической системы в условиях сигнальной и параметрической неопределенности.
Метод синтеза интеллектуальных САУ микротехнологическими комплексами и микророботами с блоками прогнозирования, построенными на базе нейро-сетевых структур с радиалыю-базисными функциями активации, для работы которых используются модели микросреды и данные о предшествующих этапах выполнения операций.
Метод синтеза структуры и алгоритмов интеллектуальных систем планирования и управления поведением коллектива микророботов на основе генетических алгоритмов, позволяющий обеспечить как равномерное распределение микророботов на начальном этапе, так и близкие к оптимальным траектории перемещения микророботов в малой окрестности.
Структура, информационные модели, алгоритмы и программное обеспечение виртуальной среды, реализующей необходимые функции для ее работы в режимах моделирования, синтеза, управления и контроля.
Результаты экспериментальной проверки предложенных методологии, теоретических основ построения интеллектуальных систем управления микророботами и микрокомплексами с использованием модели виртуальной среды.
Научная новизна
Новизна концепции построения интеллектуальных САУ микророботами и комплексами, построенными на их базе, заключается в том, что она основана как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании интеллектуальных алгоритмов управления, а также модели виртуальной среды микромира, что позволяет за счет предлагаемой интеграции научных подходов повысить эффективность процессов управления.
Новизна математических моделей мобильных микророботов и микроэлек-тромеханическнх систем заключается в том, что они адекватно отражают физические эффекты микромира, что позволяет корректно и адекватно строить процессы микровзаимодействий между контактирующими объектами, а также строить различные структуры их организационного взаимодействия.
Новизна предлагаемого модифицированного метода синтеза алгоритмов системы адаптивного управления мобильными микророботами заключается в том,
15 что при формировании алгоритмов адаптации методом обобщенного настраиваемого объекта учитываются особенности моделей микровзаимодействий с учетом проявлений физических эффектов микромира.
Новизна предлагаемых структуры и алгоритма прогнозирования поведения как микроманипулятора, так и микроробототехнической системы в целом заключается в том, что при построении нейросетевых прогностических моделей корректно и адекватно используются модели виртуальной среды, позволяющие достоверно оценивать поведение микросистем под действием сил микромира.
Новизна метода синтеза генетических алгоритмов интеллектуальных систем управления поведением коллектива и планирования локальных траекторий заключается в том, что при формировании хромосом учитывается фактор времени, что позволяет планировать траектории движения мобильных микророботов с учетом динамики изменения состояния окружающей среды. А также новизна метода синтеза структуры системы заключается в том, что он учитывает изменение отношений между агентами коллектива в зависимости от решаемых задач, изменения ситуации и состояния внешней среды, что обеспечивает гибкость в управлении коллективом микророботов.
Практическая ценность и реализация работы Практическая ценность полученных результатов заключается:
в разработанных структурах, алгоритмах систем управления, прогнозирования и планирования, расчетных математических и виртуальных моделях и методике синтеза адаптивно управления для многосвязных беспоисковых самонастраивающихся САУ сложными динамическими объектами, апробированных при практическом проектировании адаптивных систем управления сложными многокомпонентными микроробототехническими системами;
в предлагаемом способе представления простых и гибридных микросистем в виде моделей виртуальной среды, позволяющей интегрировать свойства как отдельных подсистем, так и всей системы в целом, и разработанной на его основе методике анализа и синтеза систем управления сложными динамическими системами;
в методиках анализа и синтеза интеллектуальных систем на основе использования виртуальной среды, позволяющих исследовать устойчивость и анализ качества в каналах систем управления, которые были апробированы при проектировании интеллектуальных систем управления мобильным пьезоэлектрическим микророботом;
в разработанном алгоритмическом и программном обеспечении, позво-
ляющнх автоматизировать основные этапы предлагаемых методик анализа и синтеза интеллектуальных САУ микророботов, которые реализованы в виде виртуальной среды и ее отдельных подключаемых программных модулей для персональной ЭВМ;
- в методике интеллектуального планирования и управления микротехнологическим процессом, основанном на использовании разработанных обобщенных моделях технологических процессов производства микросистем с использованием каналов превентивного управления, виртуальной надстройки, предлагаемых способов информационного обмена между компонентами системы, который учитывает физическое представление базовых эффектов сборочного процесса, а также основные ограничения, накладываемые на процесс, связанные с условиями микросреды.
