автореферат диссертации по машиностроению и машиноведению, 05.02.05, диссертация на тему:Управление мобильным роботом в неопределенных условиях на основе нечеткой логики

Введение.

Глава 1. Методы управления мобильными роботами.

1.1. Постановка задачи управления мобильным роботом в неопределенных условиях.

1.2. Применение методов искусственного интеллекта в задачах управления мобильными роботами, их преимущества и недостатки.

1.3. Основные задачи, возникающие при управлении мобильными роботами.

1.4. Аппаратная реализация компонентов интеллектуальных систем как средство повышения производительности систем управления роботов.

1.5. Выводы. Выбор направления исследований.

Глава 2. Элементы теории нечеткого управления мобильными роботами.

2.1. Обобщенная структура системы нечеткого управления мобильными роботами.

2.2. Системы нечеткого управления, основанные на априорных знаниях.

2.3. Обучаемые системы управления на основе нечеткого вывода.

Выводы.

Глава 3. Разработка системы управления мобильного робота на основе нечеткой логики.

3.1. Разработка системы управления движением мобильного робота, основанной на априорных знаниях.

3.2. Разработка системы управления, основанной на обучении на примере задачи управления конфигурацией шасси мобильного робота.

3.3. Моделирование работы системы управления конфигурацией шасси.

Выводы.

Глава 4. Аппаратная реализации системы нечеткого управления мобильного робота.

4.1. Аппаратная реализация схемы нечеткого вывода.

4.2. Замечания по аппаратной реализации элементов обучаемых систем нечеткого управления.

Выводы.

С развитием техники мобильные роботы находят все большее число приложений. По данным исследования ActivMedia Research, мобильная робототехника находится сейчас в том же состоянии, в котором находилась индустрия персональных компьютеров в начале восьмидесятых, когда никто не мог предсказать роста производства на 3500%. Прогнозируется значительное увеличение объема продаж мобильных роботов с 665 млн. долларов в 2000 до 17 млрд. в 2005, в соответствии с результатами исследования компании ActivMedia Research «Мобильная робототехника: следующая революция». Спектр применения мобильной робототехники очень широк: от миниатюрных роботов, предназначенных для использования в программах исследования планет, до тяжелых роботов военного назначения, предназначенных для движения по пересеченной местности с использованием систем автономной навигации.

Большая часть мобильных роботов разрабатывается для работы во вредных или опасных для человека {экстремальных) условиях. Такие условия имеют место при ликвидации последствий аварий, при разминировании или при работе на других планетах. Применение мобильных роботов в таких условиях позволяет исключить человеческие жертвы. Таким образом, актуальной является проблема создания мобильных робототехнических комплексов, обладающих возможностью самостоятельного передвижения и выполнения поставленной задачи. Важную роль при этом имеет проблема создания интеллектуальной системы управления, позволяющей роботу автономно выполнять поставленную задачу при минимальном участии человека.

В нашей стране наибольший вклад в область создания мобильной робототехники внесен следующими научно-исследовательскими организациями. В ЦНИИ «РТК», разработана гамма мобильных роботов для работы в экстремальных средах, для ликвидаций последствий аварий и борьбы с терроризмом. Специалистами Государственного Института Физико-Технических Проблем также созданы мобильные робототехнические комплексы, предназначенные для работы в экстремальных ситуациях. В Институте Прикладной Механики им. М.В.Келдыша проводятся фундаментальные исследования в области создания интеллектуальных систем управления для мобильных роботов. В Московском Институте Радиотехники, Электроники и Автоматики (Технический Университет) разрабатываются системы управления на основе технологий экспертных систем и нейроуправления. ОАО «ВНИИТРАНСМАШ» разрабатывает уникальные мобильные роботы для исследований других планет. В научно-учебном центре «Робототехника» и НИИСМ при МГТУ им. Н.Э.Баумана проводятся полномасштабные научно-исследовательские и опытно-конструкторские разработки в области создания мобильных роботов и систем управления для них. В НИИСМ ведутся, также, работы по исследованию ходовых систем гусеничных машин. В 1986 году сотрудниками НИИСМ (в то время Студенческое Конструкторское Бюро) был разработан и изготовлен первый серийный мобильный робот (Мобот-Ч-ХВ), который прошел испытания во время ликвидации последствий аварии на чернобыльской АЭС при проведении дозиметрического контроля, сбора и транспортировки радиоактивных осколков. Волгоградский Государственный Технический Университет известен своими оригинальными разработками в области шагающих машин большой грузоподъемности, предназначенных для движения по труднопроходимой местности.

К основным направлениям исследований при создании автономных роботов относятся следующие: управление роботом и оценка положения робота, оценка геометрии местности и свойств поверхности, машинное зрение. Области применения мобильных роботов характеризуются высокой неопределенностью окружающей обстановки, что ограничивает возможность использования жестких алгоритмов для управления ими.

