Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Маевский Андрей Михайлович

• Маевский Андрей Михайлович
• кандидат наук
• 2024

Оглавление диссертации кандидат наук Маевский Андрей Михайлович

Введение

ГЛАВА 1. СОВРЕМЕННЫЕ МЕТОДЫ, АЛГОРИТМЫ И МОДЕЛИ УПРАВЛЕНИЯ ГРУППАМИ БМТО

1.1. Сферы применения групп БМТО

12. Обзор используемых алгоритмов управления группой БМТО

1.3. Обзор используемых методов построения глобальных траекторий движения в известных и неизвестных средах

ГЛАВА 2. РАЗРАБОТКА СИСТЕМ И АЛГОРИТМОВ ГРУППОВОГО

УПРАВЛЕНИЯ БМТО

2.1. Формализованная постановка задачи

2.2. Разработка модуля учета физических параметров морской среды (течений)

2.3. Разработка систем и алгоритмов планирования перемещения группы АНПА в неопределенной среде с препятствиями

2.4. Стратегия формирования строя группы Ф

2.x Разработка системы локального планирования

2.6. Алгоритм формирования единого поля видимости и оценивания его наполненности в группе

2.7. Система формирования глобальной траектории движения группы БМТО.... 54 ГЛАВА 3. РАЗРАБОТКА ИМИТАЦИОННОГО ПРОГРАММНО-АППАРАТНОГО КОМПЛЕКСА МОДЕЛИРОВАНИЯ ПЕРЕМЕЩЕНИЯ ГРУППЫ МРТК

Алгоритм распределенного децентрализованного построения карты деревьев в расчетной области пространства для карты глобального планировщика

3.2, Разработка имитационного комплекса моделирования

3.3. Исследование работы алгоритма учета интенсивности и направленности течения

ГЛАВА 4. ВЕРИФИКАЦИЯ РАЗРАБОТАННЫХ СИСТЕМ И АЛГОРИТМОВ В ПРОЦЕССЕ РЕШЕНИЯ ГРУППОЙ МРТК ЗАДАЧ МОНИТОРИНГА И ПАТРУЛИРОВАНИЯ АКВАТОРИИ

4.1, Разработка макета группы МРТК

4.2, Натурный эксперимент по перемещению группы МРТК

Заключение

Введение

Безэкипажные морские транспортные объекты (БМТО) / морские робототехнические комплексы (МРТК) находят широкое применение в работах, связанных с поиском, патрулированием, мониторингом и получением оперативных данных из определенных регионов мирового океана.

В то же время единичный БМТО, каким бы интеллектуальным он ни был, может использоваться только для решения некоторых частных задач или выполнения простых операций, поскольку обладает сравнительно малыми возможностями (небольшой радиус действия, ограниченный бортовым энергоресурсом, небольшое число выполняемых функций, ограниченное набором исполнительных устройств, невысокая вероятность выполнения поставленной задачи при функционировании в экстремальных ситуациях и т.д.).

Единичный БМТО или безэкипажное судно (БЭС) способен частично обеспечить выполнение поставленной задачи, в то время как группа, включающая в свой состав несколько агентов (это могут быть как гомогенные - однородные, так и гетерогенные - разнородные) позволяет выполнять более широкий спектр гражданских и военных задач. Группа из состава нескольких БЭС (или МРТК) имеет возможность в течении долгого времени производить мониторинг, патрулирование или обследование заданной акватории. Работы МРТК в экстремальных условиях, например, в Арктическом регионе РФ, позволяют проводить исследование подледных структур ледового покрова, тогда как решение задач «патрулирования» акватории группой МРТК дает возможность формировать пространственные «рубежи» для выполнения функций противолодочной борьбы (ПЛБ) и пассивного акустического мониторинга (ПАМ).

В последнее время в научной литературе огромное внимание уделяется изучению проблем группового управления БЭС. Это связано с тем, что применение

группы БЭС обладает значительными преимуществами по сравнению с одиночным судном.

К задачам, которые решаются одиночным БМТО относятся:

• прокладка подводных кабелей;

• обследование подводных трубопроводов;

• проведение подводных научных исследований в различных областях и др.

Вместе с тем, имеются актуальные задачи, которые могут быть решены

эффективно только при использовании группы БМТО, действующих по единому замыслу, взаимодействуя друг с другом. Такими задачами являются [7-9]:

• обеспечение поиска подводных месторождений углеводородов методом донного зондирования;

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

Очевидное решение указанных выше проблем - применение группы БЭС, имеющей следующие преимущества:

• большой радиус действия, достигаемый за счет возможности рассредоточения группы БМТО;

• расширенный набор выполняемых функций, достигаемый за счет установки на каждый робот индивидуальных исполнительных устройств;

• высокая вероятность выполнения целевой задачи, достигаемая за счет возможности перераспределения функций между роботами группы в случае выхода из строя некоторых из них.

Поэтому такие сложные задачи как, масштабное исследование и зондирование поверхности дна, сборка сложных конструкций под водой, участие в боевых и обеспечивающих операциях, разминирование территорий и т.п., могут быть эффективно решены роботами только при их взаимодействии в составе групп.

При использовании группы БМТО или МРТК наиболее сложной задачей является управление этой группой. Разработке методов и алгоритмов кооперативного управления группой автономных технических средств посвящено

значительное число работ как в России, так и за рубежом. Однако большинство из этих работ ориентировано на решение задачи кооперативного управления группой беспилотных летательных аппаратов (БПЛА) либо наземных роботов [10-17]. По управлению группой МРТК или группой автономных необитаемых подводных аппаратов (АНПА) работ значительно меньше [18-21]. Обусловлено это тем, что при кооперативном управлении группой МРТК имеется ряд специфических проблем, которые значительно усложняют задачу управления. К этими специфическими проблемами, в первую очередь относятся:

• ограниченные возможности оперативного обмена данными и командами управления между командным пунктом и каждым МРТК группы, а также агентов между собой, как по дальности (единицы - первые десятки километров), так и по скорости передачи данных (до 1 кб/с);

• проблемы подводной навигации МРТК и АНПА;

• трудности разработки эффективного алгоритма кооперативного управления группой МРТК, как ввиду названных ограничений, так и с учётом трудно предсказуемых изменений обстановки (в частности, противодействия со стороны подводных нарушителей) и непредсказуемых различных нештатных ситуаций (например, возникновения неисправностей материальной части отдельных АНПА).

Следует отметить, что под «позиционными» задачами подразумевается тип задач, поставленных перед группой БМТО, выполнение которых подразумевает:

- обследование, патрулирование или мониторинг заданной акватории;

- перемещение вдоль целевых траекторий или в целевые позиции, параллельно осуществляя накопление данных устройствами полезной нагрузки (СТД зонды, пассивные акустические профилографы, измерители скорости звука в воде);

- групповое технологическое обслуживание подводных инфраструктур.

Данные задачи выделены как приоритетные, в таких документах, как «Паспорт программы инновационного развития ПАО «Газпром» до 2025 года» п. 3.9 «Технологии применения подводных робототехнических комплексов для

контроля технического состояния объектов обустройства морских месторождений» и национальных программах «Основы государственной политики Российской Федерации в Арктике на период до 2035 года». Актуальность развития технологий морской робототехники так же отмечена в «Стратегии развития морской деятельности Российской Федерации до 2030 года» (Распоряжение Правительства РФ № 1930-з от 30 августа 2019 года») и в «Основах государственной политики Российской Федерации в Арктике на период 2035 года» (Указ президента Российской Федерации № 164 от 5 марта 2020 года). В перечисленных документах указывается на отсутствие технических средств нового поколения; недостаточное развитие российских океанографических автоматических и автономных средств измерений, неготовность системы мониторинга окружающей среды, размещенной в Арктической зоне.

Для решения данных задач необходима разработка мультиагентных математических моделей движения и взаимодействия, отвечающих за передвижение, как одиночных агентов, так и группы БМТО в целом. Так же необходимо учесть особенности, связанные с функционированием аппаратов в недетерминированной (неопределенной динамически-изменяющейся) морской среде. Для того чтобы обеспечить полную картину океанологического состояния акватории, необходимо организовывать качественное взаимодействие между агентами группы, способное обеспечить сохранность строя БМТО, возможность его реконфигурации в случае маневрирования группы, к примеру, в условиях прохождения узкостей и каналов. Применение групп БМТО, в том числе БЭС и МРТК приведет к существенному повышению качества экологических прогнозов, их актуальности и своевременности. Таким образом, задача разработки имиитационных комплексов, позволяющих обеспечить предварительное исследование систем и алгоритмов группового управления БМТО, является актуальной.

Цель диссертационной работы - разработка и апробация математических моделей движения и взаимодействия групп морских безэкипажных судов / морских

робототехнических комплексов, обеспечивающих их своевременное и безопасное маневрирование в неопределенной среде функционирования.

Научная задача, решение которой содержится в диссертации - создание комплексной математической модели мультиагентной системы морских объектов (МО), обеспечивающей безопасное движение группы МО заданным строем с возможностью реконфигурации и одновременным выполнением целевой миссии в указанной акватории, а также исследование разрабатываемой системы методами математического и компьютерного моделирования, позволяющее спрогнозировать поведение группы в реальных условиях функционирования.

Основные задачи исследования:

Прогнозирование поведения таких групп в условиях дополнительных внешних воздействий требует комплексного исследования, в рамках которого должны быть решены следующие задачи:

1. Анализ существующих подходов к решению задач в сфере группового управления безэкипажными судами / морскими робототехническими комплексами, и выбор подходящих методов прогнозирования (планирования) и законов управления движением группы судов, обеспечивающих их безаварийное перемещение в недетерминированной морской среде.

