Содержание к диссертации
Введение
Глава 1. Области применения и функциональнее возможности мехатронно- модульных роботов с адаптивной кинематической структурой 10
1.1. Типы конструкций существующих образцов мехатронно-модульных роботов с адаптивной кинематической структурой 12
1.2. Анализ алгоритмов управления мехатронно-модульных роботов с адаптивной кинематической структурой 36
1.3. Подходы к реализации процессов самообучения и самоорганизации в технических системах 46
1.4. Выводы по главе и постановка задачи 63
Глава 2. Разработка моделей и алгоритмов управления движением мехатронно-модульных роботов с адаптивной кинематической структурой 65
2.1. Принципы построения распределенной интеллектуальной системы управления мехатронно-модульных роботов с адаптивной кинематической структурой 66
2.2. Разработка моделей и алгоритмов управления движением мехатронно-модульных роботов с адаптивной кинематической структурой 73
2.3. Разработка методики расчета требуемой мощности приводов для обеспечения отработки алгоритмов управления движением мехатронно-модульных роботов с адаптивной кинематической структурой 106
2.4. Разработка комплекса программных средств для проведения модельных испытаний мехатронно-модульных роботов с адаптивной кинематической структурой 112
2.5. Выводы по главе 122
Глава 3. Разработка алгоритмов самообучения и самоорганизации мехатронно-модульных роботов с адаптивной кинематической структурой 123
3.1. Разработка механизмов автоматического синтеза алгоритмов управления мехатронно-модульных роботов с адаптивной кинематической структурой 124
3.2. Разработка механизмов синтеза структуры и алгоритмов управления мехатронно-модульных роботов с адаптивной кинематической структурой на основе генетического программирования с применением древовидных структур 136
3.3. Разработка механизмов самообучения и самоорганизащга мехатронно-модульных роботов с адаптивной кинематической структурой на основе модифицированных генетических алгоритмов 144
3.4. Реализация процессов самообучения и самоорганизации в мехатронно-модульных роботах с адаптивной кинематической структурой с использованием нечеткой функции полезности 150
3.5. Выводы по главе 154
Глава 4. Разработка макетного образца мехатронно-модульного робота с адаптивной кинематической структурой и проведение экспериментальных исследований 156
4.1. Разработка требований к макетному образцу мехатронно-модульного робота с адаптивной кинематической структурой 156
4.2. Разработка конструкции макетного образца мехатронно-модульного робота с адаптивной кинематической структурой 160
4.3. Разработка системы управления макетного образца мехатронно-модульного робота с адаптивной кинематической структурой 168
4.4. Проведение экспериментальных исследований 176
4.5. Выводы по главе 179
Заключение 180
Список литературы 183
- Анализ алгоритмов управления мехатронно-модульных роботов с адаптивной кинематической структурой
- Подходы к реализации процессов самообучения и самоорганизации в технических системах
- Разработка моделей и алгоритмов управления движением мехатронно-модульных роботов с адаптивной кинематической структурой
- Разработка конструкции макетного образца мехатронно-модульного робота с адаптивной кинематической структурой
Введение к работе
Актуальность работы. Одно из важных и перспективных направлений развития современной робототехники связано с разработкой нового класса устройств - мехатронно-модульных роботов с адаптивной кинематической структурой (ММРАКС). Модульность построения ММРАКС является той принципиальной особенностью, которая потенциально позволяет говорить об обеспечении адаптивности кинематической структуры, ее наращиваемости, реконфигурируемости и т.д. в соответствии со спецификой решаемых задач в условиях неопределенностей окружающей обстановки, внешних возмущений и состояния собственных подсистем. Подобный набор функциональных возможностей предполагает необходимость разработки интеллектуальной системы управления (ИСУ) с распределенной структурой аппаратных средств, обеспечивающей не только движение робота в априорно неизвестной среде, но и автоматический синтез структуры и алгоритмов управления ММРАКС в режиме самообучения. Особенности построения и высокая функциональная гибкость ММРАКС определяют широкий диапазон их возможных прикладных применений - от бытовой сферы до решения специальных и боевых задач в интересах силовых структур; от оперативного создания технологически обоснованных конструкций до мониторинга и исследования пространств с ограниченным доступом, исследования поверхности планет солнечной системы и т.д.
