автореферат диссертации по машиностроению и машиноведению, 05.02.05, диссертация на тему:Методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в неизвестной среде

На правах рукописи

Фирас А. Рахим

МЕТОДЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ ПЕРЕМЕЩЕНИЕМ РОБОТА-МАНИПУЛЯТОРА В НЕИЗВЕСТНОЙ СРЕДЕ

Специальность 05.02.05. - «Роботы, мехатроника и робототехнические системы»

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

Новочеркасск - 2009

003465224

Работа выполнена в государственном образовательном учреждении высшего профессионального образования «Южно-Российский государственный технический университет (Новочеркасский политехнический институт)» на кафедре «Автоматизация производства, робототехника и мехатроника»

Научный руководитель: доктор технических наук, профессор,

заслуженный деятель науки РФ Булгаков Алексей Григорьевич

Официальные оппоненты:

доктор технических наук, профессор Пятибратов Георгий Яковлевич;

кандидат технических наук, доцент Валюкевич Юрий Анатольевич

Ведущая организация:

ГОУ ВПО «Донской государственный технический университет» (г. Ростов-на-Дону)

Защита состоится 17 апреля 2009 г. в 10.00 на заседании диссертационного совета Д.212.304.04 при государственном образовательном учреждении высшего профессионального образования «Южно-Российский государственный технический университет (Новочеркасский политехнический институт)» по адресу: 346428, г. Новочеркасск, Ростовской обл., ул. Просвещения, 132, ауд. 107 глав, корпуса.

С диссертацией можно ознакомиться в библиотеке Южно-Российского государственного технического университета (Новочеркасского политехнического института). С текстом автореферата можно ознакомиться на сайте ЮРГТУ (НПИ) www.npi-tu.ru

Автореферат разослан « и » марта 2009 г.

Ученый секретарь диссертационного совета ///

доктор технических наук, профессор —/ В.С. Исаков

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы. В различных отраслях промышленности и сервисного обслуживания широко применяются роботы, мехатронные и робо-тотехнические системы. Это связано с их растущими функциональными возможностями, обусловленными использованием более совершенных систем управления, развитие которых, в свою очередь, базируется на известных достижениях средств вычислительной техники.

Неопределенность, вызванная наличием в рабочей зоне робота неизвестных статических или динамических препятствий и проявляющаяся как степень погрешности опознающих эти препятствия датчиков и как изменение местоположения этих препятствий, обусловливает необходимость разработки методов планирования и управления перемещением робота. Суть данных методов заключается в том, что после получения роботом задания в ходе планирования в режиме реального времени происходит формирование допустимой траектории перемещения с учетом возможных конфигураций робота, а также информации об окружающей среде, считанной датчиками. Далее в процессе генерирования траектории формируются желаемые конфигурации робота, представляющие собой функции времени. Полученная траектория является задающим воздействием для управления, формирующим соответствующие сигналы для создания крутящего момента, что гарантирует выполнение роботом безопасной траектории с минимально возможной погрешностью достижения целевой точки.

В настоящее время в основе решения проблемы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде лежит разработка интеллектуальных методов, которые основаны на применении искусственных нейронных сетей и нечеткой логики. Научные исследования в этом направлении получили распространение как в России, так и за рубежом. Они базируются на трудах ученых И.М. Макарова, В.М. Лохина, C.B. Манько, М.П. Романова, П.Э. Трипольского, К. Алтоуфера, Б. Крекелберга, Д. Хасмейера, JI. Сеневиратне, П.Г. Завлангаса, С.Г. Тзафеста, Ю. Фу, Б. Джина, X. Ли, III. Ванга, которые в основном использовали возможности нечеткой логики, а также научных коллективов под руководством Ю.В. Подураева, В.А. Лопоты, Е.И. Юревича, С.Л. Зенкевича, A.C. Ющенко, И.А. Каляева. Дальнейшее развитие предложенных учеными методов с целью повышения точности результатов планирования и управления перемещением роботов-манипуляторов в режиме реального времени в неизвестной среде, в том числе для эффективного выполнения ими сложных задач без непосредственного участия в этом процессе человека-оператора, заключается в комбинировании аппарата нечеткой логики с возможностями искусственных нейронных сетей. Кроме того, перспективным, с этой точки зрения, является разработка комплексных интеллектуальных систем, включающих подсистемы планирования и управления. Таким образом, решение этих проблем является весьма актуальным.

Соответствие диссертации плану работ ЮРГТУ (НПИ) и целевым комплексным программам. Диссертационная работа выполнена в рамках на-Сд

учного направления ЮРГТУ (НПИ) «Теория и принципы создания робото-технических и мехатронных систем и комплексов» и соответствует госбюджетной теме П.3.837 «Разработка принципов и средств автоматизации и роботизации производства на основе мехатронных технологий и систем» (20042008 гг.).

Целью работы является разработка методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени, обеспечивающих реализацию им планируемой в процессе движения безопасной траектории в окружающей среде с неизвестными статическими и динамическими препятствиями.

Достижение поставленной цели требует решения следующих исследовательских задач:

1) проанализировать современные концепции и методы разработки систем планирования и систем управления перемещением робота-манипулятора в неизвестной среде;

2) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде с последующим компьютерным моделированием;

3) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде и выполнить компьютерное моделирование полученной системы;

4) разработать метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории и осуществить ее компьютерное моделирование;

5) разработать методы построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах с их последующим компьютерным моделированием;

6) провести экспериментальные исследования системы управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде.

Идея работы заключается в разработке методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора как в неизвестной статической, так и в неизвестной динамической средах на основе применения аппарата нечеткой логики и искусственных нейронных сетей для снижения вероятности столкновения звеньев робота-манипулятора с неизвестными препятствиями, расположенными в его рабочей зоне.

В качестве методов исследования использованы методы робототехники, мехатроники, математического моделирования, аналитической геометрии, кинематического и динамического анализа, нечеткой логики, нейронных сетей, метод дискретного интегрирования, а также методы прикладного программирования. Аналитические исследования проведены на ЭВМ, а экспериментальные - с использованием лабораторного робота-манипулятора.

Научные положения, выносимые на защиту:

1. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, заключающийся в трехэтапном формировании безопасной траектории на основе использования двух нечетких блоков для каждого звена робота, а также модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения манипулятора в форме многослойного персептрона нейронной сети, позволяет на каждой итерации учитывать расстояние между звеньями робота и расположенными справа и слева от них ближайшими препятствиями и обеспечивает достижение роботом целевой точки.

2. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде, включающий четыре этапа формирования безопасной траектории с учетом значения параметра изменения расстояния между звеньями робота и ближайшими препятствиями, позволяет роботу успешно избегать столкновений с неизвестными динамическими препятствиями и обеспечивает достижение им целевой точки.

3. Метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, заключающийся в использовании трех этапов формирования управляющих сигналов с применением для каждого звена робота нечеткого ПД-регулятора и двух многослойных нейронных сетей с целью повышения эффективности перемещения робота-манипулятора по планируемой траектории и уменьшения влияния случайного возмущения на реальную траекторию.

4. Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, основанный на комбинации разработанных методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора по планируемой траектории, позволяет повысить эффективность отработки роботом безопасной траектории в окружающей среде с неизвестными неподвижными и неизвестными движущимися препятствиями.

Научная новизна работы состоит в разработке:

1) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, отличающегося тем, что окончательные значения изменений углов перемещения каждого из звеньев манипулятора являются результатом процесса принятия решения, осуществляемого с помощью двух нечетких блоков, а также сочетания возможностей нейросетевой модели полной классификации, учитывающей возможные ситуации местоположений неизвестных препятствий в рабочей зоне и соответствующие им направления и виды движения робота-манипулятора;

2) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной ди-

намической среде, отличающегося использованием в качестве входного параметра второго нечеткого блока каждого звена робота значений изменения расстояния между роботом и ближайшими препятствиями, что дает возможность вычислить скорость их сближения и избежать столкновения между ними;

3) метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, отличающегося тем, что для каждого звена робота настройка входов в нечеткий ПД-регулятор выполняется выходами второй многослойной нейронной сети, обученной в режиме реального времени на основе значений выхода первой многослойной нейронной сети, которая, в свою очередь, обучается на основе инверсной динамической модели робота, что повышает точность отработки роботом планируемой траектории;

4) метода построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, отличающегося сочетанием возможностей соответствующих интеллектуальных систем планирования и интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории.

Обоснованность и достоверность результатов подтверждается применением современных апробированных методов исследований; анализом научно-исследовательских работ по рассматриваемому вопросу; методами обработки и моделирования, выполненными с использованием современных ЭВМ и программных продуктов для выполнения расчетов и обработки результатов эксперимента; метода видеосъемки; удовлетворительной сходимостью результатов компьютерного моделирования и экспериментального исследования.

Значение работы. Научное значение работы состоит в развитии методологической основы для разработки и совершенствования новых методов построения интеллектуальных систем, реализующих процессы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде и основанных на сочетании возможностей нечеткой логики и искусственных нейронных сетей.

Практическое значение полученных в работе результатов заключается в следующем:

- разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде позволяют эффективно решать проблему использования робототехнических систем в ситуациях отсутствия информации об окружающей среде, обеспечивая их безопасное перемещение по траектории, свободной от столкновений с неизвестными статическими и динамическими препятствиями;

- разработан пакет программ, обеспечивающий возможность моделирования окружающей среды, движения робота-манипулятора среди неизвестных препятствий, работы инфракрасных датчиков, а также моделирования функционирования разработанных в диссертации интеллектуальных систем плани-

рования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде, применяемый в сферах образования, научных исследований и производства.

Внедрение результатов диссертационного исследования. Разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде внедрены в ОАО «ВЭлНИИ» (г. Новочеркасск Ростовской обл.). Материалы диссертационной работы используются в учебном процессе кафедрой «Автоматизация производства, робототехника и мехатроника» ЮРГТУ (НПИ) для студентов специальности 22040265 «Роботы и робототех-нические системы» и 22040165 «Мехатроника».

Апробация работы. Основные положения и результаты работы излагались в научных статьях и докладывались на международной научно-технической конференции «Проблемы мехатроники 2006» (Новочеркасск, 2006 г.), международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (Новочеркасск, 2006 г.), международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2007 г.), международной научно-технической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2007 г.), международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (Новочеркасск, 2007 г., 2008 г.), на международном научно-практическом коллоквиуме «Мехатроника-2008» (Новочеркасск, 2008 г.), на международном научном коллоквиуме «Prospects in Mechanical Engineering» (Ильменау, 2008), международной научно-практической конференции «Проблемы синергетики в трибологии, трибоэлек-трохимии, материаловедении и мехатронике» (Новочеркасск, 2008 г.), международной научно-технической конференции «Новые технологии управления движением технических объектов» (Новочеркасск, 2008 г.).

Публикации. Основные материалы диссертации опубликованы в 17 печатных работах, в том числе в свидетельстве ОФАП на программные средства, в 7 статьях в изданиях, рекомендованных ВАК, а также получены решения о выдаче 2 патентов на полезные модели.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы и 11 приложений. Общий объем работы составляет 203 страницы машинописного текста, содержит 111 рисунков, 9 таблиц, список литературы из 128 наименований.

КРАТКОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обосновывается актуальность темы диссертации, определяются цели и задачи диссертационного исследования, описывается идея работы и методы исследования, формулируются положения, выносимые на защиту, раскрывается научная новизна работы, подтверждается обоснованность и достоверность полученных результатов, а также выделяется их научно-практическое значение.

В первой главе проанализирована современная концепция планирования перемещения робота-манипулятора и выделены принципы и методы планирования в неизвестной среде. Подробно рассмотрены преимущества и недостатки методов построения систем планирования с использованием возможностей нечеткой логики и искусственных нейронных сетей, а также их комбинаций. Сделан выводы о том, что решение проблем планирования перемещения робота-манипулятора в режиме реального времени в неизвестной среде посредством разработки методов построения нейро-нечетких систем является перспективным, однако до сих пор отраженным лишь в небольшом ряде научных работ. Поэтому исследования в рассматриваемой проблемной области требуют дальнейшего развития.

В рамках решения проблемы управления перемещением робота-манипулятора по планируемой траектории проанализированы методы построения систем управления на основе классических и интеллектуальных подходов. Анализ показал необходимость совершенствования применения аппарата нечеткой логики и искусственных нейронных сетей в процессе управления робототехническими системами. Сочетание методов нечеткой логики и искусственных нейронных сетей является одним из наиболее эффективных подходов к решению проблемы управления перемещением робота-манипулятора по планируемой траектории. Применение нечеткой логики для определения требуемых управляющих сигналов, а нейронных сетей в процессе обучения динамическим характеристикам робота в режиме реального времени открывают возможности для разработки и совершенствования на этой основе нейро-нечетких методов управления.

Рассмотренные проблемы и возможные направления их решения научно обосновывают поставленные в диссертационной работе цели и задачи.

Во второй главе разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени, назначение которого состоит в разработке системы планирования на основе трехэтапного процесса обработки информации о роботе и окружающей его неизвестной статической среде. Применение метода показано на примере двухзвенного робота-манипулятора (рис. 1).

Первый этап заключается в определении окончательного значения расстояния между_/-м звеном робота и находящимся в его рабочей зоне препятствиями Ц0) на основании информации, полученной от датчиков расстояния, с использованием модели полной классификации местоположений неизвестных препятствий в рабочей зоне робота и соответствующих им направлений и видов движений его звеньев в форме многослойного персептрона нейронной сети (МСП), обученного по методу обратного распространения ошибки (рис. 2).

На втором этапе вычисляется значение предварительного шага перемещения 7-го звена робота (5'0//+1)), являющегося выходом первого нечеткого блока (НБ-1), входы которого - это предыдущие значения изменения угла перемещения у'-го звена (Д9Д/)), а также разница между целевой (0^) и текущей (О//)) конфигурациями у-го звена (Д0у//+1) = 0//))- При этом начальным условием функционирования системы является Д0У{О) = 0.

На третьем этапе рассматриваемого метода на основе результирующих параметров первого и второго этапа с помощью второго нечеткого блока (НБ-2) определяется окончательное значение изменения угла перемещения у'-го звена манипулятора (А6у(;+1)). При этом на новой итерации (/+1) угол перемещения определяется как О/М-1) = 0//') + Д0//+1). Входами в НБ-2 являются 5"0/(г'+1) и й]а. Внутренняя обратная связь, реализованная в этой системе, дает возможность рассчитать ¿В/Ж) в зависимости от значения Д9/г), что способствует избежанию столкновения робота с неизвестным препятствием и достижению целевой точки.

Вычисление минимального расстояния

е.*

-о

II

Информация, считанная датчиками _измерения расстояния_

Кодирование,

МСП, декодирование

AtM'-H)

Д0|(О) -

/?<ХЧ

НБ-1 Звено 1

50,(1+1)

С

до т-

Дв,г(г+1)

/ЖЧ

НЫ-2 Звено 1

НБ-1 Звено2 <4.

НБ-2 Звено2

¿0г(№1)

ir-a

е,(»+1)

де2(/+])

Датчики расстояния

Робот-манипулятор

о.<0

02(0

Рис. 1. Интеллектуальная система планирования перемещения двухзвенного робота-манипулятора в режиме реального времени в неизвестной статической среде

В структуре МСП, состоящего из трех слоев (рис. 2), выделяют: (й^х) - минимальное расстояние между у-м звеном и ближайшим препятствием, расположенным справа (слева); 00, - вид (многошаговое или единичные шаги) и направление (вправо или влево) перемещения у-го звена; (£>д) - наличие или отсутствие расположенного справа (слева) на минимальном расстоянии от у'-го Рис-2- Структура МСП с блоками звена препятствия; значения кодирования н декодирования

закодированных выходов МСП, используемые для определения значений окончательных расстояний междуу-м звеном и препятствием.

Модель полной классификации основана на классификационной таблице, разработанной на примере двухзвенного робота-манипулятора, которая состоит из 256 пунктов, полученных в результате анализа возможных ситуаций: местоположения ближайших препятствий в рабочей зоне для каждого звена,

показанных на рис. За, где отдельный кружок может обозначать как одно, так и группу препятствий; направлений и видов движения каждого звена, приведенных на рис. 36, где пунктирные стрелки — единичные шаги вправо или влево, сплошные стрелки - многошаговое движение, соответственно, вправо или влево.

а)

б)

т •ф«

"ГУ"

Г

г'Л

Рис. 3. Классификация на примере двухзвениого робота-манипулятора: а) местоположения блнжайших препятствий в рабочей зоне робота-манипулятора; б) направления и виды движения робота-манвпулятора

На рис. 4 представлены графики функций принадлежности входов и вы-

ходов НБ, где Ш1.

максимальный шаг перемещения у-го звена на каждой

итерации; ДПЦ (ДЛЦ) - далеко справа (слева) от цели; БПЦ (БЛЦ) - близко справа (слева) от цели; Н - ноль; 1ПП (ШЛ) - шаг вправо (влево); МШП (МШЛ) - малый шаг вправо (влево); ДП (ДЛ) - далеко справа (слева); ОП (ОЛ) - около справа (слева); ПБ (ЛБ) - близко справа (слева); ЗШП (ЗШЛ) -три шага вправо (влево); 2ШП (2ШЛ) - два шага вправо (влево); а также ¿1 тах= к + к Ни ¡1 - длины-звеньев робота); с!1тах = 2/, + /2; Л, =0,6Ш^;

А,; 52=0,5Ш^; =

_ тах

15

22,5

Л _ и7тах . —

Л — ^2">ах и-,1 —

45

10 ' "

15

30

Ду2 =0,375Ш^;Д;3=0,125Ш^-

Разработаны нечеткие базовые правила для каждого нечеткого блока. Примерами нечетких базовых правил для НБ-1 у'-го звена (их общее количество равно 12) выступают: ЕСЛИ Д9^(/+1) = ДПЦ И Л9/;) = ШП, ТО 50;(/+1) = ШП; ЕСЛИ Д0Уя(;+1) = БПЦ И АЩ = Н, ТО 50;(;+1) = МШП. Примерами нечетких базовых правил для НБ-2 у'-го звена (их общее количество составляет 18) являются: ЕСЛИ Щ(/+1) = Н И 4„(/+1) = БП, ТО А0//+1) = 2ШЛ; ЕСЛИ 50//+1) = ШЛ Я 4„(г+1) = БЛ, ТО Д9Д/+1) = ЗШП. Нечеткий логический вывод определяется по методу Мамдани, а выходы нечетких блоков вычисляются в рамках приведения к четкости с помощью метода центра тяжести.

Результаты компьютерного моделирования рассматриваемой системы планирования представлены на рис. 5. Робот1 перемещался из начальной кон-

1 Для компьютерного моделирования использованы параметры двухзвенного робота-манипулятора из ис-

10

фигурации (01 = 0°, 02 = 35°) в целевую (0) = 190°, 02 = - 60°), при этом в его рабочей зоне располагались 4 неизвестных статических препятствия, столкновения с которыми робот успешно избежал. После 2141 программной итерации (установленное время равно 5,3525 с при кп = 0,4 и кп = 0,4) ошибка планирования составила 0,000° как для 0Ь так и 92.

~ ш > де/1+1), рад

■V: .V, ЦТ/ ттр -Л<> -йд -Ají о Л„

а) да/г+1),рад — — д)

Рис. 4. Графики функций принадлежности входов и выходов: а) НБ-1 для j-го звена робота-манипулятора; б) НБ-2 для /-го звена робота-манипулятора

200 400 600

1000 1200 1400 1600 1800 2000 2200 Итерации

а)

R00 1000 1200 1400 1600 18U0 2000 220« Итерации

X , м

Рис. 5. Графики: а) результирующих параметров 9] и 02; б) траектории перемещения

Во второй главе также разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде (рис. 6 - на примере двухзвен-ного робота-манипулятора). Этот метод отличается от рассмотренного выше метода тем, что на втором этапе вычисляется значение изменения окончательного расстояния (Щ0): М]а(1+\) = ¿/,0(/+1) - 4о(0- В результате на четвертом этапе к двум входам второго нечеткого блока (НБ-2) прибавлен третий входной параметр Дс§0. При этом первый и третий этап данного метода соответствуют первому и второму этапу описанного выше метода (рис. 1). На рис. 7

точников: Reyes F., Kelly R. (2001). Experimental Evaluation of Model-Based Controllers on a Direct-Drive Robot Arm. http://www.elsevier.com. Direct-Drive Brushless Servo Systems, Catalog 8000-4/USA. Parker Hannifin Corporation. Compumotor Division, http://www.compumotor.com. Параметры двухзвенного робота-манипулятора: длина каждого звена равна 0,45 м; на каждой программной итерации максимальный шаг первого звена -0,0157079 рад, а второго звена-0,0314159 рад; период дискретизации 0,0025 с.

представлены графики функций принадлежности входов и выхода НБ-2 для 7-го звена робота, где - максимальное значение изменения (1]0\

= 0,05Щтах, Щг ~ 0,025Д^т<и. Приняты следующие условные обозначения: ОБ - отрицательное большое; ОС - отрицательное среднее; ОМ - отрицательное малое; ПМ - положительное малое; ПС - положительное среднее; ПБ - положительное большое.

-О

а | s е-5 х

е^О

Вычисление минимального расстояния

Информация, считанная датчиками измерения расстояния

Кодирование,

МСП, декодирование

А8|.(7+1)

Д0,(0) -

НБ-1 Звено I

Дв,(0)_

Дв21(1+|)

НБ-1 Звено2

Вычисление М. Ыъ.

59,(1+1)

НБ-2 Звено 1

Л9,(<+|) кг,

—м>

/ХХ\

НБ-2 Звено2

Д9,(М)

Датчики расстояния

Робот-манипулятор

0.(0

МО

Рис. б. Ивтеллектуальная система плявировапия перемещения двухзвевиого робота-манипулятора в режиме реального времени в неизвестной динамической среде

Разработаны 108 нечетких базовых правил для НБ-2 j-ro звена, в качестве примеров которых можно привести следующие: ЕСЛИ dJ0(i+\) = ДП И S0//+1) = ШП И Дс/70((+1) = ОБ, ТО Д07(;+1) = ЗШП; ЕСЛИ dJa(i+1) = ДЛ И 59//+1) = ШЛ И Д4о(/+1) = ПБ, ТО А0//+1) = = ЗШЛ.