2. Разработка комплексной математической модели мультиагентной системы морских объектов, учитывающей совокупность значимых физических факторов, динамические свойства объектов и минимизирующей риск аварийных ситуаций в процессе группового движения. Построение модульной архитектуры модели с детальной проработкой ее состава и структуры, способствующей улучшению полезных качеств группы морских объектов.

3. Разработка комплекса имитационного моделирования перемещения группы агентов на основе математической модели мультиагентной системы для различных сценариев эксплуатации.

4. Апробация и проведение натурных исследований на экспериментальном стенде, который включает в себя три макета БЭК и программно-аппаратный

комплекс группового управления, с целью оценки эффективности разработанной модели мультиагентной системы.

Методы исследования. В работе использованы методы современной теории управления, методы группового управления, методы математического моделирования. Проверка разрабатываемых алгоритмов проведена с использованием численных методов в таких средах как Matlab. Разработка имитационного моделирования проводилась при помощи применения методов объектно-ориентированного программирования Python и C++ в системе ROS.

Наиболее существенные новые научные результаты, полученные автором:

Разработана новая мультиагентная система управления группой БМТО, обеспечивающая перемещение группы заданным строем в недетерминированной среде с препятствиями и заданным полем течений.

Разработана система планирования перемещения группы БМТО, отличающаяся анализом и обработкой данных от сенсорной системы каждого отдельного агента в группе, работающая в режиме реального времени.

Впервые разработан программно-аппаратный комплекс моделирования перемещения группы БМТО, отличающийся учетом параметров течений морской среды при планировании миссии и позволяющий найти оптимальные решения для различных сценариев эксплуатации.

Проведены серийные макетные экспериментальные исследования функционирования мультиагентного робототехнического комплекса, подтвердившие работоспособность, эффективность и надежность разработанных систем и алгоритмов управления.

Практическая значимость работы. Представленные результаты могут быть использованы в научно-исследовательских и проектных организациях как (АО «НПП ПТ «Океанос», АО «ЦКБ МТ «Рубин», АО «Концерн «НПО «Аврора» и др. ) при проектировании и исследовании систем группового управления БЭС и МРТК. Разработанный набор систем и алгоритмов позволяет расширить

функциональные возможности применения групп БЭС, БМТО и МРТК в априори неизвестных условиях среды функционирования, повысить качество получаемых данных в процессе работы группы, достигнуть большей эффективности выполнения задач группой МРТК, связанных с сбором оперативных океанологических данных, патрулированием акватории, мониторингом и поиском полезных ископаемых, а также обследованием подводных потенциально опасных объектов. Представленные рекомендации могут быть использованы при разработке математических моделей учебно-тренировочных комплексов и навигационных тренажеров.

Достоверность полученных результатов обеспечивается применением принципов и методов теории управления, подтверждается результатами компьютерного моделирования и результатами натурных экспериментов на макетах робототехнических комплексов.

Положения, выносимые на защиту:

- Методология разработки математической модели управления движением группы БМТО (и отдельных агентов группы) на основе комбинированной структуры подсистемы планирования, обеспечивающей перемещение в желаемые позиции с возможностью реконфигурации строя на основе карты течений и обхода труднопреодолимых препятствий, что существенно улучшает полезные качества автономных кораблей и судов, а также безопасность их перемещения в неопределенной среде.

-Программно-аппаратный имитационный комплекс, разработанных моделей управления, позволяющий прогнозировать поведение групп-роботов и судна-носителя в реальных условиях плавания на основе имеющейся карты течений акватории, что в свою очередь дает возможность осуществить безопасную эксплуатацию судов и их автономных групп в недетерминированной морской среде с препятствиями.

-Результаты применения разработанных систем и алгоритмов, в имитационной математической модели движения группы БМТО, демонстрирующие новый уровень функциональных возможностей групп БМТО

при выполнении задач мониторинга и патрулирования акватории, а также адаптивное взаимодействие между подвижной группой роботов и судном-носителем.

-Рабочий макет системы управления для экспериментального исследования систем и алгоритмов управления группой МРТК, обеспечивший подтверждение корректности, предлагаемой СГУ МРТК, на примере функционирования гомогенной группы БЭС.

Введение диссертации (часть автореферата) на тему «Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач»

Апробация работы.

Основные результаты исследований по теме диссертации докладывались на: международных конференциях «Экстремальная робототехника» c 2019 по 2023 г. Санкт-Петербург, Россия; Всероссийских конференциях «Перспективные системы и задачи управления» с 2019 по 202 3 г. п. Домбай, Россия; международной конференции «Морские технологии» 2021 г. Геленджик, Россия; 22-ой Международная IEEE конференция EDM-2021 Алтай, Россия; всероссийской конференции «гидрометеорология и экология: достижения и перспективы развития» 2019 г.; на всероссийской конференции молодых ученых «Комплексные исследования мирового океана» 2019 г. Севастополь, Россия; Международной конференции по морской робототехнике в освоении океана 2019 г., Санкт-Петербург, Россия; Международной стратегической сессии «Морская робототехника: проекты и практика» МВиК «Нева-2023».

Разработки по теме диссертации отмечены 2-мя премиями «Международного конкурса научных, научно-технических и инновационных разработок, направленных на развитие и освоение Арктики и континентального шельфа» организованного Министерством энергетики Российской Федерации в 2019 и 2020 году.

Реализация и внедрение

Теоретические и практические результаты, полученные в рамках исследования и работы по теме диссертации, использованы при выполнении научно-исследовательских работ АО «НПП ПТ «Океанос» (присутствует Акт о внедрении АО «НПП ПТ «Океанос» от 23.10.2023 г.) в том числе при решении

задачи мониторинга радиационных опасностей на акватории Кольского залива в процессе межведомственного опытно-исследовательского учения МЧС России «Безопас-ная Арктика-2023» и натурных экспериментов на Беломорской Биологической Станции имени Н.А. Перцова МГУ имени М.В. Ломоносова в морских полигонах акватории пролива «Великая Салма».

Также разработанный программный комплекс принят к внедрению в СПБГМТУ и успешно использовался в рамкх исполнения Государсвенного контракта (также присутствует Акт о внедрении СПбГМТУ от 20.10.2023 г.).

Личный вклад автора. Все научные результаты диссертации, выдвигаемые для защиты, получены автором лично.

Публикации.

Основные результаты исследований по теме диссертации изложены в 20 работах, из которых 10 статей в рецензируемых журналах из перечня рекомендованного ВАК Минобрауки России для публикации диссертационных исследований (содержится 60% материала); 6 публикаций, опубликованных в изданиях, индексируемы базах данных Scopus или Web of Science (содержится 30 % материала); 4 опубликованных в других изданиях и материалах конференций (содержится 10% материала).

Структура и объём диссертации. Диссертация изложена на 130 страницах, включает 76 рисунков и 9 таблиц. Работа состоит из введения, четырех глав и заключения; список литературы включает 132 позиции.

ГЛАВА 1. СОВРЕМЕННЫЕ МЕТОДЫ, АЛГОРИТМЫ И МОДЕЛИ УПРАВЛЕНИЯ ГРУППАМИ БМТО

В настоящей главе рассмотрены существующие методы, алгоритмы и модели для управления группой БМТО, как однородного, так и разнородного типа. Описывается применения данных средств для решения прикладных задач, в том числе на основе использования групп БМТО.

1.1. Сферы применения групп БМТО

В современных научных исследованиях [1 -9] наблюдается увеличенное внимание к анализу и исследованию вопросов, связанных с управлением группами БМТО. Этот интерес объясняется тем, что использование групповых технологий приобретает существенное значение по сравнению с работой одиночных судов или БМТО [10-12]. Внедрение таких групповых систем позволяет раскрыть ряд существенных преимуществ и перспектив, что делает эту область актуальной для исследований [13-16].

Одним из ключевых аспектов, связанных с использованием БМТО, является сложность управления этой группой [17-21]. Исследования, посвященные разработке методов и алгоритмов для кооперативного управления группой технических средств, включая БЭС, ведутся как в России [22-26], так и за рубежом [27-30]. Следует отметить, что большинство такого рода исследований сосредоточены на решении задачи кооперативного управления группами БПЛА или наземными роботами [31-34]. В это же время, работы, посвященные управлению группами БМТО или МРТК, встречаются гораздо реже [35-43].

Пример использования группы АНПА описывается в докладе [44]. Работа посвящена поискам обломков разбившегося рейса Air France 447, в 2009 году в Атлантическом океане. Поиск происходил в зоне радиусом около 70 км на глубине от 700 до 4000 м. Использовалась группа из трёх АНПА Remus-6000, оборудованных гидролокаторами бокового обзора (ГБО). В результате исследования был проведен сравнительный анализ производительности работы трех ГБО установленных на агентах в группе АНПА и буксируемой системы ГБО меньшей частоты. Авторами отмечено лучшее качество получаемых данных, от группы АНПА, и возможность формирования более гибких траекторий. Данные приведенные в работе описывают 129 запусков АНПА, 87 из которых были успешны. Остальные запуски заканчивались неудачно из-за отказов оборудования и программного обеспечения. Каждый из АНПА управлялся отдельно, что свидетельствует о централизованности системы управления группой.