Полученные результаты внедрены в практику проектирования интеллектуальных систем управления микророботами в Институте механики УНЦ РАН при проектировании микротехнологических модулей, в ОЭММиПУ РАН при проектировании систем управления сложными техническими объектами.
Полученные результаты исследования используются в учебном процессе на кафедре технической кибернетики Уфимского государственного авиационного технического университета при преподавании дисциплин на специальности «Роботы и робототехнические системы».
Практическую ценность также представляет то, что разработанные методы и средства позволяют:
сократить время разработки систем управления новыми микромеханическими устройствами и микророботами за счет создания единой информационной среды, которую можно использовать как при проектировании и отладке конструкций, так и уже скорректированные модели при синтезе алгоритмов управления;
увеличить точность отработки заданных действий за счет использования предложенных алгоритмов синтеза интеллектуальных систем управления, компенсирующих влияние внешней среды и изменения параметров системы, носящих труднопрогнозируемый характер.
Связь исследовании с научными программами
Исследования в данном направлении выполнялись в период с 1995 по 2007 г.г. на кафедре технической кибернетики Уфимского государственного технического университета и в Институте механики Уфимского научного центра РАН в рамках;
международного гранта научного комитета НАТО CRG951002 «Планирование, принятие решений и интеллектуальное управление автономными системами» в 1995-1997 г.г.;
международного проекта Inco-Copernicus ERBIC15CT960702 «Мульти-агентные робототехнические системы для промышленного применения в области транспорта» в 1997-1999 г.г.;
международного гранта научного комитета НАТО CRG972063 «Интеллектуальное планирование и управление для автоматизированной микросборочной станции на базе микророботов» в 1998-2000 г.г.;
федеральной целевой программы «Интеграция» в 1998-2002 г.г.;
научно-технической программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» 03.01.021 по теме «Разработка настольного микросборочного производственного комплекса» в 2000-2002 г.г;
гранта РФФИ №02-01-97916-р2002агидель_а «Математические модели нелинейных многосвязных систем управления» в 2002-2004 гг.
программы № 16 фундаментальных исследований ОЭММиПУ РАН «Анализ и синтез интегрированных интеллектуальных систем автоматического управления сложными техническими объектами» в 2004-2006 гг.;
гранта РФФИ №05-01-97906-р_агидель_а «Развитие частотных методов в исследовании и проектировании многосвязных систем автоматического управления сложными динамическими объектами» в 2005-2007 гг.
гранта РФФИ № 06-08-00635-а «Разработка перспективных устройств микромеханики и микроэлектромеханических систем (МЭМС) с использованием наноструктурных металлических материалов» в 2006-2007 гг.;
программы № 15 фундаментальных исследований ОЭММиПУ РАН «Проблемы анализа и синтеза интегрированных систем управления для сложных объектов, функционирующих в условиях неопределённости», в 2007 г.
Апробация работы
Основные положения, представленные в диссертации, регулярно докладывались и обсуждались, начиная с 1995 года, на 36 научных мероприятиях различного уровня. Среди них наиболее значимые:
1. Совещание по международному проекту Inco-Copernicus ERBIC 15СТ960702 «Мультиагентные робототехнические системы для промышленного применения в области транспорта», Уфа, 1998;
1-я Международная конференция по мехатронике и робототехнике (МиР'2000), Санкт Петербург, 2000;
VII-я Международная конференция «Подходы жизненного цикла к производственным системам: менеджмент, управление и контроль (ASr2000 -ИМВ'2000), Бордо, Франция, 2000;
III-VIII Международные конференции по компьютерным наукам и информационным технологиям (CSIT'2001-2007), Янгантау, 2001; Патрас, 2002; Уфа, 2003; Будапешт, 2005; Карлсруэ, 2006; Уфа, 2007;
Научные школы-конференции «Мобильные роботы и мехатронные системы», Москва, 2001- 2006;
Научная молодежная школа «Интеллектуальные роботы - 2002», Таганрог, 2002;
Международные научные конференции «Искусственный интеллект. Интеллектуальные многопроцессорные системы 2002», Кацивели, Крым, Украина, 2002, 2004,2006; Таганрог, Дивноморское, 2003, 2005, 2007;
Международная конференция «Микророботы, микромашины и микросистемы», IARP'03, Москва 2003;
XII Международная конференция по вычислительной механике и современным прикладным программным системам, Владимир, 2003;
Первая Всероссийская научно-техническая конференция с международным участием «Мехатроника, автоматизация и управление», МАУ-2004, Владимир, 2004;
Первая Всероссийская научно-техническая конференция с международным участием «Мехатроника, автоматизация и управление», МАУ-2005, Уфа, 2005;
Международная конференция «Адаптивные и интеллектуальные роботы: настоящее и будущее», IARP'05, Москва 2005;
1-ая Российская мультиконференция по проблемам управления. Мехатроника, автоматизация, управление - Санкт-Петербург, 2006;
2-ая Российская мультиконференция по проблемам управления. Мехатроника, автоматизация, управление 2007- Геленджик, Дивноморское, 2007;
Публикации. По теме диссертации опубликовано 83 печатных работы, в том числе 12 статей в рецензируемых центральных журналах, входящих в перечень ВАК, 1 монография, 1 учебное пособие с грифом УМО, 16 патентов и 2 свидетельства о регистрации программ.
