автореферат диссертации по машиностроению и машиноведению, 05.02.05, диссертация на тему:Управление наземными роботами в недетерминированных средах с препятствиями определенного класса

На правах рукописи

ш

005054ООО

Ахмед Саа^Али Мохаммед

Управление наземными роботами в недетерминированных средах с препятствиями

определенногокласса

Специальность 05.02.05 - Роботы, мехатроника и робототехнические

системы

Автореферат диссертации на соискание ученой степени кандидата технических наук

Таганрог - 2012

005054883

Работа выполнена в Технологическом институте Южного Федерального Университета в г. Таганроге.

Научный руководитель:

доктор технических наук, профессор

Пшихопов Вячеслав Хасанович

Официальные оппоненты:

Ведущая организация:

Капустян Сергей Григорьевич, доктор технических наук, заведующи отделом НИИ многопроцессорны вычислительных систем ЮФУ

Лукьянов Евгений Анатольевич кандидат технических наук, доцен' ФГБОУ ВПО «Донской государственны технический университет»

ФГБОУ ВПО «Южно-Российский государственный технический университет (Новочеркасский политехнический институт)»

Защита диссертации состоится «'Ц- » 2012 г. в ч. ^ м. I

заседании диссертационного совета Д 212.208.24 при Южно федеральномуниверситете по адресу: 347928, г. Таганрог, Ростовская облает ул. Чехова 2, корп. «И», комн. 347.

С диссертацией можно ознакомиться в зональной научной библиоте! ЮФУ по адресу: г. Ростов-на-Дону, ул. Пушкинская, 148 и на сайг http://sfedu.ru/

Автореферат разослан

«2&>-ИМ»,_2012 п

Просим Вас прислать отзыв, заверенный печатью учреждения, по адресу: 347928, г. Таганрог, Ростовская область, ГСП-17А, пер. Некрасовский, 4 Технологический институт Южного федерального университета в г. Таганрог Ученому секретарю д и с с е рта ц и о н и.208.24 Кухаренко Анатоли Павловичу. 0Бр"~

&рГх • О«„0

о? * N О

диссертационного сов^т^?^5.. \ ч кандидат технических-доцент

Ученый секретарь

А.П. Кухаренк!

Общая характеристика работы

Актуальность темы. В настоящее время наземные роботы (HP) привлекают все эльшее внимание исследователей в связи с их широким применением. HP должны меть возможность автономного функционирования в неструктурированных, инамичных, частично наблюдаемых и недетерминированных средах. Все чаще редъявляется требование избегать столкновений со стационарными препятствиями и эдвижными объектами. На выполнение указанных требований направлен ряд эвременных подходов к конструированию систем управления автономными эботами, функционирующими в недетерминированных средах.

Основные проблемы, связанные с использованием указанных подходов и етодов к формированию управлений тактического уровня, заключаются в 1едующем: в необходимости предварительного планирования траектории или фтографирования области функционирования HP, что налагает существенные граничения на движение объектов в априори недетерминированных средах; в едостаточной проработанности процедур согласования стратегических уровней панирования и тактических уровней управления; в необходимости дополнительной нформации о геометрии, фазовых координатах наземного робота и так далее, что ущественно увеличивает эффективность функционирования.

Различным аспектам проблемы управления HP посвящены работы отечественных безнос A.B., Жихарев Д.Н., Бурдаков С.Ф., Гайдук А.Р., Зенкевич С.Л., Капустян С.Г., [ейдорф P.A., Подураев Ю.В., Чернухин Ю.В., Юревич Е.И., Ющенко A.C., Каляев [.А., Пшихопов В.Х. и др.), и зарубежных (Montaner М.В., Rigatos G.G., Tzafestas C.S., ее T.L., Wu C.J., Khatib O., Quoy М, Moga S., Gaussier Р., Janglova. D., Lumelsky V., tepanov V., SkewisT.,Ren J., Mcisaac K.A., Patel R.V.) ученых.

Однако, при наличии достаточного большого числа публикаций, большинство редложенных подходов к управлению HP ограничено проблемой тупиковых итуаций, которая возникает, когда робот движется среди препятствий к желаемой ели без априорного знания окружающей среды. HP может попасть в «ловушку» в реде с вогнутыми препятствиями, лабиринтами и т.д. Также, при наличии репятствий, расположенных близко к целевой точке, возможно возникновение иклических движений робота. Таким образом, решение проблемы обхода HP репятствий сложной формы является весьма актуальной научно-технической роблемой.

Целью диссертационной работы является повышение эффективности >ункционирования HP путем обеспечения автономного управления движением робота недетерминированной среде с определенным классом препятствий.

Научная задача, решение которой содержится в диссертации, - разработка [етодов управления наземными роботами, обеспечивающих обход препятствий ложной формы в недетерминированной среде, без предварительного артографирования зоны функционирования HP.

Достижение поставленной цели требует решения следующих задач:

- анализ и исследование известных ме^дов управления подвижными |бъектами в недетерминированных средах с обходом стационарных и нестационарных [репятствий;

- разработка алгоритмически реализуемого метода обработки сенсорной информации, позволяющих устранять тупиковые ситуации, обусловленные наличием близко расположенных препятствий;

- разработка метода планирования траекторий НР, позволяющего избегать тупиковых ситуаций, обусловленных наличием препятствий сложной формы определенного класса;

- разработка метода управления НР в средах с препятствиями определенного класса, позволяющих выводить управляемый робот из тупиков и сглаживать его траекторию при перемещении внутри узкого коридора;

- разработка архитектуры программного обеспечения и общих алгоритмов функционирования программно-аппаратного комплекса для исследования перемещений НР;

- проведение экспериментальных исследований системы оперативного управления перемещением НР в недетерминированной среде.

Методы исследования основаны на использовании методов теории управления, теории устойчивости, аналитической механики, теории матриц, аналитического синтеза нелинейных позиционно-траекторных систем управления подвижными объектами, нечеткой логики управления. Проверка эффективности полученных в ходе работы теоретических результатов осуществлялась средствами численного моделирования в среде МАТЬАВ и подтверждена результатами натурных экспериментов.

Достоверность полученных результатов обеспечивается:

- строгими математическими выводами;

- результатами экспериментов и компьютерным моделированием;

- согласованием с данными экспериментов и результатами исследований других авторов.

Наиболее существенные положения, выдвинутые для защиты:

- связывание образов препятствий упрощает их описание и позволяет избегать тупиковых ситуаций;

- преодоление тупиковых ситуаций, возникающих при обходе препятствий сложной формы, можно осуществить за счет совместного применения неустойчивых режимов и интеллектуальных алгоритмов планирования и управления движением НР;

- концепция виртуальной целевой точки позволяет повысить эффективность функционирования НР в недетерминированных средах без предварительного картографирования.

Наиболее существенные новые научные результаты, полученные автором и выдвигаемые для защиты:

- алгоритмически реализуемый метод обработки сенсорной информации, отличающийся формированием дополнительных связей между образами препятствиями, и позволяющий устранять тупиковые ситуации, обусловленные наличием близко расположенных препятствий;

- метод управления НР, позволяющий обходить препятствия сложной формы, и тличающийся совместным использованием детерминированных позиционно-раекторных и нечетких регуляторов;

- метод формирования траектории движения НР в недетерминированных средах, озволяющий избегать циклических движений робота и тупиковых ситуаций, бусловленных наличием препятствий сложных форм, отличающийся введением иртуальной целевой точки.

Практическая ценность работы. Полученные в работе результаты могут быть спользованы при конструировании систем управления НР, предназначенными для ранспортировки грузов, обслуживания опасных для жизни и труднодоступных зон томной, химической и газовой промышленности, сервисного обслуживания ассажирских терминалов и т.д. Применяемые алгоритмы нетребовательны к ычислительным ресурсам, могут быть реализованы в реальном времени с спользованием простых сенсоров.

Апробация работы. Основные результаты исследований по теме диссертации вкладывались на международном научно-техническом семинарев г. Алушта, 2010 г., [еждународной конференции «Автоматизация управления и интеллектуальные истемы и среды» (АУИСС - 2010 г.), первой международной конференции Автоматизация управления и интеллектуальные системы и среды» (Нальчик, 2010 г.), ЕЕЕ Международной конференция по мехатронике, (Стамбул, Турция 2011 г.), 4-й [еждународной конференции по машиностроению и технологиям, (Асьют, Египет, 011 г.), научно-технической конференции «Искусственный интеллект и управление» ИИУ-2011), всероссийской научной школе «Микроэлектронные информационно-правляющие системы икомплексы» (Новочеркасск, 2011г.).

Реализация и внедрение результатов работы. Теоретические и практические азработки, выполненные в рамках данной работы, использованы при создании олесного автономного мобильного робота «Скиф-3», внедрены в учебный процесс афедры электротехники и мехатроники ТТИ ЮФУ в рамках курсов «Основы обототехники» и «Управление роботами и робототехническими системами».