Пример использования двух разнородных АНПА описан в докладе [45]. Один из аппаратов применял многолучевой сонар для батиметрической сьемки, другой -для составления фотографической мозаики дна, таким образом строилась общая карта дна. Дополнительно аппарат, оснащённый фотокамерой, привлекался для уточнения и дополнительной фотосьемки отдельных участков дна, которые были выбраны в результате постобработки данных, отснятых первым аппаратом. Формирование задания для каждого из АНПА в работе осуществлялось вручную.

В работе [46] описывается проведение эксперимента с одновременным использованием разнородных робототехнических комплексов (летательного, надводного и подводного аппарата).

Имеются примеры успешного использования АНПА и для экологического мониторинга. В работе [47] представлены результаты прикладного использования АНПА в целях экологического мониторинга при выполнении работ в заливе Monterey на западном побережье США. К примеру, во время повторного построения батиметрической карты одного и того же района в два различных момента времени, аппараты зафиксировали изменение батиметрии вплоть до 15 м. вследствие извержения подводного вулкана. АНПА данного класса также

используются для изучения слоя фитопланктона и взятия проб воды в местах его наибольшей концентрации.

Опыт практического применения АНПА Hugin описывается в работах [4852]. Приводится сравнение экономической эффективности при использовании данного АНПА по сравнению с буксируемыми системами. Определено, что использование АНПА обходится в 2 раза дешевле. Данный аппарат использовался в работах для гидрографического обследования с целью прокладки донных труб, начиная с 1997 года. Известно его примение для построения карты рельефа на акватории размером 26 на 17 км. При рабочей глубине 1500 м. Максимальная глубина работы данного АНПА -3000 м.

Часто, для сбора океанологических данных и составления акустического портрета акватории используются подводные глайдеры - это особый энергоэффективный вид АНПА [53]. Передвижение аппарата такого класса осуществляется за счёт изменения плавучести [54-58]. Другим, по сравнению с используемым глайдерами способом увеличения времени работы АНПА является использование солнечных батарей. В работе [59,60] приводятся результаты экспериментов с применением группы глайдеров в заливе Монтерей на западном побережье США. Используемые в экспедиции глайдеры не имели гидроакустических средств связи. Благодаря своей траектории движения и заложенным алгоритмам управления аппараты всплывали на поверхность каждые 2 часа для установления сеансов связи друг с другом. В проекте осуществлялось централизованное управление группой глайдеров: каждый из них получает новую целевую точку на очередном сеансе спутниковой связи через общий пункт наземного управления.

На другом побережье США, в Мексиканском заливе, также применялась группа глайдеров, которая собирала океанографические данные, в рамках организации GCOOS (Gulf of Mexico Coastal Ocean Observing System) [61]. Приложения по использованию этих данных включают исследование вредоносного цветения водорослей [62], гипоксии и последствий аварии на нефтяной платформе Deep Water Horizon в 2010 году [63].

К сфере позиционных задач также можно отнести поиск и обнаружение мин. Работа [64] посвящена описанию группового алгоритма обследования акватории на предмет наличия мин. Суть проекта заключается в разбиении акватории на определенные квадраты и в каждом из которых задана определенная вероятность обнаружения мины. Каждое прохождение АНПА из группы через квадрат изменяет заданную вероятность. В проекте также описывалось централизованное управление группой АНПА путём назначения одиночных заданий. В качестве задания выступает посещение одного из квадратов.

Задача коллективного управления рассматривается в работах [65,66]. Ставится задача патрулирования и мониторинга заданной акватории, разбитой на формализованные области. Каждой области назначен собственный приоритет. Оператор распределяет каждый АНПА из группы по областям. Считается, что каждый координатор не имеет полной информации о количестве аппаратов в его области. С использованием формализма дискретных событийных систем [67,68] оценено число шагов перераспределения аппаратов между областями, через которое желаемо распределение будет достигнуто.

Задача патрулирования также описана в работе [69], однако в ней используется другая математическая модель патрулирования и все АНПА движутся по заранее заданным фиксированным траекториям. При использовании коллективного управления в группе АНПА, одним из критически важных вопросов является обеспечение связи. Данная проблема описана в работе [70], в которой также рассматривается задача патрулирования, но исследование посвящено больше устойчивости гидроакустической связи. В процессе проведения экологического мониторинга водных акваторий и при выполнении подводных биологических исследований важной задачей является измерение параметров водной среды с целью последующего картографирования. Объектами съемки могут быть поля температуры, солености, глубины, концентрации загрязняющих веществ и т.д.

1.2. Обзор используемых алгоритмов управления группой БМТО

Ранее контроль за группой БМТО организовывался при помощи совещательных архитектур, которые заставляли транспортные средства выполнять последовательно перемещение вдоль «путевых» точек в соответствии с заранее заданным планом. Сигналы с датчиков внешней среды как правило не учитывались в принятии решений БМТО. Этот подход был прост, но не позволял БМТО реагировать на внеплановые ситуации и адаптироваться к возмущениям внешней среды.

В наше время все больше исследований ведется в сфере разработки адаптивных архитектур [70-74].

Генетические алгоритмы (ГА) используются для планирования маршрута на основе оставшихся резервов энергии робота [75-77]. На основе циклического процесса проверки, генетические алгоритмы подходят в тех случаях где потенциально сложные функции (например, пути движения или управляющие коэффициенты) должны быть адаптированы для оптимизации определенных выходных параметров. Данный метод не идеален для адаптивных коммуникаций, требующих выбора состояний (дискретных параметров скорости модема), которые не имеют метода оценки параметров производительности в закрытом виде.

Нейронные сети также применяются при построении системы управления АНПА [78]. Форма контролируемого машинного обучения, как правило обучается в автономном режиме, используя данные состоящие из желаемых комбинаций ввода/вывода. Данные системы могут обеспечивать хороший контроль над сложными нелинейными системами, в тех случаях когда трудно получить явную модель движения [79]. В начале 1990-х годов авторы работы [80] исследовали использование нейронных сетей для поддержания контроля глубины АНПА.

В работе [81] представляют интересную реализацию двойных нейронных сетей для навигации АНПА. Первая сеть отвечает за определение направления самоорганизации, которая обучается для создания модели движения транспортного

средства посредством обнаружения эффектов случайных управляющих входов. Вторая нейронная сеть отвечает за обход препятствий избегания препятствий, которая, обучаясь позволяет полностью обойти препятствие. Данная система даже не требует предварительного знания параметров робота или качества датчиков. Реализации этих алгоритмов были успешно протестированы как в симуляторе, так и в реальном эксперименте. Нейронные сети представляют гораздо больше возможностей для адаптивного поведения [82], чем ранее представленные методы: после обучения они хорошо подходят для приема большого количества входов и представляют собой оптимальное состояние вывода.

Еще один метод - это метод обучения с подкреплением [83-85], также применяется для управления движением АНПА [86]. Данный метод организует обучение АНПА движению по оптимальной траектории посредством обратной связи и навигации через космический спутник. Известно, что сегодня успешно применяют Q_learning RL к выбору поведения для АНПА, который использует разные типы поведения для визуального отслеживания цели, при этом избегая препятствий [87].

Примером реализации системы группового управления на основе принципа «движение за лидером» приводится в работе [88]. В данной работе рассматривается процесс организации группового управления во время движения группы роботов относительно лидера группы. В качестве объекта исследования и модели, использующейся для симуляции группового управления, был использован АНПА Remus. Данный тип АНПА может быть оснащен различными датчиками, такими как: сонар, акустический доплеровский ЛАГ, инерциальная навигационная система, акустический модем и.т.д.

На основе геометрий триангуляции происходит определение расстояния между лидирующим АНПА и следующим за ним «напарником», на основе текущего положения каждого из них. На рисунке 1 представлено упрощенное вычисление триангуляции с использованием значений координат x и y для позиции обоих АНПА.

х

Рисунок 1 - вычисление расстояния между АНПА

В основе системы управления реализующей движение АНПА лежит ПИД регулятор, который основан на принципе снижения ошибки между заданной и реальной траекторией движения АНПА. Результаты движения группы из двух АНПА (лидер-следователь) изображены на рисунке 2.

Search МП *uMi-Ve*iicle Miseaon Run V. 1 VW* M> - «> Hi

400 360 „ 260 * 200 1® «0 ЛЮ Э50 300 260 - 300 160 ® 0 BO GO ia I к a 0 -20 .....i-------:.....-L..... ...

Leader Vwiici

..........

........... ill

........... I ■ Leader Vehicle I

-'

0 1CD 150 ДЮ 250 X YH 50 1 1 * 200 250 300 SO if SO 95 100 106 110 1 S 120 IS 130

Рисунок 2 - Пример движения лидера и «следователя»

Примером движения группы аппаратов при помощи распределительной системы управления приводится в работе [89]. В данной статье автор также использует данные АНПА Remus для построения системы управления. Ставится задача движения АНПА вдоль заданной траектории, с удержанием определенного расстояния между АНПА. Результаты моделирования приводятся для двух сцен (2D и 3D) (рисунок 3-4).

Рисунок 3 - движения АНПА вдоль заданной траектории, с удержанием определенного расстояния (2 метра) между АНПА

Рисунок 4 - пространственное движение группы АНПА (движение за лидером на расстоянии 5 метров)

Как показано на примере данная система подходит для отработки движения группы АНПА по заранее заданной траектории.

Также в данной работе проводилось исследование работы предложенного метода управления с учетом системы обхода препятствий. Обход препятствий осуществлялся за счет добавления в модель АНПА гидролакатора, такой метод обхода препятствий имеет несколько недостатков:

• все препятствия следует избегать вертикально;

• все препятствия четко видны передним гидролокатором.

