Адаптивная система нейро-нечеткой логики для системы управления мобильным роботом тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Хан Мьо Хтун
- Специальность ВАК РФ00.00.00
- Количество страниц 124
Оглавление диссертации кандидат наук Хан Мьо Хтун
Введение
1. Глава 1. Анализ эффективности робототехники в современном мире
1.1. Типы роботов
1.1.1. Промышленные роботы
1.1.2. Человекоподобные роботы
1.1.3. Роботизированное оружие
1.1.4. Автономные мобильные роботы
1.2. Применение робототехники
1.2.1. Роботы безопасности
1.2.2. Медицинские роботы
1.2.3. Исследование космического пространства
1.2.4. Подводные исследования
1.2.5. Армейские роботы
1.2.6. Развлекательные роботы
1.2.7. Сельское хозяйство
Выводы по первой главе:
Глава 2. Разработка математической модели системы автоматического управления ДПТ на базе АСНЛ
2.1. Математическая модель двигателя постоянного тока
2.2. Метод управления ДПТ на основе АСНЛ контроллера
2.3. Структура контроллера АСНЛ с определенными параметрами
2.4. Набор данных для обучения контроллера АСНЛ
Выводы по главе
Глава 3. Разработка математической модели мобильного робота на базе АСНЛ
3.1. Математическая модель мобильного робота
3.1.1. Расчёт расстояния и угла между роботом и целью
3.1.2. Структура модели ориентации МР с тремя датчиками
3.1.3. Расчёт параметров траектории и кривизны МР
3.2. Метод управления МР на основе АСНЛ контроллера
3.3. Структура контроллера АСНЛ с определенными параметрами
3.4. Набор данных для обучения контроллера АСНЛ
Выводы по главе
Глава.4. Разработка системы управления МР с использованием обработки изображений
4.1. Обнаружение и отслеживание объектов с помощью обработки изображений
4.1.1. Удаление шума
4.2.2. Сегментация изображений
4.2.3. Извлечение признаков
4.2.4. Отслеживание и обнаружение
4.3. Способ управления движением МР вычислением угловой скорости правого и левого колеса
4.3. Метод обнаружения границ объектов на основе АСНЛ
Выводы по главе
Глава 5. Разработка схемы системы управления ДПТ, планирования траектории и отслеживания и обнаружения объектов МР
5.1. Схема системы управления ДПТ и с использованием контроллера АСНЛ
5.1.1. Сравнение времени нарастания, регулирования и перерегулирования между разработанным контроллером и существующими контроллерами
5.2. Схема системы управления МР для алгоритма обхода препятствий с использованием контроллера АСНЛ
5.2.1. Сравнение длины траектории и плавности между разработанным контроллером и другим контроллером
5.3. Схема системы отслеживания и обнаружения объектов МР с использованием обработки изображений на базе АСНЛ
5.2.1. Результаты метода обнаружения границ объектов в реальном времени данных с использованием обработки изображений на базе АСНЛ
5.2.1. Результаты отслеживания и обнаружения объектов МР
5.4. Реализация контроллера АСНЛ для двигателя постоянного тока на плате Arduino Due АСНЛ
5.4.1. Схема управления двигателем постоянного тока на Arduino Due
5.4.2. Результаты практической реализации разработанной АСНЛ на платформе Arduino
Выводы по главе
Заключение
Список Литературы
Приложение 1(Программа реализации реализация контроллера ДПТ разработанной АСНЛ на доступной системе, основанной на платформе Arduino.)
Приложение 2 (Акт внедрения результатов работы)
Рекомендованный список диссертаций по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Адаптивное управление транспортно-манипуляционным роботом при наличии параметрической неопределенности2023 год, кандидат наук Алхаддад Мухаммад
Бортовая информационно-измерительная и управляющая система беспилотного автомобиля для циклических тестовых заездов2014 год, кандидат наук Нгуен Туан Нгок
Управление движением группы роботов на основе визуальной информации от сопровождающего дрона2020 год, кандидат наук Хо Цзяньвень
Управление движением группы мобильных роботов в строю типа "конвой"2018 год, кандидат наук Чжу Хуа
Метод, алгоритм и устройство дефаззификации для системы управления ориентацией мобильного робота2018 год, кандидат наук Кулабухов, Сергей Алексеевич
Введение диссертации (часть автореферата) на тему «Адаптивная система нейро-нечеткой логики для системы управления мобильным роботом»
Введение
Актуальность темы исследования. Текущими областями применения методов адаптивной системы нейро-нечеткой логики (АСНЛ) являются распознавание образов, обработка изображений, робототехника и системы управления, призванные улучшать качество и эффективность управляющих систем в промышленных и роботизированных манипуляторах. Разработка контроллеров двигателя постоянного тока (ДПТ) для двигательных приводов представляет собой актуальную задачу, направленную на оптимизацию алгоритмов управления и сокращение времени нарастания, перерегулирования и времени регулирования в сравнении с другими контроллерами.
В робототехнике автономный мобильный робот (МР) определяется как интеллектуальное транспортное средство, способное обходить препятствия и перемещаться к заданной точке по неопределенному заранее маршруту. МР оснащены датчиками или камерой для обнаружения препятствий. Предложены принципы создания интеллектуального контроллера на базе АСНЛ для МР, обеспечивающего достижение цели по неопределенному заранее маршруту с минимизацией времени достижения цели, длины траектории и параметров кривизны.
Процесс отслеживания и обнаружения объектов МР включает определение положения объекта в каждый момент времени и мониторинг изменений его положения на основе последовательности изображений. Эта техника применяется для обеспечения безопасности, наблюдения и других аналитических целей. Эффективное выполнение задачи отслеживания и обнаружения требует алгоритма, учитывающего различные реальные факторы, включая помехи от фона, блики и изменения ракурса. Один из подходов включает применение комплекса методов компьютерного зрения, таких как фильтрация, сегментация и классификация, что позволяет мобильному роботу достигать высокой эффективности в задачах отслеживания и обнаружения объектов.
Актуальность диссертационной работы заключается в снижении операционных издержек и повышении эффективности систем управления ДПТ, МР и отслеживанием и обнаружением объектов МР в промышленных и роботизированных манипуляторах.
Цель диссертационной работы заключается в повышении эффективности системы управления двигателями постоянного тока мобильных роботов (планирование траектории мобильного робота для алгоритма обхода препятствий, отслеживание и обнаружение объектов мобильным роботом) за счёт исследования и разработки контроллеров на базе адаптивной системы нейро-нечеткой логики (АСНЛ).
Для достижения поставленной цели в работе сформулированы и решены следующие основные задачи:
1. анализ и исследование методов повышения эффективности автоматических систем управления при использовании нейро-нечеткого управления.
2. разработка метода управления двигателями постоянного тока на основе АСНЛ контроллера с определенными параметрами.
3. разработка схемы системы управления мобильным роботом для (планирования траектории) алгоритма обхода препятствий с использованием контроллера АСНЛ.
4. разработка схемы системы отслеживания и обнаружения объектов мобильным роботом с использованием обработки изображений на базе АСНЛ.
5. практическая реализация контроллера ДПТ разработанной АСНЛ на доступной системе, основанной на платформе АМшпо.
Методы исследования: при решении поставленных задач были использованы методы теории автоматического управления на базе интеллектуальных систем, методы математического моделирования и
математической статистики с использованием средств программирования МЛТЬЛБ.
Научная новизна проведённого исследования состоит в следуюшем:
1. предложен метод управления двигателями на основе адаптивной системы нейро-нечеткой логики (АСНЛ) контроллера с определенными параметрами, который уменьшает время нарастания (Ш), перерегулирование (а) и время регулирования ^р) выхода на заданный режим по сравнению с контроллером с нечеткой логикой (НЛ) и (пропорционально-интегрально-дифференциальным (ПИД).
