Методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в неизвестной среде тема диссертации и автореферата по ВАК РФ 05.02.05, кандидат технических наук Фирас Абдельраззак Рахим

• Фирас Абдельраззак Рахим
• кандидат технических наук
• 2009

Оглавление диссертации кандидат технических наук Фирас Абдельраззак Рахим

ВВЕДЕНИЕ.

Глава 1. АНАЛИЗ СОСТОЯНИЯ ВОПРОСА И ПОСТАНОВКА ЗАДАЧ

ИССЛЕДОВАНИЯ.

1.1 Введение в планирование перемещения робота.

1.2 Особенности планирования перемещения робота-манипулятора в неизвестной среде.

1.3 Основные методы планирования перемещения робота-манипулятора в неизвестной среде с использованием искусственных нейронных сетей и нечеткой логики.

1.3.1 Искусственные нейронные сети в моделях планирования перемещения.

1.3.2 Использование возможностей нечеткой логики.

1.3.3 Применение комбинированных нейро-нечетких систем.

1.4 Методы управления перемещением робота по планируемой траектории.

1.5 Концепция реактивного управления перемещением робота-манипулятора в неизвестной среде.

1.6 Выводы.

1.7 Постановка цели и задачи исследования.

Глава 2. МЕТОДЫ ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ

ПЛАНИРОВАНИЯ ПЕРЕМЕЩЕНИЯ РОБОТА-МАНИПУЛЯТОРА В РЕЖИМЕ РЕАЛЬНОГО ВРЕМЕНИ В НЕИЗВЕСТНОЙ СТАТИЧЕСКОЙ И ДИНАМИЧЕСКОЙ СРЕДАХ.

2.1 Геометрическое моделирование робота-манипулятора в неизвестной окружающей среде.

2.2 Описание модели двухзвенного робота-манипулятора.

2.3 Метод построения нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.3.1 Разработка первого нечеткого блока у-го звена.

2.3.2 Разработка второго нечеткого блокау'-го звена.

2.3.3 Результаты компьютерного моделирования нечеткой системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.4 Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.4.1 Разработка нейронной сети для моделирования классификаций.

2.4.2 Разработка модифицированной нечеткой системы планирования перемещения как составляющей интеллектуальной системы.-.

2.4.3 Результаты компьютерного моделирования интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде.

2.5 Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде.

2.5.1 Разработка второго нечеткого блокау'-го звена

2.5.2 Результаты компьютерного моделирования интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде.

2.6 Выводы.

Глава 3. МЕТОД ПОСТРОЕНИЯ ИНТЕЛЛЕКТУАЛЬНОЙ СИСТЕМЫ УПРАВЛЕНИЯ ПЕРЕМЕЩЕНИЕМ РОБОТА-МАНИПУЛЯТОРА ПО ПЛАНИРУЕМОЙ ТРАЕКТОРИИ.

3.1 Динамическая модель двухзвенного робота-манипулятора.

3.2 Разработка метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории.

3.2.1 Разработка МСП71 и МСП72.

3.2.2 Настройка входов нечетких ПД-регуляторов.

3.2.3 Разработка структуры нечетких ПД-регуляторов.

3.2.4 Результаты компьютерного моделирования интеллектуальной системы управления перемещением робота-манипулятора по планируемой траектории.

3.3 Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах.

3.4 Выводы.

Глава 4. ЭКСПЕРИМЕНТАЛЬНОЕ ИССЛЕДОВАНИЕ.

4.1 Разработка экспериментальной модели системы реактивного управления роботом-манипулятором в неизвестной среде.

4.1.1 Полная экспериментальная система.

4.1.2 Описание Lynx 5 Robot Arm.

4.1.3 Датчики расстояния.

4.1.4 Интерфейсный электронный модуль ввода-вывода.

4.2 Алгоритм реактивного управления.

4.3 Анализ результатов экспериментального исследования.

4.4 Выводы.

Введение диссертации (часть автореферата) на тему «Методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в неизвестной среде»

Актуальность проблемы. В различных отраслях промышленности и сервисного обслуживания широко применяются роботы, мехатронные и робото-технические системы. Это связано с их растущими функциональными возможностями, обусловленными использованием более совершенных систем управления, развитие которых, в свою очередь, базируется на известных достижениях средств вычислительной техники.

Неопределенность, вызванная наличием в рабочей зоне робота неизвестных статических или динамических препятствий и проявляющаяся как степень погрешности опознающих эти препятствия датчиков и как изменение местоположения этих препятствий, обусловливает необходимость разработки методов планирования и управления перемещением робота. Суть данных методов заключается в том, что после получения роботом задания в ходе планирования в режиме реального времени происходит формирование допустимой траектории перемещения с учетом возможных конфигураций робота, а также информации об окружающей среде, считанной датчиками. Далее в процессе генерирования траектории формируются желаемые конфигурации робота, представляющие собой функции времени. Полученная траектория является задающим воздействием для управления, формирующим соответствующие сигналы для создания крутящего момента, что гарантирует выполнение роботом безопасной траектории с минимально возможной погрешностью достижения целевой точки.