В большинстве случаев управление роботом осуществляется человеком-оператором на уровне движений, при этом от человека требуется непрерывное наблюдение за действиями робота и оперативное управление его действиями. Такой подход определяется неспособностью робота принимать самостоятельные решения и имеет ряд недостатков. К ним можно отнести необходимость постоянного канала связи с человеком (кабельная связь или радиосвязь), существенно ограничивающего область применения робота. Радиосвязь обеспечивает высокую подвижность робота и большой радиус действия, однако обладает следующими недостатками: невысокой помехозащищенностью, невозможностью сохранять режим радиомолчания, прекращением связи в зонах радиотени. Кабельная линия связи надежна, защищена от помех, обеспечивает скрытность передачи сигналов, но ограничивает подвижность и значительно уменьшает радиус действия машины. При выполнении технологических операций оператор, используя информацию об объекте и ходе выполнения работ, полученную с телекамер и выведенную на экраны мониторов, непрерывно управляет исполнительными механизмами манипулятора и транспортного средства в режиме ручного управления. Сложный процесс управления в сочетании с характером выполняемых взрывотехнических работ, требующих повышенного внимания и осторожности, приводит к быстрой утомляемости оператора и, как следствие, увеличению вероятности ошибочных действий. Кроме того, человек не всегда может правильно оценить обстановку по данным телеметрии и осуществить адекватное управление. Указанных недостатков можно избежать, если управление со стороны человека-оператора будет проводиться не на уровне движений, а на уровне постановки цели. Такой подход требует от робота самостоятельного принятия решения о конкретных действиях, в связи с чем возникает проблема получения и использования знаний, лежащих в основе системы принятия такого решения. Одним из эффективных вариантов формирования базы знаний для робота является его обучение на основе действий человека-оператора.

В качестве примера задачи, требующей автономного управления, можно привести задачу управления конфигурацией шасси мобильного РТК «Богомол», разработанного в Гос.ИФТП. (рис.В.1) [3].

Рис.В.1. Мобильный робот «Богомол» Шасси РТК включает три пары гусениц, что дает возможность преодоления сложного рельефа местности. Задача заключается в том, чтобы автоматически адаптировать конфигурацию шасси к форме рельефа, используя показания датчиков робота, обеспечивая устойчивое положение аппарата и надежное сцепление гусениц с поверхностью. Необходимость управления мобильным роботом на расстоянии, особенно в условиях плохой видимости, ставит перед оператором сложную задачу ориентирования в зоне поиска по фрагментам телевизионного изображения обстановки. В настоящее время эта задача решается с помощью ручного дистанционного управления конфигурацией шасси. Вследствие расположения средств видеонаблюдения, как правило, ниже естественного уровня глаз оператора, предметы представляются в искаженном ракурсе, что в значительной степени изменяет восприятие действительности. Оператору трудно по телеизображению, представленному в виде плоской картинки, оценивать размеры предметов и расстояния до них. Все это способствует неадекватному восприятию ситуации и может явиться причиной ошибочных действий оператора а, в конечном счете, привести к невыполнению задачи. В связи с этим предлагается изменить технологию управления движением мобильного робота таким образом, чтобы исключить необходимость управления конфигурацией шасси при движении робота со стороны оператора. Разумеется, возможность перехода на традиционное ручное управление должна быть сохранена в качестве дублирующей. Представляется, что применение интеллектуальных методов, позволяющих автоматически адаптировать конфигурацию шасси к рельефу местности позволит расширить область применения робота и облегчить работу оператора.

Рассмотрим работу системы управления мобильным роботом (рис.В.2).

Рис. В. 2. Информационные взаимоотношения три управлении мобильным роботом Система управления получает информацию о внешнем мире и о внутренних параметрах робота от сенсорной системы, в качестве компонентов которой могут выступать разнообразные датчики, система технического зрения и др.

Обработав эту информацию, она формирует управляющие команды для исполнительной системы, в качестве которой выступают средства движения и манипуляторы, а также разнообразное оборудование. В процессе работы интеллектуальная система управления принимает решения об управлении с целью выполнения поставленной задачи. При этом она использует информацию, хранящуюся в базах данных и знаний робота. В зависимости от уровня «интеллектуальности» робота, эти базы могут иметь различную структуру и хранить различную информацию. В качестве таковой может выступать, например, информация о ситуациях, возникающих в процессе движения робота. Это характерно для систем, построенных по принципу «ситуационного управления». Или, например, если система управления построена по принципу нечеткого логического вывода, то базы данных могут содержать информацию о продукционных правилах и параметрах входных и выходных переменных.

