автореферат диссертации по машиностроению и машиноведению, 05.02.05, диссертация на тему:Расширение функциональных возможностей мобильных технологических роботов путем повышения уровня их автономности с использованием иерархической комплексной обработки бортовых данных.

Ермолов Иван Леонидович

РАСШИРЕНИЕ ФУНКЦИОНАЛЬНЫХ ВОЗМОЖНОСТЕЙ

МОБИЛЬНЫХ ТЕХНОЛОГИЧЕСКИХ РОБОТОВ ПУТЁМ ПОВЫШЕНИЯ УРОВНЯ ИХ АВТОНОМНОСТИ С ИСПОЛЬЗОВАНИЕМ ИЕРАРХИЧЕСКОЙ КОМПЛЕКСНОЙ ОБРАБОТКИ БОРТОВЫХ ДАННЫХ

Специальность: 05.02.05 - Роботы, мехатроника и робототехнические системы

Автореферат диссертации на соискание ученой степени доктора технических наук

1 7 2012

Москва 2012

005044627

005044627

Работа выполнена в федеральном государственном бюджетном образовательном учреждении высшего профессионального образования "Московский государственный технологический университет "СТАНКИН" на кафедре робототехники и мехатроники.

Научный консультант: доктор технических наук, профессор

Подураев Юрий Викторович

Официальные оппоненты: доктор технических наук, профессор

Аршанский Михаил Маркович МГУПИ

доктор технических наук, профессор Бушуев Владимир Васильевич МГТУ "СТАНКИН"

доктор технических наук, профессор Лохии Валерии Михаилович МГТУ МИРЭА

Ведущая организация - ОАО "Туполев", г. Москва.

Защита диссертации состоится 29 мая 2012 г. в 14 часов на заседании диссертационного совета Д 212.142.01 при ФГБОУ ВПО МГТУ "СТАНКИН", по адресу: 127994, Москва, ГСП-4, Вадковский пер., д. За.

Отзывы (в двух экземплярах, заверенные печатью учреждения) просим направлять в адрес диссертационного совета Д 212.142.01 при ФГБОУ ВПО МГТУ "СТАНКИН".

С диссертацией можно ознакомиться в библиотеке ФГБОУ ВПО МГТУ "СТАНКИН".

Автореферат разослан ¿О' 2012 г.

Ученый секретарь диссертационного совета /7

к.т.н., доцент аЛЛ^Ж!/ М А- Волосова

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность темы. Анализ состояния робототехники в промышленно развитых странах показывает, что мобильные технологические роботы активно применяются в автоматизированном машиностроении, атомной промышленности, топливно-энергетическом комплексе, коммунальных службах и других отраслях народного хозяйства. Мобильные технологические роботы играют важную роль и в обеспечении обороноспособности и внутренней безопасности суверенных государств. При этом роботы становятся всё более автономными, области их применения непрерывно разрастаются, проявляется высокая потребность в существенном расширении функциональных возможностей мобильной робототехники.

Актуальной тенденцией развития мировой робототехники является существенное расширение областей применения автономных роботов, где проявляется высокая потребность в существенном расширении функциональных возможностей мобильных робототехнических систем.

На протяжении последнего десятилетия вопросам создания автономных роботов с широким спектром функциональных возможностей уделяется большое внимание отечественных и зарубежных учёных.

Диссертация основывается на результатах исследований в области робототехники и мехатроники, отражённых в трудах И.М.Макарова, Д.Е.Охоцимского, Е.П.Попова, Д. А. Поспелова, Ф.Л. Черноусько, С.Ф. Бурдакова, В.Г. Градецкого, C.JI. Зенкевича, Ю.В. Илюхина, Б.Г. Ильясова,

B.Ф. Казмиренко, И.А. Каляева, B.C. Кулешова, В.М. Лохина, A.B. Лопоты,

C.B. Манько, Ю.Г. Мартыненко, B.C. Медведева, Ю.В. Подураева, В.Е.Пряничникова, В.В. Путова, В.Х. Пшихопова, И.В.Рубцова, В.Б. Силова, Е.Д. Теряева, A.C. Федулова, В.Ф. Филаретова, Е.И. Юревича, A.C. Ющенко и других российских ученых.

Среди зарубежных учёных следует отметить научные исследования, проводимые под руководством Л. Заде, Б. Коско, Р. Парашурмана, Г. Саридиса, П. Антсаклиса, Г. Вахтсеваноса и П. Грумпоса и других учёных.

Однако по мнению автора при несомненных достоинствах известных подходов, недостаточно исследованы взаимосвязи автономности роботов и реализуемых ими функций, а также не вскрыт потенциал расширения функциональных возможностей мобильных роботов путём увеличения степени их автономности. При этом требуют развития вопросы повышения технической эффективности решений, направленных на достижение высокого уровня автономности роботов на основе применения интеллектуальных подходов к комплексной обработке данных, поступающих от совокупности информационных устройств.

Таким образом, исследуемая в диссертации научная проблема расширения функциональных возможностей мобильных технологических роботов путём повышения уровня их автономности с использованием

иерархической комплексной обработки бортовых данных является актуальной.

Тематика диссертации соответствует приоритетным направлениям развития науки, технологий и техники в Российской Федерации, приоритетным направлениям модернизации технологического развития экономики России и списку критических технологий.

Целью данной работы является развитие теории построения мобильных технологических роботов и разработка научно обоснованных технических решений по расширению функциональных возможностей роботов на базе нового метода повышения уровня автономности с использованием иерархической комплексной обработки бортовых данных.

Для достижения поставленной цели необходимо было выполнить комплекс теоретических и экспериментальных исследований с решением следующих задач:

1. Выявление актуальных направлений по расширению функциональных возможностей мобильных технологических роботов, обеспечиваемых путём повышения уровня их автономности.

2. Построение классификации автономных технологических роботов, определение основных факторов, определяющих автономность робота, и способов её повышения.

3. Формирование структурных и функциональных моделей автономных мобильных технологических роботов на основе мехатронного метода переноса функциональной нагрузки на интеллектуальные устройства.

4. Разработка метода количественной оценки уровня автономности мобильных роботов.

5. Выявление связей функциональных возможностей мобильных роботов с типами и уровнем их автономности.

6. Разработка метода расширения функциональных возможностей мобильных роботов путём повышения уровня их автономности с использованием иерархической комплексной обработки бортовых данных.

7. Разработка научно обоснованных технических решений по расширению функциональных возможностей роботов на базе нового метода повышения уровня автономности с использованием иерархической комплексной обработки бортовых данных.

В ходе работы над диссертацией были использованы следующие методы исследований: методы теории принятия решений, интеллектуального управления в робототехнике, теории графов, нечётких систем ситуационного управления, когнитивного и имитационного моделирования, анализа и проектирования алгоритмов и программ.

Научная новизна работы заключается в:

- выявленных причинно-следственных связях между повышением уровня автономности роботов и расширением их функциональных возможностей;

- выявленных факторах (структура робота, структура среды, характер их взаимодействия), определяющих уровень автономности мобильных роботов;

- классификации автономных мобильных роботов по форме проявления автономности (во времени, в пространстве, в условиях недетерминированности среды, в условиях изменяющихся задач) и форме её обеспечения (информационная, интеллектуальная, материально-техническая);

- методе оценки уровня автономности мобильных роботов с учётом специфики поставленной задачи и условий её выполнения, заключающемся в интегральной оценке возможности выполнения задания роботом в автономном режиме;

- структурной и функциональной моделях мобильных технологических роботов, ориентированных на определение уровня автономности и спектра функциональных возможностей роботов;

- методе расширения функциональных возможностей мобильных роботов путём повышения уровня их автономности с использованием иерархической комплексной обработки бортовых данных;

- процедуре принятия решений о развитии структуры и алгоритмов функционирования перспективных автономных роботов на основе мехатронного метода переноса функциональной нагрузки на интеллектуальные устройства.

Практическая значимость работы состоит в:

- рекомендациях по целенаправленному выбору структур мобильных технологических роботов, способов и порядка их применения, ведущих к повышению автономности действующих и проектируемых образцов роботов;

- практическом применении структурной и функциональной моделей мобильных технологических роботов, позволившем количественно оценить уровень автономности действующей или проектируемой модели робота;

- комплексе компьютерных программ, реализующих метод расширения функциональных возможностей мобильных роботов путём повышения уровня их автономности с использованием комплексной обработки данных;

- алгоритмическом и методологическом обеспечении сравнительной оценки уровня автономности мобильных технологических роботов, позволяющем

обоснованно выбрать образец робота, наиболее эффективный для выполнения задания, а также оценить функциональные возможности робота на разных этапах его жизненного цикла;

- методологическом обеспечении применения комплексной обработки бортовых данных в составе мобильного технологического робота, моделях и алгоритмах для иерархической комплексной обработки бортовых данных в составе систем управления автономных мобильных технологических роботов;

- рекомендациях по применению математических методов, наиболее эффективных для построения математического обеспечения систем комплексной обработки бортовых данных различного назначения.

Достоверность полученных результатов обеспечивается корректным применением принципов и методов робототехники и мехатроники, дискретной математики, интеллектуальных методов управления, иерархического управления и теории графов, подтверждается результатами испытаний роботов с повышенной автономностью и согласованностью теоретических результатов с данными экспериментальных исследований.

Реализация результатов работы

Теоретические и практические результаты работы использованы при выполнении следующих НИР:

"Разработка программно-аппаратных средств навигации мобильных робототехнических комплексов" (Заказчик: ФСБ РФ, НУЦ "Робототехника" МГТУ им. Н.Э.Баумана). Элементы иерархической комплексной обработки бортовых данных использованы в бортовой системе управления робота для обезвреживания и инспекции ВВ при анализе данных, поступающих от системы навигации робота.

"Проведение проблемно-ориентированных исследований по созданию подвижных реконфигурируемых коммуникационных сетей на основе автономных мобильных мехатронных агентов" Федеральной целевой программы "Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы".

"Система идентификации корпусов судов для автономных морских роботов - ШБМАК" (Заказчик: Европейская Комиссия, Европейский Союз). Элементы иерархической комплексной обработки бортовых данных использованы в бортовой системе управления робота, предназначенного для очистки корпусов судов от обрастаний, при анализе данных, поступающих от системы идентификации корпуса судна.

"Исследование принципов построения многосенсорных мобильных робототехнических интеллектуальных систем" (Заказчик: Федеральное агентство по образованию РФ).

"Разработка программного комплекса управления роботом с элементами эмоционального коммуникативного поведения" Федеральной целевой программы "Исследования и разработки по приоритетным направлениям развития научно-технологического комплекса России на 2007-2012 годы".

"Поисковые исследования и разработка путей создания мобильных минироботов для выполнения технологических работ на образцах ВВТ и объектах военного назначения". Заказчик: Секция прикладных проблем РАН, Институт проблем механики РАН.

"Развитие усовершенствованной системы навигации мобильного робота на базе карт нечеткого распознавания". (Заказчик: Российско-греческая межправительственная двусторонняя программа сотрудничества).

"Высокоинтеллектуальные сенсорные робототехнические системы для инспекции и ремонта трубопроводов". (Заказчик: Королевское общество Великобритании, Академия наук Великобритании).

Результаты работы использованы при выполнении НИР по индивидуальным грантам "Управление мультисенсорными системами для мобильной робототехники на базе нечётких когнитивных карт" (Министерство образования РФ), "Интеллектуальные системы управления мобильных роботов на базе нечётких когнитивных карт" (Ministry of National Education and Religious Affairs, Hellenic Republic - Министерство народного образования и религиозных дел, Греческая Республика).

Ряд теоретических и практических результатов, полученных в диссертации, а также часть указанных проектов внедрены на ООО "Волжский машиностроительный завод" (ранее Производство технологического оборудования и оснастки ОАО "АВТОВАЗ"), НУЦ "Робототехника" МГТУ им. Н.Э. Баумана, в учебном процессе МГТУ "СТАНКИН", что подтверждается соответствующими актами о внедрении.

Апробация работы. Основные результаты диссертации докладывались и обсуждались на следующих конференциях и семинарах: Международная научно-техническая конференция "Экстремальная робототехника" (Санкт-Петербург, 2011), Научно-техническая конференция "Экстремальная робототехника" (Москва, ВВЦ, 2010); Научно-методическая конференция "Машиностроение - традиции и инновации", MTW "СТАНКИН" (Москва, 2008); Симпозиум по робототехнике и мехатронике, Институт проблем механики РАН, (Москва, 2008); 2-я Российская мультиконференция по проблемам управления "Мехатроника. Автоматизация. Управление" (Санкт-Петербург, 2008); 19-я научно-техническая конференция "Экстремальная робототехника", ЦНИИ РТК (Санкт-Петербург, 2008); Третья Всероссийская научно-практическая конференция "Перспективные системы и задачи управления" (Домбай, 2008); Международный семинар по микро- и наноробототехническим технологиям и системам, Институт проблем механики РАН, (Москва, 2007); 18-я научно-техническая конференция "Экстремальная робототехника", ЦНИИ РЖ (Санкт-Петербург, 2007); Первая

Всероссийская научно-практическая конференция "Перспективные системы и задачи управления" (Домбай, 2006); Первые чтения памяти академика Е.П. Попова, МГТУ им. Н.Э. Баумана (Москва, 2007); IV Международный конгресс "Конструкторско-технологическая информатика 2000", МГТУ "СТАНКИН", (Москва, 2000); Конференция "Интеллектуальные технологии создания систем управления беспилотными системами" в рамках Международного салона аэрокосмических технологий и услуг "AEROSPACE 2008" (Москва, 2008); Научная конференция "Мобильные роботы и мехатронные системы" в рамках фестиваля "Мобильные роботы-2008", МГУ им. М.В. Ломоносова, МГАГТИ (Москва, 2008); IEEE MED-2004 Conference, (Kusadasi, Turkey, 2004); International Symposium on Adaptive and Intelligent Robots, IPM RAS, (Moscow, 2005); IARP International Conference on Micro Robots, Micro Machines and Micro Systems, (Moscow, 2003); IEEE MED-2003 Conference, (Rhodes, Greece, 2003); CSIT'2002 Conference, (Patras, Greece, 2002); CSIT'2001 Conference, (Ufa, Russia, 2001); Protek'2001 Conference, (Russia, Moscow, 2001); Mechatronics-2000 Conference, (Atlanta,USA, 2000); IFAC Symposium MIM-2000, (Patras, Greece, 2000). Часть материалов докладывалась на заседании Научного Совета по робототехнике и мехатронике Российской Академии Наук.

Публикации. По тематике диссертации автором опубликован 41 печатный труд, из них 16 - без соавторов, 18 работ опубликованы в журналах из перечня ВАК РФ. Свидетельство о праве на владение интеллектуальной собственностью (патент): 1.

В автореферате приведён список 40 публикаций, наиболее полно отражающих содержание диссертации.

Структура и объем работы.