В настоящее время в основе решения проблемы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде лежит разработка интеллектуальных методов, которые основаны на применении искусственных нейронных сетей и нечеткой логики. Научные исследования в этом направлении получили распространение как в России, так и за рубежом. Они базируются на трудах ученых И.М. Макарова, В.М. Лохина, С.В. Манько, М.П. Романова, П.Э. Трипольского, К. Алтоуфера, Б. Крекелбер-га, Д. Хасмейера, JI. Сеневиратне, П.Г. Завлангаса, С.Г. Тзафеста, Ю. Фу, Б.

Джина, X. Ли, Ш. Ванга, которые в основном использовали возможности нечеткой логики, а также научных коллективов под руководством Ю.В. Подураева, В.А. Лопоты, Е.И. Юревича, С.Л. Зенкевича, А.С. Ющенко, И.А. Каляева. Дальнейшее развитие предложенных учеными методов с целью повышения точности результатов планирования и управления перемещением роботов-манипуляторов в режиме реального времени в неизвестной среде, в том числе для эффективного выполнения ими сложных задач без непосредственного участия в этом процессе человека-оператора, заключается в комбинировании аппарата нечеткой логики с возможностями искусственных нейронных сетей. Кроме того перспективным, с этой точки зрения, является разработка комплексных интеллектуальных систем, включающих подсистемы планирования и управления. Таким образом, решение этих проблем является весьма актуальным.

Соответствие диссертации плану работ ЮРГТУ (НПИ) и целевым комплексным программам. Диссертационная работа выполнена в рамках научного направления ЮРГТУ (НПИ) «Теория и принципы создания робототех-нических и мехатронных систем и комплексов» и соответствует госбюджетной теме П.3.837 «Разработка принципов и средств автоматизации и роботизации производства на основе мехатронных технологий и систем» (2004-2008 г.г.).

Целью работы является разработка методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени, обеспечивающих реализацию им планируемой в процессе движения безопасной траектории в окружающей среде с неизвестными статическими и динамическими препятствиями.

Достижение поставленной цели требует решения следующих исследовательских задач:

1) проанализировать современные концепции и методы разработки систем планирования и систем управления перемещением робота-манипулятора в неизвестной среде;

2) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде с последующим компьютерным моделированием;

3) разработать метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде и выполнить компьютерное моделирование полученной системы;

4) разработать метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории и осуществить ее компьютерное моделирование;

5) разработать методы построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах с их последующим компьютерным моделированием;

6) провести экспериментальные исследования системы управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде.

Идея работы заключается в разработке методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора как в неизвестной статической, так и в неизвестной динамической средах на основе применения аппарата нечеткой логики и искусственных нейронных сетей для снижения вероятности столкновения звеньев робота-манипулятора с неизвестными препятствиями, расположенными в его рабочей зоне.

В качестве методов исследования использованы методы робототехники, мехатроники, математического моделирования, аналитической геометрии, кинематического и динамического анализа, нечеткой логики, нейронных сетей, метод дискретного интегрирования, а также методы прикладного программирования. Аналитические исследования проведены на ЭВМ, а экспериментальные — с использованием лабораторного робота-манипулятора.

Научные положения, выносимые на защиту:

1. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, заключающийся в трехэтапном формировании безопасной траектории на основе использования двух нечетких блоков для каждого звена робота, а также модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения манипулятора в форме многослойного персептрона нейронной сети, позволяет на каждой итерации учитывать расстояние между звеньями робота и расположенными справа и слева от них ближайшими препятствиями и обеспечивает достижение роботом целевой точки.

2. Метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде, включающий четыре этапа формирования безопасной траектории с учетом значения параметра изменения расстояния между звеньями робота и ближайшими препятствиями, позволяет роботу успешно избегать столкновений с неизвестными динамическими препятствиями и обеспечивает достижение им целевой точки.

3. Метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, заключающийся в использовании трех этапов формирования управляющих сигналов с применением для каждого звена робота нечеткого ПД-регулятора и двух многослойных нейронных сетей с целью повышения эффективности перемещения робота-манипулятора по планируемой траектории и уменьшения влияния случайного возмущения на реальную траекторию.

4. Метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, основанный на комбинации разработанных методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора по планируемой траектории, позволяет повысить эффективность отработки роботом безопасной траектории в окружающей среде с неизвестными неподвижными и неизвестными движущимися препятствиями.

Научная новизна работы состоит в разработке:

1) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, отличающегося тем, что окончательные значения изменений углов перемещения каждого из звеньев манипулятора являются результатом процесса принятия решения, осуществляемого с помощью двух нечетких блоков, а также сочетания возможностей нейросетевой модели полной классификации, учитывающей возможные ситуации местоположений неизвестных препятствий в рабочей зоне и соответствующие им направления и виды движения робота-манипулятора;

2) метода построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной динамической среде, отличающегося использованием в качестве входного параметра второго нечеткого блока каждого звена робота значений изменения расстояния между роботом и ближайшими препятствиями, что дает возможность вычислить скорость их сближения и избежать столкновения между ними;

3) метода построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, отличающегося тем, что для каждого звена робота настройка входов в нечеткий ПД-регулятор выполняется выходами второй многослойной нейронной сети, обученной в режиме реального времени на основе значений выхода первой многослойной нейронной сети, которая, в свою очередь, обучается на основе инверсной динамической модели робота, что повышает точность отработки роботом планируемой траектории;

4) метода построения комбинированных комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, отличающегося сочетанием возможностей соответствующих интеллектуальных систем планирования и интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории.

