автореферат диссертации по информатике, вычислительной технике и управлению, 05.13.01, диссертация на тему:Методологические и теоретические основы управления микроробототехническими системами с использованием интеллектуальных алгоритмов и модели виртуальной среды

На правах рукописи

□ОЗ16535 г

ДАРИНЦЕВ Олег Владимирович

МЕТОДОЛОГИЧЕСКИЕ И ТЕОРЕТИЧЕСКИЕ ОСНОВЫ УПРАВЛЕНИЯ МИКРОРОБОТОТЕХНИЧЕСКИМИ СИСТЕМАМИ С ИСПОЛЬЗОВАНИЕМ ИНТЕЛЛЕКТУАЛЬНЫХ АЛГОРИТМОВ И МОДЕЛИ ВИРТУАЛЬНОЙ СРЕДЫ

Специальность: 05.13.01 - Системный анализ, управление и обработка информации (в промышленности)

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

1 3 г/АР ?ПР8

Уфа 2008

003165357

Работа выполнена на кафедре технической кибернетики Уфимского государственного авиационного технического университета, и в Институте механики Уфимского научного центра РАН

Научный консультант Заел деятель науки и техники РФ

д-р техн наук, проф Ильясов Барый Галеевич

Официальные оппоненты д-р техн наук, проф

Земляков Станислав Данилович

д-р техн. наук, проф Рапопорт Эдгар Яковлевич

д-р техн наук, проф Юсупова Нафиса Исламовна

Ведущая организация Институт проблем механики РАН

Защита диссертации состоится 11 апреля 2008 г. в 1022 часов на заседании диссертационного совета Д-212 288 03 при Уфимском государственном авиационном техническом университете по адресу 450000, г Уфа, ул К Маркса, 12

С диссертацией можно ознакомиться в библиотеке университета Автореферат разослан « » (^¿¿-^Ьеи^ 2008 г

Ученый секретарь диссертационного совета д-р техн наук, проф

Миронов В.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ Актуальность проблемы

Происходящие на сегодняшний день изменения в процессах производства миниатюрных компонентов электроники и механики предопределяют ускоренное развитие автоматизированных микротехнологических модулей и микросборочных систем и, в частности, микроробототехнических комплексов (МРТК), построенных на базе мобильных и стационарных микророботов Практически во всех отраслях промышленности вопросы миниатюризации исполнительных устройств и механизмов являются одними из приоритетных задач, важнейшее значение они имеют для малоресурсных технологических процессов в нанотехнологиях, микроэлектронике, генетике и тд Без МЭМС трудно представить высокотехнологичные конкурентоспособные образцы продукции в автомобильной промышленности, электронике, медицине, средствах коммуникации и связи, авиации и космонавтике

Увеличение количества исполняемых функций, точности и надежности микроэлектромеханических систем (МЭМС) и устройств с сохранением сверхмалых размеров возможно благодаря использованию современных интегральных технологий (КМОП, LIGA, SIGA процессы, MUMP's и др ) Но для производства МЭМС, в которых сложно интегрирована механика и электроника, технологий единой пленарной микрообработки недостаточно, дополнительно требуется сборочная фаза и поэлементное пакетирование При этом финальная операция - корпусирование МЭМС, доминирует в стоимости прибора Поэтому в настоящее время крупные центры разработки и изготовления микроэлектромеханических систем решают проблемы создания гибких автоматизированных сборочных центров, построение которых возможно с использованием мобильных микророботов, что, в свою очередь, требует глубокой теоретической и экспериментальной проработки, разработки методологии исследования, проектирования и управления подобными системами

Современное состояние исследований в данной области науки можно охарактеризовать, как недостаточное в настоящее время нет даже экспериментального прототипа микроробототехнической системы, в которой были бы полностью автоматизированы все микросборочные операции микроманипулирование, сборка, тестирование микрокомпонентов и другие операции микрообработки проводятся только под контролем человека-оператора Также недостаточно количество отработанных и эффективных конструкторских реше-

ний в микроробототехнике, что связано с необходимостью изготовления экспериментальных образцов, вызванной отсутствием полномасштабной среды моделирования эффектов микромира Тем не менее, при производстве простейших МЭМС, таких как микроакселерометры, микрогироскопы, механические резонаторы и т д, производители активно используют среду моделирования, позволяющую полностью исключить на этапе разработки стадии прото-типирования и изготовления опытных образцов, что позволяет сократить в 3-4 раза сроки разработки новых систем и в 1,5-2 раза стоимость конечного продукта Использование подобных систем при конструировании микророботов не представляется возможным, так как они рассчитаны на моделирование только корпусированных МЭМС, т е таких микросистем, которые функционируют в изоляции от внешней среды - внутри герметичного корпуса, или у которых с внешней средой контактирует только сенсорная поверхность Поэтому возникает необходимость разработки среды моделирования, структура и модельное наполнение которой соответствовали бы специфике функционирования мобильных микророботов в условиях действиях возмущений со стороны внешней микросреды

Анализ тенденций развития МЭМС, микроробототехники, сложных микротехнологических систем, построенных на базе микророботов, и их систем автоматического управления (САУ) показывает, что объем функций, выполняемых САУ перспективными микросистемами, определяется следующими основными факторами

1) дальнейшим усложнением конструкции микромеханизмов и микророботов, связанным с созданием многофункциональных, гибких адаптивных производственных систем, изменяющих в широком диапазоне свою структуру и параметры для обеспечения наиболее эффективного (в заданных параметрах технологического процесса) режима работы,

2) дальнейшим повышением требований к качеству процессов управления, точности реализации операций,

3) необходимость включения системы управления микророботом в качестве подсистемы в интегральную САУ технологическим процессом

Эти факторы ведут к усложнению решаемых задач и увеличению их количества, расширению количества регулируемых параметров и регулирующих факторов в системе управления, ужесточению требований к базовым свойствам системы, к качеству функционирования отдельных подсистем и их взаи-

модействию Таким образом, для современных и перспективных МРТС (не только технологических) характерно высокая интенсификация процессов управления, широкий диапазон изменения внешних условий и режимов работы, наличие взаимосвязанных друг с другом управляемых рабочих параметров, действие возмущений, носящее в лучшем случае слабопрогнозируемый характер Следствием этого является отсутствие точных математических моделей, либо их чрезмерная сложность и вероятностный характер, высокая размерность пространства состояний и принимаемых решений по управлению, иерархичность, многообразие критериев качества, высокий уровень помех и т д

Таким образом, микроробот как объект управления относится к классу многосвязных нестационарных и нелинейных объектов, функционирование которого происходит в условиях параметрической и структурной неопределенности Соответствующее изменение характера организации процесса управления возможно лишь при построении САУ микророботами в классе многоуровневых интеллектуальных систем, способных компенсировать последствия влияния неопределенных факторов

Очевидно, что попытки учесть все на ранних этапах проектирования, т е стремиться получить абсолютно полную и достоверную информацию, ориентироваться только на строгие детерминированные модели, идеальную реализацию соответствующих методов и алгоритмов, обречены на провал Отсюда возникает задача построения таких систем управления, которые сохраняют работоспособность (возможно, с некоторой потерей качества) в условиях указанных неопределенностей

Принципы построения и методы проектирования микросистем, и построения их систем управления наиболее полно отражены в работах отечественных ученых - академика Д Е Охоцимского, академика Ф Л Черноусько, академика И М Макарова, В М Лохина, П П Мальцева, В А Лопоты, А В Тимофеева, А С Ющенко, Е И Юревича, В Г Градецкого, В Е Павловского, И В Рубцова и др, а также в работах зарубежных ученых - Т Фукуда, М Хатгори, С Фатикова, П Дарио, Б Ж Нельсона, X Верна, У Рембольда, X Ямамото, А Ковача др

Теоретическим проблемам синтеза САУ сложными техническими системами посвящены как работы отечественных ученых академика Б Н Петрова, академика А А Красовского, чл -корр РАН Е Д Теряева, С Д Землякова, В Ю Рутковского, В А Боднера, А А Шевякова, Б А Черка-

сова, Р Т Янушевского, Э Я Рапопорта, Ю М Гусева, Б Г Ильясова, Ф А Шаймарданова, В И Васильева, Н И Юсуповой, Г Г Куликова, Ю С Кабальнова, В Н Ефанова, В Г Крымского, Р А Мунасыпова, Ю А Рязанова, и др , так и зарубежных П Рейкауфа, Е Битти, Дж Бурчама, М Уонэ-ма и др

В рамках проблемы создания эффективных микроробототехнических систем и комплексов можно выделить следующие актуальные научно-практические направления

а) разработка теоретических основ функционирования микромеханических устройств в условиях действия сложнопрогнозируемых возмущающих воздействий (в условиях «микромира»), представление всего комплекса взаимодействий в виде математических и программных моделей,

б) разработка теоретических основ автоматизации технологических процессов изготовления МЭМС со сложной объемной интеграцией, направленных в первую очередь на решение задач автоматизации сборки, решение проблем корпусирования (пакетирования),

в) разработка архитектур, методов и каналов информационного обмена, программного и алгоритмического обеспечения для реализации систем децентрализованного управления большими коллективами мобильных микророботов, функционально однородных и неоднородных,

г) создание программно-аппаратных комплексов виртуальных систем информационной и системной поддержки всего жизненного цикла изделий МЭМС от проектирования до управления и (или) контроля,

Цель работы

Цель - разработка методологии и теоретических основ управления мик-роробототехническими системами с использованием интеллектуальных алгоритмов и модели виртуальной среды, а также оценка их эффективности методом математического моделирования

Задачи исследования

Для достижения поставленной цели требуется решить следующие задачи

1 Разработать методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, обеспечивающих эффективное управление базовыми компонентами микросистем как сложными динамическими объектами в условиях структурной и параметрической неопределенности

2 Разработать математические модели базовых элементов виртуальной среды на основе физических эффектов микромира и структуры их организации

3 Модифицировать метод синтеза алгоритмов адаптивного управления мобильными микророботами с учетом сигнальной и параметрической неопределенности среды функционирования

4 Разработать структуру системы и алгоритмы прогнозирования поведения как микроманипулятора, так и микроробототехнической системой в целом

5 Разработать метод синтеза структуры и алгоритмов интеллектуальных систем планирования и управления поведением коллектива микророботов на основе генетических алгоритмов

6 Разработать многофункциональную виртуальную среду в виде программно-аппаратного комплекса, включая модели, архитектуру, информационные каналы взаимодействия с внешним миром и межагентного взаимодействия

7 Исследовать эффективность предложенных методов синтеза интеллектуальных алгоритмов управления и планирования на примере проектирования САУ различными типами механических микросистем и микророботов с использованием многофункциональной виртуальной среды

Методы исследования

При выполнении исследований использованы методы теории автоматического управления, теории искусственного интеллекта, системного анализа, математического моделирования сложных систем, теории алгоритмов, теории информации и т д

На защиту выносятся

1 Методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, построенными на их базе, основанные как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании виртуальной надстройки с целью расширения функциональности и наблюдаемости системы в условиях действия структурной и параметрической неопределенности

2 Способ представления моделей действующих физических эффектов в форме, позволяющей их использовать как эталонные модели в контуре управления или контуре адаптации, а также имеющих интеллектуальные механизмы

коррекции, позволяющие учитывать изменение свойств моделируемой системы в динамике

3 Модифицированный метод синтеза алгоритмов адаптивного управления микророботами, алгоритмы адаптации, основанные на использовании построенных связных моделей физических эффектов виртуальной среды и позволяющие расширить область устойчивости САУ, что позволило повысить эффективность микроробототехнической системы в условиях сигнальной и параметрической неопределенности

4 Метод синтеза интеллектуальных САУ микротехнологическими комплексами и микророботами с блоками прогнозирования, построенными на базе нейросетевых структур с радиально-базисными функциями активации, для работы которых используются модели микросреды и данные о предшествующих этапах выполнения операций

5 Метод синтеза структуры и алгоритмов интеллектуальных систем планирования и управления поведением коллектива микророботов на основе генетических алгоритмов, позволяющий обеспечить как равномерное распределение микророботов на начальном этапе, так и близкие к оптимальным траектории перемещения микророботов в малой окрестности

6 Структура, информационные модели, алгоритмы и программное обеспечение виртуальной среды, реализующей необходимые функции для ее работы в режимах моделирования, синтеза, управления и контроля

7 Результаты экспериментальной проверки предложенных методологии, теоретических основ построения интеллектуальных систем управления микророботами и микрокомплсксами с использованием модели виртуальной среды

Научная новизна

1 Новизна концепции построения интеллектуальных САУ микророботами и комплексами, построенными на их базе, заключается в том, что она основана как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании интеллектуальных алгоритмов управления, а также модели виртуальной среды микромира, что позволяет за счет предлагаемой интеграции научных подходов повысить эффективность процессов управления

2 Новизна математических моделей мобильных микророботов и микроэлектромеханических систем заключается в том, что они адекватно отражают физические эффекты микромира, что позволяет корректно и адекватно строить

процессы микровзаимодействий между контактирующими объектами, а также строить различные структуры их организационного взаимодействия

3 Новизна предлагаемого модифицированного метода синтеза алгоритмов системы адаптивного управления мобильными микророботами заключается в том, что при формировании алгоритмов адаптации методом обобщенного настраиваемого объекта учитываются особенности моделей микровзаимодействий с учетом проявлений физических эффектов микромира

4 Новизна предлагаемых структуры и алгоритма прогнозирования поведения как микроманипулятора, так и микроробототехнической системы в целом заключается в том, что при построении нейросетевых прогностических моделей корректно и адекватно используются модели виртуальной среды, позволяющие достоверно оценивать поведение микросистем под действием сил микромира

5 Новизна метода синтеза генетических алгоритмов интеллектуальных систем управления поведением коллектива и планирования локальных траекторий заключается в том, что при формировании хромосом учитывается фактор времени, что позволяет планировать траектории движения мобильных микророботов с учетом динамики изменения состояния окружающей среды А также новизна метода синтеза структуры системы заключается в том, что он учитывает изменение отношений между агентами коллектива в зависимости от решаемых задач, изменения ситуации и состояния внешней среды, что обеспечивает гибкость в управлении коллективом микророботов

Практическая ценность и реализация работы

Практическая ценность полученных результатов заключается

- в разработанных структурах, алгоритмах систем управления, прогнозирования и планирования, расчетных математических и виртуальных моделях и методике синтеза адаптивно управления для многосвязных беспоисковых самонастраивающихся САУ сложными динамическими объектами, апробированных при практическом проектировании адаптивных систем управления сложными многокомпонентными микроробототехническими системами,

- в предлагаемом способе представления простых и гибридных микросистем в виде моделей виртуальной среды, позволяющей интегрировать свойства как отдельных подсистем, так и всей системы в целом, и разработанной на его основе методике анализа и синтеза систем управления сложными динамических систем,

- в методиках анализа и синтеза интеллектуальных систем на основе использования виртуальной среды, позволяющих исследовать устойчивость и анализ качества в каналах систем управления, которые были апробированы при проектировании интеллектуальных систем управления мобильным пьезоэлектрическим микророботом,

- в разработанном алгоритмическом и программном обеспечении, позволяющих автоматизировать основные этапы предлагаемых методик анализа и синтеза интеллектуальных САУ микророботов, которые реализованы в виде виртуальной среды и ее отдельных подключаемых программных модулей для персональной ЭВМ,

- в методике интеллектуального планирования и управления микротехнологическим процессом, основанном на использовании разработанных обобщенных моделях технологических процессов производства микросистем с использованием каналов превентивного управления, виртуальной надстройки, предлагаемых способов информационного обмена между компонентами системы, который учитывает физическое представление базовых эффектов сборочного процесса, а также основные ограничения, накладываемые на процесс, связанные с условиями микросреды

Полученные результаты внедрены в практику проектирования интеллектуальных систем управления микророботами в Институте механики УНЦ РАН при проектировании микротехнологических модулей, в ОЭММиПУ РАН при проектировании систем управления сложными техническими объектами

Полученные результаты исследования используются в учебном процессе на кафедре технической кибернетики Уфимского государственного авиационного технического университета при преподавании дисциплин на специальности «Роботы и робототехнические системы».

Практическую ценность также представляет то, что разработанные методы и средства позволяют

• сократить время разработки систем управления новыми микромеханическими устройствами и микророботами за счет создания единой информационной среды, которую можно использовать как при проектировании и отладке конструкций, так и уже скорректированные модели при синтезе алгоритмов управления,

• увеличить точность отработки заданных действий за счет использования предложенных алгоритмов синтеза интеллектуальных сисгем

управления, компенсирующих влияние внешней среды и изменения параметров системы, носящих труднопрогнозируемый характер

Апробация работы

Основные положения, представленные в диссертации, регулярно докладывались и обсуждались, начиная с 1995 года, на 38 научных мероприятиях различного уровня Наиболее значимые из которых Совещание по международному проекту 1псо-Сорегшсш ЕЯВГС 15СТ960702, Уфа, 1998, 1-я Международная конференция по мехатронике и робототехнике (МиР'2ООО), Санкт Петербург, 2000, УП-я Международная конференция А8Г2000 - ПМВ'2000, Бордо, Франция, 2000,1П-УШ Международные конференция С8ГТ'2001-2007, Уфа (2001, 2003, 2005, 2007), Будапешт (2004), Патрас(2002), Карлсруэ(200б), Научные школы-конференции «Мобильные роботы и мехатронные системы», Москва, 2001-2006, Международные научные конференции «Искусственный интеллект», Кацивели, Крым, Украина, 2002, 2004, 2006, Таганрог 2003, 2005, 2007, Международная конференция «Микророботы, микромашины и микросистемы», ГАЯР'ОЗ, Москва, Вторая Всероссийская научно-техническая конференция с международным участием «Мехатроника, автоматизация и управление», МАУ-2005, Уфа, 2005, Международная конференция «Адаптивные и интеллектуальные роботы настоящее и будущее», 1АКР,05, Москва, 2005, 1-я и 2-я Российские мультиконференции по проблемам управления Мехатроника, автоматизация, управление - Санкт-Петербург, 2006, Геленджик, 2007

Связь исследований с научными программами. Исследования в данном направлении выполнялись в период с 1995 по 2007 г г на кафедре технической кибернетики Уфимского государственного авиационного технического университета и в Институте механики Уфимского научного центра РАН в рамках грантов научного комитета НАТО С1Ш951002 и С1Ш972063 1995-2000 гг, проекта Гпсо-Сорегшсив ЕЛВ1С15СТ960702 в 1997-1999 гг, ФЦП «Интеграция» в 1998-2002 гг , НТП «Научные исследования высшей школы по приоритетным направлениям науки и техники» 03 01 021 в 2000-2002 г г, грантов РФФИ №02-01 -97916-р2002агидель_а 2002-2004 гг, №05-01-97906-р_агидель_а 2005-2007 гг, № 06-08-00635-а 2006-2007 гг, программ № 16 и №15 фундаментальных исследований ОЭММиПУ РАН в 2004-2007 гг.

