close

Вход

Забыли?

вход по аккаунту

?

Управление наземными роботами в недетерминированных средах с препятствиями определенного класса

код для вставкиСкачать
ФИО соискателя: Али Ахмед Саад Шифр научной специальности: 05.02.05 - роботы, мехатроника и робототехнические науки системы Шифр диссертационного совета: Д 212.208.24 Название организации: Южный федеральный университет - ФГОУВПО Адрес организации: 3
На правах рукописи
Ахмед Саад Али Мохаммед
Управление наземными роботами в недетерминированных средах с препятствиями
определенного класса
Специальность 05.02.05 – Роботы, мехатроника и робототехнические
системы
Автореферат
диссертации на соискание ученой степени
кандидата технических наук
Таганрог – 2012
1
Работа выполнена в Технологическом институте Южного Федерального
Университета в г. Таганроге.
Научный руководитель:
доктор технических наук,
профессор
Пшихопов Вячеслав Хасанович
Официальные оппоненты:
доктор технических наук
Капустян Сергей Григорьевич
кандидат технических наук,доцент
Лукьянов Евгений Анатольевич
ФГБОУ ВПО «Южно-Российский
государственный технический
университет (Новочеркасский
политехнический институт)»
Ведущая организация:
Защита диссертации состоится «
»
2012 г. в ___ ч. ___ м. на
заседании диссертационного совета Д 212.208.24 при Южном федеральном
университете по адресу: 347928, г. Таганрог, Ростовская область, ул. Чехова 2,
корп. «И», комн. 347.
С диссертацией можно ознакомиться в зональной научной библиотеке
ЮФУ по адресу: г. Ростов-на-Дону, ул. Пушкинская, 148 и на сайте
http://sfedu.ru/
Автореферат разослан
«___»_____________2012 г.
Просим Вас прислать отзыв, заверенный печатью учреждения, по адресу:
347928, г. Таганрог, Ростовская область, ГСП-17А, пер. Некрасовский, 44,
Технологический институт Южного федерального университета в г. Таганроге,
Ученому секретарю диссертационного совета Д 212.208.24 Кухаренко Анатолию
Павловичу.
Ученый секретарь
диссертационного совета
кандидат технических наук,
доцент
А.П. Кухаренко
2
Общая характеристика работы
Актуальность темы. В настоящее время наземные роботы (НР) привлекают все
большее внимание исследователей в связи с их широким применением. НР должны
иметь возможность автономного функционирования в неструктурированных,
динамичных, частично наблюдаемых и недетерминированных средах. Все чаще
предъявляется требование избегать столкновений со стационарными препятствиями и
подвижными объектами. На выполнение указанных требований направлен ряд
современных подходов к конструированию систем управления автономными
роботами, функционирующими в недетерминированных средах.
Основные проблемы, связанные с использованием указанных подходов и
методов к формированию управлений тактического уровня, заключаются в
следующем: в необходимости предварительного планирования траектории или
картографирования области функционирования НР, что налагает существенные
ограничения на движение объектов в априори недетерминированных средах; в
недостаточной проработанности процедур согласования стратегических уровней
планирования и тактических уровней управления; в необходимости дополнительной
информации о геометрии, фазовых координатах наземного робота и так далее, что
существенно увеличивает эффективность функционирования.
Различным аспектам проблемы управления НР посвящены работы отечественных
(Безнос А.В., Жихарев Д.Н., Бурдаков С.Ф., Гайдук А.Р., Зенкевич С.Л., Капустян С.Г.,
Нейдорф Р.А., Подураев Ю.В., Чернухин Ю.В., Юревич Е.И., Ющенко А.С., Каляев
И.А., Пшихопов В.Х. и др.), и зарубежных (Montaner M.B., Rigatos G.G., Tzafestas C.S.,
Lee T.L., Wu C.J., Khatib O., Quoy M., Moga S., Gaussier P., Janglova. D., Lumelsky V.,
Stepanov V., SkewisТ.,Ren J., Mcisaac K.A., Patel R.V.) ученых.
Однако, при наличии достаточного большого числа публикаций, большинство
предложенных подходов к управлению НР ограничено проблемой тупиковых
ситуаций, которая возникает, когда робот движется среди препятствий к желаемой
цели без априорного знания окружающей среды. НР может попасть в «ловушку» в
среде с вогнутыми препятствиями, лабиринтами и т.д. Также, при наличии
препятствий, расположенных близко к целевой точке, возможно возникновение
циклических движений робота. Таким образом, решение проблемы обхода НР
препятствий сложной формы является весьма актуальной научно-технической
проблемой.
Целью диссертационной работы является повышение эффективности
функционирования НР путем обеспечения автономного управления движением робота
в недетерминированной среде с определенным классом препятствий.
