автореферат диссертации по электротехнике, 05.09.03, диссертация на тему:Разработка методов и средств управления подъемно-транспортными электротехническими системами

ВВЕДЕНИЕ.

ГЛАВА 1. АНАЛИЗ ОБЛАСТИ ИССЛЕДОВАНИЯ.

1.1. Актуальность темы.

1.2. Рассмотрение объекта исследования.

1.3. Анализ методов и средств управления мостовыми кранами.

1.4. Анализ методов объемного машинного зрения и обхода препятствий.

1.5. Анализ технологий оптической навигации.

1.6. Нейронные сети и их применение в управлении.

1.6.1. Модель нейрона.

1.6.2. Архитектура нейронных сетей.

1.6.3. Возможности нейронных сетей.

1.6.4. Использование нейронных сетей для управления.

1.7. Постановка задачи на исследование.:.

ГЛАВА 2. РАЗРАБОТКА МЕТОДА ОБЪЕМНОГО МАШИННОГО ЗРЕНИЯ ДЛЯ УПРАВЛЕНИЯ ЭЛЕКТРОТЕХНИЧЕСКИМИ СИСТЕМАМИ.

2.1. Анализ требований к системе машинного зрения.

2.2. Постановка задачи.

2.3. Разработка метода объемного машинного зрения.

2.3.1. Трехмерная модель представления груза.

2.3.2. Методика калибровки камер.

2.3.3. Методика построения маски объекта.

2.3.4. Оценка методов поиска границ на изображении.

2.3.5. Метод определения параметров груза.

2.3.5.1. Детектор формы.

2.3.5.2. Создание объемной модели и определение размеров объекта.

2.4. Методика построения «карты наполнения склада».

2.4.1. Метод определения относительной высоты.

2.4.2. Метод построения «карты высот».

2.5. Методика определения препятствий.

2.6. Определение параметров аппаратного обеспечения.

2.7. Выводы поданной главе.

ГЛАВА 3. РАЗРАБОТКА СИСТЕМЫ ОПТИЧЕСКОЙ НАВИГАЦИИ

3.1. Анализ требований и постановка задачи.

3.2. Оценка параметров требуемого аппаратного обеспечения.

3.3. Разработка алгоритма оптической навигации.

3.4. Разработка детектора положения с применением нейронных сетей.

3.4.1. Разработка структуры нейронной сети.

3.4.2. Настройка нейронной сети.

3.4.3. Методика использования нейронной сети.

3.5. Результаты экспериментов.!.

3.6. Выводы по данной главе.

ГЛАВА 4. ОБЕСПЕЧЕНИЕ ТОЧНОСТИ ПЕРЕМЕЩЕНИЯ МОСТОВОГО КРАНА С ИСПОЛЬЗОВАНИЕМ НЕЙРОННОГО УПРАВЛЕНИЯ.

4.1. Анализ задач управления.

4.2. Разработка замкнутой системы управления.

4.3. Синтез нейронной системы управления краном.

4.3.1. Схема использования нейронной сети.

4.3.2. Синтез нейросетевого компенсатора.

4.3.3. Методика подготовки данных.

4.3.4. Обучение нейронной сети.

4.4. Разработка микропроцессорной системы управления.

4.4.1. Разработка структурной схемы.

4.4.2. Разработка схемы электрической принципиальной.

4.4.3. Разработка алгоритмической части.

4.5. Результаты численного эксперимента.

4.6. Оценка полученных результатов.

4.7. Выводы по данной главе.

Подъемно-транспортные электротехнические системы широко используются для выполнения транспортных операций по перемещению грузов в производственных цехах и на складах предприятий всех отраслей промышленности. Это связано с простотой их конструкции, низкими расходами на техническое обслуживание и удобством управления электрическим приводом, являющимся «сердцем» подобной системы. Следует отметить, что электротехнические системы являются практически монополистами в области подъемно-транспортного оборудования, работающего внутри помещений и большая часть стационарных уличных кранов и перегружателей используют электрическую энергию. Важно, также, что электротехнические системы являются более экологичными, например, по сравнению с системами, имеющими двигатель внутреннего сгорания. Существует большое количество подъемно-транспортных электротехнических систем, различающихся по конструкции и техническим характеристикам, но наиболее распространенным устройством является мостовой кран и его модификации. Он располагается над рабочей поверхностью и позволяет наиболее рационально использовать всю имеющуюся площадь (например, склада) с легким доступом к любой точке пространства.

В связи с широтой их использования электротехнические системы представляют значительный интерес для исследований не только с целью решения основных задач управления, но также и с целью решения задач экономии электроэнергии. Например, даже незначительное снижение потребления электроэнергии для конкретного устройства может дать заметный результат в масштабе всей страны [18]. Понятно, что и наиболее качественное управление способствует этому. Здесь на помощь могут прийти современные интеллектуальные методы управления.

