Содержание к диссертации
Введение
ГЛАВА 1. Анализ особенностей применения нейросетевых технологий в задачах управления меха тронными системами 13
1.1, Управление мехатронными устройствами 13
1.2. Свойства нейросетей, их классификация и основные аспекты использования 24
1.3. Применение нейросетевых технологий в задачах управления 37
1.4. Постановка задачи 42
Выводы по 1-ой главе 45
ГЛАВА 2. Разработка и исследование на базе нейросетевых структур алгоритмов динамической развязки многозвенных мехатронньтх устройств 47
2.1. Реализация динамической развязки на основе применения нейросстсвого идентификатора и корректирующего регулятора 48
2.2. Быстродействующий пейросетевой регулятор на базе многослойной сети прямого распространения 61
2.3. Исследование эффективности нейросетевых алгоритмов динамической развязки многозвенных мехатронных устройств 68
Выводы по 2-ой главе 86
ГЛАВА 3. Разработка алгоритмов и принципов построения на основе нейросетевых технологий тактического уровня интеллектуальной системы управления мехатронными устройствами 88
3.1. Планирование траектории движения многозвенных мехатронньтх устройств на базе многослойных нейронных сетей прямого распространения 90
3.2. Планирование траектории движения многозвенных мехатронных устройств на базе слабосвязных гомогенных нейронных сетей 110
Выводы по 3-ей главе 134
ГЛАВА 4. Экспериментальные исследования нейросетевых алгоритмов управления многозвенными мехатронными устройствами 136
4.1. Аппаратно-программный комплекс для управления 3-хзвенным мехатронно-модульным роботом с прямоугольной системой координат 136
4.2. Аппаратно-программный комплекс для управления шестистепенным мини-роботом с вертикально-ангулярной системой координат 154
4.3. Мехатронный стенд, имитирующий стрелковую артустановку с изменяющимися инерционными свойствами 176
Выводы по 4-ой главе 194
Заключение 196
Список литературы 199
- Свойства нейросетей, их классификация и основные аспекты использования
- Реализация динамической развязки на основе применения нейросстсвого идентификатора и корректирующего регулятора
- Планирование траектории движения многозвенных мехатронньтх устройств на базе многослойных нейронных сетей прямого распространения
- Аппаратно-программный комплекс для управления 3-хзвенным мехатронно-модульным роботом с прямоугольной системой координат
Введение к работе
Мехатроника, как новое научно-техническое направление, развиваемое с конца 70-х гг. XX века, во всем мире начинает активно внедряться в повседневную практику. Потенциальные применения мехатронных устройств охватывают необычайно широкий диапазон прикладных областей, начиная от микросистемной техники и заканчивая гибкими производственными системами. Регулярно проводятся представительные международные конференции и симпозиумы, выставки и презентации новой техники, разработанной с использованием последних достижений мехатроники, В ряде стран мехатроника стала приоритетной технологией создания машин следующего поколения.
Интерес к мехатронике, которая изначально понималась как некий
симбиоз механики и электроники, в значительной степени связан с
пересмотром ее фундаментальных основ с учетом принципов
интеллектуального управления. Эта современная трактовка предполагает, что
основой мехатронных систем, машин и т. д. является интеллектуальный
мехатронный модуль, который должен включать в свой состав
высокопроизводительный цифровой контроллер, ориентированный на решение
задач обработки информации и управления в реальном времени на основе
применения современных интеллектуальных технологий. Таким образом,
принципиальным отличием отдельных составных компонент
интеллектуальных мехатронных устройств от комплектных электроприводов служит наличие интеллектуальной системы управления, которая в сочетании с традиционной (или новой) механикой позволит создавать мехатронные машины и комплексы, обладающие значительно более высокими техническими характеристиками по сравнению с существующими образцами.
Развитие концепции мехатронно-модульного построения сложных электромеханических систем различной конструкции и назначения предполагает комплексное решение целого ряда важнейших проблем. К их числу в первую очередь следует отнести разработку принципов динамической
развязки быстродействующих приводов с учетом компенсации взаимного влияния отдельных степеней подвижности, а также алгоритмов управления движением, инвариантных к типу кинематической схемы многозвенного мехатронно-модульного механизма.
Подобные задачи возможно не так часто возникают в достаточно хорошо изученной области промышленной робототехники, но нкляются неотъемлемой частью таких, развивающихся стремительными темпами областей, как экстремальная робототехника, микроробототехника. Так же серьезными и требующими разрешения данные проблемы оказываются в задачах управления объектами, функционирующими в экстремальных условиях, автономными объектами и т. д.