Личный вклад автора. Все научные результаты диссертации получены автором ично.

Публикации. Основные результаты исследований по теме диссертации зложены в 9 научных изданиях, в том числе 3 статьях в ведущих научных изданиях, екомендованных ВАК для публикации результатов работ по диссертациям на оискание ученой степени кандидата технических наук, 6 докладах в материалах !сероссийских и международных конференций.

Структура и объем работы. Диссертация состоит из введения, четырех глав, включения, списка литературы из 135 наименований, содержания и 3 приложений. )сновная часть работы изложена на 175 страницах и включает в себя 72 рисунка и 3 аблицы.

Краткое содержание диссертации

Во введении обоснована актуальность темы диссертации, определены цель и адачи исследований, выделены основные положения и научные результаты работы, [меющие научную новизну и практическую значимость.

В первой главе содержится обзор литературы, кратко рассмотрены некоторые наиболее показательные подходы, выбранные с учётом их вклада в развитие методов и подходов к управлению движением роботов в недетерминированной среде.

Рассмотрены метод потенциальных полей, интеллектуальный подход на базе нейросетей и нечеткой логики, нейро-нечеткий метод. Обсуждаются их достоинства и недостатки.

Подробно рассмотрен метод позиционно-траекторного управления подвижными объектами, в котором для обхода препятствий используется бифуркационный параметр, пропорциональный величине расстояния до препятствия. Этот параметр позволяет переходить системе управления роботом в неустойчивый режим при обходе препятствий. Основное преимущество этого подхода заключаются в исключении процедур построения траекторий в области препятствия, так как это часто невозможно в режиме реального времени при движении робота в динамических средах. Использование неустойчивых режимов позволяет снизить требования к блоку планирования перемещений и к сенсорной подсистеме.

Однако, возможны ситуации такого расположения препятствий, когда НР не в состоянии достичь целевой точки. Поэтому метод позиционно-траекторного управления требует дальнейшего развития с точки зрения решения проблемы обхода «ловушек», обусловленных препятствиями сложной формы.

Указанные проблемы и возможные направления их решения научно обосновывают актуальность и важность поставленных в диссертационной работе целей и задач.

Вторая глава диссертации посвящена разработке методов управления наземными роботами в недетерминированных средах с препятствиями определенного класса.

Рассматривается общий вид математических моделей движения НР, который с учетом их динамики, кинематики и исполнительных механизмов имеет вид:

у

=це,к„к„), (1)

= ЛГ'(^(8)-/Г -кд (2)

5 =—5 + Ки, (3)

Т

где х^у - вектор внешних координат, определяющих положение НР на плоскости; 9 - угол, определяющий ориентацию НР; вектор уравнений кинематики НР;

М - матрица массо-инерционных параметров НР; Ух, Уу - проекции скоростей НР на оси связанной системы координат;/;(5) - вектор управляющих сил и моментов, - вектор нелинейных элементов динамики НР; - /я-вектор измеряемых и неизмеряемых внешних возмущений; 8 - вектор управляемых координат (угол отклонения рулевого колеса, скорости вращения колес и т.п.); К -матрица коэффициентов управления; и -вектор управляющих воздействий.

Представлены базовые алгоритмы позиционно-траекторного управления подвижными объектами, используемые в системах управления НР для формирования алгоритмов позиционного, траекторного и позиционно-траекторного управления.

Разработаны методы управления, содержащие новые алгоритмы функционирования блоков обработки сенсорной информации, планирования траекторий и управления движением НР, основанные на связывании образов препятствий, нечеткой логике и понятии виртуальной целевой точки.

Рассмотрены конфигурации препятствий, порождающие тупиковые ситуации и циклические движения НР, представленные на рис. 1.

Вводится целевая функция вида:

17=(х/-х)2 +(у[ -у)2 <8^, (4)

где х, у- текущие координаты НР; х^ У(-координаты целевой точки; - допустимая ошибка.

Формулируется задача управления НР в недетерминированных средах: синтезировать такие законы управления Ри и реализующие их структуры, которые бы обеспечивали перемещение НР из произвольной начальной точки А0 (хо, уо) пространства функционирования робота в заданную целевую точку А^Хд, уА), при наличии стационарных и нестационарных препятствий вида, представленного на рис.1. Эти управления должны гарантировать выполнение условия (4).

В случае необходимости могут задаваться и требования к желаемой ориентации НР в точке А[, в недетерминированной среде с препятствиями, представленными на рис. 1, с выполнением условий:

^>£¿=1,2 (5)

где к- количество ближайших точек, принадлежащих одному или нескольким препятствиям; — расстояние до /-го препятствия;^ — константа, задающая допустимое кратчайшее расстояние от характерной точки НР до любого из препятствий.

ЦТ

п

ЦТ

ЦТ

ЦТ

НР

Рисунок 1 - Примеры взаимного расположения робота, цели и препятствий вида: а) - «угол»; б) - П-образные; в) - Ш-образные; г) - близкорасположенные.

В диссертации на основе обобщенных алгоритмов позиционно-траекторного /правления получены частные алгоритмы позиционного, траекторного, позиционно-граекторного управления НР, в том числе при их движении в среде со стационарными и нестационарными препятствиями.

Далее предлагаются новые алгоритмы управления движением НР в среде с препятствиями, предполагающие объединение нескольких близко расположенных образов препятствий в один выпуклый образ препятствия посредством построения дополнительных связей между ними. Алгоритмы позволяют расширить функциональные возможности позиционно-траекторных регуляторов, устраняя тупиковые ситуации, обусловленные близко расположенными препятствиями.

Предлагаемый подход демонстрируется на рис. 2. Процедура связывания образов препятствий заключается в следующем:

1. Задается максимальное расстояние между препятствиями. Критерием близости препятствий может являться характерный размер НР. Если расстояние между препятствиями такое, что НР не может между ними пройти, то они рассматриваются как единое целое препятствие.

2. После задания величины максимального расстояния между двумя препятствиями (величина О), начинается построение связей для ближайшего к НР препятствия А. Для этого осуществляется поиск препятствий, находящихся на расстоянии Б от препятствия А. Если других препятствий нет, то препятствие А считается изолированным. Если другие препятствия найдены, то строятся связи между их образами.

3. После применения данной процедуры НР необходимо обойти только одиночные выпуклые препятствия, расположенные друг от друга на расстоянии, большем О. Это гарантирует успешное решение задачи обхода препятствий применением неустойчивых по расстоянию до препятствий режимов.

4. Далее для обхода препятствий применяются неустойчивые режимы движения НР.

Использование неустойчивых режимов связано с расчетом бифуркационного

параметра, изменяющего параметры системы управления НР при приближении к препятствию.

В отличие от метода позиционно-траекторного управления, при расчете бифуркационного параметра все связанные препятствия рассматриваются как одно целое с координатами и радиусом причем

где ЯА и Лв-радиусы препятствий А и В соответственно, 5 - расстояние между

Функциональная схема системы управления движением НР, реализующей позиционно-траекторное управление с агрегированием (связыванием) образов препятствий, представлена на рис. 3.

Рисунок 2 - Построение связей между препятствиями

Леч=(Л д+Лв+5)/2,

препятствиями А и В.

Тип задания

Блок агрегирования (связывания) Образов Препятствий

Планировщик

Регулятор

Сенсоры

Датчики расстояния к препятствиям

V.______:_______:___

НР

Внешняя среда

Рисунок 3 - Функциональная схема системы управления НР при агрегировании

образов препятствий

Предложенный алгоритм связывания образов препятствий не позволяет избегать некоторых ловушек, например представленных на рис. 1, б и в, поэтому далее в главе разрабатывается метод синтеза комбинированного управления движением наземного робота, основанный на позиционно-траекторном и нечетком управлении. Предлагаемый метод эффективен для решения проблемы движения при наличии узких проездов и препятствий вида, представленного на рис. 1, б и в.

На рис. 4 представлена функциональная схема предложенной комбинированной ;истемы управления движения НР, основанная на позиционно-траекторном и нечетком управлении.

Рисунок 4 -Комбинированная система управления движением мобильного робота

Планировщик на рис. 4 скомбинирован с механизмом нечеткой логики и выполняет функции мобильной навигации робота в реальном времени в Ю динамической окружающей среде. Нечеткий регулятор работает, когда робот движется в узких проходлх или при наличии препятствий сложной формы, когда НР попадает в ловушку.

Нечеткий регулятор для НР имеет три входа и два выхода (рис. 5).

Рисунок 5 -Входы и выходы нечеткого регулятора

На входы предложенного нечеткого регулятора (рис. 5) поступают расстояния между роботом и целевым местоположением, и между роботом и препятствиями, расположенными впереди, слева и справа. Выходные сигналы регулятора управляют скоростями боковых колес наземного робота. В диссертации разработаны составные функции принадлежности, представленные на рис. 6. Введены лингвистические переменные «рядом», «средне», и «далеко», применяемые для фазификации входов. Для управления скоростью движения НР используются лингвистические переменные "быстро", "медленно" и "средне". На базе введенных функций принадлежности и лингвистических переменных разработано 27 нечетких правил для наземного робота с двумя ведущими колесами.