Особое место в этой схеме занимает человек-оператор. Он может либо непосредственно управлять движением мобильного робота, либо формулировать цель, выполнить которую робот должен самостоятельно или при минимальном участии человека. Второй случай, обычно, относится к задачам экстремальной робототехники, о которых упоминалось ранее, когда участие человека в процессе управления мобильным роботом затруднительно или невозможно, например при работе в опасных условиях. Целью участия оператора в процессе управления на уровне движений может являться обучение робота, как например в рассмотренной задаче управления конфигурацией шасси. При этом оператор вручную управляет углами траков при движении робота по рельефу, схожему с тем, в котором предстоит работать роботу. Информация от сенсорной системы и информация об управлении используется для обучения. В дальнейшем «обученный» робот сможет самостоятельно осуществлять управление траками при движении.

Разработка методики, позволяющей организовать интеллектуальное управление автономным движением мобильного робота является темой исследования настоящей диссертации. Представляется, что результаты исследования могут найти множество применений в разнообразных задачах экстремальной робототехники.

Актуальность темы исследования заключается в том, что методика, полученная в результате проведенного исследования, позволит повысить эффективность работы и расширить сферу применения мобильных роботов за счет обеспечения его автономной работы в частично недетерминированных условиях. Также упрощается задача человека-оператора, который, будучи освобожденным от управления роботом на уровне действий, получает возможность лучше сосредоточиться на задачах более высокого уровня. Кроме того, снижаются требования к квалификации оператора, поскольку отсутствует необходимость его обучения управлению элементарными движениями робота. Представляется, что предложенные методы могут быть использованы для широкого класса задач экстремальной робототехники.

В настоящее время сложилось несколько стандартных подходов к решению задач по интеллектуальному управлению роботами. К ним относятся экспертные системы, системы ситуационного управления, системы, основанные на методах нечеткого логического вывода, а также нейроуправление. К сожалению, каждая из перечисленных систем имеет существенные ограничения по применению, и не обладает необходимой гибкостью для решения рассматриваемых задач. Вместе с тем, установлено, что на основе интеграции теории нейроуправления, теории нечетких множеств и ситуационного управления становится возможен синтез систем управления, способных качественно накапливать и использовать знания человека-оператора. Основная задача, поставленная в данной работе, заключается в разработке такого метода управления мобильным роботом, а также алгоритмов для его практической реализации.

Цель и задачи работы.

Целью диссертационной работы является разработка методики, которая может быть использована в качестве основы для построения обучаемых систем управления мобильными роботами в недетерминированных условиях на основе нечеткой логики и принципа ситуационного управления.

В работе были поставлены и решены следующие задачи:

• Разработка общей архитектуры и обобщенного алгоритма работы системы управления поведением мобильного робота в недетерминированных условиях на основе нечеткой логики и принципа ситуационного управления.

• Разработка способа нечеткого логического вывода, пригодного для использования в обучаемых системах управления мобильными роботами.

• Разработка метода обучения системы управления движением мобильного робота на основе действий человека-оператора.

• Экспериментальное исследование работы предлагаемой системы управления мобильным роботом.

Методы исследования.

При решении поставленных задач автором были использованы теория нечетких множеств, теория нейроуправления, теория ситуационного управления, методы вычислительной и дискретной математики, среди которых:' метод градиентного спуска, метод наименьших квадратов, теория конечных автоматов. Разработка программных средств велась с использованием технологии объектно-ориентированного программирования.

Исследование работоспособности разрабатываемых алгоритмов проводилось путем моделирования с использованием математических пакетов Matlab, Simulink, Realtime Workshop, языка С++. Научная новизна работы.

Область применения методов ситуационного управления была расширена за счет объединения теории ситуационного управления и теории нечетких множеств. Был предложен подход, позволяющий провести автоматическое опознавание ситуаций, возникающих при движении мобильного робота, с целью обеспечения управления в рамках текущей ситуации.

Разработан метод, позволяющий анализировать действия человека-оператора, выделения из них правил' управления роботом, накопления этих правил и их последующего использования в автоматическом режиме. Метод основан на анализе возникающей при движении робота ситуации и принятии решения об управлении роботом на основе нечеткого логического вывода.

Предложена оригинальная архитектура системы управления поведением мобильного робота, предназначенная для функционирования в условиях частичной неопределенности, обладающая свойством обучения. В отличие от существующих работ данная методология основана на сочетании принципов ситуационного управления, нейроуправления и теории нечетких множеств. Практическая ценность.

Предложена методика управления движением мобильного робота с возможностью априорной формулировки знаний, отражающих цель движения робота в случайной обстановке.

Разработана система автоматического управления конфигурацией шасси мобильного робототехнического комплекса, предназначенного для функционирования в опасных для человека условиях. В данной системе отсутствует необходимость управления движением робота со стороны оператора на уровне действий.

