Модели и алгоритмы многокритериального синтеза конфигурации робототехнического захвата для манипуляций с сельскохозяйственной продукцией тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат наук Ву Дык Куен

• Ву Дык Куен
• кандидат наук
• 2021

Оглавление диссертации кандидат наук Ву Дык Куен

Введение

Глава 1. Теоретические основы управления технологическими и робототехническими операциями с физическими манипуляциями сельскохозяйственной продукции

1.1. Анализ задач управления технологическими и робототехническими операциями в точном земледелии

1.2. Анализ технического обеспечения и способ управления робототехническими захватами для манипуляций с сельскохозяйственной продукцией

1.3. Анализ способов проектирования и оптимизации структуры манипуляторов для работы с сельскохозяйственной продукцией

1.4. Анализ робототехнических захватов для физических манипуляций с сельскохозяйственной продукцией

1.5. Выводы по первой главе

Глава 2. Модельно-алгоритмическое обеспечение робототехнического захвата для манипуляций с сельскохозяйственной продукцией

2.1. Концептуальная модель и формальная постановка задачи управления робототехническим захватом

2.2. Алгоритмическая модель выбора параметров системы управления робототехническим захватом сельскохозяйственной продукции

2.3. Постановка задачи многокритериального синтеза робототехнического захвата

2.4. Критерии оценивания качества алгоритмов оптимизации

2.5. Выводы по второй главе

Глава 3. Алгоритмы многокритериального синтеза конфигурации

робототехнического захвата

3.1. Алгоритмы многокритериального синтеза конфигурации робототехнических захватов

3.2. Моделирование конфигурации механизма робототехнического захвата

3.3. Результаты тестирования алгоритмов оптимизации

3.4. Выводы по третьей главе

Глава 4. Результаты моделирования и оптимизации конфигурации робототехнического захвата

4.1. Программная система AgroGripModelmg для синтеза конфигурации робототехнического захвата

4.2. Моделирование конфигурации и алгоритма управления четырёхпалого робототехнического захвата для сбора томатов

4.3. Результаты оптимизации конфигурации робототехнического

захвата

4.4. Тестирование робототехнического захвата с вакуумным сильфоном для сбора томатов

4.5. Выводы по четвертой главе

Заключение

Список использованных источников

Приложение А. Перечень публикаций соискателя по теме исследования

Приложение Б. Копии актов внедрения

Введение диссертации (часть автореферата) на тему «Модели и алгоритмы многокритериального синтеза конфигурации робототехнического захвата для манипуляций с сельскохозяйственной продукцией»

Введение

Актуальность темы исследования. Традиционный сбор и первичная обработка сельскохозяйственной продукции являются наиболее ресурсоёмкими задачами, требующими перехода от утомительных ручных операций к автоматизации технологических процессов и роботизации манипуляций с физическими объектами. При проектировании робототехнического захвата необходимо учитывать разнообразие манипулируемых объектов, сложность их идентификации и наведения манипулятора в сложной естественной среде с препятствиями. Задача синтеза механизма робототехнического захвата связана с выполнением ряда противоречивых требований по надёжности, мягкости, точности, скорости, энергоэффективости, формирующих сложное пространство поиска решений.

В связи с чем исследование моделей и алгоритмов оптимизации конфигурации и управления робототехническим захватом (агрозахватом), осуществляющим физические манипуляции с сельскохозяйственной продукцией, является актуальным научным направлением, ориентированным на решение задачи автоматизации и роботизации технологических процессов обработки сельскохозяйственной продукции.

Степень разработанности темы исследования. Решению проблем проектирования и управления робототехническими манипуляторами посвящён широкий спектр научных и практических исследований отечественных и зарубежных учёных (Заборовский В.С., Лохин В.М., Макаров И.М., Манько С.В., Павловский В.Е., Подураев Ю.В., Ющенко А.С., Яцун С.Ф., Liu J., Van Henten E. J., Feng Q., Bac C. W., Brown G.K., Lehnert C., Han K. S., Bontsema J., Hayashi S., DeAn Z. и других). Постоянное совершенствование систем управления и кинематических схем обеспечило создание серийных промышленных манипуляционных роботов. Теперь становятся актуальными междисциплинарные исследования проблем управления робототехническими комплексами, в том числе

агрозахватом, к которому предъявляются повышенные требования к точности манипуляций вследствие высокой вариативности свойств сельскохозяйственной продукции.

Объект и предмет исследования. Объектом исследования является робототехнический захват, установленный на манипуляторе, для взаимодействия с сельскохозяйственной продукцией. Предметом исследования являются модели, алгоритмы управления и многокритериального синтеза конфигурации робототехнического захвата.

Цели и задачи исследования. Основной целью диссертационной работы является автоматизация процесса сбора сельскохозяйственной продукции за счёт разработки моделей, алгоритмов и многокритериального синтеза конфигурации робототехнического захвата и управления его программно-аппаратными компонентами при физических манипуляциях с объектами агропродукции.

Для достижения указанной цели в работе сформулированы и решены следующие задачи:

1. Анализ существующих подходов к решению задач роботизации сельскохозяйственного производства и управления робототехническим захватом для манипуляций с сельскохозяйственной продукцией.

2. Разработка модельно-алгоритмического обеспечения многокритериального синтеза конфигурации захватом и управления его программно-аппаратными компонентами при манипуляциях с сельскохозяйственной продукцией.

3. Разработка алгоритмов и программных средств для решения задач управления и многокритериального синтеза конфигурации робототехнического захвата.

4. Проведение экспериментальных исследований с оцениванием разработанных моделей, алгоритмов и программных средств оптимизации и управления робототехническим захватом.