Научная задача, решение которой содержится в диссертации, – разработка
методов управления наземными роботами, обеспечивающих обход препятствий
сложной
формы
в
недетерминированной
среде,
без
предварительного
картографирования зоны функционирования НР.
Достижение поставленной цели требует решения следующих задач:
− анализ и исследование известных методов управления подвижными
объектами в недетерминированных средах с обходом стационарных и нестационарных
препятствий;
3
− разработка алгоритмически реализуемого метода обработки сенсорной
информации, позволяющих устранять тупиковые ситуации, обусловленные наличием
близко расположенных препятствий;
− разработка метода планирования траекторий НР, позволяющего избегать
тупиковых ситуаций, обусловленных наличием препятствий сложной формы
определенного класса;
− разработка метода управления НР в средах с препятствиями определенного
класса, позволяющих выводить управляемый робот из тупиков и сглаживать его
траекторию при перемещении внутри узкого коридора;
− разработка архитектуры программного обеспечения и общих алгоритмов
функционирования
программно-аппаратного
комплекса
для
исследования
перемещений НР;
− проведение экспериментальных исследований системы оперативного
управления перемещением НР в недетерминированной среде.
Методы исследования основаны на использовании методов теории управления,
теории устойчивости, аналитической механики, теории матриц, аналитического
синтеза нелинейных позиционно-траекторных систем управления подвижными
объектами, нечеткой логики управления. Проверка эффективности полученных в ходе
работы теоретических результатов осуществлялась средствами численного
моделирования в среде MATLAB и подтверждена результатами натурных
экспериментов.
Достоверность полученных результатов обеспечивается:
− строгими математическими выводами;
− результатами экспериментов и компьютерным моделированием;
− согласованием с данными экспериментов и результатами исследований
других авторов.
Наиболее существенные положения, выдвинутые для защиты:
− связывание образов препятствий упрощает их описание и позволяет избегать
тупиковых ситуаций;
− преодоление тупиковых ситуаций, возникающих при обходе препятствий
сложной формы, можно осуществить за счет совместного применения неустойчивых
режимов и интеллектуальных алгоритмов планирования и управления движением НР;
− концепция виртуальной целевой точки позволяет повысить эффективность
функционирования НР в недетерминированных средах без предварительного
картографирования.
Наиболее существенные новые научные результаты, полученные автором и
выдвигаемые для защиты:
– алгоритмически реализуемый метод обработки сенсорной информации,
отличающийся формированием дополнительных связей между образами
препятствиями, и позволяющий устранять тупиковые ситуации, обусловленные
наличием близко расположенных препятствий;
4
– метод управления НР, позволяющий обходить препятствия сложной формы, и
отличающийся совместным использованием детерминированных позиционнотраекторных и нечетких регуляторов;
– метод формирования траектории движения НР в недетерминированных средах,
позволяющий избегать циклических движений робота и тупиковых ситуаций,
обусловленных наличием препятствий сложных форм, отличающийся введением
виртуальной целевой точки.
Практическая ценность работы. Полученные в работе результаты могут быть
использованы при конструировании систем управления НР, предназначенными для
транспортировки грузов, обслуживания опасных для жизни и труднодоступных зон
атомной, химической и газовой промышленности, сервисного обслуживания
пассажирских терминалов и т.д. Применяемые алгоритмы нетребовательны к
вычислительным ресурсам, могут быть реализованы в реальном времени с
использованием простых сенсоров.
Апробация работы. Основные результаты исследований по теме диссертации
докладывались на международном научно-техническом семинарев г. Алушта, 2010 г.,
международной конференции «Автоматизация управления и интеллектуальные
системы и среды» (АУИСС – 2010 г.), первой международной конференции
«Автоматизация управления и интеллектуальные системы и среды» (Нальчик, 2010 г.),
IEEE Международной конференция по мехатронике, (Стамбул, Турция 2011 г.), 4-й
международной конференции по машиностроению и технологиям, (Асьют, Египет,
2011 г.), научно-технической конференции «Искусственный интеллект и управление»
(ИИУ-2011), всероссийской научной школе «Микроэлектронные информационноуправляющие системы икомплексы» (Новочеркасск, 2011г.).
Реализация и внедрение результатов работы. Теоретические и практические
разработки, выполненные в рамках данной работы, использованы при создании
колесного автономного мобильного робота «Скиф-3», внедрены в учебный процесс
кафедры электротехники и мехатроники ТТИ ЮФУ в рамках курсов «Основы
робототехники» и «Управление роботами и робототехническими системами».
Личный вклад автора. Все научные результаты диссертации получены автором
лично.
