Міністерство освіти і науки України

Донецький державний інститут штучного інтелекту

Звенігородський Олександр Сергійович

УДК 004.896

ІНТЕЛЕКТУАЛЬНА СИСТЕМА ПЛАНУВАННЯ ТАКТИКИ РУХУ АВТОНОМНОГО РОБОТА В КВАЗІСТАЦІОНАРНОМУ СЕРЕДОВИЩІ

Спеціальність 05.13.23 – Засоби та системи штучного інтелекту

Автореферат

дисертації на здобуття наукового ступеня

кандидата технічних наук

Донецьк – 2002

Дисертацією є рукопис.

Робота виконана в Донецькому державному інституті штучного інтелекту Міністерства освіти і науки України.

Науковий керівник доктор технічних наук, професор

Шевченко Анатолій Іванович,

ректор Донецького державного інституту

штучного інтелекту

Офіційні опоненти:

доктор фізико-математичних наук, професор, Крак Юрій Васильович, кафедра моделювання складних систем Київського національного університету ім. Т. Шевченка;

кандидат технічних наук, Мащенко Сергій Валерійович, начальник відділу дослідно-конструкторських робіт Донецького державного інституту штучного інтелекту

Провідна установа

Інститут кібернетики ім. В.М. Глушкова НАН України, відділ теорії цифрових математичних машин і систем, м. Київ

Захист дисертації відбудеться 04 лютого 2002 р. о 14 годині на засіданні спеціалізованої вченої ради К11.243.01 Донецького державного інституту штучного інтелекту за адресою: 83050, м. Донецьк, пр. Богдана Хмельницького, 84, довідки за тел. (0622) 92-62-86, 92-60-82.

З дисертацією можна ознайомитися в бібліотеці Донецького державного інституту штучного інтелекту .

Автореферат розісланий 03.01.2002 р.

Вчений секретар

спеціалізованої вченої ради, к.т.н. Полівцев С.О.

ЗАГАЛЬНА ХАРАКТЕРИСТИКА РОБОТИ

Актуальність проблеми. Потреба в інтелектуальних автономних роботах (АР), що спроможні замінити людину в несприятливих і небезпечних для здоров'я середовищах, особливо при техногенних катастрофах і загрозах терористичних актів, зростає.

Для вирішення комплексу задач з керування АР в екстремальних умовах використовуються багаторівневі системи керування. Питання керування АР за допомогою багаторівневих систем розглядаються в роботах Каляєва І.А., Попова Е.П., Тимофєєва А.В., Поспелова Д.А., Ющенка А.С., Юревича Е.І. та їх учнів. Системи верхнього рівня розв'язують задачі визначення перешкод у робочому просторі і маршруту руху на засаді теорії розпізнавання образів і комплекс задач, пов'язаних із визначенням координат свого місцеположення й місцеположення перешкод. На нижньому рівні розміщуються виконавчі системи, що розв'язують задачі по безпосередньому фізичному керуванню його механічними пристроями, що здійснюють рух АР.

Під автономним роботом будемо розуміти технічну систему, яка може переміщуватися у просторі або бути стаціонарною і переміщувати у просторі робочій інструмент або виконувати обидві ці дії. Функціонування АР в екстремальних умовах має такі особливості: непередбачену появу перешкод, різку зміну умов середовища (покриття поверхні, зміну зовнішніх сил, що діють на АР як на фізичне тіло й ін.), необхідність приймати рішення при обмеженнях на час і можливостей бортових обчислювальних засобів.

Традиційних математичних моделей керування АР у таких умовах функціонування АР стає недостатньо і це знижує можливості адекватної реакції АР на зміну ситуацій, особливо при появі перешкод. При цьому в існуючих системах керування виконавчий рівень не має достатньо інформації, щоб знайти рішення, а верхні стратегічні рівні надто повільні, щоб вчасно знайти рішення.

Одним з напрямків подолання цього недоліку є введення проміжного, так званого, тактичного рівня, який має риси стратегічних і виконавчих рівнів і для скорочення часу пошуку рішення в екстремальних ситуаціях використовує елементи штучного інтелекту. Використання методів штучного інтелекту разом з традиційними математичними моделями середовища і динаміки АР дає нову якість у системах керування. Таким чином, задача розробки інтелектуальної системи планування тактики руху автономного робота є актуальною.

Зв'язок роботи з науковими програмами, планами, темами. Дисертація виконувалась як складова частина науково-дослідної роботи Міністерства освіти і науки України “Створення автономного робота з інтелектуальним керуванням”, шифр 702-98 №0100U002229.

Мета роботи. Скорочення множини альтернативних послідовностей дій автономного робота адекватних незапланованій появі перешкоди у квазістаціонарному середовищі при обмеженнях на час прийняття рішення і пошук нових послідовностей при неможливості їх визначення з аналітичних математичних моделей робот-середовище.

Ідея. Формалізація механізмів взаємодії свідомості і підсвідомості людини для задачі пошуку тактичної послідовності дій АР. Використання методів об'єктно-орієнтованого аналізу для реалізації інтелектуальної системи керування АР реального часу.