Научная новизна работы:

1. Разработаны концептуальная и алгоритмическая модели выбора параметров робототехнического манипулятора и системы управления захватом сельскохозяйственной продукции, отличающиеся автоматизированным многоэтапным анализом геометрических, механических, физических свойств манипулируемого объекта, параметров внешней среды, возможных рисков нанесения внутренних и внешних механических повреждений агропродукции и обеспечивающие конфигурирование робототехнического захвата.

2. Разработаны алгоритмы многокритериального синтеза конфигурации робототехнического захвата, отличающие комбинированным применением методов апостериорной оптимизации и обеспечивающие определение значений параметров конфигурации кинематической схемы, требуемых при проектировании и управлении концевым рабочим механизмом манипулятора.

3. Разработана конфигурация агрозахвата и алгоритм управления циклом работы его программно-аппаратных модулей при снятии плода, отличающийся описанием основных этапов физических манипуляций, формирования высокоуровневых управляющих команд и их исполнения в низкоуровневых программных модулях, реализующих интерфейсы к аппаратным средствам, задействованным в конфигурации четырехпалого робототехнического захвата с вакуумным сильфоном.

4. Разработана объектно-ориентированная структура программной системы AgroGripModeling для моделирования конфигурации робототехнического захвата, отличающаяся использованием трёх алгоритмов многокритериального синтеза, возможностью настройки собственных кинематических схем и параметров, предложенных в оригинальной классификации агрозахватов и агротехнологических задач.

Теоретическая и практическая значимость. Теоретическая значимость работы заключается в разработке концептуальной и алгоритмической модели проектирования агрозахватов на основе анализа свойств манипулируемых объектов и параметров среды физического взаимодействия. Разработанные

алгоритмические модели выбора параметров управления и многокритериального синтеза конфигурации робототехнического захвата сельскохозяйственной продукции позволяют определять значения основных характеристик манипулятора и захвата для работы с конкретным типом физического объекта.

Практическая значимость работы заключается в разработке программных средств, реализующих разработанные модели и алгоритмы, успешно апробированные в задаче синтеза робототехнического захвата для манипуляций с томатами. Предложенные модели и алгоритмы могут быть использованы при проектировании агрозахватов для других видов сельскохозяйственной продукции с применением разработанной оригинальной классификация агрозахватов, учитывающей как агротехнологические задачи, так и аппаратные компоненты захватов.

Методология и методы исследования. Для решения поставленных задач в работе использовались методы математического и компьютерного моделирования, многокритериальной оптимизации, теории множеств, теории объектно-ориентированного проектирования и программирования.

Положения, выносимые на защиту:

1. Разработанные концептуальная и алгоритмическая модели выбора параметров робототехнического манипулятора и системы управления захватом сельскохозяйственной продукции обеспечивают автоматизированный многоэтапный анализ геометрических, механических, физических свойств манипулируемого объекта, параметров внешней среды и возможных рисков нанесения внутренних и внешних механических повреждений.

2. Разработанные алгоритмы многокритериального синтеза конфигурации робототехнического захвата, отличающие комбинированным применением методов апостериорной оптимизации, обеспечивают определение значений параметров конфигурации кинематической схемы, требуемых при проектировании и управлении концевым рабочим механизмом манипулятора.

3. Разработанные конфигурация агрозахвата и алгоритм управления циклом работы его программно-аппаратных модулей при снятии плода, отличающийся

описанием основных этапов физических манипуляций, формирования высокоуровневых управляющих команд и их исполнения в низкоуровневых программных модулях, реализующих интерфейсы к аппаратным средствам, обеспечивают функционирование четырехпалого робототехнического захвата с вакуумным сильфоном в автоматическом режиме.

4. Разработанная программная система AgroGripModeling, отличающаяся использованием трёх алгоритмов многокритериального синтеза, возможностью настройки собственных кинематических схем и параметров, предложенных в оригинальной классификации агрозахватов и агротехнологических задач обеспечивает моделирование конфигурации робототехнического захвата.

Степень достоверности и апробация научно-исследовательских результатов. Достоверность научных положений, основных выводов и результатов диссертации обеспечивается за счёт анализа состояния исследований в данной области, согласованности теоретических выводов с результатами экспериментальной проверки алгоритмов, а также апробацией основных теоретических положений диссертации в печатных трудах и докладах на международных научных специализированных конференциях.

Разработанные модели и алгоритмы синтеза конфигурации робототехнического захвата и управления его программно-аппаратными компонентами при манипуляциях с сельскохозяйственной продукцией были реализованы в программной системе AgroGripModeling и были использованы рядом коммерческих и государственных организаций в научно-образовательном процессе и при моделировании сельскохозяйственных задач, требующих манипуляций с продукцией. Исследования, отражённые в диссертации, проведены в рамках научно-исследовательской работы РФФИ № 18-58-76001 «Стратегии совместной деятельности гетерогенных роботов, контролируемой с помощью интуитивно понятных человеко-машинных интерфейсов, при решении сельскохозяйственных задач». Разработанные модели и алгоритмы управления взаимодействием гетерогенных сельскохозяйственных робототехнических комплексов были использованы при проведении исследовательских работ СПб

ФИЦ РАН, КБНЦ РАН, ООО «Фабрика растений» и в учебном процессе ТГТУ, получены соответствующие акты внедрения. Программная система AgroGripModeling имеет свидетельство о государственной регистрации программы для ЭВМ № 2020663715 от 31.10.2020 г.

Основные результаты работы докладывались и обсуждались на следующих конференциях и семинарах в период с 2017 по 2020 г:

- XII и XV Международная конференция по электромеханике и робототехнике "Завалишинские чтения" (ER(ZR)), 2017, 2020 гг., г. Санкт-Петербург, г. Уфа, Россия.