Систематические исследования в области в области управления подъемно-транспортными электротехническими системами начались более тридцати лет назад. Проводились исследования как с целью упростить работу оператора крана, так и с целью создания автоматизированного управления транспортным циклом. Для этих целей применялись различные методы оптимизации и теории автоматического регулирования [17, 20, 26]. Однако высокая сложность предлагаемых методов не позволяла реализовать их на практике. Не все решения, которые все-таки были реализованы на практике, соответствовали теоретическим результатам [32].

В настоящее время в России и за рубежом ведутся исследования в области управления отдельно электротехническими устройствами подъемно-транспортных систем. Результаты исследований в области мощных электроприводов крановых механизмов приведены в [18]. Вопросам повышения качества переходных процессов посвящены работы [16, 28]. Практически все современные исследования [15, 28, 37] основаны на том, что имеются качественные средства для определения положения груза и отслеживания перемещений электромеханических устройств. Кроме того, большинство операций поиска препятствий и определения положения грузов возлагаются на человека-оператора. С другой стороны, в настоящее время накоплен значительный опыт в области интеллектуальных систем [75, 81], но, несмотря на это, очень мало исследователей рассматривали возможности их применения применительно к подъемно-транспортным электротехническим системам и подобные исследования не имели системного характера.

В тоже время, используемые сегодня подъемно-транспортные электротехнические системы имеют низкую точность позиционирования и практически не используют методы поиска препятствий и определения параметров груза, за счет чего возможны повреждения грузов и механизмов. Это, в свою очередь, препятствует их эффективному использованию.

Целью диссертационной работы является разработка и научное обоснование технических и технологических решений, обеспечивающих визуальный контроль и точность грузовых операций, выполняемых подъемно-транспортными устройствами, имеющих большое значение для управления электротехническими системами.

Диссертационная работа направлена на повышение точности и скорости выполнения подъемно-транспортных операций за счет использования интеллектуальных методов нейронного управления, разработки средств оптической навигации, для отслеживания перемещений и использования средств визуального контроля рабочего пространства. В качестве примера подъемно-транспортной электротехнической системы в диссертационной работе рассматривается мостовой кран, как один из наиболее распространенных представителей подобных устройств.

Исходя из изложенного, научная проблема диссертационного исследования формулируется следующим образом: разработка методов и средств визуального контроля и интеллектуального управления подъемно-транспортными электротехническими системами.

Для решения данной научной проблемы возможны следующие направления исследований:

1. Анализ путей повышения точности подъемно-транспортных операций, выполняемых электротехническими системами на основе существующих теоретических и практических исследований и современных тенденций развития отрасли.

2. Анализ и систематизация способов объемного машинного зрения. Оценка возможности их применения и эффективности при использовании для управления подъемно-транспортными электротехническими системами.

3. Поиск и разработка новых методов объемного машинного зрения для определения параметров груза и поиска препятствий на пути перемещения электротехнической системы с грузом.

4. Развитие теоретических положений визуального контроля и оптической навигации для оценки и поддержания точности перемещений электротехнических систем.

5. Разработка метода оптической навигации и технических решений для создания устройств, контролирующих точность перемещения электротехнических систем в пространстве.

6. Разработка методов использования интеллектуального управления на основе нейронных сетей для управления и обеспечения точности перемещения грузов подъемно-транспортными электротехническими системами.

Исследования поставленной проблемы проводятся с использованием теоретических и экспериментальных методов. Наиболее эффективным средством выполнения большинства операций исследования является компьютерное моделирование, позволяющее получить приемлемые показатели работы электротехнических систем без значительных временных и материальных затрат. В качестве пакета компьютерного моделирования используется комплекс программ MATLAB-Simulink. Для решения специфических программных задач используется язык программирования Object Pascal и среда программирования Delphi.

В первой главе диссертационной работы приведен обзор методов решения поставленной научной задачи на основе классических теорий и с использованием современных методик нейронных сетей. Проведен анализ существующих методов и средств управления подъемно-транспортными электротехническими устройствами, определены ограничения существующих решений. На основе анализа современных исследований в области построения объемных моделей реальных объектов создана классификация методов объемного машинного зрения по принципу работы, позволяющая наиболее 8 полно и наглядно провести систематизацию и выбор методов для реализации системы визуального определения параметров груза и поиска препятствий. Проведен анализ использования технологий оптической навигации для построения многомерных датчиков перемещений электротехнических систем. Значительное место уделено рассмотрению интеллектуальных методов и средств теории нейронных сетей. Показаны универсальные свойства нейронных сетей и возможности их применения для решения задач управления. В заключении главы поставлены задачи исследования.