Рядом Средне Далеко

Левоепреп.

*Х о

Рядом Средне Далеко

Рядом Средне Далеко

Правоепреп.

X О

Переднеепреп.

X

Медленно Средне Быстро

V,

Медленно Средне Быстро

V,

ЛеваяУ Правая V

Рисунок 6 - Входные и выходные функции принадлежности Полученный комбинированный регулятор описывается выражением: \-М{СТКу [В^ + В2+АУ+Ч>1Г)+Р11+Р^ если (3 = 0,

где Р>0 - бифуркационный параметр; ~ функция нечеткого

регулятора; - сигналы с датчиков левого, правого, и переднего обзора;

М - матрица массо-инерционных параметров НР; С, Т, К,В1г А - матрицы и векторы

настройки позиционно-траекторного регулятора; У, У - векторы измеряемых координат; Ч^ - вектор, определяющий траекторию движения НР; Р(1 - вектор динамических сил и моментов; Р", - вектор оценок внешних возмущений.

Предложенный метод управления не гарантирует обхода препятствий для Ш-конфигурации или ловушек с «узким бутылочным горлом». В этой связи в главе предложен метод управления движением НР, использующий концепцию виртуальной целевой точки, которая формируется из координат исходной целевой точки посредством поворота вектора \xfiyf| на угол у. Величина угла у является функцией бифуркационного параметра р, зависящего от расстояния между роботом и препятствием:

У=*ТР,

причем, координаты виртуальной точки определяется следующим выражением:

совСу) -,51п(у)

этСу) собСУ)

где хг - координаты виртуальной целевой точки; к - настраиваемый параметр.

В случае нарушения условия |Р| > 0,01, НР переходит в режим виртуальной целевой точки.

На рис. 7 представлено преобразование целевой точки в виртуальную, с использованием выражения (7).

Г = со^г) -втСу; гхп 1УЫ ^пГу) собГТ") Ы '

У,.

сОБу-эту у СОБу

4(0

= 0, если (3 > 0

0-0'

'де р - вектор внешних координат НР; Л,(0 - матрица коэффициентов, определяющих желаемую траекторию движения НР.

Р+МО 0-0'

Рисунок 7 - Графическое представление преобразования целевой точки в

виртуальную точку

Далее в главе предложена новая функциональная схема системы управления НР 5 использованием концепции виртуальной целевой точки, представленная на рис. 8.

Планировщик, использующий концепцию виртуальной целевой точки, вписывается выражением:

= 0, если р = 0,

Рисунок 8 - Функциональная схема системы управления НР с использованием концепции виртуальной целевой точки

Третья глава посвящена разработке методики проектирования компьютерного комплекса моделирования движений НР в недетерминированных средах.

Функциональная схема программного комплекса моделирования движений мобильного робота представлена на рис. 9.

Рисунок 9 - Функциональная схема программного комплекса имитационного моделирования движения мобильного робота

Модуль формирования настроек эксперимента позволяет выбрать режим эксперимента, настроить параметры моделирования и задать соответствующие

переменные и параметры системы управления, базирующейся на обобщенных алгоритмах и структурах, предложенных во второй главе. После определения настроек и задания целей работы данные передаются в модуль численного моделирования, где выполняется цикл моделирования, в котором участвуют модель системы управления, модель мобильного робота и модель среды. Имитационная модель наземного робота включает в себя средства численного интегрирования уравнений движения. Модель системы управления включает в себя реализацию алгоритма работы регулятора, реализующего заданный закон управления, модель планировщика, формирующего траекторию движения в соответствии с поставленным заданием. На каждом шаге цикла моделирования система управления на основе заданных параметров и текущего состояния мобильного робота, рассчитывает управляющие воздействия. Эти управляющие воздействия передаются в модель, в которой рассчитываются изменения состояния мобильного робота в результате действия управлений.

В модели среды задаются варианты недетерминированной внешней среды (лабиринт, выпуклые препятствия, угол, подвижные препятствия и т.д.).

Модуль численного моделирования формирует вектор переменных, описывающих мобильный робот на каждом шаге моделирования. В него входят координаты и скорости, управляющие воздействия, состояния системы управления, параметры внешней среды и др. Эти данные передаются в модуль накопления истории изменения переменных. Данный модуль сохраняет все данные и обеспечивает доступ к ним. Это облегчает дальнейшую обработку и анализ результатов.

По результатам эксперимента выполняется построение графиков изменения интересующих разработчика параметров.

Программный комплекс имитационного моделирования НР реализован на базе пакета программ МАТЬАВ, включающего высокоуровневый язык программирования, цирокий спектр функций, интегрированную среду разработки, объектно-зриентированные возможности и специальные наборы инструментов, расширяющие зго функциональность.

На рис. 10-14 представлены результаты моделирования движения НР в недетерминированной среде препятствиями, с использованием изложенных во второй главе процедур.

«5

At

У1(0 У1(В

Рисунок 10 -Моделирование траектории движения мобильного робота при агрегировании препятствий

О 20 40

а) Траектория движения

б) Праметр, характеризующий расстояние до препятствия Рисунок 11 - Результаты моделирования обхода НР препятствий Ь-конфигураций с использованием комбинированного метода управления

Рисунок 12 - Результаты моделирования движений НР при использовании концепции виртуальной целевой точки

3

-100 -50

у1(0

а) Траектория движения

1000 . 500 ■

б) График изменения бифуркационного параметра

Рисунок 13 - Поведение НР при наличии препятствий с «узким проходом»

Представленные результаты моделирования подтверждают высокую эффективность разработанных в диссертации методов управления НР для обхода определенного класса препятствий.

Рисунок 14 - Траектории движения НР при препятствиях больших размеров и расположенных вблизи целевой точки

Робот имеет рояльную кинематическую схему, т.е. два независимо управляемых задних колеса и свободные поворотные передние колеса. Низкоуровневый контроллер на базе МК Агте1 осуществляет ПИД-регулирование скоростью вращения электрических двигателей, получая данные от фотоимпульсных

15

Далее приведены результаты сравнения разработанных методов управления НР с известными, на основе следующих показателей: показатель безопасности, длина пути робота от стартовой точки до цели, время выполнения задания, форма препятствия. Сравнение результатов моделирования показало, что интегральный коэффициент эффективности в случае использования метода связывания препятствий повышается в 2-2,5 раза, в случае комбинированного управления в 2-3 раза, для случая использования концепции виртуальной целевой точки в 2,5-3,5 раза.

В четвертый главе диссертации на базе НР «Скиф-3», разработанного на кафедре электротехники и мехатроники Технологического института Южного федерального университета в г. Таганроге, были проведены экспериментальные исследования поведения НР в недетерминированных средах, с использованием в его системе управления разработанных в данной диссертационной работе структур и алгоритмов. Обобщенная функциональная схема НР представлена на рис. 15. Внешний вид НР представлен на рис. 16. _

Ультразвуковой датчик

К пульту управления

Низкоуровневый контроллер

Двигатель левый

Двигатель правый

Рисунок 15 - Функциональная схема НР «Скиф-3»

Число оборотов

Рисунок 16 - Внешний вид НР «Скиф-3»

Бортовой компьютер (БК)

Скорости вращения колес

Уставши управлений на двигатели

датчиков оборотов вращения колес. Алгоритмы управления реализуются на бортовом одноплатном промышленном компьютере (БК) на базе процессора Celeron 1,6 GHz. Сенсорная подсистема состоит из ультразвуковых датчиков SRF05. Телеметрическая информация посылается на наземный пункт посредством беспроводной связи Wi-Fi. Ультразвуковой датчик предназначен для измерения расстояния до препятствий. Выходной сигнал датчика, который обрабатывает БК, пропорционален расстоянию до препятствия.

В качестве платформы для реализации программного обеспечения бортового компьютера выбрана специализированная операционная система реального времени QNX Neutrino 6.3. Функциональная схема программного обеспечения бортового компьютера представлена на рис. 17.

Аппаратная часть Программная часть

Видеокамеры

Сенсоры

Контроллер двигателей

Сетевой сервер

Интерфейс

видеокадры— сетевых

видеокамер

управление режимом работы/ переменные состояния

Планировщик

координаты маяков

(цель и препятствие) Модуль CT3

видеокадры ▼

траектория, коэффициенты настройки координатЫ|-1-

Регулятор

•RS232-»

I

управления двигателями _I_

Модуль контроллера двигателей

Рисунок 17 - Функциональная схема программного обеспечения бортового

компьютера робота

На рис. 18 представлены результаты экспериментов по управлению движением НР в среде с препятствиями с применением алгоритмов связывания препятствий.