19 Структура и объем работы
Диссертация состоит из введения, семи глав, заключения, списка литературы из 289 наименований, изложенных на 365 страницах, содержит 99 рисунков и 14 таблиц.
Первая глава посвящена анализу проблемы проектирования интеллектуальных САУ микроробототехническими системами. Проводится анализ тенденций развития современных и перспективных микросистем и их систем управления с точки зрения общих закономерностей развития сложных технических систем, на основе которого обосновывается необходимость построения адаптивных САУ для микросистем, функционирующих в условиях параметрической и структурной неопределенности, вызванных спецификой взаимодействия объектов на микроуровне. Проводится анализ современного состояния методов и подходов к исследованию и проектированию систем автоматического управления микророботами.
По результатам анализа проблемы проектирования конструкций и адаптивных САУ микророботами формулируются цель и задачи исследования данной работы.
Вторая глава посвящена выработке основных методологических принципов построения систем автоматического управления сложными динамическими объектами, какими являются мобильные машшуляционные микророботы и сложноин-тегрированные микросистемы, функционирующие в условиях существенной неопределенности. На основе системного анализа проблем, принципов построения адаптивного и интеллектуального управления в условиях неопределенности предлагается концепция построения и обобщенная структура адаптивных интеллектуальных управляемых сложных микромеханических систем.
В третьей главе строятся кинематическая и динамическая модели микророботов класса МикРоб, рассматриваются основные проблемы взаимодействия микросистем, в частности выделяются основные типы взаимодействий, проводится анализ наиболее известных типов микроприводов. На основе анализа построена логическая система, отображающая методологическую, математическую, кибернетическую и информационную сторону исследований. На основе системного подхода предлагается системная модель процесса проектирования микросистем и их систем управления, представленная в виде множества взаимосвязанных друг с другом этапов. Вырабатываются основные методологические принципы построения систем автоматического управления сложными динамическими объектами, предлагается концепция построения и обобщенная структура интеллектуальной САУ
20 микроРТС.
В четвертой главе диссертации в развитие алгоритмов адаптивного коорди-натно-параметрического управления многосвязными нестационарными объектами для построения адаптивных САУ проводится модификация метода синтеза с учетом специфики взаимодействий объектов а микромире. На основе полученных расчетных моделей и методов оптимизации разработана процедура синтеза корректирующих устройств контура адаптации. Приведена методика синтеза интеллектуальных алгоритмов управления для различных каналов САУ, построенных на базе нечеткой логики и учитывающих особенности функционирования систем в микромире. Рассматриваются структура и методика построения схем превентивного планирования и управления микроманипуляционными операциями.
Пятая глава посвящена разработке алгоритмов управления поведением коллективов микророботов, которые могут быть построены на различных принципах организации информационного взаимодействия и подчиненности. Централизованная схема управления рассматривается как схема управления коллективом микророботов, выполняющих единую технологическую задачу в составе микротехнологического модуля - микрофабрики. Также рассматривается вариант построения, архитектура и функциональное наполнение системы децентрализованного коллектива микророботов, т.е группы достаточно большого размера, выполняющего некоторый комплекс операций и функционирующего в полевых условиях. Показана методика построения систем планирования траекторий и поведения коллективов с использованием генетических алгоритмов.
