Статья

Название статьи ПРИНЦИПЫ ПОСТРОЕНИЯ ЭКСТРАПОЛИРУЮЩЕГО МНОГОМЕРНОГО НЕЙРОСЕТЕВОГО ПЛАНИРОВЩИКА ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ ПОЗИЦИОННО-ТРАЕКТОРНОГО УПРАВЛЕНИЯ ПОДВИЖНЫМИ ОБЪЕКТАМИ
Автор В.Ф. Гузик, В.А. Переверзев, А.О. Пьявченко, Р.В. Сапрыкин
Рубрика РАЗДЕЛ I. ТЕХНОЛОГИИ УПРАВЛЕНИЯ И МОДЕЛИРОВАНИЯ
Месяц, год 02, 2016
Индекс УДК 681.511.4+004.896:519.876.5
DOI
Аннотация Рассмотрены принципы построения экстраполирующего многомерного нейросетевого планировщика (ЭМНП) интеллектуальной системы позиционно-траекторного управления подвижными объектами. Так здесь представлены результаты исследования модернизированного метода нейросетевого планирования перемещения роботизированного подвижного объекта применительно к многомерному пространству с использованием бионического принципа восприятия окружающей обстановки в условиях неопределенности и наличия препятствий, обладающих динамикой перемещения. В качестве основного принципа структуризации и построения ЭМНП предложено использовать иерархический принцип построения систем обработки информации, на основе которого синтезирована предложенная в статье иерархическая структура комплексной экстраполирующей многомерной нейроподобной сети. Такую многомерную нейроподобную сеть отличает наличие отдельных слоев, предназначенных для различных этапов обработки модельного плана среды, полученного от системы технического зрения роботизированного подвижного объекта в упомянутых выше условиях. Иерархическое строение комплексной многомерной нейроподобной сети базируется на принципах параметрического объектно-ориентированного синтеза, синтеза пространственных планов взвешенных признаков положения объектов среды с дискретизацией по времени, планов векторов направлений экстраполяции значений этих признаков, что позволяет определить вероятностное пространственное положение связанных с ними объектов на несколько шагов вперед по отношению к текущему моменту времени. Рассмотрены результаты моделирования выбранных методов обнаружения по данным системы технического зрения подвижных препятствий круглого или шарообразного типа и прогнозирования траекторий их перемещения в пространстве соответствующей размерности. Представлены результаты выполненного имитационного программного моделирования предложенного подхода к построению ЭМНП интеллектуальной системы позиционно-траекторного управления подвижными объектами в многомерном пространстве средствами программной среды MATLAB для двухмерного случая, а также с использованием разработанного программного комплекса имитационного моделирования в условиях трехмерной обстановки.