Об'єкт дослідження. Система керування АР.

Предмет дослідження. Підсистема тактичного пошуку рішень.

Задачі досліджень. Для досягнення поставленої мети в дисертаційній роботі вирішувались такі основні задачі:

·

· розробка структури інтелектуальної системи керування МР;

· удосконалення математичної моделі стабілізації програмного руху чотириколісного МР з врахуванням типу силових пристроїв;

· розробка об'єктно-орієнтованої моделі інтелектуальної системи керування АР реального часу;

· розробка, налагодження, експериментальні дослідження параметрів моделей системи і програмного забезпечення системи керування АМР реального часу.

Методи дослідження. У роботі використано математичний апарат теорії множин для моделі штучної підсвідомості і локального світу АМР, методи представлення знань в експертних системах; методи теорії автоматичного керування для розробки моделі стабілізації програмного руху, методи системного аналізу, зокрема метод об'єктно-орієнтованого аналізу для моделі взаємодії складових системи керування у реальнім часі.

Наукова новизна. Основні результати роботи є новими, а саме:

·

·

· удосконалено модель зовнішнього і локального світу АМР, що дозволяє динамічно розглядати стаціонарні і нестаціонарні перешкоди в робочому просторі робота в залежності від його поточного стану;

·

·

Практична значимість. Одержані теоретичні результати розширюють область теоретичних підходів до керування автономними роботами у квазістаціонарному середовищі і можуть бути використані при розробці систем керування МР різного ступеня складності і для різного складу силового і начіпного обладнання АР. Окремі теоретичні результати, отримані в дисертаційній роботі, у виді програмного забезпечення для мікропроцесорних підсистем і базової ЕОМ увійшли до складу загальної системи керування автономного робота, який розроблено в ДонДІШІ. Запропонований підхід до програмного забезпечення дозволив модифікувати і ускладнювати систему і її блоки незалежно один від одного, при цьому цілісність системи не порушується.

Одержані результати використовуються на кафедрі технічної інформатики ДонДІШІ при читанні лекцій, виконанні лабораторних робіт із дисципліни “Комп'ютерні інформаційні технології”.

Особистий внесок здобувача. Основні результати, які становлять суть дисертаційної роботи, отримані автором самостійно. У публікаціях, написаних у співавторстві, здобувачеві належить: у роботі [3] – розробка логічної структуру системи керування інтелектуальним роботом; у роботі [5] – розробка напрямків реалізації штучної особистості. Особистий внесок автора полягає в розробці моделі тактичного рівня інтелектуальної системи керування АР, на основі механізму дії “штучної підсвідомості”, розробці структури системи, об'єктно-орієнтована модель системи керування мобільним роботом реального часу.

Апробація результатів. Основні положення дисертації доповідались на наукових семінарах Донецького державного інституту штучного інтелекту, семінарах кафедри технічної інформатики ДДІШІ, на міжнародній науковій конференції KDS-99, 1999р, м. Кацівелі, на Х

науково-технічній конференції "Экстремальная робототехника" Санкт-Петербург, 1999р., на науковому семінарі відділу теорії цифрових математичних машин і систем, Інститут кібернетики ім. В.М. Глушкова НАН України м. Київ, 2001р., на науковому семінарі “Моделювання та оптимізація систем з неповними даними” Київський університет ім. Т.Шевченка, факультет кібернетики, м. Київ, 2001р.

Публікації. Основні положення дисертації викладені у 8 друкованих роботах. З них 7 – у наукових фахових виданнях.

Структура й обсяг роботи. Дисертація складається з вступу, п'яти розділів, висновків, списку використаних джерел. Загальний обсяг дисертаційної роботи становить 128 сторінок тексту, 105 сторінок основної текстової частини, у тому числі 25 рисунків, 2 таблиці, 60 бібліографічних найменувань на 8 сторінках, акти впровадження.

ОСНОВНИЙ ЗМІСТ РОБОТИ

У вступі розкрито сутність і стан наукової проблеми, обґрунтовано важливість і актуальність теми дисертації та необхідність проведення дослідження, викладено мету роботи та сформульовано основні положення, які виносяться на захист, їх практичне значення та наукову новизну, коротко розкрито зміст дисертації.

У першому розділі дається огляд існуючих підходів до керування автономними мобільними роботами (АМР), розглядається класифікація керування АМР і структури систем керування АМР, у тому числі інтелектуальні системи керування, підходи до побудови моделей середовища і динамічних моделей АМР. Показано, що на даний час при керуванні МР використовуються три основні підходи до моделювання: моделювання за допомогою диференційних рівнянь; моделювання на засадах нечіткої логіки; моделювання за допомогою штучних нейронних мереж. Методи нечіткої логіки прості для реалізації, але їх точність не відповідає вимогам, що пред'являються до функціонування АМР у середовищі з ізмінними властивостями, методи штучних нейронних мереж здійснюють навчання, але вони не дозволяють проводити оптимізацію процесу керування і мають меншу точність ніж методи побудовані на диференційних рівняннях.