Традиционные методы оказываются недостаточно эффективными для решения подобных круга задач, следовательно, логичным выходом представляется применение интеллектуальных подходов и технологий.
К числу наиболее интенсивно развиваемых технологий искусственного интеллекта относятся нейронные сети, экспертные системы, системы нечеткого логического вывода. В последнее время данные технологии получили весьма широкое распространение при решении задач, связанных с распознаванием и идентификацией ситуаций и объектов, с принятием решений, анализом и диагностикой. Однако практическое использование искусственного интеллекта в задачах управления мехатронными системами остается еще достаточно ограниченным, носит частный, локальный характер. Между тем активному развитию интеллектуальных систем в последнее время существенно способствует бурный прогресс в программных и аппаратных средствах вычислительной техники, который позволяет реализовывать в реальном времени на аппаратном и/или программном уровне сложные алгоритмы интеллектуального управления.
Одной из наиболее динамично развивающихся интеллектуальных технологий является технология нейросетевых структур, которые обладают рядом важных положительных свойств, таких как быстродействие, обучаемость, апроксимационные свойства и т.д. Различным аспектам
использования нейронных сетей (НС) в задачах управления посвящены работы Терехова В.А., Галушкина А.ИМ Горбаня А.И., Каляева И.А., Тимофеева А.В., Лохина В.М., Макарова И.М., Еремина ДМ., Wasserman P., Rosenblatt F., Widrow В., Hagan М. и других известных ученых. Активно ведутся работы но данной тематике в ТГТУ, МГТУ им. Н.Э.Баумана, ЛЭТИ, ЦНИИРТК, МАИ, МЭИ, МИФИ и еще в ряде научных школ, что также подтверждает актуальность разработок, направленных на расширение областей применения НС,
В связи с этим развитие технологии нейросетевых структур, как интеллектуальной технологии управления мехатронными системами, представляется важной и своевременной задачей.
Данная диссертационная работа посвящена разработке на основе нейросетевых технологий моделей, алгоритмов и программного обеспечения интеллектуальных систем, позволяющих обеспечить высококачественное управление многозвенными мехатронтгьтми устройствами (ММУ), функционирующими в средах с препятствиями и в условиях воздействия различных факторов неопределенности.
В соответствии с указанной целью в диссертационной работе решаются следующие задачи и проводятся следующие исследования:
разработка на базе нейросетевых технологий алгоритмов функционирования исполнительного уровня интеллектуальных систем управления (ИСУ) мехатронными устройствами, обеспечивающих не только высокое качество управления приводами мехатронных модулей, но и устранение взаимовлияния отдельных степеней подвижности ММУ;
исследование возможностей искусственных нейронных сетей с различной топологией для решения задач управления движением ММУ; определение зависимостей между сложностью ММУ и характеристиками нейросетевой системы управления;
разработка на базе нейросетевых технологий алгоритмов функционирования тактического уровня ИСУ ММУ, обеспечивающих:
высокое качество управления движением ММУ в свободной среде, обход им статических и квазистатических препятствий; проведение экспериментальных исследований, подтверждающих работоспособность и эффективность предложенных нейросетевых алгоритмов функционирования как для нижнего (исполнительного) уровня, так и для верхнего (тактического) уровня ИСУ ММУ. Поставленные задачи решаются на основе применения классических нейросетевых парадигм и разработки специализированных нейросетевых структур. В числе прочих, для решения поставленных в диссертационной работе задач, используются методы теории автоматического управления, теории машинного моделирования, теории искусственных нейронных сетей, теории искусственного интеллекта.
Программное обеспечение разработано на основе объектно-ориентированного подхода с использованием идей и методов, применяемых при построении современных прикладных систем реального времени.
В первой главе проведен анализ особенностей применения нейросетевых технологий в задачах управления. Рассмотрены основные проблемы, возникающие при управлении ММУ, в том числе манипуляционными роботами. На основе анализа различного рода систем управления, применяемых для управления робототехническими объектами, показана перспективность применения интеллектуальных систем управления для объектов типа ММУ.
На основе проведенной классификации существующих типов нейросетевых структур и анализа их общих свойств сделан вывод о целесообразности и эффективности применения технологии нейросетевых структур в качестве базы для построения интеллектуальных систем управления ММУ, Рассмотрены особенности использования данной технологии.
Показано, что для широкого класса технологического оборудования, построенного на базе ММУ, значительное повышение качества работы может быть достигнуто за счет применения НС-технологий на исполнительном и тактическом уроннях иерархии систем интеллектуального управления, что и
стало теоретической основой работы, а также определило структуру диссертации и, в частности, комплекс задач, решаемых во второй главе.