В данном случае используется ПД регулятор, который отрабатывает выход каждого АНПА на необходимую траекторию. На рисунке 3 АНПА отслеживает желаемый путь и выходит на круг радиусом 8 м. и продолжает движение вдоль заданной траектории.

В работе [90,91] приводится процесс реализации системы обхода препятствий двух видов: подводные возвышенности, которые могут встретиться на пути движения АНПА вдоль дна и изменение высоты самого дна. Диапазон покрытия гидролокатора взят в пределах +/-12 градусов с учетом дальности восприятия 100 метров (рисунок 5).

Рисунок 5 - Пример работы вперед смотрящего гидролокатора АНПА и его

характеристики

В данной работе были рассмотрены следующие типы препятствий (см. рисунок 6).

Рисунок 6 - Типы препятствий по ходу движения АНПА

и

| Г г — Сит - ЕмЛю

1

I Л 10 с ч -1Е

\\ ........|гь.._ т

............... ' ¡Т П _

1 Р 1 к 1

х л Ю 1СС 130 140

0 £ а И -К

- Г*»«

у'

1.............

1

да *з « « 1Р0 130 р. к до 10

Рисунок 7 - Результат моделирования работы гидролокатора и траектории движения АНПА при обнаружении препятствия

1.3. Обзор используемых методов построения глобальных траекторий движения в известных и неизвестных средах

Для организации планирования движения объектов в пространстве, используются различные методы и алгоритмы, позволяющие сформировать искомый путь, соединяющий начальное расположение аппарата и его целевую позицию. Сегодня существует огромный набор методов планирования позволяющих строить траектории движения объекта в определенных и неопределенных средах [92-98], так существуют методы, основанные на организации маршрутных сетей, к примеру метод, основанный на графах видимости, в большинстве своем, который находит свое применение в предварительно картографированной среде с препятствиями [99]. Схожим с ним является метод основанный на диаграмме Вороного [100] (рисунок 8).

Рисунок 8 - Пример реализации графа видимости и диаграммы Вороного в двумерной среде с известными препятствиями

Рисунок 9 - Пример моделирования графа видимости и диаграммы Вороного в двумерной среде с известными препятствиями

Граф видимости строится на основе имеющихся вершин (это могут быть полигоны или другие точечные значения описывающие вершины координат препятствий), в основе метода лежит расчет между видимыми точками, между начальным и конечным значениями ^тй и C_goal. Выявленные вершины попарно соединяются прямыми отрезками, которые определяются как ребра графа.

Метод диаграммы Вороного является более гибким в настройке с точки зрения того что имеет возможность обеспечить удаление от определенных границ препятствия, при условии того что объект движется вдоль ребер диаграммы, что повышает безопасность и «живучесть» системы.

Другим подходом к планированию пути являются методы дискретного поиска пути, такие как А*, D*, алгоритм Дейкстры и другие [101]. Эти стратегии

планирования основаны на концепции сеточной декомпозиции рабочей области. Эти системы планирования используют дискретные методы построения маршрута, представляя движение как связь между соседними элементами сетки. (рисунок 10).

Рисунок 10 - Пример реализации планирования пути в известном пространстве с препятствиями на основе алгоритма Дейкстры и алгоритма A* Еще одним возможным вариантом построения маршрута движения в среде являются так называемые сэмплинг методы [102-104]. Это набор методов предусматривающих проведение итерационных процедур генерации случайных траекторий и их конфигураций в пространстве, а также их проверку на условия ограничений имеющимися препятствиями. Важным достоинством таких методов является отсутствие привязанности к форме имеющихся или определённых форм препятствий и размерности области функционирования. К алгоритмам реализующим данный подход относятся RRT, RRT*, алгоритм вероятностных маршрутных сетей и др. [105-108], ряд комбинаторных алгоритмов на основе сэмплинг методов и алгоритмов, в основе которых лежит анализ областей видимости.

60 50 40 30 20 10 0

-10 0 10 2 0 30 40 50 60 70 -2 -1-I--1-.-1--1-

-2 0 2 4 6 8 10 12 14

Рисунок 11 - Пример реализации планирования пути в известном пространстве с препятствиями на основе алгоритма вероятностных маршрутных

сетей и RRT метода (и его модификаций)

Алгоритмы RRT, RRT * и их производные, как показал анализ, получили большой успех благодаря их пригодности для решения сложных задач, связанных с покрытием карты большой размерности. Но в тоже время, как и все остальные методы поиска они требуют предварительного времени для построения деревьев в области функционирования.

Таким образом в главе проведен анализ методов группового взаимодействия МРТК. В ходе проведенного исследования и моделирования процесса, централизованного (движение за лидером) и децентрализованного (swarm) метода управления группой МРТК или АНПА было выявлено, что рассмотренные методы группового управления не учитывают многих моментов относительно организации действий группы, таких как:

• выбор оптимальной глобальной траектории движения группы МРТК в условиях неизвестной обстановки;

• оптимальное распределение элементов в группе и реконфигурация группы МРТК во время ее перемещения в области функционирования;

• возможность обхода подвижных и труднопреодолимых препятствий как отдельными агентами группы на уровне локального планирования, так и всем строем в целом на уровне глобального планирования траектории движения группы МРТК;

• учет морских течений, которые вносят существенное внешнее воздействие на процесс перемещения каждого отдельного агента группы МРТК.

Проведенный анализ методов планирования пути в известной и неизвестной среде с препятствиями показал, что существующие методы способны обеспечить функционирование в априори определенных и неопределенных средах с учетом следующих недостатков:

• методы, основанные на графах видимости, имеют высокую степень сложности, которая увеличивается с общим числом определенных вершин n в соответствии с определением Oniog(п) и диаграмма Вороного, которая также обладает высокой вычислительной сложностью 0(п)4 (где n - число вершин и граней графа);

• методы сеточной пространственной декомпозиции могут иметь большое количество построенных ячеек в сцене, также они могут иметь высокое количество вершин в графе, введу чего возможна вероятность неопределенности в расстановке приоритетов во время перемещения по графу, что существенно может усложнить применение метода в режиме реального времени в условиях неопределенности среды;

• оптимальность сеточных алгоритмов, таких как A * D* и других, напрямую зависит от разрешения построенной сетки и по мере увеличения размера сетки время работы алгоритмов также резко увеличивается. Также эффективность A * сильно зависит от разработанной эвристической функции стоимости. Более того, путь, созданный A *, может быть длиннее, чем истинные кратчайшие пути в окружающей среде, из-за искусственно ограниченных углов направления формирования траектории, который всегда кратен 45 градусам.

Учет морских условий и физических параметров среды в системе планирования перемещения группы МРТК может иметь несколько ключевых преимуществ [109-113]:

• Повышение эффективности миссии: зная и учитывая текущие течения и другие факторы окружающей среды, можно планировать оптимальные маршруты перемещения для сбора данных или выполнения задачи. Это увеличивает шансы на успешное выполнение миссии и сокращает временные и энергетические затраты.

• Безопасность агентов группы МРТК: учет морских условий позволяет избегать опасных ситуаций, таких как столкновения с подводными преградами или попадание в область сильных течений.

• Качество собираемых данных: точное знание параметров среды позволяет корректно интерпретировать и анализировать данные, собранные группой МРТК. Это существенно важно для научных исследований и мониторинга.

• Оптимизация ресурсов: учет окружающей среды помогает экономить энергетические ресурсы группы МРТК, что особенно важно для выполнения длительных миссий.

Выводы по главе 1.

Проведенный анализ показывает актуальность научной задачи, а именно формирование теоретической основы построения системы группового управления (СГУ) и планирования перемещения группы МРТК способной реагировать на условия изменения внешней среды как на стратегическом, так и на тактическом уровне; обеспечение решения задач, связанных с движением группы заданным строем, реконфигурацией строя позволяющей прогнозировать поведение группы в реальных условиях функционирования (обход судами препятствий, расхождение судов, прохождение узкостей на пути движения).

ГЛАВА 2. РАЗРАБОТКА СИСТЕМ И АЛГОРИТМОВ ГРУППОВОГО

УПРАВЛЕНИЯ БМТО

В предыдущей главе был проведен краткий обзор и анализ существующих методов планирования и управления движением группы БМТО. Каждый из них имеет существенные недостатки, которые не позволяют применять их в стандартном виде для организации группового управления БМТО в условиях неопределенных сред с учетом недетерминированных внешних воздействий и физических параметров морской среды. С учетом этого, для эффективного решения позиционных задач группой БМТО необходимо разработать систему управления группой, которая бы обеспечивала успешное выполнение миссий и прогнозирование поведения группы БМТО в реальных условиях плавания.

Список литературы диссертационного исследования кандидат наук Маевский Андрей Михайлович, 2024 год

Список литературы.

1. Бабак Л.Н., Щербатюк А.Ф. Об одном алгоритме поиска источника подводного шлейфа, основанном на использовании группы АНПА // Управление большими системами. - 2010. - Вып. 30.1. - С. 536-548.

2. Волошин С.Б., Занин В.Ю. Маевский А.М. и др. Аспекты применения гетерогенных групп робототехнических комплексов повышенной автономности, в том числе из состава обсерваторий, с целью получения океанографических данных и их дальнейшего использования для освоения Арктической зоны // Сборник работ лауреатов Международного конкурса научных, научно-технических и инновационных разработок, направленных на развитие и освоение Арктики и континентального шельфа 2020 года М. Министерство энергетики Российской Федерации, ООО «Технодевелоп», 2020, С.62-77.

