Система адаптивного управління рухом колісного мобільного робота
Автор: Хорташко Олександр Русланович
Кваліфікаційний рівень: магістр
Спеціальність: Кіберфізичні системи
Інститут: Інститут комп'ютерних технологій, автоматики та метрології
Форма навчання: денна
Навчальний рік: 2021-2022 н.р.
Мова захисту: англійська
Анотація: Під час виконання магістерської роботи була розроблена система управління рухом мобільного робота з адаптивним управлінням, досліджені основні алгоритми, що використовуються в адаптивних системах та підтверджена ефективність числовими параметрами. Об’єкт дослідження – мобільний робот. Предмет дослідження – знаходження оптимального алгоритму для побудови найкоротшого шляху. Мета дослідження – розробити систему управління колісним мобільним роботом, котра могла б побудувати найкоротший шлях та дістатися місця призначення з мінімальною похибкою при позиціюванні. Промислові роботи використовуються для автоматизації всіх видів виробничих ліній понад 60 років. Традиційні промислові роботи розроблені для швидкого та точного контролю положення. Вони ідеально підходять для завдань, які можна повністю описати як траєкторію – наприклад, переміщення об’єкта з точки А в точку Б, вирізання кола на металевій частині, фарбування корпусу автомобіля тощо. Робот представляє з себе сукупність підсистем, що мають можливість скореговувати свою поведінку при зміні умов в середовищі без участі людини. В загальному випадку це сукупність методів управління, що позволяють приводити в дію системи управління, які в свою чергу впливають на параметри регулюючих підсистем. А системи в яких використовуються подібні методи називаються адаптивними. За способом налаштування адаптивні системи діляться на дві основні групи: • самоналаштовані. Такі системи змінюють параметри регулюючих підсистем; • cамоорганізовані. Такий тип адаптивних систем змінює підхід при розв’язку конкретного завдання; Одним з найбільш вживаним є системи на базі нечіткої логіки. Нечітка логіка є корисним інструментом для роботи з системами, які є нелінійними, змінними у часі та невизначеними моделями, і широко використовується для керування поведінкою роботів. Нечіткий контролер є різновидом нелінійного контролера, заснованого на знаннях і досвіді людей-операторів. Він має хорошу адаптивність, міцність та відмовостійкість [2, 3]. В таких системах вибудовуються шари контролю, де кожен шар відповідає за виконання свого завдання. Окремі шари можуть працювати над окремими цілями одночасно. Потім механізм придушення опосередковує дії, які вживаються. Перевага полягає в тому, що немає необхідності завчасно приймати рішення про те, яку мету слід переслідувати. Дані від датчиків дальності є вхідними параметрами контролера, а архітектура поведінки має три рівні поведінки: поведінка в надзвичайних ситуаціях, поведінка уникнення перешкод і поведінка, орієнтована на завдання. Поведінка, орієнтована на завдання, — це поведінка найвищого рівня з найнижчим пріоритетом і має дві підзадачі: стеження за перешкодою та покриття шляху. Поведінка середнього рівня – це уникнення перешкод. Найнижчий рівень – це аварійна поведінка [4]. Наступний підхід базується на базі генетичного алгоритму [1] . Задача планування шляху полягає в пошуку послідовності дій для робота в певній області, поки робот займає визначене положення в оточенні. Завдання полягає в тому, щоб перемістити робота до визначених координат цілі, і робот повинен здійснювати рух без зіткнень. Складність обчислень і локальна оптимізація є основними труднощами в будь-якій задачі оптимізації. Також в робототехніці достатньо часто зустрічаються системи, в яких шлях будується на базі A* алгоритму. Даний алгоритм пошуку шляху знаходить шлях з найменшою вартістю від початкової точки, званої вузлом, до одного вузла цілі з одного або кількох можливих вузлів. При проходженні по шляху з найменшою вартістю, зберігаються альтернативні вузли в черзі відсортованих пріоритетів. Якщо обхідний вузол має вищу вартість, ніж інший вузол, який зустрічається в будь-якій точці, він відкидає вузол з більш високою вартістю і замість цього обходить вузол з меншою вартістю. Цей процес триває до тих пір, поки не буде досягнута мета. В якості оцінки роботи модифікованого генетичного алгоритму будемо брати час виконання алгоритму та довжину прокладеного шляху. Для порівняння ефективності алгоритму з довільним набором вхідних даних та встановленим набором вхідних даних буде проведена симуляція роботи алгоритму у середовищі. Класичний генетичний алгоритм буде прокладати шлях у невідомому середовищі, а модифікований генетичний алгоритм буде мати уже попередні дані про середовище, в якому потрібно буде побудувати шлях між початковою та кінцевою точкою. Експеримент показав, що алгоритм з встановленим набором по часовій характеристиці є завжди кращий від алгоритму з випадковим набором. При прокладанні оптимального маршруту модифікований варіант є завжди кращим. Також було проведено експеримент на точність позиціювання при переміщенні мобільного робота. Для цього було згенеровано дві карти однієї робочої зони з різною роздільною здатністю. Результатом експерименту стало те, що похибка на карті з більшою роздільною здатністю є меншою. Звідси точність позиціювання робота буде більшою.