Вторая глава диссертационной работы посвящена исследованию возможностей нейросетевых технологий для совершенствования характеристик исполнительного уровня интеллектуальной системы управления ММУ.
В качестве ключевой выделяется проблема взаимовлияния степеней подвижности ММУ, приобретающая все большую значимость в связи со значительным увеличением процентного числа безредукторных и слаборедукторных двигателей в мехатронных устройствах.
Исследуется односвязная модель, соответствующая каждой степени подвижности ММУ, в которой переменные динамические параметры объекта управления (двигателя) и возмущения приведены к валу исполнительного двигателя. Таким образом, задача компенсации взаимного влияния степеней подвижности сводится к задаче построения быстродействующего регулятора, обеспечивающего инвариантность к суммарному внешнему возмущению. Обосновывается возможность построения такого регулятора за счет применения интеллектуальных технологий.
Показывается, что системы с существующими регуляторами традиционного типа зачастую не обеспечивают должного качества управления во всем диапазоне изменения инерционных параметров управляемош объекта и предлагается два подхода к решению проблемы: первый характерен для устройств, в которых по тем или иным причинам полностью заменить систему управления невозможно. Для таких систем предлагается ввести в контур системы интеллектуальную нейросетевую надстройку, включающую идентификатор приведенного момента инерции и корректирующий регулятор.
Для идентификации приведенного момента инерции предложено использовать многослойную нейронную сеть прямого распространения, характеризующуюся простотой структуры и, как следствие, простотой технической реализации, а также отсутствием внутренней динамики.
Приводятся результаты модельных экспериментов, подтвердающих работоспособность подхода и разработанных в его контексте алгоритмов.
В качестве альтернативы к первому подходу, предполагающему использование нейросетевых технологий в качестве надстройки к существующему оборудованию систем управления, предложена полная перестройка существующей системы управления путем замены традиционного регулятора на нейросетевой. На основе иейросетевого подхода разработаны алгоритмы управления, реализующие апериодические переходные процессы в электроприводах отдельных интеллектуальных мехатронных модулей при произвольных алгоритмах управления и конфигурациях ММУ в целом, В качестве НС-базиса предлагается МНСГТР, как наиболее адекватная задаче и изученная нейросетевая топология.
Приведены результаты модельных экспериментов и экспериментов, проведенных на разработанном аппаратно-программном комплексе, подтвердающие теоретические исследования и показывающие эффективность работы нейросетевой системы управления приводного уровня ММУ.
Третья глава посвящена разработке алгоритмов и принципов построения на основе нейросетевых технологий тактического уровня интеллектуальной системы управления ММУ.
В качестве первого подхода предлагается использование многослойных нейронных сетей прямого распространения (МНСПР) для скоростного вычисления градиента функции рассогласования, позволяющего итеративно выводить ММУ к требуемому положению, В рамках последовательного подхода к решению основной задачи рассматривается планирование траектории движения модели манипуляционного робота, как частного случая ММУ, в свободном пространстве.
Разрабатывается структурная схема иейросетевого тактического уровня ИСУ, которая может быть использована для ММУ произвол иного типа. Приведены результаты исследований по зависимости параметров используемых нейросетевых структур от кинематической схемы ММУ.
Для ситуаций, когда рабочая зона ММУ содержит препятствия разработана модификация метода с помощью использования аддитивного штрафного вектора.
Для обеспечения работы ММУ в среде, где препятствия могут занимать большую часть рабочего пространства, в работе исследованы возможности построения тактического уровня ИСУ на базе слабосвязных гомогенных нейронных сетей (СГНС).
Для планирования траектории движении предложено использовать пространство обобщенных координат (ПОК) ММУ. Для перевода элементов рабочей зоны устройства в ПОК предлагается бинарная нейросетевая структура, осуществляющая отображение пространств. Отображение рабочего пространства ММУ осуществляется на НС-структуру, состоящую из нейросетевых элементов, построенных единым образом; при этом каждый из данных нейросетевых элементов взаимнооднозначно соответствует дискрете из ПОК. Веса синаптических связей формируются в процессе перевода рабочей зоны.
Для планирования траектории движения ММУ предлагается использование НС-реализации известного метода бегущей волны.
На основании рассмотренного алгоритма предложена структурная схема тактического уровня ИСУ мехатрониым устройством, рассчитаны ресурсные характеристики алгоритма и экспериментально сняты некоторые временные характеристики для программной реализации.