3. Будко П.А., Жуков Г.А. "Групповое использование робототехнических комплексов при выполнении миссий на глобальных удалениях от пункта управления" // T-Comm - Телекоммуникации и Транспорт, vol. 11, no. 9, 2017, pp. 4-14.

4. Бабаев, Р.А., Боловин, Д.А., Борейко А.А., Боровик А.И., Ваулин Ю.В. Коноплин А.Ю., Трегубенко Д.И., Михайлов Д.Н., Щербатюк А.Ф. AUV application technology for studying the deep-sea ecosystems of the atlantic sector of the Antarctic // Подводные исследования и робототехника -№3 - 2020 -C. 13-21. doi: 10.37102/24094609.2020.32.2.002.

5. Bechlioulis, C. P., Giagkas, F., Karras, G. C., and Kyriakopoulos, K. J. Robust Formation Control for Multiple Underwater Vehicles // Front. Robot. AI 6, 90. doi:10.3389/frobt.2019.00090

6. Filaretov, V., Yukhimets, D. The Method of Path Planning for Auv-Group Moving in Desired Formation in Unknown Environment with Obstacles

// IFAC-PapersOnLine 53, 14650-14655. 21st IFAC World Congress. doi:10.1016/j.ifacol.2020.12.1475

7. Fiorelli E., Leonard N.E., Bhatta P., Paley D., Bachmayer R., Fratantoni D.M. Multi-AUV Control and Adaptive Sampling in Monterey Bay // IEEE Journal of Oceanic Engineering. - Vol. 31, Issue 4. - 2006. - P. 935-948.

8. Chen, Yuepeng & Guo, Xuan & Luo, Guangyu & Liu, Guangwu. A Formation Control Method for AUV Group Under Communication Delay. // Frontiers in Bioengineering and Biotechnology. 10. 848641. 10.3389/fbioe.2022.848641.

9. Маевский А.М., Турсенев С.А., Смирнов А.С. Робототехника в мониторинге глубин, "Гражданская оборона" 2022,-С. 42-44

10. Маевский А.М., Турсенев С.А., Смирнов А.С. Применение гетерогенной группы морских робототехнических комплексов в качестве сетецентрических систем мониторинга подводных потенциально -опасных объектов и загрязнений на морской акватории материалы международной научно-практической конференции «Сервис безопасности в России: опыт, проблемы, перспективы мониторинг, предотвращение и ликвидация чрезвычайных ситуаций природного и техногенного характера» 2021.-с 22-29

11.Маевский А.М., Занин В.Ю Резидентная робототехника как эффективный инструмент обеспечения подводной газо- и нефтедобычи нефетгаз

12. Занин В.Ю. Маевский А.М. и др. Разработка элементов подводных робототехнических резидентных систем на примере отечественного автономного необитаемого подводного аппарата интервенционного класса и сопутствующих технологий // Сборник работ лауреатов Международного конкурса научных, научно-технических и инновационных разработок, направленных на развитие и освоение Арктики и континентального шельфа 2019 года М. Министерство

энергетики Российской Федерации, ООО «Технодевелоп», 2019, С.13-22.

13.Маевский А.М., Гайкович Б.А. Разработка гибридных автономных необитаемых аппаратов для исследования месторождений углеводородов // Вести газовой науки №2 (39) - С. 29-40.

14.Занин В.Ю., Кожемякин И.В., Маевский А.М. Использование морской робототехники в задачах оперативной океанографии. Отечественный и зарубежный опыт. // Морские информационно-управляющие системы №1(17), 2020 г., С. 39-49.

15.Рубцов В. И., Машков К.Ю., Лапшов В.С., Коновалов К. В. Многоуровневая система управления группой роботов для работы в условиях арктики // Известия ТулГУ. Технические науки. 2021. №7. С. 53-56.

16. Маевский А.М., Занин В.Ю., Турсенев С.А. Групповое применение подводных планеров в задаче мониторинга подводных потенциально-опасных объектов на примере ликвидации аварийных разливов нефти // Научно-аналитический журнал проблемы управления рисками в техносфере (Problems of technosphere risk management) № 3 (59) - 2021. - С. 20-28.

17.Гайдук А.Р., Капустян С.Г., Шаповалов И.О. Алгоритм управления движением группы мобильных роботов в условиях неопределенности // Инженерный Вестник Дона. 2018. №3 (50). - С. 89-100.

18. Интеллектуальное планирование траекторий подвижных объектов в средах с препятствиями / В.Х. Пшихопов [и др.] // ФИЗМАТЛИТ. 2014. № 595.

19.Пшихопов В.Х., Гайдук А.Р., Медведев М.Ю., Гонтарь Д.Н., Соловьёв В.В., Мартьянов О.В. Концепция формирования оперативной группы ртк // Известия ЮФУ. Технические науки. 2020. №1 (211). - С. 6-16.

20.Капустян С. Г., Бондарев Ю. П. Методы организации локальной координации действий в больших группах микророботов // Известия ЮФУ. Технические науки. 2004. №9. - С. 158-168.

21.Мартынова Л.А., Киселев Н.К., Мысливый А.А. Метод выбора архитектуры мультиагентной системы управления автономного необитаемого подводного аппарата // Информационно -управляющие системы. 2020. №4, с.31-41. doi:10.31799/1684-8853-2020-4-31-41

22.И.А. Каляев, А.Р. Гайдук, С.Г. Капустян.И.А. Модели и алгоритмы коллективного управления в группах роботов — Москва: ФИЗМАТЛИТ, 2009. — 280с

23.Каляев И.А., Капустян С.Г., Гайдук А.Р. Самоорганизующиеся распределенные системы управления группами интеллектуальных роботов, построенные на основе сетевой модели // Управление большими системами: сборник трудов. Издательство: Институт Проблем Управления им. В. А. Трапезникова РАН. Г. Москва. 2010. №30-1. С.605-639

24.Пшихопов В. Х. Групповое управление подвижными объектами в неопределенных средах // Издательство: «Физматлит». 2015. 305 с.

25.Пшихопов В.Х., Медведев М.Ю. Групповое управление движением мобильных роботов в неопределенной среде с использованием неустойчивых режимов // Труды СПИИРАН. 2018. № 5 (60). С. 39-63

26.Белоглазов Д.А., Гайдук А.Р., Косенко Е.Ю., Медведев М.Ю., Пшихопов В.Х., Соловьев В.В., Титов А.Е., Финаев В.И., Шаповалов И.О. Групповое управление подвижными объектами в неопределенных средах / Под ред. В.Х. Пшихопова. - М.: ФИЗМАТЛИТ, 2015. - 305 с.

27.J. Q. Cui et al., Drones for cooperative search and rescue in post-disaster situation, in: 7th CIS-RAM, IEEE, 2015.

28.Ulun S, Unel M. Coordinated motion of UGVs and a UAV. Inlndustrial Electronics Society, IECON 2013-39th Annual Conference of the IEEE 2013 Nov 10 (pp. 4079-4084). IEEE.

29.Luo C, Espinosa AP, De Gloria A, Sgherri R. Air-ground multi-agent robot team coordination. InRobotics and Automation (ICRA), 2011 IEEE International Conference on 2011 May 9 (pp. 6588-6591). IEEE.

30. Pshikhopov, V. Path Planning for Vehicles Operating in Uncertain 2D Environments; Butterworth-Heinemann: Woburn, MA, USA, 2017; p. 298.

31.Wurman PR, D'Andrea R, Mountz M. Coordinating hundreds of cooperative, autonomous vehicles in warehouses. AI magazine. 2008 Mar 20;29(1):9.

32.Chen, Y., Yu, J., Su, X., & Luo, G. (2015). Path planning for multi-UAV formation. Journal of Intelligent & Robotic Systems, 77(1), 229-246. http://dx.doi.org/10.1007/ s10846-014-0077-y

33.He, L., Bai, P., Liang, X., Zhang, J., & Wang, W. (2018). Feedback formation control of UAV swarm with multiple implicit leaders. Aerospace Science and Technology, 72, 327-334. http://dx.doi.org/10.1016/j.ast.2017.11.020, URL http: //www. sciencedirect.com/science/article/pii/ S1270963816309816.

34.Li, Weihao & Yang, Chenguang & Jiang, Yiming & Liu, Xiaofeng & Su, Chun-Yi. (2017). Motion Planning for Omnidirectional Wheeled Mobile Robot by Potential Field Method. Journal of Advanced Transportation. 2017. 1-11. 10.1155/2017/4961383.

35.Chen, Yuepeng & Guo, Xuan & Luo, Guangyu & Liu, Guangwu. (2022). A Formation Control Method for AUV Group Under Communication Delay. Frontiers in Bioengineering and Biotechnology. 10. 848641. 10.3389/fbioe.2022.848641.

36.Yu, Haomiao & Ning, Luqian. (2023). Coordinated Obstacle Avoidance of Multi-AUV Based on Improved Artificial Potential Field Method and Consistency Protocol. Journal of Marine Science and Engineering. 11. 1157. 10.3390/jmse11061157.

37.Пшихопов В.Х., Медведев М.Ю. Планирование движения группы подвижных объектов в двумерной среде с препятствиями // Известия Южного федерального университета. Технические науки, №2 (175). - С. 6-22.