Фундаментальной основой для создания ММРАКС послужило развитие методов искусственного интеллекта, информационных, телекоммуникационных и сетевых технологий, достижения в микросистемной технике, мехатронике и других научно-технических направлениях на рубеже 90-х годов.
Понимание возможностей, открываемых в данном направлении, обусловливает активное развертывание работ по созданию ММРАКС с оказанием мощной финансовой поддержки со стороны оборонных ведомств в развитых странах мира, включая западную Европу, США и Японию. Перспективность данной проблематики и недостаточное внимание к ее развитию в России обусловливает актуальность исследований по разработке прин-
ципов построения ММРАКС и созданию интеллектуальных бор-' товых систем управления подобными устройствами.
Предмет исследования - принципы построения и программно-алгоритмическое обеспечение интеллектуальных самообучающихся систем управления.
Объект исследования - мехатронно-модульные роботы с адаптивной кинематической структурой.
Цель работы
Разработка принципов построения и программно-алгоритмического обеспечения бортовых ИСУ ММРАКС. Для достижения поставленной цели были решены следующие задачи:
Анализ перспектив применения, конструктивного исполнения и алгоритмов управления существующих образцов ММРАКС.
Разработка моделей, принципов построения, архитектуры, алгоритмического и программного обеспечения ИСУ перспективных образцов ММРАКС.
Разработка и исследование методов автоматической реконфигурации и синтеза алгоритмов управления ММРАКС.
Разработка инструментальных средств моделирования ММРАКС.
Разработка макетного образца ММРАКС.
Проведение экспериментальных исследований на моделях и макетном образце ММРАКС.
Методы исследования. Проведенные исследования основаны на использовании методов математического анализа, теории эволюционных алгоритмов, теории распределенных вычислительных систем, математического моделирования и теории нечеткой логики.
Научная новизна диссертации определяется развитием комплексного подхода к разработке алгоритмического обеспечения интеллектуальных систем управления принципиально нового класса устройств - мехатронно-модульных роботов с адаптивной кинематической структурой, включающего:
1. Разработку принципов построения распределенной ИСУ, регламентирующих основные возможности для обеспечения вы-
сокой функциональности ММРАКС.
Разработку моделей и алгоритмов целенаправленного движения ММРАКС в различных конфигурациях. Ключевой особенностью предложенного подхода является реализация алгоритмов управления в виде компактного набора продукционных правил, что является удобным способом формирования управляющих воздействий в условиях неопределенностей.
Разработку механизмов самообучения и самоорганизации на базе эволюционных алгоритмов; на основе предлагаемых подходов реализованы механизмы, обеспечивающие автоматический синтез структуры и алгоритмов управления ММРАКС.
Обоснованность и достоверность научных положений подтверждается теоретическими выкладками, а также результатами численного моделирования и экспериментальных исследований на моделях и макетном образце ММРАКС.
Практическая ценность диссертации определяется комплексной разработкой моделей и программно-алгоритмического обеспечения тактического и стратегического (поведенческого) уровней интеллектуальных систем управления ММРАКС:
Разработаны модели и алгоритмы тактического уровня управления движением ММРАКС в конфигурациях «гусеница», «колесо», «паук».
Разработаны алгоритмы самообучения и самоорганизации ММРАКС стратегического уровня управления.
Разработан комплекс программно-инструментальных средств моделирования движения, процессов самоорганизации и самообучения ММРАКС на базе эволюционных алгоритмов.
Разработан и изготовлен макетный образец ММРАКС с распределенной бортовой системой, реализующей функции тактического уровня управления.
Результаты диссертационной работы использованы в НИР, проводимых кафедрой «Проблемы управления» МИРЭА в рамках грантов РФФИ №05-08-33551-а и №08-08-00345-а, связанных с исследованием и разработкой принципов построения, моделей и алгоритмов управления ММРАКС и использованием эволюционных алгоритмов в задачах автоматического синтеза, настройки и
обучения интеллектуальных систем управления.
6. Результаты диссертации внедрены в учебный процесс кафедры "Проблемы управления" МИРЭА в виде конспектов лекций, программного и методического обеспечения для проведения лабораторных работ по курсу "Интеллектуальные системы управления роботами" для студентов специальностей 220401 (210300) и 220402 (071800) [11].
