CC BY
72
требует удвоения комплектующих элементов, что вполне возможно так как стоимость стабилизаторов невысока (менее 30 руб).
Рис. 3. Каскадное включение стабилизаторов
Третьим вариантом является или через резистивный делитель с выходным напряжением от 1/3 до 2/3 от входного напряжения стабилизатора (рис.4).
Рис. 4. Схема с ускоренным зарядом выходной емкости от вспомогательного
выпрямителя
Для развязки используется диод Шоттки. При экспериментальной проверке на выход стабилизатора +27 В, в момент включения подавалось выпрямленное напряжение +18 В. Схема нормально работала при входных напряжениях до 50 В, уровень пульсаций на выходе не превышал 10-15мВ при токе в 1А. По нашему мнению этот вариант включения является наиболее удачным и может быть рекомендован для построения высоковольтных блоков питания. Длительная эксплуатация разработанных схем (рис.3 и 4) при максимальных токах и в рабочем диапазоне температур (от -25 до +60оС) подтвердила их высокую надежность.
Ю.В. Чернухин, А.А. Приемко ТРЕХМЕРНАЯ НЕЙРОСЕТЬ АДАПТИВНОГО ПОДВОДНОГО РОБОТА
С каждым годом расширяется сфера применения адаптивных мобильных роботов. При этом одним из интенсивно развивающихся направлений их развития является создание роботов, функционирующих в подводной среде. В задачи, решаемые такими роботами, входят: исследование дна океанов, обследование подводных объектов различного происхождения, обеспечение безопасности навигации и т.п.
Одна из таких задач связана с необходимостью достигать удаленную цель в подводной среде с известными координатами, находящуюся за пределами восприятия сенсорной подсистемы робота и одновременно преодолевать встречаю -щиеся препятствия. Так как робот функционирует в априори неформализованной внешней среде, то его система управления должна содержать подсистему искусственного интеллекта. В работе [1] предложена архитектура такой интеллектуальной подсистемы, решающая подобную задачу в условиях двумерной среды с использованием бионического метода управления мобильными роботами на основе нейросетевого подхода, развиваемого в работах [2,3]. В данной работе рассматривается нейросетевая структура, способная решать указанную выше задачу в трехмерной подводной среде.
Пусть в состав нейросетевой системы управления робота входят [2,3]: сенсорная подсистема, воспринимающая информацию о внешней среде, основу которой составляет гидроакустическая станция (ГАС), установленная на борту робота; подсистема формирования модели внешней среды (ПФМВС), выполняющая дискретизацию среды на множество участков, свободных для перемещения робота, занятых участков, а также целевых участков отображающей сети, задачей которой является отображение модели, полученной с помощью ПФМВС в нейросеть определения множества траекторий, ведущих к цели, системы принятия решения о направлении перемещения робота и эффекторной подсистемы (ЭП), реализующей перемещение робота.
Архитектура предлагаемой нейросетевой структуры представляется в виде набора ярусов, количество которых зависит от числа ярусов бортовой ГАС робота. Так как ГАС работает в сферической системе координат, то и архитектура рассматриваемой нейросети также имеет сферическую конфигурацию.
На рис. 1,а показан пример архитектуры такой нейросетевой структуры для случая двухъярусной ГАС.
2
а б
Рис.1. Нейросетевая архитектура для случая двухъярусной ГАС
Собственное положение робота в данной структуре так же, как и в [1,2,3] моделируется устройством, в качестве которого используется нейросеть принятия решений - СПР [3] (см. рис.1,а). Каждому ярусу поставлена в соответствие ней-ропроцессорная сеть, показанная на рис.1,б (здесь номерами 0-3 обозначены стро-
ки, а номерами 0-4 столбцы). Данная сеть состоит из множества основных нейроэлементов, в которые отображается информация о проходимости участков среды и дополнительных элементов, служащих для отображения положения цели, находящейся за пределами восприятия СП робота. Элементы нулевой строки каждой такой сети подключаются к СПР (см. рис. 1,б). Состояния участков внешней среды (свободен, занят, цель), воспринимаемые с помощью бортовой ГАС, после обработки в ПФМВС отображаются в состояния соответствующих основных нейроэлементов. Если цель не попадает в зону восприятия СП робота, то ее положение отображается в один из дополнительных нейроэлементов. Если же цель отображается в один из основных нейроэлементов, то дополнительные элементы блокируются.
Пусть робот находится в зоне пеленга судовой Г АС, тогда его мировые координаты могут быть определены на основе координат корабля, получаемых при помощи системы спутникового позиционирования (GPS), и расстояния до судна, определяемого при помощи ГАС. Передача этих координат роботу может осуществляться при помощи акустического модема. Тогда последовательность действий при планировании очередного перемещения робота к цели может быть описана с помощью следующего набора шагов.