Четвертая глава посвящена разработке аппаратно-программных комплексов для исследования моделей и алгоритмов, предложенных в предыдущих главах работы, а именно:
аппаратно-программного комплекса для управления 3-х звенным мехатронно-модулъным роботом с прямоугольной системой координат;
аппаратно-программного комплекса для управления 5-ти степенным мини-роботом с вертикально-ангулярной кинематикой;
аппаратно-программного комплекса для исследования мехатронной системы с изменяющимися инерционными характеристиками.
Первый комплекс разработан для исследования моделей, алгоритмов и структур тактического уровня ИСУ ММУ на базе слабосвячных гомогенных нейронных сетей.
Второй комплекс разработан для исследования моделей, алгоритмов и структур тактического уровня интеллектуальной системы управления мехатронным устройством на базе многослойных нейронных сетей прямого распространения.
Третий комплекс разработан для исследования моделей, алгоритмов и структур приводного уровня интеллектуальной системы управления мехатронным устройством.
Приведены результаты практических экспериментов, подтвержающие работоспособность предложенных нейросетевых моделей и алгоритмов построения тактического и приводного уровня ИСУ ММУ.
В заключении приведена общая характеристика и основные выводы по результатам диссертационной работы.
Работа проводилась на кафедре «Проблемы управления» МИРЭА. Теоретические и практические результаты диссертации были использованы в учебном процессе кафедры «Проблемы управления» МИРЭА в курсах «Информатика», «Алгоритмическое и программное обеспечение интеллектуальных систем управления роботами», «Методы искусственного интеллекта» для студентов специальностей 21.03.00 «Роботы и робототехпические системы» и 07.18.00 «Мехатропика».
Отдельные материалы диссертации вошли в состав НИР№ 1204/К-5 «Поисковые исследования и разработка принципов построения интеллектуальных систем управления для динамической развязки и повышения точности сложных многозвенных электромеханических приводов образцов ВВТ» (шифр «Клише»), №К-186/826 «Разработка интеллектуальной технологии управления оружием на основе распределенных экспертных и нейроподобных систем» (Шифр «Латилус»), выполнявшихся по заданию Секции прикладных проблем при Президиуме РАН; а также НИР № К-200 «Исследование технических путей построения интеллектуальных систем управления робототехнических комплексов ВВТ на базе технологий экспертных и нейроподобных систем» (шифр «Рсфлекс-М»), выполнявшейся по заказу НИИ специального машиностроения при МГТУ им. Н.Э. Баумана.
Результаты работы по созданию программно-алгоритмического обеспечения учебных роботов отмечены медалью Российской Академии Наук н области разработки или создания приборов, методик, технологий и новой научно-технической продукции научного и прикладного значения в 2002 г., а также медалью «За лучшую научную студенческую работу» Министерства Образования РФ в 2001 г.
Свойства нейросетей, их классификация и основные аспекты использования
В рассмотренной структуре необходимо отметить два существенных аспекта. 1. Интеллектуальные задачи не являются прерогативой стратегического уровня и могут возникать на любом из рассмотренных уровней управления. Так задача планирования траектории при наличии препятствий в рабочей зоне носит интеллектуальный характер, особенно в случае подвижных препятствий или случайного их возникновения. Безусловно, современные требования к системам управления приводами ставят интеллектуальные задачи и на приводном уровне, такие как активная адаптация системы управления к изменениям нагрузок и широким вариациям параметров системы и внешней среды или, более того, выбор и самонастройка законов управления в зависимости от этих параметров. 2. Приведенная структура наглядно иллюстрирует некоторую условность разбиения задач управления по иерархическим уровням, порождаемую высокой степенью обобщения представленной модели. Характерным примером является задача планирования траектории в среде с препятствиями. Во многих практических случаях эту задачу удобно решать в два этапа. На первом этапе с использованием того или иного алгоритма составляется план или каркас движения, представляющий собой набор опорных точек траектории, обеспечивающий отсутствие столкновений с препятствием с некоторым запасом. На втором этапе проблема фактически сводится к задаче синтеза программных движений между заданными опорными точками траектории, что является классической задачей тактического уровня, которая может быть решена любым из имеющихся способов. При этом первый этап по существу относится к стратегическому уровню управления и может носить явно выраженный интеллектуальный характер при необходимости поиска оптимального пути или выхода из тупиковых ситуаций. В других случаях, например при обходе динамических препятствий или при необходимости решения задачи обхода препятствий в реальном времени рассмотренный подход оказывается неработоспособным. Это требует применения систем управления, решающих задачу обхода препятствий непосредственно в процессе синтеза программных движений, т.е. фактически на тактическом уровне управления.