Диссертация состоит из Введения, шести глав, Заключения и списка использованных источников, включающего 205 наименований. Диссертация содержит 280 страниц машинописного текста, 140 рисунков, 19 таблиц. Приложение.

СОДЕРЖАНИЕ РАБОТЫ

Во Введении обоснована актуальность темы диссертации. Отмечено, что недостаточно раскрыто понятие автономности роботов в целом, не вскрыто в полной мере влияние автономности на функциональные возможности роботов. Сделан вывод о необходимости развития теоретических и практических подходов к расширению функциональных возможностей роботов на основе увеличения степени их автономности. Приведены данные по структуре и объему работы.

В первой главе на основании анализа современного состояния развития робототехники определены проблемы расширения функциональных возможностей роботов, сформулированы цели и задачи диссертации. Выполнен критический анализ исследований, посвященных расширению функциональных возможностей роботов и повышению их автономности.

Отмечено, что мобильная робототехника претерпевает революционный этап развития. Каждые 2-3 года происходит существенное обновление самих роботов, а также расширение сферы их применения. Основными областями применения мобильных роботов в мире являются военное дело, антитеррористические операции, безопасность работы атомной промышленности, коммунальные службы, судоремонт и другие.

Выявлены основные виды выполняемых мобильными роботами операций: инспекция, ремонт, транспортировка, картографирование, технологические операции. Среди технологических операций наиболее часто применяются механообработка, сборка-разборка, водоструйная резка, манипулирование, снятие проб грунта, нанесение ударных воздействий, заклейка, постановка заплат и другие.

В результате проведённого анализа определены следующие ключевые направления развития современной отечественной робототехники:

- комплексный подход к развитию робототехники;

- увеличение применения мобильных технологических роботов в качественном и количественном отношениях;

- расширение функциональных возможностей технологических роботов;

- групповое применение мобильных роботов;

- единая стандартизация робототехнического оборудования и компонентов;

- повышение эффективности функционирования мобильных технологических роботов независимо от условий среды.

С учётом вышеизложенного расширение функциональных возможностей мобильных технологических роботов рассматривается как основная цель диссертации.

Во второй части первой главы рассматриваются способы расширения функциональных возможностей мобильных технологических роботов.

Среди основных направлений расширения функциональных возможностей мобильных роботов следует отметить следующие:

Применение методов искусственного интеллекта и интеллектуального управления. Ставит целью повысить адаптационную способность роботов к изменениям окружающей среды, расширить круг решаемых роботами задач.

Разработка новых типов движителей и совершенствование имеющихся. Ставит целью повысить транспортные возможности роботов на грунтах различной проходимости.

Групповое применение роботов. Открывает новые возможности для одновременного управления несколькими роботами и синергетического выполнения ими единой операции.

Улучшение взаимодействия человек — машина и человеко-машинных интерфейсов. Изучает новые способы обмена информацией между человеком-оператором и роботами, в том числе через новые подходы к управлению роботами (например, элементы эмоционального коммуникативного поведения).

Задача навигации. Занимается вопросами ориентации робота в пространстве и планирования движений с целью обеспечить требуемую точность движений.

Задачи картографирования и локализации. Изучает вопросы самостоятельной локализации робота на местности с построением карты местности роботом.

Задачи комплексной обработки данных. Изучает вопросы алгоритмов обработки данных, архитектур обработки данных, извлечения полезной информации. Ставит задачу получить больше качественной информации с меньшего количества источников информации.

Повышение автономности роботов. Конечной целью исследований является исключение человека-оператора как необходимого эргатического элемента робототехнической системы.

Разработка показателей эффективности применения роботов. Служит для количественной оценки эффективности применения роботов. Занимается вопросом оценки уровня автономности роботов.

Планирование траекторий и задач роботов. С целью повысить эффективность применения роботов разрабатываются вопросы диспетчирования и оптимизации выполнения различных задач роботов.

В главе определены основные следствия повышения автономности мобильных технологических роботов в контексте их функционирования:

- снижение числа сбоев в применении роботов, вызванных ошибками человека-оператора;

- снижение требований к квалификации человека-оператора, взаимодействующего с роботом;

- снижение требований к детерминированности среды функционирования роботов;

- возможность одновременного применения большого числа роботов (групповое выполнение задачи);

- исключение человеко-машинного интерфейса из состава роботов, как лишнего компонента, высвобождение энергетических, коммуникационных, вычислительных и иных ресурсов, использовавшихся в составе этого компонента;

- исключение задержек, вызванных преобразованием информации для человека-оператора, а также временных задержек, связанных с принятием решения человеком-оператором;

- повышение устойчивости управления и предсказуемости поведения роботов;

- расширение возможностей специальных применений роботов;

- более широкое применение алгоритмов оптимизации и автоматического планирования траекторий при применении роботов;

- появление новых областей применения роботов.

Причинно-следственные связи этих явлений представлены на рис. 1.

Рис. 1. Причинно-следственные связи последствий повышения автономности роботов

Делается вывод о целесообразности изучения возможности повышения автономности роботов для расширения их функциональных возможностей.

Вторая глава диссертации посвящена исследованию автономности мобильных технологических роботов. Анализ существующих определений понятия автономности в различных отраслях техники показал, что в литературе отсутствует обобщённое определение автономности, которое могло бы использоваться не только на существующей стадии развития робототехники, но и в перспективе. Известные определения разнятся в вопросе обеспечения автономности робота и проявления автономности. Поэтому в диссертации введено понятие автономности роботов, а также классификация автономности роботов по форме проявления и обеспечения автономности.

Автономность — это способность робота существовать и выполнять свое функциональное назначение в протяженных времени, пространстве, а также при изменяющихся условиях окружающей среды без необходимости взаимодействия с другими дружественными субъектами или субъектами высшего уровня иерархии.

В соответствии с этим разработана классификация проявлений автономности, см. рис. 2: как автономность во времени, автономность в пространстве, автономность в условиях изменяющихся задач и автономность в условиях недетерминированности окружающей среды.

Под обеспечением автономности роботов предложено считать технические, технологические, проектные, производственные и эксплуатационные действия, ведущие к проявлению автономности робота.

В классификации автономности по обеспечению выделены три основных компонента (рис. 3):

- автономность информационная;

- автономность интеллектуальная (или автономность управления);

- автономность материально-техническая.

Рис. 2. Классификация автономности роботов (по проявлению)

Каждый из этих видов обеспечения автономности также имеет свою дальнейшую классификацию (рис. 3). Отмечено, что средства обеспечения различных видов автономности могут дополнять друг друга, быть независимыми или же противоречить друг другу.

Для дальнейшего изучения автономности роботов разработаны структурная и функциональная модели робота, учитывающие взаимосвязи между всеми компонентами робота.

Разработанная структурная модель мобильного технологического робота базируется на выделении основных функций, реализуемых роботом как системой в целом, так и отдельными его компонентами (рис. 4). В общем случае, в роботе можно различать следующие виды функций: энергетическая, транспортная, технологическая, информационная, коммуникационная и интеллектуальная. Помимо этого компонентами робота осуществляются вспомогательные функции.

Рис.З. Классификация автономности роботов по обеспечению с её детализацией

Сформулированы уточняющие определения этим функциям:

К энергетической функции относятся действия, связанные с хранением, преобразованием и передачей энергии.

Транспортная функция проявляется в осуществлении пространственных перемещений роботов.

Технологическая функция вбирает в себя действия, связанные с изменением структуры и свойств частей среды и роботов.

Рис. 4. Виды воздействия робота на окружающую среду и соответствующие им функции

робота

Информационная функция отвечает за получение разнообразной информации.

Коммуникационная функция обеспечивает обмен информацией.

Интеллектуальная функция служит для решения задач управления роботов.

Вспомогательные функции служат для обеспечения возможности функционирования остальных функций (самообеспечения роботов) и не несут самостоятельной нагрузки.

Также в состав структурной модели робота включены средства технического обеспечения, которые не находятся непосредственно на борту робота, но соучаствуют в обеспечении его функционирования.

Разработанная структурная модель с отраженными основными информационными и энергетическими потоками изображена на рис. 5. Её особенность состоит в том, что с её помощью можно формализованно описать структуру большинства мобильных роботов, равно как и построить функциональную модель, что даёт возможность применить их для оценки влияния автономности роботов на изменение их функциональных возможностей.

Составление структурной модели для конкретного образца мобильного технологического робота осуществляется следующим образом:

На первом этапе составляется список всех компонентов, входящих в состав робота.

I Модуль хранения энергии | Модуль генерации энергии ' Модуль преобразования энергии Модуль восполнения энергии

Технологическая система

* Система управления

Вычислительный блок

Блок памяти

Легкосьемняя память

Блок интерфейсов /

Блок распознавания целей / *

Блок базовых алгоритмов

Системное программное обеспечение^

Приводы

Исполнительные механизмы

Рабочие органы

£

Транспортная система

Модуль генерации движения

Модуль преобрахшанни движения

Модуль бортовых движителей

Вспомогательное оборудование

Несущий корпус

Буксируемые прицепы

3:

Окружающая среда

Человек-оператор

Средства технического _обеспечения

Средства транспортировки

Средства технического обслуживания

Средства справки ГСМ

ЗиП

Средства инструментального программирования

Средства диагностики

Диспетчер выполнения задания

Пользовательская документация

Рис. 5. Основные связи структурной модели робота ( » - энергетическая связь, _^ - информационная связь)

На втором этапе эти компоненты распределяются в соответствии с принадлежностью к основным видам компонентов, входящих в состав робота (транспортный, технологический и пр.).

На третьем этапе для каждого основного компонента робота определяется набор основных параметров, характеризующих его возможности. При этом каждому обобщённому компоненту присущ список типовых характеристик.

В дальнейшем данная модель используется для оценки уровня автономности роботов.

На базе этой модели предложена классификация мобильных роботов по их основному функциональному предназначению: транспортные, технологические, информационные (инспекционные), энергетические (заправщики), коммуникационные и интеллектуальные. Применение этой классификации позволило спрогнозировать появление новых видов робототехнического оборудования в будущем.

Также на базе этой модели можно строить разнообразное программное и математическое обеспечение для автоматизации применения роботов, например, системы автоматического планирования траекторий, системы группового управления, САЬ8-системы и подобные системы.

Разработанная функциональная модель робота составляется с учётом его структурной модели. В качестве общей структуры функциональной модели предлагается использовать иерархическую структуру, имеющую пять уровней: уровень параметров (низший уровень), уровень состояний, уровень ситуаций, уровень задач и уровень задания (высший уровень).

В диссертации предложены следующие термины:

Параметр (робота или среды) - понятие, характеризующее количественно свойства отдельного компонента (или группы компонентов) робота или среды, которые могут изменяться во времени.

Состояние (робота или среды) — обобщённое понятие, характеризующее количественно или качественно свойства робота в целом или среды, которые могут изменяться во времени и которые определяются комплексом параметров робота или среды.

Ситуация — обобщённое понятие, описывающее качественно комплекс взаимодействий между роботом и средой, который может изменяться во времени.

Задача — набор последовательно-параллельных ситуаций, которые робот должен обеспечить в ходе своего взаимодействия со средой.

Задание — обобщённое понятие, включающее в себя комплекс задач.

Результаты сравнения свойств различных уровней иерархической структуры представлены в таблице 1.

Предлагаемую иерархическую структуру автор использует для составления функциональной модели конкретного образца робота следующим образом:

- в качестве исходной используется структурная модель робота, описанная выше. В структурной модели описаны основные

компоненты, присутствующие в роботе, а также указаны их характеристики. Фактически эти данные являются исходными для заполнения уровня параметры составляемой модели. - далее, основываясь на этой информации, а также на типовых моделях, описывающих робот, среду и их взаимодействие, составляется основная часть функциональной модели. При этом она составляется по мере продвижения от нижних уровней иерархии к высшим.

Таблица 1. Сравнительная таблица уровней иерархической структуры

функциональной модели роботов

Уровень Что определяет данный уровень Источник информации о значении переменной уровня Соответствие уровню "классической" иерархической структуры управления

Параметры Значение одной переменной робота или среды Датчик или характеристика робота или среды Исполнительный

Состояния Функционирование робота или среды в целом Группа датчиков или характеристик робота или среды Тактический

Ситуации Взаимодействие робота и среды Группа датчиков или характеристик робота или среды, информация из базы знаний Стратегический

Задачи Целевой набор ситуаций Информация о ситу ациях и из базы знаний Интеллектуальный

Задания Цель взаимодействия робота и среды Информация о выполнении задач и базы знаний Глобальный

Таким образом, создаётся функциональная модель робота. В этой модели содержится информация о функциях, которые может осуществлять робот. Эти функции могут иметь как качественное описание, так и количественное описание, выраженное в численном значении. Эти описания соответствуют значениям параметров, состояний, ситуаций и задач, которые могут соответствовать функционированию мобильного робота. Такая модель получает вид однонаправленного иерархического графа.

Пример функциональной модели мобильного робота ИРИС-1 приведён на рис. 6.

Представляемая модель обладает хорошей наглядностью и легко воспринимается. Составление модели легко автоматизируется с помощью ЭВМ.

Для принятия решений, направленных на повышение автономности роботов, введён показатель уровня автономности, позволяющий сравнить уровни автономности различных роботов.

В диссертации введены ограничения на описание среды и задач, предложен способ определения показателя локальной автономности с учётом специфики поставленной задачи и условий её выполнения. Для этого предлагается использовать несколько показателей. Показатель характеризует возможность выполнения роботом в полностью автономном режиме данного задания на данном участке среды. Показатель ^ характеризует возможность функционирования робота в течение времени, необходимого для выполнения данным роботом данного задания на данном участке среды. Показатель ¥т характеризует наличие энергетического потенциала для выполнения роботом поставленного задания на данном участке среды. Предложенные показатели являются локальными и не могут решить все вопросы, связанные с описанием автономности роботов, однако они позволяют оценить применимость того или иного типа робота для автономного выполнения задания, сделать сравнение предпочтительности применения той или иной модели робота для выполнения задания.

Уровень задания

Обнаружение,

препятствийдо^Г

Робот может двигаться по трубам/

Робот может работать в темноте

движения: до 1 ик

Уровень задач

Уровень ситуации

Уровень состоянии

аксимальное удаление ч от базы: 4 м

Уровень параметров

Клиренс: до 10 мм Допустимая влажность среды: до 80%

Может отслеживаться пройденный путь с точностью до 2 мм

Рис. 6. Функциональная модель мобильного робота ИРИС-1 Для оценки величин и предлагается использовать метод

оценки уровня автономности роботов, структурно показанный на рис. 7.

Информация о задании

/ ~ Информация об ^участке среды

Диспетчер выполнения задания робота

Блок оценки выполнимости предикатов задания

Блок оценки выполнимости задания в целом

Информация о роботе

Блок оценки временных затрат выполнения задания

Блок оценки энергетических затрат выполнения задания

Рис. 7. Метод оценки уровня автономности роботов

Решение об уровне автономного выполнения задания принимается на основе анализа совокупности следующей информации:

• Информация о состоянии участка окружающей среды, в котором роботу предстоит функционировать.

