CC BY
167
УДК 681.5
РАЗРАБОТКА ИНТЕЛЛЕКТУАЛЬНОГО АССИСТЕНТА УПРАВЛЕНИЯ АВТОМОБИЛЕМ
Е.В. Корягин 1
Балтийский Федеральный Университет имени Иммануила Канта.
236000, г. Калининград, ул.А.Невского, 14А
Аннотация - Рассматривается вопрос создания системы полуавтоматического управления автомобилем. Описываются применяемые технологии и основные компоненты разрабатываемой системы. Подробно рассматривается система полуавтоматической парковки. Обсуждаются пути улучшения работы системы, рассматривается возможность использования виртуальной среды моделирования, технологии растущих нейронных сетей. Также рассматривается вопрос применения малогабаритных суперкомпьютеров.
Ключевые слова: система управления, автомобиль, нечеткая логика, кластер, функция принадлежности, ультразвуковой датчик, растущая нейронная сеть, 3 D-моделирование, Microsoft Robotics Developer Studio, генетическая настройка, малогабаритный суперкомпьютер.
INTELLECTUAL DRIVER ASSISNANT DEVELOPMENT
Koryagin E.V.
I.Kant Baltic Federal University 236000, Kaliningrad, Nevskogo st., 14A The summary -The semiautomated car control system development is discussed. Applied technologies and main components are described. Semiautomated parking system is considered. Ways of system improvement are discussed. The possibility of using virtual simulation environment and growing neural networks technology is considered. The possibility of using small-sized supercomputers is discussed.
Keywords: control system, automobile, fuzzy logic, cluster, membership function, ultrasonic sensor, growing neural network, 3D-modeling, Microsoft Robotics Development Studio, genetic tuning, small-sized supercomputer.
1. Введение
Создание систем управления различными мобильными объектами в последнее время является очень актуальной задачей. Автоматизация вождения и управления сложными габаритными транспортными средствами (погрузчики, буксиры) позволяет ускорить и упростить процессы транспортировки грузов и минимизирует возможность ошибок и несчастных случаев, вызванных человеческим фактором. Также, создание системы автоматического или полуавтоматического управления автомобилем не только облегчит жизнь опытным водителям, но и поможет начинающим.
Коллектив исследователей БФУ им.И.Канта работает над созданием системы вспомогательного управления транспортным средством. Использование минимального набора датчиков (лазерные дальномеры, камеры) и малогаба-
ритного суперкомпьютера позволит устанавливать систему на любой автомобиль. Система, используя алгоритмы искусственного интеллекта (нечеткий вывод, нейронные сети) будет анализировать текущие показания датчиков и давать рекомендации к управление (голосом или на экране).
Для решения этой проблемы в качестве основных информационных технологий были выбраны система управления на основе нечеткого вывода и запатентованный метод извлечения умений у опытного водителя [1-5]. Сначала, на основе обработки некоторого количества экспериментальных данных блоком 5 (см. рис.1) создаётся пространство кластеров возможных дорожных ситуаций, причём в этом пространстве возможно существование N кластеров например типа «обгон», в каждый из которых будут входить
K ситуаций обгона, близких по всему набору параметров.
Рисунок 1. Общая структура интеллектуального ассистента управления автомобилем
Для каждого из кластеров порождается начальная база правил и наборы функций принадлежности системы нечёткого вывода блока 6 для всех нечётких переменных (термов) каждой из лингвистических переменных, из которой определённым образом генерируется начальная популяция баз правил и наборов функций принадлежностей.
По результатам большой серии экспериментов, производится корректировка баз правил и точного вида треугольных нечетких чисел, описывающих нечеткие переменные (термы), составляющие вышеуказанные лингвистические переменные. Генетический алгоритм ГА1 в блоке 7 производит эволюционный поиск и находит лучший вариант базы правил и графиков функций принадлежности для данного кластера. Возможный результат изменения графиков функций принадлежностей в ходе эволюционного поиска показан на рис.2.
Близко Далеко
Очень близко Недалеко Очень далеко
Расстояние до препятствия, м
Большой угол Небольшой угол Небольшой угол
влево ^ево НУЛЬ вправо Большой угол вправо
Угол поворота руля, град.