а) Траектория движения НР б) График изменения бифуркационного

параметра

Рисунок 18- Движение НР в случае близко расположенных препятствий

Результаты экспериментов с роботом «Скиф-3» подтвердили эффективность использования алгоритмов связывания препятствий для тупиковых ситуаций, возникающих в результате близкого расположения препятствий.

На рис. 19 представлены результаты экспериментов по управлению движением робота «Скиф-3» в среде с препятствиями с использованием комбинированных алгоритмов управления.

« 5-

4

Ь-конфигурации

Результаты экспериментов подтвердили высокую эффективность предложенных комбинированных алгоритмов управления, основанных на позиционно-траекторном и нечетком подходах.

На рис. 20 и 21 представлены результаты экспериментов при управлении движением робота в среде с препятствиями с использованием предложенной в данной диссертации концепции виртуальной целевой точки.

Полученные результаты также подтвердили высокую эффективность алгоритма виртуальной целевой точки при решении задач обхода препятствий II- и Ш-конфигураций, а также практическое отсутствие циклических движений НР.

""" б) График изменения угла

а) Траектория движения поворота целевой точки

Рисунок 20 - Движение робота в среде с близко расположенными препятствиями

у1(|)

а) Траектория движения б) График изменения бифуркационного

параметра

Рисунок 21 - Движение робота в среде с препятствиями и-конфигурации

Отметим, что алгоритм связывания препятствий может использоваться совместно с другими алгоритмами, поэтому его преимущества могут реализовываться в любой системе управления.

В заключении работы сформулированы основные научные и практические результаты, полученные в диссертационной работе.

В приложении представлены листинги программ моделирования движения робота в среде с близко расположенными препятствиями, замкнутого предлагаемыми законами управления, а также представлены акты внедрения результатов диссертации.

Основные результаты работы

Основной научный результат диссертации заключается в развитии теории позиционно-траекторного управления подвижными объектами, состоящем в решении актуальной научной задачи управления движением НР в недетерминированных средах с обходом препятствий определенного класса, которая имеет важное практическое значение для автономных НР.

В процессе решения основной научной задачи установлено, что преодоление тупиковых ситуаций, возникающих при обходе препятствий сложной формы, можно осуществить за счет совместного применения неустойчивых режимов и интеллектуальных алгоритмов планирования и управления движением НР.

Разработаны алгоритмы обработки сенсорной информации, отличающиеся формированием дополнительных связей между образами препятствиями, и позволяющие устранять тупиковые ситуации, обусловленные наличием близко расположенных препятствий;

Разработан метод синтеза комбинированного управления НР в недетерминированных средах, позволяющий обходить препятствия сложной формы, и отличающийся совместным использованием детерминированных позиционно-траекторных и нечетких регуляторов;

Разработан метод формирования траектории движения НР в недетерминированных средах, позволяющий избегать циклических движений робота и тупиковых ситуаций, обусловленных наличием препятствий сложных форм, отличающийся введением виртуальной целевой точки.

Разработана архитектура программного обеспечения, общие алгоритмы функционирования программно-аппаратного комплекса для исследования НР;

18

Проведены экспериментальные исследования системы управления перемещением HP в недетерминированной среде без предварительного картографирования зоны функционирования НР.Сравнение результатов экспериментов показало, что интегральный коэффициент эффективности в случае использования разработанных методов повышается в 2-3 раза.

Основные публикации по теме диссертации

Основное содержание диссертации отражено в следующих публикациях.

Публикации в журналах, рекомендованных ВАК:

1.Али А.С.,ФедоренкоР.В., КрухмалевВ.А. Система управления автономным колесным роботом Скиф-3 для априори неформализованных сред // Известия ЮФУ. Технические науки. Тематический выпуск «Перспективные системы и задачи управления»,-№3(104).-Таганрог: Изд-во ТТИ ЮФУ, 2010,-С. 132-143

2. АлиА.С.Алгоритм управления движением мобильного робота в неопределенной среде// Изв. КБНЦ РАН, № 1(39). 2011.С. 9 - 14.

3. Пшихопов В.Х.,Али A.C.Обход локальных минимумов функции ошибкипри движении робота в неопределенной среде// Известия высших учебных заведений. Северо-Кавказский регион. Технические науки.№ 6(164). 2011.С. 26-31.

Докладывматериалахконференций:

4. PshikhopovV.Kh.,AhmedS.Ali.Motioncontrolofdifferentialwheeledmobilerobot Skif-3 inunknown environments //In the proceedings of 5th Assuitlnternational conference on mechanical engineering advanced technology for industrial production(MEATlP5).Assiut. Egypt.201 l.PP. 335-342.

5. АлиА.С.Оценкаметодовпостроениятраекторийавтономногомобильногоробота //Современныетехнологиивзадачахуправления, автоматики и обработки информации: Труды IXX Международного научно-технического семинара. 2010. Алушта,С. 24.

6. Пшихопов В.Х.,Али A.C.Управление мобильными роботами в неопределенной среде сблизко расположенными выпуклымипрепятствиями// Трудынаучно-технической конференции «Искусственный интеллект и управление» (ИИУ-2011). 2011 .С.186 - 189.

7. ПшихоповВ.Х.,АлиА.С.Обход локальных минимумов функции ошибки на основе позиционно-траекторного управления при движении робота в неопределенной среде // Всероссийская научная школа «Микроэлектронные информационно-управляющие системы и комплексы» Новочеркасск, 2011.С. 175- 179.

8. PshikhopovV.Kh.,AhmedS.Ali. Hybridcontrolalgorithmofmobilerobotmotioninunknownenvironments//Tpyдымeждyнapoдн ойконференции «Автоматизацияуправленияиинтеллектуальныесистемыисреды» (АУИСС- 2010).С. 31-34.

9. PshikhopovV.Kh.,AhmedS.Ali.HybridMotionControlofaMobileRobotinDynamicEn vironments //IEEEInt. Conf. onMechatronics 201Ц1СМ1 l).Istanbul, Turkey, 2011.Pp.540 -545.

Вклад автора в работы, выполненные в соавторстве: в работе [1,4] предложены!! реализованы алгоритмы управления движением мобильного робота для следования к нестационарной цели с обходом стационарных и нестационарных препятствий; в работах [2,9] представлены комбинированные алгоритмы движения мобильного робота, основанные на позиционно-траекторном и нечетком управлении;в

19

работах [3,7] разработана методика построения систем управления НР недетерминированных средах с обходом тупиковых ситуаций; в рабо [6]представленымодифицированные алгоритмы управления, предполагающ! формирование дополнительных связей между препятствиями, и позволяющие избега' попадания НР в точки локальных минимумов; в работе [5] представлены оцен] методов построения траекторий автономного мобильного робота.

ЛР № 020565 от 23.06.97 г.

Подписано в печать Формат 60x84 1/16

Бумага офсетная. Печать офсетная. Усл. п.л. — 1 Тираж 100 экз. Заказ №

_^СГ_-

Издательство ТТИ ЮФУ ГСП 17 А, Таганрог - 28, Некрасовский, 44. Типография ТТИ ЮФУ ГСП 17 А, Таганрог - 28, Энгельса, 1

Введение.

1. Глава 1 Обзор методов и постановка задачи управления движением робота в недетерминированной среде с определенным классом препятствий.

1.1 Обзор методов и подходов к управлению движением робота в недетерминированной среде.

1.1.1 Метод структурного синтеза и метод позиционно-траекторного управления.

1.1.2 Интеллектуальные подходы.

1.1.3 Метод потенциалов в задаче выбора пути.

1.1.4 Методы обхода препятствий.

1.1.5 Некоторые прикладные методы синтеза систем управления подвижными объектами.

1.2 Обзор проблемы локальных минимумов

1.3 Постановка задачи управления движением робота в недетерминированной среде с определенным классом препятствий.

1.4 Выводы к главе 1.

2. Глава 2. Методы управления наземными роботами в недетерминированных средах

2.1 Математическая модель наземных роботов.

2.2 Формализация задачи управления.

2.3 Базовые алгоритмы автоматического управления.

2.4 Методы управления НР в недетерминированных средах.

2.4.1 Управление при ■ агрегировании (связывании) образов препятствий.

2.4.2 Интеллектуальное управление с использованием нечеткой логики

2.4.3 Управление с использованием концепции виртуальной целевой точки.

2.5 Выводы к главе 2.

3. Моделирование и анализ движений наземных роботов в недетерминированных средах.

3.1 Структура программного комплекса.

3.1.1 Математическая модель мобильного робот а.

3.1.2 Программная модель внешней среды.

3.1.3 Математическая модель сенсоров и навигационной системы.

3.1.4 Особенности реализации планировщика.

3.2 Результаты моделирования движений мобильного робота.

3.2.1 Результаты моделирования управления при агрегировании (связывании) препятствий.

3.2.2 Результаты моделирования управления с использованием нечеткой логики.