Предложены алгоритмы, позволяющие автоматически создавать и настраивать систему нечеткого логического вывода, формирующую управляющее воздействие на приводы мобильного робота, по действиям человека-оператора.

Разработана методика распознавания ситуаций, возникающих при движении мобильного робота. Метод основан на нечеткой кластеризации данных.

Предложены методы аппаратной реализации элементов систем нечеткого логического вывода, использующие современную элементную базу. Эти методы позволяют повысить производительность систем, использующих нечеткий логический вывод для принятия решения об управлении. Внедрение.

Проведенные исследования являются частью фундаментальных исследований в области теории нечетких множеств и нечеткой логики, которые проводились Учебном Научно-Техническом Центре «Робототехника» в МГТУ им. Н.Э.Баумана в течении последних лет.

Результаты диссертационной работы были использованы в учебном процессе на кафедре «Робототехнические системы» в МГТУ им. Н.Э.Баумана в виде отдельного экспериментального курса для студентов специальности 210300 - «Роботы и робототехнические системы» направления 652000 -«Мехатроника и робототехника» и являются базой для цикла лабораторных работ по данной тематике.

Результаты диссертационной работы были использованы в Государственном Институте Физико-Технических Проблем при проектировании системы управлении конфигурацией шасси мобильного робототехнического комплекса «Богомол». Апробация работы.

Основные результаты диссертационной работы докладывались на 11-й и 12-й научно-технических конференциях «Экстремальная робототехника» в Государственном Научном Центре ЦНИИ РТК (г.Санкт-Петербург, Россия) в 2000г., 2001г. и на научных семинарах Учебного Научно-Технического Центра «Робототехника» в МГТУ им. Н.Э.Баумана в 1998-2002г. Публикации.

Основное содержание диссертации опубликовано в девяти печатных работах, в том числе в журналах «Мехатроника» и «Вестник МГТУ». Объем работы.

Диссертационная работа состоит из введения, четырех глав, заключения и списка литературы. Объем работы составляет 175 печатных страниц, включая

Выводы

1. Предложенные методы аппаратной реализации компонентов систем нечеткого логического вывода позволяют повысить производительность традиционных вычислительных систем, в задачах выполнения нечеткого логического вывода. Это позволяет, в свою очередь, повысить

163 эффективность работы систем управления мобильными роботами, основанных на проведении таких операций. Предложенные технические решения не требуют использования специализированной элементной базы а ориентированы на недорогие семейства доступных контроллеров и схем программируемой логики.

2. Предложенная архитектура блока нечеткого управления, для систем с априорным заданием правил, позволяет использовать такой блок либо как самостоятельное устройство управления, либо как сопроцессор в составе общей системы управления, снизив тем самым нагрузку на основную вычислительную систему по выполнению операций нечеткого вывода.

3. Для обучаемых систем, реализуемых по предложенной методике АСНВ, представлены структурные схемы элементов каждого слоя пятислойной структуры, выбрана элементная база, пригодная для реализации рассматриваемых технических решений, что позволяет аппаратно реализовать предложенную структуру управления мобильных роботов.

164

Заключение

В рамках данной диссертации автором был предложен метод управления мобильным роботом в частично недетерминированных условиях, который основан на принципе ситуационного управления и использует механизм нечеткого логического вывода для принятия решения об управлении.

В работе получены следующие основные научно-технические результаты.

1. Разработана обобщенная структура системы управления мобильным роботом, ориентированная на работу в условиях неопределенности, и основанная на принципах нечеткого логического вывода и ситуационного управления.

2. Для задач управления движением мобильных роботов с возможностью априорного вербального задания знаний была разработана методика, основанная на представлении знаний о цели движения в виде нечетких продукционных правил.

3. Предложены методы распознавания ситуаций, возникающих при движении робота, на основе принципов нечеткой кластеризации. Для их реализации разработаны соответствующие алгоритмы.

4. Разработана структура системы адаптивного нечеткого вывода и метод ее обучения. Работоспособность предложенного метода подтверждена при решении задачи управления конфигурацией шасси мобильного робота.

5. Предложены схемотехнические решения, позволяющие аппаратно реализовать основные компоненты системы нечеткого управления мобильным роботом, с использованием доступной элементной базы.

Результаты проведенных с помощью разработанных методик исследований позволяют сделать следующие выводы.

1. Предложенная оригинальная технология управления мобильными роботами, особенностью которой является сочетание принципов ситуационного управления и механизма нечеткого логического вывода для принятия решения об управлении, позволяет построить систему управления мобильного робота, ориентированную на работу в частично недетерминированных условиях.

2. Применение предложенной методики в задачах управления мобильными роботами, в том числе в задаче управления конфигурацией адаптивного шасси, позволяет существенно повысить эффективность работы и расширить область применения РЖ, разгрузить оператора от рутинных операций по управлению роботом, обеспечив его автономное функционирование.

