CC BY
25
ANALYSIS OF METHODS OF CONTROL KINEMATICS AND DYNAMICS OF ROBOTIC SYSTEMS
Lapina N.1, Korolev M.2 АНАЛИЗ МЕТОДОВ УПРАВЛЕНИЯ КИНЕМАТИКОЙ И ДИНАМИКОЙ РОБОТОТЕХНИЧЕСКИХ СИСТЕМ Лапина Н. А.1, Королев М. Е.2
'Лапина Надежда Андреевна / Lapina Nadezda — магистр;
2Королев Михаил Евгеньевич /Korolev Mihail - магистр, кафедра компьютерных систем и сетей, факультет информатики и систем управления, Московский государственный технический университет им. Н. Э. Баумана, г. Москва
Аннотация: в данной статье исследована классификация математических моделей, оценены их достоинства и недостатки, сфера и сложность применения каждого типа. Рассмотрены объекты и системы управления робототехническими системами, их структура, особенности и элементная база. Раскрыты способы задания движения робота как теоретическими методами, так и методами, основанными на обучении. Детально проанализированы метод систем захвата движений, метод, основанный на ИНС, метод заданной синергии и метод обратной задачи.
Abstract: this article investigated the classification of mathematical models, evaluated their advantages and disadvantages, scope and complexity of each type of application. Consider the object and robotic systems, control systems, their structure, characteristics and element base. Methods are disclosed tasks the robot movements as theoretical methods and methods based on learning. We analyzed in detail the method of motion capture systems, a method based on ANN method given synergies and the inverse scattering method.
Ключевые слова: робот, робототехническая система, система управления, динамика, движение, манипулятор.
Keywords: robot, robot system, control system, dynamics, movement, arm.
В настоящее время в мире новейших технологий растущая сложность современных роботов ставит новые задачи и проблемы с точки зрения организации системы управления движением робототехнической системы. Развитие элементной базы, разработка новых материалов, изучение новых методов, исследование новых математических моделей позволяет создавать робототехнические системы, обладающие десятками и сотнями степеней свободы, и способные работать в режиме реального времени.
Классифицируются математические модели по характеристикам исполнительных устройств, а также техническим требованиям, которые к ним предъявляются. Существует три типа математических моделей: кинематические, статические и динамические. Существенной особенностью, которая обуславливает ограничение использования динамических моделей, является их сложность, но в любом случае необходимо учитывать кинематику и динамику движений робота для точного задания траекторий движений звеньев робота.
Для управления роботом используются различные исполнительные механизмы -манипуляционные, передвижения и системы управления. Механическая система как объект управления может быть охарактеризована такими параметрами, как тип и число переносных и ориентирующих рабочих степеней подвижности, тип и размер рабочей зоны.
Исполнительные механизмы состоят из механической системы и приводов, у манипуляторов еще рабочим органом или инструментом. Системы передвижения также могут иметь рабочий орган (подъемник, лебедка, в случае шагающих роботов - стопы) [1].
Системы управления движением робототехнической системы бывают двух типов -централизованными и децентрализованными. Централизованные системы характеризуются как единая система, которая включает в себя все приводы и механические звенья. В децентрализованных системах робот представляется как набор независимых подсистем (сложность учета влияния несвязанных звеньев на динамику робота).
На общей схеме централизованной системы управления движением робота можно выделить следующие элементы: пульт управления (для того, чтобы у пользователя была возможность задать движение и его параметры), устройство управления (синтезирует управляющие сигналы на основе полученных данных от датчиков и данных генератора траекторий) и генератор
траекторий (элемент, с помощью которого осуществляется прием команды от контроллера для дальнейшего расчета траектории управляемых звеньев).
Существует множество способов задания программного движения, которые делятся на две основные группы: теоретические методы (основаны на построении различных математических моделей) и методы, основанные на обучении. В некоторых случаях используют комбинированные методы, которые совмещают в себе особенности вышеперечисленных методов [2].
Для методов, основанных на обучении, источником программного движения могут стать различного рода системы типа человек-оператор, или экзоскелеты, в которых робототехническая система детально копирует движения оператора, на которого надет специальный костюм (каркас) с множеством датчиков. В качестве источника движений могу выступать не только люди, но и животные.
В этом случае движение снимается с помощью систем захвата движений. Этот подход широко применялся в серии роботов от компании «Honda» - «Asimo». Метод, используемый в «Honda», заключается в том, что движение ног определяются по заранее записанным траекториям, определённых с помощью ходьбы человека, эти траектории оптимизируются, параметризуются, и в зависимости от условий используются для задания движений звеньев ног [3].
Кроме метода, основанного на захвате движений, используют ИНС. Искусственные нейронные сети обладают рядом преимуществ: способность обучения искусственной нейронной сети позволяет избавиться от традиционного математического аппарата, используемого для описания робота, высокая степень параллельности сети позволяет значительно увеличить их производительность благодаря развитию современных методов параллельных расчетов. Можно выделить два метода получения нейросетевых моделей:
- offline - по выборке входных и выходных сигналов, полученной заранее с обучающего объекта (получают либо прямую, либо инверсную модель динамики объекта в зависимости от входных данных).
- on-line в этом случае ИНС включается в систему управления параллельно управляемому объекту, обучение ИНС происходит по ошибке между измеренными данными и данными сформированными сетью.