3.2.3 Результаты моделирования управления с использованием концепция виртуальной целевой точки.

3.3 Описание моделирования и анализ его результатов.

3.4 Выводы к главе 3.

4. Глава 4 Аппаратная реализация колесного работа, функционирующего в недетерминированных средах

4.1 Обобщенная функциональная схема бортовой системы управления мобильного робота.

4.2 Алгоритмы работы системы технического зрения.

4.3 Программная реализация системы автоматического управления.

4.4 Результаты экспериментов.

4.4.1 Результаты эксперимента с нестационарным препятствием и стационарной целью.

4.4.2 Результаты экспериментов при агрегировании (связывании) образов препятствий.

4.4.3 Результаты экспериментов с комбинированными алгоритмами управления роботом, основанные на нечетком управлении.

4.4.4 Результаты экспериментов с использованием концепции виртуальной целевой точки.

4.5 Выводы к главе 4.

Актуальность темы. В настоящее время наземные роботы (HP) привлекают все большее внимание исследователей в связи с их широким применением. HP должны иметь возможность автономного функционирования в неструктурированных, динамичных, частично наблюдаемых и недетерминированных средах. Все чаще предъявляется требование избегать столкновений со стационарными препятствиями и подвижными объектами. На выполнение указанных требований направлен ряд современных подходов к конструированию систем управления автономными роботами, функционирующими в недетерминированных средах.

Основные проблемы, связанные с использованием указанных подходов и методов к формированию управлений тактического уровня, заключаются в следующем: в необходимости предварительного планирования 1раектории или картографирования области функционирования HP, что налагает существенные ограничения на движение объектов в априори недетерминированных средах; в недостаточной проработанности процедур согласования стратегических уровней планирования и тактических уровней управления; в необходимости дополнительной информации о геометрии, фазовых координатах наземного робота и так далее, что существенно увеличивает эффективность функционирования.

Различным аспектам проблемы управления HP посвящены работы отечественных (Безнос A.B., Жихарев Д.Н., Бурдаков С.Ф., Гайдук А.Р., Зенкевич C.JL, Капустян С.Г., Нейдорф P.A., Подураев Ю.В., Чернухин Ю.В., Юревич Е.И., Ющенко A.C., Каляев И.А., Пшихопов В.Х. и др.), и зарубежных (Montaner М.В., Rigatos G.G., Tzafestas C.S., Lee T.L., Wu C.J., Khatib O., Quoy M., Moga S., Gaussier Р., Janglova. D., Lumelsky V., Stepanov V., SkewisT.,Ren J., Mcisaac K.A., Patel R.V.) ученых.

Однако, при наличии достаточного большого числа публикаций, большинство предложенных подходов к управлению НР ограничено проблемой тупиковых ситуаций, которая возникает, когда робот движется среди препятствий к желаемой цели без априорного знания окружающей среды. НР может попасть в «ловушку» в среде с вогнутыми препятствиями, лабиринтами и т.д. Также, при наличии препятствий, расположенных близко к целевой точке, возможно возникновение циклических движений робота. Таким образом, решение проблемы обхода НР препятствий сложной формы является весьма актуальной научно-технической проблемой.

Целью диссертационной работы является повышение эффективности функционирования НР путем обеспечения автономного управления движением робота в недетерминированной среде с определенным классом препятствий.

Научная задача, решение которой содержится в диссертации, разработка методов управления наземными роботами, обеспечивающих обход препятствий сложной формы в недетерминированной среде, без предварительного картографирования зоны функционирования НР.

Достижение поставленной цели требует решения следующих задач:

- анализ и исследование известных методов управления подвижными объектами в недетерминированных средах с обходом стационарных и нестационарных препятствий;

- разработка алгоритмически реализуемого метода обработки сенсорной информации, позволяющих устранять тупиковые ситуации, обусловленные наличием близко расположенных препятствий;

- разработка метода планирования траекторий НР, позволяющего избегать тупиковых ситуаций, обусловленных наличием препятствий сложной формы определенного класса;

- разработка метода управления НР в средах с препятствиями определенного класса, позволяющих выводить управляемый робот из тупиков и сглаживать его траекторию при перемещении внутри узкого коридора;

- разработка архитектуры программного обеспечения и общих алгоритмов функционирования программно-аппаратного комплекса для исследования перемещений НР;

- проведение экспериментальных исследований системы оперативного управления перемещением НР в недетерминированной среде.

Методы исследования основаны на использовании методов теории управления, теории устойчивости, аналитической механики, теории матриц, аналитического синтеза нелинейных позиционно-траекторных систем управления подвижными объектами, нечеткой логики управления. Проверка эффективности полученных в ходе работы теоретических результатов осуществлялась средствами численного моделирования в среде МАТЬАВ и подтверждена результатами натурных экспериментов.

Достоверность полученных результатов обеспечивается:

- строгими математическими выводами;

- результатами экспериментов и компьютерным моделированием;

- согласованием с данными экспериментов и результатами исследований других авторов.

Наиболее существенные положения, выдвинутые для защиты:

- связывание образов препятствий упрощает их описание и позволяет избегать тупиковых ситуаций;

- преодоление тупиковых ситуаций, возникающих при обходе препятствий сложной формы, можно осуществить за счет совместного применения неустойчивых режимов и интеллектуальных алгоритмов планирования и управления движением НР; 6

- концепция виртуальной целевой точки позволяет повысить эффективность функционирования НР в недетерминированных средах без предварительного картографирования.

Наиболее существенные новые научные результаты, полученные автором и выдвигаемые для защиты:

- алгоритмически реализуемый метод обработки сенсорной информации, отличающийся формированием дополнительных связей между образами препятствиями, и позволяющий устранять тупиковые ситуации, обусловленные наличием близко расположенных препятствий;

- метод управления НР, позволяющий обходить препятствия сложной формы, и отличающийся совместным использованием детерминированных позиционно-траекторных и нечетких регуляторов;

- метод формирования траектории движения НР в недетерминированных средах, позволяющий избегать циклических движений робота и тупиковых ситуаций, обусловленных наличием препятствий сложных форм, отличающийся введением виртуальной целевой точки.

Практическая ценность работы. Полученные в работе результаты могут быть использованы при конструировании систем управления НР, предназначенными для транспортировки грузов, обслуживания опасных для жизни и труднодоступных зон атомной, химической и газовой промышленности, сервисного обслуживания пассажирских терминалов и т.д. Применяемые алгоритмы нетребовательны к вычислительным ресурсам, могут быть реализованы в реальном времени с использованием простых сенсоров.

Апробация работы. Основные результаты исследований по теме диссертации докладывались на международном научно-техническом семинаре в г. Алушта, 2010 г., международной конференции «Автоматизация управления и интеллектуальные системы и среды» (АУИСС - 2010 г.), первой международной конференции «Автоматизация управления и интеллектуальные системы и среды» (Нальчик, 2010 г.), IEEE Международной конференция по мехатронике, (Стамбул, Турция 2011 г.), 4-й международной конференции по машиностроению и технологиям, (Асьют, Египет, 2011 г.), научно-технической конференции «Искусственный интеллект и управление» (ИИУ-2011), всероссийской научной школе «Микроэлектронные информационно-управляющие системы и комплексы» (Новочеркасск, 2011г.).

Реализация и внедрение результатов работы. Теоретические и практические разработки, выполненные в рамках данной работы, использованы при создании колесного автономного мобильного робота «Скиф-3», внедрены в учебный процесс кафедры электротехники и мехатроники ТТИ ЮФУ в рамках курсов «Основы робототехники» и «Управление роботами и робототехническими системами».

Личный вклад автора. Все научные результаты диссертации получены автором лично.

Публикации. Основные результаты исследований по теме диссертации изложены в 9 научных изданиях, в том числе 3 статьях в ведущих научных изданиях, рекомендованных ВАК для публикации результатов работ по диссертациям на соискание ученой степени кандидата технических наук, 6 докладах в материалах Всероссийских и международных конференций.

Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 135 наименований, содержания и 3 приложений. Основная часть работы изложена на 175 страницах и включает в себя 72 рисунка и 3 таблицы.

4.5. Выводы к главе 4

В результате аппаратной реализации колесного робота и проведенных экспериментов на его базе можно сделать следующие выводы:

1. проведенные эксперименты полностью подтверждают работоспособность методов управления НР в недетерминированных средах, представленных в п. 2.4.

2. применяемые алгоритмы нетребователены к вычислительным ресурсам, отвечают требованиям функционирования в жестком реальном времени и могут быть реализованы с использованием простых сенсоров;

3. проведенные исследования позволяют сделать заключение о перспективности использования предложенных алгоритмов при конструировании систем управления роботов для транспортировки грузов в условиях автоматизированного складского хозяйства, обслуживания опасных для жизни и труднодоступных зон атомной, химической и газовой промышленности, сервисного обслуживания пассажирских терминалов, домашнего применения и т.д.