Апробация работы. Основные результаты диссертации докладывались на Международных научно-технических семинарах "Современные технологии в задачах управления, автоматики и обработки информации" (Алушта, 2006, 2007, 2008 гг.); международной школе-семинаре «Новые информационные технологии» (Судак, 2006), в рамках которой был получен грант фонда содействия развитию малых форм предприятий в научно-технической сфере; 5-й научно-технической конференции «Мехатроника, автоматизация, управление» (МАУ-2008).
Публикации. Основные результаты диссертационной работы опубликованы в 11 печатных работах, в том числе четырех статьях в журналах из перечня ВАК РФ.
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения и списка литературы. Объем основного текста составляет 190 печатных страниц, включая 10 таблиц, 114 рисунков и список литературы из 98 наименований.
Анализ алгоритмов управления мехатронно-модульных роботов с адаптивной кинематической структурой
Поскольку работы в области создания многозвенных мехатронно-модульных роботов направлены в первую очередь на удовлетворение нужд силовых ведомств, они носят закрытый или полузакрытый характер. В связи с этим, доступные материалы не содержат детального описания ведущихся разработок, а в большей степени описывают подходы к построению алгоритмов управления или элементов конструкции. В связи с этим, целью данной подглавы является систематизация доступных материалов для выявления основных подходов к формированию алгоритмов управления ММРАКС.
Анализ ведущихся разработок в области создания мехатронно-модульных роботов показывает, что существуют различные подходы к реализации алгоритмов управления движением и межмодульной синхронизации таких устройств. Ниже представлен обзор, обобщающий основные подходы, положенные в основу работы систем управления существующих образцов ММРАКС.
Передвижение робота CONRO (USC, USA) в конфигурации «Гусеница» Для корректной работы алгоритма каждый модуль должен иметь уникальный идентификатор, согласно которому осуществляется выбор данных. Переход к следующему шагу алгоритма осуществляется после того, как все модули отработали текущее задание. Алгоритм имеет циклический характер, поэтому после завершения последнего шага в таблице, переход осуществляется на начальную позицию.
Синхронизация является ключевой проблемой в задачах управления движением ММРАКС. Для синхронизации действий в данном алгоритме используется один из четырех подходов: централизованный алгоритм; централизованный алгоритм с синхронизацией по таймеру; алгоритм, основанный на концепции биологических гормонов; алгоритм, использующий принцип, согласно которому каждый модуль выполняет свою роль согласно местопо 38 ложению в конструкции.
При первом подходе один из модулей назначается главным. Главный модуль диагностирует завершение всеми модулями текущего задания, после чего выдает команду перехода к следующему шагу алгоритма путем рассылки соответствующих сообщений каждому модулю по информационной сети. Данный механизм синхронизации накладывает серьезные ограничения на пропускную способность информационной сети, поскольку нагрузка на нее растет пропорционально количеству модулей. Оценить границы применимости данного подхода возможно лишь на примере конкретного оборудования и используемых пакетов данных, однако авторы утверждают, что его использование целесообразно лишь при небольшом числе модулей.
Второй подход основан на том, что каждый модуль сам диагностирует свое состояние и принимает решение о переходе к следующему шагу в таблице. Для синхронизации действий между модулями, один из них на каждом шаге алгоритма подстраивает их таймеры согласно своему внутреннему таймеру. Таким образом, при данном подходе осуществляется синхронизация по времени, что существенно сокращает нагрузку на информационную сеть, поскольку эти действия не требуют частого выполнения. Данный подход является сложным в реализации и имеет погрешности при большом количестве модулей, из-за влияния времени передачи данных между модулями. Однако, по сравнению с предыдущим, границы применимости данного подхода существенно расширяются.
