CC BY
16
Zverev Alexey Petrovich, candidate of technical sciences, docent, moizver62@mail.ru, Russia, Moscow, Moscow Aviation Institute (National Research University),
Karpenko Vladimir Alekseevich, student, Russia, Moscow, Moscow Aviation Institute (National Research University),
Ivlev Artem Dmitrievich, student, Russia, Moscow, Moscow Aviation Institute (National Research University)
УДК 004-027.21; 52(15):002.6 DOI: 10.24412/2071-6168-2023-4-80-86
МОДЕЛИРОВАНИЕ ПРОЦЕССА СБОРА И ОБРАБОТКИ ДАННЫХ КОСМИЧЕСКИМ АППАРАТОМ ДИСТАНЦИОННОГО ЗОНДИРОВАНИЯ ЗЕМЛИ В ЗАВИСИМОСТИ ОТ ФОНОЦЕЛЕВОЙ ОБСТАНОВКИ
Д.Г. Попов, В.В. Оркин, И.А. Ледянкин, Д.А. Антонов
Работа посвящена исследованию вопросов эффективности функционирования бортового вычислительного комплекса космического аппарата дистанционного зондирования Земли и разработке модели функционирования средств бортового вычислительного комплекса космического аппарата дистанционного зондирования Земли в процессе сбора и обработки данных в зависимости от фоно-целевой обстановки. Рассматриваются вопросы оптимального планирования вычислительных ресурсов на средствах бортового вычислительного комплекса в условиях сложно-прогнозируемого возрастания вычислительной нагрузки и вопросы обеспечения эффективного функционирования бортового вычислительного комплекса при неблагоприятной фоно-целевой обстановке.
Ключевые слова: космический аппарат дистанционное зондирование Земли, планирование вычислительных ресурсов, бортовой вычислительный комплекс.
Развитие космической техники в настоящее время выходит на новый уровень. При эксплуатации космических аппаратов (КА) наблюдается тенденция к увеличению объема данных и переносу процессов обработки этих данных с наземных комплексов обработки на бортовые вычислительные комплексы (БВК). В основном это связано с ограниченной пропускной способностью канала передачи данных между КА и наземными средствами. Поступающая информация имеет разную значимость для потребителя, она может быть телеметрической, специальной, навигационной и т.п. [1]. В результате работы целевой аппаратуры КА дистанционного зондирования Земли (ДЗЗ), а также воздействия различных возмущающих факторов, генерируются большие объемы информации. При этом ее характеристики совершенствуются с каждым поколением, и как следствие, значительно растет объем данных, обрабатываемых на БВК. Кроме того, в процессе функционирования БВК КА при решении задач по обработке поступающей информации не исключено возникновение ошибок, что может привести к существенным искажениям результатов обработки [1]. В данной работе решается задача моделирования функционирования средств БВК КА ДЗЗ в условиях неблагоприятной фоно-целевой обстановки и учитывается интенсивность и качество поступающей информации. Исследования затрагивают обработку непосредственно целевой информации. Данная задача является актуальной и соответствует современным тенденциям развития космической техники в целом и БВК КА ДЗЗ в частности.
В условиях повышения требований к эффективности средств сбора и обработки целевой информации при увеличении масштабов и сложности решаемых задач БВК КА ДЗЗ, появляется необходимость поиска оптимального варианта планирования вычислительных ресурсов, при выполнении целевых задач. Прежде чем приступить к поиску такого варианта в первую очередь необходимо рассмотреть исследования в области оценки производительности различных вариантов структуры вычислительного комплекса и распределения задач между его модулями. Данная необходимость возникает как на этапе проектирования, так и при совершенствовании конфигурации и режимов функционирования БВК, находящихся в эксплуатации. Существующие модели функционирования вычислительных систем позволяют к тому же оценивать характеристики процессов использования ресурсов. Оценка этих характеристик очень важна. С ее помощью можно выявить факторы, которые напрямую оказывают влияние на результативность решения задач, а также определить наличие узких мест и недоиспользованных ресурсов [2].