2. предложена схема системы управления мобильным роботом для алгоритма обхода препятствий с использованием контроллера АСНЛ, которая снижает длину траектории (ДТ), время движения к цели (ВДЦ)параметр кривизны (ПК) по сравнению с контроллером с НЛ.
3. предложена схема системы отслеживания и обнаружения объектов мобильным роботом с использованием обработки изображений на базе АСНЛ, которая обеспечивает роботу способность выполнять задачи по поиску и достижению целей на основе визуального восприятия цвета.
Практическая и теоретическая значимость работы:
• Математические модели систем управления ДПТ, планированием траектории колесного робота, отслеживанием и обнаружением объектов МР;
• Структурные и функциональные схемы управления ДПТ и МР с использованием АСНЛ.
• Структурные и функциональные схемы управления отслеживания и обнаружения объектов МР с использованием обработки изображений.
Достоверность полученных результатов опирается на корректное использование общепринятых математических методов, подтверждается совпадением результатов имитационного моделирования и результатами
успешных проверок и испытаний экспериментов.
7
Внедрение результатов: основные результаты диссертационной работы используются в учебном процессе «Института МПСУ» Национального исследовательского университета "МИЭТ" в лекционных и практических занятиях по дисциплине: «Микропроцессорные устройства систем управления», в лабораторных работах для студентов и в лекционном курсе. Основные положения, выносимые на защиту:
• Разработанный метод управления двигателями на основе адаптивной системы нейро-нечеткой логики (АСНЛ) контроллера с определенными параметрами, обеспечивающий повышение эффективности по сравнению с известными регуляторами уменьшение времени нарастания, перерегулирования и времени регулирования выхода на заданный режим до 0.08 сек, 0.2% и 0.09 сек.
• Разработанная схема системы управления мобильным роботом для алгоритма обхода препятствий с использованием АСНЛ, которая позволила уменьшать длину траектории (ДТ) (на 7,4%, 7,1% и 6,9%), параметр кривизны (ПК) (15,2%, 16,1% и 16,6%) и время движения к цели (ВДЦ) (на 9,6%, 8,1% и 9,0%) по сравнению с НЛ котроллером.
• Разработанная система отслеживания и обнаружения объектов мобильным роботом с использованием обработки изображений на базе АСНЛ, обеспечивающая мобильному роботу способность выполнять задачи по поиску и достижении целей на основе визуального восприятия цвета.
• Реализация разработанной адаптивной системы нейро-нечеткой логики на доступной системе управления ДПТ, основанной на платформе Агёшпо.
Апробация работы: результаты работы были представлены и обсуждались на следующих научных конференциях.
1. 11-ая Всероссийская научно-практическая конференция «Актуальные проблемы информатизации в науке и образовании - 2018».
2. Международная научно-практическая конференция «Актуальные проблемы информатизации в цифровой экономике и научных исследованиях - 2019, 2021 и 2022».
3. 26, 27, 28, 29 и 30 всероссийская межвузовская научно-техническая конференция студентов и аспирантов "Микроэлектроника и информатика - 2019, 2020, 2021, 2022, 2023".
4. 2020 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus) 27-30 Jan. 2020.
5. 2021 IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus) 26-29 Jan. 2021.
Публикации по работе. По материалам диссертации опубликовано 15 тезисов докладов, 6 работ проиндексированы в Scopus и 5 в журналах, входящих в перечень ВАК.
Структура и объем работы. Диссертационная работа состоит из введения, 5 глав, заключения, списка литературы из 72 наименования, 2 приложений использования результатов диссертационной работы. Работа содержит 124 страниц, включая 52 рисунка и 14 таблиц.
1. Глава 1. Анализ эффективности робототехники в современном
мире
Робототехника является передовой областью науки и техники, которая занимается созданием и использованием сложных, автоматизированных систем, называемых роботами. Робототехника включает в себя множество дисциплин, включая электронику, машиностроение, информатику и другие. Роботы используются во многих отраслях, таких как производство, строительство, здравоохранение и т. Д [1]. Роботы имеют множество приложений и могут выполнять задачи, которые часто повторяются и не могут быть легко выполнены людьми, например, исследование космоса или преодоление опасной среды. Роботы также могут быть использованы в производственных процессах в опасных условиях, чтобы заменить людей и повысить безопасность. За последние десятилетия значительный прогресс был достигнут в области робототехники. Роботы стали более эффективными и могут быть применены во многих областях. Ранее робототехника имитировала поведение человека и выполняла задачи таким же образом. Сегодня доступна более широкая сфера применения роботов и развивается новые подходы к конструированию и управлению ими. Робототехника также является важным учебным пособием в области STEM (Science, Technology, Engineering, Mathematics - наука, технология, инженерия и математика) [2]. Обучение робототехнике помогает учащимся развивать навыки программирования, электроники, создания и управления автоматизированными системами.
В прошлом роботы использовались в основном для развлечения, но
постепенно новые технологии привели к тому, что роботы стали важной частью
нашей жизни. Сегодняшние роботы не только обеспечивают безопасные
условия для труда, но и меняют структуру общества. Введение передовой
робототехники в вооружённых силах значительно изменило ландшафт
национальных оборон в разных странах и освоения космоса. Кроме того,
10
роботы нашли широкое применение в промышленности, потому что они никогда не устают и могут выполнять гораздо больше работы, чем люди. Роботы особенно удобны в работе в опасных условиях, например, при работе с токсичными веществами или в горнодобывающей промышленности. Использование роботов позволяет избежать многих несчастных случаев и сэкономить время и деньги. Роботы широко используются в производстве, сборке, упаковке и упаковке, транспорте, исследовании Земли и космоса, хирургии. [3] Они также могут помогать в спасательных работах и работать на поле боя. Большую роль играют роботы в вооружении, лабораторных исследованиях, безопасности и массовом производстве потребительских и промышленных товаров [4]. Роботы - не менее важная часть нашей жизни, они используются в повседневной работе и для выполнения задач, которые слишком опасны, грязны или скучны для людей. Роботы могут работать 24 часа в сутки, 7 дней в неделю, и могут работать со многими людьми в одиночку за очень короткое время. Их использование существенно снижает количество несчастных случаев на производстве и повышает эффективность производства. Роботы играют огромную роль в повседневной жизни людей и находят применение в самых разных областях, начиная от производства и заканчивая лабораторными исследованиями и выполнением опасных задач.
Сегодня фермеры во всем мире используют робототехнические технологии в своей работе, как для очистки и уборки полей, так и для сбора урожая, что позволяет повысить скорость и эффективность производства. Например, автономные тракторы могут быть запрограммированы для выполнения определенных задач, таких как удобрение или полив, что сокращает количество времени и трудозатрат, потребных для выполнения этих операций вручную. Робототехника также нашла широкое применение в индустрии утилизации отходов. Роботы используются для сортировки и очистки различных видов отходов и устранения их, что позволяет сократить
количество отходов, их воздействие на окружающую среду и затраты на утилизацию. В медицинской отрасли робототехника также играет важную роль. С развитием технологий в области вспомогательной хирургической робототехники, многие сложные операции стали более точными и безопасными для пациентов. Широкое применение роботов в медицинской отрасли помогает снизить риски и улучшить качество лечения.
Дальнейшее развитие робототехники связано с созданием полностью автономных роботов, которые могут самостоятельно выполнять сложные задачи без участия человека. Это может привести к появлению полностью автономных такси, роботизированных экзоскелетов в промышленности и здравоохранении, а также к использованию автономных роботов в полиции и вооружённых силах.
