Исследование функционирования мультиагентной системы управления автономного необитаемого подводного аппарата с помощью имитационного моделирования Текст научной статьи по специальности «Компьютерные и информационные науки»

ИССЛЕДОВАНИЕ ФУНКЦИОНИРОВАНИЯ МУЛЬТИАГЕНТНОЙ СИСТЕМЫ УПРАВЛЕНИЯ АВТОНОМНОГО НЕОБИТАЕМОГО ПОДВОДНОГО АППАРАТА С ПОМОЩЬЮ ИМИТАЦИОННОГО МОДЕЛИРОВАНИЯ

МАРТЫНОВА Любовь Александровна1

ГРИНЕНКОВ

Алексей Владимирович2 ПРОНИН

Андрей Орионович3

КУЛИКОВСКИХ Юлия Валентиновна4

1д.т.н., старший научный сотрудник, ведущий научный сотрудник АО «Концерн "ЦНИИ "Электроприбор», г. Санкт-Петербург, Россия, [email protected]

2начальник отдела АО «Концерн "ЦНИИ "Электроприбор"», г. Санкт-Петербург, Россия, [email protected]

3начальник группы АО «Концерн "ЦНИИ Электроприбор"», Санкт-Петербург, Россия,, [email protected]

4к.т.н., научный сотрудник АО «Концерн "ЦНИИ Электроприбор"», г. Санкт-Петербург, Россия, [email protected]

КЛЮЧЕВЫЕ СЛОВА: автономный необитаемый подводный аппарат; система управления; мультиагетная технология; информационный обмен; надежность канала связи.

АННОТАЦИЯ

Рассматривается автономный необитаемый подводный аппарат, представляющий собой сложный технический комплекс морской среды обитания, который ввиду полной своей автономности должен принимать решения в полностью автоматическом режиме. При реализации наиболее перспективного подхода к построению системы управления - мультиагентного, одной из задач, требующей своего решения, является задача выбора параметров обмена информацией между подсистемами-агентами.

В работе решается задача определения рациональных параметров обмена информацией между подсистемами-агентами в мультиагентной системе управления. Параметрами, влияние которых оценивалось, являлись: временной интервал между отправлениями сообщений и количество одновременно отправляемых различных сообщений разным адресатам. Обмен информацией осуществлялся путем передачи пакетов сообщений между подсистемами-агентами, содержащих данные, команды, запросы, ответы. Выбор параметров обмена информацией осуществлялся на основе оценки надежности каналов передачи данных между подсистемами - агентами. Для проведения исследований была разработана имитационная модель функционирования мультиагентной системы управления. При проведении исследований рассматривался тактический эпизод, связанный с движением подводного аппарата при входе в узкость, а затем - при обходе возникшего препятствия, и два сценария функционирования мультиагентной системы управления: первый - обработка полученного задания, и второй - обработка информации в процессе движение подводного аппарата по заданному маршруту.

По результатам проведенных численных экспериментов позволили определить наиболее рациональные значения параметров обмена информацией между подсистемами-агентами в процессе функционирования мультиагент-ной системы управления автономного необитаемого подводного аппарата.

ДЛЯ ЦИТИРОВАНИЯ: Мартынова Л. А., Гриненков А. В., Пронин А. О., Куликовских Ю. В. Исследование функционирования мультиагентной системы управления автономного необитаемого подводного аппарата с помощью имитационного моделирования // Наукоемкие технологии в космических исследованиях Земли. 2017. Т. 9. № 5. С. 52-65.

Введение

Автономные необитаемые подводные аппараты (АНПА) являются перспективным средством изучения и освоения океана [1-9]. Они предназначены для решения таких задач, как:

— прокладка подводных кабелей;

— обследование подводных трубопроводов

— проведение подводных научных исследований в различных областях

— поиск подводных месторождений

— поиск донных объектов (мин, затонувших кораблей и самолетов) в назначенном районе относительно большой площади;

— нейтрализация подводного нарушителя, вошедшего в охраняемый район.

Поэтому современные АНПА представляют собой достаточно сложную систему, сопоставимую по выполняемому функционалу с обитаемыми подводными аппаратами. Однако, в отличие от обитаемых подводных аппаратов, принятие решений в системе управления (СУ) АНПА должно осуществляться автономно в полностью автоматическом режиме.

Для обеспечения возможности разрабатываемыми и проектируемыми АНПА решения перечисленных задач необходим тщательный подход к его разработке.

Наиболее важными задачами, которые необходимо решить на стадии разработки АНПА, являются:

— сравнительная оценка вариантов конструкции АНПА;

— сравнительная оценка вариантов построения системы управления АНПА и её элементов;

— оценка надежности канала передачи данных.

Для решения этих задач необходим учет принципиальных особенностей АНПА, отличающих АНПА от других средств освоения океана:

— АНПА является автономным безэкипажным средством, предназначенным для функционирования в автоматическом режиме, решая задачи, соизмеримые по сложности с задачами, решаемыми экипажными средствами;

— ограниченные размеры АНПА накладывают жесткие ограничения на массогабаритные характеристики размещаемой на АНПА аппаратуры (в том числе на размеры и массу гидроакустических антенн) и, как следствие, на производительность вычислительных средств;

— функционирование АНПА осуществляется в условиях жестких физических ограничений:

• по точности автономной подводной навигации;

• по дальности и скорости звукоподводной связи с взаимодействующими силами;

• по энергопотреблению.

Вся нагрузка по автоматизированному принятию решения ложится на СУ АНПА, в связи с чем возникает задача построения его эффективной СУ В связи с необходимостью

решения АНПА большого количества разнообразных задач в процессе выполнения задания, именуемого миссией, его система управления должна быть основана на современных достижениях в области технологий управления, наиболее перспективной из которых является мультиагентная технология [10-13]. Мультиагентная технология отличается от многообьекговой и мультикомпонентной технологий — децентрализацией СУ с делегированием ряда функций по управлению интеллектуальным элементам системы, называемым агентами. Одной из задач при использовании муль-тиагентной технологии является задача надежности канала обмена информацией между подсистемами — агентами.

Дело в том, что управление каждой подсистемой СУ осуществляется с использованием самостоятельной программы. Информация обмена между программами-агентами содержит:

— данные о текущих параметрах, выдаваемых измерительной аппаратурой;

— команды на изменение параметров и переключение из режима в режим;

— запросы на получение интересующих параметров для принятия решения;

— ответы на поступившие запросы.