На основании данной оценки необходимо установить зависимость вероятности обнаружения наблюдаемых объектов от качества и интенсивности поступающей для обработки информации с целью оптимального планирования вычислительных ресурсов, либо перераспределения решаемых задач или подзадач между всеми имеющимися вычислительными модулями в зависимости от качества и интенсивности поступающей информации.
Функционирование вычислительных средств бортового вычислительного комплекса космического аппарата дистанционного зондирования Земли. Во многих работах по данной тематике одним из показателей эффективности функционирования БВК КА ДЗЗ является производительность вычислительных средств, обрабатывающих данную информацию.
Под производительностью БВК КА ДЗЗ понимается его способность или потенциальная возможность обрабатывать поступающую информацию. В процессе обработки информации в БВК реализуются определенные операции различного характера из набора (или системы) операций. Состав набора операций характеризует архитектуру БВК и, следовательно, определяет его производительность [3]. Для того, чтобы выполнить оценку способности БВК производить обработку информации, необходимо использовать количественные характеристики или показатели производительности [4]. Более подробный расчет производительности осуществлен в работах [5-8], где решение данной задачи производится для вычислительных систем различного плана.
Во многих научных исследованиях для достижения более достоверного результата необходимо получить оценку не одного, а нескольких показателей эффективности. Для этого необходимо использовать набор специализированных моделей, которые не связаны между собой и отличаются степенью детализации моделируемой системы и используемыми исходными данными [9].
В настоящей работе решаются задачи несколько иного плана и рассматривается такой показатель эффективности как результативность. Необходимо определить зависимость вероятности обнаружения объектов зондирования от интенсивности поступающей на обработку информации с низким качеством, а также найти оптимальный вариант распределения вычислительных ресурсов на БВК. При этом время решения задач должно удовлетворять требуемым значениям. Моделирование функционирования БВК КА построено на основе теории систем массового обслуживания (СМО), согласно которой нагрузка 2 представляет собой интегральную оценку, объединяющую два нагрузочных параметра: частоту использования некоторого ресурса (прибора СМО), задаваемую в виде интенсивности X поступления заявок в СМО, и время использования этого ресурса , задаваемое в виде средней длительности обслуживания заявок в СМО [10]:
г = хь1. (1)
Нагрузка показывает количество работы, которую необходимо выполнить в системе [10].
На начальном этапе необходимо показать каким образом функционирует моделируемая система. На рис. 1 представлена схема функционирования БВК КА ДЗЗ, которая отражает основные этапы сбора, обработки и выдачи достоверной информации о зондировании Земли потребителю.
Внешние возмущающие факторы: -неблагоприятные условия наблюдения ;
-характеристики объектов наблюдения
Входная информация
Количество объектов наблюдения
Бортовая аппаратура обнаружения
Широкополь ная камера
I
Узкопольная камера
Предварительный усилитель
Блок локального контроллера
I
Устройство аналоговой обработки
Аналогово цифровой преобразовател ь
ТМИ
Управляющие воздействия от бортовых вычислительных средств \
Бортовая центральная вычислительная машина
Бортовой вычислительный комплекс обработки целевой информации
Рис. 1. Схема функционирования бортового вычислительного комплекса космического аппарата
дистанционного зондирования Земли
Как показано на схеме модульно-целевая аппаратура состоит из бортовой центральной вычислительной машины (БЦВМ), отвечающей за функционирование бортовых систем и БВК, который осуществляет обработку целевой информации и передает ее потребителю.