1.1. Типы роботов
Типы роботов классифицируются на основе среды, в которой они работают и их возможностей. Существует два основных типа роботов: стационарные и мобильные. Стационарные роботы используются в промышленности и выполняют непрерывные задачи, например, покраска и пайка деталей автомобилей [5]. Они фиксируются на устойчивой части и зависят от своих внутренних состояний для выполнения задач. Мобильные роботы перемещаются в средах с меньшим контролем, например, важных критических операциях, где присутствуют непостоянные препятствия, такие как люди или животные. Они могут быть разных типов, включая пылесосы и беспилотные автомобили. В наши дни с улучшением датчиков и взаимодействием человека и робота роботы также используются в средах с меньшим контролем, таких как очень важные критические операции [6]. Эти роботы не нуждаются в точном управлении. Они беспилотные и самостоятельно выбирают траекторию движения. Мобильные роботы требуют разных конструкций для выполнения задач в разных средах, например,
наземных, воздушных или водных. Классификация мобильных роботов дальше разделяется на подклассы, включая роботов с ногами и роботов на колёсах/гусеницах [7]. Классификация роботов на стационарные и мобильные является принципиальным различием и важным для определения конструкции и возможностей робота.
Существует несколько типов роботов, которые классифицируются на основе среды, в которой они работают, и задач, которые они выполняют. Один из типов — это воздушные роботы, которые могут быть воздушными шарами, беспилотными крыльевыми дронами или вертолётами. Беспилотные крыльевые дроны могут быть подразделены на большой класс стационарных (неподвижных) крыльев, таких как самолёты (а также мобильных крыльев (вентилятор), включая вертолёты [8-9]. Такие роботы обычно используются в военных операциях и для патрулирования границы. Другой тип роботов -промышленные роботы, которые работают в заводских производственных условиях и используются для выполнения определённых задач, таких как сварка, рубка деталей или сбор и упаковка товаров. Они фиксируются на устойчивой основе и имеют высокую степень автоматизации [10-11]. Также существуют сервисные роботы, которые помогают людям в выполнении их задач. Они включают в себя беспилотные автомобили, очистители от вакцин, дроны разведчики и т.д. Конструкция и возможности сервисных роботов различаются в зависимости от их целей и сред, в которых они работают.
В области медицины роботы используются для операций и терапии, обучения и реабилитации [12]. Их характеризует высокое качество датчиков и возможность эффективного взаимодействия с пользователем. Классификация роботов по типам и применению имеет большое значение при проектировании и использовании роботов в различных сферах деятельности, таких как промышленность, здравоохранение, оборона и т.д.
1.1.1. Промышленные роботы
Это первые роботы, созданные специально для людей и заменившие людей там, где требуется непрерывная повторяющаяся работа. Эти роботы способны работать в окружениях, оптимизированных для работы роботов и находящихся рядом с объектами, на которых должна быть выполнена работа. Несмотря на то, что эти роботы могут быть названы автоматами, они все же являются роботами, поскольку в их конструкции присутствуют датчики [1314]. Однако, их конструкция значительно проще, чем у мобильных роботов, и они способны работать только в окружениях, которые запрещены для посещения людьми. В настоящее время, чтобы удовлетворить требования изменчивого рынка, роботы должны быть более гибкими и способными обрабатывать объекты в различных позициях и идентифицировать объекты, которые требуют заполнения в правильном порядке. Данные роботы должны быть способны перевозить товары с одного склада на другой и должны иметь возможность адаптироваться к окружению, в котором они работают.
Другой важной характеристикой роботов является взаимодействие с людьми, что включает требования безопасности, чтобы робот не причинил вреда пользователю. В случаях, когда человек и робот работают вместе над решением задач, результат всегда лучше, поскольку они могут применять свои сильные стороны для выполнения задачи в лучшем виде. Роботы хорошо выполняют непрерывные и вредные задачи, тогда как человек способен выполнять более сложные действия и управляет роботом в выполнении необходимых действий [15]. Благодаря этому взаимодействию ошибки оптимизации могут быть выявлены быстрее, что способствует более точному качеству продукта.
1.1.2. Человекоподобные роботы
Существует несколько видов роботов, которые могут выполнять различные задачи, в зависимости от их механической конструкции и функционального
назначения. Одними из таких роботов являются роботы-гуманоиды, которые имеют комплексную механическую конструкцию для имитации движений ног и рук человека. Они используются для исследования движения и взаимодействия человека с машиной [16]. Благодаря своей структуре и высокой цене, гуманоидные роботы обычно не используются для коммерческих целей. Однако, бытовые роботы-сервисы, такие как роботы для обслуживания и ремонта, а также роботы для оказания помощи пожилым людям, уже применяются на практике. Большинство из них созданы на базе простых колёсных или гусеничных платформ, обеспечивающих эффективное перемещение внутри помещения. Такие роботы недороги в изготовлении и управлении, что делает их более доступными для конечных пользователей.
Роботы-гуманоиды могут вызывать у людей чувства неприязни, связанные с явлением зловещей долины, когда степень сходства между роботом и человеком становится достаточно большой, чтобы вызвать неожиданные и отрицательные эмоции у человека. По этой причине, а также из-за сложности в проектировании, гуманоидные роботы используются реже и только в особых случаях, когда необходимы высокие технологические характеристики и возможности [17-18]. Роботы на колёсах или гусеницах имеют простую конструкцию и легко управляются. Они могут использоваться для перевозки грузов, чистки помещений, мониторинга состояния различных систем и процессов. Благодаря своей простоте и надёжности они могут быть применены в широком спектре промышленности и бытовых условиях, где они могут выполнять задачи, требующие интенсивности и регулярности в выполнении.
1.1.3. Роботизированное оружие
Роботы используются в различных сферах деятельности, и для их эффективной работы требуется наличие привода. Привод — это основной компонент робота, который обеспечивает его движение в соответствии с заданными алгоритмами. В промышленности наиболее распространены роботы
с захватными концевыми эффекторами, которые позволяют роботу воздействовать на окружающую среду. Активаторы являются важным элементом привода робота и осуществляют движение робота и его концевых эффекторов. Примерами активаторов являются двигатели для передвижения роботов, вакуумные насосы для захватывания объектов и механизмы очистки. В образовательных роботах активаторы используются для движения и отображения информации на экране. Концевой привод — это элемент, который связывает активатор с концевым эффектором и обеспечивает их взаимодействие. Он может быть изготовлен из компонентов, которые могут быть куплены отдельно, или из предварительно собранных роботов. Также существуют руки обучающих роботов, которые являются специально разработанными для обучения учащихся. Создание концевых эффекторов может быть сложной задачей, особенно если необходимо захватывать различные объекты. В некоторых случаях они могут быть заменены блоками отображения, такими как светодиоды или дисплеи. В качестве таких элементов концевых эффекторов рассматриваются также двигатели и блоки отображения
[19].
1.1.4. Автономные мобильные роботы
Существует множество мобильных роботов, которые используются для выполнения различных задач. Некоторые из них могут быть управляемы дистанционно, такие как дроны для аэрофотосъёмки или осмотра труб, они полностью зависят от оператора, который контролирует их, Другие роботы категорируются как полуавтономные. Они либо обрабатывают некоторые подзадачи сами по себе, либо используют автопилот, чтобы лететь по траектории, заданной заранее. Эти роботы могут быть использованы, к примеру, для транспортировки материалов. В дополнение к этому, существуют полностью автономные роботы, которые не нуждаются в дополнительной помощи от пользователей, такие как роботы-уборщики бассейнов или
газонокосилки. Они способны принимать решения о выполнении задач и выполнять их без вмешательства пользователя. Они также могут быть использованы в структурированных средах, как склады или поля для прополки, где они должны быть оснащены совершенными камерами или датчиками, чтобы успешно распознавать и удалять сорняки [19].