Показано, що при керуванні АМР в умовах середовища з невідомими чи змінними властивостями все частіше використовуються інтелектуальні системи керування. На даний час системи керування АМР, побудовані на диференційних рівняннях частково вичерпали свої

можливості. На зміну їм приходять інтелектуальні системи керування з ієрархічною структурою.

Розглянуто склад і особливості існуючих ієрархічних систем керування. Показано, що системи, як правило, мають глобальний, стратегічний і виконавчий рівні керування. Розглянуто основні підходи до планування траєкторії руху АМР на стратегічному рівні. Показано, що в реальних умовах функціонування АМР, коли час прийняття рішення обмежений, необхідно вводити тактичний рівень керування з елементами штучного інтелекту.

Розглянуто модель стабілізації програмного руху чотириколісного робота. Приймається, що центр мас АМР знаходиться на повздовжній осі симетрії на відстані а від прямої, з'єднуючої центри передніх коліс і на відстані b від задніх коліс. Замість пари коліс розглядається одне приведене колесо з центром, рівно розташованим від центрів коліс даної пари. Відома модель динаміки такого АМР:

(1)

де v і u – повздовжня і поперечна складові швидкості центру мас АМР, w - кутова швидкість шасі; q - кут повороту передніх коліс відносно шасі; Y1, Y2 – бокові реакції опорної поверхні, прикладені відповідно до лівого і правого передніх коліс; Y2 – бокова реакція, прикладена до задніх коліс; F – реакція опорної поверхні на зусилля, прикладене з боку ведучого колеса; m – маса AМР; I – момент інерції відносно вертикальної осі, що проходить через центр мас; x, y – координати центра мас AМР у нерухомій декартовій системі.

Після лінеаризації отримуємо закон керування:

F = – mw + Y1sinq – mq1(Dv + p1cosJ*Dx + p2sinJ*Dy – u*DJ) (2)

q =q*(t) – q2 [Du – p1sinJ*Dx + p2cosJ*Dy + v*DJ + a (Dw+p3DJ)]/b2

де P = diag{p1, p2, p3}, pi > 0 (i =1, 2, 3) гарантує асимптотичну стійкість рішення Х =0; k1, c1 – постійні коефіцієнти.

Прийнято, що АМР функціонує в середовищі, у якому можуть з'являтися рухомі і нерухомі перешкоди. Зважаючи на те, що АМР, як технічній системі, потрібен деякий час на розпізнавання поточної ситуації і на пошук адекватних дій, наприклад, для уникнення зіткнення з

перешкодою. Вважається що за цей час стан середовища не змінюється і таке середовище називається квазістаціонарним. Поставлена задача розробки моделі інтелектуальної системи планування тактики руху АР у квазістаціонарному середовищі.

У другому розділі розглядаються особливості керування АМР у квазістаціонарному середовищі, які зумовлюють необхідність введення тактичного рівня керування з елементами штучного інтелекту і розробки в цьому зв'язку моделі локального світу робота.

Запропоновано робочий простір (карту світу АМР) на стратегічному рівні керування АМР представляти як прямокутну область, зв'язану з декартовою системою координат XY. Область розбивається на клітини, що є елементами двомірного масиву. Кожна клітина характеризується множиною параметрів:

Р(х,у) = {aі(х,у), fk(x,y)},

де aі(х,у) (і=1, …,8) – кут нахилу рельєфу поточної клітини по відношенню до сусідньої клітини (прийнято, що кожна клітина межує з 8 сусідами); fk(x,y) (k = 1, …, n) – фізичні параметри поверхні поточної клітини. З точки зору АМР перешкодою є клітина по напрямку руху АМР, у якій кут a підйому чи нахилу рельєфу поверхні в напрямку руху АМР перевищує критичне для АМР значення |a| > aгр. Якщо a = 0 , то перешкода відсутня, якщо 0 < |a| Ј aгр , то перешкоду АМР може подолати (перетнути) або обминути.

Для формування картини стану середовища АМР оснащується локаційними датчиками чи системами датчиків, за допомогою яких АМР здійснює сканування робочого простору для визначення перешкод. Незалежно від принципу дії датчиків будемо вважати, що вони згруповані у К груп по J датчиків у групі і їхні вісі мають спільну точку. Нехай робочій простір датчиків по горизонтальній площині розбито на m зон по величині рівня відбитого перешкодою випромінювання датчика. Таким чином, кількість станів середовища конечна і дорівнює (KJ)m.

Будемо вважати, що стан МР у поточний момент часу визначають швидкість V, кут повороту руля q і нехай ці параметри приймають кінчену кількість значень відповідно L і H. Введемо множину станів об'єкту робот-середовище:

B = {B1, …, BN}

де N = LH(КJ)m

На тактичному рівні вводиться локальна карта світу, яка формується з карти світу АМР і на яку накладається карта у вигляді замкнутих зон, сформованих за допомогою локаційних датчиків АРМ. Датчики фіксують стаціонарні і нестаціонарні перешкоди. Якщо зафіксована датчиками

перешкода є на загальній карті, то вона тактичним

рівнем розглядається як стаціонарна, у протилежному випадку – як нестаціонарна. На час виконання маневру локальна карта світу не змінюється.