Сбор и обработка информации происходят по следующей схеме: от аппаратуры обнаружения в БВК поступает информационный кадр, содержащий определенный объем информации. Объем информации зависит от количества объектов наблюдения и количества возмущающих факторов, которые влияют на качество изображения, что напрямую ведет к увеличению нагрузки на вычислительные средства БВК КА ДЗЗ. На первом этапе происходит фильтрация поступивших данных, затем преобразование информации из аналогового в цифровой формат. В соответствии с заложенным алгоритмом обработки информации выбирается порция данных из массива и обрабатывается с помощью выделенных ей вычислительных ресурсов & где g - номер вычислительного ресурса, g = 1, к. Длительность обработки типового объема информации обозначим t [11]. Далее происходит окончательная обработка информации и выдача ее потребителю. Настоящий алгоритм обработки целевой информации не учитывает в полном объеме воздействие возмущающих факторов, которые влияют на качество поступающей информации, что усложняет обработку, и, соответственно, увеличивает нагрузку на систему. К тому же информация, поступающая с очень низким качеством может быть не идентифицирована и согласно данного алгоритма обработки отбрасывается. В конечном итоге это может привести к снижению вероятности достоверной идентификации объекта наблюдения при выдаче информации потребителю.
Предлагаемый подход предполагает учитывать зависимость вероятности обнаружения объекта наблюдения от качества (зависит от фоновой обстановки) и интенсивности поступающей для обработки информации, что поможет найти оптимальный план распределения ресурсов между имеющимися вычислительными средствами для решения необходимых задач.
Анализ возмущающих факторов (возмущений) влияющих на вычислительные средства бортового вычислительного комплекса космического аппарата дистанционного зондирования земли. Огромное влияние на оперативность и результативность работы КА ДЗЗ оказывают различные возмущающие факторы. Они могут быть как внешние так и внутренние. Для КА ДЗЗ возмущающие факторы Q - это параметры фоно-целевой обстановки. Одним из основных параметров является состояние атмосферы (фона, среды распространения электромагнитных волн). Здесь же неблагоприятные условия наблюдения (засветка, яркий фон, слабый контраст, ионизация атмосферы и т.д.). Наибольшие трудности в обработке информации БВК КА ДЗЗ создаются мощными фоновыми образованиями, обусловленными зеркальным отражением солнечного излучения от земной поверхности и облаков. В зависимости от фоновой засветки изменяется дисперсия шумов, что создает дополнительную нагрузку на БВК при обработке информации.
К другим возмущающим факторам для КА ДЗЗ относятся:
- характеристики объектов наблюдения (объекты сложной геометрической формы, требующие высокой детализации изображения, заявки на высоко-детальную съемку района, что приводит к увеличению объема информации и требует дополнительных вычислительных ресурсов для обработки высокодетального изображения);
- срочные заявки, требующие оперативной обработки информации, что требует дополнительных вычислительных ресурсов для обеспечения своевременности выполнения задачи.
Новый подход к составу элементной базы построения бортовой аппаратуры обнаружения, в частности, использование в качестве фоточувствительного устройства видикона, имеет основное достоинство в виде высокой чувствительности аппаратуры, но не исключены и недостатки, которые также оказывают влияние на процесс обработки целевой информации. К таким недостаткам относятся:
1. Высокая требовательность к обеспечению температурного режима фото-приемного устройства;
2. Чувствительность к изменениям выходных вольтамперных характеристик составных элементов;
3. Неоднородность выходных характеристик светочувствительных элементов фото-приемного устройства.
Учитывая последний недостаток, а также под воздействием на аппаратуру обнаружения ионизирующего излучения космического пространства и тяжелых заряженных частиц (ТЗЧ), на поверхности светочувствительного элемента образуются как единичные помеховые образования высокой интенсивности (дефекты, структурные помехи) так и области из нескольких элементов с помеховыми образованиями высокой интенсивности (дефектные зоны). Объект наблюдения, попадая в такие зоны, снимается с обработки, что приводит к снижению эффективности функционирования КА ДЗЗ.