Описанные алгоритмы синхронизации имеют существенные недостатки. Во-первых, применение этих алгоритмов накладывает ограничения на количество модулей и пропускную способность информационной сети. Во-вторых, при изменении конфигурации робота (например, когда две гусеницы соединяются в одну) таблица, описывающая действия модулей, должна быть перезаписана. При этом структура новой таблицы может не соответствовать текущим состояниям модулей, вследствие чего поведение робота будет неадекватным. В связи с описанной проблемой, был разработан новый меха 39 низм управления синхронизацией на основе концепции биологических гормонов. Основная идея гормонов заключается в передаче различных управляющих команд в требуемые части тела (в данном случае модули) и координированном выполнении ими соответствующих действий за счет переключения в требуемое состояние. Таким образом, данный подход представляет собой комбинацию двух предыдущих методов синхронизации. В данном случае команды рассылаются не всем модулям, а лишь тем, состояние которых необходимо изменить, что уменьшает нагрузку на сеть. При этом контроль выполнения команды осуществляется непосредственно самими модулем, а синхронизация по времени осуществляется в момент получения команды. Гормон представляет собой сообщение специального типа, содержащее три параметра: команда (тип гормона); время жизни гормона; флаг, содержащий информацию о том, должен ли модуль переключить свое состояние, если в этот момент выполняет другие действия. Если флаг установлен, то модуль может либо изменить необходимый параметр текущего действия либо переключиться на выполнение другого действия. Гормон уничтожается в одном из трех случаях: описанная гормоном задача выполнена; время жизни гормона истекло; описанное гормоном действие в данный момент не может быть выполнено. Гормоны подразделяются на три типа: описывающие действия; синхронизирующие; отвечающие за реконфигурацию.
Особенностью данного подхода является то, что таблица состояний модулей хранится только в главном модуле и может быть перезаписана в любой момент, что позволяет динамично менять конфигурацию робота в любой момент времени.
Кроме описанных алгоритмов, авторами разработан принципиально иной подход к управлению многозвенным мехатронно-модульным роботом CONRO (USC, USA) - так называемый алгоритм управления на основе ролей. Смысл этого подхода заключается в том, что структура робота представляет из себя дерево, каждая ветвь которого выполняет свои задачи. Каждый модуль выполняет некоторые циклические действия с заданным периодом Т, а по прошествии определенного времени, заданного параметром d, он пересылает дочерним модулям соответствующее уведомление. Данный алгоритм обеспечивает минимальную нагрузку на информационную сеть и может быть эффективно использован для различных конфигураций.
Подходы к реализации процессов самообучения и самоорганизации в технических системах
Реализация возможностей автоматического синтеза структуры и алгоритмов управления ММРАКС, обеспечивающих решение поставленных задач, является важнейшим направлением исследований, связанных с реализацией методов самоорганизации и самообучения. Целью самообучения является поиск настроек или синтез базы знаний, обеспечивающих решение задач, поставленных перед обучаемой системой. Существует множество подходов к решению этой задачи, такие как: применение механизмов логического вывода, осуществляющих коррекцию базы знаний на основе заданных правил; использование методов, позволяющих найти решение в определенном диапазоне на основе использования поисковых стратегий и другие. Самообучение может сводиться к оптимизационной задаче, призванной найти решение, являющееся экстремумом некоторой функции, описывающей пригодность системы на заданном интервале. В настоящее время наиболее перспективными и многообещающими методами поиска являются эволюционные алгоритмы, на базе которых во всем мире ведется множество работ по самообучению различных систем, в числе которых: 1) Работы, связанные с организацией самообучения интеллектуальных систем: [1, 5, 29-31, 42, 43, 48, 49, 50, 53, 67, 62, 74, 92, 93]. 2) Фундаментальные работы, связанные с развитием эволюционных алгоритмов и генетического программирования в кибернетике [3, 7, 12, 18, 33, 34,38,66,71,87]. 3) Работы по использованию эволюционных алгоритмов в САПР [2, 11, 15-17,37] Эволюционные алгоритмы являются универсальным инструментом оптимизации и базируются на принципах эволюционного развития живой природы, обеспечивая нахождение приемлемого решения за приемлемое время. Эволюционные алгоритмы представляют собой целый класс методов, среди которых можно выделить: генетические алгоритмы (ГА), генетическое программирование (ГП) и эволюционные стратегии. В настоящее время наибольшее распространение получили генетические алгоритмы, поскольку они наиболее просты в реализации и предъявляют сравнительно невысокие требования к аппаратному обеспечению. Потенциальное решение в генетических алгоритмах кодируется битовой строкой, называемой хромосомой или особью. При поиске решения используется некоторый набор таких хромосом, который составляет популяцию решений. Наличие случайно сформированной начальной популяции решений позволяет иметь не одно решение, являющимся начальным приближением, а целый ряд решений, максимально охватывающих всю область поиска, что уменьшает вероятность попадания в локальный экстремум. Кроме того, генетические алгоритмы используют механизмы синтеза новых популяций решений, которые обеспечивают не только целенаправленный поиск, но и вывод решений из локальных экстремумов за счет случайных изменений данных, кодируемых хромосомами.