Вторая глава посвящена разработке метода объемного машинного зрения с возможностью его применения для визуального определения параметров груза и поиска препятствий перемещению подъемно-транспортной электротехнической системы. Предложена упрощенная модель представления объемных предметов, удовлетворяющая целям и задачам разрабатываемого метода. По результатам теоретических и экспериментальных исследований определены этапы реализации разрабатываемого метода объемного машинного зрения. Разработаны алгоритмы определения параметров груза, расположенного на складе и предложены методики построения «карты наполнения склада» и определения препятствий на пути перемещения, подъемно-транспортной электротехнической системы с грузом. Определены параметры аппаратного обеспечения для реализации разрабатываемого метода и даны рекомендации по обеспечению точности работы данного метода.

В третьей главе выполнена разработка метода оптической навигации для отслеживания перемещений электротехнических систем. Проведена численная оценка аппаратного обеспечения, необходимого для реализации подобной системы. Разработан алгоритм оптической навигации для построения датчика двумерных перемещений. Определена целесообразность применения нейронных сетей для реализации адаптивного элемента сравнения. Разработана комплексная структура нейронной сети с использованием радиально-базисных нейронов. Предложена методика настройки нейронной сети без проведения длительной процедуры обучения, по имеющимся данным и определена схема использования сети для реализации адаптивного элемента сравнения. Определены технические требования для разработки и аппаратной реализации интеллектуального датчика перемещений. Приведены результаты экспериментальных исследований разработанного алгоритма.

В четвертой главе выполнена разработка нейронного компенсатора для обеспечения точности перемещения подъемно-транспортных электротехнических устройств на примере мостового крана. Разработана замкнутая микропроцессорная схема управления мостовым краном и алгоритм управления с адаптацией, использующий нейронную сеть. Выполнен синтез системы управления, в которой нейронная сеть используется в качестве компенсатора сигнала цепи обратной связи. Определены параметры нейронной сети, предложена методика подготовки данных для нейронной сети и схема ее использования. Приведены результаты численного эксперимента по реализации разработанной схемы управления. Дана оценка возможности использования нейронной сети для управления подъемно-транспортными электротехническими системами.

В заключении приведена общая характеристика работы, основные выводы по результатам диссертационного исследования, результаты внедрения и апробации результатов диссертационного исследования. Выдвинуты предложения по дальнейшим исследованиям в данной области.

На защиту выносятся:

1. Системный анализ отечественных и зарубежных средств получения объемных моделей реальных объектов, на основе которого создана классификация методов объемного машинного зрения по принципу работы, позволяющая провести систематизацию средств машинного зрения, а также осуществить выбор и дальнейшую разработку новых методов предназначенных для совместной работы с подъемно-транспортными электротехническими системами.

2. Разработанные методы и алгоритмы объемного машинного зрения для визуального определения параметров груза и поиска препятствий на пути перемещения подъемно-транспортных электротехнических систем, позволяющие существенно повысить эффективность их использования при выполнении погрузочно-разгрузочных работ, а также обеспечить целостность грузов и избежать повреждения механизмов и электротехнических устройств.

3. Разработанный метод и алгоритм оптической навигации с использованием нейронной сети, позволяющий контролировать величину и точность перемещения электромеханических устройств.

4. Методику создания и использования нейронной сети комплексной структуры на основе радиально-базисных нейронов, позволяющую реализовать адаптивный элемент сравнения, используемый в методе оптической навигации.

5. Разработанную методику использования нейронной сети в качестве компенсатора для управления подъемно-транспортной электротехнической системой, позволяющую обеспечить точное позиционирование движущихся частей электромеханической системы без дополнительных операций точного позиционирования, что обеспечивает также уменьшение времени выполнения операций и экономию электроэнергии и снижает износ механических и электротехнических устройств.

Основные результаты диссертационной работы нашли отражение в печатных работах, опубликованных автором. Всего по теме диссертации опуб

161 ликовано 10 печатных работ, выходные данные которых присутствуют в библиографическом списке диссертационной работы [9, 43, 44, 98, 111, 115, 120, 123, 125, 126].

Проведенные исследования показывают хорошие результаты на экспериментальных объектах, поэтому целесообразно проводить дальнейшие исследования в данной области для новых подъемно-транспортных электротехнических систем и улучшать результаты, полученные в данной работе. Автором проводились исследования на базе простейшей модели мостового крана, не регулируемого по скорости, поэтому продолжать исследования следует в области более широкого применения нейросетевого компенсатора - не только для обеспечения точности позиционирования мостового крана, но и для коррекции режимов работы отличных по конструкции и, возможно, более сложных электротехнических систем. Улучшая системы управления, не следует забывать и о сопутствующих сферах исследований - разработка датчиков перемещений и получение информации об окружающей среде, в которой ведется работа. Эти направления являются перспективными, с точки зрения управления подъемно-транспортными электротехническими системами, но имеют свои «узкие» места, исследования которых необходимо продолжать. Интересным направлением, в продолжение данного исследования, может стать разработка электротехнических систем и методов управления ими для создания полностью автоматизированных складов и транспортных участков, работающих без участия человека.