В основу розробки моделі тактичного рівня покладено визначення штучного інтелекту як алгоритму творчого розв'язання задачі, поставленої штучною свідомістю. На відміну від інших визначень це визначення, на нашу думку, є найбільш конструктивним при практичній реалізації.

За даним визначенням штучний інтелект пов'язаний з поняттям творчості. Поняття творчості притаманне людині. На даний час творчий процес людини розглядається як взаємодія лівої і правої півкуль мозку. Ліва – безстрасність, яку складають формалізм і логіка. Права – образне мислення. Творчій процес є багато етапним і включає свідому і підсвідому складові. Підсвідома складова творчості є тільки одним з етапів цього процесу. Процес же охоплює дві півкулі мозку і представляє собою, образно кажучи, діалог підсвідомості зі свідомістю. Процес творчості починається з свідомого етапу, коли формулюється задача і робляться спроби її розв'язання формальними методами. Цей етап запускає наступний підсвідомий процес інтуїтивного пошуку рішення у вигляді різних комбінацій і сполучень у випадковім безпорядку образів підсвідомості, у якому велике значення мають аналогії і асоціації.

Якщо провести аналогії між розглянутим вище процесом творчості людини і керуванням АМР у квазістаціонарному середовищі, то під штучною свідомістю будемо вважати глобальний і стратегічний рівні керування, а під штучною підсвідомістю – тактичний рівень. Глобальний – визначає мету, задачу і критерії якості функціонування АМР, стратегічний – за математичними моделями строго і логічно здійснює пошук оптимальної траєкторії і відповідні дії АМР для її реалізації. Тактичний рівень навпаки спочатку знаходить послідовність необхідних дій у відповідності ситуації, що склалась, а потім на моделях стратегічного рівня перевіряє траєкторію у відповідності знайденим діям і обирає найкращу послідовність дій за деяким критерієм. Нові послідовності дій шукаються по апріорно відомим діям (за методом асоціації) або формуються з елементарних дій у нові послідовності з заздалегідь невідомою послідовністю і кількістю елементів (за методом мозкового штурму).Запропоновано модель формування маневрів як п'ятірку:

О=<А, М, P, R, S>

де А – множина елементарних дій АМР; М – будь-яка множина синтаксично правильних сукупностей дій з множини А; Р – правила для побудови з М сукупностей, які вважаються семантично правильними; R – правила для скорочення кількості альтернативних маневрів з М; S – правила для

побудови з А сукупностей, які вважаються синтаксично правильними і розширюють множину маневрів М.

Множина А представляє конечну множину елементарних дій АМР, склад і кількість яких залежать від конструкції АМР і технічних параметрів силових елементів. Елементи множини М за фізичною сутністю це послідовності дій, які ми називаємо “умовними” і “безумовними” рефлексами. Правила Р використовуються для генерування послідовностей дій за принципом асоціативного пошуку на множині М. R – правила для скорочення кількості альтернативних маневрів із М у залежності від зафіксованих датчиками нестаціонарних перешкод і стаціонарних перешкод на локальній карті світу АМР.

Розіб'ємо множину маневрів М = {M1, …, Mk} на підмножини МiН М. Наприклад, одна підмножина буде включати маневри пов'язані із зупинкою АМР, друга – із обходом перешкоди зліва і т.д. Кожному стану Bj О В (j = 1, …, N) поставимо у відповідність підмножину М i Поставимо також кожному стану Bj у відповідність підмножини правил RjН R, Sj Н S, Pj Н P. Таким чином, одним з правил скорочення кількості альтернативних маневрів R j буде таке: якщо поточний стан локаційних датчиків Вj, то розглядається підмножина маневрів Мi.

Для представлення маневрів будемо використовувати ієрархічну фреймову структуру наступного виду. На верхньому рівні маневр Мn задається фреймом виду:

Mn=(Nn, B0, Act1, В1, …, Вn—1, Actn, Вn),

де Nn – ім'я n-го маневру; В0 – поточний локальний стан світу; Acti – фрейм і-ї дії маневру; Ві – фрейм стану локального світу після виконання і-ї дії; Вn – цільовий стан локального світу. Фрейми станів світу вміщують слоти для представлення параметрів станів і дій. Параметри станів світу діляться на параметри зовнішнього світу, які не залежать від дій робота; параметри, що змінюються від дій робота; параметри внутрішнього стану МР.

Кожній ситуації ставиться у відповідність множина можливих у майбутньому критичних подій. Кожній критичній події може бути поставлена у відповідність функція fi(Pj, …, Pk) від предикатів поточної ситуації, що обчислює запас часу Т, зумовлений можливим наставанням даної критичної дії. Вид цієї функції відомий і зберігається у відповідному слоті маневру.