• Информация о роботе, используемом для выполнения задания.

• Информация о задании, которое должно быть выполнено.

Информация об участке среды

В блоке присутствует информация об участке окружающей среды, на котором роботу предстоит автономно выполнять поставленную задачу. Причём эта информация иметь троякий характер: статический, динамический и вероятностный.

Информация о роботе

Этот блок служит для предоставления наиболее полной информации о роботе. Блок включает в себя структурную и функциональную модели, описанные выше. По аналогии с информацией о среде информация о роботе также может быть трёх видов.

Информация о задании

Блок служит для описания выполняемого задания. В нём задание описано как совокупность иерархических предикатов. Эти предикаты могут быть предписаны как для последовательного, так и параллельного и последовательно-параллельного выполнения.

Диспетчер выполнения задания робота

Фактически этот блок является генератором траектории движения мобильного робота. В нём происходит планирование выполнения роботом предикатов во времени, оценивается функциональная важность каждого предиката задания.

Информация о выполнимости предикатов задания

Данный блок служит для оценки возможности выполнения предикатов задания роботом. Каждый участок выбранной траектории уже имеет описание его свойств (т.е. свойств среды, ему присущих). Исходя из этих свойств, а также информации о характеристиках самого робота, на каждом этапе траектории делается оценка возможности выполнения предикатов задания, предписанных этому участку.

Блок оценки выполнимости задания в целом. Блок оценки временных затрат выполнения задания. Блок оценки энергетических затрат выполнения задания

Данный этап является одним из заключительных в оценке показателей автономности робота. В нём оценивается вероятность выполнения заданий в соответствии с приоритетами их выполнения, затраты на их выполнение и доступность ресурсов. Формируется значение показателей К", Р, и .

Каждый 7-й предикат задания получает оценку ¡V, может ли выполнен робот выполнить его самостоятельно без необходимости вмешательства человека или других дружественных объектов. Если в функциональной модели робота присутствует предикат, соответствующий предикату задания, то возможно выполнение данного предиката задания в автономном режиме, ему присваивается значение 1. Выполнимость предиката оценивается, исходя из его соответствия функциональной модели робота. При этом могут учитываться и факторы, влияющие на выполнимость задания и носящие вероятностный характер, придавая значение предикату в интервале от 0 до 1.

Блок оценки выполнимости задания

Расчёт показателя уровня автономного выполнения задания /•'* осуществляется путём определения соотношения количества компонентов задания, которые могут быть выполнены роботом самостоятельно, с учётом значимости выполнения данных компонентов, относительно общего количества компонентов задания.

Расчёт уровня автономности производится по формуле

2 к-г

1=1

где Л7- оценка возможности выполнения данного компонента задания в автономном режиме, Т7," - функциональная значимость данного компонента задания, п — число компонентов задания.

Функциональная значимость предикатов определяется иерархической декомпозицией задания с показателем значимости, равным 1, до показателя значимости каждого предиката, соответствующего его месту в иерархии задания. При необходимости возможно целевое изменение показателя функциональной значимости отдельного предиката, вследствие чего происходит соответствующее изменение значимости других предикатов.

Таким образом, достигает максимального значения 1, если всё задание может быть выполнено роботом автономно, равняется 0, если робот

может выполнять задание только в режиме дистанционного управления, и принимает промежуточные значения, если часть задания выполняется автономно, а для части требуется вмешательство человека-оператора. Блок оценки временных затрат выполнения задания Производится оценка временных затрат на выполнение задания и определение их соответствия допустимым.

В диссертации для решения данной задачи соискатель предлагает применить метод упрощенного вычисления временных затрат. Сутью этого метода является введение единого поправочного коэффициента к[:', учитывающего влияние определенных условий окружающей среды на выполнение роботом различных задач. Например, наличие дождя или тумана может дать дополнительную поправку на суммарное время выполнения задания. Данный подход значительно уменьшает машинное время, затрачиваемое на вычисление оценки. Временные затраты определяют как

где^. - оценочное время выполнения задания без учёта вероятностных факторов, р,- вероятность свершения события, ведущего к проявлению поправочного коэффициента, к['' - поправочные коэффициенты, учитывающие влияние события на время выполнения задания. Значения поправочных коэффициентов к'/ определяются эмпирическим путём. Затем происходит сравнение с временем, допустимым для выполнения задания.

Блок оценки энергетических затрат на выполнение задания Происходит оценка энергетических затрат на выполнение задания, определение их соответствия доступным ресурсам. Для этого используется информация о траектории движения робота, последовательности задач, выполняемых роботом, и оценке времени выполнения этих задач.

В диссертации для решения данной задачи соискатель предлагает применить метод упрощенного вычисления энергетических затрат. Сутью этого метода является введение единого поправочного коэффициента к?", учитывающего влияние определенных условий окружающей среды на потребление роботом энергии. Например, низкая температура среды может дать дополнительную поправку на увеличение энергозатрат на выполнение задания.

В результате получается интегрированная величина ,

характеризующая суммарные величины энергозатрат на выполнение задания:

• ТК " ■ р,,

|=1

гдеРп. - оценочная величина затрат энергии роботом для выполнения задания без учёта вероятностных факторов,

р- вероятность свершения события, ведущего к проявлению поправочного коэффициента,

к,г-- поправочные коэффициенты, учитывающие влияние события на суммарные энергозатраты для выполнения задания.

Затем происходит сравнение с доступными для робота энергозапасами при выполнении задания.

В результате вычислений получается итоговое значение показателей F', Р, и Рт , по которым оценивается автономность робота Ра.

Расчёт обобщённого показателя локальной автономности Ра осуществляется в соответствии с функциональной зависимостью

При этом возможно применение различных методов расчёта функциональной зависимости Ра от Р'^Р^Р^.

Например, может использоваться взвешенная зависимость. Тогда Ра=к'-Р'+к,+ ка-Рт, где к',к,,кеп - весовые коэффициенты, определяющие влияние различных проявлений автономности на обобщённый показатель локальной автономности.

Другой метод расчёта заключается в выборе наименьшего из показателей:

^ = тт(р',р,,ргг).

Заключительная часть второй главы посвящена вопросу повышения автономности мобильных технологических роботов. Приводятся основные закономерности между улучшением того или иного компонента структуры мобильного робота и улучшаемым видом автономности.

Третья глава диссертации посвящена расширению функциональных возможностей роботов путём увеличения уровня их автономности.

Диссертантом выявлены основные связи состава компонентов роботов с уровнем автономности роботов и спектром их функциональных возможностей. Последовательность осуществления этого процесса представлена на рис. 8.

Изменяемые функциональные группы роботов

Мероприятия по изменению Изменяемый вид Изменяемый

состава обеспечения вид проявления

компонентов и автономности автономности

структуры роботов роботов

роботов

Получаемая новая функциональная возможность робота

Информационная Применение комплексной обработки данных для минимизации количества датчиков Интеллектуальная, информаци онная В пространстве и во времени Уменьшается масса робота, снижается его энергопотребление, увеличивается дальность и время непрерывной работы, удешевление робота и его применения

Рис. 8. Последовательность выявления связей состава компонентов и структуры роботов с уровнем автономное™ и спектром функциональных возможностей и пример такой связи

В диссертации приведён 31 пример связей, описывающих возможные мероприятия по увеличению автономности роботов и расширению их функциональных возможностей. Один из примеров также приведён на рис. 8.

Затем выполнен анализ связей, показывающих, как получить то или иное требуемое изменение спектра функциональных возможностей роботов.

Фактически при этом решается обратная задача. При её решении возможны случаи, когда получение той или иной функциональной возможности возможно осуществлением сразу нескольких изменений в составе робота. Пример приведён на рис. 9. Если таких решений несколько, берётся то из них, которое соответствует критерию простоты реализации.

Новая требуемая функциональная возможность: увеличение времени работы робота

/

Система интеллекту ального планирования траектории

I Применение > мехатронных модулей

Применение более энергоёмких источников энергии

Применение в составе робота энергосберегающих компонентов

Применение вторичных источников энергии для пополнения энергозапасов

Применение комплексной обработки данных для минимизации количества датчиков

Рис. 9. Неоднозначность решения задачи получения новой функциональной возможности увеличения времени работы робота

В качестве критерия выбора предлагается использовать критерий простоты реализации на базе показателя массы изменяемого компонента. Т.е. чем меньше масса компонента, введение которого в состав робота даст ему новую функциональную возможность, тем предпочтительнее выбрать такой способ расширения спектра функциональных возможностей.

В той же части диссертации анализируются возможные технические мероприятия для расширения функциональных возможностей мобильных технологических роботов.

Сделан вывод, что наиболее эффективным средством для расширения функциональных возможностей роботов является применение комплексной обработки бортовых данных в составе роботов.

Четвертая глава диссертации посвящена комплексной обработке бортовых данных роботов.

Предложено следующее определение комплексной обработки данных: Комплексная обработка бортовых данных - процесс получения обобщённой информации на основе анализа более чем одного источника данных.

Далее разработана классификация основных видов комплексной обработки бортовых данных в робототехнике: по времени, по надёжности, по расположению, по принципу действия датчиков, по природе данных.

Комплексная обработка бортовых данных по времени. К ней относят явление, когда, базируясь на тенденциях изменений одной переменной робота или среды, становится возможным получить информацию о других переменных робота или среды. Таким образом имеются в виду времешше преобразования информации. Это, как правило, случаи интегрирования и дифференцирования.

Другим случаем комплексной обработки бортовых данных по времени являются истории изменения значений данных в качестве вспомогательного источника информации для оценки текущих значений параметров (например, интерполяция, экстраполяция, фильтрация). Это делают для того, чтобы снизить влияние ошибочных чтений приборов или шума в информационных системах. Такой случай можно описать уравнением

*'(',) = /№-,■).-,*('*,)), где x(t) - значения измеренной величины по показаниям датчиков в разные моменты времени /, a x'(tt) - преобразованное значение этой величины.

На базе этого подхода работают различные фильтры.

Комплексная обработка бортовых данных по надежности. К ней относят операции повышения надёжности распознавания информации, базируясь на показаниях нескольких источников информации. Этот подход описывают математическим уравнением вероятности Р сбоя распознавания X'события X

P(Xf) = f[P(x{) ,

1=1

где / - номер датчика, принимающего участие в распознавании события X; п -количество датчиков.

К этому же случаю можно отнести применение комплексной обработки бортовых данных от нескольких датчиков с низкой точностью. Получаемая при этом информация является более точной, чем показания только одного из датчиков.

Комплексная обработка бортовых данных по расположению. Под этим подразумевают использование информации от нескольких источников с ограниченной зоной действия (например, датчиков) для воссоздания более полного описания среды. Математически это можно описать с помощью уравнения

F(А) = F(A,) U FÍA,) U... U F(AJ, где А,,..., А„ при сложении полностью описывают некую область A, a F — операция исследования данной области.

Сюда же можно отнести и комплексную обработку данных, поступающих от датчиков, разнесённых в пространстве в пределах одного подвижного объекта. В ряде случаев (например, расположение на протяжённом объекте нескольких датчиков спутниковой навигации) этот приём позволяет получить дополнительную информацию. Математически это можно описать с помощью уравнения

F(C) = F{B,) ü F(B2) U.. - U F(BJ,

где В, , ..., fl„ - показания переменной в, поступающие от п датчиков, разнесенных в пространстве, С - переменная, отличная от переменной В,

Комплексная обработка бортовых данных по принципу действия датчика применяется в случае, если не существует источника информации, с достаточной надёжностью распознающего факт какого-либо события. Если же имеется несколько различных по типу функционирования источников информации, определяющих событие с недостаточной надёжностью, то их комплексное применение может обеспечить требуемый уровень надёжности распознавания события. Математически это можно описать с помощью уравнения

F(Jr) = F(JCl)UF(jCl)U...UF(jt,), где F(xt) обозначает распознавание события А" датчиком i.

Комплексная обработка бортовых данных по типу (природе) данных применяется в случае, когда один вид информации может быть недостаточен для распознавания события. Как правило, это особенно актуально для операций распознавания типа объекта. В таких случаях оценивается сразу несколько различных переменных, что позволяет более уверенно определить тип объекта. Математически это можно описать с помощью уравнения

F(X) = F(xt) П F(x2 ) П... П F(x„), где F(:г, ) соответствуют распознаванию события Л'датчиком /.

В силу того, что в робототехнике одновременно применяются различные виды комплексной обработки данных, и при этом происходит обработка большого количества данных различного типа, необходимо введение упорядоченной специализированной архитектуры обработки бортовых данных.

В диссертации предлагается новая схема архитектуры комплексной обработки данных - иерархическая комтексная обработка бортовых данных (рис. 10). Данные от различных датчиков поступают на общую шину данных. При этом датчики передают данные о состоянии компонентов робота и окружающей среды. Данные последовательно обрабатываются на всех уровнях иерархии.

Конечным элементом системы является уровень принятия решения, который передает команду о дальнейшем функционировании управляющим элементам системы управления робота. Характеристики, оцениваемые на нижних уровнях приведённой иерархии (параметр, состояние) могут иметь количественную оценку. Верхним же уровням иерархии будет характерно превалирование качественной оценки (т.е. наличие той или иной ситуации, выполнимость той или иной задачи и пр.).

Очевидно, что в более простых системах будет присутствовать меньшее количество уровней иерархии комплексной обработки бортовых данных. Также это будет характерно для систем с меньшим уровнем автономности. Системы более совершенные будут осуществлять комплексную обработку данных по всем уровням. При необходимости система может запрашивать дополнительную информацию из базы данных.

В работе рассмотрены все уровни иерархии предлагаемой архитектуры. Каждый из уровней имеет свои задачи (табл. 2.) и внутреннюю архитектуру. В работе приведены примеры построения каждого из уровней.

Таблица 2. Задачи, решаемые уровнями иерархической системы __комплексной обработки данных

Уровень архитектуры Задача, решаемая уровнем

Идентификация параметров робота и среды Получение информации о параметрах робота или среды.

Идентификация состояний Получение информации о состояниях робота или объектов среды.

Идентификация типов объектов Получение информации о типах объектов, присутствующих в среде, т.е. распознавание типов объектов среды.

Идентификация ситуацтт Получение информации о ситуациях, которые имеют отношение к роботу, т.е. распознавание, какие действия осуществляются между роботом и средой н внутри них.

Идентификация выполнения задач Получение информации о выполнении задания, поставленного роботу, т.е. оценка возможности выполнения задания роботом при данных тенденциях, наблюдаемых в роботе и среде.

Принятие решения Принятие решения, исходя из процессов, наблюдаемых в роботе, среде и их взаимодействии, а также задания, поставленного роботу.