Публикации. Основные результаты исследований по теме диссертации
изложены в 9 научных изданиях, в том числе 3 статьях в ведущих научных изданиях,
рекомендованных ВАК для публикации результатов работ по диссертациям на
соискание ученой степени кандидата технических наук, 6 докладах в материалах
Всероссийских и международных конференций.
Структура и объем работы. Диссертация состоит из введения, четырех глав,
заключения, списка литературы из 135 наименований, содержания и 3 приложений.
Основная часть работы изложена на 175 страницах и включает в себя 72 рисунка и 3
таблицы.
Краткое содержание диссертации
Во введении обоснована актуальность темы диссертации, определены цель и
задачи исследований, выделены основные положения и научные результаты работы,
имеющие научную новизну и практическую значимость.
5
В первой главе содержится обзор литературы, кратко рассмотрены некоторые
наиболее показательные подходы, выбранные с учётом их вклада в развитие методов и
подходов к управлению движением роботов в недетерминированной среде.
Рассмотрены метод потенциальных полей, интеллектуальный подход на базе
нейросетей и нечеткой логики, нейро-нечеткий метод. Обсуждаются их достоинства и
недостатки.
Подробно рассмотрен метод позиционно-траекторного управления подвижными
объектами, в котором для обхода препятствий используется бифуркационный
параметр, пропорциональный величине расстояния до препятствия. Этот параметр
позволяет переходить системе управления роботом в неустойчивый режим при обходе
препятствий. Основное преимущество этого подхода заключаются в исключении
процедур построения траекторий в области препятствия, так как это часто невозможно
в режиме реального времени при движении робота в динамических средах.
Использование неустойчивых режимов позволяет снизить требования к блоку
планирования перемещений и к сенсорной подсистеме.
Однако, возможны ситуации такого расположения препятствий, когда НР не в
состоянии достичь целевой точки. Поэтому метод позиционно-траекторного
управления требует дальнейшего развития с точки зрения решения проблемы обхода
«ловушек», обусловленных препятствиями сложной формы.
Указанные проблемы и возможные направления их решения научно обосновывают
актуальность и важность поставленных в диссертационной работе целей и задач.
Вторая глава диссертации посвящена разработке методов управления
наземными роботами в недетерминированных средах с препятствиями определенного
класса.
Рассматривается общий вид математических моделей движения НР, который с
учетом их динамики, кинематики и исполнительных механизмов имеет вид:
x& y& = Σ(θ,V ,V ) ,
x
y
θ& (1)
V&x −1
& = M ( Fu ( δ ) − Fd − Fv ),
V y (2)
1
δ& = δ + KU ,
T
(3)
где x,y – вектор внешних координат, определяющих положение НР на плоскости;
θ – угол, определяющий ориентацию НР; Σ(θ,Vx ,Vy ) – вектор уравнений кинематики НР;
M – матрица массо-инерционных параметров НР; Vx, Vy – проекции скоростей НР на
оси связанной системы координат; Fu (δ) – вектор управляющих сил и моментов,
Fd – вектор нелинейных элементов динамики НР; Fv – m-вектор измеряемых и
неизмеряемых внешних возмущений; δ – вектор управляемых координат (угол
отклонения рулевого колеса, скорости вращения колес и т.п.); K –матрица
коэффициентов управления; U –вектор управляющих воздействий.
Представлены базовые алгоритмы позиционно-траекторного управления
подвижными объектами, используемые в системах управления НР для формирования
алгоритмов позиционного, траекторного и позиционно-траекторного управления.
6
Разработаны методы управления, содержащие новые алгоритмы функционирования
блоков обработки сенсорной информации, планирования траекторий и управления
движением НР, основанные на связывании образов препятствий, нечеткой логике и
понятии виртуальной целевой точки.
Рассмотрены конфигурации препятствий, порождающие тупиковые ситуации и
циклические движения НР, представленные на рис. 1.
Вводится целевая функция вида:
F = ( x f − x)2 + ( y f − y)2 < δдоп ,
(4)
где x, y– текущие координаты НР; xf, yf–координаты целевой точки; δдоп – допустимая
ошибка.
Формулируется задача управления НР в недетерминированных средах:
синтезировать такие законы управления Fu и реализующие их структуры, которые бы
обеспечивали перемещение НР из произвольной начальной точки A0 (x0, y0)
пространства функционирования робота в заданную целевую точку Af(xA, yA), при
наличии стационарных и нестационарных препятствий вида, представленного на
рис.1. Эти управления должны гарантировать выполнение условия (4).