Обоснованность и достоверность результатов подтверждается применением современных апробированных методов исследований; анализом научно-исследовательских работ по рассматриваемому вопросу; методами обработки и моделирования, выполненными с использованием современных ЭВМ и программных продуктов для выполнения расчетов и обработки результатов эксперимента; метода видеосъемки; удовлетворительной сходимостью результатов компьютерного моделирования и экспериментального исследования.

Значение работы. Научное значение работы состоит в развитии методологической основы для разработки и совершенствования новых методов построения интеллектуальных систем, реализующих процессы планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде и основанных на сочетании возможностей нечеткой логики и искусственных нейронных сетей.

Практическое значение полученных в работе результатов заключается в следующем:

- разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде позволяют эффективно решать проблему использования робототехнических систем в ситуациях отсутствия информации об окружающей среде, обеспечивая их безопасное перемещение по траектории, свободной от столкновений с неизвестными статическими и динамическими препятствиями;

- разработан пакет программ, обеспечивающий возможность моделирования окружающей среды, движения робота-манипулятора среди неизвестных препятствий, работы инфракрасных датчиков, а также моделирования функционирования разработанных в диссертации интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде, применяемый в сферах образования, научных исследований и производства.

Внедрение результатов диссертационного исследования. Разработанные методы построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде внедрены в ОАО «ВЭлНИИ» (г. Новочеркасск Ростовской обл.). Материалы диссертационной работы используются в учебном процессе кафедрой «Автоматизация производства, робототехника и мехатроника» ЮРГТУ (НПИ) для студентов специальности 22040265 «Роботы и робототехнические системы» и 22040165 «Мехатроника».

Апробация работы. Основные положения и результаты работы излагались в научных статьях и докладывались на международной научно-технической конференции «Проблемы мехатроники 2006» (Новочеркасск, 2006 г.), международной научно-практической конференции «Компьютерные технологии в науке, производстве, социальных и экономических процессах» (Новочеркасск, 2006 г.), международной научно-практической конференции «Методы и алгоритмы прикладной математики в технике, медицине и экономике» (Новочеркасск, 2007 г.), международной научно-технической конференции «Моделирование. Теория, методы и средства» (Новочеркасск, 2007 г.), международной научно-практической конференции «Теория, методы и средства измерений, контроля и диагностики» (Новочеркасск, 2007 г., 2008 г.), на международном научно-практическом коллоквиуме «Мехатроника-2008» (Новочеркасск, 2008 г.), на международном научном коллоквиуме «Prospects in Mechanical Engineering» (Ильменау, 2008), международной научнопрактической конференции «Проблемы синергетики в трибологии, трибоэлек-трохимии, материаловедении и мехатронике» (Новочеркасск, 2008 г.), международной научно-технической конференции «Новые технологии управления движением технических объектов» (Новочеркасск, 2008 г.).

Публикации. Основные материалы диссертации опубликованы в 17 печатных работах, в том числе в свидетельстве ОФАП на программные средства, в 7 статьях в изданиях, рекомендованных ВАК, а также получены решения о выдаче 2 патентов на полезные модели.

Структура и объем диссертации. Диссертация состоит из введения, 4 глав, заключения, списка литературы и 11 приложений. Общий объем работы составляет 203 страницы машинописного текста, содержит 111 рисунков, 9 таблиц, список литературы из 128 наименований.

Заключение диссертации по теме «Роботы, мехатроника и робототехнические системы», Фирас Абдельраззак Рахим

ЗАКЛЮЧЕНИЕ

В диссертационной работе на основании теоретических и экспериментальных исследований решена актуальная научно-техническая задача разработки методов построения интеллектуальных систем планирования и управления перемещением робота-манипулятора в неизвестной среде. В ходе выполнения работы получены следующие результаты, имеющие как научное, так и практическое значение.

1. Научно обоснована необходимость разработки методов построения интеллектуальных систем планирования и управления перемещением роботов-манипуляторов в режиме реального времени на основе нечеткого механизма принятия решения, искусственных нейронных сетей и их комбинации с целью повышения эффективности функционирования робототехнических систем в условиях отсутствия информации об окружающей среде и без непосредственного участия человека-оператора.

2. Разработан метод построения интеллектуальной системы планирования перемещения робота-манипулятора в режиме реального времени в неизвестной статической среде, основанный на трехэтапном процессе обработки информации о роботе и его окружающей среде с целью формирования безопасной траектории. На первом этапе с помощью модели полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения робота-манипулятора в форме многослойной нейронной сети определяются окончательные значения расстояний между звеньями манипулятора и лежащими в его рабочей зоне препятствиями. На втором этапе с использованием первого нечеткого блокау'-го звена вычисляются значения предварительного шага перемещения этого звена. На третьем этапе, выполняемом после осуществления двух первых этапов, применяется второй нечеткий блок j-го звена для расчета окончательных значений углов его перемещения. Данный метод, применяемый для роботов-манипуляторов с любыми степенями подвижности, позволяет на каждой итерации учитывать значения минимального расстояния между его звеньями и расположенными справа и слева от них ближайшими препятствиями, а также способствует успешному избежанию столкновения робота с неизвестными статическими препятствиями и достижению им целевой точки.