Публикации

По теме диссертации опубликовано 83 печатных работы, в том числе

12 статей в рецензируемых центральных журналах, входящих в перечень ВАК, 1 монография, 1 учебное пособие с грифом УМО, 16 патентов и 2 свидетельства о регистрации программ Структура работы

Диссертация состоит из введения, семи глав, заключения, списка литературы из 289 наименований, изложенных на 365 страницах, содержит 39 рисунков и 14 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ Во введении обоснована актуальность проблемы анализа и разработки методологических и теоретических основ управления МРТК для организации автоматизированного производства сложнофункциональных МЭМС, формулируются цель и задачи работы, представлены положения, выносимые на защиту, изложены краткая характеристика работы и сведения о ее апробации

Первая глава посвящена анализу проблемы проектирования интеллектуальных САУ микроробототехническими комплексами Проводится анализ тенденций развития современных и перспективных микросистем и их систем управления с точки зрения общих закономерностей развития сложных технических систем На многочисленных примерах показана возрастающая роль использования МЭМС при решении технологических, технических и научных задач в широком круге проблем Приведены характеристики основных типов МЭМС, их классификация, особо выделена необходимость реализации единого технологического цикла при производстве всей триады компонентов микросистем - системы управления, информационной и силовой составляющих Основной проблемой при производстве сложных МЭМС, где компоненты должны контактировать с внешней средой или активно ее трансформировать, является проблема корпусирования или сборки Поэтому перспективным направлением является разработка микроробототехнических комплексов, предназначенных для автоматизации технологических процессов производства сложноорганизо-ванных МЭМС, требующих реализации в технологическом процессе этапа сборки (корпусирования) Сложность построения САУ заключается в отсутствии информации о характере и величинах действующих на микророботы и МЭМС возмущений со стороны внешней среды

Показано, что узкая специализация микророботов, вызванная ограниченными энергетическими и информационными ресурсами (малый объем конструкции, требование мобильности и др), требует построения целых комплексов,

где технологический процесс выполняется группой микророботов На многочисленных примерах обосновывается необходимость построения интеллектуальных САУ для микросистем, функционирующих в условиях параметрической и структурной неопределенности, вызванных спецификой взаимодействия объектов на микроуровне Проводится анализ современного состояния методов и подходов к исследованию и проектированию систем автоматического управления микророботами Рассматриваются различные варианты построения информационно-управляющих систем, в том числе и бортовых

Рассматриваются различные варианты построения виртуальных систем, дается их классификация, и обосновывается необходимость ее построения для решения задачи построения интеллектуальной САУ микророботами

По результатам анализа проблемы проектирования интеллектуальных САУ микророботами формулируются цель и задачи исследования данной работы

Вторая глава посвящена выработке основных методологических принципов построения систем автоматического управления сложными динамическими объектами, какими являются микроробототехнические комплексы и коллективы, построенные на базе мобильных манипуляционных микророботов, особенности функционирования которых определяются условиями микромира

Основываясь на системном подходе, рассматриваются микротехнологические комплексы, разрабатываемые для автоматизации процессов производства МЭМС, а также коллективы микророботов, действующие на больших площадях (в больших объемах) и выполняющие широкий спектр задач, возникающих во время их функционирования Строится системная модель проектирования интеллектуальной САУ микроробота, микротехнологических комплексов и коллективов, в которой на основе общесистемных принципов проектирования и функционирования САУ формируется концепция построения как сепаратных подсистем, так и всей САУ в целом

На основе системного анализа проблем, принципов построения а интеллектуального управления в условиях неопределенности предлагается концепция построения и обобщенная структура интеллектуальных управляемых сложных микромеханических систем Выделяются уровни иерархии, описывается их функциональное наполнение, отмечается, то основными проблемами при реализации предлагаемых систем будут являться проблемы построения

систем управления и планирования, что связано со специфичностью взаимодействия объектов управления с окружающей средой - проявление эффектов микромира Обосновывается необходимость использования интеллектуальных алгоритмов для управляющих схем - нечеткой логики и нейросетей (для блоков прогноза и планирования технологических операций), для систем планирования траекторий и поведения микророботов - генетических алгоритмов Показывается целесообразность построения системы моделей, описывающих не только кинематику и динамику управляемых объектов, но и их взаимодействие с окружающей средой, носящее вероятностный характер Таким образом, концептуальная модель адаптивной интеллектуальной МСАУ МР должна в себя включать следующие подсистемы управляющая, принятия решений, коммуникационная, прогностическая/модельная В структуре системы управления микророботом можно выделить 3 «классических» уровня стратегический, тактический и исполнительный, но каждый из них должен быть построен с использованием интеллектуальных алгоритмов

На основе анализа функционирования микросистем обосновывается необходимость использования виртуальных сред при управлении и планировании в дополнении к «стандартной» задаче построения высокоуровневых человеко-машинных интерфейсов Так как основным источником сигналов обратной связи в САУ микророботом служат бесконтактные методы измерений -оптические, магнитные или ультразвуковые датчики близости, системы технического зрения и т д, то информацию о действующих силах и эффектах на микроуровне можно получить только по косвенному их проявлению На настоящий момент также неизвестны компактные (микро) системы для измерения шероховатости поверхности в точке, усилий и перемещений в диапазоне от нескольких мкН до десятков Н, и от нескольких А до десятков см, поэтому в работе предлагается такую информацию восполнять с помощью модели виртуальной среды Структура предлагаемой системы управления с виртуальной надстройкой показана на рис 1

В третьей главе строятся кинематические и динамические модели основного компонента разрабатываемого микротехнологического комплекса сборки - мобильного пьезоэлектрического микроробота класса МикРоб

В рамках проводимых исследований были разработаны конструкции мобильных пьезоэлектрических микророботов (рис 2), которые строятся по модульному принципу и состоят из подвижной платформы и манипуляционного узла

Генерация и получение заданий

Система планирования

Планирование траекторий

ВИРТУАЛЬНАЯ СРЕДА

Планирование операций

Система управления

_С

Активное технолог, оборудование(микророботы, микроустройства)

ьШтШШМШШШ

Оборудование обеспечения технологических процессов

Рисунок 1 - Структура системы управления

Рисунок 2 - Пьезоэлектрические мобильные микророботы: а) МикРоб III (слева) МикРоб I; б) МикРоб П; в) манипуляционная система и привода перемещения

Приводится также конструкция пьезоэлектрического привода, на базе которого осуществляется перемещение платформы по рабочей плоскости и вращение манипулятора Рассматривается способ реализации шагоподобного движения на данном типе привода и предлагаемой формы управляющего сигнала

Поэтому в качестве динамической модели движения мобильной платформы микроробота строится система динамических уравнений, описывающая перемещение хт платформы по полированной поверхности в заданном направлении, в которой произведена замена приводов на их эквивалентную схему замещения Решение системы уравнений получено в виде

V / ч ,1с \к \ с2 ГГ хт —--е вицс^н- V Я =— —, ® = ^1--— —— ^ Л|— где у - ско-

со х ' ' 2 т' |т 4 и2 Ни

рость деформации пьезокристалла, т -масса микроробота, к, с - жесткость и коэффициент демпфирования эквивалентной схемы замещения, г - время Кинематические модели перемещения мобильной платформы строятся с учетом геометрии расположения приводов, пи этом рассматривается 3 возможных варианта реализации движения прямолинейное перемещение, вращение и комбинированный способ При решении задачи кинематики выходом является набор векторов движения С/, для каждой г пьезоэлектрического привода платформы, при этом модуль вектора максимален, а направление вычисляется как нормированная векторная сумма и, = и,ит + 0ге,, где 01ит - нормированный вектор поворота, 0ге1 - нормированный вектор перемещения

Манипуляционный узел микророботов представляет собой шаровую основу с закрепленным на ней микроманипулятором и опирающуюся за счет магнитной системы на три трубчатых пьезоэлектрических привода, приводящих за счет работы одного из приводов ее во вращение относительно осей перпендикулярных точкам контакта двух других приводов, рис 2, в Решаются прямая и обратная задачи кинематики манипуляционной подсистемы микроробота, решение которых получено в виде прямой и обратной матрицы перехода Я для систем координат глобальной (инструмента) и приводов Для описания положения инструмента в пространстве при проведении микроманипуляций используется система углов Эйлера а, [3, ф, как углов поворота относительно осей х, у, г, тогда прямая матрица перехода может быть получена как

R = R: l/> ■ R p ■ Ry a , где R:j - матрицы вращения.

Рассматриваются основные проблемы моделирования взаимодействия микросистем, в частности выделяются основные типы взаимодействий, проводится анализ типовых микроприводов. Основной составляющей сил микромира являются эффекты адгезии: электростатическое взаимодействие F3JI, силы поверхностного натяжения FKan, Ван-дер-Ваальса Fb6& силы Казимира F„ и т.д. Однако формулы, предлагаемые в различных источниках для расчета величин действующих на микрообъекты сил, требуют точных данных о расстояниях между контактирующими объектами г, z, d, распределении заряда q по поверхности, коэффициент Гамакера h, коэффициент у поверхностного натяжения именно для точек контакта, также как и знание характера поверхности, а не только усредненное значение шероховатости:

q1 р hr = y(cos9| +cos62)^ =h-c-n2

j /1 \2 ' BdB n 2 5 кап , ~ > **к ,4 '

4шгй{2г) 8nz d 240 -d

где s, e0 - диэлектрические постоянные, h - постоянная Планка, A - площадь поверхности контакта, с - скорость света.

Поэтому вместо точных значений величин сил адгезии, знание которых необходимо для обеспечения надежности и точности микроманипуляций, оперировать приходится с некоторой областью достоверности, рис. 3.

При этом в силу целого ряда причин, среди которых непосредственный контакт микрообъектов между собой, воздействие внешней среды и др., значения действующих в микромире сил могут изменяться в десятки и сотни раз. Особую проблему представляет микроконтактное взаимодействие захвата и микрообъекта, анализ которого проводился на основе полученных решений задач Герца и моделей DMT, Маугиса.

Рисунок 3 - Области достоверности для адгезионных сил

Наиболее частой причиной появления дефектов при микросборке является проявление различных видов микроразрушений вследствие значительного превышения сил захвата Результаты анализа подтвердили существенное изменение характеристик поверхности при контакте и наличие гистерезиса при захвате/отпускании микрообъектов, что диктует необходимость разработки дополнительных контуров управления приводом схвата

Приведены результаты экспериментальной проверки предлагаемых моделей микророботов Нестационарная модель движения робота представлена в виде, рис 4

С

ЗГ

[K+AK(t)l > н > VI/p

Z(t)

i>

Рисунок 4 - Структура нестационарной модели объекта управления

На основе результатов предложена нестационарная модель движения платформы микроробота в виде уравнения

PZ(t) = V I Н [к*+дк(о] p(t), (1)

где Z(t) - вектор положения микроробота, V - частота подаваемого в модель сигнала управления U(t), К- линейный коэффициент зависимости напряжение - перемещение, / - единичная матрица, Н = В R - матричный оператор, где в свою очередь, В - матрица коэффициентов для расчета элементарных движений по х-, >-координатам и углу поворота, R - матрица перехода из локальной системы координат робота в глобальную, рабочей зоны Особенностью данного описания, в отличие от традиционного, является то, что оператор, связывающий Z(t) и p(t), является нестационарным коэффициентом передачи, не содержащим дифференциальных компонент, т е является голономным оператором При этом постоянную составляющую К* можно рассматривать как номинальный коэффициент передачи объекта, а нестационарную составляющую AfC(t) - как некоторое эквивалентное параметрическое возмущение, действующее на объект и вызванное нелинейными свойствами поверхности, изменением ее характеристик во время движения, технологическим разбросом характеристик пьезоприводов и действием адгезионных сил

Предложена методика объединения разработанных моделей в единую связную систему, отображающая методологическую, математическую, кибер-

нетическую и информационную сторону исследования микровзаимодействий Получены результаты моделирования для операций захвата и отпускания микрообъекта при работе механических микросхватов с использованием предложенной системы

В четвертой главе диссертации в развитие алгоритмов адаптивного ко-ординатно-параметрического управления многосвязными нестационарными объектами для построения адаптивных САУ приводится модифицированный метод синтеза алгоритмов адаптации, при этом объект управления представлен в виде уравнения (1)

Для синтеза структуры ОНО введем в систему цепь параметрической коррекции, тогда входное воздействие p{t) можно записать в виде

p(t) = U(t)-[K*Y ¿КОМ, где U(t) - сигнал управления, поступающий с регулятора, К' - номинальный коэффициент передачи объекта, AK(t) - настраиваемый коэффициент Синтез алгоритма самонастройки проведен методом градиента, искомыи алгоритм получен в виде - -j—= 2А W{p) S (/) p{t),

dt

где W(p) - оператор корректирующего устройства, ¿(f)- ошибка по положению, X - варьируемый параметр

Т к к системам управления предъявляются достаточно жесткие требования к объему и времени вычислений, то предложено реализовать контур коррекции и регулятор в прямой цепи с использованием алгоритмов нечеткой логики Для этого на основе экспертных данных и результатов моделирования работы синтезированной адаптивной системы управления были выбраны функции принадлежности для входных и выходных величин, правила формирования выходного значения Использование алгоритмов нечеткой логики позволило повысить в 2,5 раза скорость вычисления управляющих воздействий, уменьшить отклонение траектории микроробота от желаемой траектории Эксперименты показали, что при использовании корректирующего звена на основе нечеткой логики, система своевременно реагирует на отклонения от желаемой траектории при действии случайных возмущений

Т к на вход в контур коррекции поступает интегральная ошибка, а также используется стабильная частота подачи управляющего сигнала, то динамика перемещения робота отличается от модельной Поэтому предложено-скорректировать структуру интеллектуальной САУ путем введения контура

коррекции частоты генерации управляющего сигнала, для компенсации отставания. Скорректированная структура представлена на рис. 5.

При этом на основе экспериментальных данных о перемещении микроробота, произведена коррекция его динамической модели с использованием метода нормированных передаточных функций и синтезирован алгоритм выбора частоты управляющего сигнала в виде нелинейной зависимости для всего диапазона рабочих частот пьезопривода. В структуру САУ введен блок формирования сигнала ошибки следования по траектории, который из интегрального сигнала выделяет ошибку отклонения от траектории и ошибку отставания.

Кроме задач управления перемещениями микроробота необходимо решить задачи управления манипулятором, в частности для сборочных операций. Анализ микровзаимодействий, приведенный в третьей главе показал, что

проанализировать и учесть влияние каждого из возмущающих факторов невозможно из-за отсутствия численных показателей для большинства из них, а также чрезмерного увеличения сложности модели Поэтому предложено синтезировать интеллектуальную систему управления микроманипулятором с блоком предсказания (предиктором), построенным в нейросетевом базисе и использующем в процессе функционирования как результаты моделирования различных составляющих адгезии, так и текущую доступную информацию с сенсорных систем

Прогнозирующую оценку возмущений при микроманипуляциях предлагается проводить на базе векторов у ¡(к) текущего состояния (сигналы обратной связи, получаемые с сенсорных систем), косвенных Уг{к) и размерных Уз(к) факторов (эмпирические данные в виде констант окружающей обстановки), текущих коэффициентов взаимодействий у^к) (выход математических моделей микромира), а также значений векторов текущего состояния за один У\(к-1), два у\(к-2), три у\(к~3) такта назад Эффективность завершения очередной микроманипуляционной операции выражается в виде ожидаемого вектора параметров взаимодействий у{к+1) = £>2)т

у(к +1) = ЫМ(у,(к), У2(к), у,(к), УШ У^-1), у\{к~2), у,(к-3)) Предиктор синтезировался в виде одношагового блока прогнозирования на базе прямонаправленной трехслойной нейронной сети с радиально-базисными активационными функциями нейронов скрытого слоя (РБФ-сети)

V

г=1,Я,

/1(У,с„а1) = ехр

где У=(у\(к), уг{к), Уг(к), Уи(к), У\Ш)) - вектор входных сигналов сети, С1 = (С11 > С12» 'С1 у) ~ вектоР координат центра активационной функции 1-го

нейрона скрытого слоя, а, - ширина окна активационной функции, V- количество нейронов во входном слое сети, Н- количество нейронов в скрытом слое Выходами нейросети являются предполагаемые расстояния между микрообъектом, манипулятором и подложкой, по характеру изменения которых можно судить о выполнимости операции микроманипулирования на следующем шаге, а также сигнал коррекции основных параметров захвата, если эта коррекция способна нормализовать работу оборудования Кроме схемы управления технологическим процессом рассматриваются структура и методика построения схем превентивного управления приводом микроманипулятора

Для вычисления силы, реализуемой приводом схвата предлагается использовать следующую формулу, где в отличие от классической формы добавляется «положительный» (для операции захвата) эффект адгезионных сил:

Pcx* = к, ■ К2 [ц ■ (Frp + m ■ авозм ) + Faflr (M, 5)J , где Faju.(M,5) - сумма наиболее эффективных адгезионных сил при заданных режимах работы схвата и для данной пары взаимодействующих материалов, К\ - коэффициент, зависящий от положения микрообъекта по отношению к губкам схвата и направления действия силы тяжести; К2 - коэффициент запаса. Т. к. точно вычислить адгезионные эффекты невозможно, то предложено модернизировать схему предиктора и встроить ее в систему управления приводом схвата, рис. 6.