Для решения различных задач, мобильные роботы разрабатывались таким образом, чтобы они могли работать с пользователем или внутренней средой. Некоторые автономные роботы для длинных узких трубопроводов эффективны, потому что они способны легко проникать глубоко внутрь систем с ограниченным доступом [20].
Интерес к полностью беспилотным автомобилям и другим автономным роботам растёт, однако разработка таких систем является сложной из-за неопределённой и опасной среды, в которой они будут работать, и высоких требований к их производительности и надёжности. В космических исследованиях наиболее часто применяются полуавтономные мобильные роботы, например, марсоход Sojourner и Curiosity. Марсоход Sojourner и Curiosity — это полуавтономные мобильные роботы. Sojourner находился в сети в течение трех месяцев в 1997 году [21]. Curiosity активен с 2012 года, после посадки на Марс [22]. Для улучшения работы таких роботов на данный момент проводятся исследования и разработки по улучшению их датчиков и интеллектуального управления. Более точные датчики позволяют роботам определять сложные условия среды, а более продвинутое интеллектуальное управление предпринимает необходимые шаги для успешного преодоления опасных ситуаций. Другая область работ по улучшению роботов — это их зрение, использующееся на базе дешёвых камер для сбора богатой информации о среде. Улучшение роботов также включает работу с взаимодействием с людьми, с использованием сенсорных и интеллектуальных методов. Кроме того, важен анализ социологических и психологических факторов во
взаимодействии робота с пользователем. К продвижению этой области работы также способствует более глубокое понимание недостатков существующих систем и разработка инновационных решений для улучшения их производительности и надёжности в различных средах и при разных условиях использования.
1.2. Применение робототехники
Роботизированные системы стали неотъемлемой частью промышленных процессов и повседневной жизни человека в современном мире. Роботы в значительной степени упрощают и повышают производительность труда, особенно в производстве продуктов питания, здравоохранении и других отраслях промышленности. Они предоставляют высокую точность выполнения задач, что гарантирует высокое качество производства. Роботы используются в различных отраслях промышленности, таких как производство и сельское хозяйство, где наличие узкоспециализированного оборудования и ручного труда является необходимым условием. Современные роботы оснащены различными датчиками и программным обеспечением, позволяющим им определять окружающую среду и принимать решения на основе полученных результатов, что гарантирует их точность и производительность. В частности, в производственных линиях роботы могут выполнять сложные монтажные или сборочные работы, снижая риски ошибок и увеличивая производительность. Также роботы успешно внедряются в различные отрасли, в которых требуется чувствительность и точность при выполнении задач. В здравоохранении, например, роботы используются для выполнения рутинных процедур, таких как выполнение точных хирургических операций, обработки пробы для диагностики и др. [23]. В сельском хозяйстве, роботы могут управлять условиями окружающей среды, а также принимать решения о выращивании и уходе за растениями, ускоряя процесс производства [24].
Таким образом, наличие роботов в различных отраслях промышленности является ключевым фактором, который позволяет сформировать устойчивый и продуктивный бизнес. Роботы становятся незаменимыми помощниками в выполнении трудоёмких процедур, перенося бремя труда с человека на машину. Вот некоторые из приложений робототехники, которые помогают нам в нашей повседневной жизни.
1.2.1. Роботы безопасности
В настоящее время роботы-охранники являются одним из вариантов обеспечения безопасности в обществе. Чтобы улучшить эффективность роботов, компании активно работают над их связью с консультантами по безопасности людей. Одной из популярных компаний, занимающейся разработкой роботов-охранников, является К^Ызсоре в США [25]. На данный момент компания называет своих роботов автономными, так как они способны сотрудничать с охранниками и получать помощь от консультантов в режиме реального времени.
Похожие диссертационные работы по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Мобильная приборная платформа для системы экологического мониторинга загрязнения токсичными газами атмосферного воздуха2019 год, кандидат наук Поляков Роман Юрьевич
Нейросетевая система планирования траекторий для группы мобильных роботов2020 год, кандидат наук Юдинцев Богдан Сергеевич
Управление мобильной пожарной разведывательной робототехнической системой2013 год, кандидат технических наук Тачков, Александр Анатольевич
Автономный контроль приемников спутниковых навигационных систем для повышения информационной надежности системы управления движением наземного робота2022 год, кандидат наук Чан Ван Туан
Математическое моделирование в проблеме обеспечения точности движения и позиционирования мобильных манипуляционных роботов2005 год, доктор технических наук Лукьянов, Андрей Анатольевич
Список литературы диссертационного исследования кандидат наук Хан Мьо Хтун, 2024 год
Список Литературы
1. J VinayKumar, Study of Engineering and Career: A Career Guidance Hand Book for Engineering Students, Notion Press, 2018, ISBN 1642493074.
2. Nocks, Lisa (2007). The robot: the life story of a technology. Westport, CT: Greenwood Publishing Group.
3. Svoboda, Elizabeth (25 September 2019). "Your robot surgeon will see you now". Nature. 573 (7775): S110-S111.
4. Robotics: About the Exhibition". The Tech Museum of Innovation. Archived from the original on 13 September 2008.
5. https://www.researchgate.net/publication/351225136 Evaluation of Present-Day State of Stationary Industrial Robots with Serial Kinematics Structures.
6. Farah, KAMIL, S. H. Tang, W. Khaksarc, N., Zulkiflia, Ahmad, S.A. Obstacles Avoidance Mobile Robot System in Uncertain and Ever-Changing Surroundings // PJSRR (2016), vol.2, No.3, pp 103-120.
7. https://tams.informatik.unihamburg.de/lehre/2010ss/seminar/ir/PDF/Mobilero botLecture3 Review%20on%20mobile%20robot.pdf.
8. Alena Otto, Niels Agatz, James Campbell, Bruce Golden, ErwinPesch. Optimization approaches for civil applications of unmannedaerial vehicles (UAVs) or aerial drones: A survey // 2018 Wiley Periodicals, Inc, pp 1-48.
9. Gaurav Singhal, Babankumar Bansod, Lini Mathew. Unmanned Aerial Vehicle classification, Applications and challenges: A Review // Preprints (www.preprints.org) 2018.
10. S A. Albu-Schaffer, C. Ott, G. Hirzinger. A unified pas-sivity based control framework for position, torqueand impedance control of flexible joint robots // Int.J. Robot. Res 2007, No.26, pp.23-39.
11. A. Kochan. Robots and operators work hand inhand // Ind. Robot 2006, v.33, No.6, pp.422-424.
12. https://www.researchgate.net/publication/340785764 Introductory Chapter
Medical Robots in Surgery and Rehabilitation.
104
13. The International Federation of Robotics (IFR): World Robotics 2007. Statistics, Market Analysis, Forecasts, Case Studies and Profitability of RobotInvestment (IFR Statistical Department, Frankfurt2007), http://www.ifrstat.org.
14. M.P. Groover. Automation, Production Systems, and Computer-Integrated Manufacturing // 2nd edn. (Prentice Hall, Upper Saddle River 2000.
15. B.S. Dhillon, A.R.M. Fashandi, K.L. Liu. Robot sys-tems reliability and safety: a review // J. Qual.Mainten. Eng 2002. Vol..8, No.3, pp.170-212.
16. Calinon, S. and A. Billard. Active teaching in robot programming by demonstration // Proceeding of the 16th IEEE International Symposium on Robot and Human Interactive Communication 2007, pp: 702-707.
17. Mutlu, B., J. Forlizzi and J. Hodgins. A storytelling robot: Modeling and evaluation of human-like gaze behavior // Proceeding of the 6th IEEE-RAS International Conference on Humanoid Robots 2006, pp.518-523.