3. Предложенные методы аппаратной реализации компонентов систем нечеткого логического вывода позволяют повысить производительность традиционных вычислительных систем, использующих такой вывод для принятия решения об управлении.

Полученные в диссертационной работе научно-технические результаты использованы при разработке системы управления конфигурацией шасси мобильного робота «Богомол», что подтверждается прилагаемым актом о внедрении, а также в учебном процессе на кафедре «Робототехнические системы» в МГТУ им. Н.Э.Баумана в виде отдельного экспериментального курса для студентов специальности 210300 - «Роботы и робототехнические системы» направления 652000 - «Мехатроника и робототехника». Разработанное математическое и программное обеспечение используется при проведении цикла лабораторных работ по курсам «Искусственный интеллект» и «Управление роботами».

Предложенные схемотехнические решения по аппаратной реализации элементов нечеткого логического вывода являясь привлекательными с точки зрения соотношения цена/производительность, позволят использовать их широкому кругу исследователей, что, в свою очередь, должно стимулировать интерес к технологиям управления на основе нечеткого логического вывода.

166

1. Васильев С.Н. От классических задач управления к интеллектуальному управлению // Интеллектуальные системы,- М., 1999. - Т.4, вып. 1-2.-С.17 - 29.

2. Васильев В.И., Ремболъд У., Аполов С.Г. Адаптивное нейро-фаззи управление многозвенным манипулятором // Интеллектуальные автономные системы: всероссийская научно-техническая конференция.-Уфа, 1996.-С.68- 85.

3. Горбань А.Н., Россиев Д.А. Нейронные сети на персональном компьютере. Новосибирск: Наука, 1996. - 57 с.

4. Заде Л. Понятие лингвистической переменной и его применение к понятию приближенных решений // Математика. Новое в зарубежной науке / Под ред. А.Н.Колмогорова, С.П.Новикова.- М.: МИР, 1976. Р. 56-59.

5. Управление мобильным роботом с использованием фильтра Калмана

6. Зенкевич С.Л., Назарова A.B., Киселев Д.В. и др. И Мобильные роботы и мехатронные системы: Материалы всероссийской научной школы-конференции .- Москва, 2000. С. 28 - 41.

7. Кандрашина Е.Ю., Литеинцееа Л.В., Поспелов Д.А. Представление знаний о времени и пространстве в интеллектуальных системах. М.: Наука, 1989.-204 с.

8. Киселев Д.В., Ющенко A.C. Нечеткое управление поведением мобильных роботов // Вестник МГТУ. Приборостроение. 2000. - № 1. - С.86 - 99.

9. Система нечеткого управления конфигурацией шасси мобильного робота / Д.В.Киселев, A.C.Ющенко, В.В.Вечканов и др.

10. Экстремальная робототехника: Сборник трудов XII всероссийской научной конференции .- СПб., 2000. С. 119 - 129.

11. Киселев Д.В. Система нечеткого управления поведением мобильных роботов // Экстремальная робототехника: Сборник трудов XII всероссийской научной конференции. СПб., 2000. - С. 130 - 138.

12. Куссулъ Э.М. Ассоциативные нейроподобные структуры. Киев: Наукова думка, 1990. - 52 с.

13. Лохин В.М., Манько C.B., Романов М.П. Система нечеткого управления транспортным роботом с рекуперацией энергии // Экстремальная робототехника: Сборник трудов X всероссийской научной конференции. СПб., 1999. - С.258 - 263.

14. Мелихов А.Н., Берштейн Л. С., Коровин С.Я. Ситуационные советующие системы с нечеткой логикой.- М.: Мир, 1976. 168 с.

15. Непейвода А.Н., Кутергин В.А. Об уровнях знаний и умений в экспертных системах // Экспертные системы: состояние и перспективы / Под ред. Д.А.Поспелова. М.: Наука, 1989. - С. 13 - 22.

16. Поспелов Д. А. Логико-лингвистические модели в системах управления.-М.: Энергоиздат, 1981.-214 с.

17. Поспелов Д.А. Предисл. к кн.: Экспертные системы: состояние и перспективы.- М.: Наука, 1989. С. 3-8.

18. Поспелов Д.А. Ситуационное управление. Теория и практика. М.: Наука, 1986.-285 с.

19. Поспелов Д.А. Ситуационное управление основа прикладных интеллектуальных систем // Вестник МГТУ. Приборостроение. - 1995.-№2.-С. 31-46.

20. Прикладные нечеткие системы. Пер. с японского. / Под ред. Т.Тэрано, К.Асаи и М.Сугэно. М.: Мир, 1993. - 368 с.

21. Пупков К. А. О некоторых новых задачах теории и техники интеллектуальных систем / Под.ред. К.А. Пупкова // Интеллектуальные системы: Труды 3-го Международного симпозиума. М., 1998. - С. 137 - 154.