Заключение

Задачи управления любыми электротехническими системами, бесспорно, являются сложными и многомерными. Не исключение и подъемно-транспортные электротехнические системы и выполняемые ими операции по транспортировке грузов. В результате данного исследования удалось создать ряд технических и технологических разработок для визуального контроля и обеспечения точности операций, выполняемых подъемно-транспортными электротехническими устройствами.

1. Бурдаков С. Ф. Элементы теории роботов. Механика и управление. -Л.: ЛПИ, 1985.-88 с.

2. Промышленные роботы — переворот в производстве: Сокр. пер. с англ./Авт. предисл. и науч. ред. Л. И. Волчкевич. М.: Экономика, 1987. - 304 с.

3. Первозванский А. А. Курс теории автоматического управления. — М.: Наука, 1986.-615 с.

4. Фрейдович Л. Б. Устойчивость и управление манипуляционными роботами. Дис. на соиск. уч. степ. к. ф-м. н. СПб.: СПбГТУ. 1999. - 155 с.

5. Копылов И. П. Применение вычислительных машин в инженерно-экономических расчетах (Электрические машины): Учебник. М.: Высш. школа, 1980. - 256 е.: ил.

6. Машинные методы расчета и проектирования систем электросвязи и управления: Учеб. пособие / А. Н. Дмитриев, Н. Д. Егупов, А. М. Шестопалов, Ю. Г. Моисеев. М.: Радио и связь, 1990. - 272 е.: ил.

7. Сочков А. Л., Калин С. А. Использование технологии нейронных сетей для решения электротехнических задач // Электротехника. 2000. - № 2.

8. Гаврилов А. Ю. Программно-аппаратный комплекс оптимизации работы склада // Индустрия сервиса в XXI веке. Материалы 4-й Международной конференции. / Под редакцией д. с. н. профессора Ананьевой Т. Н. -М.:МГУ сервиса, 2002.

9. Электрооборудование промышленных предприятий. Учебник для техникумов. В 2-х ч. Ч. I. Зимин Е. Н., Чувашов И. И. Автоматизированный электропривод и электрооборудование промышленных механизмов. М.: Стройиздат. 1977.-431 с.

10. Домбровский В. В., Зайчик В. М. Асинхронные машины: Теория, расчет, элементы проектирования. Л: Энергоатомиздат. Ленингр. отд-ние, 1990.-368 е.: ил.

11. Электрооборудование кранов / А. П. Богословский, Е. М. Певзнер, Н. Ф. Семерня и др. М.: Машиностроение, 1983. - 310 е.: ил.

12. VahaP., Pieska A., and Timonen Е. "Robotization of an offshore crane," in Robots: Coming of Age: Proc. of the 19th ISIR International Symposium, 1988, pp. 637-648.

13. Balachandran В., Lee Y. Y. and Fang С. C. "A mechanical filter concept for control of non-linear crane-load oscillation," Journal of Sound and Vibration 228(3), 1999, pp. 651-682.

14. Henry R. J., Masoud Z. N., Nayfeh A. H. and Mook D. T. "Cargo pendu-lation reduction on ship-mounted cranes via boom-luff angle actuation," Journal of Vibration and Control 7, 2001, pp. 1253-1264.

15. Lee H-H., Cho S-K., and ChoJ-S. "A new anti-swing control of overhead cranes," in IFAC Automation in the Industry, Korea, 1997, pp. 115-120.

16. Karnopp В. H., Fisher F. F. and Yoon В. O. "A strategy for moving a mass from one point to another," Journal of the Franklin Institute 329(5), 1992, pp. 881-892.

17. Автоматизированный электропривод / Под общ. ред. Н. Ф. Ильинского, М. Г. Юнькова. М.: Энергоатомиздат, 1986. - 448 е.: ил.164

18. Тиристорные электроприводы постоянного тока для высокопроизводительных кранов и перегружателей / А. П. Богословский, Я. Ю. Солодухо, А. X. Шоруков. Автоматизированный электропривод, 1985.

19. Manson G. A. "Time-optimal control of an overhead crane model," Optimal Control Applications and Methods 3, 1982, pp. 115-120.

20. Karihaloo B. L. and Parbery R. D. "Optimal control of dynamical system representing a gantry crane," Journal of Optimization Theory and Applications 36(3), 1982, 409^417.

21. SakawY. and Shindo Y. "Optimal control of container cranes": Proc. of the 8th IFAC Triennial World Congress on Control Science and Technology, Kyoto, Japan, 1981, pp. 257-265.

22. Singhose W. E., Porter L.J. and SeeringW. "Input shaped of a planar gantry crane with hoisting": Proc. of the American Control Conference, Albuquerque, NM, 1997, pp. 97-100.