Принципиально иным подходом к реализации механизмов самообучения является применение методов логического вывода, суть которых заключается в коррекции баз знаний интеллектуальных систем на основе индукции и дедукции. На основе индуктивных методов возможно реализовать систему, которая будет пополнять или модифицировать общую базу знаний, обобщая ряд частных примеров и решений. Методы дедукции позволяют на основе данных, имеющихся в базе знаний, находить возможные решения в частных случаях. Таким образом, важным преимуществом данного подхода является возможность автоматического пополнения и модификации базы знаний системы в процессе функционирования. Недостатками метода являются: требование к наличию начальной базы знаний и сложность реализации.
Одним из наиболее интересных и перспективных подходов к решению задач автоматического синтеза, настройки и обучения сложных технических систем связан с использованием генетических алгоритмов, которые впервые были предложены еще в середине второй половины XX века (в работах Фрэйзера, Бремерманна, Рида и Холланда) для реализации некоторого метода оптимизации, основанного на эмуляции процессов естественного отбора и наследования в живой природе. Проблематике применения генетических алгоритмов посвящено большое количество работ фундаментального, прикладного и обзорного характера [6, 10, 21, 35, 36, 40, 41, 47]. Значительная их часть связана с исследованием возможностей автоматизированной настройки нейросетевых и нечетких систем на решение конкретных прикладных задач с помощью генетических алгоритмов. С другой стороны, вопросы использования генетических алгоритмов для автоматического формирования баз знаний интеллектуальных систем управления роботами и другими сложными динамическими объектами являются крайне актуальными и представляют абсолютно самостоятельный интерес.
Стандартные ГА [8, 11, 35], строятся согласно обобщенной структуре, которая показана на Рис. 1.32. По существу ГА оперируют с совокупностью особей, закодированных в битовом представлении и рассматриваемых в качестве возможных решений. Каждая из особей подвергается оценке на меру соответствия заданному критерию, после чего наилучшие экземпляры получают возможность принять участие в генерации новой совокупности потенциальных решений. При этом воспроизведение потомков осуществляется за счет случайного изменения и перекрестного скрещивания соответствующих битовых строк родительских особей. Наследование характеристик элитных представителей предыдущей популяции в следующем поколении особей обеспечивает углубленное исследование наиболее перспективных участков пространства поиска решений. В то же время, наличие механизмов случайной мутации битовых строк отобранных элементов гарантирует смену направлений поиска, гарантируя от попадания в локальный экстремум. Подобная имитация процессов эволюции позволяет обеспечить сходимость процедуры поиска к оптимальному решению.
Разработка моделей и алгоритмов управления движением мехатронно-модульных роботов с адаптивной кинематической структурой
Специфика и разнообразие алгоритмов управления движением меха-тронно-модульных роботов в каждом конкретном случае будет во многом определяться особенностями построения их конструктивных элементов. Тем не менее, однотипность этих элементов и однородность вычислительной структуры, образуемой встроенными в них контроллерами, обусловливают целесообразность попытки создания алгоритмов управления, обеспечивающих регулярную повторяемость движений модулей в составе единой кинематической цепи для ее целенаправленного перемещения. Привлекательность такого подхода связана с простотой его программного воплощения, предполагающего организацию последовательной передачи управляющих параметров от модуля к модулю и не требующего больших вычислительных ресурсов. Возможности разработки и применения подобных алгоритмов для управления движением многозвенных робототехнических систем могут быть рассмотрены на примере различных кинематических структур, формируемых на основе типовых мехатронных модулей с двухстепенными шарнирами вращения (Рис. 2.4). Принципиальная конструкция этих шарниров, допускающая относительные повороты относительно двух ортогональных направлений, перпендикулярных продольной оси модуля, позволяет имитировать строение и способы передвижения позвоночных пресмыкающихся и ряда других биологических прототипов [13].