22. Романов М.П. Нечеткое управление двигателем постоянного тока

23. Экстремальная робототехника: Сборник трудов IX всероссийской научной конференции. СПб., 1998. - С.226 - 231.

24. Ющенко A.C., Киселев Д.В. Ситуационный подход к организации поведения мобильного робота в условиях неопределенности

25. Мехатроника. 2000. - №5.-С.10 -15.

26. Ющенко A.C. К теории деятельности эргатических мехатронных систем // Мехатроника. 2000. - №3. - С. 23 - 27.

27. Ющенко A.C., Киселев Д.В. Ситуационный подход к организации поведения мобильного робота в условиях неопределенности

28. Экстремальная робототехника: Сборник трудов XI всероссийской научной конференции . СПб., 2000. - С.52 - 59.

29. Ющенко A.C., Киселев Д.В., Григорьев A.A. Ситуативное поведение манипуляционных роботов в условиях неопределенности

30. Интегрированные модели и мягкие вычисления в искусственном интеллекте: Сборник научных трудов международного научно-практического семинара,- Коломна, 2001. С.305-310.

31. Ющенко A.C., Киселев Д.В., Вечканов В.В. Адаптивная система нечеткого управления мобильным роботом // Мехатроника. 2002. -№1. - С. 20-26.

32. Alag S., Patki A. Fuzzy Logic Integrated Circuits // Joint Int. Conference on Information Sciences JCIS'95. Wrightsville Beach (North Carolina), 1995. - P.842-868.

33. Astrom K.J., McAvoy T.J. Intelligent Control: An Overview and Evaluation: Handbook of Intelligent Control // Neural, Fuzzy and Adaptive Approaches

34. D.A. White, D.A. Sofge (eds.). N.Y.: Van Nostrand Reinhold, 1992. -214p.

35. Bellman R.E., Zadeh L.A. Decision-Making in a Fuzzy Environment // Management Science. 1970. - N. 17. - P.23 - 39.

36. Bellman R.E. Giertz M. On the Analytic Formalizm of the Theory of Fuzzy Sets // Inf. Sei. 1973. - N.5. - P.13 - 19.

37. Bezdek J.C., Tsao C.K., Pal N.R. Fuzzy Kohonen clustering networks

38. Fuzz-IEEE '92: Proc. 1st. IEEE Int. Conf. Fuzzy Systems.- San Diego, 1992. P.1035-1043.

39. Bishop С. M. Neural Networks for Pattern Recognition. Oxford: Oxford University Press, 1995. - 367 p.

40. Experiences with an interactive museum tour-guide robot / W.Burgard, A.B. Cremers, D.Fox and others II Artificial Intelligence. 2000. - N.l. - P.l 14 -129.

41. Estimating the Absolute Position of a Mobile Robot Using Position Probability Grids / W.Burgard, D.Fox, D.Hennig and others II Proc. of the Thirteenth National Conference on Artificial Intelligence (AAAI).- Portland, 1996. -P.467- 489.

42. Chen S.M., Cowan C.N., Grant P.M. Orthogonal least squares learning algorithm for radial basis function networks // IEEE Trans. Neural Networks. 1991,-V.2,N.2.-P. 302-309.

43. Cichocki A., Unbehauen R. Neural Networks for Optimization and Signal Processing. San Francisco: John Wiley & Sons Ltd., 1992. - 378 p.

44. Hardware Solutions for Fuzzy Control / A.Costa, A.Gloria, P.Faraboschi and others II Proceedings of the IEEE. 1995,- V.83, N.3. - P.422 - 434.

45. Dorst L., Travato K. Optimal Path Planning by Cost Wave Propagation in Metric Configuration Space // SPIE. Mobile Robots III. 1988. - V.1007. -P.186-197.

46. A General Purpose Fuzzy Inference processor / H.Eichfeld, M.Klimke, M.Menke. and others II IEEE Micro. 1995.- V. 15, N.3. - P.12-17.

47. A hybrid collision avoidance method for mobile robots / D.Fox, W.Burgard, S.Thrun and others II Proc. of the IEEE International Conference on Robotics & Automation. San Francisco, 1998. - P.769 - 792.

48. Fox D., Burgard W., Thrun S. The dynamic window approach to collision avoidance II IEEE Robotics & Automation Magazine. 1997. - N.4.- P.9 -14.

49. Fox D., Burgard W., Thrun S. Markov Localization for Mobile Robots in Dynamic Environments // Journal of Artificial Intelligence Research. -1999.-N.il.-P. 47-55.

50. Monte carlo localization: Efficient position estimation for mobile robots

51. D.Fox, W.Burgard, F.Dellaert and others II Proc. of the Sixteenth National Conference on Artificial Intelligence .- Orlando, 1999. P. 19-25.