38.Маевский, А.М. Морозов, Р.О. Горелый А.Е. Разработка сценариев применения мультиагентного комплекса робототехнических систем в задачах оперативной океанографии // «Морские Технологии 2021». - С. 10-15.

39.Бабак Л.Н., Щербатюк А.Ф. Некоторые методы оценивания состояния водных акваторий с использованием автономных необитаемых подводных аппаратов // Мехатроника, автоматизация и управление. -2010. - №5. - С. 74-78.

40.Yan-qing, Jiang & Jian-xin, Xu & Ye, Li & Jian, Cao & Yue-ming, Li & Dongdong, Hou. (2023). AUV Applications and Technologies of Deep Sea Exploration in the Arctic: A Review. 10.1007/978-981-99-4291-6_28.

41.Агеев М.Д. Создание автоматизированной сети океанографических измерений на основе АНПА с солнечной энергетикой // Подводные исследования и робототехника, №2, 2006, - С. 5-12.

42.Мартынова Л.А, Розенгауз М.Б. "Определение эффективного поведения группы анпа в сетецентрической системе освещения подводной обстановки" Информационно-управляющие системы, no. 3 (88), 2017, pp. 47-57.

43.Кульченко А.Е Гуренко Б.В Маевский А.М. Групповое управление роботизированным мини-кораблем и вертолетом. Международное научное издание «современные фундаментальные и прикладные исследования» -2016.- №3(22). -С. 36-42

44.Purcell M., Alio D., Sherrell A. et al Use of REMUS 6000 in the Search for the Air France Flight 447 Wreckage // Proceedings of the OCEANS 2011 MTS/IEEE Conference, 2011, Kona, USA.

45.Woolsey M., Diercks A.-R., Jarnagin R., Asper V. L. Simultaneous Operation of Heterogeneous AUVs // Proceedings of the OCEANS 2013 MTS/IEEE Conference, 2013, San Diego, USA.

46.Pinto J., Faria M., Fortuna J. et al Chasing Fish: Tracking and control in a autonomous multi-vehicle real-world experiment // Proceedings of the OCEANS 2013 MTS/IEEE Conference, 2013, San Diego, USA.

47.Thompson D., Caress D., Clague D. et al MBARI Dorado AUV's Scientific Results // Proceedings of the OCEANS 2013 MTS/IEEE Conference, 2013, San Diego, USA.

48.Chance T.S. et al. The Hugin 3000 AUV // Sea Technology. - December 2000. - P. 10-14.

49.Chance T.S., Kleiner A.A., Lee J., Northcutt J.G. Cable route surveys utilizing Autonomous Underwater Vehicles (AUVs) // MTS Journal. - 2000. - Vol. 34, No. 3. - P. 11-16.

50.Hagen, Per Espen & Stoerkersen, Nils. (2006). The HUGIN AUV for Force Protection in the Littorals. 29.

51.Marthiniussen, R. & Vestgard, K. & Klepaker, R.A. & Storkersen, N.. (2004). HUGIN-AUV concept and operational experiences to date. Ocean '04 -MTS/IEEE Techno-Ocean '04: Bridges across the Oceans - Conference Proceedings. 2. 846 - 850 Vol.2. 10.1109/OCEANS.2004.1405571.

52.Hagen, Per Espen & Lagstad, Petter & Rekdal, Stig. (2007). Transitioning the HUGIN 1000-MR AUV into service in the Royal Norwegian Navy.

53.Nikushchenko, D.; Maevskiy, A.; Kozhemyakin, I.; Ryzhov, V.; Goreliy, A.; Sulima,T. Development of a Structural-Functional Approach for Heterogeneous Glider-Type MarineRobotic Complexes' Group Interaction to Solve Environmental Monitoring and PatrollingProblems.J. Mar. Sci. Eng.2022,10, 1531.https://doi.org/10.3390/jmse10101531

54.Ji, Dae-Hyeong & Choi, Hyeung-Sik & Kang, Jin-Il & Cho, Hyunjoon & Joo, Moon-Gap & Lee, Jae-Heon. (2019). Design and control of hybrid underwater

glider. Advances in Mechanical Engineering. 11. 168781401984855. 10.1177/1687814019848556.

55.Gurenko, B., Maevskiy A., Kulchenko A., Beresnev M. (2016). The Structure of Automatic Control Systems for Underwater Gliders. 88-91. 10.1145/3029610.3029640.

56.Маевский А.М, Назаркин А.С, Суров К.А. Исследование движения глайдера за счет управляемого изменения плавучести // Информационные технологии, системный анализ и управление. -ИТСАУ - 2016 Сборник трудов XIV Всероссийской научной конференции молодых ученых, аспирантов и студентов.Т.2 -С. 63-68.

57.Маевский А.М., Назаркин А.С., Гуренко Б.В. Разработка системы управления подводным глайдером на базе позиционно-траекторного регулятора // «Международное научное издание "Современные фундаментальные и прикладные исследования" №4(27) 2017 С. - 31-38

58.Маевский А.М., Назаркин А.С., Павленко Д. Д. Разработка системы управления подводными аппаратами с нетрадиционными принципами движения на базе позиционно-траекторного регулятора // Проблемы современной системотехники, выпуск xi, 2017,таганрог, с. -193-200

59.Fiorelli E., Leonard N.E., Bhatta P., Paley D., Bachmayer R., Fratantoni D.M. Multi-AUV Control and Adaptive Sampling in Monterey Bay // IEEE Journal of Oceanic Engineering. - Vol. 31, Issue 4. - 2006. - P. 935-948.

60.Leonard, N.E., Paley, D.A., Davis, R.E., Fratantoni, D.M., Lekien, F. and Zhang, F. (2010), Coordinated control of an underwater glider fleet in an adaptive ocean sampling field experiment in Monterey Bay. J. Field Robotics, 27: 718-740. doi:10.1002/rob.20366

61.Perry R.L., Jochens A.E., Howard M.K. Gliders in the Gulf of Mexico: Buildingtowards an operational and integrated observing system in the Gulf of Mexico //Proceedings of the OCEANS 2013 MTS/IEEE Conference, 2013, San Diego,USA.

62.Russell-Cargill Louise M., Craddock Bradley S., Dinsdale Ross B., Doran Jacqueline G., Hunt Ben N., Hollings Ben (2018) Using autonomous underwater gliders for geochemical exploration surveys. The APPEA Journal 58, 367-380.

63.Baltes, Becky & Rudnick, Dan & Crowley, M. & Schofield, Oscar & Lee, Craig & Barth, Jack & Lembke, Chad & Stanitski, Diane & Banks, Robert & Snowden, Derrick & Potemra, Jim. (2014). Toward a U.S. IOOS® Underwater Glider Network Plan: Part of a comprehensive subsurface observing system.

64.Prins R., Kandemir M. Time-constrained optimization of multi-AUV cooperative mine detection // Proceedings of the OCEANS 2008 MTS/IEEE Conference, 2008, Quebec City, Canada.

65.Максимкин Н.Н., Нагул Н.В. Децентрализованное распределение группы АНПА по областям с приоритетами // Материалы пятой Всероссийской научно-технической конференции «Технические проблемы освоения Мирового океана». - Владивосток, 2013.- С. 414418.

66.Delande J, Balasubramanian R. Task Consensus among a Team of Heterogeneous AUVs under Intermittent Communication // Proceedings of the OCEANS 2013 MTS/IEEE Conference, 2013, San Diego, USA.

67.Амбарцумян А.А., Потехин А.И. Групповое управление в дискретно-событийных системах // Проблемы управления. - 2012. - №5. - С. 4653.

68.Tao Ch., Da X., Zheping Ya., Yufei Zh. Mission Control of AUV for Terrain Survey Using Discrete Event System Theory // Proceedings of the OCEANS 2013 MTS/IEEE Conference, 2013, San Diego, USA

69.Бычков И.В., Максимкин Н.Н., Хозяинов И.С., Киселёв Л.В. О задаче патрулирования границы акватории, охраняемой группой подводных аппаратов // Материалы пятой Всероссийской научно -технической

конференции «Технические проблемы освоения Мирового океана». Владивосток, 2013.- С. 424-428.

70.Zhou, Guangzhao & Liu, Chuan & Xiang, Xianbo. (2023). On Adaptive LOS Guidance Law Based Path Following of an AUV Using Model Predictive Control. 10.1007/97 8-981-19-9398-5_131.

71.Пшихопов, В. Х., Федотов, А. А., Медведев, М. Ю., Медведева, Т. Н., Гуренко Б.В. Позиционно-траекторная система прямого адаптивного управления морскими подвижными объектами // Инженерный вестник Дона, 30 (3), 29.

72.Пшихопов В.Х., Медведев М.Ю, Гуренко Б.В. Алгоритмы адаптивных позиционно-траекторных систем управления подвижными обьектами // Проблемы управления. №4. -С. 66-75.

73.Пшихопов, В. Х., Гуренко, Б. В., Медведев, М. Ю., Маевский, А. М., Голосов С.П. Оценивание аддитивных возмущений АНПА робастным наблюдателем с нелинейными обратными связями. Известия Южного федерального университета. Технические науки, (3 (152)), 128-137.

74.Huang, H. & Zhang, Q. & Zhang, S. & Wan, L. & Pang, Y.. (2015). Adaptive formation control strategy for under-actuated AUVs. Harbin Gongcheng Daxue Xuebao/Journal of Harbin Engineering University. 36. 633-637 and 643. 10.3969/j .issn. 1006-7043.201402003.