- 8 и 9 всероссийская научно-практическая конференция по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» (ИММОД),2017, 2019гг., г. Санкт-Петербург, Россия.

- Всероссийский научно-практический семинар «Беспилотные транспортные средства с элементами искусственного интеллекта» (БТС-ИИ-2017), 5-6 октября 2017 г., г. Казань, Россия.

- Международная научная конференция «Тенденции развития агрофизики: от актуальных проблем земледелия и растениеводства к технологиям будущего», 2729 сентября 2017 г., г. Санкт-Петербург, Россия.

- XIV Всероссийская научно-практическая конференция «Перспективные системы и задачи управления», п. Терскол, Россия.

- V Международная конференция Interactive Collaborative Robotics (ICR 2020), 2020 г., г. Санкт-Петербург, Россия.

Публикации. По материалам диссертации опубликована 21 печатная работа, включая 3 публикации в рецензируемых научных изданиях по специальности 05.13.01 из Перечня ВАК (Известия Кабардино-Балкарского научного центра РАН, Агрофизика, Известия Юго-Западного государственного университета), 9 публикаций в изданиях, индексируемых в WoS/Scopus, 1 свидетельство на регистрацию ПрЭВМ. Полный перечень публикаций соискателя по теме исследования представлен в приложении А диссертационной работы.

Личный вклад автора. Основные научные положения, теоретические выводы и практические решения, результаты тестирования сформулированы и изложены автором самостоятельно.

Глава 1. Теоретические основы управления технологическими и робототехническими операциями с физическими манипуляциями

сельскохозяйственной продукции

В первой главе представлен обзор задач управления технологическими и робототехническими операциями в сельскохозяйственном производстве. Актуальность исследования проблем роботизации сельского хозяйства обоснована возможностью повышения качества свежей плодоовощной продукции, снижения затрат на производство, сокращения дефицита рабочей силы за счёт разработки и внедрения сельскохозяйственных роботов. Составлена классификация агрозахватов, которые устанавливаются на роботизированных сельскохозяйственных средствах и применяются для борьбы с сорняками и сбора урожая. Также упоминаются задачи направленного опрыскивания сорняков или обрезки ветвей и листьев, в которых участвуют манипуляторы, но объекты воздействия не захватываются. Приведены примеры существующих исследовательских сельскохозяйственных роботов, оснащённых

комбинированными захватами по предложенной классификации, относящихся к различным типам: вакуумный захват с видеокамерой для захвата томатов, шестипалый пневматический захват с видеокамерой, двупалый захват с датчиками давления и столкновения для сбора яблока, трёхпалый захват с видеокамерой для цитрусовых, захваты для баклажанов и другие. Также отмечена актуальность совместного взаимодействия группы гетерогенных наземных и воздушных роботов при выполнении аграрных задач в автономном режиме.

1.1. Анализ задач управления технологическими и робототехническими

операциями в точном земледелии

Прецизионные технологии точного земледелия, направленные на повышение урожайности культур, улучшение качества свежих и обработанных пищевых продуктов, снижение вредного воздействия на окружающую среду, разрабатываются с 1990-х годов. С учётом этих технологий продуктивность опытных сельскохозяйственных участков значительно возросла. Концепция точного земледелия включает в себя оценку пространственной изменчивости в полевых условиях различных факторов, таких как плодовитость, тип и характеристики почвы, содержание воды на поле, а также последующее управление созреванием урожая в соответствии с полученными картограммами.

С развитием науки и техники различные датчики и сенсорные системы все чаще используются в точном земледелии при решении целого ряда важных задач, таких как: мониторинг угодий, обнаружение плодов, сорняков, заболеваний и т.д. [2, 25,26], например, за последнее десятилетие были предприняты серьёзные усилия по разработке технологий мониторинга и управления культурами на опытных участках растениеводства во Флориде в США. Производство цитрусовых в США серьёзно пострадало от появления экзотических заболеваний, таких как: цитрусовое озеленение, цитрусовый ящер и чёрное пятно цитрусовых. Было подсчитано, что только цитрусовое озеленение стоило около 3,63 млрд. долл. США в виде потерянных доходов [15]. Когда болезнь быстро распространяется из одной области в другую, она становится одной из самых серьёзных проблем в сельском хозяйстве. При управлении заболеванием растений обнаружение является одним из наиболее важных этапов. Разведка, выполняемая вручную, является монотонной, трудоёмкой и недостаточно точной задачей из-за ограничений органов чувств. Использование недорогих беспилотных летательных аппаратов с сенсорными системами - многообещающий подход, который обеспечивает возможность постоянного наблюдения за растениями с малой высоты. Среди

разработанных зондирующих систем во Флориде наибольшее внимание фермеров и потенциал к внедрению получили следующие технологии: определение зелёных незрелых цитрусовых, обнаружение и очистка от мусора, картографирование урожая черники и силоса, обнаружение цитрусового озеленения, поиск насекомых, выявление сброшенных плодов цитрусовых на землю.

Основными этапами сельскохозяйственного цикла являются: обработка почвы, посадка, производство и сбор урожая. Обработка относится к механическому воздействию на почву, которое изменяет ею структуру и прочность, чтобы обеспечивать и поддерживать оптимальные почвенные условия для прорастания, роста и развития растений, тем самым демонстрируя их производственную мощность. В наружных условиях процесс посадки состоит из сброса семян или помещения их в почву. В случае интенсивных культур в этом процессе посадки используются автоматизированные машины, которые выполняют эту задачу. Обычно используют услуги питомников, которые посеяли семена в данном субстрате в лотках для полостей, и когда сеянцы достигают определённого состояния, их пересаживают в конечное место в теплице. Производство включает период между пересадкой или появлением первых истинных листьев и последним сбором урожая в случае однолетних культур. Оно состоит из таких задач, как опрыскивание пестицидами, обрезка (выборочное удаление частей растения), точное опрыскивание, распознавание чумы, удаление сорняков, сбор урожая и удаление урожая. Сбор урожая - это задача, которая требует больших затрат и ресурсов [50].