Кожній проблемній ситуації на етапі побудови бази знань ставиться у відповідність множина маневрів. Кожен маневр має слот “Передумова”, у якому записаний предикат РС (precondition), який визначає додаткові умови застосування даного маневру. Предикат визначається на параметрах поточної ситуації і дозволяє виключити з подальшого розгляду деякі

маневри. Наприклад, обхід перешкоди с права може бути неможливим із-за стаціонарної перешкоди, переїзд перешкоди неможливий внаслідок великої висоти перешкоди і т.д.

Обчислення даного предикату реалізується функцією g(Pj, …, Pk). Обчислення предикату РС може вимагати збору додаткової інформації для отримання фактів, яких нема в даний момент часу в базі даних. У результаті визначення істинності передумов усіх маневрів формується скорочена множина маневрів для подальшого аналізу.

Конкретизація маневру зводиться к конкретизації усіх його дій –фреймів дій. Алгоритми пошуку оптимальних значень параметрів маневрів залежать від конкретних математичних моделей, що використовуються для опису відповідних дій маневру.

При цьому кожній окремій задачі конкретизації дії маневру треба поставити у відповідність множину {vik}={(Tik, Qik)} варіантів її рішення, що відрізняються часом Ті і якістю Qi. Для робота, діючого у реальних умовах, варіанти окремих задач конкретизації повинні формуватися динамічно з урахуванням поточних умов середовища і внутрішніх ресурсів робота. Для цього до кожної фрейм-дії додається слот, з функцією us((Pj, …, Pk), яка формує множину {vik}={(Tik, Qik)} для конкретної ситуації.

Різні маневри в загальному випадку потребують різного часу на конкретизацію, причому цей час залежить від параметрів поточної ситуації і внутрішніх параметрів агента. Сукупність таких параметрів може бути виділена заздалегідь і для кожного маневру нижня оцінка часу рішення задачі конкретизації Тm* може бути виражена як функція від цих параметрів:

Тm*=hm(P1, …,Pk)

Алгоритм пошуку маневру на тактичному рівні.

1. Визначається стан об'єкту робот-середовище Вj і відповідна йому множина маневрів М i.

2. Визначається запас часу Т на пошук маневру.

3. Асоціативний пошук. Для всіх елементів Мi застосовуються правила у порядку R j, S j і формується множина {vik}={(Tik, Qik)}. Кожен знайдений маневр перевіряється на можливість зіткнення з стаціонарною перешкодою на моделі стратегічного рівня.

4. Якщо множина P j не пуста і запас часу не вичерпано, то пошук за методом мозкового штурму. Правила P j застосовуються для формування нових маневрів з елементів множини А. Отримані сукупності обробляються як при Асоціативному пошуку до спливу часу Т.

У третьому розділі розглядаються питання визначення керуючих впливів силові пристрої робота для стабілізації програмного руху чотири

колісного АМР автомобільної конструкції, на базі якого перевірялись запропоновані моделі другого розділу.

Модель (1) не враховує сил опору руху АМР. Для електричного двигуна постійного струму, які, як правило, використовують у АМР у першому наближенні можемо записати:

де J – приведений до валу момент інерції рухомих частин, wd – кутова швидкість обертання валу , Md – момент рухаючих сил,

прикладених до валу двигуна, Mc – момент сил опору (навантаження, сили тертя і т.д.).Після лінеаризації отримаємо

, (3)

де Т1 – постійна часу двигуна, cс1 – параметр сил опору, cd1 – параметр двигуна, h1(t) – збурюючий вплив, прикладений до двигуна, F – потрібне значення повздовжньої сили, розрахованої по алгоритму (3.19).

Аналогічно для двигуна передньої осі:

при

при (4)

При врахуванні динаміки виконавчих пристроїв рівняння (1) разом з (3), (4) і алгоритмами керування (2) математична модель динаміки чотириколісного АМР набуває вигляду.

(5)

,

Y1 = k1d1/[1 + (c1d1)2]1/2, d1 = q - arctg[(u + aw)/v]

де F і q визначаються по алгоритму (2).

Запропоновано ієрархічну структуру системи керування АМР з трьома рівнями (рис.1). На першому рівні в рамках стратегії уникнення зіткнення з перешкодами, відшукується оптимальна траєкторія на карті світу, що зберігається у базі знань (блок 4), у вигляді ділянок прямих і дуг кіл приймаються рішення про початок руху МР.

При цьому використовується інформація підсистем навігації і визначення перешкод (локаційні датчики) і інформація нижніх рівнів про стан виконавчих блоків.

На другому рівні в блоці 5 здійснюється розрахунок і контроль поточної траєкторії за моделлю (1), при цьому використовується загальна карта світу, що зберігається у базі знань (блок 4).

На третьому рівні знаходиться підсистема фізичної реалізації рухів, що здійснює керування рухом МР і його маніпуляторами. Основна задача цього блоку – стабілізація руху АМР при русі за програмною траєкторію і рух по командам оператора. Керування маніпулятором здійснюється по командам людини-оператора.