В случае необходимости могут задаваться и требования к желаемой ориентации
НР в точке Af, в недетерминированной среде с препятствиями, представленными на
рис. 1, с выполнением условий:
Rj≥R,j=1,2,…,k,
(5)
где k– количество ближайших точек, принадлежащих одному или нескольким
препятствиям; Rj – расстояние до j-го препятствия;R – константа, задающая
допустимое кратчайшее расстояние от характерной точки НР до любого из
препятствий.
ЦТ
ЦТ
НР
НР
ЦТ
ЦТ
НР
НР
Рисунок 1 – Примеры взаимного расположения робота, цели и препятствий вида:
а) – «угол»; б) – П-образные; в) – Ш-образные; г) – близкорасположенные.
В диссертации на основе обобщенных алгоритмов позиционно-траекторного
управления получены частные алгоритмы позиционного, траекторного, позиционнотраекторного управления НР, в том числе при их движении в среде со стационарными и
нестационарными препятствиями.
7
Далее предлагаются новые алгоритмы управления движением НР в среде с
препятствиями, предполагающие объединение нескольких близко расположенных образов
препятствий в один выпуклый образ препятствия посредством построения
дополнительных связей между ними. Алгоритмы позволяют расширить функциональные
возможности позиционно-траекторных регуляторов, устраняя тупиковые ситуации,
обусловленные близко расположенными препятствиями.
Предлагаемый подход демонстрируется на рис. 2. Процедура связывания образов
препятствий заключается в следующем:
1. Задается максимальное расстояние между препятствиями. Критерием близости
препятствий может являться характерный размер НР. Если расстояние между
препятствиями такое, что НР не может между ними пройти, то они рассматриваются как
единое целое препятствие.
2. После задания величины максимального расстояния между двумя препятствиями
(величина D), начинается построение связей для ближайшего к НР препятствия А. Для
этого осуществляется поиск препятствий, находящихся на расстоянии D от препятствия A.
Если других препятствий нет, то препятствие А считается изолированным. Если другие
препятствия найдены, то строятся связи между их образами.
3. После применения данной процедуры НР необходимо обойти только одиночные
выпуклые препятствия, расположенные друг от друга на расстоянии, большем D. Это
гарантирует успешное решение задачи обхода препятствий применением неустойчивых по
расстоянию до препятствий режимов.
4. Далее для обхода препятствий применяются неустойчивые режимы движения НР.
Использование неустойчивых режимов связано с расчетом бифуркационного
параметра, изменяющего параметры системы управления НР при приближении к
препятствию.
A
Робот
C
B
Рисунок 2 – Построение связей между препятствиями
В отличие от метода позиционно-траекторного управления, при расчете
бифуркационного параметра все связанные препятствия рассматриваются как одно
целое с координатами (xeq,yeq) и радиусом Req, причем
Req=(RA+RB+δ)/2,
где RA и RB–радиусы препятствий A и B соответственно, δ – расстояние между
препятствиями А и В.
Функциональная схема системы управления движением НР, реализующей
позиционно-траекторное управление с агрегированием (связыванием) образов
препятствий, представлена на рис. 3.
8
Сенсоры
Тип задания
Датчики расстояния
к препятствиям
Блок агрегирования
(связывания) Образов
Препятствий
Планировщик
НР
Регулятор
Внешняя
среда
Рисунок 3 – Функциональная схема системы управления НР при агрегировании
образов препятствий
Предложенный алгоритм связывания образов препятствий не позволяет избегать
некоторых ловушек, например представленных на рис. 1, б и в, поэтому далее в главе
разрабатывается метод синтеза комбинированного управления движением наземного
робота, основанный на позиционно-траекторном и нечетком управлении.
Предлагаемый метод эффективен для решения проблемы движения при наличии узких
проездов и препятствий вида, представленного на рис. 1, б и в.
На рис. 4 представлена функциональная схема предложенной комбинированной
системы управления движения НР, основанная на позиционно-траекторном и
нечетком управлении.
Датчики
расстояния к
препятствиям
Тип задания
Регулятор
на
нечеткой
Планировщик
Позиционнотраекторный
регулятор
НР
Внешняя
среда
Рисунок 4 –Комбинированная система управления движением мобильного робота
Планировщик на рис. 4 скомбинирован с механизмом нечеткой логики и
выполняет функции мобильной навигации робота в реальном времени в 2D
динамической окружающей среде. Нечеткий регулятор работает, когда робот
движется в узких проходах или при наличии препятствий сложной формы, когда НР
попадает в ловушку.
Нечеткий регулятор для НР имеет три входа и два выхода (рис. 5).