Моделирование процесса сбора и обработки данных КА ДЗЗ в зависимости от фоно-целевой обстановки. Модель функционирования БВК ДЗЗ в процессе сбора и обработки данных в условиях неблагоприятной фоно-целевой обстановки можно представить в виде:
М =< ^у,X,Б,Q,2,к,Т >
^ - ресурсы, выделяемые для обработки целевой информации и обладающие следующими характеристиками:
V (V V ГС ь\,
г У озу>г ппзу ^ т ^к' ^ )
где Vозу - объем оперативного запоминающего устройства (ОЗУ); Vnnзy - объем постоянного запоминающего устройства (ПЗУ); Ь - пропускная способность шин ЦП-ОЗУ, ОЗУ-ПЗУ; Гт - тактовая частота; В = [Ьд, q = 1,Q} - множество видов поступающей информации; Q = , = 1/1 - множество возмущающих факторов, оказывающих влияние на работу БВК КА; Т (/ЕД, ) - временные характеристики
функционирования БВК КА в процессе обработки информации, где tЕД - время, необходимое для обработки типового объема информации, tg - длительность выполнения программы; Z - вычислительная
нагрузка БВК; к - количество вычислительных модулей; X - множество вариантов планирования вычислительных ресурсов.
Необходимо найти оптимальный вариант плана вычислительных ресурсов Хопт, способных
выполнить все возложенные на них задачи в течение требуемого времени с высокой степенью достоверности в зависимости от количества наблюдаемых объектов и качества поступающей информации о них. Разработанная модель является имитационно-аналитической и позволяет определить зависимость вероятности достоверной и своевременной идентификации объекта наблюдения от интенсивности и качества поступающей информации. Причем, задачу определения, выполняются ли требования по времени обработки информации при идентификации объектов решает имитационный компонент модели, а за нахождение значений показателя результативности - ее аналитический компонент. Структура модели схематично представлена на рис. 2.
Воздействие внешних возмущающих факторов
БЛОК ИМИТАЦИИ РАБОТЫ БОРТОВОЙ АППАРАТУРЫ ОБНАРУЖЕНИЯ
Входная информация Б = {Ь?. q = I р}
з:
Воздействие внутренних возмущающих факторов
Формирование кадра УПК
Формирование кадра ШПК
Предварительный усилитель
Широкопольная камера
Узкопольная камера
Блок локального контроллера
БЛОК ИМИТАЦИИ РАБОТЫ УСТРОЙСТВА ФУНКЦИОНИРОВАНИЯ
Устройство аналоговой обработки
Аналогово - цифровой преобразователь
Блок оценки фоно-целевой обстановки и интенсивности X поступления информации
Оценка критических ресурсов для процесса обработки информации
БЛОК ИМИТАЦИИ РАБОТЫ БКОИ
Г
иг
Блок планирования вычислительных а ресурсов согласно | приоритета задачи
(подзадачи) _I
и
-+ -
Вычисли Вычисли
тельный тельный
модуль - модуль
Блок сравнения полученного времени ' решения задачи с Хтребуемым временем
Оцен ка результативности выдачи информации об обнаружении, РУ
Рис. 2. Структура имитационной модели процесса сбора и обработки данных КА ДЗЗ
На вход модели поступают заявки с характеристиками В и Q, а также требуемое значение времени на их обработку. Количество заявок определяется в соответствии с компонентами множества В, а компоненты множества Q имитационно представлены объемом заявок. Чем сложнее фон и менее четко выражен наблюдаемый объект, тем выше объем заявки. Таким образом, при повышении неопределенности мы получаем все более объемные заявки. В работе имитационного компонента предусмотрен также механизм управления приоритетами. Больший приоритет должны получать объекты, по координатам появления отличные от имеющихся в базе данных.
Имитационная модель предназначена для моделирования процессов распределения входящих заявок по вычислительным модулям и их обработки с целью выяснения узких мест в структуре БВК, алгоритмах обработки и планирования обработки.
Модель должна отражать процессы, протекающие в БВК с ограниченными объемами буферных накопителей, соединенных между собой и вычислительными модулями определенными связями (каналами) с определенной скоростью передачи информации.