75.Tran, N.H., Nguyen, A.D., Nguyen, T.N., 2020. A Genetic Algorithm Application in Planning Path Using B-Spline Model for Autonomous Underwater Vehicle (AUV). AMM 902, 54-64. https://doi.org/10.4028/www.scientific.net/amm.902.54

76.J. Cao, Y. Li, S. Zhao and X. Bi, "Genetic-Algorithm-Based Global Path Planning for AUV," 2016 9th International Symposium on Computational Intelligence and Design (ISCID), 2016, pp. 79-82, doi: 10.1109/ISCID.2016.2027.

77.Xiong, Yong & Pan, Lin & Xiao, Min & Xiao, Han. (2023). Motion control and path optimization of intelligent AUV using fuzzy adaptive PID and improved genetic algorithm. Mathematical Biosciences and Engineering. 20. 9208-9245. 10.3934/mbe.2023404.

78.G. DeMuth and S. Springsteen, "Obstacle avoidance using neural networks," Symposium on Autonomous Underwater Vehicle Technology, 1990, pp. 213215, doi: 10.1109/AUV.1990.110459.

79.J. Healey, "A neural network approach to failure diagnostics for underwater vehicles," Proceedings of the 1992 Symposium on Autonomous Underwater Vehicle Technology, 1992, pp. 131-134, doi: 10.1109/AUV.1992.225183

80.T. Fujii and T. Ura, "Development of motion control system for AUV using neural nets," Symposium on Autonomous Underwater Vehicle Technology, 1990, pp. 81-86, doi: 10.1109/AUV.1990.110440.

81.K. Ishii, T. Fujii and T. Ura, "A quick adaptation method in a neural network based control system for AUVs," Proceedings of IEEE Symposium on Autonomous Underwater Vehicle Technology (AUV'94), 1994, pp. 269-274, doi: 10.1109/AUV.1994.518635.

82.Маевский А.М., Кожемякин И.В. Применение систем искусственного интеллекта в морской робототехнике. Существующие разработки в мире и возможности развития в РФ. // " Морские информационно -управляющие системы", №1(19), 2021 г., С. 39-49.

83.Shalabh Bhatnagar, Richard S. Sutton, Mohammad Ghavamzadeh, and Mark Lee. Incremental natural actor-critic algorithms. In Advances in Neural Information Processing Systems 20, pages 105-112. MIT Press, Cambridge, MA, 2008.

84.González, Antonio & Garcia-Cordova, Francisco & Gilabert, Javier. (2011). A biologically inspired neural network for navigation with obstacle avoidance in autonomous underwater and surface vehicles. OCEANS 2011 IEEE -Spain. 1 - 8. 10.1109/0ceans-Spain.2011.6003432.

85.Zhifu, Li & Waog, Miog & Ma, Ge. (2022). Adaptive optimal trajectory tracking control of AUVs based on reinforcement learning. ISA Transactions. 137. 10.1016/j.isatra.2022.12.003.

86.Nikushchenko, Dmitry & Maevskiy, Andrey & Kozhemyakin, Igor & Ryzhov, Vladimir & Bondar, Alexander & Goreliy, Artem & Pechaiko, Ivan & Nikitina, Ekaterina. (2023). Development of a Cascade Intelligent System for Path Planning of the Group of Marine Robotic Complexes. Journal of Marine Science and Engineering. 11. 610. 10.3390/jmse11030610.

87.Маевский, А.М., Турсенев С.А. Использование нейронных сетей для систем планирования перемещения робототехнических комплексов в сфере задач МЧС России // Проблемы управления рисками в техносфере. № 2 (66)- С.26-39 - 2023

88.D. B. Edwards, T. A. Bean, D. L. Odell and M. J. Anderson, "A leader-follower algorithm for multiple AUV formations," 2004 IEEE/OES Autonomous Underwater Vehicles (IEEE Cat. No.04CH37578), 2004, pp. 4046, doi: 10.1109/AUV.2004.1431191.

89.W. Xing, Y. Zhao and H. R. Karimi, "Convergence Analysis on Multi-AUV Systems With Leader-Follower Architecture," in IEEE Access, vol. 5, pp. 853-868, 2017, doi: 10.1109/ACCESS.2017.2651048.

90.Jenhwa Guo, Sheng-Wen Cheng and Te-Chih Liu, "AUV obstacle avoidance and navigation using image sequences of a sector scanning sonar," Proceedings of 1998 International Symposium on Underwater Technology, 1998, pp. 223-227, doi: 10.1109/UT.1998.670096.

91.G. Conte and S. Zanoli, "A sonar based obstacle avoidance system for AUVs," Proceedings of IEEE Symposium on Autonomous Underwater Vehicle Technology (AUV94), 1994, pp. 85-91, doi: 10.1109/AUV.1994.518611.

92.Пшихопов В.Х., Медведев М.Ю. Планирование движения группы подвижных объектов в двумерной среде с препятствиями // Известия Южного федерального университета. Технические науки, (2 (175)), 6-22.

93.Кульченко А.Е., Лазарев В.С. Использование виртуальной целевой точки для планирования движения подвижного объекта в 3D. // Инженерный вестник Дона №4 (43). -С. 83-90.

94.Пшихопов В.Х., Медведев М.Ю.Алгоритмы планирования и управления подвижными объектами в трехмерной среде с использованием неустойчивых режимов // Известия Южного федерального университета. Технические науки. №2 (187). -С. 146-158.

95.Li, Daoliang & Wang, Peng & Du, Ling. (2018). Path Planning Technologies for Autonomous Underwater Vehicles-A Review. IEEE Access. PP. 1-1. 10.1109/ACCESS.2018.2888617.

96.Liu, HongBo & Zhang, Shuai & Yang, Xiaodong. (2023). Overview of path planning algorithms. Recent Patents on Engineering. 18. 10.2174/1872212118666230828150857.

97.LaValle, S. M., 2006. Planning Algorithms, Cambridge University Press, New York, USA

98.Liu, S., Sun, D., Zhu, C, 2011. Coordinated motion planning for multiple mobile robots along designed paths with formation requirement. Mechatronics, IEEE/ASME Transactions on, 16(6), p. 1021-1031.

99.Пшихопов В.Х., Медведев М.Ю., Бросалин Д.О., Васильева М.А, Гуренко Б.В, Хамдан Н. Исследование методов планирования движения в двумерных картографированных средах // Известия ЮФУ. Технические науки. -2022. -№3 (227). -С. 170-192.

100.Sun, Liping & Duan, Xiaoyu & Zhang, Kai & Xu, Pingan & Zheng, Xiaoyao & Yu, Qingying & Luo, Yonglong. (2023). Improved path planning algorithm for mobile robots. Soft Computing. 27. 1-17. 10.1007/s00500-023-08674-z.

101.Krishna, Ghanta & Santhosh Kumar, Pangoth & Supriya, Kundarapu. (2023). Comparative Analysis of Different Variants in A* Path Planning Algorithm. 10.13140/RG.2.2.22392.21762.

102.Persson, S. & Sharf, Inna. (2014). Sampling-based A* algorithm for robot path-planning. The International Journal of Robotics Research. 33. 16831708. 10.1177/0278364914547786.

103.Ma, Han & Li, Chenming & Liu, Jianbang & Wang, Jiankun & Meng, Max.

(2022). Enhance Connectivity of Promising Regions for Sampling-Based Path Planning. IEEE Transactions on Automation Science and Engineering. PP. 114. 10.1109/TASE.2022.3191519.

104.Moon, Brady & Chatterjee, Satrajit & Scherer, Sebastian. (2022). TIGRIS: An Informed Sampling-based Algorithm for Informative Path Planning.

105.Rumlaklak, Nelci. (2020). Studi Performansi Algoritma Perencanaan Jalur diantara PRM, RRT, RRT* dan Informed-RRT. Telekontran : Jurnal Ilmiah Telekomunikasi, Kendali dan Elektronika Terapan. 7. 10.34010/telekontran.v7i2.2701.

106.Damanik, Joshua & Choi, Han-Lim. (2023). Sampling-Based Path Planning Algorithm Considering Moving Obstacles Based on RRT*. 10.1007/978-3-031-26889-2_5.

107.Wang, Xiyuan. (2023). Genetic RRT: Asymptotically Optimal Sampling-based Path Planning via Optimization of Genetic Algorithm. Highlights in Science, Engineering and Technology. 43. 215-222. 10.54097/hset.v43i.7423.

108.Chen, Zhihao & Yu, Jiabin & Zhao, Zhiyao & Wang, Xiaoyi & Chen, Yang.

(2023). A Path-Planning Method Considering Environmental Disturbance Based on VPF-RRT*. Drones. 7. 145. 10.3390/drones7020145.

109.Наумов Л.А., Илларионов Г.Ю., Лаптев К.З., Бабак А.В. К вопросу о принципах планирования и особенностях формирования глобальных маршрутов автономных подводных роботов. // Известия Тульского

государственного университета. Технические науки. - № 11 (2). -С. 8290.

110.Мартынова Л.А. Метод эффективного удержания положения АНПА на маршрутной траектории при ведении сейсморазведки // Информационно-управляющие системы.- №3 (94)). -С. 34-44.

111.Инзарцев, А. В., Киселев, Л. В., Матвиенко, Ю. В. Навигация и управление автономных подводных роботов // Известия Южного федерального университета. Технические науки. - № 104 (3). -С. 164-169.

112.Онищенко И.Н., Портной А.С. Проблемы создания подводных систем контроля за состоянием морских трубопроводов // Записки Горного института. -№ 176. -С. 84-87.