4. Результаты экспериментов совпали с результатами моделирования и подтвердили увеличение значения интегрального коэффициента эффективности, в случае использования разработанных методов, в 2-3 раза.

Заключение

Основной научный результат диссертации заключается в развитии теории позиционно-траекторного управления подвижными объектами, состоящем в решении актуальной научной задачи управления движением НР в недетерминированных средах с обходом препятствий определенного класса, которая имеет важное практическое значение для автономных НР.

В процессе решения основной научной задачи установлено, что преодоление тупиковых ситуаций, возникающих при обходе препятствий сложной формы, можно осуществить за счет совместного применения неустойчивых режимов и интеллектуальных алгоритмов планирования и управления движением НР.

Разработаны алгоритмы обработки сенсорной информации, отличающиеся формированием дополнительных связей между образами препятствиями, и позволяющие устранять тупиковые ситуации, обусловленные наличием близко расположенных препятствий;

Разработан метод синтеза комбинированного управления НР в недетерминированных средах, позволяющий обходить препятствия сложной формы, и отличающийся совместным использованием детерминированных позиционно-траекторных и нечетких регуляторов;

Разработан метод формирования траектории движения НР в недетерминированных средах, позволяющий избегать циклических движений робота и тупиковых ситуаций, обусловленных наличием препятствий сложных форм, отличающийся введением виртуальной целевой точки;

Разработана архитектура программного обеспечения, общие алгоритмы функционирования программно-аппаратного комплекса для исследования НР;

Проведены экспериментальные исследования системы управления перемещением НР в недетерминированной среде без предварительного картографирования зоны функционирования НР. Сравнение результатов экспериментов показало, что интегральный коэффициент эффективности в случае использования разработанных методов повышается в 2-3 раза.

1. Пшихопов В.Х. Позиционно-траекторное управление подвижными объектами // Таганрог: Изд-во ТТИ ЮФУ, 2009. 183 с.

2. Топчиев Б.В. Синергетическое управление мобильными роботами // Нелинейный мир. Т.2. - 2004. - №4. - С. 239-249.

3. Современная прикладная теория управления. Синергетический подход в теории управления. Ч. 2. // Под ред. A.A. Колесникова. Таганрог: Изд-во ТРТУ, 2000.

4. Бойчук JIM. Метод структурного синтеза нелинейных систем автоматического управления. М.: Энергия, 1971. - 112 с.

5. Бойчук JIM. Синтез координирующих систем автоматического управления. -М.: Энергоатомиздат, 1991.

6. Бойчук JI.M. Структурный синтез автоматических многоуровневых систем функционального управления динамическими объектами. Препринт 74-23. Киев: Изд-во института кибернетики АН УССР, 1974.

7. Топчиев Б.В. Синергетический синтез нелинейных кинематических регуляторов мобильных роботов// Синергетика и проблемы теории управления/ Под ред. A.A. Колесникова. -М.: Физматлит, 2004. С. 324-334.

8. Бурдаков С.Ф., Мирошник И.В., Стельмаков Р.Э. Системы управления движением колесных роботов // Санкт-Петербург: "Наука", 2001 .

9. Пшихопов В.Х. управление подвижными объектами в априори неформализованных средах // Известия ЮФУ. Технические науки. -Таганрог, 2008. - № 12. - С. 6-9.

10. Пшихопов В.Х. Аттракторы и репеллеры в конструировании систем управления подвижными объектами // Известия ТРТУ. Тематический выпуск. Перспективные системы и задачи управления. Таганрог: Изд-во ТРТУ, - 2006. - № 3 (58). - С. 117 - 123.

11. Пшихопов В.Х. Организация репеллеров при движении мобильных роботов в среде с препятствиями // Мехатроника, автоматизация, управление, 2008. - №2. - С. 34-41.

12. Montaner М. В., and Ramirez-Serrano A. Fuzzy knowledge-based controller design for autonomous robot navigation // Expert Systems with App'ications, 1998, Vol. 14 (1-2), pp. 179-186.

13. Rigatos G. G., Tzafestas C. S., and Tzafestas S.G. Mobile robot motion control in partially unknown environments using a sliding-mode fuzzy logic controller // Robotics and Autonomous Systems, 2000, Vol. 33, pp. 1-11.

14. Lee T-L., and Wu C-J. Fuzzy motion planning of mobile robots in unknown environments // Journal of Intelligent and Robotic Systems, 2003, Vol. 37(2), pp. 177-191.

15. Wu, C. J. and Tsai, С. C. Localization of an autonomous mobile robot based on ultrasonic sensory information // J. Intelligent Robotic Systems, 2001, Vol. 30 (3), pp. 267-277.

16. Yang X., Moallem M., and Patel R.V. A sensor-based navigation algorithm for a mobile robot using fuzzy logic // International Journal of Robotics and Automation, 2006, Vol. 21(2), pp. 129-140.

17. Fu Y., Li H., Xu H., Wang S., and Ma Y. Parallel Double-layered Fuzzy Control System of Autonomous Robot in Unknown Environment // Systems and Control in Aerospace and Astronautics, ISSCA 1st International Symposium, 2006, pp. 514 519.

18. J. J. Hopfield. Neural networks and physical systems with emergent collective computational abilities // Proceedings of the National Academy of Sciences of the USA, vol. 79 №8 pp. 2554-2558, 1982.

19. Janglova D. Neural Networks in Mobile Robot Motion// International Journal of Advanced Robotic Systems, 2004, Vol. 1(1), pp. 15-22.

20. Каляев И.А. Распределенные системы планирования действий коллективов роботов Текст. // И.А. Каляев, А.Р. Гайдук, С.Г. Капустиан — М.:Янус-К, 2002.

21. Lebedev D. V., Steil J. J., Ritter H. J. The Dynamic Wave Expansion Neural Network Model for Robot Motion Planning In Time Varying Environments // Neural Networks, 2005, Vol. 18, pp. 267 285.

22. Gutierrez-Osuna R., Janet J. A., and Luo R. C. Modeling of Ultrasonic Range Sensors for Localization of Autonomous Mobile Robots // IEEE transactions on industrial electronics, Vol. 45(4), 1998, pp. 654 662.

23. Quoy M., Moga S., and Gaussier P. Dynamical Neural Networks for Planning and Low-Level Robot Control // IEEE Transactions on Systems, Man, and Cybernetics—Part A: Systems and Humans, 2003, Vol. 33(4), pp. 523-532.

24. Ng К. C., and Trivedi M. M. A Neuro-Fuzzy Controller for Mobile Robot Navigation and Multirobot Convoying // IEEE Transactions on Systems, Man, and Cybernetics—Part B: Cybernetics, 1998, Vol. 28(6), pp. 829-840.

25. Araujo R., and Almeida A. T. Learning Sensor-Based Navigation of a Real Mobile Robot in Unknown Worlds // IEEE Transactions on Systems, Man, and Cybernetics Part B: Cybernetics, 1999, Vol. 29(2), pp. 164-178

26. Ye C., Yung N. H. C., and Wang D.A Fuzzy Controller with Supervised Learning Assisted Reinforcement Learning Algorithm for Obstacle Avoidance // IEEE Transactions on Systems, Man, and Cybernetics—Part В ¡Cybernetics, 2003, Vol. 33(1), pp. 17 27

27. Dubrawski A., Reignier P. Learning to Categorize Perceptual Space of a Mobile Robot using Fuzzy-ART Neural Network // IEEE/RSJ/GI International Conference on Intelligent Robots and Systems, 1994, pp. 12721277.

28. Bourdon G., and Henaff P. Fuzzy and Neural Control for Mobile Robotics Experimentations // International Conference on Knowledge-Based Intelligent Electronic Systems, 1997, pp. 659 666.

29. Rusu P., Petriu E. M., Whalen Т. E., Cornell A., and Spoelder H. J. W. Behavior-Based Neuro-Fuzzy Controller for Mobile Robot Navigation // IEEE Transactions on Instrumentation and Measurement, 2003, Vol. 52(4), pp.1335 1340.

30. Hegazy O. F., Fahmy A. A., and Refaie О. M. E. An Intelligent Robot Navigation System Based on Neuro-Fuzzy Control // Lecture Notes inComputer Science, 2004, Vol. 3157, pp. 1017 1018.

31. Nefti S., Oussalah M., Djouani K., and Pontnau J. Intelligent Adaptive Mobile Robot Navigation // Journal of Intelligent and Robotic Systems, 2001, Vol. 30(4), pp.311 329.

32. Платонов A.K., Карпов И.И., Кирильченко A.A. Метод потенциалов в задаче прокладки трассы. М.: Препринт Ин-та прикладной математики АН СССР, 1974. - 27 с.

33. Платонов А.К., Кирильченко А.А., Колганов М.А. Метод потенциалов в задаче выбора пути: история и перспективы. // ИПМ им. М.В. Келдыша РАН. М., 2001.