Рисунок 6 - Система управления микросхватом

Где Xтр - требуемое смещение губок схвата, а также его значение за один, два и три такта назад; Радг - «положительные» адгезионные силы, а также их значение за один, два и три такта назад; Хф - фактическое смещение губок схвата, а также его значение за один, два и три такта назад; у - корректирующий коэффициент регулятора манипулятора (прогноз), а также его значение за один, два и три такта назад; Токр - температура окружающей среды. В данном варианте выходом предиктора является коэффициент ослабления у для силы

схвата, рассчитанной по классической формуле Проведенные эксперименты показывают, что возможно уменьшение усилий в 4-5 раз при сохранении надежности захвата микрообъекта, таким образом значительно снижается вероятность разрушения микрокомпонентов, а также появляется возможность повысить быстродействие манипуляционных схем за счет уменьшения размеров и мощности требуемых приводов

Пятая глава посвящена разработке алгоритмов управления коллективами микророботов, при этом рассматривается два варианта построения коллективов микророботов Централизованная схема управления коллективом рассматривается как схема управления коллективом микророботов, выполняющих единую технологическую задачу в составе микротехнологического модуля - микрофабрики Структура такой системы управления представлена на рис 1, новизна которой заключается в широком использовании результатов моделирования, виртуальной среды и предлагаемых интеллектуальных алгоритмов

Также рассматривается вариант построения, архитектура и функциональное наполнение систем децентрализованного управления поведением коллектива микророботов, т е групп достаточно большого размера, выполняющего некоторый комплекс операций и функционирующего в рабочем пространстве с заранее неизвестными характеристиками, при этом имеются жесткие ограничения на энергетические и вычислительно-информационные возможности таких роботов Применение классических подходов к построению систем планирования и управления поведением микророботов в таких коллективах невозможно, поэтому решение искалось в использовании генетических алгоритмов (ГА) Хромосома представляет собой набор сегментов из 5 генов, гены - целочисленные, кодирующие необходимую для работы алгоритма информацию, рис 7

Основные характеристики алгоритма размер популяции - 15-20 хромосом, алгоритм отбора - рулетка, мутация со средним порогом, кроссинговер 1-или 2-точечный, используется алгоритм поиска и уничтожения клонов Для проведения отбора используются три функции пригодности

'ид

5

■2>.

->о.

при этом

3 3

F=^Fk wk, £ wk = 1, wk = const, где r, - расстояние от центрального мик-

к=\ 4=1

роробота до 1-го микроробота, /и,=1-3 - коэффициент функциональной значимости («веса») 7-го робота, S - окрестность упорядочивания, Nnep - число перестановок, необходимых для достижения идеального или близкого к нему расположения роботов Применение этого алгоритма позволяет упорядочить микророботы по площади за минимальное число перестановок, задаваясь требуемым расстоянием гид

сегмент хромосомы

WN NE

W / / Е

sw..--'*

/ S/' \ \

№

сектора

Кол-во роботов

Удаление 1-го робота

Функция 1-го робота

Упорядоченность 1-го робота

Рисунок 7 - Алгоритм формирования хромосомы

Кроме задачи равномерного покрытия требуемой площади с помощью ГА предлагается решить и задачу перемещения роботов в локальной окрестности, т к при перемещении возможно появление как статических, так и динамических препятствий При решении задачи с помощью ГА для задания окрестности микроробота предлагается использовать N сеточных представлений в виде матриц размерностью 5Х х Бу, элементы которой принимают логические значения, в зависимости от того свободна или занята препятствием соответствующая ячейка сетки В качестве индивидуумов рассматриваются маршруты движения по ячейкам сеток, поэтому хромосома будет представлять собой последовательность Ир узлов, образующих траекторию движения При этом каждый /-ый узел будет содержать гены - координаты в виде индексов х, и у, соответствующей ячейки, а также индекс момента времени - нахождение микроробота в ячейке, рис 8

В качестве функции пригодности используется следующий функционал

",-1 и

2 2 ' М I———-——--

Я = где 52=1 /Мр, 53=

4-1 к=1 1=0 7=1

й =

55 =

Л4

л-1

1=0

V1

1=0

А/,-2 £

1=1

«-15 -

> ^ = £ -х',<)2 ""Л^2 " локальные функ-

1=0

ции пригодности отвечающие за минимизацию длины маршрута, количества поворотов, удаление от подвижных и неподвижных препятствий. Узел Ген Сегмент

,-Л-N гЬ ,-^-

*0 Уо к Х\ У\ и — хЫ-2 Ун- 2 ¡N-2 —► Хц.\ У мл

N

Рисунок 8 - Кодировка маршрута движения в хромосоме

При генерации новых поколений хромосом кроме стандартных операции мутации и кроссинговера используются операции сглаживания и спрямления хромосом - траекторий Размер популяции - 10-20 хромосом для рабочего пространства 10*10 Эксперименты показывают, что уже на 3 или 4 шаге можно получить близкие к оптимальным траектории перемещения микророботов А так как гены представляют собой целочисленные значения и функции пригодности построены на простейших операциях, то даже с этой точки зрения предлагаемый метод поиска траекторий с помощью ГА наиболее приспособлен для бортовых СУ микророботами Приведены результаты экспериментальной проверки предлагаемого подхода

Шестая глава посвящена разработке структуры виртуальной среды, при этом предлагается в структуру включить пять главных составляющих виртуальные и математические модели управляемой системы, интерфейсный и моделирующий комплексы, и систему ЗБ-визуализации, рис 9 Функционально структуру виртуальной среды можно разделить на три основных уровня физическая среда, виртуальная среда, пульт оператора

Рассматривается наполнение каждого из уровней, особое внимание уделяется выявленным при проведенном ранее анализе основным проблемам при

работе с микрообъектами, которые должна решить предлагаемая виртуальная среда. Виртуальные модели представляют собой макеты реального микротехнологического оборудования и сборочных единиц: микророботов, позиционеров, микроманипуляторов, концевых эффекторов, компонентов МЭМС и т.д. и отражают наиболее существенные свойства реальной системы: геометрические габариты и форму, упругость, жесткость поверхностей, а также спектральные и отражательные характеристики поверхностей объектов.

ИНТЕРФЕЙСНЫЙ КОМПЛЕКС

МАТЕМАТИЧЕСКИЕ МОДЕЛИ

Окружающая среда

Системы планирования и управления

Среда функционирования микросистем

Микророботы | Микроманипуляторы | Позиционер

Эффекторы в Компоненты МЭМС СТЗ

i

Контактные эффекты

МОДЕЛИРУЮШИИ КОМПЛЕКС

1

СИСТЕМА ЗБ-ВИЗУАЛИЗАЦИИ

Рисунок 9 - Обобщенная структура виртуальной среды

Математические модели отражают свойства окружающего микромира, особенности влияния внешних факторов на функционирование микросистем, различные проявления адгезионных сил и эффектов. Математическим языком описывается работа микротехнологических устройств - модели используемых систем управления и планирования, геометрические модели позиционирующих устройств, прямые и обратные кинематические модели микроманипуля-ционных устройств и микророботов, и т.д.

В интерфейсном комплексе с помощью аппаратно-программного интерфейса в реальном времени на основе данных о состоянии реальной среды, получаемых с помощью различных датчиков, сенсоров и СТЗ, изменяются параметры физических и математических моделей. Этим обеспечивается ди-

намическая подстройка СВР в соответствии с изменением состояния (параметров) физической среды

Определяются базовые требования к вычислительным ресурсам, скорости информационного обмена между физической и виртуальной средой, а также объемам передаваемых данных Показано, что необходимый для работы в реальном масштабе времени объем вычислений требует построения предлагаемой виртуальной системы в виде распределенного мультипроцессорного комплекса, при этом для снижения требований к пропускной способности информационных каналов (особенно со стороны СТЗ) передача данных производится в виде векторов состояния Благодаря виртуальной реальности предоставляется возможность обеспечения стерео- и гиперскопического (использование более 2-х виртуальных камер) отображения рабочей сцены, что остро необходимо при выполнении микроманипуляционных и сборочных операций и может дать наиболее полное представление оператору о взаимном положении объектов и движении рабочих инструментов

Такие качества виртуальной системы, как открытость и модульность, унифицированность библиотек базовых алгоритмов планирования и управления, а также программно-языковая и аппаратная независимость программного комплекса в целом, стали возможными благодаря выделению вычислительного ядра СВР в отдельный модуль Показаны методики интеграции моделей различного уровня иерархии в виртуальную среду и подключения реальных объектов управления с использованием сетевых, физических и логических протоколов обмена информацией

Особое внимание уделено методике реализации виртуальных моделей с использованием функций предлагаемых интерфейсов MD-API и MSD-API (Microrobot и MicroSystems Development Application Program Interface) В качестве объектов моделирования выбраны капиллярный микросхват и захватное устройство на основе наноструктурных металлических материалов Показаны результаты моделирования, процедура наполнения базы микроэффектов, методика использования моделей при синтезе и анализе алгоритмов управления перспективными устройствами

Седьмая глава посвящена вопросам практического использования полученных теоретических результатов в ходе решения прикладных задач проектирования многофункциональных, адаптивных и нечетких систем управления перспективными микроробототехническими системами Описана программная

реализация предложенных архитектуры и алгоритмического обеспечения виртуальной среды, приведены примеры ее оконных интерфейсов при различных режимах работы в качестве моделирующей среды, системы управления и т д

Т к виртуальная среда способна реализовать режим управления в реальном масштабе времени только при работе на базе распределенных вычислительных систем, то большая часть главы посвящена методикам построения и наполнения виртуальной среды с целью реализации модуля сетевого обмена, основанного на использовании технологии Web-служб В качестве платформы на которой предлагается реализовать удаленной управление выбрана Net Framework, позволяющая строить кроссплатформенные, «универсальные» решения без изменения прикладного ПО Предложена методика построения многоуровневых и мультибазисных систем управления на основе использования современных информационных технологий, позволяющая реализовать управление сложными МРТК даже с использованием КПК или смартфонов Показаны иерархия структур и основных классов как серверных так и клиентских приложений системы удаленного управления Использование в виртуальной среде для передачи данных (распределенная система в режиме удаленного управления) XML-документа позволило снизить на 5 порядков объем информации, передаваемой по каналам обратной связи и в каналах управления

Описаны натурные эксперименты на реальном оборудовании (микроробот МикРоб, миниробот Khepera), подтверждающие обоснованность сделанных предположений и достоверность полученных результатов Результаты экспериментов показали, что при использовании предложенной архитектуры интеллектуальной САУ перемещением мобильного микроробота, метода синтеза алгоритмов и разработанного программного обеспечения точность следования траектории увеличилась в 2-3 раза, уменьшились в 5-6 раз требования к аппаратным ресурсам вычислительных систем Использование нейросетевых предикторов позволило сократить в 4-5 раз время простоя технологического оборудования за счет своевременной коррекции параметров рабочих инструментов, при этом точность прогноза возмущений со стороны внешней среды составила 93-98%, а точность расчета микровзаимодействий по предложенным моделям и в соответствии с логическим схемами их компоновки внутри виртуальной среды составила 85-92%, что вполне удовлетворяет предъявляемым требованиям Результатами натурных экспериментов с прототипами захватных микроустройств подтверждена целесообразность использования ней-

росетевого предиктора при управлении приводами микроманипулятора, а также полученные экспериментальные данные соответствуют проведенным ранее модельным расчетам

Описаны перспективы дальнейшего развития систем виртуальной реальности в приложениях, связанных с микроробототехникой и сложными МЭМС

ЗАКЛЮЧЕНИЕ

1 Выявлены основные аспекты проблем управления микророботами и микроробототехническими комплексами как сложными динамическими объектами, действующими в условиях неопределенности, отображающие методологическую, математическую, кибернетическую и информационную сторону исследований Предложена концепция построения интеллектуальных САУ, основанная как на системных принципах и общенаучных подходах к построению иерархических многоуровневых систем, так и на использовании интеллектуальных алгоритмов управления, а также модели виртуальной среды, что позволило за счет предлагаемой интеграции научных подходов повысить эффективность управления в условиях структурной и параметрической неопределенностей

2 Построен комплекс математических моделей адгезионных эффектов в виде элементов виртуальной среды, описывающий взаимодействия сборочных инструментов с микрообъектами в условиях комбинированного воздействия недетерминированной окружающей среды на работу концевых эффекторов Новизна моделей заключается в том, что они адекватно отражают физические эффекты микромира, и предоставляют возможность строить различные структуры из организационного взаимодействия, при этом показана эффективность их использования в контуре управления и для адекватного описания окружающей обстановки в режимах математического и полунатурного моделирования виртуальной среды

3 Предложен модифицированный метод синтеза алгоритмов интеллектуального управления перемещением микроробота, новизна которого заключается в том, что при синтезе контура нелинейной коррекции методом обобщенного настраиваемого объекта на основе скоростного градиента учитываются особенности моделей микровзаимодействий, а результаты моделирования работы адаптивной системы используются для построения интеллектуальной системы управления на базе алгоритмов нечеткой логики с введением до-

полнительного контура коррекции скорости, учитывающего динамику протекающих процессов Экспериментальные исследования подтверждают высокую эффективность предлагаемых интеллектуальных алгоритмов - их использование позволяет уменьшить более чем в 2-3 раза по отношению к классическим алгоритмам время парирования параметрических и сигнальных возмущений и повысить на 30-40% точность отработки траекторий

4 Разработан метод синтеза структур и алгоритмов прогнозирования поведения микросборочными процессами и микроманипулятором, представляющие собой систему управления с блоками предсказания, построенными в нейросетевом базисе, реализующими адаптивную подстройку основных параметров объекта управления в соответствии с прогнозируемыми возмущениями, полученными на основе корректного и адекватного использования моделей виртуальной среды, и основываясь на информации о предыдущих тактах работы Также использование нейросетевых предикторов позволяет повысить эффективность работы технологического оборудования, уменьшить в 3-4 раза габариты манипулятора, увеличив, таким образом, его быстродействие и снизив требования к мощности привода На основе предложенных подходов к построению предиктора разработана методика его синтеза с использованием разработанной виртуальной моделирующей среды

5 Разработан метод синтеза структуры интеллектуальной системы управления поведением коллектива микророботов и планирования локальных траекторий, позволяющий учитывать изменение отношений между агентами коллектива в зависимости от решаемых задач, изменения ситуации и состояния окружающей среды, и решать поставленные задачи в соответствии с задаваемыми критериями равномерным покрытием, минимальной длиной маршрута, затраченным временем на движение и т д Предлагаемый метод синтеза генетических алгоритмов планирования локальных перемещений микророботов отличается тем, что при формировании хромосом учитывается фактор времени, что позволяет планировать движения в изменяющейся окружающей обстановке и при наличии подвижных препятствий, при этом предложенные алгоритмы снижают в 10-15 раз требования к аппаратно-энергетическим параметрам микророботов, позволяя реализовать предлагаемые методы бортовыми информационно-вычислительными комплексами микророботов

6 Разработаны архитектура СВР, включающие в себя функциональную структуру из пяти основных составляющих - виртуальных и математических

моделей, интерфейсного и моделирующего комплексов, системы трехмерной визуализации, структурно-информационную схему взаимодействия СВР, физической среды и пульта оператора, многоуровневую иерархическую архитектуру СВР Предложены методики использования СВР для преодоления недостатков, связанных с особенностями каналов оптического наблюдения на микроуровне, обеспечения визуальной обратной связи при планировании, управлении и контроле микросборочных процессов

7 Разработано прикладное программное обеспечение (ППО), на базе которого с использованием виртуальных моделей микросистем проведены программные, полунатурные и натурные экспериментальные исследования, доказавшие эффективность предложенных алгоритмов планирования и управления, адекватность виртуальных моделей Проанализирована эффективность использования предлагаемых подходов к проектированию микроробототехни-ческих комплексов как сложных динамических систем Показана возможность построения распределенных управляющих систем, систем удаленного управления и мониторинга на основе технологии Web-служб

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ Публикации в рецензируемых журналах из списка ВАК•

1 Мобильный пьезоэлектрический микросборочный робот / С.Т. Ку-симов, Б Г. Ильясов, Р А. Мунасыпов, О.В Даринцев // Мехатроника М Машиностроение, 2001 №6 С 29-33 (Автору принадлежит 1,5 журн с )

2 Синтез алгоритмов управления сборочными микроробототехниче-скими системами / О В Даринцев, А.Б. Мигранов // Известия ТРТУ Тематический выпуск «Интеллектуальные и многопроцессорные системы» Таганрог

Изд-во ТРТУ, 2004 №9 С 174-182 (Автору принадлежит 5 журн с )

3 Манипуляционные микроробототехнические системы и проблемы производства гибридных МЭМС / О.В. Даринцев, A.B. Мигранов // Нано- и микросистемная техника М Новые технологии, 2005 №2 С 38-44 (Автору принадлежит 4 журн с )

4 Использование нейросетевого предиктора в системе управления микротехнологическим процессом / Б.Г. Ильясов, О.В. Даринцев, А.Б Мигранов // Мехатроника, автоматизация, управление М Новые технологии, 2005 №8 С 39-45 (Автору принадлежит 4 журн с )

5 Сборка гибридных МЭМС на основе трехмерной реконструкции состояния технологической среды / О.В Даринцев, А.Б Мигранов // Нано- и

микросистемная техника М Новые технологии, 2006 №12 С 36-40 (Автору принадлежит 3 журн с )

6 Удаленное управление микроробототехническими комплексами через сеть Интернет архитектура системы и особенности реализации / О В. Да-ринцев, А.Б. Мигранов, И.В. Голенастое // Известия ТРТУ. Тематический выпуск «Интеллектуальные и многопроцессорные системы» Таганрог Изд-во ТРТУ, 2006 № 16 (71) С 74-79 (Автору принадлежит 3 журн с )

7 Построение распределенных систем управления комплексами разнородных объектов / О.В Дариицев, А Б. Мигранов // Информационно-измерительные и управляющие системы М Радиотехника, 2007 Т 5 №02 С 70-75 (Автору принадлежит 4 журн с )

8 Человеко-машинный интерфейс поддержки автоматизированных микросборочных процессов на основе виртуальных технологий / О.В Дарин-цев, А Б. Мигранов // Информационные технологии М Новые технологии, 2007 №3 С 30-36 (Автору принадлежит 4 журн с )

9 Система планирования движения группы мобильных микророботов на основе генетических алгоритмов / О.В. Даринцев, А.Б. Мигранов // Известия РАН Теория и системы управления М Наука/Интерпериодика, 2007 №3 С 163-172 (Автору принадлежит 6 журн с)

10 Виртуальный комплекс управления микророботами через сеть Интернет / О.В. Даринцев, А Б Мигранов// Мехатроника, автоматизация, управление М . Новые технологии, 2007 №3 С 37-39 (Автору принадлежит 1,5 журн с)

11 Превентивное управление микроманипуляционными операциями / Б.Г. Ильясов, О.В. Даринцев, А.Б. Мигранов // Мехатроника, автоматизация, управление М Новые технологии, 2007 №9 С 4-8 (Автору принадлежит 2 журн с)

12 Моделирование работы микроманипуляционного устройства, изготовленного с использованием наноструктурных материалов / О.В Даринцев, А.Б. Мигранов // Нано- и микросистемная техника М • Новые технологии, 2007 №11. С 19-23 (Автору принадлежит 3 журн с )