На схемі позначено: Xo, Yo, – прямокутні координати перешкоди, Xr, Yr,Jr – прямокутні координати і курсовий програмної траєкторії, Xp, Yp,Jp - прямокутні координати і курсовий кут поточного розташування АМР, qБ, VБ – бажаний кут повороту рульового пристрою і бажана лінійна швидкість, U0i, …, Uv – керуючі впливи (напруги) на двигуни, пропорційні F i q із закону керування w1, …,wn – кутові швидкості двигунів і коліс.

Блок 6 виконує функції тактичного керування і здійснює пошук маневрів. Маневри зберігаються у базі знань (блок 4). Знайдені маневри контролюються блоком 5. База знань також зберігає тимчасово всю послідовність дій АМР, що дозволяє експертам після досягнення АМР мети аналізувати дії АМР і визначати нові маневри як “безумовні рефлекси” зберігаючи їх постійно в базі знань.

Розроблені апріорні послідовності дій для найбільш поширених випадків руху по прямих траєкторіях і поворотах на 90 градусів. Отримані аналітичні залежності для апроксимації довільних ділянок траєкторії дугами кіл для програмного руху АМР.

У четвертому розділі розглянуто концепції і підхід до програмної реалізації інтелектуальної системи АМР. При проектуванні програмного забезпечення враховувалась необхідність функціонування складових системи керування у реальному часі.

Як відзначалось раніше підсистеми “свідомості” і “підсвідомості” можуть працювати паралельно, отже необхідно формалізувати процес їхньої взаємодії з метою запобігання безвихідних і невизначених ситуацій.

Поведінку об'єкта системи керування в часі представимо діаграмою станів або як автомат А з семи об'єктів.

A{S, V, Y, R, l, d, a0},

де S={s1, …, sn} – множина станів, V={v1, …, vm} – множина вхідних подій, Y={y1, …, yp} – множина вихідних подій, R={r1, …, rr} – множина режимів, l - функція виходів, що реалізує відображення

множини Dl Н SґR ® Y(yk=l(si,rl);rl ОR), d – функція перемикання, що реалізує відображення множини Dd Н SґVґY ® S(sk=d(si,vj,yk); sk ОS), а0 – початковий стан автомату. Особливістю автомата є те, що перехід у наступний стан відбувається лише по завершенню всіх дій Y, пов'язаних із поточним станом.

Події, що подаються на автомат, охоплюють як нормальну, так і анормальну (виникнення збоїв технічних засобів) поведінку об'єкта. Друга особливість автомата – введення поняття режиму для скорочення кількості станів. Це пов'язано з тим, що в системах даного типу в одному стан системи може не залежати від ситуації, а дії АМР, пов'язані з цим станом залежать від ситуації і формуються за різними моделями. Одним із режимів може бути режим безпосереднього керування від оператором чи зовнішньою ЕОМ. При цьому правила взаємодії тактичного рівня з іншими рівнями не змінюються, а змінюється лише спосіб отримання маневру. Це дозволяє у разі необхідності (непередбаченої критичної ситуації) втрутитись і примусово переключити об'єкт у необхідний стан або згенерувати для автомата необхідні події для цього переключення без виходу з ладу всієї системи.

Введемо поняття мережі автоматів як набору автоматів, об'єднаних своїми входами і виходами і взаємодіючих за допомогою подій. Назвемо мережею автоматів L зв'язний мультиграф:

L = (E, C),

де E = (e1, e2, …, en) – множина вершин графа; С = (с1, с2, …, сm) – множина спрямованих дуг, cj = (ei, ek).

Вершина графа інтерпретується як автомат мережі, а дуга – як канал зв'язку між автоматами для обміну подіями. Робота мережі полягає в паралельному функціонуванні усіх складових її автоматів, поведінка яких, у свою чергу, визначається його поточним станом, а також станами вхідних каналів.

Нехай тепер L = (E, C) – мережа автоматів, і нехай система складається з підсистем, кожна з яких описується кінцевим автоматом, так що H = {Hj} – множина моделей підсистем. Тоді, якщо H М E, то

Lc = {Ec, Cc},

де Ec = E \ H будемо називати керуючою структурою для системи керування, представленої моделями {Hj}. Будучи з'єднаною з реальними підсистемами, управляюча структура забезпечує деяку поведінку підсистем, яка залежить від топології управляючої структури і автоматів, що входять до її складу.

Загальна система керування будується як сукупність доменів більш-менш незалежних один від одного. Домени будуються з підсистем, а підсистеми – з об'єктів. Об'єкти мають інформаційну модель, модель

життєвих циклів і модель процесів. Об'єкти взаємодіють між собою за допомогою подій. Моделі життєвих циклів є практичною реалізацією кінцевих автоматів, запропонованих для моделювання поведінки сутностей системи керування. Моделі процесів по суті є алгоритми чи дії АМР, а також моделі робот-середовище. Під час функціонування формуються керуючі структури для деяких автоматів. Наведено структуру системи керування реального часу.

Розглянуто суть елементарних дій автономного мобільного робота і запропоновано підходи до їх практичної об'єктно-орієнтованої програмної реалізації у реальнім часі.