Скачать в PDF

Ключевые слова Роботизированный подвижный объект; бионический принцип восприятия окружающей обстановки; экстраполирующий многомерный нейросетевой планировщик; многомерная нейроподобная сеть; принципы построения; взвешенные признаки положения; вектор направления перемещения; экстраполяция значений; программное имитационное моделирование.
Библиографический список 1. Pshikhopov V.Kh., Ali A.S. Hybrid motion control of a mobile robot in dynamic environments // in Proc. Int. Conf. on Mechatronics, ICM 2011. – P. 540-545.
2. Pshikhopov V.Kh., Medvedev M.Yu. Robust control of nonlinear dynamic systems // in IEEE ANDESCON Conf. Proc., ANDESCON, Bogota, Sep. 2010.
3. Pshikhopov V.Kh., Medvedev M.Yu. Document Block design of robust control systems by direct Lyapunov method // in Proc. of the 18th IFAC World Congress, 2011. – P. 10875-10880.
4. Pshikhopov V., Medvedev M., Neydorf R., Krukhmalev V. et al. Impact of the feeder aerodynamics characteristics on the power of control actions in steady and transient regimes // SAE Technical Papers. – 2012. – No. 01.
5. Neydorf R., Krukhmalev V., Kudinov N., Pshikhopov V. Methods of statistical processing of meteorological data for the tasks of trajectory planning of MAAT feeders // SAE Technical Papers, 2013
6. Pshikhopov V., Krukhmalev V., Medvedev M., Neydorf R. Estimation of energy potential for control of feeder of novel cruise/feeder MAAT system // SAE Technical Papers. – 2012. – No. 01.
7. Pshikhopov V.K., Medvedev M.Yu., Gurenko B.V. Homing and Docking Autopilot Design for Autonomous Underwater Vehicle // Applied Mechanics and Materials. – 2014. – P. 490-491.
8. Pshikhopov V., Sergeev N., Medvedev M., Kulchenko A. The design of helicopter autopilot // SAE Technical Papers. – 2012. – No. 01.
9. Pshikhopov V.Kh., Medvedev M.Yu., Gaiduk A.R., Gurenko B.V. Control system design for autonomous underwater vehicle // in Latin American Robotics Symposium. – 2013. – P. 77-82.
10. Pshikhopov V., Medvedev M., Kostjukov V., Fedorenko R. et al. Airship Autopilot Design // SAE Technical Paper. – 2011. – No. 01.
11. Pshikhopov V.Kh., Krukhmalev V.A., Medvedev M.Yu., Fedorenko R.V., Kopylov S.A., Budko A.Yu., Chufistov V.M. Adaptive control system design for robotic aircrafts // in IEEE Latin American Robotics Symposium. – 2013. – P. 67-70.
12. Guzik V.Ph., Chernukhin Yu.V., Pyavchenko A.O., Polenov M.Yu., Pereverzev V.A., and Saprykin R.V. Neural network method of intellectual planning of mobile robotic object movement in the conditions of uncertainty // Advances in Robotics, Mechatronics and Circuits. Proceedings of the 2014 International Conference on Mechatronics and Robotics, Structural Analysis (MEROSTA 2014), Santorini Island, Greece, 2014. – P. 194-200.
13. Интеллектуальное планирование траекторий подвижных объектов в средах с препятствиями / под ред. В.Х. Пшихопова. – М.: Физматлит. 2014. – 300 с. – ISBN 978-5-9221-1595-7.
14. Fujimura K. Time-Minimum Routes in Time-Dependent Networks // IEEE Trans. on Robotics and Automation. – 1995. – Vol. 11, No. 3. – P. 343-351.
15. Tsubouchi T. and Arimoto S. Behavior of a Mobile Robot Navigated by an Iterated Forecast and Planning Scheme in the Presence of Multiple Moving Obstacles // In Proc. 1994 IEEE Int. Conf. on Robotics and Automation. – 1994. – P. 2470-2475.
16. Fiorini P. and Shiller Z. Motion Planning in Dynamic Environments Using Velocity Obstacles // Int. J. of Robotics Research. – 1998. – Vol. 17, No. 7. – P. 760-772.
17. Линдсей П., Норман Д. Переработка информации у человека / Под ред. Лурия А.Р. – М.: Мир, 1974. – 551 с.
18. Chernukhin Y.V., Pisarenko S.N. Extrapolation Structures in Neural Network-Based Control Systems for Intelligent Mobile Robots // Optical Memory and Neural Networks. – 2002. – Vol. 11, No. 2. – P. 105-115.
19. Чернухин Ю.В. Искусственный интеллект и нейрокомпьютеры: Монография. – Таганрог: Изд-во ТРТУ, 1997. – 273 с.
20. Чернухин Ю.В., Писаренко С.Н. Нейросетевая экстраполяция в системах управления интеллектуальных мобильных роботов // Сборник докладов Юбилейной Международной конференции по нейрокибернетике. – Ростов-на-Дону: Изд–во ООО «ЦВВР», 2002. – T. 2. – С. 147-151.
21. Чернухин Ю.В., Писаренко С.Н. Экстраполирующие структуры нейросетевого типа в системах управления интеллектуальных мобильных роботов // Сборник трудов II Международной конференции «Идентификация систем и задачи управления» SICPRO’03.
– М.: Изд-во ИПУ РАН им. В.А. Трапезникова, 2003. – С. 1809-1820.

Comments are closed.