Поскольку агенты отправляют сообщения независимо друг от друга, то возникают ситуации переполнения каналов обмена сообщениями, недостаток временных ресурсов для обеспечения функционирования СУ АНПА в режиме реального времени. В связи с этим возникает задача оптимизации параметров обмена информацией между агентами таким образом, чтобы канал передачи данных был надежным. Таким образом, одной из задач является задача определения параметров канал передачи данных.

Применение современных технологий к объектам морской среды обитания перед проведением натурных испытаний требует предварительной проработки технических решений с использованием математического моделирования [14]. Поэтому использование мультиагентной технологии при построении СУ автономного необитаемого подводного аппарата (АНПА) необходимо предварительно тестировать с помощью имитационного моделирования.

Основными задачами, которые возможно решить с использованием имитационного моделирования мультиагентной системы управления АНПА, являются:

— тестирование алгоритмов функционирования каждой подсистемы СУ АНПА;

— тестирование алгоритмов взаимодействия подсистем — агентов между собой;

— определение объема информации, которой должны обмениваться подсистемы-агенты между собой в ходе своего функционирования;

— определение параметров взаимодействия подсистем-агентов между собой.

Ранее разрабатываемые имитационные модели для подобных систем отличались тем, что в основе своей имели единый программный файл с использованием централизованных алгоритмов с последовательным моделированием процессов в одной программе. Такой подход был оправдан при моделировании централизованного принципа управления подводного аппарата, однако при этом создавал ограничения, связанные с необходимостью получения всех входных данных перед тем, как производить соответствующие операции над ними и распространять результаты всем заинтересованным сторонам.

Мультиагентный подход в основе своей предполагает использование параллельных и распределенных вычислений [15-32], что повлекло за собой необходимость решения специфических задач, связанных с синхронизацией процессов и обменом данных, при реализации функционирования мультиагентной СУ в имитационной модели.

Целью работы явилось решение задачи определения рациональных параметров обмена информацией между подсистемами-агентами в мультиагентной системе управления. Параметрами, влияние которых оценивалось, являлись: временной интервал между отправлениями сообщений и количество одновременно отправляемых различных сообщений разным адресатам. Обмен информацией осуществлялся путем передачи пакетов сообщений между подсистемами-агентами, содержащих данные, команды, запросы, ответы. Выбор параметров обмена информацией осуществлялся на основе оценки надежности каналов передачи данных между подсистемами — агентами.

Для проведения исследований необходимо было разработать имитационную модель функционирования мультиагентной системы управления.

Оптимизация параметров обмена информацией между подсистемами-агентами была направлена формирование каналов передачи данных со следующими свойствами:

— очередности, при которой канал сохраняет порядок передаваемых по нему сообщений;

— емкости канала, которая определяется количеством сообщений, которые могут находиться в канале в состоянии пересылки; канал считается переполненным, если число содержащихся в нем сообщений в точности совпадает с его емкостью;

— надежности, при которой канал считается надежным, если каждое сообщение, отправленное по этому каналу, обязательно будет доставлено получателю в единственном экземпляре и в том виде, в котором оно было.

Для достижения поставленной цели были решены следующие задачи:

— определены подходы к построению имитационной модели;

— разработаны имитационные модели каждой подсистемы-агента;

— разработано взаимодействие между подсистемами-агентами между собой;

— проведено тестирование имитационной модели функционирования мультиагентной СУ АНПА;

— определены параметры, оказывающие влияние на обмен информацией между агентами;

— определены критерии оптимизации обмена информацией между агентами;

— разработан подход к оптимизации параметров обмена информацией в мультиагентной СУ АНПА;

— проведены исследования по оптимизации параметров каналов обмена данными;

— по результатам исследований — выработаны рекомендации к выбору параметров обмена информацией между агентами мультиагентной СУ АНПА.

1. Описание особенностей функционирования мультиагентной СУ АНПА

Для того чтобы создать имитационную модель, адекватную реальной СУ АНПА, проанализируем особенности функционирования мультиагентной СУ АНПА.

В настоящее время круг задач, предназначенный для решения с помощью АНПА расширяется и усложняется. Усложнение задач связано, прежде всего, с переходом к полной автоматизации функционирования АНПА при выполнении миссии от начала и до конца.

Этапами выполнения миссии являются:

— переход из места базирования в назначенный район;

— поиск в назначенном районе назначенного объекта;

— осуществление с этим объектом заданного взаимодействия;

— возвращение в место базирования;

— причаливание к причальному устройству.

Это означает, что на перечисленных этапах все принятия решений должно производится в автоматическом режиме. Автоматическое принятие решения достигается за счет реализации алгоритмов функционирования системы управления АНПА.

В состав СУ АНПА входят:

— подсистема управления, в которой осуществляется совместная обработка информации, поступающей от всех остальных подсистем СУ, ее анализ, принятие управленческих решений и выдача команд в подсистемы СУ и другие системы АНПА на исполнение принятых решений;

— подсистема освещения обстановки по гидроакустическому и другим (при необходимости) каналам наблюдения, обеспечивающая обнаружение и распознавание объекта поиска и навигационных препятствий;

— подсистема радиосвязи, обеспечивающая двустороннюю связь с взаимодействующими объектами;

— подсистема гидроакустической связи с взаимодействующими объектами и прием сигналов подводных маяков-ответчиков;

— навигационная подсистема, отвечающая за контроль текущих координат и параметров движения АНПА в трехмерном подводном пространстве, а также за выработку маршрута движения АНПА на всех этапах выполнения миссии;

— подсистема управления техническими средствами АНПА (двигателем, рулями, манипуляторами и др. механизмами);

— подсистема обеспечения причаливания АНПА, обеспечивающая высокоточный контроль текущего взаимного положения АНПА и причального устройства.

При использовании мультиагентной технологии агентами являются подсистемы СУ АНПА, представляющие собой по своей сути рациональные компоненты, характерными признаками которых являются:

— автономность, т. е. способность действовать самостоятельно, контролируя свои действия и внутреннее состояние;

— активность, т.е. стремление достичь поставленных целей;

— реактивность, т.е. адаптивное поведение как реакция на внешние воздействия;

— социальное поведение, т. е. взаимодействие с другими агентами для достижения согласованных решений;

— способность к самообучению.