У п'ятому розділі наведені результати експериментальних досліджень системи на прикладі чотириколісного мобільного робота, що створено у ДонДІШІ. Наведено структуру технічних засобів багато процесорної системи .Оцінено час роботи програмних блоків на різних процесорних платформах. Визначені основні параметри руху за моделлю (1) для заданої конструкції мобільного робота. Зроблено висновки відносно подальшого удосконалення моделі стабілізації програмного руху і розширення складу навігаційних систем на борту автономного робота.

ВИСНОВКИ

У дисертації запропоноване нове розв'язання наукової задачі керування автономним роботом у квазістаціонарному середовищі при обмеженні на час прийняття рішення, що виявляється у застосуванні моделі штучної свідомості і підсвідомості (тактичного рівня керування) для пошуку послідовності дій робота (алгоритму за допомогою якого досягається локальна мета функціонування робота); запропонована модель тактичного рівня прийняття рішень. На підставі цієї моделі запропонована структура інтелектуальної системи керування АМР. Удосконалена модель стабілізації програмного руху чотири колісного АМР і досліджені її особливості, запропоновано новий підхід для системи керування АМР реального часу.

У процесі виконання дисертаційної роботи отримані такі висновки та результати:

1. На сучасному етапі традиційні системи керування автономними роботами в квазістаціонарному середовищі частково вичерпали свої можливості. На їхню зміну приходять інтелектуальні системи керування.

2. В умовах обмеження на час прийняття рішення при незапланованій появі перешкоди в квазістаціонарному середовищі доцільно пошук послідовності дій робота проводити не тільки на стратегічному рівні, де використовується математична модель робот-

середовище, а і на тактичному, по апріорно відомим послідовностям дій чи з побудовою нових послідовностей.

3. На тактичному рівні керування множину альтернативних послідовностей дій автономного робота адекватних поточній ситуації можна скоротити за рахунок використання пошуку за асоціацією чи методом мозкового штурму, що притаманні інтелекту людини. При цьому цей процес можна формалізувати і представити як п'ятірку:

О=<А, М, P, R, S>

А - множина елементарних дій АМР, М - множина синтаксично правильних послідовностей елементарних дій, R - правила скорочення альтернатив при пошуку за асоціацією, S - правила побудови альтернатив при пошуку за методом мозкового штурму.

4. Показано, що поняття перешкоди для АР залежить від технічних параметрів робота і властивостей рельєфу поверхні робочого простору. Запропоновано в моделях світу АМР розглядати перешкоду як функцію від характеристик рельєфу поверхні, що дає змогу з однієї карти світу формувати карти світу для роботів з різними технічними параметрами чи при зміні цих параметрів, наприклад, маси робота при транспортуванні вантажу.

5. Показано, що одним з методів скорочення множини альтернатив і часу пошуку на тактичному рівні є введення відповідності між кожним поточним станом “робот-середовище”, який представляється як сукупність параметрів локаційних датчиків і внутрішнього стану АМР і множиною можливих послідовностей дій робота у цьому стані. Параметри визначені так, що кількість можливих станів скінчена і може бути представлена у вигляді таблиці.

6. Запропонована трьохрівнева структура інтелектуальної системи керування АМР. Верхній рівень здійснює стратегічне керування АМР з визначенням траєкторії руху до точки цілі. Середній рівень здійснює тактичне керування і містить базу знань, до якої входять моделі, що використовуються як при стратегічному, так і при тактичному прийнятті рішень. Нижній рівень здійснює функції керування виконавчими підсистемами АМР, у тому числі стабілізацію програмного руху. Розміщення бази знань на середньому рівні спрощує процес взаємодії всіх трьох рівнів між собою і процес отримання і використання нових знань.

7. Удосконалена відома модель динаміки АМР з чотириколісним шасі для врахування характеристик силових пристроїв робота.

8. Запропоновано модель взаємодії між підсистема стратегічного і тактичного керування у виді мережі автоматів, що спрощує їх моделювання при функціонуванні у реальному часі і реакцію складових системи керування

на виникненні незапланованих ситуацій не тільки в середовищі, а і у внутрішньому стані робота.

9. Вперше використано методологію об'єктно-орієнтованого аналізу для забезпечення безконфліктного функціонування у реальному часі програмних блоків інтелектуальної системи керування АМР, яке базується на представленні підсистем і об'єктів системи керування як окремих більш менш незалежних сутностей

10. Практична реалізація показала доцільність побудови стратегічного і тактичного рівня на базі материнських плат персонального комп'ютера типу IBM PC, а виконавчий рівень і підсистему датчиків на базі мікропоцесорів.

СПИСОК ОПУБЛІКОВАНИХ ПРАЦЬ ЗА ТЕМОЮ ДИСЕРТАЦІЇ

1. Звенигородский А.С. Нечеткая логика в управлении мобильным роботом// Искусственный интеллект. – 1998. – № 1. – с.63-67.

2. Звенигородский А.С., Вороной С.М. Принципы построения систем управления движением интеллектуальных роботов в условиях неопределенностивнешней среды // Искусственный интеллект. – 1999. – №1. – с.348-353.