Уровень идентификации параметров

Показатель р. 1-го параметра определяется как сумма средневзвешенных показаний датчиков и средневзвешенных показателей всех параметров системы:

а

где коэффициент, учитывающий влияние показаний у'-го датчика на

идентификацию /-го параметра,

- показания у'-го датчика, г - количество датчиков в системе, а™ - коэффициент, учитывающий влияние показаний к-го параметра на идентификацию /-го параметра (при к=1 учитывается "инерционность" показателя, т.е. влияние предыдущих значений показателя на последующие),

рк - показания к-го параметра, у - количество параметров в системе.

Уровень идентификагщи состояний

Показатель я, (-го состояния определяется как сумма средневзвешенных показателей параметров системы, средневзвешенных показателей состояний системы, а также заданных команд управления системе:

=2»,+5»,. > /-1 1-.1

где а'',' - коэффициент, учитывающий влияние показаний j-тo параметра на идентификацию /-го состояния,

(¡¡' - коэффициент, учитывающий влияние показаний к-го состояния на идентификацию /-го состояния, ^ - показания к-го состояния, х - количество показателей команд в системе,

а"' - коэффициент, учитывающий влияние А-й команды на 1-е состояние,

ол - показания /1-й команды,

и1 - количество показателей команд в системе.

Уровень идентификации типов объектов

Показатель тг идентификации объекта /-го типа определяется как сумма средневзвешенных показателей параметров системы, средневзвешенных показателей состояний системы, информации о наличии идентифицированных типов объектов в системе, данных о тенденции наличия объектов из базы данных, информации о наличии объектов, исходя из выполняемых задач, а также средневзвешенных показателей ситуаций в среде:

=1>Гр,- +2>ГЧ +6" +ч'Г,

у. 1 »-1 Л—1 /-1

где а'"- коэффициент, учитывающий влияние показаний у'-го параметра на идентификацию объекта /-го типа, а" - коэффициент, учитывающий влияние показаний к-то состояния на идентификацию объекта /-го типа, а"" - коэффициент, учитывающий влияние наличия различных типов объектов

на идентификацию объекта /-го типа, V — количество показателей типов объектов в системе,

я™- коэффициент, учитывающий влияние показаний ситуации типа I на

идентификацию объекта /-го типа, с, - показатель ситуации типа /, и - количество показателей ситуаций в системе,

- информация из базы данных о тенденции наличия объектов /-го типа, у,"' - информация из задач о возможности наличия объектов /-го типа.

Уровень идентификации ситуаций

Показатель с, ситуации /-го типа определяется как сумма средневзвешенных показателей параметров системы, средневзвешенных показателей состояний системы, информации о наличии идентифицированных типов объектов в системе, информации о наличествующих ситуациях в среде, информации о наличествующих задачах и структурах ситуаций из базы данных:

У V I- и

с. +1>ГА +5Х<7+у/,

1 Л=1 /Н

где а^ - коэффициент, учитывающий влияние показаний у-го параметра на идентификацию ситуации /-го типа,

коэффициент, учитывающий влияние показаний к-го состояния на идентификацию ситуации /-го типа, коэффициент, учитывающий влияние наличия различных типов объектов на идентификацию ситуации /-го типа, а"- коэффициент, учитывающий влияние показаний ситуации типа I на идентификацию ситуации /-го типа,

- информация из базы данных о тенденции наличия ситуации /-го типа, у/' - информация из задач о возможности наличия ситуации /-го типа.

Уровень идентификации выполнения задач

Показатель ^выполнения задания /-го типа определяется как сумма средневзвешенных показателей параметров системы, средневзвешенных показателей состояний системы, средневзвешенных показателей о наличествующих ситуациях в среде, средневзвешенных показателей о выполняемых задачах и структурах задач из базы данных:

=I +1X4+++£,

)=] к=1 А = 1

где ар:'- коэффициент, учитывающий влияние показаний /-го параметра на идентификацию выполнения /-й задачи,

коэффициент, учитывающий влияние показаний к-го состояния на идентификацию выполнения /-Й задачи, аЦ- коэффициент, учитывающий влияние показаний наличия ситуации типа И

на идентификацию выполнения /-Й задачи, а" - коэффициент, учитывающий влияние показаний выполнения задачи типа

I на идентификацию выполнения г'-й задачи, д - количество задач в системе,

- информация из базы данных о тенденции выполнения задачи г-го типа.

Уровень идентификации выполнения задания

Показатель Т выполнения задания в целом определяется как сумма средневзвешенных показателей о выполняемых задачах и структурах задания типа из базы данных:

т =

1=1

где а'г - коэффициент, учитывающий важность выполненияу'-й задачи в общем задании,

^ - информация из базы данных о тенденции выполнения задания г-го типа.

Уровень принятия решения

Показатель 4 принятия решения /-го типа определяется как сумма средневзвешенных показателей параметров системы, средневзвешенных показателей состояний системы, средневзвешенных показателей о наличествующих ситуациях в среде, средневзвешенных показателей о выполняемых задачах и выполнении задания, а также тенденции принятия решения типа

к=1 Л-1 /М

гдеа^- коэффициент, учитывающий влияние /-го параметра на принятие решения /-го типа,

а'ь' - коэффициент, учитывающий влияние А-го состояния на принятие решения /-го типа,

о" - коэффициент, учитывающий влияние Ъ-й ситуации на принятие решения /-го типа,

а" - коэффициент, учитывающий влияние 1-й задачи на принятие решения /-го типа,

а,и- коэффициент, учитывающий влияние выполнения задания целиком на принятие решения /-го типа, - информация из базы данных о тенденции принятия решения /-го типа. В общем случае коэффициенты а, описывающие взаимовлияние предикатов иерархической структуры комплексной обработки данных, могут

получаться различными путями: назначаться экспертом, подбираться на базе инверсных моделей и т.п.

Можно выделить следующие преимущества разработанной структуры иерархической комплексной обработки бортовых данных:

• Адекватность иерархической структуре современных мобильных технологических роботов и их систем управления.

• Наглядность отражения иерархии процессов, происходящих в информационной структуре роботов, поскольку именно такая чёткая и наглядная структура позволит оператору корректно описать и проследить все закономерности сложной системы.

• Способность к широкому введению обратных связей в структуру системы, поскольку именно обратные связи позволяют значительно повысить интеллектуальность технических систем.

• Возможность наряду с наличием иерархии сквозной передачи данных от одних уровней к другим, при необходимости минуя промежуточные уровни.

Учитывая вышеизложенное, данный метод можно рекомендовать для применения в составе систем управления роботов для повышения их автономности и расширения функциональных возможностей.

На основании этих выявленных связей во второй части третьей главы представлен разработанный метод расширения функциональных возможностей мобильных роботов путём повышения уровня их автономности.

Для этого вводится понятие функциональной эффективности робота. Функциональная эффективность робота определяет, какая часть задания робота может быть выполнена в данных условиях среды. Этот численный показатель может принимать любое значение от 0 (т.е. робот не может выполнить ни один предикат задания) до 1 (задание может быть полностью выполнено роботом).

Метод представлен на рис. 11 и работает следующим образом. Исходным является задание, которое роботу надо выполнить. Это задание анализируется путём декомпозиции на стандартизированные предикаты, соответствующие типовым функциям роботов, используемым при составлении их функциональных моделей.

Затем предикаты задания преобразуются в соответствии с информацией о среде, после чего формируется список функциональных потребностей для функционирования робота.

Исходные данные о роботе поступают в блок составления структурной модели. На базе структурной модели вырабатывается функциональная модель, которая несёт информацию о функциональных возможностях робота.

Данные о текущих функциональных возможностях робота сравниваются с требуемыми функциональными потребностями для выполнения задания в среде, после чего выводится обобщённый показатель Ф' функциональной эффективности, показывающий, какая часть задания может быть выполнена роботом.

Исходные данные или требования к роботу

Задание для выполнения роботом

LСтруктурная модель робота

Функциональная модель робота

Мероприятия по повышению

функциональной эффективности робота через повышение его автономности

Анализ выполняемого задания путём его декомпозиции на п предикатов. Задание разбивается на совокупности задач, задачи разбиваются на совокупность ситуаций, ситуации разбиваются на совокупность состояний, состояния разбиваются на совокупность параметров.

Формирование списка требуемых функциональных

возможностей для _

выполнения задания в среде |

Анализ функциональной значимости каждого ¡-го компонента задания для его выполнения роботом/^

Оценка возможности выполнения компонентов задания роботом в данной среде V

Задача 2:0,25. Задача 3: 0,25

Ситуация 3.1:0,125 Состояние 3 7 0.09 Параметр 3.3: 0,035

Задание: 1 Задача 1:

Состоянием." 0,75

Состояние1.2:1

Задача 2:1.

Задача 3:

Ситуация 3.1:0

Состояние 3 2:1

Параметр 3.3: 1

Оценка функциональной эффективности робота

Ф' Ы,

Рис. 11. Метод расширения функциональных возможностей роботов путём повышения их автономности

Если показатель функциональной эффективности достаточен, то робот может использоваться для выполнения задания. Если показатель функциональной эффективности не удовлетворяет, анализируют, какие функциональные потребности отсутствуют в роботе, и из информационной базы используют решения, которые могут обеспечить эти потребности, и ещё не использованы в роботе.

Пятая глава диссертации посвящена разработке математического обеспечения для комплексной обработки данных. В результате анализа математических методов, применяемых для комплексной обработки данных, сделан вывод, что эффективность применения тех или иных методов комплексной обработки данных существенно зависит от вида обрабатываемых данных. Приведена таблица 3 соответствия математических методов комплексной обработки решаемому классу задач.

Наиболее распространённые математические методы, Таблица 3. применяемые для комплексной обработки данных различных

уровней иерархии

Уровень комплексной обработки Основная задача Применяемый математический метод

Первый уровень Объединение данных Метод добротности (Figure of Merit) Методы пропускания (Gating techniques)

Определение положения Фильтры Калмана

Второй уровень Идентификация тождественности Метод Байеса Оценка вероятности Демпстера-Шафера Адаптивные нейронные сети

Распознавание образов Кластерные методы

Третий уровень Искусственный интеллект Экспертные системы Информационная доска Нечёткая логика Нечёткие когнитивные карты

В работе рассмотрены следующие подходы и методы: фильтр Калмана, метод Байеса, оценка вероятности Демпстера-Шафера, нейронные сети, экспертные системы, технология ассоциативной памяти, нечёткая логика, фильтр частиц, нечёткие когнитивные карты.

Сформированы следующие требования к математическому обеспечению иерархической комплексной обработки бортовых данных:

- высокий уровень наглядности для удобства программирования и использования;

- возможность построения сложных и иерархических зависимостей;

- возможность применения для разных видов комплексной обработки бортовых данных;

- возможность работы с зашумлёнными или недостаточными данными;

- принадлежность к классу интеллектуальных методов управления.

Автором предложено использовать математический аппарат нечётких

когнитивных карт (НКК). Показано, что НКК удовлетворяют требованиям,

предъявляемым к средствам иерархической комплексной обработки бортовых данных.

В работе приводятся основные свойства НКК, подходы к их построению. Отдельно рассматривается аспект программной реализации НКК на ЭВМ. При этом приводятся основные тенденции программного обеспечения НКК в т.ч.: на базе MATLAB Simulink, с помощью специализированного ПО (FCM Analyst, FCModeller), а также в среде LabView.

При применении НКК для математического обеспечения метода иерархической комплексной обработки данных под концептами выступают сведения, принадлежащие различным предикатам различных уровней. А под взаимосвязями между концепциями понимают связь данных, принимающих участие в процессе комплексирования.

Пример составления НКК для иерархической комплексной обработки бортовых данных в составе мобильного робота рассмотрен в диссертации. При этом приводится полный цикл составления карты, состоящий из следующих этапов:

- постановка задания, состоящего из задач,

- создание модели иерархической комплексной обработки бортовых

данных,

- формирование списка концептов нечёткой когнитивной карты,

- формирование списка связей между концептами НКК,

- оценка значений взаимосвязей концептов нечёткой когнитивной карты,

- установка начальных значений концептов нечёткой когнитивной карты.

Результаты выполненного исследования свидетельствуют о том, что

НКК в сочетании с разработанными методами являются эффективным инструментом для иерархической комплексной обработки бортовых данных.

Шестая глава диссертации посвящена использованию результатов теоретического исследования для решения практических задач расширения функциональных возможностей мобильных технологических роботов.

Целью НИР "Разработка программно-аппаратных средств навигации мобильных робототехнических комплексов" являлось расширение функциональных возможностей робота "Вездеход-ТМЗ" на основе бортовой системы навигации. Заказчиком НИР выступала ФСБ РФ, а головным исполнителем НУЦ "Робототехника" МГТУ имени Н.Э. Баумана. В НИР решалась задача расширения функциональных возможностей робота "Вездеход-ТМЗ" — автономного, без участия человека-оператора, выполнения транспортного перемещения мобильного робота от места выгрузки до зоны, непосредственно прилегающей к объекту работ. Были рассмотрены различные варианты изменений в составе робота, ведущие к получению требуемой функциональной возможности. Исходя из критерия простоты реализации, принято решение осуществить комплексную обработку данных с установкой дополнительных датчиков на роботе.

Разработанное программно-алгоритмическое обеспечение осуществляет иерархическую комплексную обработку бортовых данных на уровнях; параметр-состояние-ситуация. На рис. 12 приведён вид модернизированного МРК "Вездеход" во время испытаний. Проведённые экспериментальные исследования подтвер; ' "" " емы.

Робот получил дополнительные функциональные возможности: перемещение по пересечённой местности без опрокидывания, пересечение по местности с препятствиями без столкновений. Одновременно проводился расчёт изменения функциональной эффективности для данного робота после модернизации. Для этого исследовалась операция инспекции подозрительного объекта в среде "внутренний двор учебного заведения". Расчёт показал увеличение функциональной эффективности.

Вторая НИР, в которой внедрены результаты диссертации, называется HISMAR - Hull Identification System for Marine Autonomous Robotics (Системы идентификации корпусов судов для корабельных автономных роботов). Её целью является повышение автономности мобильных технологических роботов для очистки корпусов судов от биологического обрастания. Проект финансировался Европейским Союзом. Координатором проекта выступал Университет Ньюкасла (Великобритания). Актуальность темы определяется необходимостью очистки корпусов судов и кораблей от обрастаний. Такая очистка ведёт к увеличению скорости хода судов, уменьшению времени плавания по фиксированному маршруту, экономии ГСМ, улучшению экологических показателей этого вида транспорта. Применявшиеся ранее методы очистки: в сухом доке или водолазами не дают требуемой оперативности очистки, достаточного качества выполнения технологической операции, и обладают высокой стоимостью выполнения работ.

Для автоматизации технологической операции очистки был разработан автономный технологический робот (рис. 13), который имеет модульную структуру. В его состав входят мобильная платформа (транспортный модуль с системой крепления к корпусу судна), система очистки (гидрочистящие головки и система рециркуляции жидкости), сенсорная система, система управления.