3. В рамках рассмотренного выше метода в качестве примера разработана модель полной классификации местоположений неизвестных препятствий в рабочей зоне и соответствующих им направлений и видов движения двухзвенного робота-манипулятора в форме трехслойного персептрона нейронной сети, который обучен по методу обратного распространения ошибки. Полная классификационная таблица включает 256 пунктов, учитывающих все возможные ситуации, связанные с перемещением звеньев робота в неизвестной среде.

4. Разработан четырехэтапный метод построения интеллектуальной системы планирования в режиме реального времени в неизвестной динамической среде, который отличается от описанного в п. 2 метода тем, что на втором этапе рассчитывается значение изменения окончательного расстояния, которое используется на четвертом этапе в качестве третьего входного параметра второго нечеткого блока j-ro звена. Основа функционирования второго нечеткого блока -108 разработанных нечетких базовых правил. При этом первый и третий этап данного метода соответствуют первому и второму этапу рассмотренного в п. 2 метода. Четырехэтапный метод применим для робота-манипулятора с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель системы планирования перемещения робота-манипулятора в неизвестной динамической среде.

5. Разработан метод построения интеллектуальной системы управления перемещением робота-манипулятора по планируемой в процессе движения безопасной траектории, в рамках которого в ходе трехэтапного процесса осуществляется формирование управляющих сигналов на основе использования нечеткого ПД-регулятора и пары двухслойных нейронных сетей для j-ro звена робота. Первая нейронная сеть j-ro звена обучается в режиме реального времени параметрам инверсной динамической модели робота и формирует сигнал, используемый для обучения второй нейронной сети, служащей для выработки сигналов настройки входов в нечеткий ПД-регулятор. Это позволяет повысить эффективность перемещения робота-манипулятора по планируемой траектории и уменьшить влияние случайного возмущения на реальную траекторию. Рассмотренный метод применим для роботов-манипуляторов с любыми степенями подвижности. Получено решение о выдаче патента на полезную модель интеллектуальной системы управления перемещением робота-манипулятора.

6. На основе комбинации методов, описанных в п. 2 и п. 5, а также в п. 4 и п. 5 разработан метод построения комплексных интеллектуальных систем планирования и управления перемещением робота-манипулятора в режиме реального времени в неизвестной статической или динамической средах, повышающий эффективность отработки роботом планируемой в процессе движения безопасной траектории в среде с неизвестными неподвижными или движущимися препятствиями.

7. Разработано и зарегистрировано в ОФАП программное обеспечение «Интеллектуальная система управления двухзвенным роботом-манипулятором в неизвестной динамической среде» (свидетельство № 11605 об отраслевой регистрации разработки программы).

8. Для проведения экспериментального исследования разработана система управления перемещением робота-манипулятора в режиме реального времени в неизвестной среде, также спроектирована полная экспериментальная схема, разработаны сенсорная оболочка робота и интерфейсный электронный модуль ввода-вывода, решена проблема нелинейности датчиков с помощью применения разработанной трехслойной нейронной сети. Экспериментальное исследование показало эффективность предложенной системы управления, которая позволяет роботу, перемещающемуся из начальной в целевую точку, избежать столкновений с расположенными в его рабочей зоне неизвестными препятствиями.

Список литературы диссертационного исследования кандидат технических наук Фирас Абдельраззак Рахим, 2009 год

1. Xiaojun W. (2007). Development of On-Line Motion Planning For 1.dustrial Robot In Dynamic Environments. School of Mechanical and Aerospace Engineering, Nanyang Technological University.

2. Introduction to Robotics: Module Trajectory generation and robot programming FH Darmstadt, summer term 2000. http://www.easy-rob.net.

3. Шахинпур M. Курс робототехники. M.: Мир, 1990.

4. Macfarlane S. (1999). On-Line Smooth Trajectory Planning for Manipulators. The University of British Columbia.

5. Samaka M. Robot Task-Level Programming Language and Simulation. http://www.waset.org.

6. La Valle S.M. (2006). Planning Algorithms, http://planning.cs.uiuc.edu.

7. Gupta K., Pobil A.P. Practical Motion Planning in Robotics. John Wiley & Sons, Inc., New York, 1998.

8. Koivo A.J. Fundamentals for Control of Robotic Manipulator, John Wiley & Sons, Inc., New York, 1989.

9. Spong M.W., VidyasagarM. Robot Dynamics and Control, John Wiley & Sons, Inc., New York, 1989.

10. Baumann A. (2001). Robot Motion Planning in Time-varying Environments. Institut fur Informatik der Technischen Universitat Munchen.

11. Latombe J.C. (1991). Robot Motion Planning, http://portal.acm.org.

12. Spong M.W. (1996). Motion Control of Robot Manipulators. http://decision.csl.uiuc.edu.

13. Lozano-Perez T. (1983). Spatial Planning: a Configuration Space Approach. http://ieeexplore. ieee.org.

14. Althoefer K. (1996). Neuro-Fuzzy Motion Planning for Robotic Manipulators. King's College London, University of London.