3. Звенигородский А.С. Анализ и моделирование команд движения интеллектуального мобильного робота // Искусственный интеллект. – 2000. – №1. – с.109-115.

4. Шевченко А.И., Звенигородский А.С., Сальников И.С. Отдельные вопросы теории систем искусственного интеллекта // Искусственный интеллект. – 2001. – №1. – с.130-142.

5. Звенигородский А.С. Объектно-ориентированная модель системы управления движением интеллектуального мобильного робота // Искусственный интеллект. – 2001. – №1. – Донецк. – с.177-182.

6. Звенигородский А.С. Исследование и выбор параметров адаптивной подсистемы управления силовыми блоками мобильного робота // Искусственный интеллект. – 2001. – №2. – с. 92-100.

7. Звенигородский А.С. Интеллектуальная система управления движениями мобильного робота // Искусственный интеллект, 2001. №3, Донецк, с.458-464.

8. Звенигородский А.С. Система управления непрерывным движением мобильного робота // Материалы 10-й Междунар. науч.-техн.конф. "Экстремальная робототехника". – СПб. – 1998

АНОТАЦІЇ

Звенигородский А.С. Интеллектуальная система планирования тактики движения автономного робота в квазистационарной среде. Рукопись. Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.23 – “Системы и средства искусственного интеллекта”. Донецкий государственный институт искусственного интеллекта, г. Донецк, 2002.

Предложено новое решение научных задач управления автономными роботами и поиска траекторий движения в квазистационарной среде (среда с подвижными препятствиями) в условиях ограничения на время принятия решения. Поиск решения в виде последовательности действий автономного робота осуществляется в процессе взаимодействия искусственного сознания и искусственного подсознания. Искусственное сознание по формальной модели “робот-среда” находит траекторию движения и соответствующие ей действия. Искусственное подсознание (тактический уровень) ищет действия методом ассоциации по априорно заданным последовательностям действий, или формирует новые последовательности с заранее неизвестным количеством действий, а потом проверяет их на модели “робот-среда”. Во втором случае время поиска значительно меньше, чем в первом, но найденное решение не оптимально. Окончательное решение принимается по результатам работы обоих уровней.

Формальная модель тактического уровня представлена как пятерка О=<А, М, P, R, S>, где А – множество элементарных действий АМР; М – множество синтаксически правильных последовательностей действий из множества А; Р – правила для построения из М последовательностей, которые считаются семантически правильными; R – правила для сокращения количества альтернативных последовательностей из М; S – правила для построения из А последовательностей, которые считаются синтаксически правильными и расширяют множество М. Последовательности представлены как фреймы следующего вида:

Mn=(Nn, B0, Act1, В1, …, Вn--1, Actn, Вn),

где Nn – имя n-й последовательности; В0 – текущее локальное состояние мира; Acti – фрейм і-го действия последовательности; Ві – фрейм состояния локального мира после выполнения і-го действия; Вn – целевое состояние локального мира.

Уточнена известная модель динамики для четырехколесных автономных мобильных роботов, определены переменные и законы управления для стабилизации движения робота. Разработаны модели

карты мира робота и локальной карты мира с использованием информации

локационных датчиков и внутреннего состояния робота. Разработана структура интеллектуальной системы управления с функциями стратегического и тактического управления.

При программной реализации системы использованы методы объектно-ориентированного анализа. Модули системы представлены как независимые сущности, или абстрактные автоматы из семи объектов, функционирующие по известным физическим законам, правилам или линиям поведения и взаимодействующих между собой посредством событий. Первый и второй уровни системы реализованы на персональном компьютере, третий уровень представляет совокупность микропроцессорных систем, каждая из которых реализует подсистему автоматического управления двигателем мобильного робота.

Ключевые слова: интеллектуальная система управления, мобильный робот, объектно-ориентированный анализ, система реального времени.

Звенігородський А.С. Інтелектуальна система планування тактики руху автономного робота в квазістаціонарному середовищі. Рукопис. Дисертація на здобуття ученого ступеня кандидата технічних наук за спеціальністю 05.13.23 – “Системи та засоби штучного інтелекту”. Донецький державний інститут штучного інтелекту. м. Донецьк, 2002.

Запропоновано нове рішення наукових задач керування автономними роботами і пошуку траєкторій руху в квазістаціонарному середовищі (середовище з рухливими перешкодами) в умовах обмеження на час прийняття рішення. Пошук рішення у вигляді послідовності дій автономного робота відбувається в процесі взаємодії штучної свідомості і штучної підсвідомості. Штучна свідомість за формальною моделлю робот-середовище знаходить траєкторію руху і відповідні дії. Штучна підсвідомість (тактичний рівень) шукає дії за методом асоціації за апріорно заданими послідовностями дій або формує нові послідовності із заздалегідь невідомою кількістю дій, а потім перевіряє їх на моделі робот-середовище. У другому випадку час пошуку значно менший, але знайдене рішення не оптимальне. Остаточно рішення приймається за результатами роботи обох рівнів. Уточнена