Рис. 12. Вид модернизированного МРК "Вездеход" во время испытаний

В рамках НИР решена задача расширения спектра функциональных возможностей робота: локализация робота на поверхности судна и его самостоятельное перемещение по корпусу судна при условии нахождения судна на плаву. Разработанная в соответствии с результатами диссертации система комплексной обработки бортовых данных в роботе ШБМАЯ применена для навигации робота на поверхности корпуса судна. Поскольку типовые датчики навигации в составе данной системы не функционировали эффективно в силу особенностей среды и структуры самого робота, то для навигации было принято решение использовать бортовой сенсорный комплекс из фотооптического датчика и магнитометра. Данные, поступающие от бортовых датчиков, подвергались комплексной обработке на уровнях параметр-состояние-ситуация.

Рис. 13.

Испытания созданного автономного мобильного робота, проведённые на судоверфи в г. Ньюкасл (Великобритания) подтвердили правильность принятых решений и достижение расширенного спектра функциональных возможностей: локализацию на корпусе судна, самостоятельное перемещение по корпусу судна, планирование траектории движения по корпусу судна с препятствиями. Расчёт показал увеличение функциональной эффективности робота, достигнутое в результате его оснащения средствами комплексной обработки данных.

Основные выводы

1. В диссертации решён комплекс научно-технических задач, внедрение которых вносит значительный вклад в развитие робототехники и мехатроники, заключающийся в расширении функциональных возможностей роботов путём увеличения уровня автономности.

2. Введено конкретизированное понятие автономности мобильных технологических роботов, предложена классификация автономных мобильных роботов, что позволило систематизировать виды автономности мобильных роботов с учётом их функционального предназначения.

3. Для расширения функциональных возможностей мобильных роботов предложен новый метод, основанный на процедурах целенаправленного повышения уровня их автономности с использованием комплексной обработки данных. Установлено, что комплексная обработка бортовых

Прототип тЭМАЯ во время испытаний в доке и на финальном этапе

данных, осуществляемая в системе управления роботов, является эффективным средством увеличения уровня их автономности

4. Выявлены связи состава компонентов и структуры роботов с уровнем их автономности и спектром функциональных возможностей. Определена взаимозависимость уровня автономности роботов и полноты их функциональных возможностей, что позволяет сформировать способы получения новых функциональных возможностей при модернизации и проектировании роботов.

5. Выявлены связи функциональных возможностей мобильных роботов с типами и уровнем их автономности. Разработаны процедуры принятия решений о развитии структуры и алгоритмов функционирования перспективных автономных роботов на основе мехатронного метода переноса функциональной нагрузки на интеллектуальные устройства, что даёт возможность оптимизировать процесс структурных изменений роботов.

6. Разработаны функциональная и структурная модели мобильного робота, учитывающие взаимодействие робота и среды, позволяющие проводить анализ уровня автономности роботов и формировать комплекс технических решений по расширению функциональных возможностей роботов.

7. Разработан метод оценки уровня автономности мобильных роботов с учётом специфики поставленной задачи и условий её выполнения, дающий возможность оценить изменения функциональных возможностей при проектировании, модернизации, эксплуатации и ремонте роботов.

8. Разработаны классификация основных видов комплексной обработки данных в робототехнике и модели анализа взаимосвязанных данных, поступающих в систему управления роботов, рекомендуемых для повышения автономности роботов.

9. Разработана структура иерархической комплексной обработки бортовых данных, повышающей автономность роботов. Получены определения классов и построение уровней и алгоритмов идентификации задания, задачи, ситуации, типа объекта, состояния и параметров автономного робота и внешней среды в их функциональной взаимосвязи, применение которых формирует единую структуру обработки данных и повышает автономность роботов.

10.Показано, что нечёткие когнитивные карты (НКК) являются эффективным инструментом математического обеспечения для иерархической комплексной обработки бортовых данных в составе автономных роботов. Показано, что НКК, принадлежащие к группе средств интеллектуальных методов управления, обладают

преимуществами, важными для комплексной обработки бортовых данных.

11. Внедрение на практике предложенных методов расширения функциональных возможностей роботов на основе повышения уровня их автономности позволило разработать ряд научно обоснованных технических решений для перспективных образцов робототехники. При создании робота на базе МРК "Вездеход ТМ-3" повышена локальная автономность робота и получена новая функциональная возможность автономного перемещения робота без столкновения с препятствиями и по наклонным плоскостям с защитой от опрокидывания. По международному проекту HISMAR создан робот, способный самостоятельно планировать траектории движения при наличии препятствий и автономно перемещаться по корпусу судна.

Результаты диссертации могут быть использованы на

машиностроительных предприятиях и в организациях, занимающихся

разработкой и применением автономных мобильных технологических

роботов с расширенными функциональными возможностями.

Основные положения диссертации опубликованы в следующих работах:

в изданиях, входящих в перечень ВАК РФ:

1. Ермолов И.Л. Автономность мобильных роботов, её меры и пути её повышения // Мехатроника, автоматизация, управление. 2008, №6.

2. Ермолов И.Л. Повышение автономности мобильных роботов, как важнейшее направление развития современной робототехники // Вестник МГТУ "СТАНКИН". 2010, №2.

3. Ермолов И.Л. Интеллектуальная система комплексной обработки данных в автономных объектах ВВТ /У Известия института инженерной физики. 2009, № 2.

4. Ермолов И.Л., Повышение автономности мобильного робота "Вездеход-ТМЗ" на основе бортовой системы навигации / Баранов Д.Н., Плешаков Р.В., Подураев Ю.В. / Мехатроника, автоматизация, управление. 2008, №5.

5. Ермолов И.Л. Комплексирование данных в мобильной робототехнике. Иерархическое комплексирование данных // Мехатроника, автоматизация, управление. 2008, №9.

6. Ермолов И.Л., Построение подвижных коммуникационных сетей на базе наземных автономных мобильных роботов /Градецкий В.Г., Князьков М.М., Собольников С.А. / Мехатроника, автоматизация, управление. 2011, №11.

7. Ермолов И.Л., Акустическое распознавание объектов среды функционирования автономных мобильных роботов /Сонных М.В. / Вестник МГТУ "СТАНКИН". 2011, № 3.

8. Ермолов И.Л., Роботизированная очистка с использованием автономного робота HISMAR /Балашов B.C., Громов Б.А., Роскилли А.П. / Станки и инструменты. 2011, №3.

9. Ермолов И. Л., Автономный робот для очистки корпусов судов HISMAR /Балашов B.C., Громов Б.А., Роскилли А.П. / Мехатроника, автоматизация, управление. 2009, №9.

10. Ермолов И., Мобильный робот для очистки корпусов судов от обрастаний /Балашов В., Громов Б., Роскилли А. / Морской флот. 2009, № 3.

П.Ермолов И.Л., Интерактивный тренажер для операторов мобильных роботов с элементами актуальной адаптации /Никитин В.Н., Собольников С.А. / Мехатроника, автоматизация, управление. 2010, №9.

12.Ермолов И.Л. Особенности использования нечетких моделей в задачах управления движением мехатронных объектов /Текшева И.В., Цюй Дуньюэ, Подураев Ю.В., Карлов К.Р., / Мехатроника, автоматизация, управление. 2007, №10.

13.Ермолов И.Л., Разработка системы Интернет-управления роботом RTX100 для дистанционного обучения /Кондратьева Н.И., Стрельников А.И. / Мехатроника, автоматизация, управление. 2005, №10.

14.Ермолов И.Л., Применение метода максимальной энтропии для распознавания сенсорной информации мобильных роботов /Байкова А.Т., Левадный К.О., Подураев Ю.В. / Мехатроника, автоматизация, управление. 2003, №10.

15.Ермолов И. Л. Промышленная робототехника: современное состояние и перспективы // Мехатроника, автоматизация, управление. 2003, №6.

16.Ермолов И. Л. Специальная робототехника: современное состояние и перспективы // Мехатроника, автоматизация, управление. 2003, №7.

17.Ермолов И.Л., Математические модели "робот-рабочий орган-инструмент-рабочий процесс" в системе автоматизированного программирования промышленных технологических роботов /Лысенко О.Н., Подураев Ю.В. / Мехатроника, автоматизация, управление. 2002, №2.

18.Ермолов И.Л., Визуализация информации от мобильных роботов для повышения эффективности их работы // Мехатроника, автоматизация, управление. 2001, № 1.

в других изданиях:

19. Ермолов И.Л. Сравнительные меры для оценки автономности мобильных роботов // Симпозиум по робототехнике и мехатронике. Институт проблем управления РАН: сб. тр. конф. -М.: Эксподизайн, 2008.

20. Ермолов И.Л., Информационная бортовая акустическая система мобильных роботов /Сонных М.В. /Труды 21-й научно-технической конференции "Экстремальная робототехника", М., 2010.

21. Ермолов И.Jí. Особенности комплексной обработки данных в мобильных робототехнических устройствах // 2-я Российская мультиконференция по проблемам управления "Мехатроника. Автоматизация. Управление": сб. тр. конф. - СПб.: ГНЦ РФ ЦНИИ "Электроприбор", 2008.

22.Ермолов И.Л. Интеллектуальная система комплексной обработки данных в автономных объектах ВВТ // Третья Всероссийская научно-практическая конференция "Перспективные системы и задачи управления" п. Домбай: сб. тр. конф. - Таганрог: Изд-во ТТИ ЮФУ, 2008.

23.Ермолов И.Л., Метод иерархического комплексирования данных в системах управления мобильных роботов // 18-я научно-техническая конференция "Экстремальная робототехника": сб. тр. конф. - СПб, 2007.

24.Ермолов И.Л., Разработка системы навигации для повышения автономности мобильного робототехнического комплекса "Вездеход-ТМЗ" /Баранов Д.Н., Плешаков Р.В., Подураев Ю.В. / 18-я научно-техническая конференция "Экстремальная робототехника": сб. тр. конф. - СПб, 2007.

25 .Ермолов И. Л., Повышение автономности технологических роботов специального назначения /Плешаков Р.В., Подураев Ю.В. / Всероссийская научно-практическая конференция "Перспективные системы и задачи управления" п. Домбай: сб. тр. конф. - Таганрог: Изд-ео ТТИ ЮФУ, 2006.

26.Ермолов И.Л. Обеспечение автономности в мобильных роботах // XX Международная научно-техническая конференция "Экстремальная робототехника. Нано-, микро- и макророботы" (ЭР-2009): сб. тр. конф. -Таганрог: Изд-во ТТИ ЮФУ, 2009.

27.Ермолов И.Л., Разработка бортовой акустической системы в составе мобильного робота /Сонных М.В., / Международная научно-техническая конференция "Адаптивные и интеллектуальные роботы" (АИР-2009): сб. тр. конф. - Таганрог: Изд-во ТТИ ЮФУ, 2009.

28.Ермолов И.Л., Система роботизированной очистки корпусов судов роботов /Балашов B.C., Громов Б.А., Роскилли А.П., Подураев Ю.В. / 18-я научно-техническая конференция "Экстремальная робототехника": сб. тр. конф. -СПб, 208.

29.Ермолов И.Л., Создание подвижных коммуникационных сетей на базе автономных мобильных роботов /Градецкий В.Г., Князьков М.М., Собольников С.А. /21-я научно-техническая конференция "Экстремальная робототехника": сб. тр. конф. — СПб, 2011.

30.Ermo!ov Ivan L., FCM Stability Analysis by Examination of the Analogical Control Algorithms with Sliding Modes./Martchenko Anna S., Groumpos Peter P., Poduraev Jury V., Stylios Chrysostomos D./ Proceedings of IEEE MED-2004 Conference, Kusadasi, Turkey, 2004.

31.Ermolov Ivan L., Intelligent Sensor-Oriented Mobile Robotics for Pipeline Inspection./Moore Philip R., Poduraev Jury V., / Proceedings of IEEE MED-2004 Conference, Kusadasi, Turkey, 2004.

32.Ermolov Ivan L., An FCM Control Method for Microrobotics./Martchenko Anna S., Groumpos Peter P., Poduraev Jury V., Stylios Chrysostomos D., Choi Seong J./ Proceedings of IARP International Conference on Micro Robots, Micro Machines and Micro Systems, Moscow, 2003.

33.Ermolov Ivan L., Investigating Stability Analysis Issues for Fuzzy Cognitive Maps./Martchenko Anna S., Groumpos Peter P., Poduraev Jury V., Stylios Chrysostomos D. / Proceedings of IEEE MED-2003 Conference, Rhodes, Greece, 2003.

34.Ermolov Ivan L., Fuzzy Cognitive Maps Application in Mobile Robots Performing Cutting Operations, /Martchenko Anna S., Groumpos Peter P., Poduraev Jury V., Stylios Chrysostomos D. / Proceedings of CSIT'2002 Conference, Patras, Greece, 2002.

35.Ermolov I.L., Implementing Automatic Image Processing Based on the Maximum Entropy Method for Mobile Robots Working in the Pipe Environment./Bajkova A.T., Levadny K.O. / Proceedings of CSIT'2002 Conference, Patras, Greece, 2002.

36.ErmoIov Ivan L. Sensor-Based Control for Mobile Robots in Extreme Environments./ , Moore Philip R., Poduraev Jury V., Shvedov Vadim V., / Proceedings of CSIT'2002 Conference, Patras, Greece, 2002.

37.ErmoIov I., Creation of Prototype for Testing of Novel Techniques for Mobile Robotics./Groumpos P., Poduraev J., / Proceedings of CSIT'2001 Conference, Ufa, Russia, 2001.

38.Ermolov Ivan, Computer Aided Robotics in Severe Environmental Applications./Moore Philip, Pu Junsheng, Poduraev Jury, Shvedov Vadim / Proc. of Mechatronics-2000 Conference, USA, Atlanta, 2000.

39.Ermolov Ivan L., Moore Philip R., Poduraev Jury V., Modelling and Visualisation for Mobile Robots Working in Severe Environment, Preprints of the IF AC Symposium MIM-2000, University of Patras, Greece, July 15-17, 2000.

40.Ermolov I.L., Nikitin V.N., Sobolnikov S.A., Adaptive Simulator for Training Mobile Robots' Operators, Proc. of CLAWAR Conference, Leuven, Belgium, 2011.

Автореферат диссертации на соискание ученой степени доктора технических наук

Ермолов Иван Леонидович

Расширение функциональных возможностей мобильных технологических роботов путем повышения уровня их автономности с использованием иерархической комплексной обработки бортовых данных

Подписано в печать 26.04.2012. Формат 60* 90 1/16. Бумага 80 г. Усл. печ. л. 2,75. Тираж 120 экз. Заказ 91.