15. Zavlangas P.G., Tzafestas S.G. (2000). Industrial Robot Navigation and Obstacles Avoidance Employing Fuzzy Logic. http://springerlink.metapress.com.

16. Yao Z. (2005). Global Path Planning with End-Effector Constraints. Simon Fraser University.

17. Assal S., Watanabe K., and Izum K. (2006). Fuzzy Hint Acquisition for the Collision Avoidance Solution of Redundant Manipulators Using Neural Network. International Journal of Control, Automation, and Systems, vol. 4, no. 1.

18. Wei W., Mbede J., and Zhang Q. (2001). Fuzzy Sensor-Based Motion Control among Dynamic Obstacles for Intelligent Rigid-Link Electrically Driven Arm Manipulators, http://springerlink.metapress.com.

19. Fu Y., Jin В., Li H., Wang S. (2006). A robot fuzzy motion planning approach in unknown environments, http://springerlink.metapress.com.

20. Wu X.J., Li Q., and Heng K.H. (2005). Development of a general manipula-. tor path planner using fuzzy reasoning, http://www.emeraldinsight.com.

21. Lee, D. The Map-Building and Exploration Strategies of a Simple Sonar-Equipped Mobile Robot: An Experimental, Quantitative Evaluation, Cambridge University Press, UK, 1996.

22. Brooks R. (1986). A Robust Layered Control System for a Mobile Robot. http://ieeexplore. ieee.org.

23. Hayashi A. (1994). Geometrical Motion Planning for Highly Redundant Manipulators Using a Continuous Model. The University of Texas at Austin.

24. Volpe R. and Khosla P. Manipulator Control with Superquadric Artificial Potential Functions: Theory and Experiments. http://ieeexplore. ieee.org.

25. Kroger Т., Tomiczek A., and Wahl F, (2006). Towards On-Line Trajectory Computation. http://ieeexplore. ieee.org.

26. Henrich D., Wurll C., Worn H. (1998). On-line Path Planning with Optimal C-space Discretization. http://ieeexplore. ieee.org.

27. Gonzalez-Banos H., Hsu D., Latombe J. (2006). Motion Planning: Recent Developments, http://motion.comp.nus.edu.sq.

28. Clark CM. (2004). Dynamic Robot Networks: a Coordination Platform for Multi-Robot Systems, http://sun-valley.stanford.edu.

29. Bao J., Shuguo W., and Fu Y (2005). Sensor-Based Motion Planning for Robot Manipulators in Unknown Environments. http://ieeexplore. ieee.org.

30. Boonphoapichart S., Komada S., and Hod T. (2002). Robot's Motion Decision-Making System in Unknown Environment and its Application to a Mobile Robot. http://ieeexpIore. ieee.org.

31. Minguez J., Montano L. (2005). Sensor-Based Robot Motion Generation in Unknown, Dynamic and Troublesome Scenarios, http://webdiis.unizar.es.

32. Shuguo W., Bao J., and Fu Y. (2007). Real-time motion planning for robot manipulators in unknown environments using infra sensors. http://portal.acm.org.

33. Tsoularis A., Kambhampati C. (1998). On-line Planning for Collision Avoidance on the Nominal Path, http://portal.acm.org.

34. Lumelsky V.J., Cheung E. (1993). Real-Time Collision Avoidance in Teleoperated Whole-Sensitive Robot Arm Manipulators. http://ieeexplore. ieee.org.

35. Mumm E.S. (2002). Behavior-Based Control for Cooperative Robotic Planetary Cliff Descent, http://robots.unl.edu.

36. Lumelsky V. (1987). Effect of Kinematics on Motion Planning for Planar Robot Arms Moving Amidst Unknown Obstacles. http://ieeexplore. ieee.org.

37. Liang K., Li Z, Chen D., Chen X. (2004). Improved Artificial Potential Field for Unknown Narrow Environments. http://ieeexplore. ieee.org.

38. Zhang W., Sobh T.M. (2003). Obstacle Avoidance for Manipulators. http://portal.acm.org.

39. Newman W.S., Branicky M.S. (1991). Real Time Configuration Space Transforms for Obstacle Avoidance, http://portal.acm.org.

40. Lozano-Perez T. (1987). A Simple Motion-Planning Algorithm for General Robot Manipulators. http://ieeexplore. ieee.org.

41. Fox J., Maciejewski A. (1992). Computing the Topology of Configuration Space. http://ieeexplore. ieee.org.

42. Fox J., Maciejewski A. (1994). Utilizing the Topology of Configuration Space Real-time Multiple Manipulator Path Planning. http://ieeexplore. ieee.org.

43. Maciejewski A., Fox J. (1993). Path Planning and the Topology of Configuration Space. http://ieeexplore. ieee.org.

44. Branicky M.S., Newman W.S. (1990). Rapid Computation of Configuration Space Obstacles. http://ieeexplore. ieee.org.

45. Wise K.D., Bowyer A. (2000). A survey of global configuration space mapping techniques for a single robot in a static environment. http://www.sagepublications.com.