Рисунок 2. Исходные (сплошной лининей) и откорректированные (пунктиром) функции принадлежности
2. Описание системы полуавтоматической парковки
На данный момент достигнуты определённые результаты в разработке системы полуавтоматической парковки, пригодной для установки на любой автомобиль [6,7]. В ходе выполнения работы исследовались теоретические аспекты систем управления на базе нечёткого вывода и возможности ряда электронных устройств и узлов. Выбранная совокупность программных и аппаратных составляющих была реализована в виде макета прототипа устройства управления парковкой. После установки макета на автомобиль проводились дальнейшие исследования и испытания его работы в различных условиях. На рис. 3. показано расположение 8-ми ультразвуковых датчиков, которыми был оборудован тестовый автомобиль, а также само автономное адаптивное устройство (центральный блок, использовался микроконтроллер семейства 68НС12) и выносной дисплей с индикатором.
Рисунок 3. Общий вид автомобиля с системой полуавтоматической парковки
а)
Рисунок 4. Центральный блок с
Ниже, на рис.4 а) показан созданный на основе аппаратного нечёткого контроллера центральный блок управления парковкой, к которому справа внизу подходят провода от УЗ датчиков, а сверху - шлейф от индикатора. На рис. 4 б) представлена шестерёнчатая пара, передающая вращение с рулевой колонки на энкодер, провод от которого к центральному блоку виден внизу справа. Далее, на рис. 5 а) и б) показаны, соответственно крупным планом ультразвуковой датчик и макетное размещение датчиков на автомобиле.
а) и место установки энкодера б)
а) б)
Рисунок 5. Ультразвуковые датчики расстояния до помех
Также отрабатывается вариант использования в качестве ультразвуковых датчиков встроенных датчиков парктро-ника.
3. Использование среды моделирования для обучения систе-
мы.
В рамках данного проекта планируется разработать виртуальную среду (в виде набора моделей и окружений), используя ПО «Microsoft Robotics Developer
Studio» (рис. 6). Перед проведением экспериментов на реальных автомобилях планируется провести большую серию опытов (парковок, обгонов, поворотов и пр. маневров) в виртуальной среде [8]. Использование виртуальных 3 D-моделей позволит обучить систему на моделях транспортных средств различных габаритов и сделать систему более гибкой.
Рисунок 6. Моделирование парковки автомобиля в виртуальной среде Microsoft Robotics Developer Studio
4. Применение технологии растущих нейронных сетей
Система нечеткого вывода обладает набором баз правил. В зависимости от текущей ситуации (парковка, обгон, поворот) система подключает соответствующую базу правил и находит значения выходных переменных. Для переключения между базами правил и режимами функционирования СНВ, а так же для лучшей адаптации к изменяющимся условиям окружающей среды (для выделения новых кластеров-ситуаций) планируется использовать специально разработанный класс нейронных сетей - Растущую нейронную сеть [9-11]. РНС - сеть непостоянной структуры. В процессе ее функционирования, по специально определенным правилам к сети добавляются новые вершины и связи и удаляются старые, таким образом, система способна обобщать и классифицировать знания и создавать ассоциативные связи между разнородными данными.
5. Дополнение системы технологией распознавания образов и
генетической настройкой
Для повышения качества работы системы и расширения ее возможностей планируется использовать дополнительный модуль - систему технического зрения. Модуль реализует нейросетевую структуру с большим количеством скрытых нейронов [12-15] и позволяет решить задачу распознавания образов (определение дорожных знаков, слежение за полосой движения).
Также планируется применить гибридный подход, суть которого состоит в сочетании нескольких технологий искусственного интеллекта, с целью дополнения друг друга и улучшения характеристик системы. Базу правил блока нечеткого управления планируется дополнительно настраивать генетическим алгоритмом (рис. 1, ГА1). Коллектив разработчиков, занимающийся данной проблемой, имеет опыт решения задач многокритериальной оптимизации и разработки программного средства для этих целей [16-19]. Систему планируется дополнительно оснастить блоком с реализованными на нем нейронными сетями (НС), корректирующими описание функций принадлежностей нечетких переменных, входящих в лингвистические переменные, применяемые в базах правил, и блоком с реализованным на нем вторым генетическим алгоритмом (ГА2), настраивающим нейронные сети предыдущего блока (в данном случае мы имеем нейро-эволюционную систему).