18. Fukuda, T., M.J. Jung, M. Nakashima, F. Arai and Y. Hasegawa. Facial expressive robotic head systemfor human-robot communication and its application in home environment // Proc. IEEE 2004, vol.92, no.11, pp.1851-1865.
19. https://link.springer.com/chapter/10.1007/978-3-319-62533-1 1.
20. Dong-Hyuk Lee, Hyungpil Moon and Hyouk Ryeol Choi. Autonomous Navigation of In-pipe Working Robot in Unknown Pipeline Environment // IEEE International Conference on Robotics and Automation (Shanghai International Conference Center) 2011, pp. 1559-1564.
21. https://en.m.wikipedia.org/wiki/Sojourner_(rover).
22. https:// en.wikipedia.org/wiki/Curiosity_(rover).
23. Ahmed □ Ashraf □ Morgan, Jordan □ Abdi, Mohammed □ A. □ Q. □ Syed, Ghita □ El □ Kohen, Phillip □ Barlow, Marcela □ P. □ Vizcaychipi. Robots in□ Healthcare: aD Scoping Review // Current Robotics Reports (2022), vol.3, no.3, pp.271-280.
24. Juan Jesús Roldán, Jaime del Cerro, David Garzón-Ramos, Pablo Garcia-Aunon, Mario Garzón, Jorge de León andAntonio Barrientos. Robots in Agriculture: State of Art and PracticalExperiences // Additional information is available at the end of the chapter (http://dx.doi.org/10.5772/intechopen.69874).
25. https : //en.wikipedia. org/wiki/Kni ghtscope.
26. M. Yang, J. Jung, J. Kim et al. Current and future of spinalrobot surgery // Korean Journal of Spine 2010, vol. 7, no. 2, pp. 61-65.
27. C. Kuo, J. Dai, and P. Dasgupta. Kinematic design consid-erations for minimally invasive surgical robots: an overview // The International Journal of Medical Robotics and ComputerAssisted Surgery 2012, vol. 8, no. 2, pp. 127-145. (https://www.hindawi.com/iournals/ir/2012/401613/).
28. https : //en.wikipedia. org/wiki/Mars rover.
29. https://dzen.ru/a/XUsIN imIwCts2jg.
30. MD. Tanzil Shahria, Kimia Tuz Zaman, Sabrina Rabbi, Mohammad Monirujjaman Khan. Underwater Research and Rescue Robot // IEEE International Conference on Electrical, Computer and Communication Technologies (ICECCT) 2019.
31. https : //archive.armorama.com/review/13647/index.htm.
32. https://www.techeblog.com/dogo-combat-robot-comes-equipped-with-a-glock-9mm-pistol-6-video-cameras-and-frickin-laser-beams.
33. Inneke Mayachita, Rizka Widyarini*, Hadi Rasyid Sono, Adrianto Ravi Ibrahim, Widyawardana Adiprawita. Implementation of Entertaining Robot on ROS Framework // The 4th International Conference on Electrical Engineering and Informatics (ICEEI 2013), no.11, pp. 380-387.
34. https://www.pinterest.com/pin/396598310942044983/.
35. Pramod Kumar Sahoo, Dilip Kumar Kushwaha, NrusinghCharanPradhan, YashMakwana, Mohit Kumar, MahendraJatoliya, MudeArjunNaik, Indra Mani. ROBOTICS APPLICATION IN AGRICULTURE // 55 Annual Convention of
Indian Society of Agricultural Engineers and International Symposium At: Patna India 2022, pp.60-76.
36. Молейкутый Георгий. Управление скоростью отдельно возбужденного двигателя постоянного тока. Американский журнал прикладных наук 5 (3): 227233. 2008; 5 (3): 227-233.
37. Jyh-Shing Roger Jang. ANFIS: Adap tive-Ne twork-Based Fuzzy Inference System // IEEE TRANSACTIONS ON SYSTEMS, MAN, AND CYBERNETICS 1993, vol. 23, no. 3, pp.665-685.
38. Юсиф Аль Мешхедани. Гибридный контроллер ANFIS для 6-DOF манипулятора с SD-моделью. Международный журнал компьютеров и технологий. 2013; 4 (2): 631-638.
39. Baghli Fatima Zahra, Yassine Lakhal, Larbi El Bakkali. Design and Simulation of Adaptive Neuro Fuzzy Inference System (DFIS) Controller for a RobotManipulatorD// Second World Conference on Complex Systems (WCCS) 2014.
40. Usoro Н, Itaketo U.T., Umoren M.A. Управление двигателем постоянного тока с использованием алгоритма нечеткой логики // Нигерийский технологический журнал. 2017; 36 (2): 594-602.
41. Джайн М., Сингх М., Чандра А., Уильямсон С.С. Управление без датчика синхронного двигателя с постоянными магнитами с использованием MRAS на основе ANFIS. Международная конференция электрических машин и приводов (IEMDC). 2011; pp.599-606.
42. Yaguo. Ле, Амира Й., Хайкал, Файз Ф. Арид. Диагностика неисправностей вращающихся механизмов на основе нескольких комбинаций ANFIS с GA. Механические системы и обработка сигналов. 2007; pp.2280-2294.
43. Басма А. Омар, Чжэнцзя. Он, яньян. Цзы, Цяо. Ху. Адаптивный нейро -нечеткий регулятор скорости для отдельно возбужденного двигателя постоянного тока. // Международный журнал компьютерных приложений. 2012; vol.9, no.9, pp. 29-37.
44. Mohamed Laid Hadjili, Kamel Kara. Modelling and control using Takagi-Sugeno fuzzy models // Electronics, Communications and Photonics Conference (SIECPC), 2011 Saudi International, pp.
45. Pushpak Jagtap. Neuro-Fuzzy Systems for Modelling and Control Applications // Thesis for: Master of TechnologyAdvisor: G. N. Pillai (2014).
46. К. П. Моханти и Р. П. Даял. Навигация автономного мобильного робота с использованием адаптивной сетевой системы нечеткого вывода. Журнал механических наук и технологий. 2014; vol.28, no. 7; pp. 2861-2862.
47. Ким Ч.Д., Чва Д. Метод обхода препятствий для мобильных колесных роботов с использованием нечеткой нейронной сети с интервалом типа 2. IEEE Trans Fuzzy Syst. 2015; vol.23, no. 3, pp. 677-687.
48. Алгабри этал. (2015) предложили сравнительное исследование алгоритмов искусственного интеллекта, таких как нечеткая логика, нечеткая логика оптимизации роя частиц (PSO) и нейрофаззи для навигации мобильного робота.
49. Панати Суббаш, Кил. То Чонг. Адаптивный сетевой навигационный контроллер на основе системы нечеткого вывода для мобильного робота. Subbash и Chong / Front Inform Technol Electron Eng 2019; vol.20, no.2, pp.141151.
50. Чинг Вонг, Ши Ан Ли, Чи. Тай Чен, Хой И Ван. Нечеткий контроллер, разработанный GA для двухколесных мобильных роботов. Международный журнал нечетких систем. 2007; vol.9, no.1, pp.22-30.
51. Guo Y, Qu ZH, Wang J. Новый планировщик движения, основанный на характеристиках, для неголономных мобильных роботов. Proc 3rd Представление Metrics для семинара по интеллектуальным системам. 2003; pp.1-8.
52. Джайн М., Сингх М., Чандра А., Уильямсон С. С. Управление без датчика синхронного двигателя с постоянными магнитами с использованием MRAS на
основе ANF IS. Международная конференция электрических машин и приводов (IEMDC). 2011; pp.599-606.
53. Свапнил Р. Савалахе и Шилпа П. Меткар. Моделирование сцены фонового трафика переднего плана для обнаружения движения объекта. Ежегодная конференция IEEE в Индии. 2014; pp.1-6.