Особенности мультиагентной СУ. СУ АНПА, как и любого другого робота, состоит из подсистем, основными из которых являются (рисунок 1):

— система взаимодействия с оператором для получения задания на выполнение миссии;

— интеллектуальная система, определяющая способы выполнения выданного задания;

— система восприятия, обеспечивающая освещение окружающей обстановки;

— система поведения, обеспечивающая движение АНПА в различных условиях: ограниченности для маневра, препятствий, мелководьяит.д.;

— система приводов, обеспечивающая функционирование движительно-рулевых механизмов для обеспечения перемещения АНПА из одной точки в другую.

Каждая подсистема СУ АНПА состоит из одного либо группы агентов (рис. 1). Каждый агент, в свою очередь, также может состоять из группы агентов. Например, подсистема поведения включает в себя агентов: «Ход», «Проход», «Обход».

Агент «Ход» формирует алгоритм движения к точке со стабилизацией глубины или высоты, поддерживая при этом определенную скорость, а также осуществляет корректировку положения АНПА по результатам обсервации, предполагает восстановление АНПА на маршрутной траектории путем движения по кратчайшему расстоянию

Рис. 1. Структура мультиагентной системы управления АНПА

от собственного положения до положения маршрутной траектории. Агент «Обход» формирует алгоритм обхода препятствия для предотвращения столкновения АНПА с возвышенностями и придонными объектами при их обследовании. Во время работы агент «Обход» использует данные от гидролокаторов для диагностирования препятствий и локальной карты препятствий. По результатам обработки данных алгоритм генерирует необходимые сообщения регулятору в случае их обнаружения агентом «Гидролокатор». По результатам работы алгоритма происходит огибание обнаруженных препятствий. Агент «Проход» формирует алгоритм безопасного прохода АНПА в условиях ограниченного пространства, например, между объектами или препятствиями, находясь от всех них на безопасном расстоянии.

В процессе выполнения миссии в зависимости от возникающей ситуации задействуется тот или иной агент. Иногда между агентами движения происходит конфликт при одновременном обращении к одним и тем же ресурсам. В этом случае в результате взаимного общения происходит выделение агента с наибольшим приоритетом, управление которого в текущий момент времени передается в подсистему приводов для обеспечения перемещения АНПА.

2. Показатели надежности функционирования мультиагентной СУ АНПА

В качестве параметров, которые необходимо оптимизировать, были определены:

— объем переданной информации, выраженный количеством переданных сообщений как последовательно, так и квазипараллельно;

— темп передачи сообщений, характеризуемый частотой передачи пакетов сообщений и выраженных временными интервалами между отправлениями пакетов сообщений и сообщений внутри одного пакета.

Выбор параметров обмена информацией осуществлялся на основе оценки надежности каналов передачи данных.

Под надежностью канала передачи данных понимается вероятность приема адресатом всех переданных на отправку сообщений. Вероятность приема сообщений определяется отношением количества переданных на отправку сообщений к количеству отправленных и к количеству полученных сообщений.

3. Разработка имитационной модели функционирования мультиагентной СУ АНПА

Тестирование алгоритмов СУ АНПА в реальных условиях натурного эксперимента, в отличие от робототехни-ческих комплексов воздушного и наземного применения, является крайне затратным мероприятием и экономически не всегда оправданным. Кроме того, результаты натурного эксперимента во многом зависят от условий, в которых они проводились, и не могут быть обобщены на другие

условия. Это означает, что основные исследования функционирования алгоритмов СУ АНПА необходимо проводить с использованием математического, и прежде всего, имитационного, моделирования [14].

Программная реализация комплексной имитационной модели для подобных систем ранее создавалась как единая, с использованием централизованных алгоритмов с последовательным моделированием процессов в одной программе. Такой подход был оправдан при моделировании централизованного принципа управления подводного аппарата, однако при этом создавал ограничения, связанные с необходимостью получения всех входных данных перед тем, как производить соответствующие операции над ними и распространять результаты всем заинтересованным сторонам.

Поэтому разработка имитационной модели функционирования АНПА с мультиагентной СУ потребовала разработки под каждую подсистему управления самостоятельной программы, взаимодействие между которыми осуществляется с использованием параллельных и распределенных вычислений [15-32], что повлекло за собой необходимость решения специфических задач, связанных с синхронизацией процессов и обменом данных.

При формировании имитационной модели переход к параллельным вычислениям потребовал решения двух основных задач [16]:

— распараллеливанию вычислений;

— реализации параллелизма задач;

— синхронизации процессов.

Из используемых в настоящее время двух основных подходов к распараллеливанию вычислений (параллелизм данных и параллелизм задач) был выбран параллелизм задач [16]. Особенностями его являются большая гибкость и большая свобода при разработке программы, эффективно использующей ресурсы параллельного компьютера и, как следствие, возможность достижения максимального быстродействия.

При реализации параллелизма задач вычислительные задачи были разбиты на несколько относительно самостоятельных подзадач, и каждый процессор загружался своей собственной подзадачей. Для каждой подзадачи была написана своя собственная программа. Все эти программы обменивались результатами своей работы. При реализации распараллеливания вычислений путем параллелизма задач был минимизирован обмен данными между задачами, так как пересылка данных представляет собой наиболее ресурсоемкий процесс.

Кроме того, была решена задача синхронизации процессов, поскольку моделирование функционирования АНПА происходит с разной скоростью воспроизведения процессов в одном и том же такте имитации. Дополнительно были решены характерные для распределенных вы-

числений задачи, связанные с разной скоростью передачи данных и ухода часов каждого из вычислителей. Решение задачи синхронизации обеспечивалось путем упорядочивания событий и реализации логических часов [16], поскольку при моделировании функционирования АНПА имеет значение не точное время наступления того или иного события (например, события отправки или получения сообщения), а последовательность, в котором эти события происходили. Для реализации указанного подхода использована модель логических часов Л. Лэмпорта [16], отсчитывающая логическое время и используемая для упорядочивания событий, происходящих в различных процессах распределенной системы. Механизм логических часов позволил отслеживать причинно-следственный порядок событий распределенного вычисления и упорядочить события в одну или несколько последовательностей. Использование логического времени, отсчитываемого такими часами, значительно упростило разработку алгоритмов для распределенных систем.