Свидетельства об официальной регистрации программ для ЭВМ

13 Свид. об офиц per программы для ЭВМ №2002610748 Трехмерная виртуальная роботизированная микросборочная фабрика / О В. Даринцев, А.Б. Мигранов М • Роспатент, 2002

14 Свид. об офиц per программы для ЭВМ №2004611008 Виртуальная среда проектирования, тестирования и отладки микроэлектромеханиче-

ских систем/ O.B. Даринцев, А Б Мигранов М Роспатент, 2004

Патенты

15 Патент РФ № 2164362 Мобильный пьезоэлектрический микроробот / Б Г. Ильясов, О.В. Даринцев, P.A. Мунасыпов, В.В. Асеев и др Заявл 17 05 99 Опубл 20 03 01 Бюл № 8

16 Патент РФ № 2172239 Пьезоэлектрический манипулятор / Б Г Ильясов, О В. Даринцев, Р А. Мунасыпов, В.В Асеев и др. Заявл

11 05 99 Опубл 20 08 01 Бюл № 23

17. Патент РФ № 22054753 Мобильный вакуумный пьезоэлектрический микроробот / А.М. Пугин, О.В. Даринцев, Н.В. Чувилина. Заявл

12 01 2000 Опубл 10 1101 Бюл №31

18 Патент РФ № 2210493 Вакуумное захватное устройство / А.М. Пугин, О.В Даринцев, А Б Мигранов. Опубл 20 08 2003 Бюл №23

19 Патент РФ 2259913 Двухсторонний пьезоэлектромеханический микропривод / О В. Даринцев, А.Б. Мигранов. Опубл 10 09 2005 Бюл №25

20 Патент РФ 2261795 Капиллярный микрозахват с обратной связью / О.В Даринцев, А.Б. Мигранов. Опубл 10 10 2005 Бюл №28

21 Патент РФ 2266809 Термокапиллярный поршневой микропривод / О В. Даринцев, А Б Мигранов.Опубл 27 12 2005 Бюл №36

22 Патент РФ 2266808 Пьезоэлектрический привод микроманипулятора / О.В. Даринцев, А Б Мигранов. Опубл . 27 12 2005 Бюл №36

23 Патент РФ 2266810 Автономное вакуумное захватное устройство микроробота / О.В Даринцев, А.Б. Мигранов. Опубл 27 12 2005 Бюл №36

Монография

24 Нейрокомпьютеры в авиации (самолеты) // Под ред В И Васильева, Б Г Ильясова, С Т Кусимова Кн 14 М Радиотехника, 2004 С 417-446 (Автору принадлежит 47 с )

Учебное пособие с грифом УМО вузов по Университетскому политехническому образованию

25 Основы микроробототехники / Б.Г. Ильясов, О.В. Даринцев, P.A. Мунасыпов Уфа Изд Уфимск гос авиац техн ун-та, 2004 161 с (Автору принадлежит 83 с )

Другие публикации.

26 Настольный микросборочный производственный комплекс планирование и управление / Б.Г. Ильясов, О.В. Даринцев, Р.А Мунасыпов. // Наукоемкие технологии машиностроения Сб тр Уфа Гилем, 2000 С 276-287

27 Проблемы взаимодействия виртуальных и реальных микросистем / Д Е. Охоцимский, Б.Г. Ильясов, О В. Даринцев, P.A. Мунасыпов, А Б. Мигранов. // Мобильные роботы и мехатронные системы Матер науч шк -конф (Москва, 2-3 декабря 2002 года) М Изд-воМоск ун-та, 2002 С 5-17

28 Управление технологическими процессами микросборки в реальном времени с использованием виртуальных систем, интеллектуальных и адаптивных алгоритмов / О В Даринцев, A.B. Мигранов // Искусственный интеллект науч-теор журн Донецк ТИП Наука I Освгга, 2003 №3 С 172-180

29 Виртуальная микротехнологическая среда структура и особенности реализации / О В Даринцев, А Б Мигранов // Информационные технологии и программирование Межвуз сб статей М МГИУ, 2003 Вып 4 (9) С 17-22

30 Система управления коллективом микророботов / О.В. Даринцев. // Искусственный интеллект науч-теор журн Донецк ТИП Наука I Освгга, 2006 №4 С 391-399

31 Волновые механизмы передачи информации при управлении коллективом микророботов / О.В Даринцев // Искусственный интеллект Интеллектуальные и многопроцессорные системы-2006 матер Седьмой межд науч -техн конф Таганрог Изд-воТРТУ,2006 ТЗ С213-218

32 Виртуальный имитатор технологического комплекса сборки микросистем / О.В. Даринцев, А.Б. Мигранов // Вестник компьютерных и информационных технологий М Машиностроение, 2006 №10 С 16-24

33 Методика разработки моделей микроэлекромеханических систем (МЭМС) API функции виртуальной среды проектирования, тестирования и отладки МЭМС / О.В Даринцев, А.Б. Мигранов // Труды Института механики Уфимского научного центра РАН Уфа Гилем, 2007 Вып 4 С 261-273

34 Моделирование динамики мобильного микроробота / О.В. Даринцев, Е А. Саргаев // Мехатроника, автоматизация, управление - 2007 матер Межд науч - технич конф Таганрог Изд-во ТТИ ЮФУ, 2007 С 203-207

Диссертант

О.В. Даринцев

ДАРИНЦЕВ Олег Владимирович

МЕТОДОЛОГИЧЕСКИЕ И ТЕОРЕТИЧЕСКИЕ ОСНОВЫ УПРАВЛЕНИЯ МИКРОРОБОТОТЕХНИЧЕСКИМИ СИСТЕМАМИ С ИСПОЛЬЗОВАНИЕМ ИНТЕЛЛЕКТУАЛЬНЫХ АЛГОРИТМОВ И МОДЕЛИ ВИРТУАЛЬНОЙ СРЕДЫ

Специальность 05 13 01 - Системный анализ, управление и обработка информации (в промышленности)

АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук

Подписано к печати 18 01 2008 Формат 60x84 1/16 Бумага офсетная Печать плоская. Гарнитура Times Услпечл 2,0 Услкр-отт 2,0 Уч-издл 1,9 Тираж 100 экз Заказ № 696

ГОУ ВПО «Уфимский государственный авиационный технический университет» Центр оперативной полиграфии 450000, г Уфа, ул К Маркса, 12

СПИСОК СОКРАЩЕНИЙ

Введение

ГЛАВА 1 АНАЛИЗ ПРОБЛЕМ ПРОЕКТИРОВАНИЯ И

УПРАВЛЕНИЯ МИКРОРОБОТОТЕХНИЧЕСКИМИ СИСТЕМАМИ

1.1 Анализ предметной области и классификация микроэлектромеханических систем

1.2 Актуальность проблематики исследования

1.3 Структура и состав микроробототехнических систем

1.4 Архитектура информационно-управляющих комплексов.

1.5 Анализ методик синтеза виртуальных систем

1.6 Цель и задачи исследования 62 Выводы по 1 -ой главе

ГЛАВА 2 МЕТОДОЛОГИЧЕСКИЕ ОСНОВЫ ПОСТРОЕНИЯ

ИНТЕЛЛЕКТУАЛЬНЫХ САУ МР И МЭМС

2.1. Системный подход к проектированию интеллектуальных САУ МР

2.2. Концепции построения интеллектуальной САУ МР

2.3. Обобщенная структура интеллектуальной САУ МР с элементами виртуальной реальности 86 Выводы по 2-ой главе

ГЛАВА 3 МОДЕЛИРОВАНИЕ МИКРОРОБОТОТЕХНИЧЕСКИХ СИСТЕМ И ИХ ПОВЕДЕНИЯ В МИКРОМИРЕ

3.1 Кинематическая и динамическая модели мобильного микроробота

3.2 Поведение механических систем в микромире, основные типы взаимодействия контактирующих микрообъектов

3.3 Разработка методики математического моделирования микровзаимодействий

3.4 Построение моделей механических компонентов МЭМС, приводов и микророботов. Взаимодействие моделей

Выводы по 3-ой главе

ГЛАВА 4 ИНТЕЛЛЕКТУАЛЬНОЕ ПЛАНИРОВАНИЕ И УПРАВЛЕНИЕ КОМПОНЕНТАМИ МИКРОТЕХНОЛОГИЧЕСКИХ КОМПЛЕКСОВ И МОБИЛЬНЫМИ МИКРОРОБОТАМИ

4.1 Синтез алгоритмов адаптивного управления движением мобильного микроробота

4.2 Применение нечеткой логики для интеллектуального управления перемещением мобильного микроробота

4.3 Синтез интеллектуальной системы управления с учетом динамики микроробота

4.4 Методика синтеза прогностических корректирующих цепей моделирующего комплекса

4.5 Синтез предиктора для контура планирования и управления микроманипулятором

Выводы по 4-ой главе

ГЛАВА 5 СИНТЕЗ АЛГОРИТМОВ УПРАВЛЕНИЯ ПОВЕДЕНИЕМ ГЕТЕРОГЕННЫХ И ГОМОГЕННЫХ КОЛЛЕКТИВОВ МИКРОРОБОТОВ С ИСПОЛЬЗОВАНИЕМ ГЕНЕТИЧЕСКИХ АЛГОРИТМОВ

5.1 Построение структуры систем планирования и управления поведением коллектива микророботов

5.2 Разработка генетических алгоритмов системы управления поведением коллектива микророботов

5.3 Разработка генетического алгоритма планирования оптимальных маршрутов движения группы микророботов в среде с препятствиями

Выводы по 5-ой главе

ГЛАВА 6 РАЗРАБОТКА МОДЕЛИ ВИРТУАЛЬНОЙ СРЕДЫ

6.1 Структура имитационно-технологического комплекса с элементами виртуальной реальности

6.2 Режимы обработки информации и иерархическая программная архитектура виртуальной среды

6.3 Алгоритмы разработки виртуальных моделей микросистем 274 Выводы по 6-ой главе

ГЛАВА 7 ОЦЕНКА ЭФФЕКТИВНОСТИ ПРОЦЕССОВ УПРАВЛЕНИЯ МИКРОРОБОТОТЕХНИЧЕСКИМИ СИСТЕМАМИ

С ИСПОЛЬЗОВАНИЕМ МОДЕЛИ ВИРТУАЛЬНОЙ СРЕДЫ

7.1 Программная реализация системы виртуальной реальности

7.2 Разработка системы удаленного управления через сеть Интернет с использованием модели виртуальной среды

7.3 Натурные эксперименты и перспективы дальнейшего развития системы виртуальной реальности 329 Выводы по 7-ой главе

Актуальность проблемы

Происходящие на сегодняшний день изменения в процессах производства миниатюрных компонентов электроники и механики предопределяют ускоренное развитие автоматизированных микротехнологических модулей и микросборочных систем и, в частности, микроробототехнических комплексов (МРТК), построенных на базе мобильных и стационарных микророботов. Практически во всех отраслях промышленности вопросы миниатюризации исполнительных устройств и механизмов являются одними из приоритетных задач; важнейшее значение они имеют для малоресурсных технологических процессов в нанотехнологиях, микроэлектронике, генетике и т.д. Использование МЭМС позволяет производить высокотехнологичные конкурентоспособные образцы продукции в автомобильной промышленности, электронике, медицине, средствах коммуникации и связи, авиации и космонавтике.

Увеличение количества исполняемых функций, точности и надежности микроэлектромеханических систем (МЭМС) и устройств с сохранением сверхмалых размеров возможно благодаря использованию современных интегральных технологий (КМОП, LIGA, SIGA процессы, MUMP's и др.). Но для производства МЭМС, в которых интегрирована сложная механика и электроника, технологий микрообработки недостаточно, дополнительно требуется сборочная фаза и поэлементное пакетирование. В настоящее время крупные центры разработки микроэлектромеханических систем сталкиваются с проблемой создания автоматизированных сборочных центров на базе микророботов, что требует глубокой теоретической и экспериментальной проработки, разработки методологии исследования, проектирования и управления подобными системами.

О Современное состояние исследований в данной области науки можно охарактеризовать, как недостаточное: в настоящее время нет даже экспериментального прототипа микроробототехнической системы, в которой были бы полностью автоматизированы все микросборочные операции: микроманипулирование, сборка, тестирование микрокомпонентов и другие операции микрообработки проводятся только под контролем человека-оператора. Также недостаточно количество отработанных и эффективных конструкторских решений в микроробототехнике, что связано с необходимостью изготовления экспериментальных образцов, вызванной отсутствием полномасштабной среды моделирования эффектов микромира. Тем не менее, при производстве простейших МЭМС, таких как микроакселерометры, микрогироскопы, механические резонаторы и т.д., производители активно используют среду моделирования, позволяющую полностью исключить на этапе разработки стадии прототипирования и изготовления опытных образцов, что позволяет сократить в 3-4 раза сроки разработки новых систем и в 1,5-2 раза стоимость конечного продукта. Использование подобных систем при конструировании микророботов не представляется возможным, так как они рассчитаны на моделирование только корпусированных МЭМС, т.е. таких микросистем, которые функционируют в изоляции от внешней среды - внутри герметичного корпуса, или у которых с внешней средой контактирует только сенсорная поверхность. Поэтому возникает необходимость разработки среды моделирования, структура и модельное наполнение которой соответствовали бы специфике функционирования мобильных микророботов в условиях действиях возмущений со стороны внешней микросреды.

Анализ тенденций развития МЭМС, микроробототехники, сложных комплексов, построенных на их базе, и систем управления показывает, что объем функций, выполняемых САУ перспективными микросистемами, определяется следующими основными факторами:

1) дальнейшим усложнением конструкции микромеханизмов и микророботов, связанным с созданием многофункциональных, гибких, адаптивных производственных систем, изменяющих в широком диапазоне свою структуру и параметры для обеспечения наиболее эффективного (в данных условиях технологического процесса) режима работы [65, 119, 121, 130, 227, 231];

2) дальнейшим повышением требований к качеству процессов управления, точности реализации операций, экономичности, необходимостью перехода к «самостоятельному» функционированию по состоянию [206, 207,220,267];

3) необходимость включения системы управления микроробота (микромеханизма) в качестве подсистемы в интегральную САУ технологическим процессом [232,267,279,280].

Эти факторы ведут к усложнению решаемых частных (локальных) задач, к еще большему увеличению количества регулируемых параметров и регулирующих факторов в системе управления, ужесточению требований к различным свойствам системы, к качеству функционирования отдельных подсистем и их взаимодействию. Таким образом, для современных и перспективных микро РТС (не только технологических) характерны: высокая интенсификация процессов управления, широкий диапазон изменения внешних условий и режимов работы, наличие взаимосвязанных друг с другом управляемых рабочих параметров, действие неизме-ряемых сильных возмущений, носящее в лучшем случае слабопрогнозируемый характер. Следствием этого является отсутствие точных математических моделей либо их чрезмерная сложность и вероятностный характер, высокая размерность пространства состояний и принимаемых решений по управлению, иерархичность, многообразие критериев качества, высокий уровень шумов и т.д.

Таким образом, микроробот как объект управления относится к классу многосвязных нестационарных и нелинейных объектов, функционирование которого происходит в условиях параметрической и структурной неопределенности. В качестве источников возникновения неопределенностей здесь выступают дефицит информационных, временных, энергетических, материальных и других видов ресурсов, непредсказуемость поведения внешней среды, непредвиденные изменения в структуре и поведении самой системы. Эффективное управление таким сложным динамическим объектом требует автоматизации процедур выбора оптимальных значений регулируемых координат (программ управления) в зависимости от текущей цели управления, условий работы, состояния элементов конструкции. Соответствующее изменение характера организации процесса управления возможно лишь при построении САУ микророботами в классе многоуровневых адаптивных систем. Поэтому повышение эффективности процесса управления и дальнейшего развития САУ микророботов, способных компенсировать последствия влияния неопределенных факторов, является весьма актуальной проблемой.

Сегодня общепризнано, что МЭМС одновременно интегрируются как электронные, так и механические компоненты, а иногда и оптические (тогда они называются микрооптоэлектромеханическими системами - МОЭМС), размеры микросистем измеряются в диапазоне от микрометров до нескольких миллиметров. Микросистемные технологии (МСТ) постоянно развиваются, в последние несколько лет кроме МЭМС и МОЭМС появились такие перспективные направления исследований, как БиоМЭМС (BioMEMS - биологические микроэлектромеханические системы) и ВЧ МЭМС (RF MEMS - вычокочастотные микроэлектромеханические системы), первое из них связано с мониторингом состояния живых организмов и экологией окружающей среды, второе направление - с системами навигации, средствами телекоммуникаций и мобильной связью. Поэтому при разработке микроустройств и микророботов необходимы специалисты различных областей: производство микроэлектроники, металловедение, управление и обработка информации и т.д. В области МСТ основное внимание сегодня сфокусировано на интеграцию отдельных или одновременно целого ряда функций (сенсорных, управляющих, исполнительных и информационных) в одной микросистеме [12, 33, 105, 113, 154, 164, 282, 265]. Эта тенденция привела к тому, что сегодня при производстве комплексных МЭМС возникает ряд совершенно новых инженерных и научных проблем, большая часть из которых связана с вопросами сборки и пакетирования (корпусирования) миниатюрных компонентов в единую гибридную микросистему. Еще в 1959 году Р.Фейнман в известном докладе [229] впервые поставил вопрос о. «.проблеме манипулирования и управления объектами в условиях их чрезвычайно малых массовых и габаритных характеристик». Решение микросборочных проблем Р.Фейнман видел в использовании микромашин, состоящих из микромеханизмов, которые в свою очередь состояли из множества других еще более миниатюрных устройств. Идею Р.Фейнмана можно считать как одну из первых по гибридному построению МЭМС, поскольку во времена становления микроэлектроники доминировали принципы исключительно монолитной интеграции микросистем.

Принципы построения и методы проектирования микросистем, и построения их систем управления наиболее полно отражены в работах отечественных ученых - академика Д.Е. Охоцимского, академика Ф.Л. Черноусько, академика И.М. Макарова, В.М. Лохина, П.П.Мальцева, В.А. Лопоты, A.B. Тимофеева, A.C. Ющенко, Е.И. Юревича, В.Г. Градецкого, В.Е. Павловского, И.В. Рубцова и др. [31, 33, 112, 121, 130, 151, 153, 154, 186, 187, 243], а также в работах зарубежных ученых - Т. Фукуда, М. Хаттори, С. Фатикова, X. Верна, У. Рембольда, П. Дарио, Б.Ж. Нельсона, X. Ямамото, А. Ковача др. [104, 110 ,207, 220,227,233, 237, 258, 265, 280, 287].