9
ЦТ
Входы
Перед_преп
Fuzzy Регулятор
выходы
Левое_преп
Левая_V
Перед_преп
Правая_V
Правое преп
Левое_преп
Правое преп
НР
Рисунок 5 –Входы и выходы нечеткого регулятора
На входы предложенного нечеткого регулятора (рис. 5) поступают расстояния
между роботом и целевым местоположением, и между роботом и препятствиями,
расположенными впереди, слева и справа. Выходные сигналы регулятора управляют
скоростями боковых колес наземного робота. В диссертации разработаны составные
функции принадлежности, представленные на рис. 6. Введены лингвистические
переменные «рядом», «средне», и «далеко», применяемые для фазификации входов.
Для управления скоростью движения НР используются лингвистические переменные
“быстро”, “медленно” и “средне”. На базе введенных функций принадлежности и
лингвистических переменных разработано 27 нечетких правил для наземного робота с
двумя ведущими колесами.
Рисунок 6 – Входные и выходные функции принадлежности
Полученный комбинированный регулятор описывается выражением:
−M ( CTK
% % )−1 ( BY& + B + AV% + Ψ ) + F + Fˆ , если β = 0,
1
2
tr
d
v
u=
Ffuzzy ( Rл , Rп , RВ ) , если β > 0
где β > 0 – бифуркационный параметр; Ffuzzy ( Rл , Rп , RВ ) – функция нечеткого
регулятора; Rл , Rп , RВ – сигналы с датчиков левого, правого, и переднего обзора;
M – матрица массо-инерционных параметров НР; C% , T%, K, B , A – матрицы и векторы
1
10
настройки позиционно-траекторного регулятора; Y&,V% – векторы измеряемых
координат; Ψtr – вектор, определяющий траекторию движения НР; Fd – вектор
динамических сил и моментов; Fˆ – вектор оценок внешних возмущений.
v
Предложенный метод управления не гарантирует обхода препятствий для
Ш-конфигурации или ловушек с «узким бутылочным горлом». В этой связи в главе
предложен метод управления движением НР, использующий концепцию виртуальной
целевой точки, которая формируется из координат исходной целевой точки
посредством поворота вектора [xf;yf] на угол γ. Величина угла γ является функцией
бифуркационного параметра β , зависящего от расстояния между роботом и
препятствием:
γ = kγβ ,
причем, координаты виртуальной точки определяется следующим выражением:
x_
cos γ -sin γ x
=
,
(7)
y_
sin γ
cos γ y
где x _ , y _ – координаты виртуальной целевой точки; kγ – настраиваемый параметр.
В случае нарушения условия |β| > 0,01, НР переходит в режим виртуальной
целевой точки.
На рис. 7 представлено преобразование целевой точки в виртуальную, с
использованием выражения (7).
Рисунок 7 – Графическое представление преобразования целевой точки в
виртуальную точку
Далее в главе предложена новая функциональная схема системы управления НР
с использованием концепции виртуальной целевой точки, представленная на рис. 8.
Планировщик, использующий концепцию виртуальной целевой точки,
описывается выражением:
P + A3 (t )
= 0, если β = 0,
Θ − Θ*
Ψ tr = cos γ − sin γ P + sin γ cos γ A3 (t ) = 0, если β > 0
*
Θ−Θ
где P – вектор внешних координат НР; A3 (t ) – матрица коэффициентов, определяющих
желаемую траекторию движения НР.
11
Сенсоры
Тип задания
Датчики
расстояние к
препятствий
Блок виртуальной
целевой точки
Планировщик
НР
Регулятор
Внешняя
среда
Рисунок 8 – Функциональная схема системы управления НР с использованием
концепции виртуальной целевой точки
Третья глава посвящена разработке методики проектирования компьютерного
комплекса моделирования движений НР в недетерминированных средах.
Функциональная схема программного комплекса моделирования движений
мобильного робота представлена на рис. 9.
Модуль формирования настроек
эксперимента
Модуль численного моделирования
Модель системы
управления
Модель
Модель
среды
НР
Модуль построения
графиков
изменения переменных
Модуль накопления
истории изменения
переменных
Рисунок 9 – Функциональная схема программного комплекса имитационного
моделирования движения мобильного робота
Модуль формирования настроек эксперимента позволяет выбрать режим
эксперимента, настроить параметры моделирования и задать соответствующие
12
переменные и параметры системы управления, базирующейся на обобщенных
алгоритмах и структурах, предложенных во второй главе. После определения настроек
и задания целей работы данные передаются в модуль численного моделирования, где
выполняется цикл моделирования, в котором участвуют модель системы управления,
модель мобильного робота и модель среды. Имитационная модель наземного робота
включает в себя средства численного интегрирования уравнений движения. Модель
системы управления включает в себя реализацию алгоритма работы регулятора,
реализующего заданный закон управления, модель планировщика, формирующего
траекторию движения в соответствии с поставленным заданием. На каждом шаге
цикла моделирования система управления на основе заданных параметров и текущего
состояния мобильного робота, рассчитывает управляющие воздействия. Эти
управляющие воздействия передаются в модель, в которой рассчитываются изменения
состояния мобильного робота в результате действия управлений.