Так, для многозвенного мехатронно-модульного робота с линейной конфигурацией кинематической структуры один из возможных вариантов перемещения по плоской поверхности сводится к реализации волнообразных движений по аналогии с совершаемыми гусеницей. Данная модель накладывает следующие ограничения на введенные параметры: 1. Минимальное количество модулей в кинематической цепи должно быть N = 3. 2. Количество модулей в волне Nд должно быть в диапазоне [3; N]. 3. Угол отклонения шарниров не должен превышать значения ]а —. 4. Поверхность, по которой должен перемещаться робот, должна быть ровной. Задавая значение угла а для крайних модулей, а также их общее число N п в волне исходя из соображений о ее величине и требуемой скорости перемещения, можно определить отклонение р для шарниров промежуточных модулей. Формирование и прохождение волны, предполагающей последовательное воспроизведение повторяемых движений отдельных элементов кинематической цепи, может обеспечиваться организацией межмодульной передачи данных с отработкой соответствующих углов поворота.
Алгоритмическая реализация этого процесса сводится к установке счетчика, позволяющего контролировать пошаговое распространение волнообразного движения от модуля к модулю вдоль всей кинематической цепи. При этом на контроллер каждого мехатронного модуля возлагается ряд элементарных проверок по сопоставлению собственного порядкового номера п (и = 0, 1,..., N-1) с текущим показанием счетчика count для выбора требуемого значения угла поворота Angle.
Следует отметить, что значение счетчика count, изменяемое с единичным шагом, задается центральным процессором в диапазонах [0; N+NB] или [N+NB; 0] в соответствии с необходимостью продвижения волны в прямом или обратном направлении. Предлагаемый подход имеет существенные преимущества по отношению к табличному заданию параметров алгоритмов движения, описанных в первой главе: - при перестройке структуры робота нет необходимости перезаписи таблиц и их верификации; - объем данных, задающих параметры алгоритма движения, не зависит от количества модулей, вследствие чего существенно снижаются требования к объему памяти вычислительного устройства; - алгоритм движения, записанный правилами, не требует больших вычислительных затрат, при этом может быть оперативно модифицирован в процессе функционирования системы. В качестве примера на рис. 2.6 показано пошаговое распространение трехзвенной волны (NB =3), регламентируемое в зависимости от значений счетчика count и обеспечивающее прямолинейное перемещение кинематической цепи из четырех мехатронно-модульных элементов (N= 4).
Разработка конструкции макетного образца мехатронно-модульного робота с адаптивной кинематической структурой
Исходя из вдвинутых требований и целей разработки, макетный образец должен иметь следующие характеристики: 1. макетный образец должен обеспечивать отработку разработанных алгоритмов движения; 2. каждый модуль должен иметь собственную бортовую систему управления; 3. конструкция модуля должна обеспечивать его передвижение как самостоятельной единицы; 4. подвижные сочленения должны быть вращательного типа и обеспечивать движение каждого сустава модуля в двух взаимно перпендикулярных плоскостях; 5. каждый модуль должен состоять из трех сегментов, потенциально обеспечивая возможность установки различного вспомогательного оборудования, требующегося для функционирования бортовой системы управления.
При проектировании макетного образца ММРАКС, возникает ряд ограничений, накладываемых на размеры и вес разрабатываемой конструкции. Как показывает анализ, наибольший размер и массу в разрабатываемом устройстве имеют исполнительные элементы и источники питания. Таким образом, выбирая элементную базу для построения макетного образца ММРАКС, в первую очередь необходимо выбрать исполнительные элементы, обеспечивающие требуемую мощность.
Группа компаний Faulhaber является ведущим европейским производителем сверхмалых и малых микроприводных систем на базе коллекторных и бесколлекторных двигателей постоянного тока диаметром от 1,9 до 44 мм и мощностью от 0,1 до 210 Вт. Благодаря использованию полого ротора и возбуждения от постоянных манитов электродвигатели FAULHABER обладают минимальной вибрацией, малым моментом инерции, высоким КПД и большой мощностью двигателя по отношению к его габаритным размерам. Продукция FAULHABER подходит для решения задач, требующих минимальных размеров привода при условии обеспечения высокой надежности и длительного срока службы.