В ходе компьютерного моделирования системы планирования (рис. 6) двухзвенный робот перемещался из стартовой конфигурации (6] = 60°, 62 = 25°) в целевую (0, = 180°, в2 = 60°) в течение 1563 программных итераций, занявших 3,9075с при kFi = 0,6; kfi = 0,6. В рабочей зоне располагались одно движущееся по вертикальной оси неизвестное препятствие, которое перемещалось на каждой программной итерации с шагом, равным 0,0125 м, и три статиче-

Рис.7. Графики функций принадлежности входов и выходов НБ-2 для /-го звена робота-мапипулятора

ских неизвестных препятствия. В результате моделирования манипулятор перемещался, избегая столкновения с ними. Первое звено не достигло целевой конфигурации и остановилось при 0| = 161,2° перед возможным столкновением с неизвестным статическим препятствием, тогда как ошибка планирования 02 равнялась нулю. Графики траекторий перемещения робота-манипулятора показаны на рис. 8.

Разработанные во второй главе методы построения интеллектуальных систем планирования могут использоваться для манипулятора с любыми степенями Рис. 8. Графики результирующих параметров в1,02 подвижности.

В третьей главе разработан метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории (рис. 9 - на примере двухзвенного робота-манипулятора), включающий три этапа.

Итерации Итерации

Рис. 9. Интеллектуальная система управления перемещением двухзвенного робота-манипулятора по планируемой в процессе движения траектории

Первый этап состоит из разработки и обучения в режиме реального времени пары многослойных нейронных сетей для у'-го звена робота (МСП,ь МСПр): МСПд обучается параметрам инверсной динамической модели манипулятора, формируя сигналы, которые используются для обучения МСП,2, вырабатывающий сигналы настройки входов нечеткого ЦЦ-регулятора (НПД-регулятора). Многослойные нейронные сети характеризуются одинаковой двухслойной структурой, содержащей 2 нейрона на входе, 12 нейронов в скрытом слое и 1 нейрон в выходном слое (рис. 10). Разработка МСЦ] и МСП/2 включает прямой расчет и обучение по методу обратного распростра-

нения ошибки. Прямой расчет имеет вид:

\хАпТ\ если /'=1;

- для входного слоя: net: = , . О/(nei ) = net л

[х2(пТ), если ( = 2;

п i

- для скрытого слоя: neth = ) + Oh = f{neth);

i

"h

- для выходного слоя: netk = ^(wkhOh) + bk; y(nT) = Ok = f(netk),

h

где иег, - входной сигнал г-го узла входного слоя; х\{пТ), х2(пТ) - первый и второй нормализованные входы нейронной сети; О, - выход входного слоя, который одновременно является входом в скрытый слой; neth - сумма произведений весов и входов скрытого слоя, соответствующая нейрону h с учетом значения смещения 6/,; wh, - матрица значений весов между нейронами скрытого и входного слоев; bh - матрица значений смещений в скрытом слое; п, — номер входного сигнала (я, е [l, 2] ); Oh - выход нейрона h скрытого слоя как результат гиперболической тангенциальной функции активации; netk - сумма произведения весов и выходов скрытого слоя, соответствующая нейрону к выходного слоя (к = 1) с учетом значения смещения ¿>*; щ - количество нейронов в скрытом слое; wkh -матрица значений весов между нейронами скрытого и выходного слоев; Ьк -значение смещения в выходном слое; у{пТ) - выход нейронной сети как результат функции активации выходного слоя.

Обучение по методу обратного распространения ошибки:

- для выходного слоя: 5k(nT) = (yd(nT)-y(nT))-f'(netk)-,

Awkh(,пТ) = л • 5,(«Г)- 0А + а • Дwkh((«- 1)Г); wkh ((« +1 )Т) = wkh (пТ) + Awkh (пТ);

- для скрытого слоя: bh(nT) = f'{neth)-ok(nT)-wkh(пТ), к = 1;

Awhi(nT)=4-8h(nT)-0,+a-Awhl((и-l)r); whi((п +1 )Г) = whi(nT) + Ащ,{пТ), где Ък (пТ)- распространяющаяся ошибка в выходном слое в момент времени пТ\ yJjiT) - обучающий сигнал; f'(netk) - производная функции активации выходного слоя; Awu,(nT) - значения, используемые для обновления матрицы весов между выходным и скрытым слоями; Awkh((n-\)T) - значения, использованные для предыдущего обновления этой матрицы весов; wu,{nT), wkh{(n+\)T) -текущие и новые значения данной матрицы весов; т|- коэффициент скорости обучения; а - коэффициент инерционности; 8/,(пТ) - распространяющаяся ошибка в скрытом слое; f'{neth)- производная функции активации скрытого слоя; Дwhi{riT) - значения, используемые для обновления матрицы весов между скрытым и входным слоями нейронной сети; Д™и((п-1)Г) - значения, исполь-

Рис.10. Структура МСП

зованные для предыдущего обновления этой матрицы весов; м;ы{пТ), и>-((и+1)Г) - текущие и новые значения данной матрицы весов.

Для МСП/ь входами являются нормализованные значения угла и скорости перемещения у-го звена робота Х\(пТ) = 0/«7) и х2(пТ) = 0}{пТ); гиперболическая тангенциальная функция активации в скрытом слое

/(пе^) = —--—-; линейная функция активации в выходном слое

епе к +е "е к

/(песк) = пе(к; у^пТ) = х}{пТ)1к^ как нормализованное значение крутящего момента; У]\(пТ) =у(пТ) - выход МСПуь /'(пе1к) = 1; ['{пе1к)= 1 -0\\ т]д и а)Х - коэффициенты скорости обучения и инерционности.

Для МСПд: входами являются нормализованные значения отклонения и изменения отклонения между планируемой и реальной траекториями у-го звена робота Х\(пТ) = е]П0гт(пТ) и х2(пТ) = Ае]погт{пТ)\ сигмоидальная функция активации в скрытом слое /(«е<А) =--—; сигмоидальная функция активации

1 + е "е'н

в выходном слое /(пе^) =-^^; уАрТ) = уп(пТ); УрХпТ) = у{пТ) - выход

1 + е 4

МСЦ2; Г(пе1к)=уп(пТ)-{\-уп{пТ))- /'(«г/л) = 0А(|-О,,); % и ад-коэффициенты скорости обучения и инерционности.

Второй этап заключается в определении значений отклонения (е^пТ)) между планируемой (0^п7)) и реальной (0,(и7)) траекториями у-го звена, а также значений изменения этого отклонения (Ае/пТ)):

^ 0пТ) = (пТ) - Qj (пТ); Ае] {пТ) = Л ^-—

Масштабные коэффициенты настройки входов НПД-регулятора определяются:

КМ> Ьп-УАпТУ(1-Уп(ПТ)У кп.у^пТ)\1-уп{пТ))'

где кц, к]2 - коэффициенты усиления, используемые для преобразования сигналов, которые вырабатывают МСП,2. Окончательные настроенные значения входов НПД-регулятора дляу'-го звена робота (Е/пТ), АЕ^пТ)) определяются: Е/пТ) = ку{пТ) ■ е/пТ)', АЕ/пТ) = кАе](пГ) ■ Ае/п'Г).

На третьем этапе рассматриваемого метода для каждого звена робота осуществляется разработка структуры НПД-регулятора, графики функций принадлежности которого показаны на рис. 11, где ООБ - отрицательное очень большое, ОБ - отрицательное большое, ОС - отрицательное среднее, ОМ - отрицательное малое, ООМ - отрицательное очень малое, Н - ноль, ПОМ - положительное очень малое, ПМ - положительное малое, ПС - положительное среднее, ПБ - положительное большое, ПОБ - положительное очень большое. Также разработан комплекс, состоящий из 121 нечеткого базового правила, для каждого НПД-регулятора. В качестве примеров нечетких базовых правил выступают: ЕСЛИ е/пТ) = ООБ И Де/иТ) = ООБ, ТО Щу(пТ) =

= ООБ; ЕСЛИ eftiT) = ПОБ И ЩпТ) = ООМ, ТО uFj(nT) = ПБ. Значения uFJ{nT) (выход НПД-регулятора) определяются с помощью формулы:

иFj(пГ) = [Ej[ejp)r\ AEj[Aejk )п ПJpk\ejp,AeJk,uFJm)},

где индекс j - звено робота; Т- период дискретизации; п - порядковый номер

программной итерации; р указывает на то, что соответствующая функция принадлежности является первым входом в НПД-регулятор; индекс к соответствует функции принадлежности второго входа; индекс m - функция принадлежности выхода; /7, -матрица нечетких базовых правил НПД-регулятора. При этом окончательные значения выходных сигналов нечеткого блока uFj(nT) вычисляются с использованием метода центра тяжести. Значения усиленного выходного сигнала НПД-регулятора j-го звена определяются следующим образом: xF)(nT) = к0] ■ uFJ(nT). Тогда окончательные значения управляющих сигналов крутящих моментов имеют вид: т/я7) = тFj{nT) + т^(пТ), где ц{пТ) - сигналы возмущения.

Для выполнения компьютерного моделирования в качестве исследуемой модели использована полная динамическая модель двухзвенного робота-манипулятора2, включая для каждого звена значения длины, массы, инерции, параметров трения и максимального крутящего момента. Также выбраны значения коэффициентов: скорости обучения (г)п = 0,08, г|12 = 0,1, ti2i = 0,08, г|22 = 0,08); моментов (ац = 0,1, ап = 0,15, а2\ = 0,1, а22 = 0,15); настройки (кп = 0,288, кп = 17,65, кг\ = 0,18326, к2г = 26,6); коэффициенты, соответствующие значениям максимальных сигналов крутящего момента каждого звена робота (ко1 = 200, ка2 = 15). В ходе первого тестирования (возмущения не учитывались: Ту(пТ) = 0), длящегося 10 с, траектории перемещения двух звеньев робота были заданы уравнениями: Q[d(nT) = n sm(n-nT); 02а,(яГ)= • sin(n • пТ\ Графики планируемой и реальной траекторий показаны на рис. 12, а на рис. 13 представлены графики отклонений между ними, когда среднеквадратическая ошибка за всё время тестирования для 9] составила 6500-Ю"6 рад, для 02 -5900Т0'6 рад, а после первых 0,5 с и до конца тестирования для 0] -0,43459-Ю"6 рад, для 02 — 1,9696-Ю"6 рад. Анализ этих результатов показал, что для каждого звена процесс обучения двух МСП занимает около 0,5 с, после чего запускается настройка входов в НПД-регулятор на требуемом уровне.