При анализе вышеприведенных работ становится очевидно, что при построении САУ МРТК попытки учесть всё на ранних этапах проектирования, т.е. стремиться получить абсолютно полную и достоверную информацию о процессах, ориентироваться только на строгие детерминированные модели, на идеальную реализацию соответствующих методов и алгоритмов, заранее обречены на провал. Поэтому в работе предлагается изначально ориентироваться на интеллектуальные (адаптивные) системы управления МРТК, которые могут сохранить работоспособность в условиях сильных сигнальной и структурной неопределенностей.

Идея интеллектуального (адаптивного) управления микромеханическими устройствами получила широкое распространение благодаря гибкости ее структуры, легкой перенастройки и т.д. В ряде публикаций [4, 18-20, 25, 116-120, 183, 184] отмечаются хорошие перспективы и потенциально высокая эффективность более широкого применения методов искусственного интеллекта - не только для управления данным классом объектов с учетом фактора неопределенности, но также и для реализации систем планирования и обработки информации.

Для сложных динамических объектов широкое распространение получили адаптивные системы управления, построенные в классе'беспоисковых самонастраивающихся систем (БСНС) с эталонной моделью, регулятор параметрического управления которых реализован на основе концепции обобщенного настраиваемого объекта (ОНО) [107, 171, 173, 175]. Структура контура нижнего уровня управления в таких системах, синтезируемая из условия инвариантности движения регулируемых координат от параметрических возмущений, обладает возможностью компенсации влияния нестационарности объекта управления на динамику замкнутой системы.

Принципы построения и методы синтеза беспоисковых систем с эталонной моделью ОНО наиболее адекватны решению задачи синтеза адаптивных алгоритмов управления микророботом, поскольку в БСНС данного типа существует принципиальная возможность раздельного рассмотрения регуляторов координатного управления в основном контуре системы и регулятора параметрического управления в контуре адаптации. Это облегчает расчет, проектирование и подстройку системы, а также обеспечивает необходимую гибкость при разработке и доводке системы, позволяя изменять принципы построения, структуру или параметры прямого канала управления, не затрагивая при этом «адаптивной» части системы.

При проектировании основного контура адаптивных САУ микророботов в классе многосвязных систем автоматического управления возникают серьезные проблемы, связанные с тем, что эти системы относятся к классу многофункциональных систем, поскольку при изменении компоновки САУ или изменении динамических свойств подсистем меняется и описывающая ее система дифференциальных уравнений. Основная трудность при этом заключается в обеспечении на всех режимах устойчивости и желаемого качества функционирования как САУ в целом, так и её сепаратных подсистем.

Теоретическим проблемам синтеза САУ, в том числе и робототехнических систем, посвящены как работы отечественных ученых: академика Б.Н. Петрова, академика A.A. Красовского, чл.-корр. РАН Е.Д. Теряева, С.Д. Землякова, ВЛО. Рутковского, В.А. Боднера, A.A. Шевякова, Б.А. Черкасова, Р.Т. Янушевского, Э.Я. Рапопорта, Ю.М. Гусева, Б.Г. Ильясова, В.И. Васильева, Н.И. Юсуповой, Г.Г. Куликова, Ю.С. Кабальнова, В.Н. Ефанова, В.Г. Крымского, Ф.А. Шаймарданова, P.A. Мунасыпова, Ю.А. Рязанова, С.С. Валеева и др., так и зарубежных П. Рейкауфа, Е. Битти, Дж. Бурчама, М. Уонэма и др. [6, 21, 107, 148, 149,171, 173, 175, 183,184,186,187, 188,195-201, 217,220,232,240, 243,246. 274].

В настоящее время можно выделить два основных подхода к описанию задач и методов анализа и синтеза структур линейных САУ:

1) основанный на использовании классических операторно-частотных методов;

2) в уравнениях пространства состояний.

Достоинством первого подхода является простота и наглядность, а также возможность описания динамических свойств МСАУ как на уровне подсистем, элементов и связей между ними, так и на уровне системы в целом, что обусловило его широкое применение в инженерной практике. Второй подход наиболее полно отражает внутреннее строение динамической системы.

Представляется актуальной разработка формализованного подхода к выбору структур динамических систем (ДС), который объединил бы преимущества обеих форм описания и, позволил бы целенаправленно формировать структуру системы в соответствии с выбранными критериями, а также был максимально ориентирован на широкое использование вычислительной техники вследствие необходимости перебора большого количества вариантов. Для этого необходимо найти такую характеристику структуры ДС, которая являлась бы базовым элементом для преобразования структуры всей системы, и позволяла бы при этом оценивать влияние структур отдельных подсистем и многомерных элементов связи на структуру МСАУ в целом, а также давало бы принципиальную возможность для построения самоорганизующихся систем.

Стремительное развитие системных концепций, принципов современной теории управления и информационных технологий на базе последних достижений вычислительной техники существенно расширили границы применимости и возможности реализации на практике быстро функционирующих управляемых сложных систем, в частности, адаптивных систем реального времени с замкнутыми алгоритмами адаптации. Более того, это привело к появлению принципиально новых классов систем управления, таких как интеллектуальные системы. Однако анализ отечественных и зарубежных работ таких учёных, как Н.М. Амосов, К.В. Фролов, Д.А. Поспелов, И.М. Макаров, В.М. Лохин, В.Н. Захаров, A.B. Тимофеев, Б.Г. Ильясов, В.И. Васильев, Н.И. Юсупова, P.A. Мунасыпов, С.С. Валеев, Ф.М. Кулаков, Э. Мамдани, Л. Заде, К. Фу, Ж. Лорьер [4, 17-21, 31,276, 277,288, 289 ], показывает, что, несмотря на то, что в данной области ведутся активные исследования, до сих пор не решён целый ряд проблем, в первую очередь связанных с возможностью работы данного класса САУ в существенно изменяющейся внешней среде в режиме реального времени, в силу относительной сложности реализации подходов.

Так как нечеткие системы регулирования, системы управления с использованием нейронных сетей и гибридные интеллектуальные САУ по своим свойствам относятся к нелинейным системам, что существенно затрудняет их синтез. В настоящее время еще не решены вопросы анализа устойчивости и качества, так как в силу сложности аналитического описания практически отсутствуют методы исследования таких систем. Основным инструментом в настоящее время является моделирование, что подразумевает проведение большого объема экспериментальных исследований. Ускорение темпов внедрения интеллектуальных систем в реальные системы требует оценки накопленного опыта проектирования САУ сложными техническими системами, которыми в силу целого ряда свойств являются микросистемы, с целью дальнейшего совершенствования и анализа перспектив их развития, а также разработки концепции построения и новых методов проектирования адаптивных МСАУ РТС.

В рамках проблемы создания эффективных микроробототехнических систем и комплексов необходимо решение следующих научных и научно-технических задач: а) разработка теоретических основ функционирования микромеханических устройств в условиях действия сложнопрогнозируемых возмущающих воздействий (в условиях «микромира»), представление всего комплекса взаимодействий в виде математических и программных моделей. При этом особое внимание необходимо уделить адгезионным силам и вибрационным процессам при функционировании механических компонентов; б) разработка теоретических основ автоматизации технологических процессов изготовления МЭМС со сложной объемной интеграцией компонентов, направленных в первую очередь на решение задач автоматизации технологий сборки механических узлов, решение проблем корпусирования (пакетирования); в) разработка архитектур, методов и каналов информационного обмена, программного и алгоритмического обеспечений для реализации систем децентрализованного управления большими коллективами мобильных микророботов, функционально однородных и неоднородных; г) создание программно-аппаратных комплексов и виртуальных систем информационной и системной поддержки всего жизненного цикла изделий МЭМС: от проектирования до использования. Создание единого информационного пространства и средств разработки, изготовления и управления микророботами; д) проектирование и разработка новых типов микроприводов, микросенсоров. Как на основе использования традиционных материалов: пьезокерамики, сплавы и кристаллы с памятью, биметаллы, так и новых материалов: нанострук-турные материалы, пластичные массы с уникальными свойствами, композиты и Т.д. е) разработка новых конструкций микророботов и МЭМС с уникальными функциональными возможностями, предназначенных для решения «узких» проблем в технике и технологиях.

В связи с вышеперечисленными нерешенными проблемами и задачами сформулирована цель данной работы и задачи.

Цель и задачи исследования

Цель работы- разработка методологии и теоретических основ управления микроробототехническими системами с использованием интеллектуальных алгоритмов и модели виртуальной среды, а также оценка их эффективности методом математического моделирования.

Задачи исследования

Для достижения поставленной цели требуется решить следующие задачи:

1. Разработать методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, обеспечивающих эффективное управление базовыми компонентами микросистем как сложными динамическими объектами в условиях структурной и параметрической неопределенности.

2. Разработать математические модели базовых элементов виртуальной среды на основе физических эффектов микромира и структуры их организации.

3. Модифицировать метод синтеза алгоритмов адаптивного управления мобильными микророботами с учетом сигнальной и параметрической неопределенности среды функционирования.

4. Разработать структуру системы и алгоритмы прогнозирования поведения как микроманипулятора, так и микроробототехнической системой в целом.

5. Разработать метод синтеза структуры и алгоритмов интеллектуальных систем планирования и управления поведением коллектива микророботов на основе генетических алгоритмов.

6. Разработать многофункциональную виртуальную среду в виде программно-аппаратного комплекса, включая модели, архитектуру, информационные каналы взаимодействия с внешним миром и межагентного взаимодействия.

7. Исследовать эффективность предложенных методов синтеза интеллектуальных алгоритмов управления и планирования на примере проектирования САУ различными типами механических микросистем и микророботов с использованием многофункциональной виртуальной среды.

Методы исследования

При выполнении исследований использованы методы теории автоматического управления, теории искусственного интеллекта, системного анализа, математического моделирования сложных систем, теории алгоритмов, теории информации и т.д.

Обоснованность и достоверность полученных результатов

Обоснованность результатов диссертационной работы основывается на использовании в диссертации признанных положений отечественной и зарубежной науки, апробированных методов и средств исследования адекватности моделей, подтверждается корректным применением математического аппарата, согласованием новых результатов с известными теоретическими положениями.

Достоверность результатов диссертационной работы подтверждается согласованностью данных эксперимента и научных выводов, результатами имитационного моделирования и экспериментальных исследований. Достоверность экспериментальных данных обеспечивается использованием современных средств и методик проведения исследований.

На защиту выносятся

1. Методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, построенными на их базе, основанные как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании виртуальной надстройки с целью расширения функциональности и наблюдаемости системы в условиях действия структурной и параметрической неопределенности.

2. Способ представления моделей действующих физических эффектов в форме, позволяющей их использовать как эталонные модели в контуре управления или контуре адаптации, а также имеющих интеллектуальные механизмы коррекции, позволяющие учитывать изменение свойств моделируемой системы в динамике.

3. Модифицированный метод синтеза алгоритмов адаптивного управления микророботами, алгоритмы адаптации, основанные на использовании построенных связных моделей физических эффектов виртуальной среды и позволяющие расширить область устойчивости САУ, что позволило повысить эффективность микро-робототехнической системы в условиях сигнальной и параметрической неопределенности.

4. Метод синтеза интеллектуальных САУ микротехнологическими комплексами и микророботами с блоками прогнозирования, построенными на базе нейро-сетевых структур с радиалыю-базисными функциями активации, для работы которых используются модели микросреды и данные о предшествующих этапах выполнения операций.

5. Метод синтеза структуры и алгоритмов интеллектуальных систем планирования и управления поведением коллектива микророботов на основе генетических алгоритмов, позволяющий обеспечить как равномерное распределение микророботов на начальном этапе, так и близкие к оптимальным траектории перемещения микророботов в малой окрестности.

6. Структура, информационные модели, алгоритмы и программное обеспечение виртуальной среды, реализующей необходимые функции для ее работы в режимах моделирования, синтеза, управления и контроля.

7. Результаты экспериментальной проверки предложенных методологии, теоретических основ построения интеллектуальных систем управления микророботами и микрокомплексами с использованием модели виртуальной среды.

Научная новизна

1. Новизна концепции построения интеллектуальных САУ микророботами и комплексами, построенными на их базе, заключается в том, что она основана как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании интеллектуальных алгоритмов управления, а также модели виртуальной среды микромира, что позволяет за счет предлагаемой интеграции научных подходов повысить эффективность процессов управления.

2. Новизна математических моделей мобильных микророботов и микроэлектромеханических систем заключается в том, что они адекватно отражают физические эффекты микромира, что позволяет корректно и адекватно строить процессы микровзаимодействий между контактирующими объектами, а также строить различные структуры их организационного взаимодействия.

3. Новизна предлагаемого модифицированного метода синтеза алгоритмов системы адаптивного управления мобильными микророботами заключается в том, что при формировании алгоритмов адаптации методом обобщенного настраиваемого объекта учитываются особенности моделей микровзаимодействий с учетом проявлений физических эффектов микромира.

4. Новизна предлагаемых структуры и алгоритма прогнозирования поведения как микроманипулятора, так и микроробототехнической системы в целом заключается в том, что при построении нейросетевых прогностических моделей корректно и адекватно используются модели виртуальной среды, позволяющие достоверно оценивать поведение микросистем под действием сил микромира.

5. Новизна метода синтеза генетических алгоритмов интеллектуальных систем управления поведением коллектива и планирования локальных траекторий заключается в том, что при формировании хромосом учитывается фактор времени, что позволяет планировать траектории движения мобильных микророботов с учетом динамики изменения состояния окружающей среды. А также новизна метода синтеза структуры системы заключается в том, что он учитывает изменение отношений между агентами коллектива в зависимости от решаемых задач, изменения ситуации и состояния внешней среды, что обеспечивает гибкость в управлении коллективом микророботов.

Практическая ценность и реализация работы

Практическая ценность полученных результатов заключается:

- в разработанных структурах, алгоритмах систем управления, прогнозирования и планирования, расчетных математических и виртуальных моделях и методике синтеза адаптивно управления для многосвязных беспоисковых самонастраивающихся САУ сложными динамическими объектами, апробированных при практическом проектировании адаптивных систем управления сложными многокомпонентными микроробототехническими системами;

- в предлагаемом способе представления простых и гибридных микросистем в виде моделей виртуальной среды, позволяющей интегрировать свойства как отдельных подсистем, так и всей системы в целом, и разработанной на его основе методике анализа и синтеза систем управления сложными динамическими системами;

- в методиках анализа и синтеза интеллектуальных систем на основе использования виртуальной среды, позволяющих исследовать устойчивость и анализ качества в каналах систем управления, которые были апробированы при проектировании интеллектуальных систем управления мобильным пьезоэлектрическим микророботом;

- в разработанном алгоритмическом и программном обеспечении, позволяющих автоматизировать основные этапы предлагаемых методик анализа и синтеза интеллектуальных САУ микророботов, которые реализованы в виде виртуальной среды и ее отдельных подключаемых программных модулей для персональной ЭВМ;

- в методике интеллектуального планирования и управления микротехнологическим процессом, основанном на использовании разработанных обобщенных моделях технологических процессов производства микросистем с использованием каналов превентивного управления, виртуальной надстройки, предлагаемых способов информационного обмена между компонентами системы, который учитывает физическое представление базовых эффектов сборочного процесса, а также основные ограничения, накладываемые на процесс, связанные с условиями микросреды.

Полученные результаты внедрены в практику проектирования интеллектуальных систем управления микророботами в Институте механики УНЦ РАН при проектировании микротехнологических модулей, в ОЭММиПУ РАН при проектировании систем управления сложными техническими объектами.

Полученные результаты исследования используются в учебном процессе на кафедре технической кибернетики Уфимского государственного авиационного технического университета при преподавании дисциплин на специальности «Роботы и робототехнические системы».

Практическую ценность также представляет то, что разработанные методы и средства позволяют:

• сократить время разработки систем управления новыми микромеханическими устройствами и микророботами за счет создания единой информационной среды, которую можно использовать как при проектировании и отладке конструкций, так и уже скорректированные модели при синтезе алгоритмов управления;

• увеличить точность отработки заданных действий за счет использования предложенных алгоритмов синтеза интеллектуальных систем управления, компенсирующих влияние внешней среды и изменения параметров системы, носящих труднопрогнозируемый характер.

Связь исследовании с научными программами

Исследования в данном направлении выполнялись в период с 1995 по 2007 г.г. на кафедре технической кибернетики Уфимского государственного технического университета и в Институте механики Уфимского научного центра РАН в рамках:

- международного гранта научного комитета НАТО CRG951002 «Планирование, принятие решений и интеллектуальное управление автономными системами» в 1995-1997 г.г.;

- международного проекта Inco-Copernicus ERBIC15CT960702 «Мульти-агентные робототехнические системы для промышленного применения в области транспорта» в 1997-1999 г.г.;

- международного гранта научного комитета НАТО CRG972063 «Интеллектуальное планирование и управление для автоматизированной микросборочной станции на базе микророботов» в 1998-2000 г.г.;

- федеральной целевой программы «Интеграция» в 1998-2002 г.г.;

- научно-технической программы «Научные исследования высшей школы по приоритетным направлениям науки и техники» 03.01.021 по теме «Разработка настольного микросборочного производственного комплекса» в 2000-2002 г.г;

- гранта РФФИ №02-01-97916-р2002агидельа «Математические модели нелинейных многосвязных систем управления» в 2002-2004 гг.

- программы № 16 фундаментальных исследований ОЭММиПУ РАН «Анализ и синтез интегрированных интеллектуальных систем автоматического управления сложными техническими объектами» в 2004-2006 гг.;

- гранта РФФИ №05-01-97906-рагидельа «Развитие частотных методов в исследовании и проектировании многосвязных систем автоматического управления сложными динамическими объектами» в 2005-2007 гг.

- гранта РФФИ № 06-08-00635-а «Разработка перспективных устройств микромеханики и микроэлектромеханических систем (МЭМС) с использованием наноструктурных металлических материалов» в 2006-2007 гг.;

- программы № 15 фундаментальных исследований ОЭММиПУ РАН «Проблемы анализа и синтеза интегрированных систем управления для сложных объектов, функционирующих в условиях неопределённости», в 2007 г.