54. Чжэ Чена, Жуйли Ван b, c, Чжэнь Чжанга, Хуйбинь Ванга, Личжун Сюй. Взаимодействие фона и переднего плана для обнаружения движущихся объектов в динамических сценах. Информационные науки. 2019; pp.483:65-81.
55. Мохаммад Махди Дехшиби, Амир Вафанежад и Джамшид Шанбехзаде. Отслеживание объектов на основе ядра с использованием фильтра частиц с добавочным сходством Бхаттачарьи. 13-я Международная конференция по гибридным интеллектуальным системам (HIS). 2013; pp.50-54.
56. Лю, Дж., Чжун, X. Метод отслеживания объектов, основанный на алгоритме среднего сдвига с функциями цветового пространства и текстуры HSV. 2019; vol.22, no.3, pp.6079-6090.
57. С. И. Патель и Р. Патель. Обнаружение движущихся объектов на основе модели гауссовой смеси из видеопоследовательности. Международная конференция и семинар по новым тенденциям в технологиях. 2011 г.; pp.698702.
58. Хирен Мевада, Джавад Ф. Аль-Асад, Амит Патель, Джитендра Чаудхари, Кейур Махант и Алпеш Вала. Быстрый активный контур на основе области для отслеживания нежестких объектов и восстановления их формы. Компьютер PeerJ. 2021; vol.7, no.2, pp.1-19.
59. Ал. Bovik, Основное руководство по обработке видео. АП, 2009.
60. Юлиан Чжу, Ченг Хуан. Улучшенный алгоритм медианной фильтрации для уменьшения шума изображения // Международная конференция по твердотельным устройствам и материаловедению. 2012 г.; 25: 609-616.
61. А. М. Хусейн, Кальвин, Дэвид Халим, Рэймонд Лео, Уильям. Приложение для обнаружения движения с методом разности кадров на камере наблюдения // Журнал физики: серия конференций. 2019; 1230(1): 1-10.
62. А. М. Хусейн, Кальвин, Дэвид Халим, Рэймонд Лео, Уильям. Приложение для обнаружения движения с методом разности кадров на камере наблюдения // Журнал физики: серия конференций. 2019; 1230(1): 1-10.
63. Л. Котешвара Рао1, К. Шиванаги Редди2 и К. Прадип ВинайкЗ. РЕАЛИЗАЦИЯ СЛЕЖЕНИЯ ЗА ОБЪЕКТАМИ И ОПРЕДЕЛЕНИЯ СКОРОСТИ // Международный журнал информационных технологий и управления знаниями. 2010 г.; vol.5, no.1, pp.89-96.
64. Yuan and X. Xu, "Adaptive Image Edge Detection Algorithm Based on Canny Operator // 2015 4th International Conference on Advanced Information Technology and Sensor Application (AITS), Harbin, 2015, pp. 28-31.
65. Anchal Kalra, Roshan Lal Chhokar. A Hybrid Approach using Sobel and Canny operator for Digital Image Edge Detection // International Conference on Micro-Electronics and Telecommunication Engineering 2016; pp.305- 310.
66. Yasser Ali Almatheel, Ahmed Abdelrahman. Speed Control of DC Motor Using Fuzzy Logic Controller // International Conference on Communication, Control, Computing and Electronics Engineering (ICCCCEE). 2017; pp.1-7.
67. N. L. Ismail, K. A. Zakaria, N. S. Moh Nazar, M. Syaripuddin, A. S. N. Mokhtar и S. Thanakodi. Srinivasa Kishore Babub // DC Motor Speed Control using Fuzzy Logic Controller. AIP Conference Proceedings. 2018; no.1, pp. 1-6.
68. Han Myo Htun, Alexey L. Pereverzev, Aung Myo San , Khant Win. Autonomous Mobile Robot Motion Control in Undefined Route // IEEE Conference of Russian Young Researchers in Electrical and Electronic Engineering (EIConRus). 2020; pp.2360-2364.
69. Han Myo Htun, Alexey N. Yakunin. Development and comparison of controllers based on ANFIS for speed control of a DC motor. International Journal of Computers & Technology 2020; vol.8, no.1, pp 2365-2369.
70. https: //docs.arduino .cc/hardware/due.
71. https://projectguide.medium.com/interface-l298n-motor-driver-module-with-arduino-uno-db9b4a2255c2
72. https://www.epitran.it/ebayDrive/datasheet/LM393-speed-measuring.pdf.
Приложение 1(Программа реализации реализация контроллера ДПТ разработанной АСНЛ на доступной системе, основанной на
платформе Arduino.)
#include "arduinowithmotor.h"
#include "arduinowithmotor_private.h" #include "arduinowithmotor_dt.h" B_arduinowithmotor_T arduinowithmotor_B; DW_arduinowithmotor_T arduinowithmotor_DW; RT_MODEL_arduinowithmotor_T arduinowithmotor_M_;
RT_MODEL_arduinowithmotor_T *const arduinowithmotor_M = &arduinowithmotor_M_;
static real_T arduinowithmotor_trimf(real_T x, const real_T params[3]);
static void matlabCodegenHandle_matlabCod_n(codertarget_arduinobase_block_T *obj);
static void arduinowithm_SystemCore_release(const
codertarget_arduinobase_int_n_T *obj);
static void arduinowithmo_SystemCore_delete(const
codertarget_arduinobase_int_n_T *obj);
static void matlabCodegenHandle_matlabCodeg(codertarget_arduinobase_int_n_T *obj);
static codertarget_arduinobase_int_n_T * arduino_PWMOutput_arduino_PWMOu (codertarget_arduinobase_int_n_T *obj);
static real_T arduinowithmotor_trimf(real_T x, const real_T params[3]) {real_T y; y = 0.0;
if ((params[0] != params[1]) && (params[0] < x) && (x < params[1])) { y = 1.0 / (params[1] - params[0]) * (x - params[0]); } if ((params[1] != params[2]) && (params[1] < x) && (x < params[2])) { y = 1.0 / (params[2] - params[1]) * (params[2] - x); } if (x == params[1]) {y = 1.0;} return y;}
static void matlabCodegenHandle_matlabCod_n(codertarget_arduinobase_block_T *obj)
{if (!obj->matlabCodegenIsDeleted) {
obj->matlabCodegenIsDeleted = true; }} static void arduinowithm_SystemCore_release(const codertarget_arduinobase_int_n_T *obj) {if ((obj->isInitialized == 1L) && obj->isSetupComplete) {
MW_PWM_SetDutyCycle(obj ->MW_PWM_HANDLE, 0);} } static void arduinowithmo_SystemCore_delete(const codertarget_arduinobase_int_n_T *obj) { arduinowithm_SystemCore_release(obj);}
static void matlabCodegenHandle_matlabCodeg(codertarget_arduinobase_int_n_T *obj)
{ if (!obj->matlabCodegenIsDeleted) {