1 Reyes F., Kelly R. (2001). Experimental Evaluation of Model-Based Controllers on a Direct-Drive Robot Arm. http://www.elsevier.com

OOb OS ОС 0*A OOÍÍ К ТОМ Ш ПС IS П06

-I .0,833.0.667 -0,5 -0,333 -0,167 0 0,167 0,333 0,3 0,667 0.833 I

£,(и7). рад

ООБ ОБ ОС ОМ ООМ Н ПОМ ПМ ПС ПБ ПОБ

-I .0.833 .0,667 .0,5 .0,333 -0,167 0 0,167 0,333 0,5 0.66/ 0,833

АЕ/пТ). рад/с

ООБ ОБ ОС ОМ ООМ Н ПОМ ПМ ПС ПБ ПОБ

-0,833 -0,667 -0,5 -0,333 -0,167 0 0,167 0,3.13 0,3 0,667 0,833 I

ni ¿пГ), BWM.T

Рис. 11. Функция принадлежности входов и выхода НПД-регулятора у-го звена

Время, с 10

0 2 4 6 Время, с 10

12. Графика траекторий (ви(пТ), в1(пТ),в2ДпТ),в2(пТ))

Рис.

Время, с 10

Второе тестирование отличалось от первого тем, что были учтены случайные сигналы возмущения, значения которых составили 10 % от максимальных значений крутящих моментов для каждого звена манипулятора: т>Г)е [-20; 20]; Tv2(n7')e[-1,5; 1,5].

Среднеквадратическая ошибка значения отклонения для 9j равнялась 6600-Ю'6 рад, для 02 — 6200-Ю"6 рад. Величина данного показателя после первых 0,5 с для 0! составила 0,62846-Ю"6 рад, для 02 - 2,949-10"6 рад. Таким образом, случайные возмущения не оказывают значительного влияния на реальную траекторию. Это происходит потому, что случайные возмущения влияют на выходные параметры МСПд, а затем минимизируются с помощью МСПд.

С целью повышения эффективности функционирования робототех-нических систем в условиях отсутствия информации об окружающей среде разработан метод построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, заключающийся в комбинировании разработанных выше методов построения интеллектуальных систем планирования (рис. 1 и рис. 6) и системы управления (рис. 9).

Выполнено компьютерное моделирование комплексной системы планирования и управления перемещением робота в неизвестной статической среде, когда робот перемещался из начальной конфигурации (0i = 0°, 02 = 35°) в целевую (0i = 190°, 02 = - 60°), и в его рабочей зоне располагались 4 неизвестных препятствия (их расположение аналогично представленному на рис. 56). Графики отклонений между планируемой и реальной траекториями звеньев робота-манипулятора изображены на рис. 14 (значения возмущений равнялись 10 % от максимальной величины крутящих моментов). Среднеквадратическая ошибка для 01 составила 0,32702-Ю"6 рад, для 02 - 0,59755-Ю"6 рад.

В ходе компьютерного моделирования комплексной интеллектуальной системы планирования и управления перемещением робота-манипулятора в неизвестной динамической среде он перемещался из стартовой конфигурации (01 = 60°, 02 = 25°) в целевую (0i = 180°, 02 = 60°). В рабочей зоне располагались: одно движущееся по вертикальной оси неизвестное препятствие (шаг его перемещения на каждой программной итерации равен 0,0125 м); три статических неизвестных препятствий. Графики отклонений между планируемой

в. 0,4 i 0,2

0 2 4 6 Бремя, с Ю

Рис. 13. Графики отклонений е\(пТ) и е2(пТ)

и реальной траекториями звеньев робота изображены на рис. 15. Среднеквад-ратическая ошибка для 01 составила 0,55439-Ю-6 рад, для 02- 0,021695*Ю-6 рад.

Разработанный в третьей главе метод построения интеллектуальной системы управления также может применяться для робота-манипулятора с любыми степенями подвижности.

Q, 15

<û ta

........

i I ! | Г

«|2з Время, с '

do,02

<u* 0 -0.02 •0.04 .0.06

Ct:

.0,01

I

0,15

S * 0.1 <u

0.05

Ц-

W*vJ

3 Время, с s

0.5 1 1.5

5 Время, с 3 5 4

Lynx 5 Robot Arm

Рис. 14. Графики отклонений ei(nl) и Рис. 15. Графики отклонений £i(nT) н ег(пТ) (неизвестная статическая среда) ег(пТ) (неизвестная динамическая среда)

В четвертой главе разработана система управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде (рис. 16). В системе используются управляющие команды изменения положения звеньев робота, поступающие через последовательный порт на их серводвигатели и позволяющие манипулятору перемещаться по безопасной траектории.

Проведено экспериментальное исследование функционирования предложенной системы. В ходе этого исследования спроектирована экспериментальная система, состоящая из лабораторной модели двухзвенного робота-манипулятора Lynx 5 Robot Arm, оснащенного 8 инфракрасными датчиками расстояния типа GP2D120XJ00F, в качестве выходов которых выступали Рис. 16. Полная экспериментальная система аналоговые сигналы напряжения.

Для их преобразования в цифровую форму (размер 12 бит) разработан интерфейсный электронный модуль ввода-вывода, включающий: АЦП типа AD 574AJ; аналоговый мультиплексор 74HC4051N с 8 каналами ввода и 1 каналом вывода; 2 цифровых буфера 74НС245 (буферизация для операций ввода-вывода - 8 бит); инвентор 74НС04. Модуль ввода-вывода соединен с персональным компьютером через параллельный порт. При реализации экспериментальной системы решена проблема нелинейности датчиков, связанная с тем, что не существует математического уравнения, выражающего зависи-

Последовательный порт

Персональный компьютер

мость между аналоговым выходным сигналом напряжения датчиков и значением измеренного расстояния, а характеристика датчика нелинейная. Решение данной проблемы заключалось в использовании разработанной для моделирования искомой зависимости трехслойной нейронной сети.

Практический эксперимент заключался в следующем: на пути Lynx 5 Robot Arm располагались 2 неизвестных статических препятствия, с которыми манипулятор успешно избежал столкновения (рис. 17). Ошибка достижения целевой конфигурации для 9; составила 0,11459°, для 92 равнялась 0,07763°. В ходе тестирования разработанной системы управления при условии наличия неизвестного движущегося препятствия на пути перемещения Lynx 5 Robot Arm робот избежал возможного столкновения с ним. При этом скорость движения препятствия не превышала скорости движения робота, чтобы манипулятор успешно обошел неизвестное движущееся препятствие.

ЗАКЛЮЧЕНИЕ

В диссертационной работе на основании теоретических и экспериментальных исследований решена актуальная научно-техническая задача разработки методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в неизвестной среде. В ходе выполнения работы получены следующие результаты, имеющие как научное, так и практическое значение.

1. Научно обоснована необходимость разработки методов построения интеллектуальных систем планирования и управления перемещением роботов-манипуляторов в режиме реального времени на основе нечеткого механизма принятия решения, искусственных нейронных сетей и их комбинации с целью повышения эффективности функционирования робототехнических систем в условиях отсутствия информации об окружающей среде и без непосредственного участия человека-оператора.

2. Разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, основанный на трехэтапном процессе обработки информации о роботе и его окружающей среде с целью формирования безопасной траектории. На первом этапе с помощью модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения робота-манипулятора в форме многослойной нейронной сети определяются окончательные значения расстояний между звеньями манипулятора и лежащими в его рабочей зоне препятствиями. На

Рис. 17. Кадры видеосъемки практического эксперимента

втором этапе с использованием первого нечеткого блока у'-го звена вычисляются значения предварительного шага перемещения этого звена. На третьем этапе, выполняемом после осуществления двух первых этапов, применяется второй нечеткий блок у'-го звена для расчета окончательных значений изменения углов его перемещения. Данный метод, применяемый для роботов-манипуляторов с любыми степенями подвижности, позволяет на каждой итерации учитывать значения минимального расстояния между его звеньями и расположенными справа и слева от них ближайшими препятствиями, а также способствует успешному избежанию столкновения робота с неизвестными статическими препятствиями и достижению им целевой точки.

3. В рамках рассмотренного выше метода в качестве примера разработана модель полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения двух-звенного робота-манипулятора в форме трехслойного персептрона нейронной сети, который обучен по методу обратного распространения ошибки. Полная классификационная таблица включает 256 пунктов, учитывающих все возможные ситуации, связанные с перемещением звеньев робота в неизвестной среде.

4. Разработан четырехэтапный метод построения интеллектуальной системы планирования в режиме реального времени в неизвестной динамической среде, который отличается от описанного в п. 2 метода тем, что на втором этапе рассчитывается значение изменения окончательного расстояния, которое используется на четвертом этапе в качестве третьего входного параметра второго нечеткого блока у-го звена. Основа функционирования второго нечеткого блока - 108 разработанных нечетких базовых правил. При этом первый и третий этап данного метода соответствуют первому и второму этапу рассмотренного в п. 2 метода. Четырехэтапный метод применим для робота-манипулятора с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель системы планирования перемещения робота-манипулятора в неизвестной динамической среде.

5. Разработан метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, в рамках которого осуществляется формирование управляющих сигналов на основе использования нечеткого ПД-регулятора и пары двухслойных нейронных сетей для каждого_/-го звена робота. Первая нейронная сеть 7-го звена обучается в режиме реального времени параметрам инверсной динамической модели робота и формирует сигнал, используемый для обучения второй нейронной сети, служащей для выработки сигналов настройки входов в нечеткий ПД-регулятор. Это позволяет повысить эффективность перемещения робота-манипулятора по планируемой траектории и уменьшить влияние случайного возмущения на реальную траекторию. Рассмотренный метод применим для роботов-манипуляторов с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель интеллектуальной системы управления перемещением робота-манипулятора.

6. На основе комбинации методов, описанных в п. 2 и п. 5, а также в п. 4 и п. 5 разработан метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, повышающий эффективность отработки роботом планируемой в процессе движения безопасной траектории в среде с неизвестными неподвижными или движущимися препятствиями.

7. Разработано и зарегистрировано в ОФАП программное обеспечение «Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде» (свидетельство № 11605 об отраслевой регистрации разработки программы).

8. Для проведения экспериментального исследования разработана система управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде. При этом спроектирована полная экспериментальная система, разработаны сенсорная оболочка робота и интерфейсный электронный модуль ввода-вывода, решена проблема нелинейности датчиков с помощью применения разработанной трехслойной нейронной сети. Экспериментальное исследование показало эффективность предложенной системы управления, которая позволяет роботу, перемещающемуся из начальной в целевую точку, избежать столкновений с расположенными в его рабочей зоне неизвестными препятствиями.

Основное содержание диссертации опубликовано в следующих работах:

1. Фирас А. Рахим. Структура нечеткой системы оперативного управления ма-нипуляционным роботом в неизвестной среде / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2007. - № 6. -С. 15-21.

2. Фирас А. Рахим. Адаптивное нейро-нечеткое оперативное управление мани-пуляционным роботом в неизвестной среде / Булгаков А.Г., Фирас А. Рахим // Меха-троника, автоматизация, управление. - 2007. -№ 12 (81). - С. 47.

3. Фирас А. Рахим. Нейро-нечеткая структура планирования перемещения робота-манипулятора в режиме он-лайн в неизвестной динамической среде / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2008.-№ 6. - С. 41-49.

4. Фирас А. Рахим. Нейро-нечеткая структура системы управления перемещением робота-манипулятора / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2009. - № 1. С. 3-10.