Таким образом, можно сделать вывод, что при разработке интеллектуальных систем управления не следует искусственно подгонять ее структуру под рамки приведенной иерархической модели. При этом необходимо использовать эту модель как основу для структуризации системы управления и разделения ее задач на функционально независимые группы.
Использование иерархической структуризации интеллектуальной системы управления позволяет выделить следующие задачи, актуальные именно для управления мехатронными устройствами и эффективно решаемые с помощью применения интеллектуальных технологий: на тактическом уровне - планирование целенаправленных движений объекта в условиях возможных неопределенностей; на приводном уровне - активная адаптация к изменениям нагрузок и широким вариациям параметров системы, включая задачу компенсации взаимовлияния отдельных элементов мехатронного устройства в процессе функционирования;
Вопрос о выборе той или иной интеллектуальной технологии для построения ИСУ мехатронных устройств по существу будет дискуссионным еще многие годы. Подробный сравнительный анализ четырех наиболее перспективных подходов - технологий нечетких преобразований, экспертных систем, нейросетевых структур и ассоциативной памяти - приведен в работе [2]. В данном труде показано, что наибольшего быстродействия следует ожидать от нейросетевых структур, которые кроме этого обладают и еще рядом уникальных свойств. При этом следует отметить, что наиболее серьезные работы, базирующиеся на использовании данной технологии, связаны с нейрокомпьютингом, т,е, созданием быстродействующих устройств, соответствующих требованиям стратегического уровня управления. Представляется интересным и перспективным исследовать возможности нейросетевых структур на двух нижних уровнях иерархии - приводном и тактическом. При положительном решении можно будет говорить об унифицированном подходе ко всем трем уровням построения иерархических интеллектуальных СУ мехатронными устройствами.
Искусственная нейронная сеть представляет собой совокупность нейроподобных элементов [8,9,10? 11 ] - далее именуемых нейронами, -определенным образом соединенных друг с другом и с внешней средой с помощью связей, однозначно характеризуемых параметрами, называемыми весовыми коэффициентами. В зависимости от выполняемых в составе сети функций, составляющие ее нейроны можно типологически разделить на 1) входные, 2) внутренние и 3) выходные.
Входные нейроны - элементы, на которые подается вектор, кодирующий входное воздействие или образ внешней среды. Данные нейроны обычно не осуществляют вычислительных процедур, а лишь транслируют информацию от входа к выходу с учетом активированности собственного состояния.
Внутренне нейроны - элементы, составляюшие основу нейронных сетей, - осуществляют передачу информации от собственного входа к выходу с учетом преобразования, которое для большинства используемых НС может быть записано, как где х - вектор входных сигналов для данного нейрона; а - весовой вектор, каждый элемент которого соответствует величине одной из входных синаптических связей; у- выходной сигнал данного нейрона; b - величина смещения выходного сигнала.
Выходные нейроны — элементы, выходные значения которых одновременно являются выходами сети в целом. Вычислительные процедуры нейронов данного типа аналогичны преобразованию (1.1), свойственному внутренним нейронам сети. В большинстве нейронных моделей тип нейрона связан с его расположением в сети. Впрочем возможны ситуации, когда функции нейронов не столь жестко определены. Например, некоторые применения нейросетевого аппарата [15,16,17] могут потребовать, чтобы входы или выходы топологически «внутренних» нейронов являлись одновременно входами или, соответственно, выходами всей сети.
Реализация динамической развязки на основе применения нейросстсвого идентификатора и корректирующего регулятора
Одной из серьезных проблем большинства многозвенных мехатронных устройств (ММУ) и, в частности, разнообразных многостепенных манигтуляционных роботов является взаимовлияние отдельных звеньев, которое значительно ограничивает динамические характеристики ММУ. В промышленных роботах первых поколений подобное негативное влияние компенсировалось применением редукторов, что естественно ухудшало их массогабаритные и скоростные характеристики. Появление безредукторных и слаборедукторных мехатронных систем специального назначения, микроробототехнических систем и т.д. требует решения означенной проблемы иным способом.