В разработанной имитационной модели реализованы два основных сценария функционирования СУ АНПА:

— при загрузке миссии в АНПА;

— в ходе выполнения миссии.

Сценарий 1. В СУ АНПА передается план миссии и момент начала ее выполнения агенту «Интерфейс». Агент «Интерфейс» перенаправляет поступившее сообщение агенту «План миссии» для оценки необходимых энергоресурсов для выполнения миссии. При этом оценивается расстояние для прохождения миссии и скоростные режимы, исходя из времени на прохождение каждого участка. Полученные результаты расчетов передаются агенту «Траектория». Агент «Траектория» производит расчет необходимых ресурсов с учетом удельного расхода энергоресурса на единицу времени или на единицу расстояния. Результат расчета в виде потребного ресурса передается агенту «Энергоресурс». Агент «Энергоресурс» производит анализ возможности выполнения миссии путем сравнения потребностей в энергоресурсе с возможностями АНПА по запасам энергоресурса. Если ресурса достаточно для выполнения миссии, принимается, что миссия может быть выполнена, в противном случае агенту «Траектория» выдается сообщение о невозможности выполнения миссии. От агента «Траектория» сообщение о невозможности выполнения мисси передается агенту «План миссии», который, в свою очередь, передает его агенту «Интерфейс» для корректировки миссии. В случае достаточности энергоресурса для выполнения миссии оператору на экране выдается сообщение о том, что миссия принята. В случае положительного решения агента «Энергоресурс» относительно возможности выполнения миссии дальнейшее управление передается агенту «Траектория», тот, в свою очередь, предает агенту «План миссии». Агент «План миссии» передает агенту «Ход» сообщение о первом участке миссии. Агент «Ход» формирует параметры дви-

жения АНПА. В момент, когда текущее время совпадет с заданным временем начала выполнения миссии, которое отслеживает агент «План миссии», агенту «Движительно-рулевое устройство» передается сообщение о старте миссии и параметрах движения АНПА.

Сценарий 2. В ходе движения АНПА агент «Движи-тельно-рулевое устройство» передает со своих датчиков данные в «Энкодер» о параметрах движения. Агент «Энко-дер» определяет локальные координаты АНПА, оценивает пройденное расстояние между предыдущим и текущим положениями АНПА и передает полученные результаты агенту «Локализация» для определения глобальных координат (географических координат широты, долготы) положения АНПА. Агент «Локализация» осуществляет пересчет локальных координат в географические и передает данные агенту «План миссии» для оценки соответствия положения АНПА заданному маршруту. Постоянно происходит освещение окружающей обстановки с участием агента «Гидролокатор». Одновременно происходит оценка достаточности оставшегося энергоресурса для выполнения миссии, для чего производится запрос агенту «Энергоресурс», а от него запрос агенту «Энергорасход» о текущем расходе энергоресурса при текущем скоростном режиме. Агент «Энергорасход» производит оценку расхода, и результаты оценки передает агенту «Энергоресурс». Агент «Энергоресурс» производит расчет оставшегося энергоресурса и сравнивает его с необходимым запасом для завершения выполнения миссии. Если остаток близок к критическому, то миссия прекращается, о чем последовательно передается сообщение агенту «План миссии», затем агенту «Интерфейс». Если же оставшегося ресурса достаточно для выполнения миссии, то агент «Ход» вырабатывает параметры движения для обеспечения выполнения АНПА миссии. Вырабатываемые параметры движения АНПА передаются агенту «Движительно-рулевое устройство». Датчики агента «Движительно-рулевое устройство» постоянно передают данные о формируемых в процессе движения параметрах агенту «Энкодер». Описанный алгоритм циклически повторяется до тех пор, пока агент «Локализация» не сообщит о достижении первой маршрутной точки, или агент «Энергоресурс» не сообщит об окончании запасов энергоресурса и прекращении выполнения миссии.

На рис. 2 приведена диаграмма обмена информацией между подсистемами.

Имитационное моделирование функционирования СУ АНПА в рамках описанных двух сценариев позволяет полностью воспроизвести основные алгоритмы, используемые в решаемых СУ АНПА задачах.

Тактический эпизод, используемый при проведении экспериментов. При проведении исследований рассматривался тактический эпизод перехода АНПА из одной заданной точки в другую. Предполагается, что на пути

Рис. 2. Диаграмма обмена информацией между подсистемами

АНПА могут встретиться препятствия, формирующие узкости, и препятствия, требующие своего обхода. На рис. 3 приведена вид траектории движения АНПА при прохождении узкости и обходе препятствия.

На рис. 3 по характеру траектории перемещения АНПА видно, как в результате работы алгоритмов СУ АНПА в процессе выполнения задания АНПА маневрирует между препятствиями так, чтобы находиться на безопасном от них расстоянии, а при возникновении препятствия прямо по курсу — совершает его обход, и затем устремляется к заданной маршрутной точке.

В процессе имитации движения АНПА моделируется функционирование мультиагентной системы управления. При этом в процессе обмена информацией между агентами СУ АНПА в электроном журнале регистрируются отправленные и полученные агентами сообщения.

В каждом испытании при проведении численного эксперимента проигрывался один и тот же тактический эпи-

зод с различными параметрами обмена пакетами сообщений между агентами.

4. Результаты численных экспериментов При проведении численных экспериментов использовался ПК с характеристиками: процессор Intel (R) Core (ТМ) 13-2100 CPU @ 3.10GHz 3.10 GHz, ОЗУ 2.00 ГБ, 64-разрядная ОС Windows 7SP1.

Эксперимент проводился в два этапа. На первом этапе исследовалось влияние временного интервала между переданными на отправку сообщениями — на результат отправления и приема сообщений. Для этого при различных значениях временного интервала оценивалась вероятность отправленных и полученных сообщений. На втором этапе исследовалось влияние количества одновременно преданных сообщений на успешность их приема при различной плотности потока отправляемых сообщений.

На первом этапе исследований при оценке влияния временного интервала между отправленными сообщения-

Рис. 3. Отображение тактического эпизода

ми в виде одиночного пакета — на успешность их приема адресатом, значение интервала изменялось от 0 до 100 мс с дискретностью 10 мс. Результаты моделирования приведены на рис. 4 в виде зависимости вероятности полученных сообщений от временного интервала.