5. Фирас А. Рахим. Применение модифицированной кривой Бизьера для планирования траектории робота-манипулятора / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2007. - Специальный выпуск «Проблемы мехатроники - 2006». С. 66-70.

6. Фирас А. Рахим. Нейро-нечеткая структура планирования перемещения робота-манипулятора в режиме он-лайн в неизвестной среде / Булгаков А.Г., Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2008. - Специальный выпуск «Проблемы мехатроники - 2008». С. 99106.

7. Фирас А. Рахим. PC-based Fuzzy Logic Structure for On-line Planning of Robot Manipulator in Unknown Environment = Разработанная на персональном компьютере

логическая нечеткая структура планирования поведения робота-манипулятора в режиме он-лайн в неизвестной среде / Фирас А. Рахим // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. - 2008. - Специальный выпуск «Проблемы мехатроники- 2008». С. 117-122.

8. Фирас А. Рахим. Проблемы и методы планирования траектории робота-манипулятора / Фирас А. Рахим // Компьютерные технологии в науке, производстве, социальных и экономических процессах: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 17 нояб. 2006 г.: В 3 ч. / Юж.-Рос. гос. техн. ун-т (НПИ). -Новочеркасск: ООО НПО «Темп», 2006. - Ч. 1. С. 23-26.

9. Фирас А. Рахим. Математическое моделирование в планировании траектории трехзвенного робота-манипулятора с применением модифицированной кривой Бизьера / Фирас А. Рахим // Методы и алгоритмы прикладной математики в технике, медицине и экономике: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 2 фев. 2007 г.: В 2 ч. / Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮР-ГТУ (НПИ), 2007. -Ч. 1. С. 33-41.

10. Фирас А. Рахим. Аспекты использования мультинейронной сети для решения обратной задачи кинематики манипулятора / Фирас А. Рахим // Моделирование. Теория, методы и средства: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 6 апр. 2007 г.: В 3 ч. / Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮРГТУ (НПИ), 2007. - Ч. 3. С. 57-66.

11. Фирас А. Рахим. Анализ концепции перемещения робота-манипулятора / Фирас А. Рахим // Строительный вестник Российской инженерной академии: Труды секции «Строительство» Российской инженерной академии. Выпуск 9. - М., 2008. С. 199-201.

12.Фирас А. Рахим. Fuzzy Logic Structure for On-line Control of Robot Manipulator in Unknown Environment = Структура нечеткой системы для управления роботом-манипулятором в режиме он-лайн в неизвестной среде / Булгаков А.Г., Фирас А. Рахим // Prospects in Mechanical Engineering. Faculty of Mechanical Engineering: 53th Internationales Wissenschaftliches Kolloquium Technische Universität Ilmenau, 08 - 12 September 2008. C. 183-184.

\3. Фирас А. Рахим. Аспекты применения нейро-нечеткой структуры для управления роботом-манипулятором / Фирас А. Рахим // Теория, методы и средства измерений, контроля и диагностики: Материалы IX Междунар. науч.-практ. конф., г. Новочеркасск, 29 сент. 2008 г. / Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮРГТУ 2008. С. 40-57.

14. Фирас А. Рахим. Комплексная интеллектуальная система планирования и управления роботом-манипулятором в неизвестной статической среде / Фирас А. Рахим // Проблемы синергетики в трибологии, трибоэлектрохимии, материаловедении и мехатронике: Материалы VII Междунар. науч.-практ. конф., г. Новочеркасск, 3 ноябр. 2008 г. С. 39-44.

15.Фирас А. Рахим. Комплексная интеллектуальная система планирования и управления роботом-манипулятором в неизвестной динамической среде / Фирас А. Рахим // Новые технологии управления движением технических объектов: Материалы IX междунар. науч.-тех. конф, 2008 г./ Юж.-Рос. гос. техн. ун-т (НПИ). - Новочеркасск: ЮРГТУ 2008. С. 11-16.

16.Свидетельство № 13145 о депонировании и регистрации произведения - объекта интеллектуальной собственности - рукописи научной работы под названием «Адаптивная нейро-нечеткая система оперативного управления манипуляционным

роботом в неизвестной среде», созданной в 2007 году / Булгаков А.Г., Рига А. КаЬеет - зарегистрировано 11 января 2008 года в Реестре РАО, 0,6 страниц.

17. Фирас А. Рахим. Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде / Булгаков А.Г., Фирас А. Рахим: Свидетельство об отраслевой регистрации разработки программы № 11605 / Отрасл. фонд автор, права - Зарег. 05.10.2008; Выдано 30.10.2008.

18. Решение о выдаче патента на полезную модель «Интеллектуальная система управления перемещения робота-манипулятора» / Булгаков А.Г., Фирас А. Рахим -от 5.02.2009 по заявке № 2008151667/22 от 25.12.2008.

19. Решение о выдаче патента на полезную модель «Система планирования перемещения робота-манипулятора в неизвестной динамической среде» / Булгаков А.Г., Фирас А. Рахим - от 6.02.2009 по заявке № 2008151684/22 от 25.12.2008.

Личный вклад автора в опубликованных в соавторстве работах: [2] - разработка структуры и компьютерное моделирование адаптивной нейро-нечеткой системы оперативного управления перемещением робота-манипулятора в неизвестной среде, [6] - разработка и компьютерное моделирование нейро-нечеткой структуры планирования перемещения робота-манипулятора в режиме он-лайн в неизвестной среде, [12] - разработка структуры и компьютерное моделирование нечеткой системы для управления роботом-манипулятором в режиме он-лайн в неизвестной среде, выполнение эксперимента, [16] - разработка и компьютерное моделирование адаптивной нейро-нечеткой системы оперативного управления манипуляционным роботом в неизвестной среде, [17] - разработка программы «Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде», [18] - разработка схемы полезной модели «Интеллектуальная система управления перемещения робота-манипулятора», [19] - разработка схемы полезной модели «Система планирования перемещения робота-манипулятора в неизвестной динамической среде».

Фирас Л. Рахим

МЕТОДЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ ПЛАНИРОВАНИЯ И УПРАВЛЕНИЯ ПЕРЕМЕЩЕНИЕМ РОБОТА-МАНИПУЛЯТОРА В НЕИЗВЕСТНОЙ СРЕДЕ

Подписано в печать 12.03.2009. Формат 60x84 '/i6. Бумага офсетная. Ризография. Усл. печ. л. 1,0. Уч.-изд. л. 1,82. Тираж 120 экз. Заказ 98.

Издательство ЮРГТУ (НПИ) 346428, г. Новочеркасск, ул. Просвещения, 132

ВВЕДЕНИЕ.

Глава 1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА И ПОСТАНОВКА ЗАДАЧ

ИССЛЕДОВАНИЯ.

1.1 Введение в планирование перемещения робота.

1.2 Особенности планирования перемещения робота-манипулятора в неизвестной среде.

1.3 Основные методы планирования перемещения робота-манипулятора в неизвестной среде с использованием искусственных нейронных сетей и нечеткой логики.

1.3.1 Искусственные нейронные сети в моделях планирования перемещения.

1.3.2 Использование возможностей нечеткой логики.

1.3.3 Применение комбинированных нейро-нечетких систем.

1.4 Методы управления перемещением робота по планируемой траектории.

1.5 Концепция реактивного управления перемещением робота-манипулятора в неизвестной среде.

1.6 Выводы.

1.7 Постановка цели и задачи исследования.

Глава 2. МЕТОДЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

ПЛАНИРОВАНИЯ ПЕРЕМЕЩЕНИЯ РОБОТА-МАНИПУЛЯТОРА В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ В НЕИЗВЕСТНОЙ СТАТИЧЕСКОЙ И ДИНАМИЧЕСКОЙ СРЕДАХ.

2.1 Геометрическое моделирование робота-манипулятора в неизвестной окружающей среде.

2.2 Описание модели двухзвенного робота-манипулятора.

2.3 Метод построения нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.3.1 Разработка первого нечеткого блока у-го звена.

2.3.2 Разработка второго нечеткого блокау'-го звена.

2.3.3 Результаты компьютерного моделирования нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.4 Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.4.1 Разработка нейронной сети для моделирования классификаций.

2.4.2 Разработка модифицированной нечеткой системы планирования перемещения как составляющей интеллектуальной системы.-.

2.4.3 Результаты компьютерного моделирования интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.5 Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде.

2.5.1 Разработка второго нечеткого блокау'-го звена

2.5.2 Результаты компьютерного моделирования интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде.

2.6 Выводы.

Глава 3. МЕТОД ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПЕРЕМЕЩЕНИЕМ РОБОТА-МАНИПУЛЯТОРА ПО ПЛАНИРУЕМОЙ ТРАЕКТОРИИ.

3.1 Динамическая модель двухзвенного робота-манипулятора.

3.2 Разработка метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории.

3.2.1 Разработка МСП71 и МСП72.

3.2.2 Настройка входов нечетких ПД-регуляторов.

3.2.3 Разработка структуры нечетких ПД-регуляторов.

3.2.4 Результаты компьютерного моделирования интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории.

3.3 Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах.

3.4 Выводы.

Глава 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ.

4.1 Разработка экспериментальной модели системы реактивного управления роботом-манипулятором в неизвестной среде.

4.1.1 Полная экспериментальная система.

4.1.2 Описание Lynx 5 Robot Arm.

4.1.3 Датчики расстояния.

4.1.4 Интерфейсный электронный модуль ввода-вывода.

4.2 Алгоритм реактивного управления.

4.3 Анализ результатов экспериментального исследования.

4.4 Выводы.

Актуальность проблемы. В различных отраслях промышленности и сервисного обслуживания широко применяются роботы, мехатронные и робото-технические системы. Это связано с их растущими функциональными возможностями, обусловленными использованием более совершенных систем управления, развитие которых, в свою очередь, базируется на известных достижениях средств вычислительной техники.

Неопределенность, вызванная наличием в рабочей зоне робота неизвестных статических или динамических препятствий и проявляющаяся как степень погрешности опознающих эти препятствия датчиков и как изменение местоположения этих препятствий, обусловливает необходимость разработки методов планирования и управления перемещением робота. Суть данных методов заключается в том, что после получения роботом задания в ходе планирования в режиме реального времени происходит формирование допустимой траектории перемещения с учетом возможных конфигураций робота, а также информации об окружающей среде, считанной датчиками. Далее в процессе генерирования траектории формируются желаемые конфигурации робота, представляющие собой функции времени. Полученная траектория является задающим воздействием для управления, формирующим соответствующие сигналы для создания крутящего момента, что гарантирует выполнение роботом безопасной траектории с минимально возможной погрешностью достижения целевой точки.

В настоящее время в основе решения проблемы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде лежит разработка интеллектуальных методов, которые основаны на применении искусственных нейронных сетей и нечеткой логики. Научные исследования в этом направлении получили распространение как в России, так и за рубежом. Они базируются на трудах ученых И.М. Макарова, В.М. Лохина, С.В. Манько, М.П. Романова, П.Э. Трипольского, К. Алтоуфера, Б. Крекелбер-га, Д. Хасмейера, JI. Сеневиратне, П.Г. Завлангаса, С.Г. Тзафеста, Ю. Фу, Б.