Шестая глава посвящена разработке структуры виртуальной среды, при этом предлагается в структуру включить пять главных составляющих: виртуальные и математические модели управляемой системы, интерфейсный и моделирующий комплексы, и систему ЗО-визуализации. Функционально структуру виртуальной среды можно разделить на три основных уровня: физическая среда; виртуальная среда; пульт оператора.
Рассматривается наполнение каждого из уровней, выявляются основные проблемы при работе с микроустройствами, на решение которых ориентирована предлагаемая виртуальная среда. Показана методика использования виртуальных сред при проектировании перспективных микромеханизмов.
Седьмая глава посвящена вопросам практического использования полученных теоретических результатов в ходе решения прикладных задач проектирования многофункциональных, адаптивных и нечетких систем управления перспективны-
21 ми микроробототехническими системами. Описывается методика построения, наполнения виртуальной среды, архитектура сетевой надстройки реализующей удаленное управление и основанной на использовании Web-служб, построенных на платформе .Net FrameWork. Предложена методика построения многоуровневых и мультибазисных систем управления на основе использования современных информационных технологий, что позволяет строить кроссплатформенные, «универсальные» решения.
Благодарности
Автор выражает глубокую благодарность:
профессору Б.Г. Ильясову, оказавшему определяющее влияние на формирование научных взглядов автора в области системных исследований, под руководством которого была защищена кандидатская диссертация и, который являлся научным консультантом автора в период обучения в докторантуре;
профессору Мунасыпову Р.А. - за многолетнее и плодотворное сотрудничество в области создания новых конструкций микророботов, систем управления, а также за ценные замечания и полезные рекомендации по работе;
сотрудникам кафедры «Техническая кибернетика» Уфимского государственного авиационного технического университета и Института механики УНЦ РАН -за доброжелательное отношение, внимание и поддержку.
Архитектура информационно-управляющих комплексов.
Определенная часть существующих сегодня микротехнологических систем, используемых для сборки, пакетирования и других технологических операций, основаны на традициях промышленного изготовления ИС. В них типично автоматизируются вакуумное напыление, фотолитография, химическое травление, формирование матричных и линейных электрических развязок, тестирование микрочипов и ряд других процессов, которые давно унифицированы в микроэлектронике. С помощью подобных систем достаточно успешно изготавливаются несложные МЭМС (датчики давления, акселерометры и гироскопы), производство которых требует только планарной микрообработки. Некоторые из образцов весьма ограниченно поддерживают выполнение трехмерных операций, например, глубинное травление, измеряемое десятками микрометров. Даже несмотря на то, что у систем, ориентированных на традиционные приемы микроэлектронной промышленности, возможности незначительны, они, в дополнение к этому, значительно уступают как по надежности, так и по производительности своим прототипам - системам автоматизированного производства ИС.
В последние годы наибольший вклад в общемировой объем производства несложных МЭМС в основном обеспечивается за счет коммерчески распространяемых версий таких комплексов, как MicroTec FC250 (производитель компания SUSS), Micron 5003 (ESEC) [226], Palomar 3500-И (Palomar Technologies) [268] и Sysmelec SMS 1000 (Sysmelec) [279]. Все они разработаны для сборки и пакетирования планарных оптоэлектронных микроустройств. Для других приложений используются другие версии.
Автоматизированное производство сложных микросистем требует разработки совершенно другой системной архитектуры, основу которой составляют принципы последовательной микросборки. В настоящее время еще не сделано окончательного заключения о том, какая оптимальная конфигурация будет обеспечивать наиболее эффективное выполнение последовательных операций. Это можно объяснить тем, что в этих условиях слабейшими звеньями оказываются сенсорная и активаторная подсистемы (приводы), что не позволяет адекватно увеличивать возможности системы управления в целом. В связи с этим, большая рабочая область и широкий диапазон, в котором необходимо совершать прецизионные перемещения, являются одними из главных эксплуатационных характеристик микроманипуляционных систем, реализация которых вызывает наибольшие сложности. На практике размеры рабочей области определяются конфигурацией инструментальных средств и расположением паллет с компонентами микросистем. К примеру, в системе Suss FC250 размеры рабочей области составляют 830x745 мм, манипулятор для монтажа электронных узлов способен перемещаться дискретно в горизонтальной плоскости с точностью 3 мкм и вдоль вертикальной оси на 244 мм с шагом 0,07 мкм.