Отпечатано а Издательском центре ФГБОУ ВПО Московский государственный технологический университет «СТАНКИН» 127055, Москва, Вадковский пер., За Тел.: 8(499) 973-31-93

Введение

Глава 1. Анализ состояния научной проблемы расширения функциональных возможностей мобильных технологических роботов

1.1 Анализ проблемы расширения функциональных возможностей мобильных технологических роботов в свете современных тенденций развития робототехники

1.2 Анализ способов расширения функциональных возможностей мобильных технологических роботов

1.3 Цели и задачи диссертации

Глава 2. Автономность мобильных технологических роботов

2.1 Понятие автономности и классификация автономных технологических роботов

2.2 Разработка структурной модели автономных технологических роботов

2.3 Разработка функциональной модели автономных технологических роботов

2.4 Метод оценки уровня автономности мобильных роботов

2.5 Анализ способов повышения автономности мобильных роботов

2.6 Выводы по второй главе

Глава 3. Расширение функциональных возможностей роботов путём повышения уровня их автономности

3.1 Исследование влияния типов и уровня автономности мобильных роботов на их функциональные возможности

3.2 Анализ способов расширения функциональных возможностей мобильных роботов путём повышения уровня их автономности

3.3 Подход к построению мобильных технологических роботов с расширенными функциональными возможностями с использованием комплексной обработки данных для повышения уровня их автономности

3.4 Выводы по третьей главе

Глава 4. Комплексная обработка бортовых данных в мобильных роботах

4.1 Понятие и классификация комплексной обработки бортовых данных в составе мобильного робота

4.2 Анализ современных архитектур систем комплексной обработки данных

4.3 Структура иерархической комплексной обработки бортовых данных, её модели и принцип работы

4.4 Разработка метода расширения функциональных возможностей мобильных роботов путём повышения уровня их автономности с использованием комплексной обработки данных

4.5 Выводы по четвёртой главе

Глава 5. Математическое обеспечение комплексной обработки данных

5.1 Анализ математических методов комплексной обработки данных

5.2 Применение нечётких когнитивных карт для комплексной обработки бортовых данных

5.3 Выводы по пятой главе

Глава 6. Использование теоретических выводов для решения практических задач расширения функциональных возможностей мобильных роботов

6.1 Расширение функциональных возможностей мобильного робототехнического комплекса "Вездеход-ТМЗ"

6.2 Разработка автономного мобильного технологического робота "Н^МАЯ" для очистки судов от биологических обрастаний

6.3 Выводы по шестой главе

Современный этап развития научно-технического прогресса характеризуется возрастающим применением мобильных технологических роботов, как в количестве, так и в качественном расширении областей, в которых мобильные роботы выполняют те или иные операции.

Анализ состояния мобильной робототехники в промышленно развитых странах показывает, что роботы активно применяются в автоматизированном машиностроении, атомной промышленности, топливно-энергетическом комплексе, коммунальных службах и других отраслях народного хозяйства. Важную роль мобильные технологические роботы играют в обеспечении обороноспособности и внутренней безопасности суверенных государств.

Среди типов выполняемых операций мобильные роботы осуществляют инспекцию труднодоступных мест, разведку недетерминированных сред, картографирование местности, проведение технологических, ремонтных и сервисных операций, создание подвижных реконфигурируемых сетей связи, эвакуацию взрывоопасных предметов, операции пожаротушения. В последнее время появились сведения о применении мобильных роботов в качестве ударного средства воздействия вооруженными силами и специальными службами.

Однако робототехника как промышленная, так и мобильная, имеет широкий потенциал для дальнейшего расширения областей применения роботов, а также для увеличения количества применяемых роботов.

Важную роль в дальнейшем увеличении применений роботов играет расширение функциональных возможностей роботов.

Одним из перспективных направлений расширения функциональных возможностей мобильных технологических роботов является повышение уровня их автономности.

Вопрос создания автономных роботов активно изучается на протяжении последнего десятилетия как отечественными учёными, так и за рубежом. Однако, по мнению автора, в этих работах недостаточно исследован механизм взаимосвязи автономности роботов и их функциональных возможностей.

Таким образом, актуальной является научная задача развития теоретических и практических подходов к расширению функциональных возможностей роботов на основе увеличения степени их автономности.

Решению этой проблемы и посвящена данная диссертация

Научным консультантом работы выступил проф. Ю.В. Подураев (МГТУ "СТАНКИН").

Значительную помощь в подготовке работы также оказал проф. Ю.В. Илюхин (МГТУ "СТАНКИН").

Диссертация основывается на результатах исследований в области робототехники и мехатроники, отражённых в трудах И.М.Макарова, Д.Е.Охоцимского, Е.П.Попова, Д. А. Поспелова, Ф.Л. Черноусько, С.Ф. Бурдакова, В.Г. Градецкого, C.JI. Зенкевича, Ю.В. Илюхина, Б.Г. Ильясова, В.Ф. Казмиренко, И.А. Каляева, B.C. Кулешова, В.М. Лохина, A.B. Лопоты, C.B. Манько, Ю.Г. Мартыненко, B.C. Медведева, Ю.В. Подураева, В.Е.Пряничникова, В.В. Путова, В.Х. Пшихопова, И.В.Рубцова, В.Б. Силова, Е.Д. Теряева, A.C. Федулова, В.Ф. Филаретова, Е.И. Юревича, A.C. Ющенко и других российских ученых.

Среди зарубежных учёных следует отметить научные исследования, проводимые под руководством Л. Заде, Б. Коско, Р. Парашурмана, Г. Саридиса, П. Антсаклиса, Г. Вахтсеваноса и П. Грумпоса и других учёных.

Тематика диссертации соответствует приоритетным направлениям развития науки, технологий и техники в Российской Федерации: Информационно-телекоммуникационные системы, Перспективные виды вооружения, военной и специальной техники, приоритетным направлениям модернизации и технологического развития экономики России: Стратегические компьютерные технологии и программное обеспечение, критическим технологиям: Технологии информационных, управляющих, навигационных систем. Нано-, био-, информационные, когнитивные технологии, Базовые и критические военные и промышленные технологии для создания перспективных видов вооружения, военной и специальной техники.

Часть материалов, представленных в диссертации, выполнена в ходе совместных работ с аспирантами B.C. Балашовым, Б.А. Громовым, Н.И. Кондратьевой, В.А. Орловой, Д.Д. Скатовой, М.В. Сонных, А.И. Стрельниковым, С.А. Собольниковым, что отражено в совместных публикациях.

Автор также хочет отдельно поблагодарить Е.В. Алпатову и Н.В. Гусеву, оказавших в различной форме помощь в работе над диссертацией.

Также автор благодарит супругу Алёну Сергеевну и родителей Леонида Ивановича и Марину Карэновну за их помощь и поддержку в выполнении этой работы.

Диссертация состоит из Введения, шести глав, Заключения и Библиографического списка, включающего 205 наименований. Диссертация содержит 280 страниц машинописного текста, 140 рисунков, 19 таблиц, Приложение.

ОСНОВНЫЕ РЕЗУЛЬТАТЫ И ВЫВОДЫ

1. В диссертации решён комплекс научно-технических задач, внедрение которых вносит значительный вклад в развитие робототехники и мехатроники, заключающийся в расширении функциональных возможностей роботов путём увеличения уровня автономности.

2. Введено конкретизированное понятие автономности мобильных технологических роботов, предложена классификация автономных мобильных роботов, что позволило систематизировать виды автономности мобильных роботов с учётом их функционального предназначения.

3. Для расширения функциональных возможностей мобильных роботов предложен новый метод, основанный на процедурах целенаправленного повышения уровня их автономности с использованием комплексной обработки данных. Установлено, что комплексная обработка бортовых данных, осуществляемая в системе управления роботов, является эффективным средством увеличения уровня их автономности

4. Выявлены связи состава компонентов и структуры роботов с уровнем их автономности и спектром функциональных возможностей. Определена взаимозависимость уровня автономности роботов и полноты их функциональных возможностей, что позволяет сформировать способы получения новых функциональных возможностей при модернизации и проектировании роботов.

5. Выявлены связи функциональных возможностей мобильных роботов с типами и уровнем их автономности. Разработаны процедуры принятия решений о развитии структуры и алгоритмов функционирования перспективных автономных роботов на основе мехатронного метода переноса функциональной нагрузки на интеллектуальные устройства, что даёт возможность оптимизировать процесс структурных изменений роботов.

6. Разработаны функциональная и структурная модели мобильного робота, учитывающие взаимодействие робота и среды, позволяющие проводить анализ уровня автономности роботов и формировать комплекс технических решений по расширению функциональных возможностей роботов.

7. Разработан метод оценки уровня автономности мобильных роботов с учётом специфики поставленной задачи и условий её выполнения, дающий возможность оценить изменения функциональных возможностей при проектировании, модернизации, эксплуатации и ремонте роботов.

8. Разработаны классификация основных видов комплексной обработки данных в робототехнике и модели анализа взаимосвязанных данных, поступающих в систему управления роботов, рекомендуемых для повышения автономности роботов.

9. Разработана структура иерархической комплексной обработки бортовых данных, повышающей автономность роботов. Получены определения классов и построение уровней и алгоритмов идентификации задания, задачи, ситуации, типа объекта, состояния и параметров автономного робота и внешней среды в их функциональной взаимосвязи, применение которых формирует единую структуру обработки данных и повышает автономность роботов.

10.Показано, что нечёткие когнитивные карты (НКК) являются эффективным инструментом математического обеспечения для иерархической комплексной обработки бортовых данных в составе автономных роботов. Показано, что НКК, принадлежащие к группе средств интеллектуальных методов управления, обладают преимуществами, важными для комплексной обработки бортовых данных.

11.Внедрение на практике предложенных методов расширения функциональных возможностей роботов на основе повышения уровня их автономности позволило разработать ряд научно обоснованных технических решений для перспективных образцов робототехники. При создании робота на базе МРК "Вездеход ТМ-3" повышена локальная автономность робота и получена новая функциональная возможность автономного перемещения робота без столкновения с препятствиями и по наклонным плоскостям с защитой от опрокидывания. По международному проекту Н^МАИ создан робот, способный самостоятельно планировать траектории движения. при наличии препятствий и автономно перемещаться по корпусу судна.

12.Результаты диссертации могут быть использованы на машиностроительных предприятиях и в организациях, занимающихся разработкой и применением автономных мобильных технологических роботов с расширенными функциональными возможностями.

Исключение лишних временных-задержек

Снижение требований к аппаратному и программному обеспечению роботов

Новые области применения мобильных роботов

Удешевление применения мобильных роботов

1. Агеев М.Д., АНПА с питанием от солнечных батарей// в сб. Подводные роботы и их системы, 1995.

2. Ареопагит Дионисий. О небесной иерархии, Подгот. древнегреч. текстов, рус. пер. и справ, материала М. Г. Ермаковой; Вступ. ст. Г. В. Флоровского, с. IX-XXXII. СПб.: Глаголъ, 1997.

3. Аристотель. Соч. в 4-х т. Т. 1.0 душе. М.: Мысль, 1976.

4. Аршанский M. М., Королев Д. Е., Разработка специальной базы знаний на основе данных инспекционной системы в задачах управления мобильными роботами, Мехатроника, Автоматизация, Управление №10, 2008.

5. Багрова, Мария Сергеевна, Алгоритмы комплексирования инерциального блока низкого класса точности и системы спутниковой навигации: диссертация. кандидата технических наук: 05.11.03, Москва, 2001.

6. Баранов Д.Н., Ермолов И.Л., Плешаков Р.В., Подураев Ю.В. Повышение автономности мобильного робота "Вездеход-ТМЗ" на основе бортовой системы навигации / / Мехатроника, автоматизация, управление. 2008, №5.

7. Батанов А.Ф., Грицынин С.Н., Муркин C.B., Робототехнические комплексы для обеспечения специальных операций, Специальная Техника, № 6, 1999.

8. Бескид П. П., Валеев В. Г., Викторов А. Д. и др., Построение судового радиооборудования: (Комплексирование и учет априор. информ.); Под ред. В. И. Винокурова. Л.: Судостроение, 1982. - 229 с.

9. Бондарь Д.В., Левин Г.Г., Автономный режим подвижного аппарата робототехнического комплекса разведки (РТК-Р)// Материалы XX Международной научно-технической конференции Экстремальная робототехника. Нано-, микро-, и макророботы. 2009.

10. Брискин Е.С., Жога В.В., Шурыгин В.А., Об энергетически оптимальном управлении движением шагающей машины с цикловыми движителями.// Труды десятой Всероссийской научно-практической конференции Экстремальная робототехника. 2007.

11. Бродовой В. В., Комплексирование геофизических методов: Учеб. для геофиз. спец. / В. В. Бродовой. М.: Недра, 1991.

12. БСЭ, Большая Советская Энциклопедия. М., Советская Энциклопедия, 1975.

13. Бурдаков С.Ф., Мирошник И.В., Стельмаков Р.Э, Системы управления движением колёсных роботов. СПб.: Наука, 2001.

14. Бушуев В.В., Сабиров Ф.С. Направления развития мирового станкостроения, Вестник МГТУ Станкин. Научный рецензируемый журнал. М.: МГТУ Станкин, №1 (9), 2010.

15. Верба Г.Е., Пономарев П.А., Фёдоров C.B., Создание систем передачи информации и мониторинга на базе воздухоплавательных аппаратов, Труды Третьей Всероссийской научно-практической конференции Перспективные системы и задачи управления, Домбай, 2008.

16. Винокуров, Игорь Викторович Нейросетевой метод моделирования кинематики в радионавигационной системе автономного подвижного объекта: диссертация. кандидата технических наук: 05.12.14, Москва, 2006.

17. Габриелян, Арам Робертович Программно-алгоритмическое обеспечение систем технического зрения для автономного манипуляционного робота: автореферат дис. кандидата технических наук: 05.02.05, Москва, 1999.

18. Городецкий В.И., Карсаев О.В., Самойлов В.В., Обработка информации в системах анализа и понимания сложных ситуаций. Труды Третьей Всероссийской научно-практической конференции Перспективные системы и задачи управления, Домбай, 2008.

19. Градецкий В.Г., Рачков М.Ю., Роботы вертикального перемещения. М.: РАН, Отделение проблем машиностроения, механики и процессов управления, 1997.

20. Дементьев А. В., Бычков И. А. Модели управления охраной труда на основе нечетких когнитивных карт// Сборник трудов Междунар. науч. конф. Математические методы в интеллектуальных информационных системах. ММИИС-2002, Смоленск, 2002. С. 142.

21. Дюк, В.А. Обработка данных на ПК в примерах/ В.А.Дюк. СПб: Питер, 1997. -312 с.

22. Ермолов И.Jl., Кондратьева Н.И., Стрельников А.И. Разработка системы Интернет-управления роботом RTX100 для дистанционного обучения, Мехатроника, автоматизация, управление №10, 2005.

23. Заде Л. Понятие лингвистической переменной и его применение к принятию приближенных решений. М.:Мир, 1976.

24. Заузолков А. В., Геофизический мониторинг подводных переходов трубопроводов и его информационно-аналитическое обеспечение, Труды конференции EAGE Геоинформатика-2010, г. Киев.

25. Зенкевич С. Л., Минин A.A., Построение карты мобильным роботом, оснащённым лазерным дальномером, методом рекуррентной фильтрации// Мехатроника, автоматизация, управление. 2007. - №8.