Рассматривая проблему взаимовлияния компонентов многозвенной системы, можно выделить два полярных случая. Во-первых, существуют задачи, в которых особенности функционирования объектов позволяют осуществить аналитический расчет взаимовлияния отдельных составных частей. Этими особенностями может быть или наличие некоторых типовых движений системы, или достаточно простая кинематическая схема ММУ, делающая относительно несложным комплексный анализ системы в целом. Но и в этом случае, зачастую, аналитический расчет не может быть осуществлен в реальном времени из-за нехватки быстродействия вычислительных средств, что делает целесообразным использование новых скоростных технологий для решения данной проблемы.
Ко второму типу задач можно отнести ситуации, в которых аналитический расчет взаимовлияния степеней подвижности ММУ невозможен или в виду значительной сложности, или в виду воздействия внешних факторов неопределенности, таких, например, как априорная незаданность конфигурации устройства, работа в недетерминированной среде и т.д. В условиях неопределенности эффективным во многих случаях оказывается применение интеллектуальных систем [2].
В данной главе рассматривается возможность использования быстродействующей интеллектуальной технологии - технологии нейросетевых структур - для создания алгоритмов управления приводного уровня, обеспечивающих динамическую развязку ММУ.
Реализация динамической развязки на основе применения нейросетевого идентификатора и корректирующего регулятора
Из анализа уравнений движения сложного многозвенного мехатронного устройства [1] следует, что при заранее неизвестных характеристиках его движения, использование полных динамических моделей для синтеза законов управления оказывается чрезмерно сложным при реализации функционирования объектов в режиме реального времени.
Суть предлагаемого подхода (в отличие от известных попыток, при которых алгоритм управления строится на основе математической модели, отражающей специфику взаимного влияния степеней подвижности) состоит в следующем: исследуется односвязная модель, соответствующая каждой степени подвижности ММУ, в которой переменные динамические параметры объекта управления (двигателя) и возмущения приведены к валу исполнительного двигателя. Таким образом, задача компенсации взаимного влияния степеней подвижности сводится к задаче построения регулятора, обеспечивающего инвариантность к суммарному внешнему возмущению и обладающему быстродействием как минимум на порядок превышающим максимальную постоянную времени привода управляемого ММУ.
При таком подходе движение каждой степени подвижности ММУ в общем виде описывается следующей системой уравнений [68]: обобщенные скорости и ускорения і-ой степени, п - количество степеней подвижности ММУ, Mist - статические моменты нагрузки по каждой степени, обусловленные весом звеньев, Mid - моменты вращения двигателей, _/, — моменты инерции, приведенные к валу соответствующих исполнительных двигателей, Gib Gsu - коэффициенты, зависящие от обобщенных координат, их первой и второй производных, а также кинематической схемы ММУ, и характеризующие влияние на динамику і-ой степени всех остальных, __, -управляющее напряжение на двигателе і-ой степени, ЯяЬ Lmi кт кві электрические параметры двигателей соответствующих степеней.
Подобный подход к описанию ИСУ ММУ в целом позволяет естественным образом сделать для тактического уровня данной системы необходимым и достаточным решение кинематической задачи, отражающей статические свойства ММУ, как многосвязного объекта, обусловленные его структурой. Т.е. тактический уровень, на основании заданной или на основании им же сформированной траектории, а также заданных в опорной системе координат скоростей и ускорений, вычисляет требуемые скорости и ускорения в обобщенной системе координат. На исполнительном же уровне отдельный регулятор для каждой степени с адаптивной подстройкой параметров реализует выполнение заданий по своей обобщенной координате. При этом влияние всех остальных степеней в каждом из регуляторов исполнительного уровня рассматривается, как внешнее воздействие, в зависимости от величины которого и происходит адаптация.
Задача реализации адаптивного управления, по сути своей, является задачей формирования конечного множества классов состояния объекта и адекватных управляющих воздействий для каждого класса [2]. Между тем, именно для решения задачи классификации достаточно давно и вполне успешно используется технология искусственных нейронных сетей [69], что и послужило причиной выбора именно этого математического аппарата.
Рассмотрим односвязный следящий электропривод постоянного тока с переменным моментом инерции, поскольку, с одной стороны, именно такими приводами оснащено большинство представителей рассматриваемого класса ММУ, с другой стороны, именно изменение во времени момента инерции, создаваемого остальными степенями ММУ является основным возмущением для каждой конкретной управляемой степени.
Планирование траектории движения многозвенных мехатронньтх устройств на базе многослойных нейронных сетей прямого распространения
Иерархия управления сложными автономно функционирующими мехатронными устройствами предполагает наличие не только исполнительного уровня управления электроприводами, но и тактического уровня планирования целесообразных действий, а также стратегического уровня планирования поведения [79]. Причем, если раньше к таковым устройствам относились преимущественно роботы, применяемые в экстремальных условиях, то в настоящее время все чаще встает вопрос об усложнении иерархии при управлении бытовыми объектами. Наличие тактического уровня предполагается и при управлении частично интеллектуализированными промышленными роботами, также классифицируемыми как сложные мехатронные устройства.
