Введение к работе
Актуальность темы
Задача автоматизации сложных, трудоемких, монотонных, физически тяжелых, вредных и опасных для здоровья человека технологических процессов является актуальной. Ее решение возможно за счет использования манипуляционных роботов (MP), хорошо зарекомендовавших себя в различных областях промышленности на производствах самых разных типов.
Повышаются требования к самим манипуляционным роботам, выражающиеся в необходимости улучшения скоростных, точностных, нагрузочных и адаптивных характеристик. Повышаются также требования к степени их гибкости, совместимости, интеграции с имеющимся оборудованием, к скорости переналадки (перехода) с производства одного вида продукции на производство другого вида.
Для ^ешения задач роботизации таких, технологических процессов уже не является достаточным использование простых MP, так как в этих случаях неизбежно возникают отклонения от заданной траектории из-за неучтенных динамических параметров как самого MP, так и из-за наличия трудно определяемых (или вообще не определяемых) внешних воздействий.
Как правило, характеристики существующих MP вполне удовлетворяют высоким технологическим требованиям по точности и нагрузочной способности, тогда как система автоматического управления (САУ) неспособна быстро и качественно обработать текущую информацию о состоянии MP, об окружающей обстановке и правильно рассчитать управляющие сигналы для приводов. Кроме того, при управлении MP задачи динамики либо вообще не решаются, либо решаются в очень упрощенном виде, а для управления приводами звеньев MP в системе управления используются несвязанные между собой простые регуляторы (ПИД, ПИ, ПД), настроенные по линеаризованной модели манипулятора в некоторой рабочей точке. Однако для решения траєкторних задач такие простые регуляторы становятся малоэффективными и приводят к существенным погрешностям движения MP. Для того чтобы задать либо определить положение манипулятора, необходимо решить прямую и обратную задачи кинематики, а для точного расчета управляющих моментов необходимо решить обратную задачу динамики. Решение этих задач для многостепенных MP (6 и более степеней подвижности) требует больших вычислительных ресурсов и на сегодняшний день решить эти задачи в реальном времени (период управления 1-Ю мсек.) возможно только на некоторых суперЭВМ либо на сложных и громоздких аналоговых вычислителях.
Таким образом, необходимо создать САУ, обладающую высокими вычислительными возможностями и способностью адаптироваться к
изменяющимся внутренним характеристикам MP и внешним параметрам окружающей обстановки.
Одним из наиболее перспективных направлений в области управления сложными механическими системами на сегодняшний день являются интеллектуальные системы управления, построенные на основе искусственных нейронных сетей (НС).
Анализ современной отечественной и зарубежной научно-технической литературы и, в частности, трудов таких ученых, как Макаров И.М, Амосов Н.М., Охоцимский Д.Е., Горбань А.И., Уоссермен Ф., Розенблатт Ф., Уидроу Б., Тимофеев А.В., Нофа Ш., Слоущ А.В., Накано Э., Фу К., Гонсалес Р., Заде Л., Рембольд У. и других авторов показал, что, несмотря на активные разработки в этой области, до сих пор не решен еще целый рад вопросов, связанных с методикой и способами построения нейросетевых регуляторов, с обеспечением их устойчивости и надежности функционирования, с выбором оптимальной структуры НС, с определением сходимости и времени обучения сети И Др.
Это делает актуальной задачу разработки и исследования алгоритмов нейросетевого управления сложными механическими объектами, такими как манипуляционные роботы, функционирующими в условиях неопределенности, воздействия внешних возмущений и динамического изменения внутренних параметров MP.
Также актуальной является задача разработки программно-аппаратного комплекса, позволяющего автоматизировать часть процедур синтеза нейросетевой системы управления, моделирования ее работы и позволяющего проводить анализ практических экспериментальных исследований на реальном MP.
цель и задачи исследования
Целью исследования является разработка метода синтеза нейросетевых систем автоматического управления (НСАУ) манипуляционными роботами на основе обратных динамических моделей (ОДМ) и исследование эффективности метода на имитационных моделях и экспериментальной установке.
Для достижения данной цели необходимо решить следующие задачи.
-
Разработать структуру и метод синтеза нейросетевой системы управления манипуляционным роботом на базе его обратной динамической модели.
-
Разработать алгоритм определения параметров обратной динамической модели для задания начальной организации нейросетевой системы управления.
-
Разработать алгоритм адаптации (дополнительного обучения) нейросетевой системы управления.