46. Sarvesh K., Tandon A. (2000). Two-DOF Manipulator C-Space Based Path Planning, http://www.cse.iitk.ac.in.

47. Yn Y., Gupta K. (2004). C-space entropy: A measure for view planning and exploration for general robot-sensor systems in unknown environments. http://www.sagepublications.com.

48. Simeon T. (1988). Planning Collision Free Trajectories by a Configuration Space Approach, http://portal.acm.org.

49. Hsu D., Latombe J.C., Motwani R. (1997). Path planning in expansive configuration spaces. http://ieeexplore. ieee.org.

50. Li W., Chen Z, Wahl F.M., Koziowski K.R. (1999). Real-Time Sensor-Based Obstacle Modeling in Configuration Space for Manipulator Motion Planning, http://www.cs.csubak.edu.

51. LiW., ChenZ, Wahl F.M., Koziowski K.R. (1999). Sensor-Based Obstacle Modeling in Configuration Space for Manipulator Motion Planning. http://ieeexplore. ieee.org.

52. Gouzenes L. (1984). Strategies for Solving Collision-free Trajectories Problems for Mobile and Manipulator Robots. http://www.sagepublications.com.

53. Faverjon B. (1984). Obstacle avoidance using an octree in the configuration space of a manipulator. http://ieeexplore. ieee.org.

54. Swaminathan G. (2006). Robot Motion Planning. http://ergodicity.iamganesh.com.

55. Amato N., Wu Y. (1996). A Randomized Roadmap Method for Path and Manipulation Planning. http://ieeexplore. ieee.org.

56. Choset H., Lynch K., Hutchinson S., Kantor G., Burgard W., Kavraki L., Thrun S. (2007). Principles of Robot Motion: Theory, Algorithms, and Implementation. http://www.cs.cmu.edu.

57. Khatib O. (1986). Real-Time Obstacle Avoidance for Manipulators and Mobile Robots, http://portal.acm.org.

58. Lingelbach F.{2004). Path Planning for Mobile Manipulation using Probabilistic Cell Decomposition. http://ieeexplore. ieee.org.

59. Rimon E., Koditschek D.E. (1992). Exact robot navigation using artificial potential functions. http://ieeexplore. ieee.org.

60. Saramago S., Steffen V. (2001). Trajectory Modeling of Robot Manipulators in the Presence of Obstacles, http://springerlink.metapress.com.

61. Hosoda K, Sakamoto K, Asada M. (1995). Trajectory Generation for Obstacle Avoidance of Uncalibrated Stereo Visual Servoing without 3D Reconstruction. http://ieeexplore. ieee.org.

62. Simonin О., Charpillet F., Thierry E. (2007). Collective construction of numerical potential fields for the foraging problem, http://hal.inria.fr.

63. Ratering S., Gini M. (1993). Robot Navigation in a Known Environment with Unknown Moving Obstacles. http://ieeexplore. ieee.org.

64. Sulzberger S.M., Tschichold-Gurman N.N., Vestli S.J. (1993). FUN: Optimization of Fuzzy Rule Based Systems Using Neural Networks.' http://ieeexplore. ieee.org.

65. MAE 2140 Introduction to Robotics 2006/07 Spring Semester. http://www2.acae.cuhk.edu.hk.

66. Mbede J.B., Wei W., Zhang Q. (2001). Fuzzy and Recurrent Neural etwork Motion Control among Dynamic Obstacles for Robot Manipulators. http://springerlink.metapress.com.V

67. Zlajpah L., Nemec B. (2002). Kinematic control algorithms for on-line obstacle avoidance for redundant manipulators. http://ieeexplore. ieee.org.

68. Лопатин П.К. Компьютерная имитация управления манипуляционны-ми роботами в неизвестной среде на основе точного и упрощенного алгоритмов // Мехатроника, автоматизация, управление. №8 2006.

69. Лопатин П.К. Управление интеллектуальными манипуляционными роботами в среде с неизвестными препятствиями: автореф. . канд. тех. наук. Красноярск, 1998.

70. Дьяконов В.П., Круглое В.В. MATLAB 6.5 SP1/7/7 SP1/7 SP2 + Simulink 5/6. Инструменты искусственного интеллекта и биоинформатики. — М.: СОЛОН-ПРЕСС, 2006.

71. Власов К.П. Теория автоматического управления. Учеб. пособ. X.: Гуманитарный центр, 2007.

72. Martin P., Millan J. (1999). Learning of Sensor-Based Arm Motions while Executing High-Level Descriptions of Tasks. http://springerlink.metapress.com.

73. Yang S., Meng M. (2000). Real-time Collision-free Path Planning of Robot Manipulators using Neural Network Approaches, http ://springerl ink.metapress. com.

74. Введение в теорию нечетких множеств, http://www.fuzzyfly.chat.ru.

75. Bischoff A., Gerke М. (2000). Fuzzy Collision Avoidance for Industrial Robots. http://prt.fernuni-hagen.de.

76. Aguilar L., Melin P., Castillo O. (2003). Intelligent Control of a Stepping Motor Drive Using a Hybrid Neuro-Fuzzy ANFIS Approach. http://www.elsevier.com.