113.Илларионов А.А., Козловский С.В., Чернов В.П. Характеристики гидролокационного отражения автономных объектов мониторинга морской среды // Известия Южного федерального университета. Технические науки, №12 (173), - С. 35-43.

114.Коднянко В.А. Направленные сплайны и их использование для сглаживания выбросов и изломов интерполянта // Вестник ЮжноУральского государственного университета. Серия: Вычислительная математика и информатика, №10 (1). -С. 5-19.

115.Маевский А.М. Прогнозирование маршрутов движения морских беспилотных транспортных объектов в реальных условиях плавания на основе характеристической модели глобального поля течений// Морские интеллектуальные технологии, 2024. №1 (часть 1), С.66 - 72.

116.Dp, Riky & Wulandari, Ika & Ma'arif, Alfian & Fathurrahman, Haris Imam Karim & Rosyady, Phisca. (2022). Webots-Based: Design of Collision Free Trajectory of Wheeled Mobile Robot Using Artificial Potential Field. 56-61. 10.1109/ICRAMET56917.2022.9991222.

117.Chen, Y.; Chen, L.; Ding, J.; Liu, Y. Research on Real-Time Obstacle Avoidance Motion Planning of Industrial Robotic Arm Based on Artificial

Potential Field Method in Joint Space. Appl. Sci. 2023, 13, 6973. https://doi.org/10.3390/app13126973

118. Sabudin & Omar, Rosli & Hailma, Che Ku Nor. (2016). Potential field methods and their inherent approaches for path planning. 11. 10801-10805.

119.Пшихопов, В. Х., Али, А. С. (2011). Обход локальных минимумов функции ошибки при движении робота в неопределенной среде. Известия высших учебных заведений. Северо-Кавказский регион. Технические науки, (6), 26-31.

120.Hanninen, K & Auer O (2015). Patorakenteiden tarkastusmenetelmat (Methods to inspect the structures of a dam). Published report. www.ymparisto. fi/patoturvallisuus

121.Maevskiy A.M., Gorelyi A.E. and Morozov R.O., "Development of a Hybrid Method for Planning the Movement of a Group of Marine Robotic Complexes in a Priori Unknown Environment with Obstacles," 2021 IEEE 22nd International Conference of Young Professionals in Electron Devices and Materials (EDM), 2021, pp. 461-466, doi: 10.1109/EDM52169.2021.9507660

122.Маевский А.М., Морозов Р.О., Рыжов В.А., Горелый А.Е. Разработка многоуровневой системы планирования траектории движения группы АНПА в неизвестной среде с препятствиями // Известия ЮФУ Технические науки № 1 (2021). -С. 30-47

123.Воронов Е.М., Хубларов Н.О. Формирование алгоритма стайного управления группой роботов в условиях постоянного возмущения среды // Вестник МГТУ им. Н.Э. Баумана. Серия «Приборостроение». 2019. №4 (127). -С. 4-17.

124. Маевский А.М., Печайко И.А., Турсенев С.А. Применение морских робототехнических комплексов для мониторинга и анализа потенциально опасных подводных объектов // Научно-аналитический

журнал проблемы управления рисками в техносфере (Problems of technosphere risk management) № 2 (58) С.32-39 - 2021

125.Demarco, Kevin & West, Michael & Collins, Thomas. (2011). An implementation of ROS on the Yellowfin autonomous underwater vehicle (AUV). 1-7. 10.23919/OCEANS.2011.6107001.

126.Thuyen, Ngo & Huy, Tran & Ton, Thien-Phuong & Nguyen, Hung & Tran, Phuc. (2021). Simulation of Hybrid Autonomous Underwater Vehicle based on ROS and Gazebo. 109-113. 10.1109/ATC52653.2021.9598242.

127. Carrera, Arnau & Tremori, Alberto & Caamano, Pilar & Been, Robert & Crespo-Pereira, Diego & Bruzzone, Agostino. (2016). HLA Interoperability for ROS-Based Autonomous Systems. 9991. 128-138. 10.1007/978-3-319-47605-6_10.

128.Noreen, Iram & Khan, Amna & Habib, Zulfiqar. (2016). Optimal Path Planning using RRT* based Approaches: A Survey and Future Directions. International Journal of Advanced Computer Science and Applications. 7. 10.14569/IJACSA.2016.071114.

129.Maseko, Bongani & Daalen, Corné & Treurnicht, Johann. (2021). Optimised Informed RRTs for Mobile Robot Path Planning.

130.Zhang, Yi & Hu, Yunchuan & Lu, Jiakai & Shi, Zhiqiang. (2022). Research on Path Planning of Mobile Robot Based on Improved Theta* Algorithm. Algorithms. 15. 477. 10.3390/a15120477.

131.Маевский, А. М. Перспективные высокотехнологичные экспортно-ориентированные и востребованные внутренним рынком направления морской робототехники / А. М. Маевский, В. Ю. Занин, И. В. Кожемякин // Робототехника и техническая кибернетика. - 2022. - Т. 10, № 1. - С. 513. - DOI 10.31776/RTCJ.10101. - EDN LBKNSJ.

132.Дмитриев А.С., Рыжов А.И., Попов М.Г. Прямохаотические средства связи и активные радиометки для Интернета вещей и Интернета

робототехники. // Радиоэлектроника. Наносистемы. Информационные технологии, №10 (2). -С. 313-322.

УТВЕРЖДАЮ

>ектор по НР СПбГМТУ

2023 г.

Д.И. Кузнецов

о внедрении результатов

кандидатской диссертационной работы

Маевского Андрея Михайловича

«Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач»

Комиссия в составе: Председатель комиссии: Начальник УОИР Кожемякин И.В. Члены комиссии:

Заместитель начальника УОИР Блинков А.П.

Доцент кафедры проектирования судов, к.т.н. Овчинников К.Д.

составили настоящий акт о том, что в процессе выполнения внутренних научно-исследовательских и опытно-конструкторских работ Управления оборонных исследований и разработок успешно применяются результаты диссертационной работы Маевского Андрея Михайловича «Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач», а именно методы группового управления и взаимодействия морских робототехнических комплексов (МРТК), требуемые для организации перемещения МРТК в морском пространстве.

Разработанный Маевским А.М программный комплекс системы управления и планирования движения принят к внедрению и используется при реализации программно-аппаратного комплекса для управления подводным глайдером, волновым глайдером и другими робототехническими комплексами СПбГМТУ, в том числе в рамках исполнения Государственного контракта от 29.09.2020 г. №2022187140582452466002529.

К внедрению приняты следующие научные результаты диссертационной работы Маевского А.М «Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач»:

• метод глобального планирования траектории движения группы АНПА на основе построения карты деревьев в области функционирования аппаратов;

• алгоритм системы обхода препятствий и принятия реконфигурационного решения группой АНПА;

• метод формирования единого поля видимости группой АНПА;

• алгоритм перестроения глобальной траектории движения группы на основе единого поля видимости.

• Использование предложенных методов и алгоритмов, позволяют обеспечить:

• расширение функциональных возможностей гетерогенных групп (МРТК);

• повысить энергоэффективность применения групп МРТК в условиях функционирования в неопределенных средах.

Работоспособность методов и алгоритмов, разработанных Маевским A.M. в процессе написания диссертационной работы «Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач» подтверждена практической отработкой на открытой воде.

Председатель комиссии: Начальник УОИР

Члены комиссии;

Заместитель начальника УОИР

Доцент кафедры проектирования

Акционерное общество «Научно-производственное Предприятие Подводных Технологий «Океанос»

(АО «НПП ПТ «Океанос»)

^^^^^^ юр. адрес: 194295 г. Санкт-Петербург, бульвар Поэтический, д. 2, литер А, пом. 1384, тел./факс [phone] OCEANOS почтовый адрес: 194295, г. Санкт-Петербург, а/я 21, email: [e-mail], vww.oceanos.ru

р/с 40702810900000018494 в АО Банк «ПСКБ» г. Санкт-Петербург, к/с 30101810000000000852, БИК 044030852 ИНН 7801233338, КПП 780201001, ОГРН 1037800076610, ОКПО 13873675, ОКАТО 40265562000, ОКВЭД 72.19

АКТ

о внедрении результатов кандидатской диссертационной работы Маевского Андрея Михайловича «Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач»

« > . ? » Уб> 202 3 года

Настоящий акт составлен о том, что в процессе выполнения внутренних научно-исследовательских и опытно-конструкторских работ АО «НПП ПТ «Океанос» успешно применяются системы и алгоритмы управления морскими робототехническими комплексами (МРТК), разработанные Маевским Андреем Михайловичем в процессе выполнения диссертационной работы «Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач».

Разработанный Маевским А.М алгоритм планирования движения МРТК внедрен в программно-аппаратные комплексы планирования перемещения подводным глайдером, подводным манипуляторным комплексом, АНПА интервенционного типа и другими робототехническими комплексами производства АО «НПП ПТ «Океанос».

К внедрению приняты следующие научные результаты диссертационной работы Маевского А.М «Имитационное моделирование безопасного движения группы безэкипажных морских транспортных объектов для решения позиционных задач»:

- система глобального и локального планирования траектории движения группы АНПА на основе построения карты деревьев в области функционирования аппаратов;

- алгоритм системы обхода препятствий и принятия реконфигурационного решения группой АНПА;

Работоспособность методов и алгоритмов, разработанных Маевским A.M. в процессе написания диссертационной работы «Имитационное моделирование