52. Fuentes O., Rao P.N., Van W.M. Hierarchical Learning of Reactive Behaviors in an Autonomous Mobile Robot // Man and Cybernetics: Proc. of IEEE International Conference on Systems.- Vancouver, 1995. P. 1282 -1290.

53. Funahashi K.I. On the approximate realization of continuous mappings by neural networks // Neural Networks. 1989. - N.2 . - P. 183-192.

54. Glas M. Invariance and Stability , of Fuzzy System // J. Math. Analysis Appl.- 1984.-N.199.-P. 23 -34.

55. Gupta M. M., Rao D.H. On the principles of fuzzy neural networks // Fuzzy Sets and Systems. 1994. -N.61. - P. 1-18.

56. Handelman D.A., Stengel R.F. An Architecture for Real-Time Rule-Based // Proc. American Control Conference.- Minneapolis, 1987. P. 142 - 151.

57. Handbook of Intelligent Control / D.A.White, D.A.Sofge (eds.). N. Y.: Van Nostrand Reinhold, 1992.-341 p.

58. Hellendoorn II., Thomas C. Defuzzification in fuzzy controllers // Jour, of Intelligent and Fuzzy Systems. 1993. - N.l. - P. 109-123.

59. Hirota K., Ozawa K. The concept of Fuzzy Flip Flop // Man and Cybernetics: IEEE Trans, on Systems. 1989. - V.19, N.5. - P. 980 - 997.

60. Hong C.S., Lee J.S. Hierarchical Adaptive Fuzzy Control of Mobile Robot in Dynamic Environment // Int. Conf. FSR'98. Berlin, 1998. - P.72 - 76.

61. Intelligent Control Systems: Theory and Application / M.M.Gupta, N.K. Sinha (eds.).- New York: IEEE Press, 1996. P. 182.

62. Jang J.-S. R. ANFIS: adaptive-network-based fuzzy inference system // IEEE Trans. Syst., Man, Cybern.- 1993. V.23, N.3. - P. 665 - 685.

63. Katsumata A., Tokunaga H., Yasunobu S. Fuzzy Set processor (FSP) for Fuzzy information Processing 11 IFES' 91: Fuzzy Engineering Towards Human Friendly Systems.- Yokohama, 1991. P.399-405.

64. Kim D., Hallam J. Neural network'approach to path integration for homing navigation // Simulation of Adaptive Behaviour: Proceedings 6th Int. Conf.-Stanford, 2000. P.228-235.

65. Kiszka J.В., Gupta MM, Nikiforuk M.N. Energetistic Stability of Fuzzy Dynamic Systems // Man and Cybernetics: IEEE Trans, on Systems. 1985 -N.15. - P.18-22.

66. Kohonen T. Self-organizing map // Proc. IEEE. 1990. - V.78, N.9. - P. 1464 - 1480.

67. Kohonen T. Self-Organization and Associative Memory. Berlin: Springer Verlag, 1988. - 278 p.

68. Kosko B. Neural Networks and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence. N.J.:Prentice Hall, 1992. - 452 p.

69. Kwon Y.D., Won J.M., Lee J.S. Control of Mobile Robot by using Evolutionary Fuzzy Controller // Evolutionary Computation: Fifth IEEE International Conference. Anchorage (Alaska), 1998. - P.23 - 28.

70. Kwon Y.D., Lee J.S. An Obstacle Avoidance Algorithm for Mobile Robot: the Improved Weighted Safety Vector Field Method // International Symposium on Intelligent Control: Proc. Int. Conf. 10th IEEE. Monterey, 1995. -P.145-148.

71. Lee С. C. Fuzzy logic in control systems: fuzzy logic controller part I

72. Man and Cybernetic: IEEE Trans. Syst. 1990. - V.20, N.2. - P.404-418.

73. Lee C.C. Fuzzy logic in control systems: fuzzy logic controller part II

74. Man and Cybernetic: IEEE Trans. Syst. 1990. - V.20, N. 2. - P.419-435.

75. Lippmann R.P. An introduction to computing with neural nets // Proc. IEEE ASSP Mag. 1987. - V.4, N.2. - P.4 - 22.

76. Luo R., Pan T. An Intelligent Path Planning System for Robot Navigation in an Unkown Environment // In SPIE Mobile Robots IV, Vol.1195. -Philadelphia, 1989. -P.316-326.

77. Mamdani E.H., Applications of fuzzy algorithms for control of simple dynamic plant// Proc. IEEE. 1974. - V.121, No 12. - P.669 - 678.

78. Mamdani E.H. Application of fuzzy logic to approximate reasoning using linguistic synthesis // IEEE Trans. Computers. 1977. - V.C-26, N.12. -P.1182 - 1191.