obj->matlabCodegenIsDeleted = true; arduinowithmo_SystemCore_delete(obj);}} static codertarget_arduinobase_int_n_T * arduino_PWMOutput_arduino_PWMOu (codertarget_arduinobase_int_n_T *obj){ codertarget_arduinobase_int_n_T *b_obj; obj->isInitialized = 0L; b_obj = obj;
obj->Hw.AvailablePwmPinNames.f1 = '2'; obj->Hw.AvailablePwmPinNames.f2 = '3'; obj->Hw.AvailablePwmPinNames.f12[0] = '1'; obj->Hw.AvailablePwmPinNames.f12[1] = '3'; obj->matlabCodegenIsDeleted = false;return b_obj;} void arduinowithmotor_step(void){ {real_T *lastU; int16_T ruleID;
static const int8_T b[18] = { 1, 1, 1, 2, 2, 2, 3, 3, 3, 1, 3, 2, 1, 2, 3, 1, 2, 3 };
static const real_T d[3] = { -1000.0, -0.5, 0.0 };
static const int8_T b_0[9] = { 1, 2, 1, 1, 2, 3, 2, 3, 3 };
real_T rtb_Add1; real_T tmp[3];
real_T rtb_TmpSignalConversionAtSFun_0;
real_T rtb_TmpSignalConversionAtSFun_1;
if (arduinowithmotor_DW.obj_m.SampleTime != arduinowithmotor_P.DigitalInput_SampleTime) { arduinowithmotor_DW.obj_m.SampleTime = arduinowithmotor_P.DigitalInput_SampleTime;} arduinowithmotor_B.DigitalInput = readDigitalPin(2);
arduinowithmotor_B.Add = (int8_T)(((int 16_T)arduinowithmotor_B.DigitalInput
>
(int16_T)arduinowithmotor_DW.DelayInput1_DSTATE) +
arduinowithmotor_DW.Delay_DSTATE);
arduinowithmotor_B.Divide4 = (real_T)(int8_T)(arduinowithmotor_B.Add -
arduinowithmotor_DW.Delay1_DSTATE[0]) (arduinowithmotor_P.Constant_Value
arduinowithmotor_B.Sum1 = arduinowithmotor_P._Value -
arduinowithmotor_B.Divide4 ;
rtb_Add1 = arduinowithmotor_M->Timing.t[0];
if ((arduinowithmotor_DW.TimeStampA >= rtb_Add1) &&
(arduinowithmotor_DW.TimeStampB >= rtb_Add1)) {
rtb_Add1 = 0.0;} else {
rtb_TmpSignalConversionAtSFun_1 = arduinowithmotor_DW.TimeStampA; lastU = &arduinowithmotor_DW.LastUAtTimeA;
if(arduinowithmotor_DW.TimeStampA< arduinowithmotor_DW.TimeStampB) {if (arduinowithmotor_DW.TimeStampB < rtb_Add1) {
rtb_TmpSignalConversionAtSFun_1 = arduinowithmotor_DW.TimeStampB;
lastU = &arduinowithmotor_DW.LastUAtTimeB; }} else {
if (arduinowithmotor_DW.TimeStampA >= rtb_Add1) {
rtb_TmpSignalConversionAtSFun_1 = arduinowithmotor_DW.TimeStampB;
lastU = &arduinowithmotor_DW.LastUAtTimeB; }}
rtb_Add1 = (arduinowithmotor_B.Sum1 - *lastU) / (rtb_Add1 -
rtb_TmpSignalConversionAtSFun_1 );}
rtb_TmpSignalConversionAtSFun_1 = arduinowithmotor_P.Gain_Gain *
arduinowithmotor_B.Sum1 ;
rtb_TmpSignalConversionAtSFun_0 = arduinowithmotor_P.Gain2_Gain * rtb_Add1;
rtb_Add1 = 0.0;
arduinowithmotor_B.inputMFCache[0] = arduinowithmotor_trimf
(rtb_TmpSignalConversionAtSFun_1, d); tmp[0] = -0.5; tmp[1] = 0.0; tmp[2] = 0.5; arduinowithmotor_B.inputMFCache[1] = arduinowithmotor_trimf
(rtb_TmpSignalConversionAtSFun_1, tmp); arduinowithmotor_B.inputMFCache[2] = arduinowithmotor_trimf (rtb_TmpSignalConversionAtSFun_1, c);
arduinowithmotor_B.inputMFCache[3] = arduinowithmotor_trimf (rtb_TmpSignalConversionAtSFun_0, d); tmp[0] = -0.5; tmp[1] = 0.0; tmp[2] = 0.5;
arduinowithmotor_B.inputMFCache[4] = arduinowithmotor_trimf
(rtb_TmpSignalConversionAtSFun_0, tmp);
arduinowithmotor_B.inputMFCache[5] = arduinowithmotor_trimf
(rtb_TmpSignalConversionAtSFun_0, c);
rtb_TmpSignalConversionAtSFun_1 = 0.0;
arduinowithmotor_B.outputMFCache[0] = -1.0;
arduinowithmotor_B.outputMFCache[8] = 0.999999759315506;
for (ruleID = 0; ruleID < 9; ruleID++) {
rtb_TmpSignalConversionAtSFun_0 arduinowithmotor_B.inputMFCache[b[ruleID + 9] + 2]
rtb_TmpSignalConversionAtSFun_0;}
if (rtb_Add1 == 0.0) {rtb_Add1 = 0.0;} else {
rtb_Add1 = 1.0 / rtb_Add1 * rtb_TmpSignalConversionAtSFun_1; }
rtb_Add1 = (arduinowithmotor_P.Constant7_Value -
arduinowithmotor_P.Constant6_Value) * rtb_Add1 +
arduinowithmotor_P.Constant6_Value;
if (rtb_Add1 > arduinowithmotor_P. Saturation_UpperSat) {
rtb_Add1 = arduinowithmotor_P. Saturation_UpperSat; } else {
if (rtb_Add1 < arduinowithmotor_P. Saturation_LowerSat) { rtb_Add1 = arduinowithmotor_P. Saturation_LowerSat;} } if (!(rtb_Add1 < 255.0)) { rtb_Add1 = 255.0;} if (!(rtb_Add1 > 0.0)) {rtb_Add1 = 0.0; }
MW_PWM_SetDutyCycle (arduinowithmotor_DW.obj.MW_PWM_HANDLE, rtb_Add1); }{ int_T idxDelay; real_T *lastU;
arduinowithmotor_DW. DelayInput1_DSTATE = arduinowithmotor_B. DigitalInput;
arduinowithmotor_DW. Delay_DSTATE = arduinowithmotor_B. Add;
for (idxDelay = 0; idxDelay < 99; idxDelay++) {
arduinowithmotor_DW. Delay1_DSTATE [idxDelay] =
arduinowithmotor_DW. Delay1_DSTATE [idxDelay + 1]; }
arduinowithmotor_DW. Delay1_DSTATE [99] = arduinowithmotor_B.Add;
if (arduinowithmotor_DW. TimeStampA == (rtInf)) {
arduinowithmotor_DW. TimeStampA = arduinowithmotor_M->Timing.t[0];
lastU = &arduinowithmotor_DW. LastUAtTimeA; }
else if (arduinowithmotor_DW. TimeStampB == (rtInf)) {
arduinowithmotor_DW. TimeStampB = arduinowithmotor_M->Timing.t[0];
lastU = &arduinowithmotor_DW. LastUAtTimeB;} else if (arduinowithmotor_DW. TimeStampA < arduinowithmotor_DW. TimeStampB)
{arduinowithmotor_DW. TimeStampA = arduinowithmotor_M->Timing.t[0];
lastU = &arduinowithmotor_DW. LastUAtTimeA;} else { arduinowithmotor_DW. TimeStampB = arduinowithmotor_M->Timing.t[0]; lastU = &arduinowithmotor_DW. LastUAtTimeB;} *lastU = arduinowithmotor_B. Sum1;} rtExtModeUploadCheckTrigger (2);
{rtExtModeUpload (0, (real_T) arduinowithmotor_M->Timing.t[0]); }
{rtExtModeUpload (1, (real_T) ((arduinowithmotor_M->Timing.clockTick1) * 0.2));}
{if ((rtmGetTFinal(arduinowithmotor_M)!=-1) &&
! ((rtmGetTFinal(arduinowithmotor_M)-arduinowithmotor_M->Timing.t[0]) >
arduinowithmotor_M->Timing.t[0] * (DBL_EPSILON))) {
rtmSetErrorStatus (arduinowithmotor_M, "Simulation finished"); }
if (rtmGetStopRequested(arduinowithmotor_M)) {
rtmSetErrorStatus (arduinowithmotor_M, "Simulation finished"); }}
