Актуальность

Одной из наиболее интенсивно развивающихся областей, требующих постоянного совершенствования теории и практики управления, является управление движением.

anpa

В настоящее время к актуальным и нерешенным в требуемой степени задачам управления движением относится построение управления нелинейными, многосвязными системами, автономно функционирующими в условиях неопределенности параметров и возмущений, наличия стационарных и нестационарных препятствий. Для функционирования автономных объектов определяющим является уровень планирования движения, который должен обеспечивать формирование промежуточных целей функционирования и функционирование подвижного объекта в средах со стационарными и нестационарными препятствиями.

Таким образом, структура системы управления движением автономного подвижного объекта должна включать в себя уровень интеллектуального планирования и согласованный с ним регуляторный уровень.

Реализация такой структуры в рамках системы позиционно-траекторного управления позволяет в полной мере реализовать регуляторный уровень и ряд функций уровня планирования. Кроме того, системы позиционно-траекторного управления позволяют эффективно сопрягать планировщик с регуляторным уровнем.

В настоящее время исследователями активно разрабатываются направления модификации систем позиционно-траекторного управления. Одним из таких направлений представляется подход, которых базируется на выявлении и использовании биологических аналогий, в частности на использовании результатов нейрофизиологических и нейрокибернетических экспериментов по изучению нервной системы человека и животных. Однако, непосредственное применение известных данных нейрофизиологии для моделирования психики человека пока не дает практически полезных результатов из-за чрезвычайной сложности объекта моделирования – человеческого мозга, что определяет актуальность исследований в данном направлении.

 

Особенности систем позиционно-траекторного управления на основе искусственных нейронных сетей

Области применения: интеллектуальные системы позиционно-траекторного управления роботизированными подвижными объектами, функционирующими в условиях неопределенности внешней среды.
Отличительные черты: техническая имитация биологических систем, обеспечивающая «разумное» поведение в сложной, априори неформализованной внешней среде, установление соответствия между участками внешней среды и реагирующими на их состояние элементами нейронной сети афферентного синтеза, искомая траектория ПО формируется, в общем случае, путем физического моделирования на нейронной сети процесса афферентного синтеза.
Преимущества перед другими подходами: простота и наглядность, малые вычислительные затраты, возможность динамического управления скоростью перемещения ПО при прохождении опасных зон, оперативное реагирование на появление динамических препятствий, определение направления перемещения подвижного объекта в реальном масштабе времени.

 

Примеры реализации систем позиционно-траекторного управления на основе искусственных нейронных сетей

 

Перемещение безэкипажного катера с автономной системой управления в условиях значительного количества надводных препятствий на пути следования

 

Визуализация содержимого искусственной нейронной сети, формируемого автономной системой управления при обнаружении препятствия системой технического зрения

ris5

 

Процесс настройки искусственной нейронной сети при стабилизации и перемещении роботизированного вертолета в сложных погодных условиях

Публикации

1. Pshikhopov, V., Chernukhin, Y., Fedotov, A., Pereversev, V., Krukhmalev, V. Development of intelligent control system for autonomous underwater vehicle // 2014 the 4th International Workshop on Computer Science and Engineering-Winter, WCSE 2014

2. Д.А. Белоглазов, В.Ф. Гузик, Е.Ю. Косенко, В.А. Крухмалев, М.Ю. Медведев, В.А. Переверзев, В.Х. Пшихопов, О.А. Пьявченко, Р.В. Сапрыкин, В.В. Соловьев, В.И. Финаев, Ю.В. Чернухин, И.О. Шаповалов. Интеллектуальное планирование траекторий подвижных объектов в средах с препятствиями / Под ред. проф. В.Х. Пшихопова. – М.: ФИЗМАТЛИТ, 2014. – 450 с.
3. Белоглазов Д.А., Гайдук А.Р., Косенко Е.Ю., Медведев М.Ю., Пшихопов В.Х., Соловьев В.В., Титов А.Е., Финаев В.И., Шаповалов И.О. Групповое управление подвижными объектами в неопределенных средах / Под. ред. В.Х. Пшихопова. — М.: ФИЗМАТЛИТ, 2015. — 305 c.

4. Пшихопов В.Х., Чернухин Ю.В., Федотов А.А., Гузик В.Ф., Медведев М.Ю., Гуренко Б.В., Пьявченко А.О., Сапрыкин Р.В., Переверзев В.А., Приемко А.А. Разработка интеллектуальной системы управления автономного подводного аппарата // Известия ЮФУ. Технические науки. – 2014. – № 3(152). – С. 87 – 101.

5. Finaev, V., Kobersy, I., Beloglazov, D., Kosenko, E., Soloviev, V. Design of the neuro-like learning control system for a vehicle. // WSEAS Transactions on Systems and Control, 2015, WSEAS Transactions on Systems and Control 10, pp. 328-334.

6. Beloglazov, D.A., Finaev, V.I. Development of information support aiming at investigation into trainability of hybrid adaptive neuro-fuzzy regulators. // World Applied Sciences Journal, 2013, 23 (11), pp. 1433-1440.

7. Pshikhopov, V., Chernukhin, Y.,Guzik V., Medvedev M., Gurenko B., Piavchenko A., Saprikin R., Pereversev V., Krukhmalev V. Implementation of intelligent control system for autonomous underwater vehicle // Applied mechanics and materials, 2014, p. 704.

8. Пьявченко А.О., Переверзев В.А. Комплексный метод ситуационного планирования поведения мобильного роботизированного объекта в условиях частичной неопределенности для двухмерного пространства // Известия ЮФУ. Технические науки. – 2016. – № 3(176). – С. 97 – 114.