Джина, X. Ли, Ш. Ванга, которые в основном использовали возможности нечеткой логики, а также научных коллективов под руководством Ю.В. Подураева, В.А. Лопоты, Е.И. Юревича, С.Л. Зенкевича, А.С. Ющенко, И.А. Каляева. Дальнейшее развитие предложенных учеными методов с целью повышения точности результатов планирования и управления перемещением роботов-манипуляторов в режиме реального времени в неизвестной среде, в том числе для эффективного выполнения ими сложных задач без непосредственного участия в этом процессе человека-оператора, заключается в комбинировании аппарата нечеткой логики с возможностями искусственных нейронных сетей. Кроме того перспективным, с этой точки зрения, является разработка комплексных интеллектуальных систем, включающих подсистемы планирования и управления. Таким образом, решение этих проблем является весьма актуальным.

Соответствие диссертации плану работ ЮРГТУ (НПИ) и целевым комплексным программам. Диссертационная работа выполнена в рамках научного направления ЮРГТУ (НПИ) «Теория и принципы создания робототех-нических и мехатронных систем и комплексов» и соответствует госбюджетной теме П.3.837 «Разработка принципов и средств автоматизации и роботизации производства на основе мехатронных технологий и систем» (2004-2008 г.г.).

Целью работы является разработка методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени, обеспечивающих реализацию им планируемой в процессе движения безопасной траектории в окружающей среде с неизвестными статическими и динамическими препятствиями.

Достижение поставленной цели требует решения следующих исследовательских задач:

1) проанализировать современные концепции и методы разработки систем планирования и систем управления перемещением робота-манипулятора в неизвестной среде;

2) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде с последующим компьютерным моделированием;

3) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде и выполнить компьютерное моделирование полученной системы;

4) разработать метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории и осуществить ее компьютерное моделирование;

5) разработать методы построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах с их последующим компьютерным моделированием;

6) провести экспериментальные исследования системы управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде.

Идея работы заключается в разработке методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора как в неизвестной статической, так и в неизвестной динамической средах на основе применения аппарата нечеткой логики и искусственных нейронных сетей для снижения вероятности столкновения звеньев робота-манипулятора с неизвестными препятствиями, расположенными в его рабочей зоне.

В качестве методов исследования использованы методы робототехники, мехатроники, математического моделирования, аналитической геометрии, кинематического и динамического анализа, нечеткой логики, нейронных сетей, метод дискретного интегрирования, а также методы прикладного программирования. Аналитические исследования проведены на ЭВМ, а экспериментальные — с использованием лабораторного робота-манипулятора.

Научные положения, выносимые на защиту:

1. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, заключающийся в трехэтапном формировании безопасной траектории на основе использования двух нечетких блоков для каждого звена робота, а также модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения манипулятора в форме многослойного персептрона нейронной сети, позволяет на каждой итерации учитывать расстояние между звеньями робота и расположенными справа и слева от них ближайшими препятствиями и обеспечивает достижение роботом целевой точки.

2. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде, включающий четыре этапа формирования безопасной траектории с учетом значения параметра изменения расстояния между звеньями робота и ближайшими препятствиями, позволяет роботу успешно избегать столкновений с неизвестными динамическими препятствиями и обеспечивает достижение им целевой точки.

3. Метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, заключающийся в использовании трех этапов формирования управляющих сигналов с применением для каждого звена робота нечеткого ПД-регулятора и двух многослойных нейронных сетей с целью повышения эффективности перемещения робота-манипулятора по планируемой траектории и уменьшения влияния случайного возмущения на реальную траекторию.

4. Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, основанный на комбинации разработанных методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора по планируемой траектории, позволяет повысить эффективность отработки роботом безопасной траектории в окружающей среде с неизвестными неподвижными и неизвестными движущимися препятствиями.

Научная новизна работы состоит в разработке:

1) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, отличающегося тем, что окончательные значения изменений углов перемещения каждого из звеньев манипулятора являются результатом процесса принятия решения, осуществляемого с помощью двух нечетких блоков, а также сочетания возможностей нейросетевой модели полной классификации, учитывающей возможные ситуации местоположений неизвестных препятствий в рабочей зоне и соответствующие им направления и виды движения робота-манипулятора;

2) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде, отличающегося использованием в качестве входного параметра второго нечеткого блока каждого звена робота значений изменения расстояния между роботом и ближайшими препятствиями, что дает возможность вычислить скорость их сближения и избежать столкновения между ними;

3) метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, отличающегося тем, что для каждого звена робота настройка входов в нечеткий ПД-регулятор выполняется выходами второй многослойной нейронной сети, обученной в режиме реального времени на основе значений выхода первой многослойной нейронной сети, которая, в свою очередь, обучается на основе инверсной динамической модели робота, что повышает точность отработки роботом планируемой траектории;

4) метода построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, отличающегося сочетанием возможностей соответствующих интеллектуальных систем планирования и интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории.

Обоснованность и достоверность результатов подтверждается применением современных апробированных методов исследований; анализом научно-исследовательских работ по рассматриваемому вопросу; методами обработки и моделирования, выполненными с использованием современных ЭВМ и программных продуктов для выполнения расчетов и обработки результатов эксперимента; метода видеосъемки; удовлетворительной сходимостью результатов компьютерного моделирования и экспериментального исследования.

Значение работы. Научное значение работы состоит в развитии методологической основы для разработки и совершенствования новых методов построения интеллектуальных систем, реализующих процессы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде и основанных на сочетании возможностей нечеткой логики и искусственных нейронных сетей.

Практическое значение полученных в работе результатов заключается в следующем:

- разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде позволяют эффективно решать проблему использования робототехнических систем в ситуациях отсутствия информации об окружающей среде, обеспечивая их безопасное перемещение по траектории, свободной от столкновений с неизвестными статическими и динамическими препятствиями;

- разработан пакет программ, обеспечивающий возможность моделирования окружающей среды, движения робота-манипулятора среди неизвестных препятствий, работы инфракрасных датчиков, а также моделирования функционирования разработанных в диссертации интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде, применяемый в сферах образования, научных исследований и производства.

Внедрение результатов диссертационного исследования. Разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде внедрены в ОАО «ВЭлНИИ» (г. Новочеркасск Ростовской обл.). Материалы диссертационной работы используются в учебном процессе кафедрой «Автоматизация производства, робототехника и мехатроника» ЮРГТУ (НПИ) для студентов специальности 22040265 «Роботы и робототехнические системы» и 22040165 «Мехатроника».

Апробация работы. Основные положения и результаты работы излагались в научных статьях и докладывались на международной научно-технической конференции «Проблемы мехатроники 2006» (Новочеркасск, 2006 г.), международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (Новочеркасск, 2006 г.), международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2007 г.), международной научно-технической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2007 г.), международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (Новочеркасск, 2007 г., 2008 г.), на международном научно-практическом коллоквиуме «Мехатроника-2008» (Новочеркасск, 2008 г.), на международном научном коллоквиуме «Prospects in Mechanical Engineering» (Ильменау, 2008), международной научнопрактической конференции «Проблемы синергетики в трибологии, трибоэлек-трохимии, материаловедении и мехатронике» (Новочеркасск, 2008 г.), международной научно-технической конференции «Новые технологии управления движением технических объектов» (Новочеркасск, 2008 г.).

Публикации. Основные материалы диссертации опубликованы в 17 печатных работах, в том числе в свидетельстве ОФАП на программные средства, в 7 статьях в изданиях, рекомендованных ВАК, а также получены решения о выдаче 2 патентов на полезные модели.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы и 11 приложений. Общий объем работы составляет 203 страницы машинописного текста, содержит 111 рисунков, 9 таблиц, список литературы из 128 наименований.

ЗАКЛЮЧЕНИЕ

В диссертационной работе на основании теоретических и экспериментальных исследований решена актуальная научно-техническая задача разработки методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в неизвестной среде. В ходе выполнения работы получены следующие результаты, имеющие как научное, так и практическое значение.

1. Научно обоснована необходимость разработки методов построения интеллектуальных систем планирования и управления перемещением роботов-манипуляторов в режиме реального времени на основе нечеткого механизма принятия решения, искусственных нейронных сетей и их комбинации с целью повышения эффективности функционирования робототехнических систем в условиях отсутствия информации об окружающей среде и без непосредственного участия человека-оператора.

2. Разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, основанный на трехэтапном процессе обработки информации о роботе и его окружающей среде с целью формирования безопасной траектории. На первом этапе с помощью модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения робота-манипулятора в форме многослойной нейронной сети определяются окончательные значения расстояний между звеньями манипулятора и лежащими в его рабочей зоне препятствиями. На втором этапе с использованием первого нечеткого блокау'-го звена вычисляются значения предварительного шага перемещения этого звена. На третьем этапе, выполняемом после осуществления двух первых этапов, применяется второй нечеткий блок j-го звена для расчета окончательных значений углов его перемещения. Данный метод, применяемый для роботов-манипуляторов с любыми степенями подвижности, позволяет на каждой итерации учитывать значения минимального расстояния между его звеньями и расположенными справа и слева от них ближайшими препятствиями, а также способствует успешному избежанию столкновения робота с неизвестными статическими препятствиями и достижению им целевой точки.

3. В рамках рассмотренного выше метода в качестве примера разработана модель полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения двухзвенного робота-манипулятора в форме трехслойного персептрона нейронной сети, который обучен по методу обратного распространения ошибки. Полная классификационная таблица включает 256 пунктов, учитывающих все возможные ситуации, связанные с перемещением звеньев робота в неизвестной среде.

4. Разработан четырехэтапный метод построения интеллектуальной системы планирования в режиме реального времени в неизвестной динамической среде, который отличается от описанного в п. 2 метода тем, что на втором этапе рассчитывается значение изменения окончательного расстояния, которое используется на четвертом этапе в качестве третьего входного параметра второго нечеткого блока j-ro звена. Основа функционирования второго нечеткого блока -108 разработанных нечетких базовых правил. При этом первый и третий этап данного метода соответствуют первому и второму этапу рассмотренного в п. 2 метода. Четырехэтапный метод применим для робота-манипулятора с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель системы планирования перемещения робота-манипулятора в неизвестной динамической среде.

5. Разработан метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, в рамках которого в ходе трехэтапного процесса осуществляется формирование управляющих сигналов на основе использования нечеткого ПД-регулятора и пары двухслойных нейронных сетей для j-ro звена робота. Первая нейронная сеть j-ro звена обучается в режиме реального времени параметрам инверсной динамической модели робота и формирует сигнал, используемый для обучения второй нейронной сети, служащей для выработки сигналов настройки входов в нечеткий ПД-регулятор. Это позволяет повысить эффективность перемещения робота-манипулятора по планируемой траектории и уменьшить влияние случайного возмущения на реальную траекторию. Рассмотренный метод применим для роботов-манипуляторов с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель интеллектуальной системы управления перемещением робота-манипулятора.

6. На основе комбинации методов, описанных в п. 2 и п. 5, а также в п. 4 и п. 5 разработан метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, повышающий эффективность отработки роботом планируемой в процессе движения безопасной траектории в среде с неизвестными неподвижными или движущимися препятствиями.