В модели среды задаются варианты недетерминированной внешней среды
(лабиринт, выпуклые препятствия, угол, подвижные препятствия и т.д.).
Модуль численного моделирования формирует вектор переменных,
описывающих мобильный робот на каждом шаге моделирования. В него входят
координаты и скорости, управляющие воздействия, состояния системы управления,
параметры внешней среды и др. Эти данные передаются в модуль накопления истории
изменения переменных. Данный модуль сохраняет все данные и обеспечивает доступ
к ним. Это облегчает дальнейшую обработку и анализ результатов.
По результатам эксперимента выполняется построение графиков изменения
интересующих разработчика параметров.
Программный комплекс имитационного моделирования НР реализован на базе
пакета программ MATLAB, включающего высокоуровневый язык программирования,
широкий спектр функций, интегрированную среду разработки, объектноориентированные возможности и специальные наборы инструментов, расширяющие
его функциональность.
На рис. 10–14 представлены результаты моделирования движения НР в
недетерминированной среде препятствиями, с использованием изложенных во второй
главе процедур.
90
45
Af
40
70
35
60
30
50
25
y2(t)
y2(t)
80
40
20
30
15
20
10
10
5
0
0
10
20
30
40
50
60
70
80
90
0
0
5
10
15
20
25
30
35
40
45
50
y1(t)
y1(t)
Рисунок 10 –Моделирование траектории движения мобильного робота
при агрегировании препятствий
13
25
25
20
20
disttoobst
y2(t)
15
10
15
10
5
5
0
0
-5
0
5
10
15
20
0
20
40
60
80
25
100
120
140
160
180
200
time
y1(t)
б)
Праметр,
характеризующий
расстояние до препятствия
Рисунок 11 – Результаты моделирования обхода НР препятствий
L-конфигураций с использованием комбинированного метода управления
120
120
100
100
80
80
60
60
y2(t)
y2(t)
а) Траектория движения
40
40
20
20
0
0
-20
-20
0
20
40
60
80
100
-20
-20
120
0
20
40
60
80
100
120
y1(t)
y1(t)
Рисунок 12 – Результаты моделирования движений НР при использовании
концепции виртуальной целевой точки
150
2000
100
1500
y2(t)
50
1000
0
500
-50
0
100
100
50
0
0
-100
-100
-50
0
50
100
Y virtual
150
-50
-100
X virtual
y1(t)
а) Траектория движения
б) График изменения
бифуркационного параметра
Рисунок 13 – Поведение НР при наличии препятствий с «узким проходом»
Представленные
результаты
моделирования
подтверждают
высокую
эффективность разработанных в диссертации методов управления НР для обхода
определенного класса препятствий.
14
120
120
100
100
80
60
60
y2(t)
y2(t)
80
40
40
20
20
0
0
-20
-20
0
20
40
60
80
100
120
-20
-20
y1(t)
0
20
40
60
80
100
120
y1(t)
Рисунок 14 – Траектории движения НР при препятствиях больших размеров и
расположенных вблизи целевой точки
Далее приведены результаты сравнения разработанных методов управления
НР с известными, на основе следующих показателей: показатель безопасности, длина
пути робота от стартовой точки до цели, время выполнения задания, форма
препятствия. Сравнение результатов моделирования показало, что интегральный
коэффициент эффективности в случае использования метода связывания препятствий
повышается в 2-2,5 раза, в случае комбинированного управления в 2-3 раза, для случая
использования концепции виртуальной целевой точки в 2,5-3,5 раза.
В четвертый главе диссертации на базе НР «Скиф-3», разработанного на
кафедре электротехники и мехатроники Технологического института Южного
федерального университета в г. Таганроге, были проведены экспериментальные
исследования поведения НР в недетерминированных средах, с использованием в его
системе управления разработанных в данной диссертационной работе структур и
алгоритмов. Обобщенная функциональная схема НР представлена на рис. 15.
Внешний вид НР представлен на рис. 16.
Рисунок 15 – Функциональная схема
НР «Скиф-3»
Рисунок 16 – Внешний вид
НР «Скиф-3»
Робот имеет рояльную кинематическую схему, т.е. два независимо
управляемых задних колеса и свободные поворотные передние колеса.
Низкоуровневый контроллер на базе МК Atmel осуществляет ПИД-регулирование
скоростью вращения электрических двигателей, получая данные от фотоимпульсных
датчиков оборотов вращения колес. Алгоритмы управления реализуются на бортовом
15
одноплатном промышленном компьютере (БК) на базе процессора Celeron 1,6 GHz.
