Тип работы:
Предмет:
Язык работы:


Система локальной навигации мобильного робота в условиях физически неоднородной среды

Работа №8881

Тип работы

Магистерская диссертация

Предмет

технология производства продукции

Объем работы126стр.
Год сдачи2017
Стоимость2350 руб.
ПУБЛИКУЕТСЯ ВПЕРВЫЕ
Просмотрено
512
Не подходит работа?

Узнай цену на написание


Введение
1. Разработка системы определения координат и угловой ориентации 16
1.1. Структурная схема системы обучения навигации 16
1.2. Показания сенсорной системы, при движении по разным типам
поверхностей 21
1.3. Метод группового учета аргументов 25
1.4. Проведение экспериментальных исследований по влиянию сред с
различными терромеханическими характеристиками на поведение и сенсорную систему робота 29
1.5. Результаты по обучению навигации 35
1.6. Анализ классификаторов на используемые ими величины 44
1.7. Анализ моделей оценки положения робота на смещение
относительно новых поверхностей 48
1.9. Анализ моделей оценки положения робота на смещение
относительно отрицательных задающих воздействий 54
2. Исследование движения вдоль запланированной траектории 56
2.1. Анализ влияния параметров встроенного ПИД-регулятора на
фактическую скорость движения робота в различных средах 56
2.2. Качественное исследование точности стабилизации движения
робота вдоль спланированной траектории 63
3. Финансовый менеджмент, ресурсоэффкетивность и
ресурсосбережение 70
3.1. Планирование научно-исследовательских работ 70
3.1.1. Структура работ в рамках научного исследования 70
3.1.2 Определение трудоемкости выполнения работ 71
3.1.3 Разработка графика проведения научного исследования 72
3.1.4. Бюджет научно-технического исследования 75
3.1.4.1. Расчет материальных затрат 75
3.1.4.2 Основная заработная плата исполнителей темы 75
3.1.4.3. Отчисления во внебюджетные фонды 78
3.1.4.4. Расчет затрат на научные и производственные командировки 78
11
3.1.4.5 Накладные расходы 79
3.1.4.6 Расчет общей себестоимости разработки 79
3.2 Оценка экономической эффективности проекта 80
4. Социальная ответственность 84
4.1. Техногенная безопасность 85
4.1.1. Микроклимат 85
4.1.2. Естественная освещенность 86
4.1.3. Уровень шума 87
4.1.4. Уровень электромагнитных излучений 88
4.1.5. Электробезопасность 89
4.2. Организационные мероприятия обеспечения безопасности 91
4.2.1. Эргономические требования к рабочему месту 91
4.2.2. Особенности законодательного регулирования проектных
решений 93
4.3. Пожарная безопасность 94
Список публикаций студента 96
Список используемых источников 99
Приложение А

Цель работы - разработка системы локальной навигации мобильного робота, функционирующего в условиях физически неоднородной среды.
В процессе выполнения работы было проведен анализ на предмет выявления зависимостей между влиянием различных участков подстилающей поверхности физически неоднородной среды на характер движения робота и показаниями сенсорной системы робота (Зэнкодера, 3 датчика тока, 3-х осевой гироскоп, 3-х осевой акселерометр). В результате анализа был сделан вывод о неявности и неоднозначности этих зависимостей и отсюда, целесообразности использования методов машинного обучения. В качестве алгоритма машинного обучения была выбран алгоритм дважды-многорядная нейронная сеть с активными нейронами. Этот алгоритм относится к алгоритмам метода группового учета аргументов (МГУА) являющего в свою очередь классической техникой data mining и одной из первых технологий Deep Learning. В качестве входных переменных для получения моделей оценки координат и угловой ориентации робота в условиях физически неоднородной среды использовались 3 группы входных величин (показания сенсоров (15переменных) и их математические преобразования (15 дополнительных величин)). В результате работы получены модели оценки координат и угловой ориентации робота для участков подстилающей поверхности пяти различны типов. В результате исследований был сделан вывод о работоспособности полученных моделей при их практической апробации на мобильной робототехнической платформе FESTO
8
ROBOTINO и специально разработанном полигоне, содержащем 28 участков- модулей с различными террамеханическими характеристиками.
Пояснительная записка выполнена в текстовом редакторе Microsoft Word 2013, графический материал - в пакете Microsoft Visio 2013.

Возникли сложности?

Нужна помощь преподавателя?

Помощь в написании работ!