-
Разработать автоматизированную систему имитационного моделирования (АСИМ) нейросетевой системы управления манипудяционным роботом и программное обеспечение для нее.
-
Исследовать эффективность предложенных алгоритмов нейросетевого управления манипуляшгонным роботом с использованием разработанных АСИМ и экспериментальной установки.
Методы исследования
Для решения поставленных в диссертационной работе задач были использованы методы теории автоматического управления, теории построения аналоговых вычислительных систем, теории систем искусственного интеллекта, механики роботов и манипуляторов как раздела теоретической механики.
ТТ.. ..,.^.. п, .„плт-лл.
Hit -JrtU4rtIJ DOIIlu^ni^fi.
-
структура и метод синтеза нейросетевой системы управления манипуляционным роботом на базе его обратной динамической модели;
-
алгоритм определения параметров обратной динамической модели для задания начальной организации нейросетевой системы управления;
-
алгоритм адаптации (дополнительного обучения) нейросетевой системы управления;
-
автоматизированная система имитационного моделирования нейросетевой системы управления механическим манипулятором и программное обеспечение для нее;
-
результаты экспериментальных исследований разработанных алгоритмов нейросетевого управления, проведенных на программных моделях и на двухзвенном манипуляционном роботе.
Научная новизна
-
Научная новизна предложенной структуры НСАУ состоит в компенсации нелинейности и многосвязности MP за счет разработки структуры нейросетевой системы управления, содержащей нейросетевую обратную динамическую модель, и компенсации основных составляющих трения и неучтенных (трудно определяемых) параметров MP за счет использования дополнительных нейросетевых элементов.
-
Научная новизна предложенного метода синтеза адаптивной нейросетевой системы управления MP состоит в декомпозиции ОДМ на отдельные нелинейные составляющие и аппроксимации этих функций в нейросетевом базисе на заданном интервале изменения параметров.
-
Научная новизна алгоритма адаптации нейросетевой системы управления к изменяющимся внутренним параметрам MP и внешним воздействиям
4.
окружающей обстановки заключается в подстройки нейросетевой ОДМ путем дополнительного обучения по сигнали.! ошибки от эталонной модели и MP.
Практическая значимость работы
Результаты диссертационной работы позволяют:
проводить синтез, моделирование, практическую реализацию программ управления реального времени MP и последующий анализ экспериментальных данных на основе использования предложенных алгоритмов управления с помощью разработанной автоматизированной системы имитационного моделирования нейросетевой системы управления, являющейся гибким и открытым инструментом для разработки нейросетевых систем управления MP;
сократить время и ресурсы, необходимые для проектирования нейросетевых систем управления манипуляционными роботами за счет использования программного обеспечения АСИМ, созданного на основе предлагаемых алгоритмов и методик;
проводить на базе двухстепенной электромеханической установки экспериментальные исследования, подтверждающие эффективность предложенных алгоритмов.
Апробация работы
Основные положения и результаты докладывались на следующих научно-технических конференциях:
Всероссийская научная конференция "Королевские чтения" (Самара,
1995); .
Всероссийская научная конференция "Информационные и
кибернетические системы управления и их элементы" (Уфа, 1995);
Всероссийский семинар "Нейроинформатика и ее приложения"
(Красноярск, 1997);
Всероссийская молодежная научно-техническая конференция
«Информационные и кибернетические системы» (Уфа, 1997);
Всероссийская конференция "Нейрокомпьютеры и их применение"
(Москва, 1998);
Всероссийский семинар "Нейроинформатика и ее приложения"
(Красноярск, 1998);
Международная научно-техническая конференция "Логико-
математические методы в технике, экономике и социологии" (Пенза, 1998);
Всероссийская научно-техническая конференция «Нейроинформатика-99»
(Москва, 1999);
V Всероссийская конференция "Нейрокомпьютеры и их применение"
(Москва, 1999);
Республиканская научно-техническая конференция "Интеллектуальное
управление в сложных системах - 99" (Уфа, 1999).
Публикации. Основные материалы диссертационной работы опубликованы в 12 печатных работах.
Связь темы диссертации с плановыми исследованиями
Работа выполнена в период 1995-2000 гг. на кафедре технической кибернетики УГАТУ, связана с выполнением исследований в рамках ФЦП "Интеграция" проект 2.1-76 "Развитие научно-учебного комплекса по
международной программы AMETMAS-NoE по проблемам управления производственными системами.
Объем и структура работы