Применение новых технологий и технических средств, таких как системы позиционирования, автоматические пробоотборники, датчики, бортовые компьютеры, измерительные комплексы и приборы, мобильные информационные системы и другие, позволяет проводить точечное обследование характеристик почв; собирать, накапливать и анализировать полученные данные; составлять карты прогноза урожайности выращиваемых растений; вносить минеральные и органические удобрения, химические мелиоранты в определённое поле с учётом выявленной изменчивости его характеристик с целью получения максимальной

урожайности, уменьшения загрязнения окружающей среды и выращивания экологически чистой продукции; внедрять и контролировать намеченные рекомендации; проводить дальнейший мониторинг характеристик поля [15].

Сельскохозяйственные роботы (агроботы) десять лет назад уже разрабатывались для выполнения различных операций, таких как уборка овощей и фруктов [16-18, 42, 43, 47]; прополка и прореживание овощей [33]; обработка теплиц; товарная подготовка плодоовощной и ягодной продукции, в том числе сортировка, упаковка и загрузка в тару; обслуживание сельскохозяйственных комплексов и скота, в том числе дойка, санитарная обработка, стрижка; погрузо-разгрузочные работы с сельскохозяйственной продукцией; вождение сельскохозяйственных машин и т.д. [12, 50].

В настоящее время мировой рынок сельскохозяйственных роботов переживает значительный рост [66, 113]. Роботы используются на многих этапах и в различных типах сельского хозяйства: полевые работы, животноводство, производство и сбор продуктов питания [37, 87, 92]. Роботизация сельскохозяйственного производства вызвана необходимостью подъёма производительности труда, обновления оборудования и техники, избавления работников от физически сложных задач.

Наибольший прогресс в роботизации сельскохозяйственного производства в настоящее время виден в области точного земледелия (ТЗ), отличительной чертой которого является локальная дифференциация агротехнических воздействий с учётом пространственной вариабельности почвенных и иных факторов формирования урожая в пределах отдельного сельскохозяйственного поля (агроконтура) [36].

Работы в области точного земледелия разделяются на 3 основных этапа: 1) первичный разведочный анализ, 2) анализ результатов мониторинга и 3) разработка стратегии управления обработкой поля для конкретной аграрной операции или в целом на следующий год. На рисунке 1.1 представлена классификация основных задач точного земледелия, решаемых с применением робототехнических сельскохозяйственных средств на трёх вышеуказанных этапах.

Первичный разведочный анализ включает сбор данных об условиях на конкретном поле, а также различные способы их наглядного представления -составление почвенной карты, построение картограмм урожайности, засорённости, агрохимических картограмм и т.д. В исследованиях, посвящённых точному земледелию, на первом этапе решались следующие классы задач [36, 51] обоснование целесообразности дифференциации технологических воздействий; выбор оптимального шага и схемы взятия проб; анализ полученной вариативности свойств почвы при различных способах землепользования, агротехнологий или на различных типах поля; построение картограмм агрохимических и агрофизических свойств полей, а также их урожайности и засорённости.

Рисунок 1.1 - Классификация основных задач точного земледелия

На аналитическом этапе ТЗ выявляются причины вариабельности свойств почвы и устанавливаются приоритетные способы управления ими. Затем уже на третьем этапе разрабатывается стратегия обработки поля для конкретной аграрной операции или в целом на следующий год. При этом решаются вопросы: какие

удобрения следует вносить, в каких дозах и как они должны корректироваться в пределах рассматриваемого неоднородного поля.

В работе [3], посвящённой точному земледелию, поднимается проблема анализа разнообразия внутрипольных агроконтуров, которую сложно решить с использованием традиционных методов обследования и картографирования полей, расчёта доз удобрений и их внесения, определения норм высева семян, при проведении других операций для каждого выделенного агроконтура. Внесение на поле усреднённых доз удобрений существенно влияет на урожайность и экологичность выращиваемых продуктов.

Развитие робототехнических средств для точного земледелия связано с решением ряда задач: создание систем точной навигации сельскохозяйственных машин; определение фактического уровня плодородия почвы; расчёт доз удобрений на запланированную урожайность сельскохозяйственных культур.

Задача определения фактического уровня плодородия на сельскохозяйственных полях осложняется необходимостью выделения внутрипольных участков, различающихся по своему плодородию. Среди дистанционных способов анализа выделяются: 1) использование аэрокосмической съёмки, являющейся достаточно дорогостоящим и неоперативным методом, а качество съёмки сильно зависит от погодных условий; 2) применение БЛА для съёмки и выявления внутрипольных агроконтуров с небольшой высоты, что является более перспективным подходом вследствие повышенной точности, оперативности диагностического обследования и относительно низкой себестоимости. К наземным способам автоматического определения урожайности сельскохозяйственных культур прежде всего относятся специальные бортовые датчики, устанавливаемые на комбайны, которые проводят анализ в процессе уборки урожая.

Перспективным способом выделения агропочвенных контуров является топографическая съёмка рельефа полей. Другим способом определения уровня плодородия является сканирование электропроводности почвы. Данные способы в сочетании с автоматизированным отбором проб почвы и использованием

геоинформационных систем (ГИС) и технологий для обработки картографического материала полей позволяют существенно сократить затраты на агрохимическое обследование полей по сравнению с традиционными методами [3].