34. Adams M.D., Ни Huosheng, Probert P.J. Towards a real-time architecture for obstacle avoidance and path planning in mobile robots // IEEE Int. Conf. Robotics and Automation, 1990. pp. 584-589.

35. Borenstein J., Koren Y. Real-time obstacle avoidance for fast mobile robots in cluttered enviroments // IEEE Int. Conf. Robotics and Automation. 1990. -pp. 572-577.

36. Koren, Y., and Borenstein, J. Potential Field Methods and their Inherent Limitations for Mobile Robot Navigation // International Conference on Robotics and Automation, 1991, Vol. 2, pp. 1398 1404.

37. Kim J. O. and Khosla P. K. Real-Time Obstacle Avoidance using Harmonic Potential Functions // IEEE Transaction on Robotics and Automation, 1992, Vol. 8(3), pp. 338 349.

38. Guldner J., Utkin V. I., Hashimoto H., and Harashima F. Tracking gradients of artificial potential fields with non-holonomic mobile robots // American Control Conferences, 1995, pp. 2803 -2804.

39. Guldner, J., and Utkin V.I. Sliding Mode Control for Gradient Tracking and Robot Navigation using Artificial Potential Fields // IEEE Transactions on Robotics and Automation, 1995, Vol. 11(2), pp. 247 254.

40. Yun X., and Tan K-C. A Wall-Following Method for Escaping Local Minima in Potential Field Based Motion Planning // International Conference on Advanced Robotics, 1997, pp. 421 426.

41. Ren J., Mcisaac K.A., and PatelR.V. Modified Newton's Method Applied to Potential Field-Based Navigation for Mobile Robots // IEEE Transactions on Robotics, 2006, Vol. 22 (2), pp. 384 391.

42. Mc Fetridge L., and Ibrahim M. Y. New technique of mobile robot navigation using a hybrid adaptive fuzzy potential field approach //Computers & Industrial Engineering, 1998, Vol. 35(3), pp. 471 474.

43. ГАП. Робототехника и гибкие автоматизированные производства. В 9 книгах. Книга 1. Системные принципы создания гибких автоматизированных производств. -М.: Высшая школа, 1986. -176 с.

44. V. Lumelsky and Т. Skewis. Incorporating range sensing in the robot navigation function // IEEE Transactions on Systems Man and Cybernetics, vol. 20, pp. 1058- 1068, 1990.

45. V. Lumelsky and Stepanov. Path-planning strategies for a point mobile automaton amidst unknown obstacles of arbitrary shape // in Autonomous Robots Vehicles, I.J. Cox, G.T. Wilfong (Eds), New York, Springer, pp. 1058- 1068, 1990.

46. Sankaranarayanan, A., Vidyasagar, M. Path planning for moving a point object amidst unknown obstacles in a plane: a new algorithm and a general theory for algorithm development // Proc. of the IEEE Int. Conf. on Decision and Control 2, 1111-1119, 1990.

47. Sankaranarayanan, A., Vidyasagar, M. A new path planning algorithm for moving a point object amidst unknown obstacles in a plane// Proc. of the IEEE Int. Conf. Robot. Autom. 3, 1930-1936, 1990.

48. Noborio, H. A path-planning algorithm for generation of an intuitively reasonable path in an uncertain 2-D workspace// Proc. of the Japan-USA Symposium on Flex. Autom. 2, 477^80, 1990.

49. Noborio, H., Maeda, Y., Urakawa, K. A comparative study of sensor-based path-planning algorithms in an unknown maze // In Proc. of the IEEE/RSI Int. Conf. on Intelligent Robots and Systems 2, 909-916, 2000.

50. Kamon, I., Rivlin, E., Rimon, E. TangentBug: a range-sensor based navigation algorithm//J. Robot. Res. 17(9), 934-953, 1998.

51. J. Borenstein and Y. Koren. The vector field histogram fast obstacle avoidance for mobile robots // IEEE Transaction on Robotics and Automation.

52. I. Ulrich and J. Borenstein. Vhf+: Reliable obstacle avoidance for fast mobile robots // Proc. of the IEEE Int. Conf. on Robotics and Automation, pp. 1572- 1577, 1998.

53. Ulrich and J. Borenstein. Vhf+: Local obstacle avoidance with look-ahead verification," Proc. of the IEEE Int. Conf. on Robotics and Automation, pp. 2505-2511,2000.

54. Simmons. R. The Curvature Velocity Method for Local Obstacle Avoidance// in Proceedings of the IEEE International Conference on Robotics and Automation, Minneapolis, April 1996.

55. Likhachev M., Ferguson D., Gordon G., Stentz A., Thrun S. Anytime dynamic A*: An anytime, replanning algorithm. // Proceedings of the International Conference on Automated Planning and Scheduling (ICAPS), 2005.

56. Лорьер Ж.-Л. Системы искусственного интеллекта / Пер. с фр. и ред. В. Л. Стефанюка. — М.: Мир, 1991. — С. 238—244. — 20 000 экз. экз. — ISBN 5-03-001408-Х

57. Stuart J. Russell and Peter Norvig. Artificial Intelligence: A Modern Approach, 2006,—pp. 157—162.

58. Нильсон H. Искусственный интеллект: методы поиска решений = Problem-solving Methods in Artificial Intelligence / Пер. с англ. В. JI. Стефанюка; под ред. С. В. Фомина. — М.: Мир, 1973. — С. 70 — 80.

59. Компьютер учится и рассуждает (ч. 1) // Компьютер обретает разум = Artificial Intelligence Computer Images / под ред. В. JI. Стефанюка. — Москва: Мир, 1990. — 240 с.

60. Девятков В.В. Системы искусственного интеллекта: Учеб, пособие для вузов. — М.: Изд-во МГТУ им. Н.Э. Баумана, 2001. — 352 с.

61. Ананий В. Левитин Глава 9. Жадные методы: Алгоритм Дейкстры // Алгоритмы: введение в разработку и анализ. — М.: «Вильяме», 2006. — С. 189—195. —ISBN 0-201-74395-7

62. Смолин Д. В. Введение в искусственный интеллект: конспект лекций. — М.: Физматлит,2004 — 208 с. — ISBN 5-9221-0513-2

63. Хант Э. Искусственный интеллект = Artificial intelligence // Под ред. В. Л. Стефанюка. — М.: Мир, 1978. — 558 с. — 17 700 экз.

64. Вахрушев В.А., Махова A.B., Ушаков В.Н. Один из алгоритмов решения задачи об обходе препятствий // Изв. РАН. Теория и системы управления. 2000. - № 1. - С. 101-109.

65. В.Е.Павловский, В.В.Евграфов, В.В.Павловский. Синтез и исполнение гладких движений мобильного колесного робота с дифференциальным приводом // Информационно-измерительные и управляющие системы. -М.: Изд-во "Радиотехника", №1-3, т. 4. 2005-2006, 30-35 с.

66. Гайдук, А.Р. Оптимальное перемещение тела интеллектуальным роботом / А.Р. Гайдук, С. Г. Капустян, И. О. Шаповалов // Мехатроника, автоматизация, управление. 2009. № 7. - С. 43 - 46.

67. Зенкевич С. Л., Назарова А. В. Система управления мобильного колесного робота. // Вестник МГТУ им. Н. Э. Баумана. Сер. Приборостроение. 2006. - № 3. - С. 31-51

68. Yu, Н.; Chi, С.; Su, Т. & Bi, Q. Hybrid evolutionary motion planning using follow boundary repair for mobile robots// Journal of Systems Architecture, 2001,Vol. 47, Issue 7, pp. 635-647.

69. H. Chang, "A New Technique To Handle Local Minimum For Imperfect Potential Field Based Motion Planning", in Proceedings of the IEEE International Conference on Robotics and Automation, pp. 108-112, Minneapolis, MN, 1996.

70. J.C.Latombe. Robot Motion Planning// 101 philip Drive, Assinippi Park, Norwell, MA 02061:Kluwer Academic Publishers, 1991

71. B. Zhang, W. Chen and M. Fei. An Optimized Method for Path Planning Based on Artificial Potential Field // International Conference on Intelligent Systems Design and Applications, pp. 35-39, 2006

72. Liu С., Ang Jr. M.H., Krishnan H., and Lim S.Y. Virtual Obstacle Concept for Local-minimum-recovery in Potential-field Based Navigation// IEEE International Conference on Robotics & Automation, 2000, pp. 983 988.

73. Nikos C. Tsourveloudis, Kimon P. Valavanis, and Timothy Hebert, Autonomous vehicle navigation utilizing electrostatic potentialfields and fuzzy logic, IEEE Trans. Robotics and Automation, vol. 17, issue 4, pp. 490497, 2001.

74. Xiaoping Yun and Ko-Cheng Tan. A Wall-Following Method for Escaping Local Minima in Potential Field Based Motion Planning// Icra '97, Monterey, Ca, July 7-9, 1997, pp.421-426.

