ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ, СИМВОЛОВ, ЕДИНИЦ,
СОКРАЩЕНИЙ И ТЕРМИНОВ 6
ВВЕДЕНИЕ 7
1 Анализ средств и методов навигации мобильных роботов 9
1.1 Анализ технологий построения систем навигации 9
1.1.1 Инерциальные системы навигации на гиростабилизированных
платформах 9
1.1.2 Бесплатформенные инерциальные системы навигации 10
1.1.3 Одометрические системы навигации 11
1.1.4 Наземные радионавигационные системы 12
1.1.5 Спутниковые радионавигационные системы 12
1.1.6 Комбинированные системы навигации 13
1.2 Глобальные методы навигации автономного мобильного робота в структурированной среде 15
1.3 Локальные методы навигации для задачи достижения цели в
неизвестной среде 21
1.4 Обобщенная модель системы управления и постановка задачи
исследования 24
2 Разработка методов и моделей адаптивного управления автономным
мобильным роботом 31
2.1 Разработка методов навигации мобильного робота 31
2.1.1 Метод навигации мобильного робота для неструктурированной среды 31
2.1.2 Метод проведения маневров по заданной траектории 42
2.1.3 Результаты имитационного моделирования предложенных методов49
2.2 Моделирование системы управления мобильным роботом 55
2.2.1 Модель интеллектуальной системы управления 55
2.2.2 Исследование производительности аппаратных средств и
вычислительной сложности алгоритмов управления АМР 62
2.2.3 Программное обеспечение клиент-серверного взаимодействия 69
3 Программная реализация методов и моделей адаптивного управления
автономным мобильным роботом 75
3.1 Реализация подсистемы маневров мобильного робота для движения по
заранее заданной траектории 75
3.2 Реализация метода локальной навигации мобильного робота 80
ВЫВОДЫ 87
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ 89
ПРИЛОЖЕНИЕ А 92
А.1 Програмное обеспечение имитационного моделирования нейросетевого метода выполнения маневров АМР 92
А.2 Листинг функций клиент-серверного взаимодействия функциональных блоков робота 96
А.3 Описание представления среды для АРМ Pioneer P2-DX 97
А.4 Листинг програмного модуля управления АМР для задачи выполнения маневров 98
А.5 Листинг модуля локализации АМР с помощью одометрических устройств 103
Автономные мобильные роботы (АМР) как универсальные технические системы, позволяющие самостоятельно выполнять механические действия, являются одним из современных направлений научных исследований [1, 2, 3]. АМР, наделенные средствами интеллекта, используются как в структурированных (производственно-комнатных) средах, так и в неструктурированных (внешних) средах для космических, подводных, воздушных и наземных применений [1, 4, 5]. Например, промышленность заинтересована в многофункциональных промышленных работах; интеллектуальные пылесосы и роботы-собаки начинают использоваться в быту; службы безопасности и спасатели рассчитывают на автономные устройства, обладающие способностью к непрерывному выполнению задач слежения и поиска. При этом все подобные устройства в идеале должны уверенно перемещаться в неизвестной и непредсказуемой среде. Поэтому в настоящее время одной из основных проблем всех существующих мобильных устройств, перемещающихся автономно, без управления со стороны человека, остается навигация. Навигация - процесс управления некоторым объектом в определенной среде [6, 7]. Для успешной навигации в пространстве система управления работа должна уметь строить маршрут, управлять параметрами движения (задавать угол поворота колес и скорость их вращения), правильно интерпретировать информацию об окружающей среде, получаемой от датчиков, и постоянно отслеживать свои текущие координаты.
В структурированных средах, где известна глобальная карта среды (ГКС), для перемещения АМР к цели используют такие методы глобальной навигации как: фронт волны (Wave Front) [8], видимый граф (Visibility Graph) [9, 10], диаграммы Вороного [11, 12], дерево квадратов (Quartrees) [13, 14]. Однако данные методы требуют значительных вычислительных ресурсов для построения траектории движения и для локализации АМР, и они, кроме того, не могут применяться для сложных (неструктурированных) сред. Поэтому следует применять более простые, с вычислительной точки зрения, методы локальной навигации АМР, например, PolarBUG [15], VisBUG [16], FuzzyBUG [17], которые используют для навигации локальную карту среды, отображающую только объекты в пределах видимости сенсоров. При этом повышенная устойчивость управления АМР в условиях неопределенности может быть обеспечена средствами искусственного интеллекта с использованием адаптивных свойств искусственных нейронных сетей (ИНС), что позволяет осуществлять управление АМР в сложных динамических средах [6, 18]. Известно, что существующие методы локальной навигации имеют ряд недостатков, в частности, отклонение от оптимального маршрута, достижение локальных минимумов и сложность локализации АМР. Поэтому актуальной задачей является разработка моделей и новых интеллектуальных средств управления АМР, обеспечивающих выход к цели и повышение устойчивости маневрирования в условиях неопределенности.
Целью магистерской диссертации является совершенствование существующих и разработка новых моделей и интеллектуальных средств управления автономным мобильным роботом в сложных неструктурированных средах за счет использования средств искусственного интеллекта для обеспечения адаптации к неопределенным ситуациям и изменений окружающей среды во время навигации работа к заранее заданной цели.
В магистерской диссертации решена актуальная задача совершенствования существующих и разработка новых моделей и интеллектуальных средств адаптивного управления автономным мобильным роботом с использованием элементов искусственного интеллекта для адекватного перемещения мобильного робота в условиях частичной неопределенности в сложных неструктурированных средах.
Анализ известных средств навигации, глобальных и локальных методов навигации и моделей управления автономным мобильным роботом показал, что на сегодняшний день отсутствуют технические решения, которые позволяют роботу достигать цели перемещения в условиях изменения среды при глобальной навигации, а также при наличии тупиковых ситуаций при локальной навигации, что приводит к необходимости разработки новых и усовершенствования существующих моделей и интеллектуальных средств управления с возможностью адаптации к сложной неструктурированной среде.
Исследован и усовершенствован метод проведения маневров автономного мобильного робота с помощью элементов искусственного интеллекта, а именно нейронных сетей, в котором за счет адаптивного формирования обучающей выборки нейронной сети обеспечено повышение вероятности выполнения маневров на 35-45 %.
На основе анализа потоков данных и функциональных задач автономного мобильного робота усовершенствована модель интеллектуальной системы управления автономным мобильным роботом в условиях динамических изменений среды.
Обоснована структура программных и аппаратных средств системы управления роботом. Разработано алгоритмическое и программное обеспечение основных компонентов системы управления автономного мобильного робота.
Проведенное имитационное моделирование на АМР Pioneer P2-DX, AmigoBot, Robotino и Khefera подтвердили выполнение критерия выхода на цель перемещения и адаптацию разработанных интеллектуальных средств к сложным динамическим условий функционирования автономных мобильных роботов.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