1. F. Rogers-Marcovitz, M. George, N. Seegmiller, and A. Kelly, “Aiding offroad inertial navigation with high performance models of wheel slip,” in IEEE International Conference on Intelligent Robots and Systems, 2012, pp. 215222.
2. R. Madhavan at al. “Evaluation of Internal Navigation Sensor Suites for Underground Mining Vehicle Navigation”, in Proceedings of the IEEE International Conference on Robotics & Automation, 1999, pp. 999-1004.
3. J. Koch, C. Hillenbrand, K. Bems “Inertial Navigation for Wheeled Robots in Outdoor Terrain”, Fifth International Workshop on Robot Motion and Control, 2005, pp. 169-174.
4. L. Bingbing, M. Adams, and J. Ibanez-Guzman, “Multi-aided inertial navigation for ground vehicles in outdoor uneven environments,” in
Proceedings - IEEE International Conference on Robotics and Automation, 2005, vol. 2005, pp. 4703-4708.
5. Y. Liu at al. “Stereo Visual-Inertial Odometry With Multiple Kalman Filters Ensemble”, IEEE Transactions on Industrial Electronics, Vol. 63, No. 10, 2016, pp. 6205-6216.
6. E. M. Dupont, E. G. Collins, E. J. Coyle, and R. G. Roberts, “Terrain Classification Using Vibration Sensors: Theory and Methods,” Mob. Robot. New Res., pp. 1-41, 2010.
7. L. Ojeda, D. Cruz, G. Reina, and J. Borenstein, “Current-based slippage detection and odometry correction for mobile robots and planetary rovers,” IEEE Trans. Robot., vol. 22, no. 2, pp. 366-378, 2006.
8. Iagnemma K., Ward C.C. “Classification-based wheel slip detection and detector fusion for mobile robots on outdoor terrain” Auton. Robots., Vol. 26, No 1, 2009, pp. 33-46.
9. Khaleghian S., Taheri S. “Terrain classification using intelligent tire” Journal of Terramechanics, vol. 71, 2017, pp. 15-24.
10. Andrakhanov A.A. “Technology of Autonomous Mobile Robot Control Based on the Inductive Method of Self-Organization of Models”, in Proceedings of 7th International Symposium “Robotics for Risky Environment - Extreme Robotics ”, Saint-Petersburg, Russia, 2013, pp. 361368.
11. Andrakhanov A.A. “Navigation of Autonomous Mobile Robot in Homogeneous and Heterogeneous Environments on Basis of GMDH Neural Networks”, in Proceedings of 4th International Conference on Inductive Modelling (ICIM-2013), Kiev, Ukraine, 2013, pp. 133-138.
12. Tyryshkin A.V., Andrakhanov A.A., Orlov A.A. “GMDH-based Modified Polynomial Neural Network Algorithm”, Chapter 6 in Book GMDH- methodology and implementation in C (With CD-ROM) / ed. G. Onwubolu. - London: Imperial College Press, World Scientific, 2015. 304p, ISBN: 978-184816-610-3.
13.Ivakhnenko A.G., Ivakhnenko G.A. “The Review of Problems Solvable by Algorithms of the Group Method of Data Handling”, International Journal of Pattern Recognition and Image Analysis: Advanced in Mathematical Theory and Applications, Vol. 5, No. 4, 1995, pp. 527-535.
14. Martin S., Murphy L., Corke P. “Building Large Scale Traversability Maps Using Vehicle Experience” 13th Int. Symp. Exp. Robot., Vol. 88, 2013. pp. 891-905.
15. Madala H.R., Ivakhnenko A.G. “Inductive Learning Algorithms for Complex System Modeling”, CRC Press, 1994, 368 p, ISBN: 0-8493-4438-7.
16. N. Erkan, R. Hadsell, P. Sermanet, J. Ben, U. Muller, and Y. LeCun, Adaptive long range vision in unstructured terrain// in IEEE International Conference on Intelligent Robots and Systems, 2007. - P. 2421-2426.
17. T. Huntsberger, Onboard Learning of Adaptive Behavior: Biologically Inspired and Formal Methods// in AT-EQUAL 2009: 2009 ECSIS SYMPOSIUM ON ADVANCED TECHNOLOGIES FOR ENHANCED QUALITY OF LIFE: LAB-RS AND ARTIPED 2009, 2009. - P. 152-157.
18. А.А. Андраханов, Технология управления автономным мобильным роботом на основе индуктивного метода самоорганизации моделей// Робототехника и техническая кибернетика, Санкт-Петербург: Издательство: Центральный научно-исследовательский и опытноконструкторский институт робототехники и технической кибернетики, №1 2014г., С. 38-44
19. G. Ishigami, E. Pineda, J. Overholt, G. Hudas, and K. Iagnemma, Performance analysis and odometry improvement of an omnidirectional mobile robot for outdoor terrain// in IEEE International Conference on Intelligent Robots and Systems, 2011. - P. 4091-4096.
20. E. M. DuPont, C. A. Moore, and R. G. Roberts, Terrain classification for mobile robots traveling at various speeds: An eigenspace manifold approach// in Proceedings - IEEE International Conference on Robotics and Automation,
2008. - P. 3284-3289.
21. C. C. Ward and K. Iagnemma, Model-based wheel slip detection for outdoor mobile robots// in Proceedings - IEEE International Conference on Robotics and Automation, 2007. - P. 2724-2729.
22. C. A. Brooks and K. D. Iagnemma, Self-supervised classification for planetary rover terrain sensing// in IEEE Aerospace Conference Proceedings, 2007.
23.I. Halatci, C. A. Brooks, and K. Iagnemma, Terrain Classification and Classifier Fusion for Planetary Exploration Rovers// in Proc. IEEE Aerospace Conf, 2007. - P. 1-11.
24. P. Giguere and G. Dudek, Environment Identification for a Running Robot Using Inertial and Actuator Cues// Robot. Sci., 2006.
25. СанПиН 2.2.4.548 - 96. Гигиенические требования к микроклимату производственных помещений. М.: Минздрав России, 1997.
26. СНиП 23-05-2010 Естественное и искусственное освещение, 2010.
27. СП 52.13330.2011 Свод правил. Естественное и искусственное освещение.
28. СН 2.2.4/2.1.8.562 - 96. Шум на рабочих местах, в помещениях жилых, общественных зданий и на территории застройки.
29. СанПиН 2.2.1/2.1.1.1278 - 03. Гигиенические требования к
естественному, искусственному и совмещённому освещению жилых и общественных зданий. М.: Минздрав России, 2003.


Работу высылаем на протяжении 24 часов после оплаты.



Подобные работы


©2024 Cервис помощи студентам в выполнении работ