Из результатов, представленных на рис. 4, видно, что с увеличением интервала между отправлениями сообщений от 0 до 70 мс вероятность полученных сообщений возросла от 0,15 до 1,00. Вместе с тем с увеличением временного интервала количество полученных сообщений сократилось в 2 раза. Так, при интервале в 0 мс было отправлено 790 сообщений, а при интервале в 70 мс — лишь 414 сообщений.

Приведенные результаты получены при отправке одиночного сообщения, однако при полноценном функционировании мультиагентной СУ характерным является «пакетная» отправка сразу нескольких сообщений, при которой квазипараллельно рассылается несколько сообщений различным агентам-адресатам.

Поэтому на втором этапе исследований проводились численные эксперименты по получению оценки влияния

количества сообщений в пакете на вероятность приема всех направленных на передачу сообщений.

Для более адекватной имитации этого процесса отправка сообщений в пакете производилась в цикле с использованием интервалов между отправлением сообщений внутри одного пакета.

При проведении численного эксперимента в качестве параметров обмена информацией были использованы: количество сообщений в пакете и интервал между отправлениями пакетов. Рассматривались три значения интервала между отправлениями пакетов: 10 мс, 40 мс и 70 мс. Для каждого из указанных значений перебиралось количество сообщений в одном пакете от 1 до 100 с интервалом в 10 сообщений. В результате оценивалось количество полученных сообщений для каждого варианта передачи сообщений.

Ниже на рис. 5, 6 и 7 приведены зависимости количества отправленных и полученных сообщений от количества сообщений в одном пакете для трех вариантов интервалов между отправлениями пакетов 10 мс, 40 мс и 70 мс соответственно. На рис. 8 приведены вероятности получения отправленных сообщений для этих же трех ва-

>. .s с I О X

1 >-♦-♦-

0.9

0.7 Aft

0,3 n*>

01

ri

10 20 30 40 50 60

интервал,мс

70

80

90

100

Рис. 4. Влияние временных интервалов между отправленными сообщениями на вероятность получения сообщений

Рис. 5. Количество полученных сообщений при 10-миллисекундном интервале между отправлениями пакетов

риантов интервалов между отправлениями пакетов 10 мс, 40 мс и 70 мс.

Из рис. 5 видно, что при 10-секундном интервале наблюдается лишь частичное получение отправленных сообщений, практически — только половина, из рис. 8 видно, что при отправке пакетов, состоящих из 10-ти и 20-ти сообщений, вероятность получения сообщений оказалась на уровне 0,32-0,48 соответственно (штрихпункгирная линия). С увеличением количества сообщений в пакете до 30 вероятность полученных сообщений возросла до 0,53, и с дальнейшим увеличением количества сообщений в пакете до 100 вероятность возросла до 0,58.

На рис. 6 приведено количество полученных сообщений при 40-миллисекундном интервале, на рис. 8 (пунктирная линия) — результаты вероятности полученных и вероятности отправленных сообщений. Из рис. 6 видно, что количество отправленных и полученных сообщений при 40-миллисекундном интервале между отправлениями сообщений — совпадают. Вместе с тем количество отправленных/полученных сообщений меньше в 3 раза по

отправленным сообщениям и в 2 раза — по полученным сообщениям по сравнению с вариантом 10-миллисекунд-ного интервала. Из рис. 8 видно, что при переходе от 10 мс интервала к 40 мс вероятность получения отправленных пакетов возросла более чем на 0,5.

На рис. 7 приведены результаты численного эксперимента для варианта 70-миллисекундного интервала между оправляемыми сообщениями, на рис. 8 (сплошная линия) — результаты вероятности принятых и вероятности отправленных сообщений. Из рис. 7 видно, что объем передаваемой информации по сравнению с 10-миллисе-кундным интервалом сократился еще больше — в среднем на 500 сообщений, в то же время вероятность получения отправленных пакетов составила 1,00 (рис. 8).

Таким образом, результаты исследований обмена информацией между подсистемами-агентами при различных временных интервалах между отправлениями пакетов сообщений показали, что с увеличением временного интервала между отправлениями повышается надежность канала передачи данных, однако при этом падает объем передавае-

мо 1000

3 ю о

800

600

400 200

10

20

30

40

50

60

70

80

90

100

количество сообщений а пакете

-отправлено 1

■ принято

Рис. 6. Количество полученных сообщений при 40-миллисекундном интервале между отправлениями пакетов

Рис. 7. Количество полученных сообщений при 70-миллисекундном интервале между отправлениями пакетов

мой информации. При увеличении временного интервала от 10 мс до 40 мс вероятность принятых сообщений выросла от 0,55 до 1,00. При дальнейшем увеличении временного интервала между сообщениями до 70 мс вероятность принятых сообщений осталась на том же уровне и составила 1,00. Вместе с тем объем передаваемой информации существенно зависит от интервала между отправлением пакетов сообщений. На рис. 9 приведен итоговый сводный график зависимости общего количества полученных сообщений от количества сообщений в одном пакете для различных значений временных интервалов между отправлениями пакетов.

Результаты имитационного моделирования позволили оценить влияние параметров обмена сообщениями между агентами в процессе функционирования мультиагентной СУ АНПА и позволили выявить оптимальный вариант параметров обмена информацией для рассматриваемых условий проведения численного эксперимента. Такими параметрами оказались:

— временной интервал между отправлением пакетов сообщений — 40мс;

— объем квазипараллельно передаваемой информации — 800 сообщений.

Полученные в ходе исследований результаты позволят более взвешенно подходить к выбору параметров обмена информацией между подсистемами-агентами при реализации мультиагентного подхода в системе управления автономного необитаемого подводного аппарата, определить объем передаваемой информации и темп ее передачи.

Выводы

1. Особенности функционирования мультиагентной системы управления автономного необитаемого подводного аппарата были реализованы в имитационной модели ее функционирования, в которой каждой подсистеме-агенту соответствовала самостоятельная программа, а обмен данными между программами осуществлялся с использованием распределенных и параллельных вычислений.

2. С использованием разработанной имитационной модели были проведены исследования по определению рациональных параметров канала передачи данных.