Выходными данными имитационной модели являются значения времен обработки заявок, либо суммарное время выполнения всей задачи по распознаванию объекта наблюдения. При определении возможности своевременного решения задачи идентификации остается сравнить требуемое и полученное время. Из совокупности всех возможных вариантов (сценариев) распределения задач (планирования) для БВК КА необходимо выбрать такой вариант, который в полной мере будет удовлетворять заданным требованиям. Для того чтобы выбор плана был обоснованным, на основе информации о состоянии вычислительных модулей и характеристикам, полученным имитационной моделью функционирования БВК КА, по результатам работы БВК вводится некоторое отношение приоритета [12]. Поиск оптимального плана может быть разделен и на две подзадачи: управления структурой (решается при проектировании) и управления функционированием (распределение подзадач).
Переходим к рассмотрению аналитического компонента. Модель предполагает получение значений времени обслуживания заявок БВК в ВМ. Определяется время обработки данных по заявке единичного объема:
^ = ^ОБР + ^СР + tИЗB, (2)
где ОБР - время обработки информации к-м ВМ по заявке единичного объема; - время определения соответствия полученного результата одному из заложенных в базу данных шаблонов конкретных объектов; ^ЗВ - время выдачи информации из БВК в систему передачи информации.
Требуемое время обработки заявок единичного объема ^ определяется из общего времени, отведенного на идентификацию объекта.
tПр - время пребывания заявки в БВК при отправке к k-му ВМ.
Л
План распределения вычислительных ресурсов можно представить в виде матрицы X с числом столбцов, равным к (число ВМ, к которым центральный узел может обращаться (количество исходящих направлений)) и числом строк, равным Ь (число видов заявок) [12].
% = х^ (3)
где ^ - объем заявки ]-го вида, зависящий от фоно-целевой обстановки и координат обнаружения объекта наблюдения; X^ - процент заявок вида j , обрабатываемых ВМ к. Вид заявки определяется принадлежностью к определенной области обзора и размерами идентифицируемого объекта.
После этого определяется вероятность своевременной идентификации объекта с требуемой достоверностью:
ркач = I((Ед < ^)) > я) (4)
к =1
где - требуемая достоверность определения объекта по заявке ^го вида, Dj - определенная достоверность произведенных вычислений (определяется алгоритмами обработки) [12].
Вероятность своевременной идентификации будет вычисляется через функцию распределения времени обработки заявки единичного объема, которое будет являться усеченным нормальным, так как получено из нормального при ограничении интервала вероятных значений этой величины. Значения tk!Д
находятся в интервале (0, да), соответственно плотность распределения {^Д будет являться плотностью усеченного нормального распределения, выражаемой через функцию Лапласа. Значения интеграла Лапласа можно получить из таблицы, подставляя выражения ^тя ~ тк и тк , где тк - математическое
^к ^к
ожидание времени обработки заявки единичного объема на ВМ к, ик- среднеквадратичное отклонение.
Данные значения получены на выходе имитационной модели.
В случае перегрузок вычислительных модулей из-за большого объема заявок и увеличении числа не идентифицированных (отброшенных) заявок необходимо изменить значения элементов плана распределения. При построении плана в конечном счете будет иметь важность достоверность полученной при обработке заявок информации.
Заключение. В работе представлена аналитико-имитационная модель функционирования БВК КА ДЗЗ в процессе сбора и обработки данных в зависимости от фоно-целевой обстановки.
Представленная модель функционирования БВК показывает зависимость вероятности достоверной и своевременной идентификации объекта наблюдения в процессе функционирования БВК от значений элементов плана распределения вычислительных ресурсов, временных характеристик процесса
84
обработки заявок, качества и интенсивности поступающей информации. В дальнейшем это позволит провести оптимизацию планирования распределения подзадач обработки целевой информации по вычислительным модулям и тем самым обеспечить требуемый уровень результативности без превышения требуемого времени на выдачу информации потребителю.