23. Beeston J. W. "Closed-loop time optimal control of a suspended load": Proc. of the 4th IFAC World Congress, Warsaw, Poland, 1983, pp. 39-50.

24. Ohnishi E., Tsuboi I., EgusaT. and Uesugi M. "Automatic control of overhead crane," in IFAC 8th Triential World Congress, Kyoto, Japan, 1981, pp. 1885-1890.

25. Zinober A. S. I. "Automatic control crane operations": Proc. of the 5th IFAC Symposium, Identification and System Parameter Estimation, Darmstadt, Germany, 1979, pp. 1161-1167.

26. Поляк Б. Т. Робастная устойчивость и управление / Б. Т. Поляк, П. С. Щербаков. М.: Наука, 2002. - 303 с.

27. Пуртова Е. С. Оптимизация качества переходных процессов трех-массовой электромеханической системы // Електромашинобудування та елек-трообладнання. М1жвщ. наук. техн. зб. 2002. - Вип. № 58 - С. 22-26.

28. Ridout A. J. "Anti-swing control of the overhead crane using linear feedback," Journal of Electrical and Electronics Engineering 9(1/2), 1989, pp. 17-26.165

29. Ridout A. J. "Variable damped control of the overhead crane": IECON Proc., IEEE, Los Alamitos, CA, Vol. 2, 1989, pp. 263-269.

30. Salminen R., Marttinen A. and Virkkunen J. "Adaptive pole placement control of a piloted crane": Proc. of the IFAC 11th Trienmal World Congress, Tallinn Estonia, USSR, 1990, pp. 313-318.

31. Hurteau R. and Desantis R. "Microprocessor-based adaptive control of a crane system": Proc. of the IEEE Conference on Decision and Control Including The Symposium on Adaptive Processes, New York, NY, Vol. 2, 1983, pp. 944-947.

32. Смехов А. А. Автоматизированные склады.— 4-е изд., перераб. и доп. М.: Машиностроение, 1987. - 296 е.: ил.

33. Masoud Z. "A control system for the reduction of cargo pendulation of shipmounted cranes", Virginia Tech, Blacksburg, VA, 2000.

34. Itho O., MigitaH., Irie Y. and Itaho J. "Application of fuzzy control to automatic crane operation," Japanese Journal of Fuzzy Theory and Systems 6(2), 1994, pp. 283-296.

35. Lee H-H. "Modelling and control of a three-dimensional overhead crane," Journal of Dynamic Systems, Measurement, and Control 120, 1998, pp. 471-476.

36. OmarH. M. and NayfehA. H. "A simple adaptive feedback controller for tower cranes", in ASME 2001 Design Engineering Technical Conference and Computers and Information in Engineering Conference, Pittsburgh, PA, September 9-12, 2001.

37. AnconaN. "A fast obstacle detection method based on optical flow": Proc. of European conference on Computer Vision, 1992, pp. 267-271.

38. Young M. H. G. S., Hong Т. H. and Yang A. "Obstacle detection for a vehicle using optical flow", SAE Intelligent Vehicle. IEEE, 1992.

39. Forsyth D. A., Ponce J. Computer Vision: A Modern Approach. Prentice Hall.-2003.-1100 p.

40. Veatch P. and Davis L. "Efficient algorithms for obstacle detection using range data", GVGIP 50, 1990, pp. 50-74.

41. Barshan B. and Kuc R. "A bat-like sonar system for obstacle localization", IEEE Transactions on Systems, Man and Cybernatics 22, 1992, pp. 636-646.

42. Гаврилов А. Ю. Методы трехмерного машинного зрения // Современные средства управления бытовой техникой. Материалы 3-й Международной конференции. / Под редакцией д. т. н. профессора Маслова Ю. Н. -М.:МГУ сервиса, 2001.- 144 с.

43. Besl P. and McKay H. "A method for registration of 3D shapes", IEEE Trans, on Pattern Analysis and Machine Intelligence 14(2), 1992, pp. 239-256.

44. Tosovic S., "Shape from silhouette", Technical Report, PRIP-TR-64, Pattern Recognition and Image Processing Group, Institute for Computer Aided Automation, Vienna University of Technology, 2000.

45. Bottino A., Cavallero L., Laurentini A. "Interactive reconstruction of 3D objects from silhouettes": Proc. of 9th Int. Conf. on Computer Graphic, Visualization and Computer Vision WSCG'2001, Plzen (CZ), 5-9 February, 2001.

46. Татарников О. Основы 3D технологий // 625. 1999. - № 7.

47. Макачев А., Чайкин А. Модельщик 2000: системы сканирования // CADMaster. 2000. - № 1.

48. Чубуков А. Сканер для ЗО-моделирования // PC Week. Russian Edition. 1999. - 30 апреля.

49. Наттерер Ф. Математические аспекты компьютерной томографии. Пер. с англ. ПаламодоваИ. В. Под ред. Паламодова В. П. М.:Мир. 1990-320 с.