Апробация работы

Основные положения, представленные в диссертации, регулярно докладывались и обсуждались, начиная с 1995 года, на 36 научных мероприятиях различного уровня. Среди них наиболее значимые:

1. Совещание по международному проекту Inco-Copernicus ERBIC 15СТ960702 «Мультиагентные робототехнические системы для промышленного применения в области транспорта», Уфа, 1998;

2. 1-я Международная конференция по мехатронике и робототехнике (МиР'2000), Санкт Петербург, 2000;

3. УН-я Международная конференция «Подходы жизненного цикла к производственным системам: менеджмент, управление и контроль (А8Г2000 -НМВ'2000), Бордо, Франция, 2000;

4. Ш-УШ Международные конференции по компьютерным наукам и информационным технологиям (С81Т'2001-2007), Янгантау, 2001; Патрас, 2002; Уфа, 2003; Будапешт, 2005; Карлсруэ, 2006; Уфа, 2007;

5. Научные школы-конференции «Мобильные роботы и мехатронные системы», Москва, 2001- 2006;

6. Научная молодежная школа «Интеллектуальные роботы - 2002», Таганрог, 2002;

7. Международные научные конференции «Искусственный интеллект. Интеллектуальные многопроцессорные системы 2002», Кацивели, Крым, Украина, 2002, 2004,2006; Таганрог, Дивноморское, 2003, 2005, 2007;

8. Международная конференция «Микророботы, микромашины и микросистемы», Ш^Р'ОЗ, Москва 2003;

9. XII Международная конференция по вычислительной механике и современным прикладным программным системам, Владимир, 2003;

10. Первая Всероссийская научно-техническая конференция с международным участием «Мехатроника, автоматизация и управление», МАУ-2004, Владимир, 2004;

11. Первая Всероссийская научно-техническая конференция с международным участием «Мехатроника, автоматизация и управление», МАУ-2005, Уфа, 2005;

12. Международная конференция «Адаптивные и интеллектуальные роботы: настоящее и будущее», 1А11Р'05, Москва 2005;

13. 1-ая Российская мультиконференция по проблемам управления. Мехатроника, автоматизация, управление - Санкт-Петербург, 2006;

14. 2-ая Российская мультиконференция по проблемам управления. Мехатроника, автоматизация, управление 2007- Геленджик, Дивноморское, 2007;

Публикации. По теме диссертации опубликовано 83 печатных работы, в том числе 12 статей в рецензируемых центральных журналах, входящих в перечень ВАК, 1 монография, 1 учебное пособие с грифом УМО, 16 патентов и 2 свидетельства о регистрации программ.

Структура и объем работы

Диссертация состоит из введения, семи глав, заключения, списка литературы из 289 наименований, изложенных на 365 страницах, содержит 99 рисунков и 14 таблиц.

Выводы по 7-ой главе

1. В соответствии предложенными ранее архитектурой и структурой СВР, разработано прикладное программное обеспечение (ППО), реализующее методику использования системы виртуальной реальности в микротехнологических приложениях. С использованием разработанного ППО проведены эксперименты по отладке и тестированию алгоритмов планирования и управления, в ходе которых получены следующие результаты:

• показано, что наибольшие вычислительные мощности требуют стратегический и тактический уровни системы управления;

• оптимальным для работы всей системы в режиме реального времени является одновременное использование базовой, локальной, глобальной, а также двух дополнительных виртуальных камер;

• использование предлагаемого решения по передаче информации между уровнями системы в виде вектора состояния приводит к снижению требования к пропускной способности каналов на пять порядков, по сравнению с традиционным способом передачи необработанной сенсорной информации.

3. Используя открытость архитектуры модели виртуальной среды была показана возможность построения распределенных систем управления с реализацией технологий удаленного доступа, при этом в качестве удаленных терминалов могут использоваться карманные компьютеры и смартфоны. Предложен способ построения кроссплатформенных решений с использование \УеЬ-служб, что позволило объединить в единый комплекс программные решения, ориентированные на работу в различных операционных средах и аппаратных платформах.

2. С помощью прикладного программного обеспечения проведены программные, полунатурные и натурные экспериментальные исследования, в ходе которых оценивалась качество разработанных моделей и алгоритмов, их соответствие реальным процессам происходящим на микроуровне. На основе результатов проведенных полунатурных и натурных экспериментов была доказана эффективность предлагаемого подхода, и сформулированы перспективы развития и использования разработанной системы виртуальной реальности в микротехнологических приложениях.

ЗАКЛЮЧЕНИЕ

1. Выявлены основные аспекты проблем управления микророботами и микроробототехническими комплексами как сложными динамическими объектами, действующими в условиях неопределенности, отображающие методологическую, математическую, кибернетическую и информационную сторону исследований. Предложена концепция построения интеллектуальных САУ, основанная как на системных принципах и общенаучных подходах к построению иерархических многоуровневых систем, так и на использовании интеллектуальных алгоритмов управления, а также модели виртуальной среды, что позволило за счет предлагаемой интеграции научных подходов повысить эффективность управления в условиях структурной и параметрической неопределенностей.

2. Построен комплекс математических моделей адгезионных эффектов в виде элементов виртуальной среды, описывающий взаимодействия сборочных инструментов-с микрообъектами в условиях комбинированного воздействия недетерминированной окружающей среды на работу концевых эффекторов. Новизна моделей заключается в том, что они адекватно отражают физические эффекты микромира, и предоставляют возможность строить различные структуры из организационного взаимодействия, при этом показана эффективность их использования в контуре управления и для адекватного описания окружающей обстановки в режимах математического и полунатурного моделирования виртуальной среды.

3. Предложен модифицированный метод синтеза алгоритмов интеллектуального управления перемещением микроробота, новизна которого заключается в том, что при синтезе контура нелинейной коррекции методом обобщенного настраиваемого объекта на основе скоростного градиента учитываются особенности моделей микровзаимодействий, а результаты моделирования работы адаптивной системы используются для построения интеллектуальной системы управления на базе алгоритмов нечеткой логики с введением дополнительного контура коррекции скорости, учитывающего динамику протекающих процессов. Экспериментальные исследования подтверждают высокую эффективность предлагаемых интеллектуальных алгоритмов - их использование позволяет уменьшить более чем в 2-3 раза по отношению к классическим алгоритмам время парирования параметрических и сигнальных возмущений и повысить на 30-40% точность отработки траекторий.

4. Разработан метод синтеза структур и алгоритмов прогнозирования поведения микросборочными процессами и микроманипулятором, представляющие собой систему управления с блоками предсказания, построенными в нейросетевом базисе, реализующими адаптивную подстройку основных параметров объекта управления в соответствии с прогнозируемыми возмущениями, полученными на основе корректного и адекватного использования моделей виртуальной среды, и основываясь на информации о предыдущих тактах работы. Также использование нейросетевых предикторов позволяет повысить эффективность работы технологического оборудования, уменьшить в 3-4 раза габариты манипулятора, увеличив, таким образом, его быстродействие и снизив требования к мощности привода. На основе предложенных подходов к построению предиктора разработана методика его синтеза с использованием разработанной виртуальной моделирующей среды.

5. Разработан метод синтеза структуры интеллектуальной системы управления поведением коллектива микророботов и планирования локальных траекторий, позволяющий учитывать изменение отношений между агентами коллектива в зависимости от решаемых задач, изменения ситуации и состояния окружающей среды, и решать поставленные задачи в соответствии с задаваемыми критериями: равномерным покрытием, минимальной длиной маршрута, затраченным временем на движение и т.д. Предлагаемый метод синтеза генетических алгоритмов планирования локальных перемещений микророботов отличается тем, что при формировании хромосом учитывается фактор времени, что позволяет планировать движения в изменяющейся окружающей обстановке и при наличии подвижных препятствий, при этом предложенные алгоритмы снижают в 10-15 раз требования к аппаратно-энергетическим параметрам микророботов, позволяя реализовать предлагаемые методы бортовыми информационно-вычислительными комплексами микророботов.

6. Разработаны архитектура СВР, включающие в себя: функциональную структуру из пяти основных составляющих - виртуальных и математических моделей, интерфейсного и моделирующего комплексов, системы трехмерной визуализации; структурно-информационную схему взаимодействия СВР, физической среды и пульта оператора; многоуровневую иерархическую архитектуру СВР. Предложены методики использования СВР для преодоления недостатков, связанных с особенностями каналов оптического наблюдения на микроуровне, обеспечения визуальной обратной связи при планировании, управлении и контроле микросборочных процессов.

7. Разработано прикладное программное обеспечение (ППО), на базе которого с использованием виртуальных моделей микросистем проведены программные, полунатурные и натурные экспериментальные исследования, доказавшие эффективность предложенных алгоритмов планирования и управления, адекватность виртуальных моделей. Проанализирована эффективность использования предлагаемых подходов к проектированию микроробототехнических комплексов как сложных динамических систем. Показана возможность построения распределенных управляющих систем, систем удаленного управления и мониторинга на основе технологии \Veb-служб.

340

1. Аверкин А.Н. Нечеткие множества в моделях управления и искусственного интеллекта/ под ред. Д.А. Поспелова М.: Наука, 1986. - 312 с.

2. Автономное вакуумное захватное устройство микроробота Патент 2266810 RU МПК7 В 25 J 7/00, 15/06 Опубл. 27.12.2005 Бюл. №36// Даринцев О.В., Мигранов А.Б.

3. Адам сон А. Физическая химия поверхностей. М.: Мир, 1979. - 568 с.

4. Алиев P.A. Интеллектуальные роботы с нечеткими базами знаний М.: Радио и связь, 1994

5. Афанасьев В.О., Бровкин А.Г., Корниевский А.Н. и др. Исследование и разработка системы интерактивного наблюдения индуцированной виртуальной среды (системы виртуального присутствия) //В сб. «Космонавтика и ракетостроение», № 16, 1999, с. 1-5.

6. Бабак С.Ф., Ильясов Б.Г., Рутковский В.Ю. Способ аналитического вычисления коэффициентов передаточных функций многомерных систем. -Доклады АН СССР, 1986, том 290, №3, С. 557- 559

7. Бакиров Т.Ф. Создание информационного поля для системы проектирования, управления и диагностики устройств микроэлектромеханики. // «Молодежь и современные информационные технологии» Уфа, 2006.- с. 137-140

8. Белоусов И.Р. Виртуальная среда для телеуправления роботами через сеть Интернет //Известия РАН, Теория и системы управления, № 4, 2002, с. OS-HI.

9. Белоусов И.Р., Некоторые новые эффективные методы управления роботами через сеть Интернет/ Доклады академии наук, том 383, N 2, 2002.

10. Белоусов И.Р., Эффективное телеуправление роботами через сеть Интернет", Научно-практическая конференция по экстремальной робототехнике, С.Петербург, апрель, 2001

11. Бочаров JI.IO., Мальцев П.П. Состояние и перспективы развития микроэлектромеханических систем за рубежом // Микросистемная техника. -1999. -№1.- С.41-46

12. Брайан Джонсон, Крэйг Скибо, Марк Янг. Основы Microsoft Visual Studio .NET 2005 /Пер. с англ. М.: Издательско-торговый дом «Русская Редакция», 2005. - 464 с.

13. Броек Д. Основы механики разрушения. Москва. Высшая школа. 1980. 368 с. Перевод Дорофеева Виктора Ивановича (Broek D. Elementary engineering fracture mechanics, Лейден, 1974).

14. Вакуумное захватное устройство микроробота// авт. Даринцев О.В., Мнгранов А.Б., Бариев А.Ф., Рахимов А.А., Патент 2281197 RU МПК7 В 25 J 7/00, 15/06 Опубл. 10.08.2006 Бюл. №22

15. Вапиев Р.З., Александров И.В. Наноструктурные материалы, полученные интенсивной пластической деформацией. М.: Логос, 2000

16. П.Васильев В.И., Валеев С.С., Шилоносов А.А. К выбору структуры нейрорегулятора в системе управления динамическим объектом // Журнал «Нейрокомпьютеры: разработка, применение». М.: ИПРЖР, 2001, № 4-5, С. 52-60. - ISSN 0869-05350.

17. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы с использованием нечеткой логики. Учебное пособие. Уфа: УГАТУ, 1995. 101 с.

18. Васильев В.И., Ильясов Б.Г. Интеллектуальные системы управления с использованием генетических алгоритмов: Учеб. пособие. Уфа: УГАТУ, 1999.- 104 с.

19. Васильев В.И., Ильясов Б.Г., Валеев С.С., Жернаков С.В. Интеллектуальные системы управления с использованием нейронных сетей: Учеб. пособие, Уфа: УГАТУ. 1997. 92 с

20. Васильев С.II., Жернов А.К., Федосов Е.А., Феднов Б.Е. Интеллектуальное управление динамическими системами-М.: ФИЗМАТЛИТ, 2000

21. Вороновский Г. К. Усовершенствование практики оперативного управления крупными теплофикационными системами в новых экономических условиях Харьков: Изд-во «Харьков», 2002. - 240 с.

22. Вороновский Г. К., Махотило К. В., Петрашев С. П., Сергеев С. А. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности X.: Основа, 1997. - 112 с.

23. Гаврилов А.И. Перспективы применения нейросетевых технологий в системах автоматического управления // Вестник МГТУ им. Н.Э. Баумана. -М.: Приборостроение, 1988, №1, С. 119-126.

24. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности. Вороновский Г. К., Махотило К. В., Петрашев С. П., Сергеев С. А. X.: Основа, 1997. - 112с.

25. Головко В.А. Нейронные сети: обучение, организация и применение. М.: ИПРЖР, 2002.-256с.

26. Голоскоков Д.П. Уравнения математической физики. Решение задач в системе Maple СПб.:Питер, 2004. - 539 с: ил.

27. Горбань А.Н. Обучение нейронных сетей М.: СП Параграф, 1990

28. Гохштеин А. Я. Поверхностное натяжение твердых тел и адсорбция. М., 1976.-428 с.

29. Градецкий В.Г., Кравчук Л.Н., Пушкин М.М. Динамические процессы в многозвенных микросистемах // Микросистемная техника. 1999. - №3. -С.21-24.

30. Гузь А.Н., Зозуля В.В. Хрупкое разрушение материалов при динамических нагрузках Киев.: Наукова думка,1993

31. Д.М. Климов, А.А. Васильев, В.В. Лучинин, П.П. Мальцев. Перспективы развития микросистемной техники в XXI веке // Микросистемная техника. -1999.-№1.-С.З-6.

32. Даринцев О. В., Мигранов А. Б. Построение распределенных систем управления комплексами разнородных объектов. // Информационно-измерительные и управляющие системы. 2007. №2.

33. Даринцев О.В. Ильясов Б.Г., Мунасыпов Р.А. Мигранов А.Б. Управление распределенными коллективами роботов// Proceedings of the 8th International Workshop on Computer Science and Information Technologies CSIT'2006 Karlsruhe, Germany, 2006, Vol.l p.33-36

34. Даринцев О.В. Мигранов А.Б Сборка гибридных МЭМС на основе трехмерной реконструкции состояния технологической среды// Нано- имикросистемная техника, 2006, №12. М.: Изд-во «Новые технологии». С. 36-40 ISSN 1813-8586

35. Даринцев О.В. Мигранов А.Б. Виртуальный имитатор технологического комплекса сборки микросистем // Вестник компьютерных и информационных технологий № 10, 2006 г. М.:Изд-во Машиностроение с 16-24

36. Даринцев О.В. Мигранов А.Б. Телеуправляемый микроробототехнический комплекс Материалы 1-й Российской мультиконференции по проблемам управления. Мехатроника, автоматизация, управление СПб, 2006, Оргкомитет конференции - с. 285-288

37. Даринцев О.В. Мигранов А.Б. Человеко-машинный интерфейс поддержки автоматизированных микросборочных процессов на основе виртуальных технологий // Информационные технологии №3, 2007 Изд-во «Новые технологии». С. 30-36

38. Даринцев О.В., Ильясов Б.Г., Мунасыпов P.A., Магнусен Б., Рембольд У., Фатиков C.B. Пьезоэлектрический мобильный микроробот. // Интеллектуальные автономные системы: Междунар. науч. издание. Уфа: Изд. УГАТУ, 1996, С.63-68. - ISBN 5-86911-138-2.

39. Даринцев О.В., Мигранов А.Б. Манипуляционные микроробототехнические системы и проблемы производства гибридных МЭМС// Нано- и микросистемная техника, 2005. № 2. С. 38-44

40. Даринцев О.В., Мигранов А.Б. Система планирования движения группы мобильных микророботов на основе генетических алгоритмов// Известия РАН. Теория и системы управления, изд-во «Наука/Интерпериодика», №3, 2007

41. Даринцев О.В., Мигранов А.Б. Человеко-машинный интерфейс поддержки автоматизированных микросборочных процессов на основе виртуальных технологий// Информационные технологии №3, 2007 Изд-во «Новые технологии». С. 30-36

42. Даринцев О.В., Мигранов А.Б. 30-моделирование микроконтактной динамики при выполнении операций микроманипулирования// Вопросы управления и проектирования в информационных и кибернетических системах Меж-вуз. науч. сб. Уфа: Изд. УГАТУ, 2005.-С.44-51

43. Даринцев О.В., Мигранов А.Б. Автономное вакуумное захватное устройство микроробота // Заявка на изобретение №2004116757/02 с приоритетом от 01.06.2004 г.

44. Даринцев О.В., Мигранов А.Б. Виртуальная микротехнологическая среда: структура и особенности реализации // Информационные технологии и программирование: Межвузовский сборник статей. Вып. 4 (9) М.: Изд. МГИУ, 2003.-С. 17-23.

45. Даринцев О.В., Мигранов А.Б. Виртуальная микротехнологическая среда: структура и особенности реализации // XII Межд. конф. по ВМСППС, Владимир, 30.06.2003-5.07.2003 г. М.: Изд-во МАИ, 2003 - 1 т. - С. 232233.

46. Даринцев О.В., Мигранов А.Б. Виртуальная роботизированная микросборочная фабрика, алгоритмы интеллектуального планирования и управления // Искусственный интеллект. 2002. - №4. С. 397-404.

47. Даринцев О.В., Мигранов А.Б. Виртуальная роботизированная микросборочная фабрика, алгоритмы интеллектуального планирования и управления // Интеллектуальные роботы 2002. Мат. научной молод, школы. - Таганрог: Изд-во ТРТУ, 2002. - С. 105-108.

48. Даринцев О.В., Мигранов А.Б. Виртуальная среда проектирования, тестирования и отладки микроэлектромеханических систем // Свидетельство об официальной регистрации программы для ЭВМ №2002610748, 2004.

49. Даринцев О.В., Мигранов А.Б. Голенастов И.В. Использование технологии Web-служб для организации удаленного управления интеллектуальными микроробототехническими системами // Научно-теоретический журнал «Искусственный интеллект». 2006

50. Даринцев О.В., Мигранов А.Б. Двухсторонний пьезоэлектромеханический микропривод// Патент 2259913 RU МПК7 В 25 J 7/00 Опубл. 10.09.2005 Бюл. №25.