Для задач сборки трехмерных микроструктур, когда движения исполнительных органов описывают более сложные траектории, рациональнее реализация двух подсистем генерации движений: грубой (точность позиционирования 5-10 мкм и более) и точной (менее 5 мкм). Чаще всего грубые движения генерируются с помощью позиционирующих столов. В качестве исполнительных механизмов обычно используются электродвигатели постоянного тока, если же грубое позиционирование должно совершаться в субмикронном диапазоне, то используются пьезоэлектрические или мапштострикционные привода, которые существенно снижают быстродействие, так как максимальный шаг в этом случае в среднем составляет не более 100 мкм.
В большинстве случаев грубые линейные позиционеры имеют портальную архитектуру, преимуществами которой являются простота и большая рабочая зона. Для достижения максимальной точности в наиболее совершенных устройствах используются воздушные подшипники и керамическое основание, обеспечивающее наилучшую жесткость и термоустойчивость конструкции.
Таким образом, для сборки сложных микросистем наиболее выгодно использование микроманипуляторов для реализации точных движений и грубых позиционеров - для увеличения рабочей зоны. Области их применения связаны с биологическими приложениями и операциями тестирования ИС [256, 248]. Однако для сборочных операций использование систем такого типа затруднено, так как кроме переносных степеней подвижности необходимы также ориентирующие сочленения. Наибольшая сложность, возникающая при разработке многозвенных микроманипуляционных устройств, связана с отсутствием миниатюрных и легких приводов, которые также обеспечили бы высокопрецизионные перемещения и достаточные вращающие моменты для противодействия статическим нагрузкам последующих звеньев, шарниров и рабочего органа.
Обобщенная структура интеллектуальной САУ MP с элементами виртуальной реальности
В рамках рассмотренной в предыдущем разделе концептуальной модели и на основе рассмотренных в разделе 1.4 различных вариантов использования СВР может быть построена интеллектуальная САУ MP (рис. 2.3), в которой можно выделить три основных уровня управления: стратегический, тактический и исполнительный. На каждом уровне решаются свои задачи.
На стратегическом уровне: по командам от внешней управляющей системы производится формализация цели управления и соответствующее планирование поведения системы с учетом реальной обстановки. Для этого планировщик задач генерирует оптимальную последовательность действий, которая с помощью планировщика функций декомпозируется на локальные планы действий отдельных функциональных модулей (сепаратных подсистем или агентов) системы управления.
На тактическом уровне: по командам стратегического уровня производится формирование программных траекторий для отдельных функциональных модулей системы - микророботов, координация (согласование) процессов управления и взаимодействия элементов системы, а также адаптация подсистемы управления исполнительного уровня к изменяющимся условиям функционирования. Для этого планировщик оптимальных программ управления в соответствии с локальными планами действий вырабатывает конкретные уставки задающих воздействий и программ управления, которые с помощью координатора, в соответствии с анализом текущей обстановки на основе информации, получаемой от наблюдателя через анализатор, распределяются на соответствующие сепаратные подсистемы (функциональные модули или агенты исполнительного уровня системы управления), которые участвуют при выполнении поставленной задачи. Для реализации в САУ MP функций адаптации на основе принципа управления по модели в систему вводятся эталонная (виртуальная) модель и построенный на основе принципа инвариантности многосвязный регулятор параметрического управления, настраиваемые коэффициенты которого обеспечивают желаемое движение управляемых координат многосвязного объекта управления, задаваемое эталонной моделью.
На исполнительном уровне: стабилизация нелинейных характеристик микроприводов и микророботов, отработка заданных программ управлення с требуемым качеством переходных процессов, обеспечение робастности, т.е. нечувствительности к вігутренним и внешним возмущениям и т.д. Данные функции реализуются с помощью многосвязного регулятора, сепаратные подсистемы которого построены на основе принципа обратной связи.
Важными элементами рассматриваемой системы являются блок принятия решений, анализатор и наблюдатель, которые на тактическом уровне управления реализуют принцип ситуационного управления. То есть в каждый момент времени по располагаемой информации о поведении системы, о её целях, о состоянии и интересах (подцелях) её отдельных (сепаратных) подсистем исполнительного уровня управления, о характере поведения окружающей среды проводится идентификация (в наблюдателе) и анализ текущей ситуации (в анализаторе); в зависимости от результатов этого анализа принимается управленческое решение (в блоке принятия решений) по корректировке программы (путем перепланирования функций и законов управления) на стратегическом уровне, алгоритмов, структуры управляющей подсистемы (эталонной модели и регулятора параметрического управления) на тактическом уровне управления с целью приведения состояния (поведения) всей системы в соответствие с данной ситуацией.