Компания Alcatel-Lucent Dunkermotoren ориентирована на производство электроприводов средней и малой мощности на базе коллекторных и бесколлекторных двигателей постоянного тока, также специализированных решений для автоматизации дверей, жалюзи и рольставен. Мощность двигате 162 лей: от 2,5 до 530 Вт. В линейку производимого компанией оборудования входят как электродвигатели постоянного тока так и однофазные/трехфазные электродвигатели переменного тока. Электроприводы могут компоноваться планетарными редукторами, червячными редукторами, датчиками скорости/положения, тормозами, тахогенераторами и магнитно-импульсными генераторами. Продукция компании Dunkermotoren хорошо подходит для ре-шеня задач, требующих применения приводов средней мощности при относительно небольших габаритах и требованием высокой надежности.
Компания Махоп специализируется на производстве малогабаритных приводов. Большое разнообразие дополнительного оборудования, такого как датчики, тормозные устройства и др. делает применение продукции Махоп удобным для использования в широком спектре прикладных задач.
Hitec выпускает широкую номенклатуру специализированных сервоприводов различной мощности и размеров. Широкое применение продукции этой фирмы в любительских радио-моделях показало ее высокое качество, а относительно невысокая цена позволяет использовать ее в малобюджетных проектах.
Исходя из предъявляемых требований к разрабатываемому макетному образцу ММРАКС, следует, что выбираемый привод должен обеспечивать необходимую мощность при невысокой цене и удобстве в эксплуатации. Перспективным решением в данном случае является выбор цифрового сервопривода, содержащего в себе все необходимые элементы: двигатель, редуктор, усилитель мощности и датчик положения.
В ходе работы над созданием макетного образца ММРАКС был выбран цифровой сервопривод HSR-8498HB фирмы Hitec (Рис 4.2), имеющий следующие технические характеристики: размеры - 40x20x47 мм; напряжение питания - 6.0-7.4 В; вращающий момент - 7.4-9.0 кг/см; скорость вращения - 60 град, за 0.2 сек.; 163 потребляемый ток в состоянии покоя без нагрузки - 8 мА; потребляемый ток при вращении - 200 мА; потребляемый ток при удержании — 1200 мА; вес - 55 г; интерфейс управления - RS232C; способ управления - ШИМ.
Для реализации двухстепенного сочленения, необходимо применение двух сервоприводов, расположенных взаимноперпендикулярно. Таким образом, минимальные размеры внутренней части проектируемой конструкции составляет 40x47x47 мм. В разрабатываемой конструкции каждый сегмент ММРАКС состоит из трех частей: средний узел (включающий в себя исполнительные механизмы с шестеренками (Рис. 4.3 а)), обеспечивающими центрирование осей вращения) и двух, вращающихся относительно него, подвижных рамок. Конструкция, состоящая их трех таких сегментов, представлена на Рис. 4.3 б).
Принцип работы стыковочной площадки заключается в следующем: в момент стыковки модулей, подвижная рамка должна находиться в открытом положении (Рис. 4.4 а, в), что обеспечивает свободное вхождение штырьков в соответствующие пазы крепления; после того, как штырьки вошли в пазы, подвижная рамка захлопывается (Рис. 4.4 б, г), препятствуя разъединению конструкции,
Необходимо отметить, что в описанной конструкции интерфейсной площадки вся нагрузка соединения ложится на лепестки подвижной рамки и штырьки, вследствие чего, не требуется большой мощности исполнительного элемента, приводящего в движение рамку, в качестве которого может выступать соленоид или двигатель постоянного тока. Рис. 4.5. Внешний вид конструкции изготовленного модуля: а) внешний вид среднего узла; г) внешний вид модуля, состоящего из трех сегментов; Таким образом, в ходе работы по созданию макетного образца ММРАКС были спроектированы основные механические узлы его конструкции. Однако, поскольку изготовление интерфейсных площадок требует привлечения значительных финансовых средств, в рамках данной диссертации было изготовлено четыре модуля ММРАКС, состоящих из трех сегментов (Рис. 4.5), с возможностью их ручной стыковки за счет винтовых соединений.