51. Дарпнцев О.В., Мигранов А.Б. Использование методов искусственного интеллекта в системах управления микроманипуляционными устройствами // Искусственный интеллект. 2004. -№3. С. 684-688.

52. Даринцев О.В., Мигранов А.Б. Использование методов искусственного интеллекта в системах управления микроманипуляционными устройствами //

53. Искусственный интеллект. Интеллектуальные и многопроцессорные системы 2004. Материалы международной научной конференции. Т.2 - Таганрог: Изд-во ТРТУ, 2004 - С. 406-410.

54. Даринцев О.В., Мигранов А.Б. Использование нейросетевых предикторов в системах управления МЭМС из наноструктурных материалов// «Искусственный интеллект», №4, 2007 Донецк: ИПИИ «Наука i освгга». -2007. - стр.587-594 ISSN 1561-5359

55. Даринцев О.В., Мигранов А.Б. Капиллярный микрозахват с обратной связью // Патент 2261795 RU МПК7 В 25 J 7/00, 15/00 Опубл. 10.10.2005 Бюл. №28.

56. Даринцев О.В., Мигранов А.Б. Манипуляционные микроробототехнические системы и проблемы производства гибридных МЭМС // Нано- и микросистемная техника. 2005. №2. С. 38-44.

57. Даринцев О.В., Мигранов А.Б. Микросхват с силовым очувствлением// Патент 2261170 RU МПК7 В 25 J 7/00, 15/00 Опубл. 27.09.05 Бюл.№27.

58. Даринцев О.В., Мигранов А.Б. Нейросетевые предикторы в системах управления микромеханическими системами // Искусственный интеллект. -2004. -№3. С. 689-699.

59. Даринцев О.В., Мигранов А.Б. Нейросетевые предикторы в системах управления микромеханическими системами // Научно-теоретический журнал «Искусственный интеллект» №3, 2004 1ПШ1 «Наука I Освгга», Донецк, - С. 689-699 ISSN 1561-5369

60. Даринцев О.В., Мигранов А.Б. Пьезоэлектрический привод микроманипулятора // Заявка на изобретение №2004116755/02 с приоритетом от 01.06.2004 г.

61. Даринцев О.В., Мигранов А.Б. Реверсивный пьезоэлектрический микродвигатель // Заявка на изобретение №2004116754/02 с приоритетом от 01.06.2004 г.

62. Даринцев О.В., Мигранов А.Б. Ротационный привод микроманипулятора // Заявка на изобретение №2004116758/02 с приоритетом от 01.06.2004 г.

63. Даринцев О.В., Мигранов А.Б. Синтез алгоритмов управления сборочными микроробототехническими системами// Известия ТРТУ №9, Тематический выпуск «Интелектуальные и многопроцессорные системы»-Таганрог, Изд-во ТРТУ, 2004-с. 174-182

64. Даринцев О.В., Мигранов А.Б. Схват микроманипулятора// Патент 2259915 RU МПК7 В 25 J 7/00 Опубл. 10.09.2005 Бюл. №2.

65. Даринцев О.В., Мигранов А.Б. Термокапиллярный поршневой микропривод //Заявка на изобретение №2004116756/02 с приоритетом от 01.06.2004 г.

66. Даринцев О.В., Мигранов А.Б. Термоэлектромеханический преобразователь для микроманипулятора (варианты)// Патент 2259914 RU МПК7 В 25 J 7/00 Опубл. 10.09.2005 Бюл. №25.

67. Даринцев О.В., Мигранов А.Б. Трехмерная виртуальная роботизированная микросборочная фабрика // Свидетельство об официальной регистрации программы для ЭВМ №2002610748, 2002.

68. Даринцев О.В., Мигранов А.Б. Управление технологическими процессами микросборки в реальном времени с использованием виртуальных систем, интеллектуальных и адаптивных алгоритмов // Искусственный интеллект. -2003.-№3. С. 172-180.

69. Даринцев О.В., Мигранов А.Б. Физические модели адгезионных сил, как основных возмущающих воздействий при микросборке // Мобильные роботы и мехатронные системы: Мат. научн. шк.-конф. (Москва, 17-18 ноября 2003 года). М.: Изд-во МГУ, 2004. - С. 190-204.

70. Даринцев О.В., Мигранов А.Б. Электростатический микросхват // Заявка на изобретение №2004110359/02 с приоритетом от 05.04.2004 г.

71. Даринцев О.В., Мунасыпов P.A. Виртуальный роботизированный комплекс. // Вопросы управления и проектирования в информационных и кибернетических системах: Межвузовский сборник научных трудов. Уфа: Изд. УГАТУ, 2002, С. 13-19. - ISBN 5-86911-138-2.

72. Даринцев О.В., Мунасыпов P.A., Мигранов А.Б. Виртуальные среды тестирования алгоритмов управления и планирования // Вопросы управления и проектирования в информационных и кибернетических системах.: Межвуз. науч. сб. Уфа: Изд. УГАТУ, 2003. С. 84-90.

73. Даринцев О.В., Саргаев Е.А. Моделирование динамики мобильного микроробота // Мехатроника, автоматизация, управление 2007// Материалы Межд. науч.- технич. конф. - Таганрог: Изд-во ТТИ ЮФУ, 2007. - с. 203-207 ISBN 978-5-8327-0282-7

74. Двухсторонний пьезоэлектромеханический микропривод Патент 2259913 RU МПК7 В 25 J 7/00 Опубл. 10.09.2005 Бюл. №25//Даринцев О.В., Мигранов А.Б.

75. Девятков В.В. Системы искусственного интеллекта М.: Изд-во МГТУ им. Н.Э. Баумана, 2001

76. Дерлгин Б. В., Кротова Н. А., Смилга В. П. Адгезия твердых тел. М., 1973. -611 с.

77. Дерягин Б.В., Чураев Н.В., Муллер В.М. Поверхностные силы. М.: Наука, 1985.

78. Джагупов Р.Г., Ерофеев A.A. Пьезокерамические элементы в приборостроении и автоматике. JL: Машиностроение, 1986.- 252 с.

79. Джонсон K.JI. Механика контактного взаимодействия. М.: Мир, 1987.

80. Документация XML в С#. http://www.uneta.org/article.aspx?article=0E0E7A4A-А037-43Е1-B76B-8ECF09A1D5B3. Дата доступа: 10 мая 2006 г.

81. Дьяконов В.П. MATLAB 6.5 SP1/7 + Simulink 5/6. Основы применения. Серия «Библиотека профессионала». М.: COJIOH-Пресс, 2005. - 800 е.: ил.

82. Зозуля В.В., Мартыненко A.B., Лукин А.Н. Механика материалов. -Харьков: Изд-во Национ. ун-та внутр.дел,2001.-404с.

83. Иванов A.A. Автоматизация сборки миниатюрных и микроминиатюрных изделий. М.: Машиностроение, 1977. - 382 с.

84. Ильясов Б.Г., Даринцев О.В., Мигранов А.Б. Превентивное управление микроманипуляционными операциями// "Мехатроника, автоматизация, управление" №9, 2007 М.: Изд.-во «Новые технологии», стр. 4-8

85. Ильясов Б.Г., Даринцев О.В., Мигранов А.Б. Использование нейросетевого предиктора в системе управления микротехнологическим процессом// Издательство «Новые технологии», Мехатроника, автоматизация, управление, 2005 №8 с. 39 45

86. Ильясов Б.Г., Дарннцев О.В., Мунасыпов P.A. Основы микроробототехники // Уфа: Изд. Уфимск. гос. авиац. техн. ун-та, 2004. 161 с.

87. Ильясов Б.Г., Мунасыпов P.A., Даринцев О.В. Настольный микросборочный производственный комплекс: планирование и управление. // Наукоемкие технологии машиностроения: Сборник трудов Уфа: Изд. Гилем, 2000, С. 276-287. - ISBN 5-7501-0200-9

88. Мобильный пьезоэлектрический микроробот/ Ильясов Б.Г., Даринцев О.В., Мунасыпов P.A., Асеев В.В., Курбанов P.M., Пого Е.В Патент 2164362 РФ МКИ3 Н 01 L 41/09, Н 02 N2/00, В 25 J 7/00 Заявл.: 17.05.99 Опубл.: 20.03.01 Бюл.№ 8

89. Интегрированные модели и мягкие вычисления в искусственном интеллекте. М.: Наука, 2001

90. Интеллектуальные роботы / под общей ред. Е.И Юревича М.: Машиностроение, 2007. - 360 с.

91. Интеллектуальные системы автоматического управления / под ред. И.М. Макарова М.: ФИЗМАТЛИТ, 2001, 576 с.

92. Калан Р. Основные концепции нейронных сетей. М.: Изд. дом «Вильяме», 2001

93. Каляев И.А. Алгоритм кластеризации массово-применяемых микророботов // Мехатроника, №4, 2003 с. 9

94. Каляев И.А. Метод коллективного управления группой объектов// Мехатроника, №3, 2003 с. 9-22

95. Каляев И.А., Гайдук А.Р. Однородные нейроподобные структуры в системах выбора действия интеллектуальных роботов М.: Янус, 2000 - 279 с.

96. Каляев И.А., Гайдук А.Р. Принципы построения систем планирования поведения интеллектуальных роботов на базе однородных нейроподобных структур // Мехатроника №3 2000. с. 21 -26

97. Каляев И.А., Гайдук А.Р., Капустян С.Г. Распределенные системы планирования действий коллективов роботов М.:Янус-К, 2002. -292 с.

98. Каляев И.А., Котов В.П., Кпиндухов В.Г., Кухаренко А.П. Микроэлектронные сенсорные системы: опыт создания и применения // Микросистемная техника. 1999. - № 1. - С. 32-35.

99. Капиллярный микрозахват с обратной связью Патент 2261795 RU МПК7 В 25 J 7/00, 15/00 Опубл. 10.10.2005 Бюл. №28// Даринцев О.В., Мигранов А.Б.

100. Кетков ЮЛ., Кетков А.Ю., Шульц М.М. MATLAB 7: программирование, численные методы. СПб.: БХВ-Петербург, 2005. - 752 е.: ил.

101. Комарцова Л.Г., Максимов A.B. Нейрокомпьютеры. М.: Изд.-во МГТУ, 2002

102. Кофман А. Введение в теорию нечетких множеств. М.: Радио и связь, 1982.-432 с.

103. Красильников H.A., Рааб Г.И., Павленко Д.В. Влияние интенсивной деформации на формирование ультрамелкозернистых структур в никеле.//Сб. науч. тр. "Проблемы нанокристаллических материалов" -Екатеринбург: УрО РАН, 2002. С. 564-572.

104. Круглов В.В., Дли М.И. Нечеткая логика и искусственные нейронные сети -М.: ФИЗМАТЛИТ, 2001 -224 с.

105. Крылов А.Н. О некоторых дифференциальных уравнениях математической физики Л.: Изд-во АН СССР, 1933. - 472 с.

106. Кусимов С.Т., Ильясов Б.Г., Мунасыпов P.A., Даринцев О.В. Мобильный пьезоэлектрический микросборочный робот. // Журнал «Мехатроника». М.: Изд. Машиностроение, 2001, № 6. - С.29-33.

107. ЛЛО. Бочаров, П.П. Мальцев. Состояние и перспективы развития микроэлектромеханических систем за рубежом // Микросистемная техника. -1999. -№1. -С.41-46.

108. Ландау Л.Д. Квантовая механика: Нерелятивистская теория. М.: Наука, 1989.-767 с.

109. Ландау Л.Д., Лившиц Е.М. Теория упругости. М.: Наука, 1987. - 246 с

110. Лукьянов Д.П., Лучинин В.В., Скворцова В.Ю. Микроакселерометр на поверхностных акустических волнах //Микросистемная техника. 2001. -№ 2.-С. 3-7.

111. Макаров И.М., Лохин В.М., Манько C.B. Дистанционное управление сложными динамическими объектами на основе современных • сетевых технологий// Микросистемная техника, 2002 , №5-6

112. Макаров И.М., Лохин В.М., Манько C.B., Романов М.П. Проблемы построения человеко-машинного интерфейса для средств экстремальной робототехники// Материалы XII научно-технической конференции «Экстремальная робототехника», СПб.: Изд-во СПбГТУ, 2002

113. Макарычев В.П., Юревич Е.И. Супервизорное управление манипуляторами. СПб.: Астерион, 2005

114. Мигранов А.Б. Разработка и использование виртуальных сред при проектировании, тестировании и эксплуатации MEMS // Материалы II конкурса научных работ молодых ученых и аспирантов УНЦ РАН и АН РБ. Уфа: Гилем, 2004. С. 4-6.

115. Мигранов А.Б. Система планирования траектории мобильного робота // Свидетельство об официальной регистрации программы для ЭВМ №2001611806,2001.

116. Микросхват с силовым очувствлением Патент 2261170 RU МПК7 В 25 J 7/00, 15/00 Опубл. 27.09.05 Бюл.№27//Даринцев О.В., Мигранов А.Б.

117. Минский М., Пейперт С. Персептроны. М.: Мир, 1971. - 261 с.

118. Мунасыпов P.A., Асеев В.В., Курбанов P.M., Даринцев О.В. Инфраструктура микросборочной станции // Вычислительная техника и новые информационные технологии: Межвузовский научный сборник. -Уфа: УГАТУ, 1999, С. 148-157. ISBN 5-86911-194-3.

119. Назаров A.B., Лоскутов А.И. Нейросетевые алгоритмы прогнозирования и оптимизации систем. СПб.: Наука и Техника, 2003

120. Наместников A.M., Ярушкина Н.Г. Эффективность генетических алгоритмов для задач автоматизированного проектирования// Известия РАН. Теория и системы управления, №2, 2002

121. Нейрокомпьютеры в авиации (самолеты) // Под ред. В.И.Васильева, Б.Г.Ильясова, С.Т.Кусимова. Кн. 14 М.: Радиотехника, 2004. - с.417-446 ISBN 5-93108-055-4

122. Нейрокомпьютеры и интеллектуальные роботы. / Под ред. H.H. Амосова. Киев: Наукова Думка, 1991. - 272 с

123. Нейроматематика. Кн.6 / Под ред А.И. Галушкина. M.: ИПЖР, 2002 (Нейрокомпьютеры и их применение)

124. Новые методы управления сложными системами/ под ред. В.М. Лохина. -М.: Наука, 2004

125. Осовский С. Нейронные сети для обработки информации. М.: Финансы и статистика, 2002

126. П.П.Мальцев. Перспективы разработки микросистемной техники в России // Микросистемная техника. 2002. - №8. - С.7-11

127. Паршин В.А., Петрашко В.В., Соломатин А.К., Соловьев В.М., Харитонов В.И. Некоторые вопросы технологии изготовления кремниевых акселерометров // Микросистемная техника. 2001. - № 5. - С. 3-5.

128. Петров Б.Н., Рутковский В.Ю., Земляков С.Д. Адаптивное координатно-параметрическое управление нестационарными объектами. -М.: Наука, 1980.-244 с.

129. Поршнев C.B. Компьютерное моделирование физических процессов в пакете MATLAB. М.: Горячая линия - Телеком, 2003. - 592 е., ил.

130. Потемкин В.Г. MATLAB 6: среда проектирования инженерных приложений. -М.: ДИАЛОГ-МИФИ, 2003. -448с.

131. Прикладные нечеткие системы / под ред. Т. Тэрано, К .Асаи, М. Сугэно М.: Мир, 1993

132. Прочность, устойчивость, колебания. Справочник в трех томах. Т.З, под ред. И.А. Биргера и Я.Г. Пановко. М.: Машиностроение, 1968. - 568 с.

133. Пугин A.M., Даринцев О.В., Мигранов А.Б. Вакуумное захватное устройство // Патент 2210493 РФ МКИЗ Н01 L41/09, Н02 N 2/00, В 25 J 15/06. Опубл. 27.05.03 Бюл. № 15.

134. Пугин A.M., Даринцев О.В., Мигранов А.Б. Мобильный вакуумный пьезоэлектрический микроробот. // Патент 22054753 РФ МКИЗ В 25 J 15/06, 7/00. Опубл. 20.08.03. Бюл. № 23.

135. Пьезоэлектрический привод микроманипулятора Патент 2266808 RU МПК7 В 25 J 7/00 Опубл. 27.12.2005 Бюл. №36// Даринцев О.В., Мигранов А.Б.

136. Пятышев E.H., Лурье М.С. Микротехнологии и микроэлектромеханические системы новое научно-техническое направление // Научно-технический вестник СПбГТУ. - 1999. - № 3. С. 101112.

137. Рааб Г.И., ВалиевР.З. К вопросу создания ультрамелкозернистых объемных материалов, используя интенсивную пластическую деформацию. Вестник УГАТУ 2004, Т.5, №2 (10) 9-16 .

138. Радченко А.Н. Ассоциативная память. Нейронные сети. Оптимизация нейропроцессоров.-М.: Наука, 1998.-261 с.

139. Разработка Web-сервисов XML и серверных компонентов на MS Visual Basic .NET и Microsoft Visual C# .NET. Учебный курс MCAD/MCSD /Пер. с англ.- М.: Издательско-торговый дом «Русская Редакция», 2004, 576 с.

140. Ротационный привод микроманипулятора Патент 2266811 RU МПК7 В 25 J 7/00 Опубл. 27.12.2005 Бюл. №36// Даринцев О.В., Мигранов А.Б.

141. Рубцов И.В., Нестеров В.Е., Рубцов В.И. Современная зарубежная военная микро- и мини- робототехника // Микросистемная техника, 2000, №3 с. 36-42

142. Сивухин Д.В. Курс общей физики: Термодинамика и молекулярная физика. -М.: Наука, 1983. 551 с.

143. Системы автоматического управления объектами с переменными параметрами: Инженерные методы анализа и синтеза / Б.Н. Петров, Н.И. Соколов, A.B. Липатов и др. М.: Машиностроение, 1986. - 256 с.

144. Современная теория систем управления / Под ред. К.Т. Леондеса. М.: Наука, 1970. - 512 с.

145. Солодовников В.В., Тумаркин В.Н. Теория сложности и проектирование систем управления. М.: Наука, 1990. - 168 с.

146. Справочник по теории автоматического управления / Под ред. A.A. Красовского. М.: Наука. Гл. ред. физ.-мат. лит., 1987. 712 с.