arduinowithmotor_M->Timing.t[0] =
(++arduinowithmotor_M->Timing.clockTick0) *
arduinowithmotor_M->Timing.stepSize0;
{arduinowithmotor_M->Timing.clockTick1++;}}
void arduinowithmotor_initialize(void)
{rt_InitInfAndNaN(sizeof(real_T));
(void) memset ((void *) arduinowithmotor_M, 0,
sizeof (RT_MODEL_arduinowithmotor_T));
{rtsiSetSimTimeStepPtr(&arduinowithmotor_M->solverInfo,
&arduinowithmotor_M->Timing.simTimeStep);
rtsiSetTPtr(&arduinowithmotor_M->solverInfo, &rtmGetTPtr(arduinowithmotor_M));
rtsiSetStepSizePtr(&arduinowithmotor_M->solverInfo,
&arduinowithmotor_M->Timing.stepSize0);
rtsiSetErrorStatusPtr(&arduinowithmotor_M->solverInfo, (&rtmGetErrorStatus
(arduinowithmotor_M)));
rtsiSetRTModelPtr(&arduinowithmotor_M->solverInfo, arduinowithmotor_M); }
rtsiSetSimTimeStep(&arduinowithmotor_M->solverInfo, MAJOR_TIME_STEP);
rtsiSetSolverName(&arduinowithmotor_M->solverInfo,"FixedStepDiscrete");
rtmSetTPtr (arduinowithmotor_M, &arduinowithmotor_M->Timing.tArray[0]);
rtmSetTFinal (arduinowithmotor_M, -1);
arduinowithmotor_M->Timing.stepSize0 = 0.2;
arduinowithmotor_M->Sizes.checksums[0] = (2866951943U);
arduinowithmotor_M->Sizes.checksums[3] = (2117218954U);
{static const sysRanDType rtAlwaysEnabled = SUBSYS_RAN_BC_ENABLE;
static RTWExtModeInfo rt_ExtModeInfo;
static const sysRanDType *systemRan [7];
arduinowithmotor_M->extModeInfo = (&rt_ExtModeInfo);
rteiSetSubSystemActiveVectorAddresses (&rt_ExtModeInfo, systemRan); systemRan [0] = &rtAlwaysEnabled; systemRan [1] = &rtAlwaysEnabled; systemRan [6] = &rtAlwaysEnabled;
rteiSetModelMappingInfoPtr(arduinowithmotor_M->extModeInfo,
&arduinowithmotor_M->SpecialInfo.mappingInfo);
rteiSetChecksumsPtr(arduinowithmotor_M->extModeInfo,
arduinowithmotor_M->Sizes.checksums);
rteiSetTPtr(arduinowithmotor_M->extModeInfo, rtmGetTPtr(arduinowithmotor_M));}
(void) memset (((void *) &arduinowithmotor_B), 0,
sizeof(B_arduinowithmotor_T));
(void) memset ((void *) &arduinowithmotor_DW, 0,
sizeof (DW_arduinowithmotor_T));
{static DataTypeTransInfo dtInfo;
(void) memset ((char_T *) &dtInfo, 0, sizeof(dtInfo));
arduinowithmotor_M->SpecialInfo.mappingInfo = (&dtInfo);
dtInfo.numDataTypes = 22;
dtInfo.dataTypeSizes = &rtDataTypeSizes [0];
dtInfo.dataTypeNames = &rtDataTypeNames [0];
dtInfo.BTransTable = &rtBTransTable;
dtInfo.PTransTable = &rtPTransTable;} {codertarget_arduinobase_int_n_T *obj; int16_T i;
arduinowithmotor_DW.obj_m. matlabCodegenIsDeleted = true; arduinowithmotor_DW.obj_m. isInitialized = 0L; arduinowithmotor_DW.obj_m. matlabCodegenIsDeleted = false; arduinowithmotor_DW.obj_m. SampleTime = arduinowithmotor_P. DigitalInput_SampleTime; arduinowithmotor_DW.obj_m. isSetupComplete = false; arduinowithmotor_DW.obj_m. isInitialized = 1L; digitalIOSetup (2, false);
arduinowithmotor_DW.obj_m. isSetupComplete = true; arduinowithmotor_DW.obj.matlabCodegenIsDeleted = true; arduino_PWMOutput_arduino_PWMOu(&arduinowithmotor_DW.obj); obj = &arduinowithmotor_DW.obj; arduinowithmotor_DW.obj.isSetupComplete = false; arduinowithmotor_DW.obj.isInitialized = 1L; obj ->MW_PWM_HANDLE = MW_PWM_Open (10UL, 0.0, 0.0); MW_PWM_Start(arduinowithmotor_DW.obj.MW_PWM_HANDLE); arduinowithmotor_DW.obj.isSetupComplete = true;
arduinowithmotor_DW. DelayInput1_DSTATE =
arduinowithmotor_P. DetectIncrease_vinit;
arduinowithmotor_DW. Delay_DSTATE = arduinowithmotor_P. Delay_InitialCondition;
for (i = 0; i < 100; i++) {
arduinowithmotor_DW. Delay1_DSTATE[i] =
arduinowithmotor_P. Delay 1 _InitialCondition;}
arduinowithmotor_DW. TimeStampA = (rtInf);
arduinowithmotor_DW. TimeStampB = (rtInf);}}
void arduinowithmotor_terminate(void)
{matlabCodegenHandle_matlabCod_n(&arduinowithmotor_DW.obj_m); matlabCodegenHandle_matlabCodeg(&arduinowithmotor_DW.obj);}
Приложение 2 (Акт внедрения результатов работы)
УТВЕРЖДАЮ Проректор по учебной работе го исследовательского верситета «МИЭТ», К.Т.И., доцент _Балашов А.Г.
П/ -п гСп\ г.
АКТ
внедрения результатов диссертационной работы Хан Мьо Хтун на тему «АДАПТИВНАЯ СИСТЕМА НЕЙРО-НЕЧЕТКОЙ ЛОГИКИ ДЛЯ системы УПРАВЛЕНИЯ МОНИЛЬНЫМ РОКОТОМ», представленной на соискание ученой степени кандидата технических наук по специальности 2.3.1 - «Системный анализ, управление и обработка информации, статистика (технические науки)».
Результаты кандидатской диссертации Хан Мьо Хтун. целью которой является повышение пффекгивности системы управления двигателями постоянного тока мобильных роботов, а именно:
• метод управления двигателями на основе АСНЛ контроллера с определенными параметрами, который уменьшает время нарастания (/„). перерегулирование (я) и время регулирования ОД выхода на заданный режим по сравнению с контроллером с нечеткой логикой (НЛ) и (пропорционально-интегралыш-днффереициальным
(ПИЛ;
• схема системы управления мобильным роботом для алгоритма обхода препятствий с использованием контроллера АСаЧ, которая снижает длину зраекгорни <ДГ), время движения к цели (ВДЦ), улучшает параметр кривизны (ПК) по сравнению с контроллером с НЛ;
. схема системы отслеживания и обнаружения объектов мобильным роботом с использованием обработки изображений на базе АСНЛ, которая обеспечивает роботу способность выполнять задачи па поиску и достижению иелей на основе визуального восприятия ивега; используются в учебном процессе «Института МПСУ» Национального исследовательского университета "МИЭТ' в лекционных и практических занятиях по дисциплине: «Микропроцессорные устройства систем управления».
зам. Директора Институтц МПСУ по образовательной деятельности, к.т.н.
Калееп Д.В.
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.