77. Melin P., Castillo O. (2005). Intelligent control of a stepping motor drive using an adaptive neuro-fuzzy inference system, http://www.elsevier.com.

78. Yeghiazarians V. K., Favre-Bulle B. (1993). Robot Motion Coordination by Fuzzy Control, http://springerlink.metapress.com.

79. Триполъский 77.Э. Модели, алгоритмы и программное обеспечение систем управления роботами в динамической среде: автореф. . канд. тех. наук. Москва, 1998.

80. Zilouchian A., Howard D.W., Jordanides Т. (1998). An Adaptive Neuro-Fuzzy Inference System (ANFIS) Approach to Control of Robotic Manipulators. http://springerlink.metapress.com.

81. Llata J., Sarabia E.G., Arce J., Oria J. (1998). Fuzzy Controller for Obstacle Avoidance in Robotic Manipulators Using Ultrasonic Sensors. http://ieeexplore. ieee.org.

82. Bischoff A., Gerke M. (2000). Fuzzy Collision Avoidance for Industrial Robots. http://springerlink.metapress.com.

83. Althoefer К, Seneviratne L., Krekelberg B. (1999). Learning in a Neuro-Fuzzy Navigator for Robotic Manipulators. http://ieeexplore. ieee.org.

84. Althoefer K, Krekelberg В., Husmeier.D., Seneviratne L. (2001). Reinforcement Learning in Rule-based Navigator for Robotic Manipulators. http://vision.rutgers.edu.

85. Kelly W. (1996). Neuro-Fuzzy Control of a Robotic Arm. College of Graduate Studies Texas A&M University. Kingsville. http://bluerockxesearch.com.

86. Jeong K.S., Hong Y.S., Park C.K (1997). Neuro-Fuzzy Control of a Robot Manipulator for a Trajectory Design. http://ieeexplore. ieee.org.

87. Aganval V., Mittal A. P. (2006). An ANFIS Based System for the LSPB Trajectory of a Redundant Planar Manipulator, http://portal.acm.org.

88. Kelly R., Santibanez V., Loria A.(2005). Control of Robot Manipulators in Joint Space. London: Springer-Verlag London Limited, 2005.

89. Jin Y. (1998). Decentralized Adaptive Fuzzy Control of Robot Manipulators. http://ieeexplore. ieee.org.

90. Юревич ЕЖ Основы робототехники. СПб.: БХВ-Петербург, 2005.

91. Newton T.R., Хи Y (1993). Neural Network Control of a Space Manipulator. http://ieeexplore. ieee.org.

92. Jung S., Hsia T.C. (1995). New Neural Network Control Technique for Non-model Based Robot Manipulator Control. http://ieeexplore. ieee.org.

93. Subudhi В., Morris A.S. (2003). Fuzzy and neuro-fuzzy approaches to control a flexible single-link manipulator, http://dspace.nitrkl.ac.in.

94. Reyes F., Kelly R. (2001). Experimental Evaluation of Model-Based Controllers on a Direct-Drive Robot Arm. http://www.elsevier.com.

95. Mohan S., Bhanot S. (2006). Comparative Study of Some Adaptive Fuzzy Algorithms for Manipulator Control, http://www.waset.org.

96. Bicker R., Haand Z., Burn К (2002). A Self-Tuning Fuzzy Robotic Force Controller, http://citeseer.ist.psu.edu.

97. Jantzen J. (1998). Tuning of Fuzzy PID Controllers, http://www.iau.dtu.dk.

98. Layne J.R., Passino KM. (1996). Fuzzy Model Reference Learning Control. http://www.ece.osu.edu.

99. Agarwal V., Mittal A.P. (2005). Soft Computing Paradigms for Learning Fuzzy Robotics Controllers, http://www.niitcrcs.com.

100. Халшуд A.X. Нейросетевая реализация систем управления полетом на основе методов динамической инверсии // Мехатроника, автоматизация, управление. 2003. - № 9.

101. Yildirim (2002). Artificial Neural Network Applications to Control. http://fbe.erciyes.edu.tr.

102. Choi Y., M. Lee, Kim S., Kay Y. (2001). Design and Implementation of an Adaptive Neural-Network Compensator for Control Systems. http://ieeexplore. ieee.org.

103. Shuzhi S. Ge; Hang C.C.; Woon L.C. (1997). Adaptive neural network control of robot manipulators in task space. http://ieeexplore. ieee.org.

104. Mih'ovic D. (2006). Learning Motor Control for Simulated Robot Arms. http://www.inf.ed.ac.uk.10b.Psaltis D. Sideris A. Yamamura A.A. (1988). A multilayered neural network controller. http://ieeexplore. ieee.org.

105. Amin S., Ahtiwash O. (1996). Performance of Two Neuro Controllers For Robot Path Planning Control. http://ieeexplore. ieee.org.0S.Hsiang L.K. (2002). Integrated Robot Planning and Control With Extended Kohonen Maps, http://www.comp.nus.edu.sg.

106. Wosch T. (2003). mPlanner: Robot Motion Planning based on Interaction of Planner and Controller, http://citeseer.ist.psu.edu.