Рис. 8. Вероятность полученных сообщений

о -

1 10 20 30 40 50 60 70 80 90 100

количество сообщений в пакете

Рис. 9. Количество полученных сообщений

3. Результаты исследований показали, что с увеличением временных интервалов между отправлениями сообщений повышается вероятность приема сообщений, но вместе с тем сокращается скорость передачи сообщений. Так, при отправке пакетов сообщений различного объема (от 1 до 100 сообщений в пакете) с интервалами 10 мс, 40 мс и 70 мс вероятность приема сообщений выросла от 0,55 до 1,00, однако при этом количество передаваемых сообщений сократилось с 1400 при интервале 10 мс до 850 при интервале 40 мс и до 600 при интервале 70 мс. Полученные результаты позволили выявить рациональный вариант параметров канала передачи данных между агентами: временной интервал между передачей сообщений — 40 мс, допустимый объем передаваемой информации — 800 сообщений.

4. Результаты исследований позволяют учесть полученные результаты при разработке алгоритмов мультиагентной системы управления автономного необитаемого подводного аппарата.

Работа выполнена при поддержке Российского Фонда фундаментальных исследований (проект № 17-08-00666).

Литература

1. Автономные подводные роботы. Системы и технологии / под ред. Агеева М. Д. М.: Наука, 2005, 398с.

2. ИнзарцевА.В. и др. Применение автономного необитаемого подводного аппарата для научных исследований в Арктике // Подводные исследования и робототехника. 2007. № 2(4). С. 5-14.

3. ГизитдиноеаМ.Р., КузьмицкийМ.А. Мобильные подводные роботы в современной океанографии и гидрофизике II Фундаментальная и прикладная гидрофизика. 2010. Т. 3. № 1. С. 4-13.

4. БоженоеЮ.А. Использование автономных необитаемых подводных аппаратов для исследования Арктики и Антарктики II Фундаментальная и прикладная гидрофизика. 2011.Т. 4.№1.С.4-68.

5. Millar G., Mackay L. Maneuvering under the ice II Sea technology. 2015. Vol. 56. No. 4. Pp. 35-38.

6. Илларионов Г. Ю., Сиденко К. С., Бочаров Л. Ю. Угроза из глубины: XXI век. Хабаровск: КГУП «Хабаровская краевая типография», 2011. 304 с.

7. Белоусов И. Современные и перспективные необитаемые подводные аппараты ВМС США II Зарубежное военное обозрение. 2013. № 5. С. 79-88.

8. Викторов?.В., ИлларионовГ.Ю., КвашнинА.Г. Двойное применение автономных необитаемых подводных аппаратов типа "REMUS" II Двойные технологии. 2010. №3. С. 54-62.

9. КузьмицкийМ.А., ГизитдиноваМ. Р. Мобильные подводные роботы в решении задач ВМФ: Современные технологии и перспективы II Фундаментальная и прикладная гидрофизика. 2011. Т. 4. № 3. С. 37-48.

10. МашошинА.И., СкобелевП.О. Применение муль-тиагентных технологий для управления группой автономных необитаемых подводных аппаратов II Известия ЮФУ Технические науки. 2016. №1.С. 45-59.

11. МартыноваЛ.А., МашошинА.И. Построение системы управления автономных необитаемых подводных аппаратов на базе мультиагентной технологии. Известия ЮФУ Технические науки. 2016. № 2. С. 38-48.

12. МартыноваЛ.А., РозенгаузМ.Б. К вопросу о надежности автономного необитаемого подводного аппарата с мультиагентной архитектурой системы управления II Информационно-управляющие системы. 2016. №5 (84). С. 25-34.

13. Мартынова Л. А., Машошин А. И., Пашкевич И. В. Система поддержки разработки алгоритмов системы управления АНПА II Известия ЮФУ Технические науки. 2015. № 10. С. 178-190.

14. БусленкоН.П. Моделирование сложных систем М.: Наука, 1978. 400 с.

15. МартыноваЛ.А. Организация распределенных вычислений в имитационной системе моделирования работы автономного необитаемого подводного аппарата. Из-вестияЮФУ Техническиенауки. 2017. №2. С. 100-112.

16. КосяковМ.С. Введение в распределенные вычисления. СПб: НИУИТМО, 2014. 155 с.

17. Бродский Ю. 14. Модельный синтез и модельно-ори-ентированное программирование как технология реализации имитационных моделей сложных многокомпонентных систем, с ориентацией на параллельные и распределенные вычисления II Материалы конференции «Имитационное моделирование. Теория и практика». ИММОД-2013. Казань: Фэн, 2013. Т. 1. С. 114-118.

18. Бродский Ю.И. Распределенное имитационное моделирование сложных систем М.: ВЦ РАН, 2010. 156 с.

19. ВавиловД.В. Агрегирование и взаимодействие моделей в программных инструментальных средствах имитационного моделирования II Материалы конференции «Имитационное моделирование. Теория и практика». ИМ-МОД-2007,2007. С. 38-41.

20. ВавиловД.В., Рыков В.В. Агрегирование и взаимодействие имитационных моделей II Сб. докладов конференции «Состояние, проблемы и перспективы разработки корабельных информационно-управляющих комплексов». М.: ФГУП «НПО «Агат», 2005. С. 38-41.

21. Davis Paul К. Exploratory analysis enabled by multiresolution, multiperspective modeling II Proceedings of the 2000 Winter Simulation Conference. Pp. 113-115.

22. Савин Г. И. Системное моделирование сложных процессов. М.: Фазис: ВЦ РАН, 2000. 276 с.

23. ChandyK.M., Lamport L. Distributed snapshots: determining global states of distributed systems II ACM Transactions on Computer Systems. 1985. No. 3(1). Pp. 63-75.

24. ChandyK.M., Misra J. The Drinking Philosophers Problem ACM TOPLAS, 6:4. October 1984. Pp. 632-646.

25. Charron-Bost B. Concerning the size of logical clocks in distributed systems // Information Processing Letters. 1991. No. 39. Pp. 11-16.

26. Charron-Bost B., Tel G., Mattem F. Synchronous, asynchronous, and causally ordered communication Distributed Computing. 1996. No. 9(4). Pp. 173-191.

27 Fidge C. Logical time in distributed computing systems II IEEE Computer. August. 1991. Pp. 28-33.

28. Fowler J., Zwaenepoel W. Causal distributed breakpoints II Proceeding: of the 10th International Conference on Distributed Computing System. 1990. Pp. 134-141.

29. Mattern F. Virtual time and global states of distributed systems II Proceedings of die Parallel and Distributed Algo-

rithms Conference (Cosnard, Quinton, Raynal, Robert Eds.). North-Holland. 1988. Pp. 215-226.