75. Johann Borenstein and Yorem Koren. Real-Time Obstacle Avoidance for Fast Mobile Robots// IEEE Transactions on systems, mam, and cybernetics, vol.19, no.5, September/October, 1989, pp.1179-1187.

76. Пшихопов В. X. Аналитический синтез синергетических регуляторов для систем позиционно-траекторного управления мобильными роботами // Сб. тр. научно-технической конференции «Экстремальная робототехника». СПб.: Изд-во СПбГТУ, 2001. - С. 59-68.

77. Пшихопов В.Х., Чернухин Ю.В., Иванов Ю.И., Медведев М.Ю., Корнеев И.Г., Писаренко С.Н. и др. Отчет о научно-исследовательской деятельности, № госрегистрации 01200112477, Таганрог, 2003.

78. Пшихопов В.Х., Медведев М.Ю. Структурный синтез автопилотов подвижных объектов с оцениванием возмущений // Информационно-измерительные и управляющие системы 2006. - №1. - С. 103-109.

79. Али A.C., Федоренко Р.В., Крухмалев В.А. Система управления автономным колесным роботом скиф-3 для априори неформализованных сред.// Известия ЮФУ. Технические науки, №3, 2010, стр. 132-143.

80. Пшихопов В.Х. Устройство позиционно-траекторного управления мобильным роботом. Патент РФ № 2185279.Бюлл. № 20. 2002.

81. Чернухин Ю.В. Нейропроцессорные сети. -Таганрог: Изд-во ТРТУ, 1999. -439с.

82. Пшихопов В.Х., Али. A.C. Управление мобильными роботами в неопределенной среде с близко расположенными выпуклыми препятствиями // ТРУДЫ научно-технической конференции «Искусственный интеллект и управление» (ИИУ-2011), 2011, с. 186 — 189.

83. Pshikhopov V.Kh., Ahmed S. Ali. Hybrid Motion Control of a Mobile Robot in Dynamic Environments // IEEE Int. Conf. on Mechatronics 2011 (ICM11). Istanbul, Turkey, 2011. pp. 540 545.

84. Али A.C. Алгоритм управления движением мобильного робота внеопределенной среде // Изв. КБНЦ РАН, № 1(39). 2011. С. 9 14.148

85. Becker, M., Dantas, С. M. and Macedo, W. P. Obstacle Avoidance procedure for Mobile Robots // ABCM Symposium series in Mechatronics vol. 2, pp. 250-257, copyright by ABCM, 2005.

86. M.K. Singh, D.R.Parhi, S.Bhowmik, S.K.Kashyap. Intelligent Controller forth

87. Mobile Robot: Fuzzy Logic Approach // The 12 International Conference of IACMAG, pp. 1755-1762 Goa, India, 2008.

88. Пшихопов B.X., Али A.C.,. Обход локальных минимумов функции ошибки при движении робота в неопределенной среде // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. № 6 (164). 2011. С. 26- 31.

89. Колесников A.A., Синергетическая теория управления. М.- Таганрог, 1994, 344 е., с.66.

90. Pshikhopov V.Kh., Sirotenko M. J. Autonomous Mobile Robot Control Systems with Neural Network Motion Planners Design. Proc. of VIII Int. SAUM Conf. on Systems, Automatic Control and Measurement. Belgrad, Serbia and Montenegro, 2004. P. 239-242.

91. Девянин E.A. О движении колесных роботов // В сборнике докладов научной школы-семинара «Мобильные роботы и мехатронные системы», 1998, с. 169-200.

92. Введение в контурный анализ и его приложения к обработке изображений и сигналов // Я.А. Фурман, A.B. Кревецкий, А.К. Передреев, A.A. Роженцов, Р.Г. Хафизов, И.Л. Егошина, А.Н. Иеухин;

93. Под ред. Я.А. Фурмана. М.: ФИЗМАТЛИТ, 2002, - 592 с. - ISBN 59221-0255-9.

94. Каляев И.А., Гайдук А.Р. Однородные нейроподобные структуры в системах выбора действий интеллектуальных роботов. М.: Янус-К, 2000.

95. Сиротенко М.Ю. Нейросетевая система планирования перемещений мобильного робота. Мобильные роботы и мехатронные системы: Материалы научной школы-конференции (Москва, 17-18 ноября 2003). М.: Изд-во Моск. ун-та, 2004, с.318-325

96. Комарцова Л.Г., Максимов А.В. Нейрокомпьютеры: Учебное пособие для вузов. М.: Изд-во МГТУ им. Н.Э. Баумана, 2002. - 320 е., ил.

97. Осовский С. Нейронные сети для обработки информации / Пер. спольского И.Д. Рудинского. М.: Финансы и статистика, 2002. - 344 е.: ил.

98. Ш.Слюсарев Р. В., Крухмалев В. А. Автономный мобильный робот

99. Скиф-3// Известия ЮФУ. Технические науки. Тематический выпуск. Перспективные системы и задачи управления. Таганрог: Изд-во ТТИ ЮФУ, - 2008.

100. Camera Calibration Toolbox for Matlab Электронный ресурс. -Peжимдocтyпa:http://www.vision.caltech.edu/bouguetJ7calibdoc/htmls/exa mple.html. Датаобращения 8.03.2010.

101. М. К. Потапов. О приближении непериодических функций алгебраическими полиномами/ / Вестник Моск. ун-та, сер. 1, матем., мех. — 1960. — № 4. — С. 14-25.

102. Форсайт Д., Понс. Ж. Компьютерное зрение. Современный подход.: Пер. с англ. М.: Изд. Дом «Вильяме»,2004 - 926 с.

103. Siciliano В., Khatib О, Springer handbook of robotics. Springer-Verlag Berlin Heidelberg, 2008. - 1603 p.

104. SWD Software Ltd. | Некоммерческие образовательные лроекты Электронный ресурс. Режим доступа:117. http://www.swd.ru/index.php3?pid=:187. Дата обращения 8.03.2010.

105. LIVE555 Streaming Media Электронный ресурс. Режим доступа: http://www.live555.com/liveMedia/. Дата обращения 8.03.2010.

106. Али А.С., Оценка методов построения траекторий автономного мобильного робота. // Современные технологии в задачах управления, автоматики и обработки информации: труды ixx международного научно-технического семинара. Сентябрь 2010 г., алушта

107. О. Motlagh, Т. S. Hong, and N. Ismail. Development of a new minimum avoidance system for a behavior-based mobile robot // Fuzzy Sets and Systems, 2008.

108. Pshikhopov V.Kh.,Ahmed S.Ali. Hybrid control algorithm of mobile robot motionin unknown environments // Труды международной конференции «Автоматизация управления и интеллектуальные системы и среды» (АУИСС 2010 г.). С. 31 - 34.

109. Поливцев С.А. Параллельная вычислительная структура, реализующая тактику обхода препятствий мобильным роботом // Искусственный интеллект. 2001. - № 3. - С. 676-681.

110. Mester G. Motion Control of Wheeled Mobile Robots // Proceedings of 4th Serbian-Hungarian Joint Symposium on Intelligent Systems. -2006 pp 119130.

111. Jackson Phinni M., Sudheer A.P. Obstacle Avoidance of a wheeled mobile robot: A Genetic-neuro-fuzzy approach // Proceedings of International Conference on Advances in Mechanical Engineering (IC-ICAME), Bangalore, India, July 2-4, 2008.

112. Jiang L., Deng M. Obstacle avoidance and motion control of a two Wheeled mobile robot using SVR technique// International Journal of Innovative Computing, Information and Control. ICIC International. Vol. № 5, № 2, 2009, pp. 253-262.

113. Чернухин Ю. В. , Пшихопов В. X., Писаренко С.Н., Трубачев О.Н. Программная среда для моделирования поведения адаптивных мобильных роботов с двухуровневой системой управления // «Мехатроника», 2000, - №6, - С. 26-30.

114. S.S. Ge and Y.J. Cui, Dynamic Motion Planning for Mobile Robots Using Potential Field Method // Autonomous Robots, Vol. 13, 2002, pp. 207-222.

115. N. Munoz, J. Valencia, and N. Londono. Evaluation of navigation of an autonomous mobile robot // In Proceedings of Performance Metrics for Intelligent Systems Workshop (PerMIS), pages 15-21, August 2007.

116. Frank K., Goswami D.Y., 2004. Hand book of Mechanical Engineering CRC Press, U.S.A.

117. W. Pedrycz. Fuzzy Control and Fuzzy Systems. Wiley, New York, second edition, 1993.

118. G. Cielniak, A. Treptow and T. Duckett. Quantitative Performance Evaluation of a People Tracking System on a Mobile Robot // Proceedings of the European Conference on Mobile Robots (ECMR), Ancona, Italy, 2005.

119. J. Evans and E. Messina, Performance Metrics for Intelligent Systems // Proceeding of the Performance Metrics for intelligent Systems Workshop, Gaithersburg, MD, August 14-16 of 2000.