50. ElfesA. and Matthies L. "Sensor integration for robot navigation: combining sonar and range data in a grid-based representation": Proc. of the 26th IEEE Conference on Decision and Control, 1987, pp. 1802-1807.

51. Петров H. H. Системы и комплексы технических средств местооп-ределения подвижных объектов // Специальная техника. 1998. - № 8 — С.38-42.

52. Clifton S. Fox "Active Electro-Optical Systems, in series The Infrared and Electro-Optical Systems Handbook", Infrared Information Analysis Center and SPIE Optical Engineering Press, 1993. Vol 6.

53. Garcia B. and Brunet P. "3D reconstruction with Projective Octrees and Epipolar Geometry": Proc. of the IEEE International Conference on Computer Vision. Jan. 4-7, 1988. - pp. 1067-1072.

54. Abbot A., AhujaN. "Surface reconstruction by dynamic integration of focus, camera vergence and stereo": Proc. of the 2nd International Conference on Computer Vision, IEEE. Tarpon Springs, FL, Washington, DC. - 1988. -pp. 532-545.

55. Chen Q. and Medioni G. "A Volumetric Stereo Matching Method: Application to Image-Based Modeling": Proc. of the IEEE Conference on Computer Vision and Pattern Recognition. June 1999. - pp. 29-34.

56. Curless В., Levoy M. "Better optical triangulation through spacetime analysis": Proc. 5th International Conference Computer Vision, Boston, USA. -1995.-pp. 987-993.

57. Borenstein J. and Koren Y. "Obstacle avoidance with ultrasonic sensors", IEEE Robotics Automation 4, 1988, pp. 213-218.

58. Yagi Y. and Yachida M. "Real-time generation of environmental map and obstacle avoidance using omni-directional image sensor with conic mirror": Proc.168of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1991, pp. 160-165.

59. Enkelmann W. "Obstacle detection by evaluation of optical flow fields from image sequence", Image and Vision Computing 9, 1991, pp. 160-168.

60. Nelson R. and Aloimonos J. "Using flow field divergence for obstacle avoidance: towards qualitative vision": Proc. of International Conference on Computer vision, 1988, pp. 188-196.

61. Zhang R. Z. and Hanson A. "Qualitative obstacle detection", Thech. Report COMPSI TR94-20, 1994.

62. Baker R. С. В. H. H. and Hannah M. J. "The JISCT stereo evaluation": Proc of ARPA. Image Understanding Workshop, 1993.

63. Ross B. "A practical stereo vision system": Proc. of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 1993, pp. 148-153.

64. Khatib O. "Real-time obstacle avoidance for manipulators and mobile robots", International Journal of Robotics Research 5(1), 1986, pp. 90-99.

65. Григоренко A. M. Некоторые вопросы теории технической информации. — М.: Издательство «ЮБЕКС», 1998. 112 с.

66. Brennemannand А. Е., Hollis R. L. "Magnetic and optical fluorescence position sensing for planar linear motors": Proc. Int'l Conf. on Intelligent Robots and Systems, August 1995, vol. 3 pp. 101-107.

67. Gunnam K., Hughes D. C., Junkins J. L. and Kehtarnavaz N. "A DSP Embedded Optical Navigation System": Proc. of Sixth IEEE International Conference on Signal Processing, ICSP'02, Beijing, China, August 26-30, 2002.

68. Куприянов М. С., Матюшин Б. Д. Цифровая обработка сигналов: процессоры, алгоритмы, средства проектирования. — СПб.: Политехника, 1998. 592 е.: ил.

69. Hunt К. J., Sbarbaro D., Zbikowski К. "Neural networks for control systems a survey" // Automatica. - 1992. - № 28(6). - pp. 1083-1112.

70. Сигеру Омату Нейроуправление и его приложения. Кн. 2. / Сигеру Омату, Марзуки Халид, Рубия Юсоф; Пер. с англ. Н. В. Батина; Под ред. А. И. Галушкина, В. А. Птичкина. М.: ИПРЖР, 2000. - 272 е.: ил.

71. Happel В. L. М. and Murre J. М. J. "Design and evolution of modular neural network architectures" // Neural Networks. — 1994. — № 7. — pp. 985-1004.

72. Скурихин A. H. Нейронные сети: определения, концепции, применение. — М.: ЦНИИ управления экономики и информатики, 1991.

73. Заенцев И. В. Нейронные сети: основные модели. Учебное пособие. Воронеж: ВГУ. - 1999. - 76 е.: ил.

74. Bondarev V. N. On system identification using pulse-frequency modulated signal: EUT Report / Eindhoven University of Technology, Netherlands. -Eindhoven: EUT. 1988. 84 p.

75. Суровцев И. С., Клюкин В. И., Пивоварова Р. П. Нейронные сети. -Воронеж: ВГУ, 1994. 224 с.