Отдельной задачей при роботизации сельского хозяйства является борьба с сорняками и мониторинг заболеваний. Различные абиотические и биотические стрессы влияют на потенциальный урожай сельскохозяйственных культур. В сельском хозяйстве 40% мирового производства продуктов питания теряется из-за болезней, насекомых и сорняков. Для достижения высоких урожаев в системах производства сельскохозяйственных культур контроль биотического стресса имеет большое значение. Мониторинг заболеваний и вредителей на этапах выращивания и уборки очень важен для обеспечения производственного потенциала растений, выявления и предотвращения распространения болезни и предотвращения значительных потерь урожая. Борьба с вредителями, болезнями и сорняками - это регулярно выполняемая и трудоёмкая задача, которая иногда подвергает человека-оператора опасности загрязнения вредными химикатами. Разработка систем борьбы с сорняками, включая обнаружение и удаление сорняков, была одной из основных областей исследований в сельскохозяйственной робототехнике за последние несколько десятилетий. На сегодняшний день некоторые полностью автономные роботизированные системы удаления сорняков были протестированы в полевых условиях. Основные этапы борьбы с сорняками включают: обнаружение и идентификация сорняков, наведение манипулятора, точное внутрирядное удаление сорняков и картографирование. Для выборочного контроля внутрирядных сорняков применяются четыре типа механизмов их удаления: механические, термические, химические и электрические средства [67].

Знание точного положения сельскохозяйственных культур является необходимым условием эффективного механического удаления сорняков при применении роботизированных средств прополки, например, в таких культурах, как сахарная свёкла, - чувствительных к механическим воздействиям. В работе [96] исследован потенциал использования знаний о регулярности посева семян на качество сенсорных систем. Семена зерновых культур, таких как ячмень и

пшеница, помещаются рядами без чёткой структуры внутри. В то время, как кукуруза, сахарная свёкла и другие высокоценные культуры помещаются рядами с чётко определённым межкорневым интервалом между растениями. При применении роботизированных средств прополки распознавание растений основано на машинном зрении, анализе спектральных свойств или морфологии, формы поверхностей. Классификация растений является сложной задачей, на которую влияет вариативность внешнего вида растений. Результаты предыдущих исследований доказали, что априорная информация о расположении растений может использоваться для распознавания посевных культур. Экспериментальная модель оценки контекстно-зависимого распознавания урожая была основана на моделировании положения культур и сорняков в искусственном поле. Список всех позиций использовался в качестве входных данных для основанного на анализе контекста устройства распознавания культур. Результаты испытаний показали, что надёжность обнаружения позиционированных растений по известной геометрии посева зависит от плотности сорняков и погрешности посадки растений в соответствии с неравенством: РРУ < (1 + 2прахау)~1 , где р - плотность сорняков; <7хру - неопределённость положения модели растениеводства.

Список литературы диссертационного исследования кандидат наук Ву Дык Куен, 2021 год

Список использованных источников

1. Арико С. Е., Кононович Д. А., Мохов С. П. Результаты анализа эффективности применения комплекса машин для сбора и транспортировки лесосечных отходов // Труды БГТУ. Серия 1: Лесное хозяйство, природопользование и переработка возобновляемых ресурсов. 2019. № 2 (222). С. 181-190.

2. Афанасьев Р. А., Ермолов И. Л. Перспективы роботизации агрохимических работ// Экстремальная робототехника. 2016. Т. 1. № 1. С. 30-35.

3. Афанасьев Р. А., Ермолов И. Л. О перспективах роботизации точного земледелия // Экстремальная робототехника. Т. 1(1). С. 30-35.

4. Бажинова К. В., Лесков А. Г., Селиверстова Е. В. Автоматический захват объектов манипулятором, оснащённым многопалой кистью // Известия Российской академии наук. Теория и системы управления. 2019. №. 2. С. 166176.

5. Башилов А. М., Королев В. А., Можаев К. Ю. Перспективы использования дронов в реализациях новейших агротехнологий // Вестник ВИЭСХ. 2016. Т. 4. № 25. С. 68-75.

6. Беленков А. И., Тюмаков А. Ю., Сабо У. М. (2015). Точное (координатное) земледелие в РГАУ - МСХА имени К.А. Тимирязева: реальность и перспективы // Вестник алтайского государственного аграрного университета. 2015. Т. 4. № 126. С. 5-10.

7. Ватаманюк И. В., Панина Г. Ю., Ронжин А. Л. Реконфигурация пространственного положения роя роботов // Управление большими системами. М.: ИПУ РАН. 2015. Т. 58. С. 285-305.

8. Воробьев Е. И., Михеев А. В., Моргуненко К. О. Алгоритм построения программных относительных движений манипуляционных систем двуруких роботов,» в научной конференции // Фундаментальные исследования и инновационные технологии в машиностроении. 2019.

9. Воробьёв Е. И., Дорофеев В. О. Расчет механизма ориентации манипуляционных роботов и протезов рук с линейными приводами // Вестник машиностроения. 2017. Т. 3. С. 29-31.

10. Гапонов В. С., Дашевский В. П., Бизин М. М. Модернизация программно-аппаратного обеспечения модельных сервоприводов для использования в антропоморфных робототехнических комплексах // Доклады Томского государственного университета систем управления и радиоэлектроники. 2016. Т. 19. № 2. С. 41-50.

11. Горянина К. И., Катин О. И., Донской Д. Ю. Сенсорные системы очувствления адаптивного управления роботом-манипулятором общего назначения // Научное обозрение. Педагогические науки. 2019. №. 3(3). С. 23-26.

12. Даляев И. Ю., Заруцкий Н. В. Разработка компонентов для отечественных робототехнических систем // Робототехника и техническая кибернетика. 2016. Т. 4. № 13. С. 64-70.