Сенсорная подсистема состоит из ультразвуковых датчиков SRF05. Телеметрическая
информация посылается на наземный пункт посредством беспроводной связи Wi-Fi.
Ультразвуковой датчик предназначен для измерения расстояния до препятствий.
Выходной сигнал датчика, который обрабатывает БК, пропорционален расстоянию до
препятствия.
В качестве платформы для реализации программного обеспечения бортового
компьютера выбрана специализированная операционная система реального времени
QNX Neutrino 6.3. Функциональная схема программного обеспечения бортового
компьютера представлена на рис. 17.
Рисунок 17 – Функциональная схема программного обеспечения бортового
компьютера робота
На рис. 18 представлены результаты экспериментов по управлению движением
НР в среде с препятствиями с применением алгоритмов связывания препятствий.
2
2.5
2
1.5
y2(t)
B(t)
1.5
1
1
0.5
0.5
0
0
0.5
1
1.5
2
0
0
2.5
y1(t)
а) Траектория движения НР
5
10
15
time s
20
25
30
б) График изменения бифуркационного
параметра
Рисунок 18– Движение НР в случае близко расположенных препятствий
16
Результаты экспериментов с роботом «Скиф-3» подтвердили эффективность
использования алгоритмов связывания препятствий для тупиковых ситуаций,
возникающих в результате близкого расположения препятствий.
На рис. 19 представлены результаты экспериментов по управлению движением
робота «Скиф-3» в среде с препятствиями с использованием комбинированных
алгоритмов управления.
5
4
4
3
3
y2(t)
y2(t)
5
2
2
1
1
0
-2
-1
0
1
2
3
4
5
0
0
y1(t)
1
2
3
4
5
y1(t)
Рисунок 19 – Траектории движения НР при обходе препятствий
L-конфигурации
Результаты экспериментов подтвердили высокую эффективность предложенных
комбинированных алгоритмов управления, основанных на позиционно-траекторном и
нечетком подходах.
На рис. 20 и 21 представлены результаты экспериментов при управлении
движением робота в среде с препятствиями с использованием предложенной в данной
диссертации концепции виртуальной целевой точки.
Полученные результаты также подтвердили высокую эффективность алгоритма
виртуальной целевой точки при решении задач обхода препятствий U- и
Ш-конфигураций, а также практическое отсутствие циклических движений НР.
120
5
100
4
80
60
psi, rad
y2(t)
3
2
40
20
1
0
-20
0
-40
-1
-1
0
1
2
3
4
0
5
10
15
20
25
30
35
40
t, c
5
б) График изменения угла
а) Траектория движения
поворота целевой точки
Рисунок 20 – Движение робота в среде с близко расположенными препятствиями
y1(t)
17
0.45
5
4.5
0.4
4
0.35
0.3
3.5
Af
0.25
B
y2(t)
3
2.5
0.2
2
0.15
1.5
0.1
1
0.05
0.5
0
0
-1
5
10
15
20
25
30
35
40
45
t, c
0
1
2
3
4
5
y1(t)
а) Траектория движения
б) График изменения бифуркационного
параметра
Рисунок 21 – Движение робота в среде с препятствиями U-конфигурации
Отметим, что алгоритм связывания препятствий может использоваться
совместно с другими алгоритмами, поэтому его преимущества могут реализовываться
в любой системе управления.
В заключении работы сформулированы основные научные и практические
результаты, полученные в диссертационной работе.
В приложении представлены листинги программ моделирования движения
робота в среде с близко расположенными препятствиями, замкнутого предлагаемыми
законами управления, а также представлены акты внедрения результатов диссертации.
Основные результаты работы
Основной научный результат диссертации заключается в развитии теории
позиционно-траекторного управления подвижными объектами, состоящем в решении
актуальной научной задачи управления движением НР в недетерминированных средах
с обходом препятствий определенного класса, которая имеет важное практическое
значение для автономных НР.
В процессе решения основной научной задачи установлено, что преодоление
тупиковых ситуаций, возникающих при обходе препятствий сложной формы, можно
осуществить за счет совместного применения неустойчивых режимов и
интеллектуальных алгоритмов планирования и управления движением НР.
Разработаны алгоритмы обработки сенсорной информации, отличающиеся
формированием дополнительных связей между образами препятствиями, и
позволяющие устранять тупиковые ситуации, обусловленные наличием близко
расположенных препятствий;
Разработан
метод
синтеза
комбинированного
управления
НР
в
недетерминированных средах, позволяющий обходить препятствия сложной формы, и
отличающийся совместным использованием детерминированных позиционнотраекторных и нечетких регуляторов;
Разработан
метод
формирования
траектории
движения
НР
в
недетерминированных средах, позволяющий избегать циклических движений робота и
тупиковых ситуаций, обусловленных наличием препятствий сложных форм,
отличающийся введением виртуальной целевой точки.