76. Головко В. А. Нейронные сети: обучение, организация и применение. Кн. 4: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. М.: ИПРЖР, 2001.-256 е.: ил.

77. Галушкин А. И. Теория нейронных сетей. Кн. 1: Учеб. пособие для вузов / Общая ред. А. И. Галушкина. М.: ИПРЖР, 2000. - 416 е.: ил.

78. Krose В. J. A., Smagt P. P. An introduction to neural networks. University of Amsterdam, Amsterdam, The Netherlands, 1996. 136 p.

79. Нейроинформатика / A. H. Горбань, В. JI. Дунин-Барковский, А. Н. Кирдин и др. Новосибирск: Наука. Сибирское предприятие РАН, 1998.-296 с.

80. HornikK., Stinchrombe M., White H. Multilayer feedforward networks are universal approximators // Neural Networks. 1989. - Vol. 2. - pp. 359-366.

81. Haykin S. Neural Networks. A comprehensive foundation. — New York: Macmillan, 1994. 696 p.

82. Hopfield J. J. "Neural networks and physical systems with emergent collective computation abilities": Proc. of National Academy of Science of the USA. 1982. - Vol. 79. - pp. 2554-2558.

83. Kohonen T. Self-organized formation of topologically correct feature maps. Biological Cybernetics. 1982. - № 43. - pp. 59-69.

84. Rumulhart D. E. and McClelland J. L. Parallel distributed Processing. -Cambridge: MIT Press. 1986. - Vol. 1.

85. LeCun I. Models connexionnistes de l'apprentissage. Université Paris VI. Paris, France. 1987.

86. Hornik K. Some new results on neural network approximation // Neural Networks. 1993. -№ 6. - pp. 1069-1072.

87. Cybenko G. Approximation by superposition of sigmoidal function // Mathematics of Control, Signal and Systems. 1989. - № 2. - pp. 303-314.

88. Cybenko G. Continuous valued neural networks with two hidden layers are sufficient // Technical report. Department of computer science, Tufts University. Medford, MA. 1988.

89. Lapedes A. and Farber R. How neural nets work. In Neural Information Processing Systems (Anderson, Ed.). New-York: American Institute of Physics. -1987.-pp. 442-456.

90. Ronco E. and Gawthrop P. J. Neural networks for modeling and control. Technical Report: csc97008. Centre for System and Control. University of Glasgow. 1997. - 36 p.

91. Сочков A. JI., Соболев А. А., Калин С. А. Программы для обучения и тестирования нейронных сетей // Электротехника. 2000. — № 3.

92. MATLAB 6: учебный курс СПб.: Питер, 2001. - 592 е.: ил.

93. Tosovic S. "Shape from silhouette", Technical Report, PRIP-TR-64, Pattern Recognition and Image Processing Group, Institute for Computer Aided Automation, Vienna University of Technology, 2000. 36 p.

94. Rosenthaler L., HeitgerF., Kubler O. and R. von der Heydt. Detection of general edges and keypoints. In ECCV, 1992. pp. 78-86

95. Павлидис Т. Алгоритмы машинной графики и обработки изображений. М.: Радио и связь, 1986.

96. Крапивенко А., Сулеев И. Генерация ландшафтов с использованием воксельной графики // САПР и графика. 1999. - № 8.

97. Пореев В. Н. Компьютерная графика.- СПб.: БХВ-Петербург, 2002.-432 е.: ил.

98. Анго А. Математика для электро- и радиоинженеров. М.: Наука, 1965.-780 е.: ил.

99. MarrD., HildrethE. "Theory of edge detection": Proc. of the Royal Society, London Series. 1980. - В 207. - pp. 187-217.

100. Rafael C. G., Richard E. W. Digital Image Processing. Addison-Wesley Publishing Company. 1993.

101. Canny J. F. A computational approach to edge detection. IEEE Trans. Pattern Analysis and Machine Intelligence. 1986. - Vol. 8. - pp. 679-698.

102. Кистенев И. Марш миллионеров // Publish. 2002. № 3. - с. 62-71.

103. Aschemann Н., Sawodny О., Hofer Е. P. "Trajectory Control Of Crane Load Position", And Inclination 15th Triennial World Congress of the International Federation of Automatic Control, Barcelona, Spain. 21-26 July 2002.

104. Virkkunen J. "Computer control of overhead and gantry cranes": Proc. 11th IFAC world congress, Tallinn, Estonia, USSR. 1990. - pp. 401-405.

105. Краснов М. В. DirectX. Графика в проектах Delphi. СПб.: БХВ-Петербург, 2001. - 416 с.: ил.

106. Первозванский А. А. Обучаемое управление и его применение ч. I, II // Автоматика и телемеханика. 1995. - № 11 - С. 160—169 и № 12 — с. 99-108.