Сложность задач, относящихся к компетенции верхних уровней системы управления (СУ), обусловлена необходимостью идентификации текущей ситуации на основе обработки, обобщения и анализа больших объемов сенсорной информации с последующим принятием управляющих решений. При этом крайне острой становится проблема минимизации требуемых вычислительных, а главное, временных затрат. В этой связи применение технологии нейросетевых структур, обеспечивающих высокое быстродействие за счет параллельной обработки входных сигналов, представляет принципиальный интерес для организации данного уровня управления.
Также решение задачи построения тактического уровня на базе нейросетевых технологий дает возможность говорить о построении ИСУ мехатронными устройствами с помощью единого математического аппарата на всех уровнях иерархии, что является весьма важным и актуальным на сегодняшний день. Для создания тактического уровня ИСУ мехатронными устройствами (МУ) на базе нейросетевых технологий необходим адекватный математический аппарат, позволяющий решать соответствующие задачи. Целью данной главы является разработка подобного математического аппарата, а именно, решение следующих задач; разработка нейросетевых алгоритмов планирования траектории движения МУ на базе многослойной нейронной сети прямого распространения (МНСПР) в свободном пространстве; разработка нейросетевых алгоритмов планирования траектории движения МУ на базе МНСПР в пространстве со статическими препятствиями; разработка структуры тактического уровня нейросетевой СУ многозвенным мехатронным устройствам (ММУ), типа манипуляционный робот, на базе МНСПР; разработка нейросетевых алгоритмов планирования траектории движения МУ на базе слабосвязньтх гомогенных нейронных сетей (СГНС) в пространстве, содержащем произвольное количество препятствий; разработка структуры тактического уровня нейросетевой СУ мехатронным устройством на базе СГНС. Объектом исследования, без потери общности, выбраны манипуляционные роботы, являющиеся подтипом ММУ, весьма широко применяющиеся во многих областях робототехники и являющиеся репрезентативными представителями класса мехатронных устройств с вертикально-ангулярной кинематикой. Задачи, решаемые в данной главе, также являются существенными и для других типов МУ, поэтому большинство полученных решений применимы без концептуальных изменений также и к ним.
Традиционный способ синтеза движений манипулятора, реализуемый в системах управления промышленных роботов, основан на интерполяции решений обратной кинематической задачи (ОЗК) [80] для ряда узловых точек, которые определяют характер траектории пространственного перемещения схвата робота. При этом решать обратную задачу кинематики можно двояко; во-первых, аналитическими методами, во-вторых, методами численными.
Наряду с достоинствами алгоритмов планирования движения манипуляционных роботов (MP), основанных на решении ОЗК (речь идет в основном о численных алгоритмах), таких как: относительная простота, математическая наглядность, легкая реализуемость, - им свойственны и некоторые недостатки (особенно когда речь идет о многозвенных манипуляционных роботах). Во-первых, большой объем вычислений, во-вторых, неоднозначность при определении каждой точки планируемой траектории в случае избыточности конструкции манипулятора, в-третьих, необходимость перерасчета траектории при минимальном изменении рабочей сцены и, наконец, большая сложность адаптации метода ОЗК для задач управления MP в средах с препятствиями. Все эти сложности удается преодолеть или значительно нивелировать при помощи нижеизложенного подхода.
Разработанный вариант организации тактического уровня управления многозвенными мехатронными устройствами (на примере манипуляционного робота) ориентирован на решение задач планирования движений в среде с препятствиями и основан на использовании многослойной нейронной сети прямого распростраїІЄНИЯ (МНСПР), посіроенной на элементах с сигмоидальной характеристикой преобразования сигнала. Выбор такого типа нейронной сети (НС) обусловлен простотой структуры, свойства которой обеспечивают возможности эффективной настройки на заданный принцип функционирования и хорошо изучены [12], возможностью реализации данного типа нейронных сетей на аппаратных неироускорителях и нейропроцессорах [15], а также наличием ряда теорем и работ (Колмогорова-Арнольда, Хсхт-Нильссна, Горбаня и других) [36,13] э доказывающих применимость для решения данной задачи НС подобного вида.