Разработана архитектура программного обеспечения, общие алгоритмы
функционирования программно-аппаратного комплекса для исследования НР;
18
Проведены
экспериментальные
исследования
системы
управления
перемещением НР в недетерминированной среде без предварительного
картографирования зоны функционирования НР. Сравнение результатов
экспериментов показало, что интегральный коэффициент эффективности в случае
использования разработанных методов повышается в 2-3 раза.
Основные публикации по теме диссертации
Основное содержание диссертации отражено в следующих публикациях.
Публикации в журналах, рекомендованных ВАК:
1. Али А.С., Федоренко Р.В., Крухмалев В.А. Система управления автономным
колесным роботом Скиф-3 для априори неформализованных сред // Известия ЮФУ.
Технические науки. Тематический выпуск «Перспективные системы и задачи
управления». – №3(104). – Таганрог: Изд-во ТТИ ЮФУ, 2010. – C. 132–143
2. Али А.С. Алгоритм управления движением мобильного робота
в
неопределенной среде // Изв. КБНЦ РАН, № 1(39). 2011.С. 9 – 14.
3. Пшихопов В.Х., Али А.С. Обход локальных минимумов функции ошибки при
движении робота в неопределенной среде // Известия высших учебных заведений.
Северо-Кавказский регион. Технические науки. № 6(164). 2011. С. 26 – 31.
Доклады в материалах конференций:
4. Pshikhopov V.Kh., Ahmed S. Ali. Motion control of differential wheeled mobile
robot Skif-3 in unknown environments // In the proceedings of 5th Assuit International
conference on mechanical engineering advanced technology for industrial production
(MEATIP5). Assiut. Egypt. 2011. PP. 335-342.
5. Али А.С. Оценка методов построения траекторий автономного мобильного
робота // Современные технологии в задачах управления, автоматики и обработки
информации: Труды IXX Международного научно-технического семинара. 2010.
Алушта, С. 24.
6. Пшихопов В.Х., Али А.С. Управление мобильными роботами в
неопределенной среде с близко расположенными выпуклыми препятствиями // Труды
научно-технической конференции «Искусственный интеллект и управление» (ИИУ2011). 2011. С. 186 – 189.
7. Пшихопов В.Х., Али А.С. Обход локальных минимумов функции ошибки на
основе позиционно-траекторного управления при движении робота в неопределенной
среде // Всероссийская научная школа «Микроэлектронные информационноуправляющие системы и комплексы» Новочеркасск, 2011. С. 175– 179.
8. Pshikhopov V.Kh., Ahmed S. Ali. Hybrid control algorithm of mobile robot motion
in unknown environments // Труды международной конференции «Автоматизация
управления и интеллектуальные системы и среды» (АУИСС– 2010). С. 31– 34.
9. PshikhopovV.Kh., Ahmed S.Ali. Hybrid Motion Control of a Mobile Robot in
Dynamic Environments // IEEE Int. Conf. on Mechatronics 2011(ICM11). Istanbul, Turkey,
2011. Pp.540 – 545.
Вклад автора в работы, выполненные в соавторстве: в работе [1,4]
предложены и реализованы алгоритмы управления движением мобильного робота для
следования к нестационарной цели с обходом стационарных и нестационарных
препятствий; в работах [2,9] представлены комбинированные алгоритмы движения
мобильного робота, основанные на позиционно-траекторном и нечетком управлении;
19
в работах [3,7] разработана методика построения систем управления НР в
недетерминированных средах с обходом тупиковых ситуаций; в работе [6]
представлены модифицированные алгоритмы управления, предполагающие
формирование дополнительных связей между препятствиями, и позволяющие избегать
попадания НР в точки локальных минимумов; в работе [5] представлены оценка
методов построения траекторий автономного мобильного робота.
ЛР № 020565 от 23.06.97 г.
Подписано в печать
Формат 60х84 1/16
Бумага офсетная. Печать офсетная. Усл. п.л. – 1
Тираж 100 экз. Заказ №
“C”
Издательство ТТИ ЮФУ
ГСП 17 А, Таганрог – 28, Некрасовский, 44.
Типография ТТИ ЮФУ
ГСП 17 А, Таганрог – 28, Энгельса, 1
20
Документ
Категория
Технические науки
Просмотров
214
Размер файла
1 859 Кб
Теги
кандидатская
1/--страниц
Пожаловаться на содержимое документа