107. Bartolini G., OraniN., PisanoA., Usai Е. "Load Swing Damping in Overhead Cranes by Sliding Mode Technique": Proc of the 39th Conference on Decision and Control CDC 2000, Sidney, AU. 2000.

108. Moser Е. and Nebel W. "Case Study: System Model of Crane and Embedded Control": Proc. DATE'99. 1999. - pp. 721-724.

109. Mourant R. R., Wilson В. H., Li M. and Qiu N. "A Virtual Environment for Training Overhead Crane Operators": Proc. of the symposium on virtual reality in manufacturing research and education, UIC, Oct. 7-8, 1996.

110. Справочник по кранам: В 2 т. Т. 2. Под общ. ред. М. М. Гохберга. — JL: Машиностроение. Ленингр. отд-ние, 1988. 559 е.: ил.

111. Коновалов Г. Ф. Радиоавтоматика: Учеб. для вузов по спец. «Радиотехника». М.: Высш. шк., 1990. - 355 е.: ил.

112. Баев Б. П., Махов В. Н. Основы автоматизации изготовления и ремонта мебели по заказам населения. Учебн. пособие для студентов вузов. — М., «Легкая индустрия», 1978. 248 е.: ил.

113. Башарин А. В., Новиков В. А., Соколовский Г. Г. Управление электроприводами: Учебное пособие для вузов. Л.: Энергоиздат. Ленингр. отд-ние, 1982.-392 е.: ил.

114. Гаврилов А. Ю. Применение нейронных сетей для управления электротехническими устройствами // Индустрия сервиса в XXI веке. Материалы 4-й Международной конференции. / Под редакцией д. с. н. профессора Ананьевой Т. Н. М. :МГУ сервиса, 2002.

115. Гаазе-Рапопорт М. Г., Поспелов Д. А. От амебы до робота: модели поведения. М.: Наука. Гл. ред. физ.-мат. лит., 1987. - 288 с.

116. Гаврилов А. Ю. Нейросетевой компенсатор в системах управления // Объединенный научный журнал. Нейроуправление. — 2002. — №23 (46).-С. 52-53.

117. Гаврилов А. Ю. Нейросетевой компенсатор в управлении электротехническими устройствами // "НЕЙРОКОМПЬЮТЕРЫ" : разработка, применение. 2003. - № 2.

118. Доленко С. Методы предобработки данных. Гибридные архитектуры: Материалы семинара НейроПроект, МГУ. — 2003.

119. Горбань А. Н. Обучение нейронных сетей. М.: СП ПараГраф, 1990.- 160 е.: ил.

120. Крюков О. В. Интерфейсы современного асинхронного электропривода // Электротехника. 2000. - № 1.

121. Королев Н. RISC-микроконтроллеры фирмы ATMEL // Chip News. 1998.-№2.

122. ATmega8515. 8-bit AVR Microcontroller with 8K Bytes In-System Programmable Flash. // Data Sheet 2512D-AVR-02/03. ATMEL Corp. - 2003.

123. Дьяконов B. Simulink 4. Специальный справочник. — СПб: Питер, 2002. 528 е.: ил.

124. Мощинский А. Ю., Беспалов В. Я., Кирякин А. А. Определение параметров схемы замещения асинхронной машины по каталожным данным // Электричество. 1998. —№ 4. - с. 38-42.

125. Герман-Галкин С. Г. Компьютерное моделирование полупроводниковых систем в MATLAB 6.0: Учебное пособие. СПб.: КОРОНА принт, 2001.-320 е.: ил.

126. Scheikl J. Crane and Embedded Control // Simulation News Europe. -2001.-№31 pp. 31-34.

127. Банди Б. Методы оптимизации. Вводный курс: Пер. с англ. — М.: Радио и связь, 1988. 128 е.: ил.

128. Тертычный-Даури В. Ю. Адаптивная механика. М.: Наука. Физ-матлит, 1998.-480 с.

129. ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ УНИТАРНОЕ ДОЧЕРНЕЕ ПРЕДПРИЯТИЕ1. ЗВЕЗДА-ЭНЕРГО»

130. ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО УНИТАРНОГО ПРЕДПРИЯТИЯ ЭЛЕКТРОМЕХАНИЧЕСКИЙ ЗАВОД1. ЗВЕЗДА»

131. Метода объемного машинного зрения для определения параметров объектов и методики построения объемной карты рабочего пространства, технических предложений по его использованию.

132. Алгоритмов и методов построения системы двумерной оптической навигации с использованием нейронной сети комплексной структуры, разработанной Гавриловым А. Ю.

133. Технических предложений по выполнению конструктивных схем системы оптической навигации и ее размещению на роботе-манипуляторе.

134. Рекомендаций по использованию нейросетевого компенсатора для повышения точности перемещений робота-манипулятора.

135. Руководитель отдела внедрения Чирков А. В.