26. Илюхин Ю.В., Создание высокоэффективных систем управления исполнительными движениями роботов и мехатронных устройств на основе технологически обусловленного метода синтеза: диссертация. доктора технических наук: 05.02.05. Москва, 2001. - 378 е.: ил.

27. Интеллектуальные системы автоматического управления/ Под ред. И.М.Макарова, В.М. Лохина. -М.: Физматлит, 2001 г.

28. Инзарцев, Александр Вячеславович, Исследование и разработка программной среды системы управления автономного необитаемого подводного аппарата: диссертация. кандидата технических наук: 05.13.16, Владивосток, 1999.

29. Каляев И. А., Шеремет И. А., Военная робототехника: выбор пути, Мехатроника, Автоматизация, Управление №2, 2008.

30. Киселев, Лев Владимирович Организация пространственного движения автономного подводного аппарата при траекторном обследовании объектов, областей, физических полей: диссертация. доктора технических наук: 05.13.01, Владивосток, 1997.

31. Кобринский Б.А., К вопросу о формальном отражении образного мышления и интуиции специалиста слабо структурированной предметной области. Новости искусств, интеллекта. 1998. №3.

32. Ермолов И.Л., Кондратьева Н.И., Стрельников А.И. Разработка системы Интернет-управления роботом RTX100 для дистанционного обучения / / Мехатроника, автоматизация, управление. 2005, №10.

33. Кравченко Ю. Б. и др., Проблемы комплексирования геолого-геофизических методов при поисках месторождений нефти и газа на Украине, Киев: О-во Знание УССР, 1990.

34. Крайлюк А. Д., Комченков В. И., Ивлев А. Д., Юрин А. Д. Основы концепции развития робототехники военного назначения до 2030 г., Труды третьей Всероссийской научно-практической конференции Перспективные системы и задачи управления, п. Домбай, 2008.

35. Кузык Б.Н., Яковец Ю.В Стратегия инновационного прорыва; Экономика, 2004 г. 632 стр.

36. Кунин Н.Я., Комплексирование геофизических методов при геологических исследованиях. М. Недра, 1972.

37. Лебедев, Александр Васильевич Синтез адаптивной системы управления пространственным движением автономного подводного робота: автореферат дис. кандидата технических наук: 05.13.07 / Дальневосточ. гос. техн. ун-т, Владивосток, 1997.

38. Литвина И. Я., Комплексирование геохимических методов при поисках месторождений нефти и газа: автореферат дис. кандидата геол.-минер. наук: 04.00.13 / ВНИИ геологич., геофиз. и геохим. систем. Москва, 1994. - 20 с.

39. Машков К.Ю., Наумов В.Н., Рубцов И.В., Боевые минироботы и обеспечение их подвижности на поле боя.// Сборник материалов 3-й Всероссийской научно-практической конференции Перспективные системы и задачи управления т1. 2008.

40. Медведев В. С., Торбин С. В., Шеслер М. С., Синтез адаптивных нейрокомпьютерных систем управления на основе теории интерактивной адаптации, Мехатроника №10, 2004.

41. Минин A.A., Навигация и управление мобильным роботом, оснащенным лазерным дальномером, диссертация на соискание степени к.т.н., Москва, 2008.

42. Миргалеев А. Т., Метод обучения многоагентных информационных систем с использованием нечетких когнитивных карт. Телекоммуникации №11, 2004 г.

43. Михайлов Б.Б. Техническое зрение мобильных роботов.// Труды десятой Всероссийской научно-практической конференции Экстремальная робототехника. 2007.

44. Мнёв В.И., Способы обработки информации в системах управления информационными ресурсами региона, основанные на когнитивных картах инечётком логическом выводе: диссертация. кандидата технических наук: 05.13.01, Смоленск, 2002.

45. Монтвелишский М. Б., Система задачно-ориентированного планирования траектории движения робота: автореферат дис. кандидата технических наук: 05.13.11 / ЛГУ.-Ленинград, 1989.

46. Морские обрастания. и древоточцы. Труды Института океанологии АН СССР, Т.49-М., 1961.

47. Никольский А. Е., Введение в комплексирование бортовых систем: Учеб. пособие / А. Е. Никольский, В. В. Головняк, И. А. Прохоров; Моск. авиац. ин-т им. С. Орджоникидзе. М.: Изд-во МАИ, 1989.

48. Орлов, Игорь Викторович Управление движением автономного мобильного телескопического манипулятора: дисс. кандидата технических наук: 01.02.01, Москва, 2004.

49. Охоцимский Д.Е., Голубев Ю.Ф. Механика и управление движением автоматического шагающего аппарата М., Наука, 1984.

50. Палама Григорий (Свт.), Омилии, в 2х тт., Издательство: М., Приход храма Святаго Духа сошествия, 2008 г.

51. Пешехонов В.Г. Интегрированные инерциально-спутниковые системы навигации // Сборник докладов и статей под общей редакцией акад. РАН В.Г. Пешехонова. Составитель: д.т.н. О.А.Степанов. СПб.: ГНЦ РФ - ЦНИИ Электроприбор, 2001. - 235 с.

52. Подураев Ю.В., Мехатроника: основы, методы, применение: учеб. Пособие для студентов ВУЗов. М. Машиностроение, 2006.

53. Петухов С. В., Методы автономной навигации при попятном движении робота по запомненным ориентирам на пройденной траектории, Мехатроника, Автоматизация, Управление №2, 2008.

54. Поспелов, Дмитрий Александрович, Ситуационное управление: Теория и практика / Д. А. Поспелов. М.: Наука, 1986.

55. Рачков М.Ю., Кузмичев A.B., Мобильный робот повышенной проходимости.//6-я специализированная выставка Робототехника, Симпозиум по робототехнике и мехатронике. РАН Институт проблем механики РАН. 2008.

56. Силов В.Б. Принятие стратегических решений в нечеткой обстановке. М.: ИНПРО-РЕС. - 1995. - 228с.

57. Сорокин А. И., Краснов В. Н. Корабли проходят испытания. — Д.: Судостроение, 1985.

58. Станкевич JI.A., Юревич Е.И., Разумные роботы будущее робототехники //Экстремальная робототехника. Сборник докладов международной научнотехнической конференции. 2011.Попов Е. П., Робототехника и гибкие производственные системы. М.: Наука, 1987.

59. Тархов А. Г., Комплексирование геофизических методов: Учебник для вузов по спец. Геофиз. методы поисков и разведки месторождений полез, ископаемых . / А. Г. Тархов, В. М. Бондаренко, А. А. Никитин. М.: Недра, 1982.

60. Текшева И.В., Цюй Дуньюэ, Подураев Ю.В., Карлов K.P., Ермолов И.Д., Особенности использования нечетких моделей в задачах управления движением мехатронных объектов. Мехатроника, автоматизация, управление 2007. №10.

61. Тищенко A.C., Михайлов Б.Б., Автономная навигация мобильного робота в динамической среде с помощью системы технического зрения.// Труды десятой Всероссийской научно-практической конференции Экстремальная робототехника. 2007.

62. Толстов K.M., Выбор конструкций станков на основе оценки их компактности: автореферат дис. кандидата технических наук: 05.03.01. Москва, 1998. - 22 е.: ил.

63. Труханов В.М., Справочник по надёжности специальных подвижных установок. М.: Машиностроение, 1997 г.

64. Федулов A.C., Модели, методы и программные средства обработки нечеткой информации в системах поддержки принятия решений на основе когнитивных карт. Диссертация на соискание ученой степени доктора технических наук, Москва, 2007.

65. Филаретов В.Ф., Юхимец Д.А., Синтез системы автоматического формирования скорости движения подводного робота. // Материалы XX Международной научно-технической конференции Экстремальная робототехника. Нано-, микро-, и макророботы. 2009.

66. Филатов И. Ю., Алгоритмы совместной обработки информации от бортовых источников летательного аппарата на основе логики взаимного расположения объектов: Автореф. дис. канд. техн. наук: 05.13.11 / Рязан. гос. радиотехн. ун-т.

67. Шамси Б. Т., Комплексирование ИНС/GPS-TJIOHACC с целью коррекции углов ориентации подвижного объекта: диссертация. кандидата технических наук: 05.11.03. Москва, 2000.

68. Юревич Е.И., Ближайшие задачи экстремальной робототехники.// Труды десятой Всероссийской научно-практической конференции Экстремальная робототехника. 2007.

69. Ющенко А.С., Интеллектуальная робототехника от управления к диалогу.// Материалы XX Международной научно-технической конференции Экстремальная робототехника. Нано-, микро-, и макророботы. 2009.

70. Ямалов И. У. Моделирование процессов управления ликвидацией чрезвычайных ситуаций с использованием нечетких когнитивных карт, Экология промышленного производства, №3, 2006.

71. Ageev Michael D., An Analysis of Long-Range AUV, Powered by Solar Energy. Proc. of the Oceans'95 Conf., Brest, France.

72. Alami R., Chatila R., Fleury S., Ghallab M., and Ingrand F. An Architecture for Autonomy. International Journal of Robotics Research, 17(4), Apr. 1998.

73. Anti-fouling. convention enters into force. IMO News, The Magazine of the International Maritime Organization, p. 10, Issue 4, 2008.

74. Antony R.T., Principles of Data Fusion Automation, 1995, Artech House.

75. Antsaklis, P.J., K.M. Passino and S.J. Wang, Towards Intelligent Autonomous control Systems: Architecture and Fundamental Issues, Journal of Intelligent and Robotic Systems, Vol. l,No. 4.

76. Axelrod, R. Structure of Decision, The Cognitive Maps of Political Elites. Princeton, NJ: Princeton University Press, 1976.

77. Bedworth M. D. and J. O'Brien. The Omnibus Model: A New Architecture for Data Fusion? In Proceedings of the 2nd International Conference on Information Fusion (FUSION'99), Helsinki, Finland, July 1999.

78. Bernardini S., Smith D., Automatically Generated Heuristic Guidance for Europa2, Proc. 9th International Symposium on AI, Robotics, and Automation in Space (iSAIRAS-08), Los Angeles, California, 2008.

79. Beyeler Antoine, Mattiussi Claudio, Zufferey Jean-Christophe and Floreano Dario, Vision-based Altitude and Pitch Estimation for Ultra-light Indoor Microflyers, Proc. of

80. EE International Conference on Robotics and Automation, May 15-19, 2006, Orlando, Florida, USA. -1 эл. опт. диск (CD-ROM).

81. Bielli Maurizio, Mecoli Mariagrazia, Villa Agostino, Autonomy Versus Efficiency in Management of Large-Scale Logistics Networks, Proc. of 16 World IF AC Congress, Prague, Czech Republic, 2005. 1 эл. опт. диск (CD-ROM).

82. Boyd J. R., A Discourse on Winning and Losing. Unpublished set of briefing slides, Air University Library, Maxwell AFB, AL, USA, May 1987. URL: http://www.ausairpower.net/JRB/intro.pdf (дата обращения: 01.12.2010).

83. Butini F., Cappellini V., and Fini S., Remote Sensing Data Fusion on Intelligent Terminals, European Transactions on Telecommunications and Related Technologies. Nov.-Dec. 1992.

84. Canan, S.; Akkaya, R.; Ergintav, S. Extended Kalman filter sensor fusion and application to mobile robot Proceedings of the IEEE 12th Signal Processing and Communications Applications Conference, 2004. Volume, Issue, 28-30 April 2004.

85. Carvalho, J.P., Tom, J.A., Issues on the Stability of Fuzzy Cognitive Maps and Rule-Based Fuzzy Cognitive Maps, Proceedings of the 21st International Conference of the North American Fuzzy Information Processing Society, NAFIPS2002.

86. Chagas N.C., Hallam J., A Learning Mobile Robot: Theory, Simulation and Practice, Learning robots, Proceedings of the 6th European workshop, EWLR-6, Brighton, England, August 1997.

87. Chanthery Elodie, Barbier Magali, Farges Jean-Loup, Planning Algorithms For Autonomous Aerial Vehicle, Proc. of 16 World IF AC Congress, Prague, Czech Republic, 2005. 1 эл. опт. диск (CD-ROM).

88. Chao J.J., Knowledge-based Moving Target Detector. ISNCR-89. Noise and Clutter Rejection in Radars and Imaging Sensors. Proceedings of the Second International Symposium. 14-16 Nov. 1989: Kyoto, Japan. Inst. Electron. Inf. Commun., 1990.

89. Cheng Q., Fan Z.-T., The Stability Problem for Fuzzy Bidirectional Associative Memories, Fuzzy Sets and Systems, 132,2002.

90. Choi Minyong, Sakthivel R., and Chung Wan Kyun, Neural Network-Aided Extended Kalman Filter for SLAM Problem, Proc. of IEEE International Conference on Robotics and Automation, Roma, Italy, 10-14 April 2007. 1 эл. опт. диск (CD-ROM).

91. Chew P., Marzullo K., Masking Failures of Multidimensional Sensors. In Proc. of the 10th Symposium of Reliable Distributed Systems, Pisa, Italy, Oct. 1991.

92. Dailey Daniel.J., Harn Patricia, and Lin Po-Jung ITS Data Fusion, Final Research Report, Research Project T9903, Washington State Department of Transportation, April 1996.

93. DeClaris, N. Neural Network. McGraw-Hill Encyclopedia of Science & Technology. McGraw-Hill: New York, 1992.

94. Dickerson J. A., Kosko В., Virtual Worlds as Fuzzy Cognitive Maps, Presence, 3(2):173-189, MIT Press, 1994.

95. Digney Bruce L., Telematic and Shared Control of Military Land Vehicles, Proc. of 17 World IF AC Congress, Barcelona, Spain, 2003. 1 эл. опт. диск (CD-ROM).

96. Doucet A., Godsill S., and Andrieu C. On Sequential Monte Carlo Sampling Methods for Bayesian filtering. Statistics and computing, 10, 2000.

97. Eimenreich Wilfried, Sensor Fusion in Time-Triggered Systems, Technischen Universität Wien, Wien, im Oktober 2002.

98. Elnagar A. and Hussein A.M., An Adaptive Motion Prediction Model for Trajectory Planner Systems, Proc. of IEEE International Conference on Robotics and Automation, September 14-19, 2003, Taipei, Taiwan. 1 эл. опт. диск (CD-ROM).

99. Ermolov I., Groumpos P., Poduraev J., Creation of Prototype for Testing of Novel Techniques for Mobile Robotics.// Proceedings of CSIT'2001 Conference, Ufa, Russia, 2001.- 1 эл. опт. диск (CD-ROM).

100. Ferreira Antoine, Strategies of Human-Robot Interaction for Automatic Microassembly, Proc. of IEEE International Conference on Robotics and Automation, September 14-19, 2003, Taipei, Taiwan. 1 эл. опт. диск (CD-ROM).