13. Дашевский В. П., Бизин М. М. Обзор возможностей бортовых вычислителей на основе SMARK-модулей для робототехнических комплексов // Доклады Томского государственного университета систем управления и радиоэлектроники. 2015. Т. 3. № 37. С. 91-96.

14. Дяшкин-Титов В. В., Воробьёва Н. С., Терехов С. Е. Алгоритм позиционирования захвата манипулятора-трипода // Современное машиностроение. Наука и образование. 2016. № 5. С. 634-644.

15. Ефремов А. Н. Точное земледелие на рисовых чеках. // Комплексные мелиорации - средство повышения продуктивности сельскохозяйственных земель. Москва. 2014. С. 278-287.

16. Зобнин А. Н. Агророботы в сельском хозяйстве // Академическая публицистика. 2018. Т. 5. С. 85-87.

17. Измайлов А. Ю., Смирнов И. Г., Хорт Д. О., Филиппов Р. А. Робототехнические средства для современного садоводства // Вестник Мичуринского государственного аграрного университета. 2016. Т. 2. С. 131-138.

18. Измайлов А. Ю., Ахалая Б. Х., Шогенов Ю. Х. Новые универсальные технические средства для уборки плодов фруктовых насаждений // Вестник Казанского государственного аграрного университета. 2017. Т. 12. № 3(45). С. 72-76.

19. Измайлов А. Ю., Годжаев З. А., Афанасьев Р. А. Перспективы роботизации агрохимических работ // Плодородие. 2016. Т. 5. № 92. С. 9-13.

20. Измайлов А. Ю., Лобачевский Я. П., Ценч Ю. С. О синтезе роботизированного сельскохозяйственного мобильного агрегата // Вестник российской сельскохозяйственной науки. 2019. Т. 4. С. 63-68.

21. Колюбин С. А., Заводовский О. Д. Энергоэффективное траекторное управление манипуляторами с избыточным числом степеней свободы // Известия высших учебных заведений. Приборостроение. 2018. Т. 61. № 2. С. 141-147.

22. Копылов В. М., Даляев И. Ю. Методы управления и планирования работы сервисного космического аппарата, оснащённого манипуляторами // Экстремальная робототехника. 2018. Т. 1. № 1. С. 59-69.

23. Краусп В. Р., Королев В. А. Электророботизированными агрегатами полеводства // Инновации в сельском хозяйстве. 2016. Т. 6. № 21. С. 122-130.

24. Кузнецова Е. М., Даляев И. Ю., Смирнов Е. А. Манипулятор параллельной структуры, очувствленный по усилию // Робототехника и техническая кибернетика. 2018. Т. 4. № 21. С. 68-76.

25. Лачуга Ю. Ф., Измайлов А. Ю., Лобачевский Я. П., Шогенов Ю. Х. Интенсивные машинные технологии, роботизированная техника и цифровые системы для производства основных групп сельскохозяйственной продукции // Техника и оборудование для села. 2018. Т. 7. С. 2-7.

26. Лачуга, Ю. Ф., Измайлов А. Ю., Лобачевский Я. П., Шогенов Ю. Х. Развитие интенсивных машинных технологий, роботизированной техники, эффективного энергообеспечения и цифровых систем в агропромышленном комплексе // Техника и оборудование для села. 2019. Т. 6. № 264. С. 2-9.

27. Лесков А. Г., Буй Д. К. Регулятор с системой компенсации внешней силы для управления манипуляционными роботами при захвате неподвижного объекта // Наукоемкие технологии. 2017. Т. 18. № 9. С. 4-11.

28. Лесков А. Г., Селиверстова Е. В. Расчет областей пересечения поверхностей захватных устройств манипуляторов и деформируемых объектов при планировании и моделировании захвата // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия Приборостроение. 2016. № 6 (111). С. 97-114.

29. Лесков А. Г., Селиверстова Е. В. Расчет сил контактного взаимодействия между деформируемым объектом и звеньями захватного устройства манипулятора // Вестник Московского государственного технического университета им. Н.Э. Баумана. Серия Машиностроение. 2018. № 3 (120). С. 58-74.

30. Мохирев А. П., Мохирев И. А., Морозов Д. М. Роботизированная система наведения захватно-срезающего устройства на дерево // Лесотехнический журнал. 2018. Т. 8. № 1(29). С.194-202.

31. Нагоев З. В., Нагоева О. В. Извлечение знаний из многомодальных потоков неструк-турированных данных на основе самоорганизации мультиагентной когнитивной архитектуры мобильного робота // Известия Кабардино-Балкарского научного центра РАН. 2015. Т. 62. № 68. С. 145-152.

32. Нурхаметов И. Х., Мудров А. Г. Захват манипулятора // Техника и технология транспорта. 2019. № 4 (15). С. 5.

33. Петров А. М., Турышев И. В., Семейкин А. С. Сельскохозяйственный робот для посадки семян // Технические науки в России и за рубежом. 2015.

34. Петухов Д. А., Чаплыгин М. Е., Свиридова С. А., Воронков В. Сравнительная оценка систем параллельного вождения. // Агроснабфорум. 2016. Т. 1. № 140. С. 18-21.

35. Ронжин А. Л., Бизин М. М., Соленый С. В. Математические модели и средства много-модального взаимодействия с робототехническими и киберфизическими системами // Математические методы в технике и технологиях - ММТТ. 2016. Т. 8. № 90. С. 107-111.

36. Сидорова В. А., Жуковский Е. Е. Якушев В. В. Геостатистический анализ характеристик почв и урожайности в полевом опыте по точному земледелию // Почвоведение. 2012. T. 8. C. 879.

37. Скворцов Е. А. Сельскохозяйственные роботы в системе воспроизводственных процессов // Аграрный Вестник Урала. 2015. Т. 3. № 133. С. 89-93.