147. Солодовников В.В., Шрамко Л.С. Расчет и проектирование аналитических самонастраивающихся систем с эталонными моделями. М.: Машиностроение, 1972. - 270 с.

148. Старцев Ю.В., Головацкий К.Э. Управление автономным мобильным роботом в ограниченном рабочем пространстве. В кн. тезисы докладов ВКМУиС "Математическое моделирование физико-механических процессов", Пермь, ПГТУ, 1997, с.ЗО.

149. Схват микроманипулятора Патент 2259915 RU МПК7 В 25 J 7/00 Опубл. 10.09.2005 Бюл. №25// Даринцев О.В., Мигранов А.Б.

150. Тарков М.С. Нейрокомпьютерные системы М.: Бином. Лаборатория знаний, 2006-142 с.

151. Терин Д.В. Математическое моделирование микроэлектромеханических систем на основе композитных сред Саратов.: СГУ, 2004. - 138 с.

152. Термокапиллярный поршневой микропривод Патент 2266809 RU МПК7 В 25 J 7/00 Опубл. 27.12.2005 Бюл. №36// Даринцев О.В., Мигранов А.Б.

153. Термоэлектромеханический преобразователь для микроманипулятора (варианты) Патент 2259914 RU МПК7 В 25 J 7/00 Опубл. 10.09.2005 Бюл. №25// Даринцев О.В., Мигранов А.Б.

154. Теряев Е.Д. Проектирование адаптивных цифровых систем управления.-М.: МИРЭА, 1985.

155. Теряев Е.Д., Шамриков Б.М. Цифровые системы и поэтапное адаптивное управление. М.: Наука, 1999. - 330 с.

156. Тим Джонс М Программирование искусственного интеллекта в приложениях М.: ДМК, 2004

157. Тимофеев A.B. Адаптивные робототехнические комплексы. М.: Машиностроение, 1998.-332 с.

158. Тимофеев A.B., Юсупов P.M. Интеллектуализация систем автоматического управления // Изв. РАН. Техническая кибернетика. 1994, № 5.-С.211-224

159. Уемов А.И. Системный подход и общая теория систем. М.: Мысль, 1978.-272 с.

160. Уоссермен Ф. Нейрокомпьютерная техника. Теория и практика . М.: Мир, 1992

161. Управление динамическими системами в условиях неопределенности / С.Т. Кусимов, Б.Г. Ильясов, В.И. Васильев, Мунасыпов Р.А. и др. М.: Наука, 1998. - 452 с. - ISBN 5-02-002518-6.

162. Усовершенствования модели защиты С AS в .NET Framework 2.0. http://www.microsoft.com/Rus/Msdn/Magazine/2005/12/DownenCAS.mspx Дата доступа: 5 мая 2006 г.

163. Хайкин С. Нейронные сети: Полный курс. М.: ИД «Вильяме», 2006. -1040 с.

164. Шорт С. "Разработка XML Web-сервисов Microsoft .NET", СПб.:БХВ-Петербург, 2003.- 480 с.

165. Электростатический микросхват Патент 2266190 RU МПК7 В 25 J 7/00, 15/08 Опубл. 20.12.2005 Бюл. №35// Даринцев О.В., Мигранов А.Б.

166. Юревич Е.И. Основы робототехники СПб.: БХВ-Петербург, 2005

167. Юревич Е.И. Принципы группового управления роботами// Материале научно-технической конференции «Интеллектуальные и многопроцессорный системы». Таганрог: изд.во ТРТУ, 2003

168. Ющенко А.С. Дистанционное управление роботами с использованием нечетких представлений // Искусственный интеллект. 2002, №4, Изд.-во НАН Украины, с. 388-396

169. Ющенко А.С. К теории деятельности эргастических мехатронных систем // // Мехатроника, 2003, №3 с. 2-11

170. Ющенко А.С. Нечеткое представление внешнего мира в эргастических робототехнических системах// Материалы XIII научно-технической конференции «Экстремальная робототехника», СПб.: Изд-во СПбГТУ, 2003

171. Ющенко А.С., Киселев Д.В. Нечеткое управление поведением мобильных роботов// Вестник МГУ. Приборостроение, 2001, №1 с. 86-89

172. Ющенко А.С., Киселев Д.В., Вечканов В.В. Адаптивная система нечеткого управления мобильным роботом// Мехатроника, 2002, №1 с. 2026

173. Ярушкина Н.Г. Основы теории нечетких и гибридных систем М.: Финансы и статистика, 2004. - 320 с.

174. Яхъяева Г.Э. Нечеткие множества и нейронные сети М.: Бином. Лаборатория знаний, 2006 - 316 с.

175. A Flynn, L. Tavrow, S. Bart, R. Brooks, D. Ehrlich, K.R. Udayakumar, and E. Cross. Piezoelectric .Micromotors for Microrobots. // Microelectomechanical Systems. 1992. - №1. 1, pp. 44-51.

176. Alley R.L., Cuan G.J., Howe R.T., Komvopoulos K. The effect of release-etch processing on surface microsturcture sticktion // IEEE Solid-State Sensor and Actuator Workshop, Hilton Head Island, 1992, pp. 202-207.

177. Aoyama H., Iwata F., Sasaki A. Desktop Flexible Manufacturing System by Movable Miniature Robots with Micro Tool and Sensor. // Proc. IEEE Int. Conference on Robotics and Automation, 1995, pp. 660-665.

178. Bark C., Binnenbose Т., Vogele G., Weisener T. and Widmann M., Gripping with low viscosity fluids // Proc. IEEE Int. Conf. MEMS'98, pp. 301 -305.

179. Belousov I., Clapworthy G. Remote programming and Java3D visualisation for Internet robotics //SPIE's International Technical Group Newsletter, Vol. 11, No. 1, February 2002, p. 8.

180. Bishop C.M. Neural Networks for Pattern Recognition. Oxford U. Press, 1995.

181. Bowling R.A. A theoretical review of particle adhesion // in Particles on Surfaces Detection Adhesion and Removal. Ed. K.L. Mittal, New York, Plenum Press, 1988, pp.129-155.

182. The Handbook of Industrial Robotics, Second Edition, editor Shimon Nof, Wiley & Sons 1998.

183. C. Sayers, R. Paul, D. Yoerger, L. Whitcomb and J. Catipovic. Experiments in subsea teleprogramming. С сайта http://www.cis.upenn.edu/~sayers/tele/ subsea.html#sect5. Дата доступа: 29 сентября 2004.

184. Clark С. & Rock S. Randomized Motion Planning for Groups of Nonholonomic Robots // Proc. Int. Symp. of Artificial Intelligence, Robotics and Automation in Space, 2001.

185. D.E.Goldberg. Genetic Algoritms in Search, Optimizatia and Machine Learning. Copyright 1989 by Addision-wes ley Publishing Company, Inc.

186. Darintsev О. V., Migranov А. В. Genetic Algorithms-Based Path-Planning System for the Motion of a Group of Mobile Micro-robots // Journal of Computer and Systems Sciences International. 2007. Vol. 46. 3. p.493-502

187. Dario P. et al.: Microactuators for Microrobots: a Critical Survey, Journal of Micromechanics and Microengineering, 1992, Vol. 2, pp. 141-157

188. Darrell Whitley. A genetic algorithm tutorial. Statistics and computing, 4, 6585, 1994 (Уитли Д. Учебник по генетическим алгоритмам. Статистика и компьютинг, №4, с. 65-85, 1994.)

189. De Jong, К.А. & Spears, W. М. An analysis of interacting role of population size and crossover in genetic algorithms. In Parallel Problem Solving from Nature, 1991.

190. Deb K., Agrawal S. Understanding Interactions Among Genetic Algorithm Parameters. 1998

191. Derjaguin B.V., Muller V.M., Toropov Yu.P., J. Colloid. Interface Sci. 53, 314 (1975).

192. ESEC Products by Technology. Micron 5003 Flip Chip. С сайта http://vvww.esec.com/products/flipchipbonder/micron5003fc/overview-en.asp. Дата доступа: 16 сентября 2004.

193. Fatikow S., Santa К., Zollner J., Zollner R., Haag A. Flexible Piezoelectric Micromanipulation Robots for A Microassembly Desktop Station. ICAR '97, Monterey ,CA. 1997, pp.241 - 246.

194. Fearing R.S. Survey of sticking effects for micro parts handling // IEEE/RSJ Conf. on Intell. Robots and Systems, Pittsburgh, PA, 1995, vol.2:212-217.

195. Feynman R. P. There's Plenty of Room at the Bottom // Reprinted by S. •Senturia in IEEE/ASME Journal of Microelectromechanical Systems, Vol. 1, No.1, March 1992, pp. 60-66.

196. G. Hirzinger, B. Brunner, J. Dietrich, and J. Heindl. Sensor-Based Space Robotics-ROTEX and its Telerobotic Features. //IEEE Transactions on Robotics and Automation, 9(5):649-663, Oct. 1993.

197. G.A. Freeze, K.W. Larson, P.B. Davies. Sandia report. С сайта http://www. osti.gov/dublincore/ecd/servlets/purl/172134-aJKOS f/webviewable/172134.pdf. Дата доступа: 1 октября 2004.

198. Gengenbach, U. Automatic assembly of microoptical components // Proceedings of SPIE International Symposium on Intelligent Systems & Advanced Manufacturing, Boston, MA, November, 1996, pp. 141-150.

199. Gerke M. Genetic path planning for mobile robots. // Proc. of the American Control Conference, Vol. 4, pp. 2424 -2429, 1999.

200. Goldberg D.E., Deb K., Clark J.H. Genetic Algorithms, Noise, and the Sizing of Populations. IlliGAL Report No. 91010. University of Illinois, Urbana-Champaign, 1991.

201. Guo Y. and Parker L. E. A Distributed and Optimal Motion Planning Approach for Multiple Mobile Robots // Proc. IEEE Int. Conf. on Robotics and Automation, 2002, p. 2612-2619.

202. H. Shintani. Proposal of Interface in Nano-manipulation Using Force and Visual Sensing. Master's thesis, Dept. of Electrical Engineering, Institute of Industrial Science, Univ. of Tokyo, 1999.

203. Handbook of Micro/Nanotechnology / Ed. by Bhushan Bharat. 2d ed. - Boca Raton etc.: CRC press, 1999. - 859 c.

204. Haykin S. Neural Networks. A comprehensive foundation. New York, NY: Macmillan, 1994.-696 p.

205. Holand J.H. Genetic algoritms and the optimal allocations of trials. // SIAM Journal Computing, 2(2), 1973, 88-105.

206. Holland J. H. Adaptation in natural and artificial systems An introductory analysis with application to biology, control, and artificial intelligence. London: Bradford book edition, 1994. - 211 p.

207. Horn R.G., Smith D.T. Contact electrification and adhesion between dissimilar materials. Science, 17 April 1992, vol.256, (no.5055): 362-400.

208. Israelachvili J.N. Intermolecular and Surface Forces. Academic Press, 1998. -450 c.

209. J. T. Feddema, A. J. Ogden, L. K. Warne, L.K, W. A. Johnson, and D. Armour, "Electrostatic/electro-magnetic gripper for microassembly," Proceedings of the 5th Biannual World Automation Congress, Vol. 14, 2002, pp. 268 -274.

210. John H. Holland Building Blocks, Cohort Genetic Algorithms, and Hyperplane-Defined Functions. Evolutionary Computation 8(4): 373-391, 2000.

211. Johnson K. L., Kendall, K. & Roberts A. D. Surface energy and the contact of elastic solids//Proc. R. Soc. Lond. A. 324, 1971, pp. 301-313.

212. Krasilnikov N. A., Pakiela Z., Lojkowski W., Valiev R.Z. Excellent mechanical properties of nickel obtained high pressure technique. // Sol. St. Phen. 2005. -V.101-102. - P. 49-54. 7.

213. LaVaile S.M., Kufner J.J. Randomized Kinodynamic Planning // Int. J. of Robotics Research, 2001,20(5):278-300.

214. Leung C.R. and Zalzala A.M.S. A genetic solution for the motion of wheeled robotic systems in dynamic environments // Int. Conf. on Control '94, VoU, pp.760-764, 1994.

215. M. C. Carrozza, A. Eisinberg, A. Mencisaai, D. Campolo, S. Micera and P. Dario, "Towards a force-controlled microgripper for assembling biomedical microdevices, " J. Micromechanics and Microengineering, Vol. 10, No. 2, 2000, pp. 271-276.

216. M. Tichem, D. Lang, B. Karpuschewski. A classification scheme for quantitative analysis of micro-grip principles. Proc. IEEE Int. Conf. IPAS 2004, pp. 68-76.

217. Maugis D. Adhesion of spheres: the JKR-DMT transition using a dugdale model. //Journal of Colloid and Interface Science, vol. 150, No. 1, 1992, pp. 243269.

218. Maugis D.J., J. Colloid. Interface Sci. 150, 243 (1992).

219. Menciassi A., Carrozza M.C., Ristori C., Tiezzi G., Dario P. A Workstation for Manipulation of Micro Objects // IEEE Int. Conference on Robotics and Automation, 1997, pp. 253-258.

220. N. Dechev, W. L. Cleghorn, J.K. Mills, "Construction of a 3D MEMS Microcoil Using Sequential Robotic Microassembly Operations", Proc. ASME Int. Mech. Eng. Congress and R&D Expo 2003, Washington, D.C, pp. 115-121, 2003.

221. N. Dechev, W. L. Cleghorn, J.K.Mills, "Microassembly of 3-D MEMS Structures Utilizing a MEMS Microgripper with a Robotic Manipulator", Proc. of IEEE Int. Conf. on Robotics and Automation (ICRA2003), Taipei, Taiwan, pp. 1419,2003.

222. National Aeronautics and Space Administration. Long range science rover. С сайта http://robotics.jpl.nasa.gov/tasks/scirover/liomepage.html. Дата доступа: 1 октября 2004.

223. Okuyama К., Masuda Н., Higashitani К., Chikazawa М., and Kanazawa Т. Interaction between Two Perticles // Journal of the Society of Powder Technology, Japan, Vol.22, No.7, 1985, pp.452-475.

224. P. G. Backes, S. F. Peters, L.Phan and K. S. Tso. Task lines and motion guides. //In Proceedings IEEE International Conference on Robotics and Automation, pages 50-57, Minneapolis, Minnesota, April 22-28, 1998. Volume 1.

225. Palomar Technologies Enabling Lightwave Connectivity! Automate Assembly of Microelectronics. С сайта http://www.palomartechnologies.com/ news/pressreleases/archive/2003/pr030313hologic3500.htm. Дата доступа: 16 сентября 2004.

226. Peterson К. Silicon as a Mechanical Material Proceedings of the IEEE, v. 70, No 5, May 1982. P. 420-457.

227. R. Yeh, E. J. J. Kruglick, and K. S. J. Pister. Surface-Micromachined Components for Articulated Microrobots // Journal of Microelectomechanical Systems. 1996. - №5, pp. 10-17.

228. Robot Assisted Microsurgery Task. Microsurgery. С сайта http://robotics.jpl. nasa.gov/tasks/rams/homepage.html. Дата доступа: 1 октября 2004.

229. Rollot Y., Regnier S., Guinot J.-C. Simulation of micro-manipulations: Adhesion forces and specific dynamic models // International Journal of Adhesion & Adhesives, 19, 1999, pp. 35^8.

230. Rosenfield, A. R., Criteria for ductile fracture of two—phase alloys. Metals and Materials and Metallurgical Reviews, (1968) pp. 29-40.

231. S. Fatikow and U. Rembold. Microsystem Technology and Microrobotics. Berlin, Germany: Springer-Verlag, 1997.

232. Sanchez G., Latombe J.C. On Delaying Collision Checking in PRM Planning: Application to Multi-Robot Coordination // Int. J. of Robotics Research, Jan. 2002, 21(l):5-26.

233. Shibata Т., Fukuda Т., Kosuge K., and Arai F. Selfish and Coordinative Planning for Multiple Mobile Robots by Genetic Algorithm // Proc. of the 31st Conf. on Decision and Control, Vol. 3, 1992, pp. 2686-2691.

234. Simeon Т., Leroy S., Laumond J.P. Path Coordination for Multiple Mobile Robots: a Geometric Algorithm // Proc. Int. Joint Conf. on Artificial Intelligence, 1999.

235. Simu U., Johansson S. Analysis of quasi-static and dynamic motion mechanisms for piezoelectric miniature robots/ Sensors and Actuators A 132 (2006) p.632-642.

236. Sysmelec SA Montage von Mikrosystemen. SMS 1000 - Microsystems Submicronic Assembler. С сайта http://wmv.sysmelec.ch/cl/assemblage/ mems/smslOOO.htm. Дата доступа: 16 сентября 2004.

237. Kasaya Т., Miyazaki Н., Saito S. and Sato T. Microobject handling under sem by vision-based automatic control. In Proceedings of the IEEE International Conference on Robotics and Automation, pages 2189-2196, 1999.

238. Tas N., Sonnenberg Т., Jansen II., Legtenberg R. and Elwenspoek M. Stiction in surface micromachining. // Journal of Micromechanics and Microengineering, December, 1996, pp. 385-397.

239. Tichem M., Lang D., Karpuschevvski B. A classification scheme for quantitative analysis of micro-grip principles. // Proc. IEEE Int. Conf. IPAS 2004, pp. 68-76.

240. Trojanowski K., Michalewicz Z. and Xiao J. Adding Memory to the Evolutionary Planner/Navigator // Proc. of the 4th IEEE ICEC, pp. 483-487, 1997.f 365 1.XT/

241. V. Klocke, T. Gesang, Nanorobotics for Micro Production Technology, SPIE conference Photonics Fabrication Europe, Brugge, Belgium 2002, pp. 409-419.

242. V. Klocke. Motion from the Nanoscale World. // Microsystem Technologies. -2002.-№7, pp. 256-260.

243. Whalen S.A. et al. Characterization and modeling of a microcapillary driven liquid-vapor phase-change membrane actuator / Sensors and Actuators A 134 (2007) p. 201-212

244. Y. Yamamoto, R. Konishi, Y. Negishi, T. Kawakami. Prototyping ubiquitous micro-manipulation system. Advanced Intelligent Mechatronics, 2003. AIM 2003. Proceedings. 2003 IEEE International Conference.

245. Zadeh L.A. Fuzzy Logic, Neural Networks, and Soft Computing // Fuzzy Systems, Vol. 37, № 3, 1994, pp. 77-84.

246. Zhao Y. et al. Fast and precise positioning of electrostatically actuated dual-axis micromirror by multi-loop digital control / Sensors and Actuators A 132 (2006) p. 421-428