Использование ИНС для решения задач идентификации динамики управляемого объекта обусловлено высокой сложностью математических моделей, учитывающих динамику звеньев, механические характеристики соединительных элементов, геометрические размеры, силы и моменты действующие на элементы систем.
В качестве входных данных для ИНС используются обобщенные координаты, скорости и управляющие моменты и т.д. Выходными сигналами являются скорости и ускорения управляемых звеньев [4].
Третьим методом можно считать синтез алгоритмов управления методом обратной задачи. Исторически под делением на прямую и обратную задачи подразумевается следующее:
- прямая задача динамики - по заданному характеру движения определить равнодействующую сил, действующих на тело;
- обратная задача динамики - по заданным силам определить характер движения тела.
С точки зрения систем управления обратная задача - это определение обобщённых координат манипулятора по заданному положению в опорной системе координат рабочего органа (или звена). Для того чтобы достичь точного отслеживания траекторий, необходимо принимать во внимание полную модель динамики робототехнической системы [5].
Данный метод получил неширокое распространение в связи со сложностью реализации и сложностью использования. При использовании этого метода в процессе управления необходимо постоянно решать уравнения, описывающие полную динамическую модель робота. К примеру, для манипулятора только из четырех звеньев - уже порядка десятка уравнений, а в случае с шагающим роботом или выполняющим какие-либо сложные функции, больше сотни.
До сих пор не разработана систематическая процедура для синтеза управления РТС произвольной структуры, выбор модели, подбор коэффициентов обратной связи, оценка робастности.
В динамике шагающих каким-либо образом роботов широко используется метод заданной синергии, который относится к классу полуобратных методов. Главная идея данного метода заключается в том, что координаты некоторых звеньев задаются явно (номинальная или искусственная синергия), а координаты остальных звеньев определяются из уравнений движения (компенсаторная синергия).
Проанализировав различные способы управления движением робототехнической системой, было выявлено, что независимо от способа задания движений, центральное место в системе управления занимает генератор траекторий. На основе программных траекторий, получаемых из него, и строятся системы управления роботами.
На данный момент существует больше количество разнообразных методов управления движением робота, которые позволяют реализовать огромный спектр задач. Выбор метода управления целиком зависит от поставленных целей перед роботом, способа реализации, выбранного программного обеспечения для управления и, конечно, от количества располагаемых средств.
Литература
1. Павловский В. Е. // О разработках шагающих машин. [Электронный ресурс]. Режим доступа: http://www.keldysh.ru/papers/2013/prep2013_101.pdf/ (дата обращения: 02.12.2016).
2. Гориневский А. Ш., Формальский А. М. // Управление манипуляционными системами на основе информации об усилиях. Физматлит, 1994.
3. Тертычный-Даури В. Ю. Динамика робототехнических систем. Спб., 2012.
4. Горобцов А. Программный комплекс расчета динамики и кинематики машин как систем твердых и упругих тел // Инженерный журнал, 2004. № 9. С. 40-43.
5. Разработка математического и программного обеспечения систем управления мобильными роботами произвольной структуры с избыточными связями. [Электронный ресурс]. Режим доступа: http://www.vstu.ru/files/thesis_defence/7022/mohov_aleksandr_dmitrievich.pdf/ (дата обращения: 28.11.2016).
MODERN SOLUTIONS AND APPROACHES TO ARRAY PROCESSING UNSTRUCTURED TEXT INFORMATION IN THE FIELD OF BIG DATA
Borisov A.
СОВРЕМЕННЫЕ РЕШЕНИЯ И ПОДХОДЫ К ОБРАБОТКЕ МАССИВОВ НЕСТРУКТУРИРОВАННОЙ ТЕКСТОВОЙ ИНФОРМАЦИИ В ОБЛАСТИ БОЛЬШИХ ДАННЫХ Борисов А. В.
Борисов Александр Васильевич / Borisov Aleksandr — магистрант, кафедра компьютерных систем и сетей, факультет информатики и систем управления, Московский государственный технический университет им. Н. Э. Баумана, г. Москва
Аннотация: в статье рассматриваются методы и инструменты текстовой аналитики, используемые для решения проблемы больших данных - огромных массивов информации, накапливаемых в процессе деятельности организаций. Инструменты текстовой аналитики позволяют осуществлять сбор, систематизацию и анализ текстовых данных в автоматическом режиме благодаря применению лингвистических правил, статистических методов и методов машинного обучения. Проанализированы возможности анализа неструктурированных массивов данных для получения значимой информации. Abstract: the article deals with the methods and tools of text analytics, used to solve the problem of Big Data - massive amounts of information accumulated in the course of business organizations. Big Data - is a group of technologies and productive methods of processing of dynamically growing volumes of data (structured and unstructured) in distributed information systems. Tools text analytics allow us to collect, organize and analyze text data automatically through the use of linguistic rules, statistical methods and machine learning techniques. The possibilities of analyzing unstructured data sets to obtain relevant information.
Ключевые слова: Big Data, Data Mining, текстовая аналитика, неструктурированная информация.
Keywords: Big Data, Data Mining, text analytics, unstructured information.
Ключевым трендом в IT-индустрии стала работа с большими данными (Big Data), связанная с обработкой огромных массивов информации, которые накапливаются в процессе деятельности