7. Разработано и зарегистрировано в ОФАП программное обеспечение «Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде» (свидетельство № 11605 об отраслевой регистрации разработки программы).

8. Для проведения экспериментального исследования разработана система управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде, также спроектирована полная экспериментальная схема, разработаны сенсорная оболочка робота и интерфейсный электронный модуль ввода-вывода, решена проблема нелинейности датчиков с помощью применения разработанной трехслойной нейронной сети. Экспериментальное исследование показало эффективность предложенной системы управления, которая позволяет роботу, перемещающемуся из начальной в целевую точку, избежать столкновений с расположенными в его рабочей зоне неизвестными препятствиями.

1. Xiaojun W. (2007). Development of On-Line Motion Planning For 1.dustrial Robot In Dynamic Environments. School of Mechanical and Aerospace Engineering, Nanyang Technological University.

2. Introduction to Robotics: Module Trajectory generation and robot programming FH Darmstadt, summer term 2000. http://www.easy-rob.net.

3. Шахинпур M. Курс робототехники. M.: Мир, 1990.

4. Macfarlane S. (1999). On-Line Smooth Trajectory Planning for Manipulators. The University of British Columbia.

5. Samaka M. Robot Task-Level Programming Language and Simulation. http://www.waset.org.

6. La Valle S.M. (2006). Planning Algorithms, http://planning.cs.uiuc.edu.

7. Gupta K., Pobil A.P. Practical Motion Planning in Robotics. John Wiley & Sons, Inc., New York, 1998.

8. Koivo A.J. Fundamentals for Control of Robotic Manipulator, John Wiley & Sons, Inc., New York, 1989.

9. Spong M.W., VidyasagarM. Robot Dynamics and Control, John Wiley & Sons, Inc., New York, 1989.

10. Baumann A. (2001). Robot Motion Planning in Time-varying Environments. Institut fur Informatik der Technischen Universitat Munchen.

11. Latombe J.C. (1991). Robot Motion Planning, http://portal.acm.org.

12. Spong M.W. (1996). Motion Control of Robot Manipulators. http://decision.csl.uiuc.edu.

13. Lozano-Perez T. (1983). Spatial Planning: a Configuration Space Approach. http://ieeexplore. ieee.org.

14. Althoefer K. (1996). Neuro-Fuzzy Motion Planning for Robotic Manipulators. King's College London, University of London.

15. Zavlangas P.G., Tzafestas S.G. (2000). Industrial Robot Navigation and Obstacles Avoidance Employing Fuzzy Logic. http://springerlink.metapress.com.

16. Yao Z. (2005). Global Path Planning with End-Effector Constraints. Simon Fraser University.

17. Assal S., Watanabe K., and Izum K. (2006). Fuzzy Hint Acquisition for the Collision Avoidance Solution of Redundant Manipulators Using Neural Network. International Journal of Control, Automation, and Systems, vol. 4, no. 1.

18. Wei W., Mbede J., and Zhang Q. (2001). Fuzzy Sensor-Based Motion Control among Dynamic Obstacles for Intelligent Rigid-Link Electrically Driven Arm Manipulators, http://springerlink.metapress.com.

19. Fu Y., Jin В., Li H., Wang S. (2006). A robot fuzzy motion planning approach in unknown environments, http://springerlink.metapress.com.

20. Wu X.J., Li Q., and Heng K.H. (2005). Development of a general manipula-. tor path planner using fuzzy reasoning, http://www.emeraldinsight.com.

21. Lee, D. The Map-Building and Exploration Strategies of a Simple Sonar-Equipped Mobile Robot: An Experimental, Quantitative Evaluation, Cambridge University Press, UK, 1996.

22. Brooks R. (1986). A Robust Layered Control System for a Mobile Robot. http://ieeexplore. ieee.org.

23. Hayashi A. (1994). Geometrical Motion Planning for Highly Redundant Manipulators Using a Continuous Model. The University of Texas at Austin.

24. Volpe R. and Khosla P. Manipulator Control with Superquadric Artificial Potential Functions: Theory and Experiments. http://ieeexplore. ieee.org.

25. Kroger Т., Tomiczek A., and Wahl F, (2006). Towards On-Line Trajectory Computation. http://ieeexplore. ieee.org.

26. Henrich D., Wurll C., Worn H. (1998). On-line Path Planning with Optimal C-space Discretization. http://ieeexplore. ieee.org.

27. Gonzalez-Banos H., Hsu D., Latombe J. (2006). Motion Planning: Recent Developments, http://motion.comp.nus.edu.sq.

28. Clark CM. (2004). Dynamic Robot Networks: a Coordination Platform for Multi-Robot Systems, http://sun-valley.stanford.edu.

29. Bao J., Shuguo W., and Fu Y (2005). Sensor-Based Motion Planning for Robot Manipulators in Unknown Environments. http://ieeexplore. ieee.org.

30. Boonphoapichart S., Komada S., and Hod T. (2002). Robot's Motion Decision-Making System in Unknown Environment and its Application to a Mobile Robot. http://ieeexpIore. ieee.org.

31. Minguez J., Montano L. (2005). Sensor-Based Robot Motion Generation in Unknown, Dynamic and Troublesome Scenarios, http://webdiis.unizar.es.

32. Shuguo W., Bao J., and Fu Y. (2007). Real-time motion planning for robot manipulators in unknown environments using infra sensors. http://portal.acm.org.

33. Tsoularis A., Kambhampati C. (1998). On-line Planning for Collision Avoidance on the Nominal Path, http://portal.acm.org.

34. Lumelsky V.J., Cheung E. (1993). Real-Time Collision Avoidance in Teleoperated Whole-Sensitive Robot Arm Manipulators. http://ieeexplore. ieee.org.

35. Mumm E.S. (2002). Behavior-Based Control for Cooperative Robotic Planetary Cliff Descent, http://robots.unl.edu.

36. Lumelsky V. (1987). Effect of Kinematics on Motion Planning for Planar Robot Arms Moving Amidst Unknown Obstacles. http://ieeexplore. ieee.org.

37. Liang K., Li Z, Chen D., Chen X. (2004). Improved Artificial Potential Field for Unknown Narrow Environments. http://ieeexplore. ieee.org.

38. Zhang W., Sobh T.M. (2003). Obstacle Avoidance for Manipulators. http://portal.acm.org.

39. Newman W.S., Branicky M.S. (1991). Real Time Configuration Space Transforms for Obstacle Avoidance, http://portal.acm.org.

40. Lozano-Perez T. (1987). A Simple Motion-Planning Algorithm for General Robot Manipulators. http://ieeexplore. ieee.org.

41. Fox J., Maciejewski A. (1992). Computing the Topology of Configuration Space. http://ieeexplore. ieee.org.

42. Fox J., Maciejewski A. (1994). Utilizing the Topology of Configuration Space Real-time Multiple Manipulator Path Planning. http://ieeexplore. ieee.org.

43. Maciejewski A., Fox J. (1993). Path Planning and the Topology of Configuration Space. http://ieeexplore. ieee.org.

44. Branicky M.S., Newman W.S. (1990). Rapid Computation of Configuration Space Obstacles. http://ieeexplore. ieee.org.

45. Wise K.D., Bowyer A. (2000). A survey of global configuration space mapping techniques for a single robot in a static environment. http://www.sagepublications.com.

46. Sarvesh K., Tandon A. (2000). Two-DOF Manipulator C-Space Based Path Planning, http://www.cse.iitk.ac.in.

47. Yn Y., Gupta K. (2004). C-space entropy: A measure for view planning and exploration for general robot-sensor systems in unknown environments. http://www.sagepublications.com.

48. Simeon T. (1988). Planning Collision Free Trajectories by a Configuration Space Approach, http://portal.acm.org.

49. Hsu D., Latombe J.C., Motwani R. (1997). Path planning in expansive configuration spaces. http://ieeexplore. ieee.org.

50. Li W., Chen Z, Wahl F.M., Koziowski K.R. (1999). Real-Time Sensor-Based Obstacle Modeling in Configuration Space for Manipulator Motion Planning, http://www.cs.csubak.edu.

51. LiW., ChenZ, Wahl F.M., Koziowski K.R. (1999). Sensor-Based Obstacle Modeling in Configuration Space for Manipulator Motion Planning. http://ieeexplore. ieee.org.

52. Gouzenes L. (1984). Strategies for Solving Collision-free Trajectories Problems for Mobile and Manipulator Robots. http://www.sagepublications.com.

53. Faverjon B. (1984). Obstacle avoidance using an octree in the configuration space of a manipulator. http://ieeexplore. ieee.org.

54. Swaminathan G. (2006). Robot Motion Planning. http://ergodicity.iamganesh.com.

55. Amato N., Wu Y. (1996). A Randomized Roadmap Method for Path and Manipulation Planning. http://ieeexplore. ieee.org.

56. Choset H., Lynch K., Hutchinson S., Kantor G., Burgard W., Kavraki L., Thrun S. (2007). Principles of Robot Motion: Theory, Algorithms, and Implementation. http://www.cs.cmu.edu.

57. Khatib O. (1986). Real-Time Obstacle Avoidance for Manipulators and Mobile Robots, http://portal.acm.org.

58. Lingelbach F.{2004). Path Planning for Mobile Manipulation using Probabilistic Cell Decomposition. http://ieeexplore. ieee.org.

59. Rimon E., Koditschek D.E. (1992). Exact robot navigation using artificial potential functions. http://ieeexplore. ieee.org.

60. Saramago S., Steffen V. (2001). Trajectory Modeling of Robot Manipulators in the Presence of Obstacles, http://springerlink.metapress.com.

61. Hosoda K, Sakamoto K, Asada M. (1995). Trajectory Generation for Obstacle Avoidance of Uncalibrated Stereo Visual Servoing without 3D Reconstruction. http://ieeexplore. ieee.org.

62. Simonin О., Charpillet F., Thierry E. (2007). Collective construction of numerical potential fields for the foraging problem, http://hal.inria.fr.

63. Ratering S., Gini M. (1993). Robot Navigation in a Known Environment with Unknown Moving Obstacles. http://ieeexplore. ieee.org.

64. Sulzberger S.M., Tschichold-Gurman N.N., Vestli S.J. (1993). FUN: Optimization of Fuzzy Rule Based Systems Using Neural Networks.' http://ieeexplore. ieee.org.

65. MAE 2140 Introduction to Robotics 2006/07 Spring Semester. http://www2.acae.cuhk.edu.hk.

66. Mbede J.B., Wei W., Zhang Q. (2001). Fuzzy and Recurrent Neural etwork Motion Control among Dynamic Obstacles for Robot Manipulators. http://springerlink.metapress.com.V

67. Zlajpah L., Nemec B. (2002). Kinematic control algorithms for on-line obstacle avoidance for redundant manipulators. http://ieeexplore. ieee.org.

68. Лопатин П.К. Компьютерная имитация управления манипуляционны-ми роботами в неизвестной среде на основе точного и упрощенного алгоритмов // Мехатроника, автоматизация, управление. №8 2006.

69. Лопатин П.К. Управление интеллектуальными манипуляционными роботами в среде с неизвестными препятствиями: автореф. . канд. тех. наук. Красноярск, 1998.