38. Скворцов Е. А. Перспективы инновационного развития на основе применения сельскохозяйственных роботов // Вестник государственного аграрного университета северного Зауралья. 2015. T. 3. № 29. C. 113-117.

39. Скосарев Е. С., Колюбин С. А. Исследование алгоритмов энергоэффективного позиционного управления для роботов-манипуляторов с гибким звеном // Навигация и управление движением. 2019.

40. Сычев В. Г., Афанасьев Р. А., Ермолов И. Л., Кладко С. Г., Ворончихин В. В. Диагностика азотного питания растений с использованием беспилотных летательных аппаратов // Плодородие. 2017. T. 5. C. 2-4.

41. Титов В. В., Шардыко И. В., Даляев И. Ю. Реализация силомоментного управления для двухстепенного манипулятора // Экстремальная робототехника. 2013. Т. 1. С. 368-376.

42. Тончева Н. Н., Самсонов А. Н., Иванов М. Ю. Машина для уборки капусты в контейнеры // Сельский механизатор. 2015. Т. 11. С. 16-17.

43. ФилипповР. А., ХортД. О., КутырёвА. И. Роботы для уборки урожая земляники садовой // Journal of advanced research in technical science. 2019. Т. 13. С. 63-68.

44. Хорт Д. О., Кутырёв А. И., Терешин А. Н., Вершинин Р. В. Обоснование параметров роботизированной платформы для уборки земляники садовой // Электротехнологии и электрооборудование в апк. 2020. T. 67. № 2(39). C. 99106.

45. Хорт Д. О., Терешин А. Н. Анализ конструктивных параметров и классификация рабочих органов для машинной уборки ягодных культур // Инновации в сельском хозяйстве. 2019. T. 2. № 31. C. 62-69.

46. Хорт Д. О., Кутырев А. И., Смирнов И. Г., Филиппов Р. А. Вершинин Р. В. Разработка алгоритмов системы распознавания ягод земляники садовой при

роботизированном сборе // Электротехнологии и электрооборудование в АПК. 2020. Т. 67. № 1 (38). С. 133-141.

47. Шаныгин С. В., Фокин В. Г., Асадова Ю. С. Робототехническая система для уборки овощных культур, растущих над землей // Интернет-журнал науковедение. 2017. Т. 9. № 3. С38.

48. Швандт А., Ющенко А. С. Программирование коллаборативных манипуляционных роботов с использованием интерфейса дополненной реальности // Робототехника и техническая кибернетика. 2020. Т. 8. № 2. С. 139149.

49. Щеколдин А. И., Анфимов Е. О., Аширов А. Н. Разработка системы удаленного управления мобильными роботами // навигация и управление движением. 2017.

50. Юревич Е. И. Основы робототехники (2-е издание). Санкт-Петербург: БХВ-Петербург. 2005.

51. Якушев В. П., Жуковский Е. Е., Якушев В. В. Вариограммный анализ для обоснования технологий точного земледелия // Вестник российской академии сельскохозяйственных наук. 2009. T. 3. C. 16-20.

52. Яцун А. С. Цифровая система обработки сигналов в робототехническом экзоскелете // Вибрационные технологии, мехатроника и управляемые машины. 2016. С. 142-151.

53. Arima S., Kondo, N. Cucumber harvesting robot and plant training system // Journal of Robotics and Mechatronics. 1999. Vol. 11. № 2. pp. 208-212.

54. Bac C. W., Van Henten E. J., Hemming J., Edan Y. Harvesting Robots for High-Value Crops: State-of-the-Art Review and Challenges Ahead // Journal of Field Robotics. 2014. Vol. 31. № 6

55. Foglia M. M., Reina G. Agricultural robot for radicchio harvesting // Journal of Field Robotics. 2006. Vol. 23. No. 6-7. pp. 363-377.

56. Fonseca C. M., Fleming P. J. Multiobjective optimization and multiple constraint handling with evolutionary algorithms. II. Application example. // IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans. 1998. Vol. 28. № 1. pp. 38 - 47.

57. Goldberg D. E., Richardson J. Genetic algorithms with sharing for multimodal function optimization. // Proceedings of the Second International Conference on Genetic Algorithms on Genetic algorithms and their application. 1987. pp. 41-49.

58. Gonzalez-de-Soto M., Emmi L., Perez-Ruiz M., Aguera J., Gonzalez-de-Santos P. Autonomous systems for precise spraying- Evaluation of a robotised patch sprayer // Biosystems Engineering. 2016. Vol. 146. pp. 165-182.

59. Kiliçkan A., Guner M. Physical properties and mechanical behavior of olive fruits (Olea europaea L.) under compression loading // Journal of Food Engineering. 2008. Vol. 87. № 2. pp. 222-228.

60. van Veldhuizen D. A., Lamont G. B. Multiobjective evolutionary algorithm test suites // SAC '99: Proceedings of the 1999 ACM symposium on Applied computing. 1999. pp. 351-357.

61. Wouter Bac C., Roorda T., Reshef R., Berman S., Hemming J., van Henten E. Analysis of a motion planning problem for sweet pepper harvesting in a dense obstacle environment // Biosystems Engineering. 2016. Vol. 146. pp. 85-97.

62. Башилов А. М., Королев В. А. Техническое зрение в роботизированных технологиях аграрного производства // Механизация и электрификация сельского хозяйства. 2016. Vol. 6. Vol. 2-6.

63. 2012 Agricultural workforce report. Labor and market performance analysis, Washington State: Employment Security Department, Washington. 2013.

64. Amatya S., Karkee M., Gongal A., Zhang Q., Whiting M. Detection of cherry tree branches with full foliage in planar architecture for automated sweet-cherry harvesting // Biosystems Engineering. 2016. Vol. 146. pp. 3-15.