Виртуальное моделирование тесно связано с ростом производительной мощности вычислительной техники и прогрессом в информационных технологиях. Как научная дисциплина это направление наибольшее развитие получила в 90-е годы прошлого века.
Разработка систем управления, а также реализация новых конструктивных решений микромеханизмов и микроустройств требует проведения не только теоретических, но и экспериментальных исследований с целью подтверждения адекватности и работоспособности предлагаемых подходов и принятых решений.
Как было показано выше, чтобы сократить затраты на экспериментальную проверку на практике часто используются системы виртуальной реальности (СВР).
К примеру, приблизительная стоимость рассмотренных микротехнологических систем составляет в среднем сотни тысяч долларов, при этом большинство из них существуют лишь в единственных экземплярах в виде прототипов, что позволяет относить их к разряду не только дорогостоящего, но и уникального оборудования. Не менее широкой является и сфера вопросов, затрагивающих создание СВР. Разработка микротехнологических систем с виртуальными надстройками в виде СВР, - это, в первую очередь, комплексная задача, требующая анализа как реальных, так и виртуальных аспектов управления и взаимодействия систем на микроуровне.
Возможность решения более широкого ряда сборочных задач с помощью микротехнологических систем связана с возможностями изменения их конфигурации и легкой настройки. Поэтому наиболее предпочтительным является модульное исполнение системы с поддержкой замены основных функциональных устройств. Для виртуальной надстройки это будет означать то, что ее архитектура должна обеспечивать такие качества, как открытость, модульность и универсальность.
Конструктивное исполнение микросборочных систем в значительной степени определяется технологическими допусками, устанавливаемыми на выполнение микроманипуляционных операций. Допуски, прежде всего, определяют способ движения рабочих органов (контурное, дискретное), систему управления (программная, адаптивная) и типы используемых приводов (пьезоэлектрические, маг-нитострикционные и т.д.). Кроме того, от них зависят оптические параметры увеличительных приборов (микроскопов и телеобъективов), такие как минимальное разрешение, фокусное расстояние, поле зрения, частота сканирования и т.д. Использование оптических систем, в свою очередь, вносит коррективы в конструктивное исполнение микросборочных систем. Так, большое фокусное расстояние, которое отличает приборы для работы с объектами микронных и субмикронных размеров, обуславливает тот факт, что в поле из зрения качественная картина может обеспечиваться только в весьма ограниченном диапазоне расстояний от объектива. Причем эта проблема тем острее, чем выше разрешающая способность прибора. Следовательно, эффективность визуального наблюдения определяется величинами номинальных перемещений, которые должны быть как можно меньше в поле зрения объектива при выполнении тех или иных операций рабочим органом микроманипулятора. С другой стороны, уменьшение величины номинальных перемещений приводит к проблемам, связанным с ограничением манипуляционных возможностей и с более сложным выполнением операций по корректировке ориентацни и положения компонентов сборки. Также необходимо отметить, что качественная картина, обеспечиваема приборами с большим фокусным расстоянием в значительной степени определяется настройками освещения, типами используемых ламп, отсутствием теней и т.д. Проблемы с освещением начинают проявляться особенно остро при формировании стереоизображений, когда оператору необходимо идентифицировать и воспринимать сразу три и более проекций рабочей области, а как показано в обзоре, в микротехнологических системах необходимо формировать именно стереоизображения и использовать стереоскопические СТЗ. В то же самое время, анализ промышленных СВР показал, что реализуемая с их помощью информационная (визуальная) поддержка каналов обратной связи, вполне способна не только равноценно, но даже и на более высоком уровне решить проблемы интерпретации и отображения пространственных картин. Однако главное преимущество СВР в микротехнологических системах будет состоять в том, что синтезируемая компьютером трехмерная виртуальная среда позволит обойти множество всех тех проблем, касающихся получения качественной картины с помощью микроскопов и телеобъективов.