30. Raymond K. Tree-based algorithm for distributed mutual exclusion II ACM Transactions on Computer Systems. 1989. No. 7. Pp. 61-77.

31. Raynal M. A simple taxonomy of distributed mutual exclusion algorithms II Operating Systems Review. 1991. No. 25(2). Pp. 47-50.

32. Ricart G., AgrawalaA.K. An optimal algorithm for mutual exclusion in computer networks II Communications of die ACM. 1981. № . 24(1). Pp. 9-17.

Работа выполнена при поддержке Российского Фонда фундаментальных исследований (проект № 17-08-00666).

RESEARCH OF THE FUNCTIONING OF A MULTI-AGENT CONTROL SYSTEM FOR AN AUTONOMOUS UNDERWATER VEHICLE USING SIMULATION

Lyubov A. Martynova, KEYWORDS: autonomous underwater vehicle; control sys-

St-Peterburg, Russia, [email protected] tem; multi-agate technology; information exchange; reliabil-

ity of the communication channel.

Alexey V. Grinenkov,

St-Peterburg, Russia, [email protected]

Andrey O. Pronin

St-Peterburg, Russia, [email protected]

Julia V. Kulikovskikh,

St-Peterburg, Russia, [email protected]

ABSTRACT

An autonomous underwater vehicle is considered, which is a complex technical complex of the marine habitat, which, in view of its complete autonomy, must make decisions in a fully automatic mode. When implementing the most promising approach to building a management system-multi-agent, one of the tasks that needs to be solved is the task of selecting parameters for information exchange between the agent subsystems. The task is to determine the rational parameters for infor-

mation exchange between the agent subsystems in the multi-agent control system. Parameters, the impact of which was estimated, were: the time interval between the sending of messages and the number of simultaneously sent different messages to different recipients. The exchange of information was carried out by sending message packets between the agent subsystems containing data, commands, requests, responses. The choice of parameters for information exchange

was carried out on the basis of an assessment of the reliability of data transmission channels between the agent subsystems. To carry out the research, an imitation model for the functioning of the multi-agent control system was developed. During the research, a tactical episode related to the movement of the underwater vehicle at the entrance to the narrowness, and then - when the obstacle was circumvented, and two scenarios for the functioning of the multi-agent control system were considered: the first - processing of the received task, and the second - the processing of information in the process of underwater vehicle movement the given route. Based on the results of the numerical experiments, it was possible to determine the most rational values of the information exchange parameters between the agent subsystems in the process of functioning of the multi-agent control system of an autonomous underwater vehicle.

REFERENCES

1. Ageeva M. D. (Ed.) Awtonomnye podwodnye roboty. Siste-my I technologii [Autonomous underwater robots. Systems and technologies]. Moskow: Nauka, 2005. 398 p. (In Russian)

2. Inzarcev A. W. Primenenie avtonomnogo neobitaemogo podvodnogo apparata dlja nauchnych issledovanii w Arctike [The use of an autonomous uninhabited underwater vehicle for scientific research in the Arctic] Podvodnye issledovanija i robototechnika [Underwater research and robotics]. 2007. No.2(4), Pp. 5-14. (In Russian)

3. Gizitdinowa M. R., Kuzmitskiy M. A. Mobilnye podwodnye roboty w sowremennoi okeanografii i gidrofizike [Mobile underwater robots in modern oceanography and hydrophysics] Fundamentalnaja i prikladnaja gidrofizika [Fundamental and applied hydrophysics]. 2010. Vol. 3. No. 1. Pp. 4-13. (In Russian)

4. Bajenov Ju. A. Ispolzowanie avtonomnych neobitaemych podwodnych apparatov dlja issledowanija Arctiki i Antarkti-ki [Use of autonomous uninhabited underwater vehicles for the exploration of the Arctic and Antarctic]. Fundamentalnaja i prikladnaja gidrofizika [Fundamental and applied hydrophysics]. 2011. Vol.4. No. 1. Pp. 4-68. (In Russian)

5. Millar G., Mackay L. Maneuvering under the ice. Sea technology. 2015. Vol. 56. No. 4. Pp. 35-38.

6. Illarionov G. Yu., Sidenko K. S., Bocsharov L. Yu. Ugroza iz glubiny XXI weka. [Threat from the depth: XXI century] Khabarovsk: KGUP "Khabarovskaja Krajevaja Toipografija". 2011. 304 p. (In Russian)

7. Belousov I. Sowremennye i perspectivnye neobitaemye podwodnye apparaty WMS SSchA [Modern and perspective uninhabited underwater vehicles of the US Navy] Zarubejnoe woennoe obosrenie [Foreign military review]. 2013. No. 5. Pp. 79-88. (In Russian)

8. Viktorov R. V., Illarionov G. Yu., Kwaschnin A. G. Dwoynoe primenenie awtonomnych neobitaemych podwodnych ap-paratow tipa "REMUS" [Double application of unmanned un-

manned underwater vehicles such as "REMUS"] Dwoynye Teh-nologii [Dual technologies]. 2010. No. 3. Pp. 54-62. (In Russian)

9. Kuzmitskiy M. A., Gizitdinowa M. R. Mobilnye podwodnye roboty w reschenii zadach WMF Sowremennye technologii

i perspectivy [Mobile underwater robots in solving Navy tasks: Modern technologies and perspectives] Fundamentalnaja i prikladnaja gidrofizika [Fundamental and applied hydrophysics]. 2011. Vol. 4. No. 3. Pp. 37-48. (In Russian)

10. Mashohin A. I ., Skobelev P. O. Primenenie multiagentnych technologiy dlja upravlenija gruppoy avtonomnych neobitaemych podwodnych apparatov [Application of multi-agent technologies for the management of a group of autonomous uninhabited underwater] Izwestija YuFU. Technicheskie nauki [Izvestiya SFU Technical sciences]. No. 1. 2016. Pp. 45-59. (In Russian)

11. Martynowa L. A., Mashoshin A. I. Postroenie sistemy upravlenija avtonomnych neobitaemych podvodnych apparatov na baze multiagentnoy technologii [Construction of a control system for autonomous uninhabited underwater vehicles based on multi-agent technology] Izwestija YuFU. Technicheskie nauki [Izvestiya SFU Technical sciences]. 2016. No. 2. Pp. 38-48. (In Russian)