6. Применение малогабаритных
суперкомпьютеров.
Для быстрого решения вышеописанных сложных задач на встроенном бортовом компьютере планируется использование уникальной российской разработки - малогабаритных суперкомпьютеров (реконфигурируемых вычислительных систем на базе программируемых логических интегральных схем -ПЛИС). На рис. 7 показан базовый модуль, состоящий из таких ПЛИС.
Характеристики базового модуля «16^Л5-1250Р»
Число ПЛИС Уігісх V,
11 млн. вентилей, шт. 16
Число элементарных
Процессор»«, III Г. 512
11роизвод ІІТЄЛ Ы1 о сть, Гфл011 с 200(100)
Частота платы, МГц 330
Частота информационных
обменов, МГЦ 1200
Гайариты, мм 106x500
М а кси мал ьп а я потребляема я
мощность, Вт 200
Рисунок 7. Минимальный (базовый) модуль, из которых собираются РВС
Концепция создания РВС разработана и развивается в Научноисследовательском институте многопроцессорных вычислительных систем имени академика А.В. Каляева Южного федерального университета (НИИ МВС ЮФУ) [20,21], с которым наша группа взаимодействует. В отличие от многопроцессорных вычислительных систем с «жесткой» архитектурой, архитектура РВС может динамически изменяться в процессе их функционирования.
В результате появляется возможность адаптации архитектуры вычислительной системы под структуру решаемой задачи. Реализация данной концепции обеспечивает высокую реальную производительность РВС, близкую к пиковой, на широком классе задач, в том числе при решении задач реального времени, требующих мгновенной обработки большого числа поступающих данных, как в нашем случае.
Базовые модули могут объединяться в блоки (рис.8) для повышения производительности, из которых в свою оче-
редь может набираться бортовой суперкомпьютер.
Характеристики блока («Орион» 11Г
Число базовых модулей 4
Количество ПЛИС УІНех-5, шт. 64
Число элементарных процессоров, шт. 2048
Производительность, Гфлопс 800
Частота платы, МГц 330
Частота информационных обменов, МГЦ 1200
Габариты іи
Максимальная потребляемая Мощность, Вт 800
Общее число эквивалентных вентилей, млн. шт. 704
Рисунок 8. Блок содержащий 4 базовых модуля
При мощности автомобильного двигателя больше 80 кВт (свыше 110 л.с.) энергопотребление такого блока составляет всего 1%.
Список литературы:
1. Толстель О.В. Патент N 2361726 от 20.07.2009 г на группу изобретений «Система управления антропоморфным роботом и способ управления», приоритет от 28.02.2007г.
2. Толстель О.В. Арзуметов А.М. Патент N 78456 от 27.11.2008 г. на полезную модель «Автономное адаптивное устройство управления мобильным объектом», приоритет от 04.07.2008 г.
3. Толстель О.В. Заявка на группу изобретений «Автоматическая система управления мобильным объектом и способ управления». N 2009110867 от 24.03.2009 г., дата публикации в бюллетене - 27.09.2010 г.
4. Толстель О.В. Гибридная система управления для сложных задач на основе извлеченных у человека умений. //V Международная научнопрактическая конференция «Интегрированные
модели и мягкие вычисления в искусственном интеллекте». Сборник трудов конференции, Коломна, 2009 г. Том 1., с.413-424.
5. Толстель О.В. Извлечение умений и управление мобильным объектом. //VIII Международная научно-техническая конференция «Интеллектуальные системы Л18’09». Сборник трудов конференции, Дивноморское, 2-9 сентября 2009 г.
6. Толстель О.В., Вольвач А.Ю. Устройство парковки автомобиля на аппаратном нечётком контроллере.// Известия КГТУ. Научный журнал, Калининград, 2011 г., N 21, с. 186-191.
7. Вольвач. А.Ю., Арзуметов А.М. «Использование контроллеров с аппаратной реализацией алгоритмов нечеткой логики для решения бытовых и промышленных задач», Сб. трудов Материалы научно-практических конференций студентов и аспирантов «Дни науки - 2011. Выпуск 4. Физико-технические науки», Издательство Балтийского Федерального Университета им. Канта, 2011 г. (в печати).