70. Дьяконов В.П., Круглое В.В. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики. — М.: СОЛОН-ПРЕСС, 2006.

71. Власов К.П. Теория автоматического управления. Учеб. пособ. X.: Гуманитарный центр, 2007.

72. Martin P., Millan J. (1999). Learning of Sensor-Based Arm Motions while Executing High-Level Descriptions of Tasks. http://springerlink.metapress.com.

73. Yang S., Meng M. (2000). Real-time Collision-free Path Planning of Robot Manipulators using Neural Network Approaches, http ://springerl ink.metapress. com.

74. Введение в теорию нечетких множеств, http://www.fuzzyfly.chat.ru.

75. Bischoff A., Gerke М. (2000). Fuzzy Collision Avoidance for Industrial Robots. http://prt.fernuni-hagen.de.

76. Aguilar L., Melin P., Castillo O. (2003). Intelligent Control of a Stepping Motor Drive Using a Hybrid Neuro-Fuzzy ANFIS Approach. http://www.elsevier.com.

77. Melin P., Castillo O. (2005). Intelligent control of a stepping motor drive using an adaptive neuro-fuzzy inference system, http://www.elsevier.com.

78. Yeghiazarians V. K., Favre-Bulle B. (1993). Robot Motion Coordination by Fuzzy Control, http://springerlink.metapress.com.

79. Триполъский 77.Э. Модели, алгоритмы и программное обеспечение систем управления роботами в динамической среде: автореф. . канд. тех. наук. Москва, 1998.

80. Zilouchian A., Howard D.W., Jordanides Т. (1998). An Adaptive Neuro-Fuzzy Inference System (ANFIS) Approach to Control of Robotic Manipulators. http://springerlink.metapress.com.

81. Llata J., Sarabia E.G., Arce J., Oria J. (1998). Fuzzy Controller for Obstacle Avoidance in Robotic Manipulators Using Ultrasonic Sensors. http://ieeexplore. ieee.org.

82. Bischoff A., Gerke M. (2000). Fuzzy Collision Avoidance for Industrial Robots. http://springerlink.metapress.com.

83. Althoefer К, Seneviratne L., Krekelberg B. (1999). Learning in a Neuro-Fuzzy Navigator for Robotic Manipulators. http://ieeexplore. ieee.org.

84. Althoefer K, Krekelberg В., Husmeier.D., Seneviratne L. (2001). Reinforcement Learning in Rule-based Navigator for Robotic Manipulators. http://vision.rutgers.edu.

85. Kelly W. (1996). Neuro-Fuzzy Control of a Robotic Arm. College of Graduate Studies Texas A&M University. Kingsville. http://bluerockxesearch.com.

86. Jeong K.S., Hong Y.S., Park C.K (1997). Neuro-Fuzzy Control of a Robot Manipulator for a Trajectory Design. http://ieeexplore. ieee.org.

87. Aganval V., Mittal A. P. (2006). An ANFIS Based System for the LSPB Trajectory of a Redundant Planar Manipulator, http://portal.acm.org.

88. Kelly R., Santibanez V., Loria A.(2005). Control of Robot Manipulators in Joint Space. London: Springer-Verlag London Limited, 2005.

89. Jin Y. (1998). Decentralized Adaptive Fuzzy Control of Robot Manipulators. http://ieeexplore. ieee.org.

90. Юревич ЕЖ Основы робототехники. СПб.: БХВ-Петербург, 2005.

91. Newton T.R., Хи Y (1993). Neural Network Control of a Space Manipulator. http://ieeexplore. ieee.org.

92. Jung S., Hsia T.C. (1995). New Neural Network Control Technique for Non-model Based Robot Manipulator Control. http://ieeexplore. ieee.org.

93. Subudhi В., Morris A.S. (2003). Fuzzy and neuro-fuzzy approaches to control a flexible single-link manipulator, http://dspace.nitrkl.ac.in.

94. Reyes F., Kelly R. (2001). Experimental Evaluation of Model-Based Controllers on a Direct-Drive Robot Arm. http://www.elsevier.com.

95. Mohan S., Bhanot S. (2006). Comparative Study of Some Adaptive Fuzzy Algorithms for Manipulator Control, http://www.waset.org.

96. Bicker R., Haand Z., Burn К (2002). A Self-Tuning Fuzzy Robotic Force Controller, http://citeseer.ist.psu.edu.

97. Jantzen J. (1998). Tuning of Fuzzy PID Controllers, http://www.iau.dtu.dk.

98. Layne J.R., Passino KM. (1996). Fuzzy Model Reference Learning Control. http://www.ece.osu.edu.

99. Agarwal V., Mittal A.P. (2005). Soft Computing Paradigms for Learning Fuzzy Robotics Controllers, http://www.niitcrcs.com.

100. Халшуд A.X. Нейросетевая реализация систем управления полетом на основе методов динамической инверсии // Мехатроника, автоматизация, управление. 2003. - № 9.

101. Yildirim (2002). Artificial Neural Network Applications to Control. http://fbe.erciyes.edu.tr.

102. Choi Y., M. Lee, Kim S., Kay Y. (2001). Design and Implementation of an Adaptive Neural-Network Compensator for Control Systems. http://ieeexplore. ieee.org.

103. Shuzhi S. Ge; Hang C.C.; Woon L.C. (1997). Adaptive neural network control of robot manipulators in task space. http://ieeexplore. ieee.org.

104. Mih'ovic D. (2006). Learning Motor Control for Simulated Robot Arms. http://www.inf.ed.ac.uk.10b.Psaltis D. Sideris A. Yamamura A.A. (1988). A multilayered neural network controller. http://ieeexplore. ieee.org.

105. Amin S., Ahtiwash O. (1996). Performance of Two Neuro Controllers For Robot Path Planning Control. http://ieeexplore. ieee.org.0S.Hsiang L.K. (2002). Integrated Robot Planning and Control With Extended Kohonen Maps, http://www.comp.nus.edu.sg.

106. Wosch T. (2003). mPlanner: Robot Motion Planning based on Interaction of Planner and Controller, http://citeseer.ist.psu.edu.

107. НО.Афонин B.JI., Макуилкин В.А. Интеллектуальные робототехнические системы, http://www.intuit.ru.

108. Гловко В.А., Игнатюк О.Н., Садыхов Р.Х. Нейросетевой подход к реактивному управлению мобильным роботом // Датчики и системы. —2002.-№7.

109. Попов Е.П., Письменный Г.В. Основы робототехники: Введение в специальность. -М.: Высш. шк., 1990.

110. Pholsiri С. (2004). Task-Based Decision Making and Control of Robotic Manipulators, http://www.robotics.utexas.edu.

111. Ohlson Т., Wramdemark J. (2004). An ultrasonic sensor classifier for local environment mapping in mobile robotics, http://www.ituniv.se.

112. Фрайден Дж. Современные датчики. Справочник. М.: Техносфера, 2006.

113. GP2D120 Optoelectronic Device. (2006). http://sharp-world.com/products/device.

114. Direct-Drive Brushless Servo Systems. Catalog 8000-4/USA. Parker Hannifin Corporation. Compumotor Division, http://www.compumotor.com.121 .Burns R.S. (2001). Advanced Control Engineering. Butterworth-Heinemann Linacre House, Jordan Hill, Oxford.

115. Van Cleave D.W., Rattan K.S. (2001). Tuning of Proportional Plus Derivative Fuzzy Logic Controller Using Neural Network. http://ieeexplore. ieee.org.

116. Jang J.R., Sun C. (1995). Neuro-Fuzzy Modeling and Control. http://ieeexplore. ieee.org.

117. Lin F., Wai R. Wang S. (1998). A Fuzzy Neural Network Controller for Parallel-Resonant Ultrasonic Motor Drive. http://ieeexplore. ieee.org.

118. Полис Ф., Филаретов В.Ф., Цепковский Ю., Юхимец Д.А. Применениенейрофаззи сетей для управления сложными нелинейными динамическими объектами с переменными параметрами // Мехатроника, автоматизация, управление. № 3. 2006.

119. Метод обратного распространения ошибки, http://ru.wikipedia.org.

120. Основы теории нейронных сетей, http://www.intuit.ru.

121. Сайт компании Lynxmotion. http://www.lynxmotion.com.

122. Динамическая модель двухзвенного робота-манипулятора

123. Функция кинетической энергии может быть представлена в виде суммы:1. K{q,Q)=K,(Q,Q)+K2(Q,Q),где ^(0,0) и ^2(0,0) функции кинематических энергий, связанные с массами первого и второго звеньев манипулятора.

124. Координаты центра масс его первого звена jc, и у1 рассчитываются согласно следующим формулам:х, =/с1 sin(0,), = -/clcos(e,).

125. Вектор скорости центра масс первого звена робота можно определить, используя формулу:1. V "/с1 008(0, "с1 sinCe, Jd,

126. Тогда квадрат скорости центра масс первого звена равен:1.lWv, =/с2,е?

127. Отсюда функция AT, (0,0) может быть найдена по формуле:1. Kx{w)=\mtfvx Д/,0? • (1)

128. Координаты центра масс его второго звена х2 и у2 рассчитываются согласно следующим формулам:х2 =/, sin(0,) + /c2 sin(0, +02),у2 = -ix cos(e,) ic2 cos(e1 + e2).

129. ФункцияK2 (0,0) может быть найдена по формуле:2М)=\™2 vT2v2 +i/2eI +02.2 =^/20f + ^/22[of + 20,02 + 02]+ + ю2/,/с2 [е? + е, 02 ]cos(02)+[е, + ©2]2.

130. Функцию потенциальной энергии U(Q) можно представить в виде суммы функций потенциальных энергий t/,(0) и U2(0), связанных с тх и т2 соответственно:с/(е)=с/, (е)+с/2 (е).

131. Полагая, что потенциальная энергия равна нулю, когда у 0, определим £/,(0) и U2{0) следующим образом:

132. Ux{Q) = -mllcXgcos{Ql), C/2(0) = -w2/1gcos(0,)-m2/c2gcos(01 +02). (2)

133. Из уравнений (1) и (2) выведем функцию Лагранджа:ф,в)=к(в,в)~{/(в) = к1 (o,o)+K2(o,o)-Cri(e)-^2(e) = jm1/c.+m2/12pj + \rn2l2c2 [б? +26,02 + в22]+т21х1с2со*{в2)[д2 + 0,02]+ [mxlcx + m2l2]g 003(0,)w2g/c2 cos(0, +02)+^/,0f + ©2.2.

134. Уравнения динамической модели двухзвенного робота-манипулятора можно получить следующим образом:d dtdL1. SO;1.JdL 50,■1. T:i = l,2;

135. Компактная форма динамической модели двухзвенного робота-манипулятора, используемая на практике, будет иметь вид:м(е)ё+с(е, е)э+g(e)=%. (5)

136. С учетом параметра трения /{в) уравнение (5) принимает вид:

137. M(0)0 + c(0,0)0 + g(0)+ /(ё)=т.

138. Параметры графиков функций принадлежности НБ-1 для первого звена робота-манипулятора (нечеткая система планирования перемещения в неизвестной статической среде), соответствующие формуле 2.1