79. Marinos P. Fuzzy Logic and its Application to Switching Systems // IEEE Trans, on Computers. 1969. - V.C-18, N.4. - P. 343 - 348.

80. Manzoul M. Faults in Fuzzy Logic Systolic Arrays // International Journal on Cybernetics and Systems. 1990. - N.21. - P.513 - 524.

81. Mohammadian M., Yu X.H., Stonier R.J. Tuning and optimization of membership functions of fuzzy logic controllers by genetic algorithms

82. Robot and Human Communication: Proceedings of 3rd IEEE International Workshop .- Nagoya, 1994,- P.356-361.

83. Mohammadian M., Stonier R.J. Fuzzy rule generation by genetic learning for target tracking // Intelligent Systems: Proceedings of the 5th International Conference . Reno, 1996. - P.264 - 283.

84. Moody J., Darken C. J. Fast learning in networks of locally-tuned processing units // Neural Computing. 1989. - N.l. - P.281-294.

85. On the training of radial basis function classifiers / M.T.Musavi, M.Ahmed, K.H.Chan and others //Neural networks. 1992. - N.5. - P.595 - 603.

86. Moore C.G., Harris C.J. Indirect Adaptive Fuzzy Control // Intern. J. of Control. 1992. -N.2. - P.56 - 61.

87. Narendra K.S., Parthasarathy K. Identification and Control of Dynamical Systems Using Neural Networks // Neural Networks: IEEE Transactions. -1990.-N.l.-P. 186- 199.

88. Nehmzow U., Smithers T., Hallam J.C. Location Recognition in a Mobile Robot Using Self-Organising Feature Maps // Information Processing in Autonomous Mobile Robots: Proceedings of International Workshop.-Berlin, 1991,-P.267-277.

89. Passino K.M. Toward Bridging the Perceived Gap between Conventional and Intelligent Control / M.M. Gupta, N.K.Sinha (eds.). N.Y.: IEEE Press, 1996.- 194 p.

90. Patki A. Fuzzy Systems: Technology Mission Approach // Technical Report -DE/NMC/93/5, May 1993. P.27 - 64.

91. Procyk T.J., Mumdani E.H. A Linguistic Self-Organizing Process Controller //Automatica. 1979.- N.15.-P. 32-40.

92. Rao P., Fuentes O. Hierarchical Learning of Navigational Behaviors in an Autonomous Robot using a Predictive Sparse Distributed Memory //Autonomous Robots. 1998. - N.5. - P. 297-316.

93. Siy P., Chen C. Minimization of Fuzzy Functions // IEEE Trans, on Computers. 1972. - N.21. - P. 100 - 102.

94. Takagi T.; Sugeno M. Fuzzy identification of systems and its applications to modeling and control // Man and Cybern.: IEEE Trans. Syst. 1985. - V. SMC-15, N.l. - P.116- 132.

95. Thomson F. Introduction to Parallel Algorithms and Architectures: Arrays, Trees, Hypercubes. San Mateo: Morgan Kaufmann publishers, 1992. -192p.

96. Thritn S., Burgard W., Fox D. A real-time algorithm for mobile robot mapping with applications to multi-robot and 3d mapping // Robotics & Automation: Proc. of the IEEE International Conference . San Francisco, 2000. -P.267 - 271.

97. Thrun S. and others,Map learning and high-speed navigation in RHINO.

98. David Kortenkamp, R.P.Bonasso, and R.Murphy, editors // Artificial Intelligence and Mobile Robots. Cambridge, 1998. - P.124 - 146.

99. Thrun S. and others, A probabilistic approach to concurrent mapping and localization for mobile robots // Machine Learning and Autonomous Robots.- 1998.-N.31.-P. 243 -257.

100. Veelaert P., Peremans H. Mobile Robot Navigation Based on Flexibility Maps of the Environment // Proceedings of the 13th International Conference on Pattern Recognition. Los Alamitos, 1996.-N.l. - P. 146 - 150.

101. Vuorimaa P. A model-based neuro-fuzzy controller // STeP-94: Int. Artificial Intelligence Conf. Turku (Finland), 1994. - P. 177-183.

102. Vuorimaa P. Use of the fuzzy self-organizing map in pattern recognition

103. FUZZ-IEEE'94: In Proc. 3rd IEEE Int. Conf. Fuzzy Systems. Orlando (USA), 1994.-P. 798-801.

104. Watanabe H., DettloffW., Yount E. A VLSI Fuzzy Logic Inference Engine for Real-time Process Control // IEEE Journal of Solid State Circuits.- 1990. -V.25, N.2. P.376 - 382.

105. Yen J., Puger N. A Fuzzy Logic Based Robot Navigation System

106. AAAI: Proceedings of Int. Symposium on Application of Artifical Intelligence to Real-World Autonomous Mobile Robots. Cambridge, 1992.- P.195-199.