Данная модель может быть использована при разработке метода оптимального плани-
рования вычислительных ресурсов средств сбора и обработки данных БВК КА ДЗЗ в условиях сложно-прогнозируемого возрастания вычислительной нагрузки, в результате будет достигнута основная цель -обеспечение требуемого уровня результативности БВК КА ДЗЗ в условиях сложной фоно-целевой обстановки.
Список литературы
1. Максимов В.А., Шушаков А.О. Алгоритм построения гетерогенной системы хранения данных и управления ее функционированием на основе комбинирования способов размещения и кодирования неоднородных по важности данных. /. СПб.: Труды военно-космической академии имени А.Ф.Можайского, 2019. №666. С. 36-46.
2. Ефимов С.Н., Тынченко В.В., Тынченко В.С. Проектирование вычислительной сети эффективной архитектуры для распределенного решения сложных задач // Вестник сибирского государственного аэрокосмического университета им. академика М.Ф. Решетнева. Красноярск, 2007. №3 С. 46-51.
3. Попов Д.Г., Антонов Д.А. Задачи комплексной оценки системной производительности вычислительных комплексов космических аппаратов дистанционного зондирования Земли // Сборник статей XV Всероссийской научно-практической конференции "Результаты современных научных исследований и разработок", 2022. С. 17-26.
4. Хорошевский В.Г. Архитектура вычислительных систем: учеб. пособие. 2-е изд., перераб. и доп. М.: МГТУ им. Н.Э. Баумана, 2008. 520 с.
5. Аксенов А.И., Параллельная обработка информации / А.И. Аксенов, В.В. Аристов, Е.Ю. Барзилович и др.// Проблемно-ориентированные и специализированные средства обработки информации. Киев: Наук. думка, 1984. Т. 5.
6. Мищенко В.А, Лазаревич Э.Г., Аксенов А.И. Расчет производительности многопроцессорных вычислительных систем. Минск: Высш. шк. 1985. 212 с.
7. Ramasubramanian N., Srinivas V.V. and N. Ammasai Gounden. Performance of cache memory subsystems for multicore architectures // International Journal of Computer Science, Engineering and Applications (IJCSEA). 2011. Vol. 1. №5. P. 59 - 71.
8. Клейнрок Л. Вычислительные системы с очередями. М.: Мир, 1979. 600 с.
9. Бусленко Н.П. Моделирование сложных систем. М.: Наука, 1968. 356 с.
10. Алиев Т.И. Основы моделирования дискретных систем. СПб.: СПбГУ ИТМО. 2009.
363 с.
11. Антонов Д.А. Модель процессов организации обработки оперативной информации распределенными вычислительными комплексами специального назначения / В.В. Оркин, О.Е.Нестеренко // Информация и космос, 2021. № 4. С.83-87.
12. Оркин В.В. Модель функционирования автоматизированной системы управления, учитывающая информацию мониторинга производительности в узлах сетевой инфраструктуры // Интеллектуальные технологии на транспорте, 2019. № 1. С.13-18.
Попов Дмитрий Геннадиевич, адъюнкт, vka@mil.ru, Россия, Санкт-Петербург, Военно-космическая академия имени А. Ф Можайского,
Оркин Вадим Витальевич, канд. техн. наук, преподаватель, Россия, Санкт-Петербург, Военно-космическая академия имени А.Ф Можайского,
Ледянкин Иван Александрович, канд. техн. наук, преподаватель, Россия, Санкт-Петербург, Военно-космическая академия имени А. Ф Можайского,
Антонов Дмитрий Александрович, адъюнкт, Россия, Санкт-Петербург, Военно-космическая академия имени А. Ф Можайского
MODELING OF THE PROCESS OF DATA COLLECTION AND PROCESSING BY THE EARTH REMOTE SENSING SPACECRAFT DEPENDING ON THE BACKGROUND-TARGET
SITUATION
D.G. Popov, V.V. Orkin, I,A. Ledyankin, D.A. Antonov 85
The work is devoted to the study of the issues of the efficiency of the on-board computer complex of the Earth remote sensing spacecraft and the development of a model of the functioning of the on-board computer complex of the Earth remote sensing spacecraft in the process of data collection and processing, depending on the background situation. The problems of optimal planning of computing resources on the means of an onboard computing complex in conditions of a difficult-to-predict increase in computing load and issues of ensuring the effective functioning of an on-board computing complex in an unfavorable background - target environment are considered.