Разработка методики математического моделирования микровзаимодействий
Для эффективной работы с деталями, имеющими объем всего несколько кубических миллиметров, и реализации надежной, качественной сборки микроизделия требуется знание не только физики микроуровня, но и полной динамической модели адгезионных эффектов, которые проявляются при контактах объектов с инструментами, поверхностями технологической оснастки и т.д. Для компенсации действующих возмущающих воздействий необходимо построение быстросчетной вычислительной модели с последующей реализацией на ее основе адаптивной системы управления. Однако моделирование микроконтактной динамики специфично как масштабами, так и задачами, выполняемыми при микроманипулировании, что отмечалось, например в [272]. Рассмотрим один из вариантов построения быстросчетной модели окружающего микромира, для ее последующего использования в интеллектуальной системе управления, на примере работы контактных концевых эффекторов, принципы действия которых основаны на криогенных, капиллярных, вакуумных и других силах удержания объектов сборки. Упрощенную модель выполнения операций рассмотрим на примере микросфер радиусом около 10 мкм (рис. 3.20).
При построении модели с целью упрощения не учитываются эффекты микроскопических деформаций, а также такие статические характеристики объектов, как геометрия поверхностей, типы используемых материалов и т.п.
Допустим, что работа ведется при нормальных условиях в воздушной среде. Допустим также, что в начальном состоянии плотность поверхностного заряда всех объектов равна нулю, а заряды наводятся только под действием явлений трибоэлектрификации.
Для проведения вычислительных экспериментов примем следующие предположения:
П рабочая поверхность концевого эффектора прямоугольной формы выполнена из серебра (длина / = 300 мкм; радиус г = 5 мкм; масса тр = 2-Ю 9 кг);
материал микросферы - кремний (радиус г =10 мкм; масса ть= 1-Ю 12 кг); подложка выполнена из полистирола.
Выбор указанных материалов объясняется тем, что при этом выполняется следующее условие, которое обеспечивает возможность более эффективного выполнения операций захвата: НШ НЫП, (3.91)
где Яэм, Ямп - константы Гамакера для пар взаимодействующих материалов при контактах эффектор-микросфера и микросфера-подложка.
Захват микросферы. В соответствии с тем, что в микромире продолжают действовать механика и законы Ньютона [131], рассмотрим захват сферического микрообъекта концевым эффектором в динамике. На рисунке 3.21 показаны характерные контактные расстояния D\ 11D2 между поверхностями взаимодействующих объектов. Примем, что в начальный момент времени их величины А(0) = Ь(0) = 0,4 нм. Если при построении модели предполагается учитывать капиллярные явления, то можно допустить, что конденсат, выпадающий на поверхностях взаимодействующих объектов, выполняет функцию смазочного материала и, тем самым, можно пренебречь эффектами микротрения [96, 97]. Также предположим, что продолжительность операции захвата достаточно мала и взаимодействующие объекты являются абсолютно упругими. Любое из двух последних условий позволяет пренебречь явлениями микроскопических деформаций и связанными с этим силами сцепления (pull-off force) в местах контакта.
Уравнения равновесия системы эффектор-микросфера-подложка, могут быть записаны в следующей форме:
тЛ = Fjf (Л2)созф + F{D2)cosq + F(D2)cos p-Fmeul -m3g, (3.92) 145 тЛ = Т(A)coscp + F(D2)cosq + F (D2)cos9 + F cos9 - mMg + + Г(А)со8ф + 7(А)со8ф + (Д)со8ф, (3.93) 7Э = A + RM + (RM + /)2)-со8(ф), (3.94) 7Э=Д + Z)2cos ), (3.95) где D\,D2, Y3 - расстояния между подложкой и микросферой, микросферой и рабочей поверхностью эффектора, и рабочей поверхностью эффектора и подложкой соответственно; ф - угол между нормалью к обратной стороне рабочей поверхности эффектора и вертикальной осью; Уэ и Уэ скорость и ускорение движения эффектора, Y3= Dx+ D2 СОБ(Ф) ; Fmeiu прикладываемое внешнее усилие к эффектору; Рэфф - эффективная сила удержания микрообъекта; FBdB, F 1 и Fq" - силы Ван-дер-Ваальса, капиллярные и электростатические, индексами i, j обозначены объекты среды, взаимодействие которых приводит к адгезии: м -микросфера, э - эффектор, п -подложка.