Аппаратно-программный комплекс для управления 3-хзвенным мехатронно-модульным роботом с прямоугольной системой координат
Основным функциональным модулем СУ является процессорное устройство, выполненное на базе однокристальной микроЭВМ семейства MCS-51, Основными функциями данного модуля являются: управление логикой работы мехатронного устройства с помощью специализированного программного обеспечения, записанного в постоянное запоминающее устройство (ПЗУ), входящее в состав модуля; координирующее управление работой всех остальных модулей, входящих в состав системы; хранение программ и данных для реализации традиционных и интеллектуальных алгоритмов управления мехатронными устройствами. Устройство ввода. Для обеспечения возможности ручного управления мехатронным устройством, подключенным к СУ, предназначено устройство ввода, В функции данного устройства входит обработка сигналов от клавиатуры, содержащей 16 клавиш, расположенных на лицевой панели СУ. Модуль устройства ввода обеспечивает передачу сигналов от клавиатуры в специальные регистры, предоставляя таким образом программному обеспечению (ПО) возможность управлять предназначением отдельных клавиш. Формирователь управляющих сигналов. Функцией данного модуля является реорганизация структуры управляющих сигналов процессорного устройства для последующего формирования усилителем непосредственно управляющих напряжений, подаваемых на двигатели мехатронной системы. Усилитель управляющих сигналов. Данный модуль предназначен для преобразования цифровых управляющих сигналов TTL-уровня, поступающих от процессорного модуля, к реальному управляющему напряжению, требуемому для управления двигателями. Также модуль усилителя обеспечивает гальваническую развязку между входными и выходными электрическими цепями, обеспечивая тем самым функцию защиты от взаимовлияния отдельных элементов устройства. Дополнительной функцией данного модуля является двухступенчатая защита двигателей от перегрузки, включающая в себя механизм кратковременного первичного отключения управляющего напряжения и механизм окончательного отсоединения цепей питания двигателей. Параллельный интерфейс. В функции данного модуля входит осуществление связи в управляющей ПЭВМ по высокоскоростному параллельному каналу с поддержкой восьмибитной шины данных, четырех управляющих линий от ПЭВМ к СУ и трех аппаратно-управляемых линий от СУ к ПЭВМ, осуществляющих индикацию состояния контроллера, а именно: нахождение в состоянии перезафузки, срабатывание защиты двигателей, работу в автоматическом режиме. Данный модуль реализует стандартный интерфейс RS-232C для последовательной передачи данных между СУ и управляющей ею компьютером. Также модуль реализует гальваническую развязку электрических цепей контроллера и ПЭВМ. Функциональность данного модуля предусматривает реализацию асинхронного дуплексного обмена данными на скорости 9600 бод. Формирователь сигнала сброса. Функцией данного модуля является возможность формирования сигнала сброса для СУ в целом с последующей реинициализацией всех элементов, входящих в состав системы. Сигнал сброса формируется в следующих ситуациях: при включении СУ; при кратковременном пропадании питающего напряжения; при нажатии на кнопку «Reset», расположенную на корпусе СУ; при определенном состоянии линий последовательного интерфейса (с помощью данного механизма, таким образом, реализуется возможность программной перезагрузки СУ). Фильтр сенсорной информации. Модуль обеспечивает согласование выходных сигналов датчиков обратной связи, расположенных на мехатронных модулях, и входных сигналов СУ, защиту входных цепей СУ от импульсных помех, возникающих при работе двигателей, защиту входных цепей СУ при неправильном подключении датчиков или при выходе их из строя. Преобразователь сенсорной информации. Функцией данного модуля является реорганизация структуры информации от датчиков для последующей передачи и обработки ее в процессорном модуле. Индикаторные элементы. Данный модуль предназачен для осуществления визуальной индикации состояния отдельных элементов контроллера с помощью светодиодов, выведенных па лицевую панель СУ, В функций модуля входнт: аппаратно зависимая индикация состояния управляющих обмоток всех двигателей; ашіаратно- іавие&мая индикация состояния состояние концевых датчиков мехатроиной системы; аппаратно-завстсїшая индикация состояния инкрементных датчиков мехатронной системы; аппаратно-зависимая индикация наличия цифрового и аналогового напряжения в электрических цепях СУ; проіраммнО упрашшемая восьмиразрядная инднкания произвольной и и формации. Система управлении УРГК выполнена по модульному принципу. Каждый из модулей СУ выполнен па отдельной печатной плате из двустороннего фольгаровашюго стеїоотекстолита. Трансформатор питания закреплен на нижней крышке корпуса СУ. Электрические соединения между модулями СУ выполнены с помощью кабелей из многожильного провода.