1. По информации о собственном положении робота и координатах цели вычисляются горизонтальный и вертикальный углы направления на цель. В зависимости от конструктивных параметров робота, по значениям этих углов, табличным способом, определяется, в какой из ярусов будет отображен целевой участок, а также какой из дополнительных нейроэлементов этого яруса будет использован. Остальные дополнительные нейроэлементы устанавливаются в состояние свободного участка.
2. Информация о внешней среде воспринимается с помощью бортовой ГАС и после обработки в ПФМВС отображается в состояния основных нейроэлементов каждого яруса.
3. Волна возбуждения от процессора, определенного на шаге 1, распространяется по нейросетевой структуре через процессоры, отображающие свободные участки среды (все возможные направления распространения волны в ярусе показаны на рис.1,б). Распространение происходит не только в целевом ярусе, но и в смежных с ним, при этом все возможные направления распространения волны между ярусами показаны на рис. 1,а пунктирными стрелками.
4. Пункт 3 повторяется до тех пор, пока сигнал возбуждения не попадет в процессор, отображающий положение робота в среде, на топологическом месте которой находится СПР. Эта структура фиксирует направление прихода фронта волны возбуждения и принимает решение о направлении движения робота.
Для решения задачи фиксации направления прихода фронта волны возбуждения СПР строится следующим образом: общее количество разрядов СПР определяется как произведение количества элементов в строке яруса на количество ярусов; разряды СПР разбиваются на группы, количество элементов в которых равно количеству элементов в строке; выходы процессоров нулевых строк каждого яруса соединяются с СПР, как показано на рис.2 (здесь Пук обозначает процессор i-го яруса, j-й строки, k-го столбца).
После фиксации решения информация о положении единицы внутри группы используется для определения горизонтального угла перемещения, а информация о номере группы, в которой появилась единица для определения вертикального угла перемещения.
СПР
Выхйцы нулевой строки Выпады нулевой строки нейроэлементов нейроэлементов
\ яруса 1 /\ яруса 2 /
---------хт------------- 4-----------------------
ПюО П101 Пт 02 Пюз Пю4 ГЪОО П201 П202 ПЗОЗ П204
ШОЛ
цт
Рис.2. Схема подключения СПР
Далее ЭП робота выполняет разворот корпуса в соответствии со значениями углов, определенных СПР, и реализует шаг перемещения в среде по направлению к цели.
Таким образом, предлагаемая нейросеть позволяет решать задачу планирования перемещений адаптивного подводного робота к удаленной цели в среде с препятствиями. В случае попадания целевого объекта в область восприятия робота движение к цели будет происходить по оптимальной траектории. Однако при отсутствии цели в области восприятия СП робота его движение будет происходить по квазиоптимальной траектории. Для повышения степени оптимальности траектории в этом случае необходимо накапливать информацию о проходимости участков подводной среды в виде карты с дальнейшим ее использованием в процессе движения к цели.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Чернухин Ю.В., Каданов М.В., Трубачев О.Е. Нейросетевое планирование перемещений адаптивного мобильного робота к невидимой цели с известными координатами // Материалы 14 Международной конференции по нейрокибернетике "Проблемы нейрокибернетики": Сборник трудов. Т.2. Ростов-на-Дону. 2002.
2. Чернухин Ю.В. Нейропроцессорные сети. -Таганрог: Изд-во ТРТУ, 1999. 439с.
3. Однородные управляющие структуры адаптивных роботов // А.В.Каляев, Ю.В. Чернухин, В.П. Носков, И.А. Каляев -М.: Наука, 1990. -152 с.
С.И. Клевцов, Е.В.Удод
КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ РЕШЕНИЯ ЗАДАЧ КОМПЕНСАЦИИ СОСТАВЛЯЮЩИХ СИСТЕМАТИЧЕСКОЙ ПОГРЕШНОСТИ ДАТЧИКА ДАВЛЕНИЯ В ЦЕЛОЧИСЛЕННОЙ АРИФМЕТИКЕ
Большое влияние на точность измерения прецизионных датчиков давления оказывают внешние факторы, а также гистерезис и нелинейность градуировочной характеристики (ГХ) датчика. Компенсацию влияния этих факторов на погрешность измерений в интеллектуальных датчиках давления обеспечивает использование пространственной мультисегментной модели аппроксимации ГХ с нелинейными базовыми пространственными элементами [1, 2].
Вычисления выполняются в микроконтроллере цифровой части датчика по специальному микропроцессорному алгоритму с использованием ограниченной разрядной сетки и целочисленной арифметики. Эти ограничения при неверно по-
