Введение к работе
Актуальность темы, В настоящее время теория управления хорошо разработана для определенного класса задач, при которых объекты управления имею г точное математическое описание. Классическая теория также стремится обеспечивать некоторую робастность систем, которая обычно имеет место лишь для опюсптелыю малых диапазонов неопределенностей. Однако многие спсіемьі управления должны работать и работают в условиях большой неопределенности процессов и для надежного функционирования требуют вмешательства человека. Непосредственное человеческое участие недопустимо в решении большинства прикладных задач реального времени особенно в экстремальных условиях. Кроме того, интеллектуальную обрабоїку нопых. непредвиденных ситуаций, необходимую в системах робототехники, трудно и иногда даже невозможно решить в реальном масштабе времени известными аналитическими методами. Искусственные нейронные сети (НС) в состоянии обобщать (интерполировать и экстраполировать) зависимости "вход-выход", синтезируемые на базе избранных примеров, они работают быстро и эффективно. Из литературного обзора можно сделать вывод, что НС способны решать многие задачи управления в робототехнике. Они обеспечивают значительный выигрыш в быстродействии.
Целью работы является разработка и исследование систем управления манипуляционных роботов с использованием НС. При этом решались следующие задачи:
-
Разработка и исследование новых алгоритмов оптимального и адаптивного управления роботами и способов их параллельной реализации.
-
Оценка робастности разработанных алгоритмов нейросегевого управления.
-
Разработка методики проектирования систем управления роботами на базе НС.
-
Разработка модели нейросетевого программатора движении и алгоритма настройки его параметров.
-
Разработка алгоритмов иейросетеной идентификации (аппроксимации) обратной модели динамики робота и управления роботами на ее основе м сочетании с традиционными алгоритмами управления.
-
Разработка специализированного программного обеспечения для имитационного исследования и сравнительного анализа традиционного п неііросетевоіо подхода к управлению роботами.
-
Исследование практических примеров работы нейроеетевой системы управления манипуляцпопиого робота.
Научная новизна работы заключается в следующем:
-
Сочетание традиционных методов нелинейного управлення манниуляционнымн роботами и предлагаемых нейросетевых методов структурно-параметрической идентификации модели динамики роботов позволяют достичь высокого качесіва управлення (априорно заданного характера затухания переходных процессов) в реальном масштабе времени.
-
Разработаны алгоритмы оптимального по (імеїродеіісівшо \ правления манниуляционнымн роботами на основе глобальной декомпозиции нелинейной модели динамики при заданных ограничениях на ускорения звеньев манипулятора, эффективно использующие принцип максимума Л.С. Поптрягнпа для обратимых нелинейных динамических объектов. Показано, что программаторы оптимальных движений имеют структуру однослойной нейронной сети.
-
Модели нейросетевых обучаемых программаторов движений и адаптивных регуляторов переходных процессов построены на основе теорем А.Н. Колмогорова и Д.А. Шпрехера (о возможности представления функции нескольких переменных в виде суперпозиции и суммы функций меньшего числа переменных), являющихся теоретической основой для применяющейся в диссертации многомерной нейросетевой аппроксимации нелинейных моделей динамики роботов.
-
Оценки робастности разработанных алгоритмов нейросетевого управления связывают качество переходных процессов с параметрическими и внешними возмущениями, возникающими в системе нейросетевого управления манипуляционного робота.
Практическая значимость результатов диссертационной работы определяется тем, что разработан метод нейросетевого управления, связывающий традиционный и нейросетевой подходы в задачах управления. Этот метод реализован в разработанном учебно-нсследовательском программном комплексе, который позволяет проводить имитационное моделирование, исследование и сравнительный анализ классических алгоритмов управления и разработанных нейросетевых алгоритмов управления на примере манипулятора с произвольным числом степеней свободы.
Вычислительные эксперименты по исследованию систем управления робота показали, что комбинация преимуществ мощных методов традиционного управления, обеспечивающих любой априорно заданный характер переходных процессов, и нейросетевых алгоритмов, аппроксимирующих сложную нелинейную модель динамики робота с перекрестными связями, может служить импульсом к развитию новых методог проектирования и реализации интеллектуальных адаптивных систем управленш роботов, решающих практические задачи в реальном времени.
Апробация работы. Результаты работы докладывались и обсуждались нг следующих конференциях: III С.-Петербургская международная конференцш "Региональная информатика - 94", С.-Петербург, 10-13 мая 1994 г.; всероссийски» рабочий семинар "Нейроинформатика и ее приложения", Красноярск, 7-Ю октября 199^ г.; IV С.-Петербургская международная конференция "Региональная информатика - 95" С.-Петербург, 15-18 мая 1995 г.; Второй международный симпозиум пс нейроннформатике и нейрокомпьютерам, Ростов-на-Дону, 1995; V С.-Петербургска; международная конференция "Региональная информатика - 96", С.-Петербург, 13-16 ма
-
г.; International conference "ITA-96", Troyan and Sofia, Bulgaria, May 12-24, 1996 XXIV международная летняя школа ученых-механиков "Анализ и синтез нелинейны: механических колебательных систем", С.-Петербург - Зеленогорск, 1-Ю июля 1996 г. международная конференция по информатике и управлению, С.-Петербург, 9-13 июн
-
г.; международная конференция по управлению колебаниями и хаосом, С. Петербург, 27-29 августа 1997 г.
По теме диссертации опубликовано 11 научных работ, включая 2 статьи, докладов и 4 тезисов докладов.
Объем и структура диссертации. Диссертация изложена на 162 страница машинописного текста, содержит 78 рисунков, 10 таблиц и состоит из введения, обзор литературы (одна глава), главы, описывающей основные полученные научны результаты и решение поставленных задач, главы с описанием алгоритмов обучения НС использовавшихся в диссертации, главы, описывающей разработанное учебнс исследовательское программное обеспечение (с экспериментальной частью), выводов списка литературы, включающего 114 наименований работ отечественных и зарубежны авторов и приложения.