101. Goodman I.R., R.P. Mahler, H.T. Nguyen, Mathematics of Data Fusion, Netherlands, 2000.

102. Goodrich, M.A., D.R. Olsen, J.W. Crandall and T.J. Palmer (2001). Experiments in adjustable autonomy. In: Workshop on Autonomy Delegation and Control. IJCAI 2001. Seattle WA. 1 эл. опт. диск (CD-ROM).

103. Goto К. and Yamaguchi Т., Fuzzy Associative Memory Application to a Plant Modeling, in Proc. of the Internat. Conf. on Artificial Neural Networks (ICANN-91), Espoo, Finland, 1991.

104. Hall D.L., Llinas J., An introduction to Multisensor Data Fusion, Proceedings of the IEEE, vol. 85, no. 1, 1997.

105. Hall D.L., Mathematical Techniques in Multisensor Data Fusion, 2004, Artech House.

106. Harary, F., R. Z. Norman, and D. Cartwright, Structural Models: An Introduction to the Theory of Directed Graphs. New York, NY: John Wiley & Sons, 1965.

107. Hart Peter E., Nilsson Nils J., Raphael Bertram, A Formal Basis for the Heuristic Determination of Minimum Cost Paths, IEEE Trans. Syst. Sei. & CyberneticsSSC-4, No. 2, 1968.

108. HISMAR. URL: http://www.hismar.eu/ (дата обращения: 01.06.208).

109. Hoover A. and Olsen B.D., Sensor Network Perception for Mobile Robotics, Proc. of IEEE International Conference on Robotics and Automation, San Francisco, CA, April 2000. 1 эл. опт. диск (CD-ROM).

110. Huang Hui-Min, Pavek Kerry, Albus James, Messina Elena, Autonomy Levels for Unmanned Systems (ALFUS) Framework: An Update, Proc. of 2005 SPIE Defense and Security Symposium, Orlando, Florida.

111. Huang Shoudong, Gamini Dissanayake, Convergence Analysis for Extended Kaiman Filter based SLAM, Proc. of IEEE International Conference on Robotics and Automation, May 15-19, 2006, Orlando, Florida, USA. 1 эл. опт. диск (CD-ROM).

112. Hughes Т.J., Sensor Fusion in a Military Avionics Environment. Measurement and Control. Sept. 1989.

113. Jang J.S., Sun C.T. and Mizutani E., Neuro-Fuzzy and Soft Computing, Prentice Hall, Upper Saddle River, N. J., 1999.

114. Kaiman, R.E. A New Approach to Linear Filtering and Prediction Problems. Trans. ASME, J. of Basic Engineering. March 1960.

115. Kim D.-J., Song W.-K., Han J.-S., Zenn Z. Bien, Soft Computing Based Intention Reading Techniques as a Means of Human-Robot Interaction for Human Centered System, Journal on Soft Computing no. 7, 2003, Springer-Verlag.

116. Kim H.S. and Lee K.C., Fuzzy implications of fuzzy cognitive map with emphasis on fuzzy cognitive relationship, Fuzzy Sets and Systems 97,1998.

117. Kosko В., Fuzzy Cognitive Map, International Journal Man-Machine Studies, 1986, Vol. 24.

118. Kosko В., Neural Networks and Fuzzy Systems, Prentice Hall, Englewood Cliffs, N.J., 1992.

119. Kosko В., Fuzzy Engineering, Prentice Hall, 1997.

120. Lampe Alexandre and Chatila Raja, Performance Measure For the Evaluation of Mobile Robot Autonomy, Proc. of IEEE International Conference on Robotics and Automation, May 15-19, 2006, Orlando, Florida, USA 1 эл. опт. диск (CD-ROM).

121. Lexicon. U.S. Department of Defense, Data Fusion Subpanel of the Joint Directors of Laboratories, Technical Panel for C3, Data fusion lexicon, 1991.

122. Liebowitz, J. Introduction to Expert Systems. Mitchell/McGraw-Hill: New York, 1988.

123. Lin C.T. and Lee G., Neural Fuzzy Systems, A Neuro-Fuzzy Synergism to Intelligent Systems, Prentice-Hall, Upper Saddle River, NJ, 1996.

124. Liu Huaping, Sun Fuchun and He Kezhong, Symmetry-Aided Particle Filter for Vehicle Tracking, Proc. of IEEE International Conference on Robotics and Automation, Roma, Italy, 10-14 April 2007. 1 эл. опт. диск (CD-ROM).

125. Liu, L.J., Gu, Y.G., and J.Y. Yang. Inference for Data Fusion. Neural and Stochastic Methods in Image and Signal Processing. Proceedings of the SPIE The International Society for Optical Engineering. 20-23 July 1992: San Diego, CA. SPIE, 1992.

126. Markin M., С. Harris, М. Bernhardt, J. Austin, M. Bedworth, P. Greenway, R. Johnston, A. Little, and D. Lowe. Technology Foresight on Data Fusion and Data Processing. Publication, The Royal Aeronautical Society, 1997.

127. Marzullo K., Tolerating Failures of Continuous-Valued Sensors, ACM Trasnactions on Computer Systems, 8, Nov. 1990.

128. Medsker L.R., Hybrid Intelligent Systems, Kluwer Academic Publishers, Norwell, 1995.

129. Moutarlier, P. and R. Chatila. Stochastic Multisensory Data Fusion for Mobile Robot Location and Environment Modelling. Robotics Research: Fifth International Symposium. 28-31 Aug. 1989: Tokyo, Japan. MIT Press, 1990 (85-94).

130. Murakita Takuya and Ishiguro Hiroshi, Multi-hypothesized Oscillation Models Employing Floor Sensors for Tracking People, Proc. of IEEE International Conference on Robotics and Automation, Roma, Italy, 10-14 April 2007. 1 эл. опт. диск (CD-ROM).

131. Murphy Edward F., Bender Gary C., Schaefer Larry J., Shepard Michael M., Williamson Charles W., Information Operations: Wisdom Warfare For 2025 A Research Paper Presented To Air Force, April 1996.

132. Myung Hyunsam, Bang Hyochoong, Oh Choongsuk, Tahk Min-Jea, Nonlinear Predictive Attitude Control of Spacecraft under External Disturbance, Proc. of 17 World IF AC Congress, Barcelona, Spain, 2003. 1 эл. опт. диск (CD-ROM).

133. NASA SBIR Abstracts Phase 1 Projects. NASA, 1990.

134. Naumann Felix, Data fusion and data quality. In Proceedings of the New Techniques & Technologies for Statistics Seminar (NTTS), Sorrento, Italy, 1998.

135. Nie J. and Linkens D., Fuzzy-Neural Control: Principles, Algorithms and Applications, Prentice Hall Europe, Hertfordshire, 1995.

136. Oore S., Hinton G.E., and Dudek G. A mobile robot that learns its place. Neural Computation, 9(3):683-699, 1997.

137. Ozesmi Uygar, Fuzzy Cognitive Maps of Local People Impacted by Damb Construction: Their Demands Regarding Resettlement, URL: http://arxiv.org/PScache/q-bio/pdf/0601/0601032vl.pdf (дата обращения: 14.02.2008).

138. Papageorgiou E.I., Parsopoulos K.E., Stylios C.D., Groumpos P.P., Vrahatis M.N., Fuzzy Cognitive Maps Learning Using Particle Swarm Optimization, Journal of Intelligent Information Systems, 25:1, 2005.

139. Papageorgiou E.I., Stylios C.D., and Groumpos P.P. Active Hebbian Learning Algorithm to Train FCMs. International Journal of Approximate Reasoning, 37(3), 2004.

140. Papageorgiou, E.I., Stylios, C.D., and Groumpos, P.P. An Integrating Two-Level Hierarchical System for Decision Making in Radiation Therapy Using Fuzzy Cognitive Maps. IEEE Transactions on Biomedical Engineering, (5012), 2003.

141. Parasuraman R., Т. В. Sheridan, and С. D. Wickens, A Model for Types and Levels of Human Interaction with Automation, Transactions on Systems, Man, and Cybernetics -Part A, vol. 30, 2000.

142. Pelaez C.E. and Bowles J.B., Applying Fuzzy Cognitive Maps Knowledge Representation to Failure Modes Effects Analysis, In Proceedings of the IEEE annual symposium on Reliability and Maintainability, 1995.

143. Saridis, George N., Hierarchically Intelligent Machines, World Scientific Pub Co Inc., 2002.

144. Sarma, V.S. and S. Raju. Multisensor Data Fusion and Decision Support for Airborne Target Identification. IEEE Transactions on Systems, Man and Cybernetics. Sept.-Oct. 1991.

145. Schlachta, H.B. and Studenny, J. Interoperability Versus Integration of Omega and GPS. Journal of Navigation. May 1990.

146. Schneider M., Shnaider E., Kandel A. and Chew G., Automatic construction of FCMs, Fuzzy Sets and Systems, 1998.

147. Serna M.A., Bayo E., Trajectory planning for flexible manipulators, Proceedings of IEEE International Conference on Robotics and Automation, 13-18 May 1990 vol.2.

148. Serrano Navid and Seraji Homayoun, Landing Site Selection using Fuzzy Rule-Based Reasoning, Proc. of IEEE International Conference on Robotics and Automation, Roma, Italy, 10-14 April 2007. 1 эл. опт. диск (CD-ROM).

149. Shim David H., Kim H. Jin, and Sastry Shankar, A Flight Control System for Aerial Robots: Algorithms and Experiments, Proc. of 17 World IF AC Congress, Barcelona, Spain, 2003. 1 эл. опт. диск (CD-ROM).

150. Shon Aaron P., Storz Joshua J., Rao Rajesh P. N., Towards a Real-Time Bayesian Imitation System for a Humanoid Robot, Proc. of IEEE International Conference on Robotics and Automation, Roma, Italy, 10-14 April 2007. 1 эл. опт. диск (CD-ROM).

151. Smith E. and Eloff J., Cognitive Fuzzy Modeling for Enhanced Risk Assessment in Health Care Institution, IEEE Intelligent Systems and Their Applications. March/ April 2000.

152. Song Z.B., Zweiri Yahya H, Seneviratne Lakmal D and Althoefer Kaspar, Driver Support System Based On A Non-Linear Slip Observer For Off Road Vehicles, Proc. of 16 World IF AC Congress, Prague, Czech Republic, 2005. 1 эл. опт. диск (CD-ROM).

153. Stamenkovich M., An Application of Artificial Neural Networks for Autonomous Ship Navigation Through a Channel. VNIS '91. Proceedings of Vehicle Navigation and Information Systems Conference. 20-23 Oct. 1991: Dearborn, MI. Vol. 1.

154. Steinberg A. N., Bowman C. L., and White F. E. Revisions to the JDL Data Fusion Model. In Proceedings of the 1999 IRIS Unclassified National Sensor and Data Fusion Conference (NSSDF), May 1999.

155. Steinberg A.N., Data Fusion Systems Engineering, IEEE Aerospace and Electronic Systems Magazine, vol. 16, no. 6, 2001.

156. Styblinski M. A., Meyer B. D., Fuzzy Cognitive Maps, Signal Flow Graphs and Qualitative Circuit Analysis, Proceedings of the 2nd IEEE International Conference on Neural Networks (ICNN-87), July, 1988.

157. Stylios Ch.D., Georgopoulos V.C. and Groumpos P.P., Introducing the Theory of Fuzzy Cognitive Maps in Distributed Systems, in Proc. of 12th IEEE Int'l Symposium on Intelligent Control, Istanbul, Turkey, 1997.

158. Stylios Ch.D. and Groumpos P.P., Fuzzy Cognitive Maps in Modeling Supervisory Control System, Computers in Industry 39, 1999.

159. Stylios Ch.D., Georgopoulos V.C.„ Fuzzy Cognitive Maps Structure for Medical Decision Support System, IEEE Transactions on Systems, Man and Cybernetics: Part A, Systems and Humans, Vol. 34, No. 1, 2004.

160. Subramanian, H.; Dagli, C.H., Cooperative Cleaning for Distributed Autonomous Robot Systems Using Fuzzy Cognitive Maps 22nd International Conference of the North American Volume, Issue, 24-26 July 2003.

161. Taber R., Knowledge Processing with Fuzzy Cognitive Maps, Expert Systems with Applications, 1991.

162. Tadano Kotaro, Kawashima Kenji, Development of 4-DOFs Forceps with Force Sensing using Pneumatic Servo System, Proceedings of the 2006 IEEE International Conference on Robotics and Automation, Orlando, Florida May 2006. - 1 эл. опт. диск (CD-ROM).

163. TBT. ban convention adopted. IMO News, The Magazine of the International Maritime Organization, p.6, Issue 4, 2001.

164. Technology Development. for Army Unmanned Ground Vehicles, Committee on Army Unmanned Ground Vehicle Technology, National Research Council, 2002.

165. Ting Jo-Anne, D'Souza Aaron, Schaal Stefan, Automatic Outlier Detection: A Bayesian Approach, Proc. of IEEE International Conference on Robotics and Automation, Roma, Italy, 10-14 April 2007. 1 эл. опт. диск (CD-ROM).

166. Tolman E. C., Cognitive Maps in Rats and Men, Psychological Review, 42, 55, 189208, 1948.

167. Townsin R.L. The Ship Hull Fouling Penalty. Biofouling, Vol. 19, 2003.

168. Tsadiras A., Margaritis K. and Mertzios В., Strategic Planning Using Extended Fuzzy Cognitive Maps, Studies in Informatics and Control 4, 1995.

169. Tunwattana N., Roskilly A.P., Norman R., Investigations into the Effects of Illumination and Acceleration on Optical Mouse Sensors as Contact-Free 2D Measurement Devices, in Sensors and Actuators A: Physical v. 149, iss.l.

170. Vachtsevanos G. and Kim S., The Role of the Human in Intelligent Control Practices, in Proc. of the 12th IEEE Internat. Symposium on Intelligent Control, Istanbul, Turkey, 1997.

171. Waltz E. and Llinas J., Multisensor Data Fusion, 1990, Artech House.

172. Yenilmez L. and Temeltas H., Real Time Multi-Sensor Fusion and Navigation for Mobile Robots, 9th Mediterranean Electrotechnical Conference, May, 1998.

173. Zadeh L.A., Fuzzy Sets, 1965, Inf. Cont. No. 8.

174. Zhang W.R., Chen S.S. and Besdek J.C., Pool2: A Generic System for Cognitive Map Development and Decision Analysis, IEEE Trans. Systems Man Cybernet. 19, 1989.

175. Zhang Xiaoqin, Zhiyong Liu, Hong Qiao, A Robust Multiple Cues Fusion based Bayesian Tracker, Proc. of IEEE International Conference on Robotics and Automation, Roma, Italy, 10-14 April 2007. 1 эл. опт. диск (CD-ROM).

176. Интернет 1: http://www.lenta.ru/news/2008/12/05/robots/ (дата обращения: 05.12.2008)

177. Интернет 2: http://lenta.ru/articles/2005/04/07/uav/ (дата обращения: 05.12.2005)