107. НО.Афонин B.JI., Макуилкин В.А. Интеллектуальные робототехнические системы, http://www.intuit.ru.

108. Гловко В.А., Игнатюк О.Н., Садыхов Р.Х. Нейросетевой подход к реактивному управлению мобильным роботом // Датчики и системы. —2002.-№7.

109. Попов Е.П., Письменный Г.В. Основы робототехники: Введение в специальность. -М.: Высш. шк., 1990.

110. Pholsiri С. (2004). Task-Based Decision Making and Control of Robotic Manipulators, http://www.robotics.utexas.edu.

111. Ohlson Т., Wramdemark J. (2004). An ultrasonic sensor classifier for local environment mapping in mobile robotics, http://www.ituniv.se.

112. Фрайден Дж. Современные датчики. Справочник. М.: Техносфера, 2006.

113. GP2D120 Optoelectronic Device. (2006). http://sharp-world.com/products/device.

114. Direct-Drive Brushless Servo Systems. Catalog 8000-4/USA. Parker Hannifin Corporation. Compumotor Division, http://www.compumotor.com.121 .Burns R.S. (2001). Advanced Control Engineering. Butterworth-Heinemann Linacre House, Jordan Hill, Oxford.

115. Van Cleave D.W., Rattan K.S. (2001). Tuning of Proportional Plus Derivative Fuzzy Logic Controller Using Neural Network. http://ieeexplore. ieee.org.

116. Jang J.R., Sun C. (1995). Neuro-Fuzzy Modeling and Control. http://ieeexplore. ieee.org.

117. Lin F., Wai R. Wang S. (1998). A Fuzzy Neural Network Controller for Parallel-Resonant Ultrasonic Motor Drive. http://ieeexplore. ieee.org.

118. Полис Ф., Филаретов В.Ф., Цепковский Ю., Юхимец Д.А. Применениенейрофаззи сетей для управления сложными нелинейными динамическими объектами с переменными параметрами // Мехатроника, автоматизация, управление. № 3. 2006.

119. Метод обратного распространения ошибки, http://ru.wikipedia.org.

120. Основы теории нейронных сетей, http://www.intuit.ru.

121. Сайт компании Lynxmotion. http://www.lynxmotion.com.

122. Динамическая модель двухзвенного робота-манипулятора

123. Функция кинетической энергии может быть представлена в виде суммы:1. K{q,Q)=K,(Q,Q)+K2(Q,Q),где ^(0,0) и ^2(0,0) функции кинематических энергий, связанные с массами первого и второго звеньев манипулятора.

124. Координаты центра масс его первого звена jc, и у1 рассчитываются согласно следующим формулам:х, =/с1 sin(0,), = -/clcos(e,).

125. Вектор скорости центра масс первого звена робота можно определить, используя формулу:1. V "/с1 008(0, "с1 sinCe, Jd,

126. Тогда квадрат скорости центра масс первого звена равен:1.lWv, =/с2,е?

127. Отсюда функция AT, (0,0) может быть найдена по формуле:1. Kx{w)=\mtfvx Д/,0? • (1)

128. Координаты центра масс его второго звена х2 и у2 рассчитываются согласно следующим формулам:х2 =/, sin(0,) + /c2 sin(0, +02),у2 = -ix cos(e,) ic2 cos(e1 + e2).

129. ФункцияK2 (0,0) может быть найдена по формуле:2М)=\™2 vT2v2 +i/2eI +02.2 =^/20f + ^/22[of + 20,02 + 02]+ + ю2/,/с2 [е? + е, 02 ]cos(02)+[е, + ©2]2.

130. Функцию потенциальной энергии U(Q) можно представить в виде суммы функций потенциальных энергий t/,(0) и U2(0), связанных с тх и т2 соответственно:с/(е)=с/, (е)+с/2 (е).

131. Полагая, что потенциальная энергия равна нулю, когда у 0, определим £/,(0) и U2{0) следующим образом:

132. Ux{Q) = -mllcXgcos{Ql), C/2(0) = -w2/1gcos(0,)-m2/c2gcos(01 +02). (2)

133. Из уравнений (1) и (2) выведем функцию Лагранджа:ф,в)=к(в,в)~{/(в) = к1 (o,o)+K2(o,o)-Cri(e)-^2(e) = jm1/c.+m2/12pj + \rn2l2c2 [б? +26,02 + в22]+т21х1с2со*{в2)[д2 + 0,02]+ [mxlcx + m2l2]g 003(0,)w2g/c2 cos(0, +02)+^/,0f + ©2.2.

134. Уравнения динамической модели двухзвенного робота-манипулятора можно получить следующим образом:d dtdL1. SO;1.JdL 50,■1. T:i = l,2;

135. Компактная форма динамической модели двухзвенного робота-манипулятора, используемая на практике, будет иметь вид:м(е)ё+с(е, е)э+g(e)=%. (5)

136. С учетом параметра трения /{в) уравнение (5) принимает вид:

137. M(0)0 + c(0,0)0 + g(0)+ /(ё)=т.

138. Параметры графиков функций принадлежности НБ-1 для первого звена робота-манипулятора (нечеткая система планирования перемещения в неизвестной статической среде), соответствующие формуле 2.1