Key words: Earth remote sensing spacecraft, planning of computing resources, onboard computing
complex.
Popov Dmitriy Gennadievich, postgraduate, vka@mil.ru, Russia, St. Petersburg, Military Space Academy named after A.F.Mozhaisky,
Orkin Vadim Vitalevich, candidate of technical sciences, lecturer, Russia, St. Petersburg, Military Space Academy named after A.F.Mozhaisky,
Ledyankin Ivan Aleksandrovich, candidate of technical sciences, lecturer, Russia, St. Petersburg, Military Space Academy named after A.F.Mozhaisky,
Antonov Dmitriy Aleksandrovich, postgraduate, Russia, St. Petersburg, Military Space Academy named after A.F. Mozhaisky
УДК 681.5
DOI: 10.24412/2071-6168-2023-4-86-91
ВОЗМОЖНОСТИ И ОГРАНИЧЕНИЯ СОВРЕМЕННЫХ МАНИПУЛЯЦИОННЫХ РОБОТОВ
В РЕШЕНИИ ПРИКЛАДНЫХ ЗАДАЧ
A.A. Жиленков, A.A. Саенко, Йе Хтун
Роботизированный манипулятор способен автоматически перемещать объекты или манипулировать ими в зависимости от заданного количества степеней свободы. Эти степени свободы также известны как оси. Каждая ось робота-манипулятора соотносится с количеством двигателей внутри робота. Роботизированные манипуляторы могут варьироваться от двух осей до десяти и более. Большинство роботов, используемых в промышленных условиях, имеют от четырех до шести осей. Ше-стиосевые роботизированные манипуляторы являются наиболее распространенными, поскольку диапазон их движений аналогичен человеческой руке.
Ключевые слова: манипуляционный робот, электроника, строительство, химическая промышленность, кинематика.
Концепция спроектировать и сконструировать какие-то существа или устройства, которые могли бы выполнять повторяющиеся или сложные задачи, тем самым избавляя людей от этого бремени, начинается с древних времен. Начиная с грекоэллинистической эпохи некоторые из этих устройств, которые были названы автоматами, были спроектированы и созданы гениальными изобретателями, принадлежащими к нескольким различным цивилизациям на протяжении веков. Термин "автоматы" в основном относится к устройствам, подобным человеку, в то время как термин "робот" имеет более общее значение [1].
Промышленная робототехника — это отрасль робототехники, которая приобрела первостепенное значение в прошлом веке. Присутствие роботов полностью изменило промышленную среду всего за несколько десятилетий.
Первое поколение промышленных роботов появилось в период с 1950 по 1967 год. Задачи, которые роботы первого поколения были способны выполнять, обязательно были довольно тривиальными, такими как погрузка-разгрузка или простые операции по обработке материалов [1-2]. Девол Мэлоун для внедрения своих идей касательно промышленного манипуляционного робота нуждался в партнере предпринимателе.
В 1969 году наличие роботов в японских фирмах значительно возросло, в том числе благодаря тому, что Unimation разрешила Kawasaki Heavy Industries Ltd использование своих технологий. Сертификация на производство роботов для японского и азиатского рынков. В частности, это привело к изобретению Kawasaki-Unimate 2000, первого промышленного робота, когда-либо созданного в Японии [2-4].