8. С.С.Орешков, О.В. Толстель., «Виртуальное моделирование домашнего робота». //Международная научно-техническая мультиконференция «Актуальные проблемы информационно-компьютерных технологий, мехатроники и робототехники». Сборник трудов конференции, Дивноморское, 28.09-3.10.2009 г.
9. Корягин Е.В., Разработка системы управления мобильного робота на основе нейроподоб-ной растущей сети. Вестник Российского Государственного университета им. И.Канта, 2010, №10.
10. Корягин Е.В., Прукс В.Э., Развивающаяся система управления автономного мобильного робота. Труды конкурса на лучшую работу студентов, аспирантов и молодых ученых, посвященного Году космонавтики в Российской Федерации, БФУ им.И.Канта, 2011 (в печати).
11. Корягин Е.В., Разработка интеллектуальной системы управления моделью робота-автомобиля для самостоятельного движения по виртуальному полигону. Труды регионального конкурса У.М.Н.И.К., Калининград, май 2011 (в печати).
12. В.Э.Прукс, О.В.Толстель. Модель Гибридной нейронной сети для распознавания графических образов. Научно-теоретический журнал «Искусственный интеллект», №3, 2007. стр. 578583. 1ПШ1 МОН 1 НАН Украши «Наука 1 освгга», Донецк.
13. В.Э. Прукс. Программа моделирования и тестирования систем технического зрения на основе гибридных нейронных сетей. Доклад на международной научно-технической конференции, Калининград, КгТУ, 22-24.10.2007 г.
14. В.Э.Прукс. Свидетельство о государственной регистрации программы для ЭВМ №
2008610222 «Гибридная нейросетевая система технического зрения для распознавания объектов в условиях переменной освещенности визуальной сцены и произвольного расположения объектов на ней» («Система технического зрения для распознавания объектов в произвольных положениях»). Зарегистрировано в Реестре программ для ЭВМ 9 января 2008 г.
15. В.Э. Прукс, А.Э. Прукс. Система управления мобильного робота на основе технической нервной системы со зрением. Вычислительный интеллект - 2011 (результаты, проблемы, перспективы) Первая Международная научнотехническая конференция Computational Intelligence Черкассы, Украина, 10-13 мая, 2011.
16. Толстель О.В. Оптимизация в прочностных, тепловых и электромагнитных расчетах с помощью генетических алгоритмов. // Международные научно-технические конференции “Интеллектуальные системы AIS’06” и “Интеллектуальные САПР CAD-2006”. М.: Физматлит, 2006, Т 1, с.50-56.
17. Олиферчик А.А. Эволюционная оптимизация в технических и экономических задачах. //Материалы научно-практической конференции студентов и аспирантов БФУ им. Канта «Дни науки 2011», 12.04.2011 г. (в печати).
18. ТолстельО.В., ЧерныхС.В., Олиферчи-кА.А., Многопараметрическая оптимизация в задачах ЖКХ. // 4-ая международная научнопрактическая конференция "Интегрированные модели и мягкие вычисления в искусственном интеллекте", Коломна, 16-19.05.2011, Сборник научных трудов, Том.2, с.822-828.
19. ОлиферчикА.А., ТолстельО.В., Чер-ныхС.В. Параметры и критерии оптимизации СПД. Международный конгресс по интеллектуальным системам и информационным технологиям. IS&IT’11, Дивноморское, 2-9.09.2011 г.
20. Беседин И.В., Дмитренко Н.Н., Каляев И.А., Левин И.И., Семерников Е.А. Семейство базовых модулей для построения реконфигурируемых многопроцессорных вычислительных систем со структурно-процедурной организацией вычислений // Материалы Всероссийской научной конференции «Научный сервис в сети Интернет: технологии распределенных вычислений», г. Новороссийск. - М.: Издательство Московского университета, 2006. - С. 47-49.
21. Дордопуло А.И., Каляев И.А., Левин И.И., Семерников Е.А. Семейство многопроцессорных вычислительных систем с динамически перестраиваемой архитектурой // Материалы Четвертой Международной научной молодежной школы «Высокопроизводительные вычислительные системы». - Таганрог: Изд-во ТТИ ЮФУ, 2007. - С. 68-74.
1 Корягин Евгений Викторович - аспирант кафедры «Математического моделирования и информационных систем» БФУ им. И.Канта, тел.: +79114574991, email: koryagin.evgeniy@gmail.com