12. Martynova L. A., Rozengauz M. B. K woprosu o nadegnosty avtonomnogo neobitaemogo podvodnogo apparata s multiagentnoy architecturoy sistemy upravlenija [To the question of reliability of an autonomous uninhabited underwater vehicle with a multi-agent architecture of the control system]. Informa-cionno-upravljajuchie siistemy [Information management systems]. No. 5 (84). 2016. Pp. 25-34. (In Russian)

13. Martynowa L. A., Mashoshin A. I., Paschkevitch I. V. Sistema poddergky razrabotki algoritmov sistemy upravlenija ANPA [System for supporting the development of algorithms for the ANPA control system] Izwestija YuFU. Technicheskie nauki [Izvestiya SFU Technical sciences]. 2015. No. 10. Pp. 178-190. (In Russian)

14. Buslenko N. P. Modelirovanie slognych sistem [Modeling of complex systems] Moscow: Nauka. 1978. 400 p. (In Russian)

15. Martynova L. A. Organizatsija raspredelennych wychislen-

ii w imitacionnoy sisteme modelirovanija raboty avtonomnogo neobitaemogo podvodnogo apparata [The organization of distributed computing in the simulation system of modeling the operation of an autonomous uninhabited underwater vehicle] Izwestija YuFU. Technicheskie nauki [Izvestiya SFU Technical sciences]. 2017. No. 2. Pp. 100-112. (In Russian)

16. Kosjakov M. S. Wwedenie w raspredelennye wyschislenija [Introduction to distributed computing] SPb: Natsional'nyy issledovatel'skiy universitet informatsionnykh tekhnologiy, mekhaniki i optiki Pabl., 2014. 155 p. (In Russian)

17. Brodsky Ju. I. Modelnyi sintez I modelno-orientirovannoje programmirovanie kak technologija realizacii imitacionnych modeley slognych mnogokomponentnych system, s orient-aciey na parallelnye I raspredelennye wyschislenija [Model

synthesis and model-oriented programming as a technology for implementing simulation models of complex multi-component systems with an orientation toward parallel and distributed computations] Materialy konferencii "Imitacion-noe modelirowanie. Teorija i praktika" [Proceedings of the conference "Simulation modeling. Theory and practice", IM-MOD-2013]. Kazan: «Fen» Of the Academy of Sciences of the Republic of Tatarstan, 2013. Vol.1. Pp. 114-118. (In Russian)

18. Vavilov D. V. Agregirovanie i vsaimodeystvie modeley w programmnych instrumentalnych sredstvach imitacionnogo modelirovanija [Aggregation and interaction of models in software tools for simulation] Materialy konferencii "Imitac-ionnoe modelirowanie. Teorija I praktika" [Proceedings of the conference "Simulation modeling. Theory and practice" IM-MOD-2007]. Pp. 38-41. (In Russian)

19. Brodsky Yu. A. Raspredelennoe imitacionnoe mode-lirovanie slognych sistem [Distributed simulation of complex systems] Moscow.: CC RAS, 2010. 156 p. (In Russian)

20. Vavilov D. V., Rykov W. W. Agregirovanie i vsaimodeystvie imitacionnych modeley [Aggregation and interaction of models in software tools for simulation modeling]. Sbornik dokladov konferencii "Sostojanie, problemy i perspektrivy razrabotki korabelnych informacionno-upravljajuchich kom-plexov" M. FGUP NPO "Agat" Proceedings of the conference "Simulation modeling. Theory and practice". IMMOD-2005. [Proceedings of the conference "Simulation modeling. Theory and practice". IMM0D-2005]. 2005. Pp. 38-41. (In Russian)

21. Davis Paul K. Exploratory analysis enabled by multiresolution, multiperspective modeling. Proceedings of the 2000 Winter Simulation Conference. Pp.113-115.

22. Savin G. I . Sistemnoje modelirovanije slognych process-ov [System modeling of complex processes] Moscow: Fa-zis. Computing Center of the Russian Academy of Sciences. 2000. 276 p. (In Russian)

23. Chandy K. M. Lamport L. Distributed snapshots: determining global states of distributed systems. ACM Transac-

tions on Computer Systems. 1985. No. 3(1). Pp. 63-75.

24. Chandy K. M. Misra J. The Drinking Philosophers Problem ACM TOPLAS. October 1984. No. 6:4. Pp. 632-646.

25. Charron-Bost B. Concerning the size of logical clocks in distributed systems Information Processing Letters. 1991. No. 39. Pp. 11-16.

26. Charron-Bost B., Tel G., Mattem F. Synchronous, asynchronous, and causally ordered communication Distributed Computing. 1996. No. 9(4). Pp. 173-191.

27. Fidge C. Logical time in distributed computing systems. IEEE Computer. August. 1991. Pp. 28-33.

28. Fowler J., Zwaenepoel W. Causal distributed breakpoints. Proceeding: of the 10th International Conference on Distributed Computing System: 1990. Pp. 134-141.

29. Mattern F. Virtual time and global states of distributed systems. Proceedings of die Parallel and Distributed Algorithms Conference. (Cosnard, Quinton, Raynal, Robert Eds.). North-Holland. 1988. Pp. 215-226.

30. Raymond K. Tree-based algorithm for distributed mutual exclusion. ACM Transactions on Computer Systems. No. 7. 1989. Pp. 61-77.

31. Raynal M. A simple taxonomy of distributed mutual exclusion algorithms. Operating Systems Review. 1991. No. 25(2). Pp. 47-50.

32. Ricart G., Agrawala A. K. An optimal algorithm for mutual exclusion in computer networks. Communications of die ACM. 1981. No. 24(1). Pp. 9-17.

INFORMATION ABOUT AUTHORS:

Martynova L. A., PhD, Senior Research Officer, Leading Researcher of the JSC CSRI Elektropribor; Grinenkov A. V., Head of Department of the JSC CSRI Elektropribor;

Pronin A. O., Head of Group of the JSC CSRI Elektropribor Kulikovskikh J. V., PhD, Research Officer at the JSC CSRI Ele-ktropribor.

FOR CITATION: Martynova L. A., Grinenkov A. V., Pronin A. O., Kulikovskikh J. V. Research of the functioning of a multi-agent control system for an autonomous underwater vehicle using simulation. H&ES Research. 2017. Vol. 9. No. 5. Pp. 52-65. (In Russian)