Применение нечеткой логики для интеллектуального управления перемещением мобильного микроробота
Большое внимание в последнее время уделяется применению интеллектуальных алгоритмов управления для микросистем, таких как нечеткие регуляторы (HP) и нейронные сети. Различают следующие типы систем управления (в зависимости от методологии построения, используемого методического обеспечения):
система управления на основе экспертных регуляторов;
система управления на основе использования нечеткой логики;
система управления на основе использования искусственных нейронных сетей;
комбинированные системы управления.
В качестве основной причины возникновения идеи нечёткого множества является так называемый принцип несовместимости, который заключается в том, что с увеличением размеров и сложности системы существенно усложняется её моделирование с помощью известных математических выражений. Т.е. при использовании формул существенно возрастает число переменных и параметров, измерение отдельных переменных и определение параметров сильно затрудняется, и создание полностью адекватной модели становится практически невозможным. Вместо этого Заде [95] предложил лингвистическую модель, которая использует не математические выражения, а слова, отражающие качество. Применение этого метода не обеспечивает такую же точность, какой обладают математические модели, но даёт возможность создать хорошую, качественную модель системы.
Приведенная выше система управления подходит для реализации в ней нечеткого регулятора, потому что:
система является многомерной и многосвязной, при помощи одних и тех же входных воздействий реализуются как прямолинейное движение, так и повороты платформы;
присутствуют возмущения случайного характера, не поддающиеся прямому измерению;
нелинейный характер реальных зависимостей вследствие влияния технологических параметров изготовления и эксплуатации.
При построении нечеткого регулятора для блока коррекции была использована стандартная процедура синтеза [18]. В соответствии с данной процедурой синтеза, в первую очередь, необходимо определить цель.
Целью создания корректирующего блока системы управления является уменьшение ошибки отработки микророботом движения по желаемой траектории. В качестве входных переменных выступают отклонения от желаемой траектории, пересчитанные в отклонения каждого привода микроробота 8(t) в локальной системе координат, а в качестве выходных выступают компенсационные дополнения к управляющим напряжениям, рис. 4.6.
Рассмотрим основные ситуации, которые могут иметь место при движении платформы.
Платформа микроробота находится на желаемой траектории, т.е. 8(t)=0 следовательно нет необходимости в компенсационных напряжениях.
Платформа микроробота отклонилась вправо от траектории; в зависимости от ориентации платформы, угол а, увеличить (уменьшить) х-компоненты компенсирующего напряжения и (или) уменьшить (увеличить) у-компоненты.
Микроробот отклонился от траектории влево; в зависимости от ориентации платформы увеличить (уменьшить) х-компоненты компенсирующего напряжения и(или) уменьшить (увеличить) у-компоненты.
Микроробот на траектории, но перешел теоретическую точку; уменьшить управляющие напряжения, при необходимости уменьшить (оставить без изменения) Nrej.
Выше перечислены наиболее характерные ситуации, возникающие при движении микроробота по желаемой траектории. Для того, чтобы снизить затраты на доопределение базы правил и не увеличить вычислительные затраты при работе регулятора, примем число уровней квантования каждой лингвистической переменной равным пяти.
Введем следующие обозначения:
LP - большое положительное;
SP - малое положительное;
Z - около нуля;
SN - малое отрицательное;
LN - большое отрицательное; Полученные после дефаззификации величины используются для коррекции управляющих напряжений. Затем производится нормализация управляющих воздействий, и они поступают на систему генерации последовательности управляющих сигналов.
Использование алгоритмов нечеткой логики позволило повысить в 2,5 раза скорость вычисления управляющих воздействий, уменьшить отклонение траектории микроробота от желаемой траектории по сравнению с системой без контура коррекции. Эксперименты показали, что при использовании корректирующего звена на основе нечеткой логики, система своевременно реагирует на отклонения от желаемой траектории при действии случайных возмущений. Однако в системе присутствует регулятор на основе обратной модели, который также весьма требователен к аппаратным и временным ресурсам.
Для того, чтобы систему управления перемещением микроробота можно было реализовать без использования мощных вычислительных средств и в режиме реального времени, предлагается также использовать нечеткий регулятор в прямой цепи системы управления, т.е. заменить регулятор на основе упрощенной обратной модели на нечеткий регулятор. Рассмотренные выше системы управления демонстрируют хорошие результаты при использовании тех типов движения, где разделены во времени выполнение перемещения и поворота. Но проблемой для них является согласованное движение, когда микроробот одновременно двигается по прямой и вращается.