65. Bechar A. Robotics in horticultural field production // Stewart Postharvest Review. Vol. 6, No. 3, September 2010. pp. 1-11.

66. Bechar A. Agricultural robots for field operations: Concepts and components // Biosystems Engineering. 2016. Vol. 149. pp. 94-111.

67. Bechar A., Vigneault C. Agricultural robots for field operations. Part 2: Operations and systems // Biosystems Engineering. 2017. Vol. 153. pp. 110-128

68. Beyer H. -G., Deb K. On self-adaptive features in real-parameter evolutionary algorithms// IEEE Transactions on Evolutionary Computation. 2001. Vol. 5. № 3. pp. 250 - 270.

69. Chambers J. M. Graphical Methods for Data Analysis (1 ed.). Chapman and Hall//CRC. 1983. 410 pp.

70. Deb K., Agrawal R. B. Simulated Binary Crossover for Continuous Search Space // Complex Systems. 2000. Vol. 9. № 3.

71. Deb K., Pratap A., Agarwal S., Meyarivan T. A Fast and Elitist Multiobjective Genetic Algorithm: Nsga-II // IEEE Transactions on Evolutionary Computations. 2002. T. 6. Vol. 2. pp. 182-197.

72. Eberhart, Shi Y. Particle swarm optimization: developments, applications and resources // Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546). 2001. Vol. 1.

73. Feng Q. C., Zou W., Fan P. F., Zhang C. F., Wang X. Design and test of robotic harvesting system for cherry tomato // Int J Agric & Biol Eng. 2018. Vol. 11. № 1. pp. 96-100.

74. Feng Q., Wang X., Zheng W., Qiu Q., Jiang K. New strawberry harvesting robot for elevated-trough culture // Int J Agric & Biol Eng. 2012. Vol. 5. № 2. pp. 1.

75. Gaspar-Cunha A., Covas J. Multi-Objective Optimization Using Evolutionary Algorithms // Computational Optimization and Applications. 2008. Vol. 39. p№ 1. pp. 75-96.

76. Goldberg D. Genetic Algorithms in Search, Optimization, and Machine Learning // Addison-Wesley Professional. 1988. pp. 432.

77. Goldberg D. E., Holland J. H. Genetic Algorithms and Machine Learning // Machine Learning. 1988. Vol. 3. pp. 95-99.

78. Han K.S., Kim S.C., Lee Y.B., Kim S.C., Im D.H., Choi H.K., Hwang H. Strawberry Harvesting Robot for Bench-type Cultivation // Journal of Biosystems Engineering. 2012. Vol. 37. № 1. pp. 65-74.

79. Hayashi S., Ganno K., Ishii Y., Tanaka I. Robotic harvesting system for eggplants // Agricultural machinery & Horticulture. 2002. Vol. 36. № 3. pp. 163-168.

80. Hiroaki Y., Kotaro N., Takaomi H., Masayuki I. Development of an autonomous tomato harvesting robot with rotational plucking gripper // 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Daejeon. 2016.

81. Ji C., Feng Q., Yuan T., Tan, Y., Li W. Development and performance analysis on cucumber harvesting robot system in greenhouse // Robot. 2011. Vol. 33. № 6.

82. Joseph R. D., Abhisesh S., Cameron J H., Manoj K., Changki M., Qin Z. Proof-of-concept of a robotic apple harvester. 2016.

83. Kabas O., Ozmerzi A., Akinci I. Physical properties of cactus pear (Opuntia ficus india L.) grown wild in Turkey Akinci // Journal of Food Engineering. 2006. Vol. 73. № 2. pp. 198-202.

84. Kompano P. Deleaf-Line robot for deleafing of tomato crops. [Электронный ресурс] URL: https://www.priva.com/discover-priva/news-and-stories/priva-kompano-deleaf-line (дата обращения: 1.9.2017)

85. Lehnert C., English A., McCool C., Tow A. W., Perez T. Autonomous Sweet Pepper Harvesting for Protected Cropping Systems // IEEE Robotics and Automation Letters. 2017. Vol. 2. № 2. pp. 872 - 879.

86. Lehnert C., Perez T., Mccool C. Optimisation-based Design of a Manipulator for Harvesting Capsicum // IEEE International Conference on Robotics and Automation. Pennsylvania. 2015. pp. 1-4.

87. Lewis H., Christopher B., Katy W. Re-capturing bovine life: Robot-cow relationships, freedom and control in dairy farming // Journal of Rural Studies. 2014. Vol. 33. pp. 131-140.

88. Li Z., Thomas C. Quantitative evaluation of mechanical damage to fresh fruits // Trends in Food Science & Technology. 2014. Vol. 35. № 2. pp. 138-150.

89. Li Z., Li P., Liu J. Physical and mechanical properties of tomato fruits as related to robot's harvesting // Journal of Food Engineering. 2011. Vol. 103. № 2. pp. 170-178.

90. Mäkinen R. A., Periaux J., Toivanen J. Multidisciplinary shape optimization in aerodynamics and electromagnetics using genetic algorithms // International Journal for Numerical Methods in Fluids. 1999. Vol. 30. № 2. pp. 149-159.

91. Mantriota G., Messina A. Theoretical and experimental study of the performance of flat suction cups // Mechanism and Machine Theory. 2011. Vol. 46. № 5. pp. 607617.

92. Manuel P.-R., David C., Fadi A. F., Chris J. G., Brandon J. M. Co-robotic intra-row weed control system // Biosystems Engineering. 2014. Vol. 126. pp. 45-55.

93. Margarita R.-A. Engineering research to improve fruit quality // Land Technology. 1996. pp. 8-9.

94. Masateru N., Kenji H., Qixin C., Shinji M., Kanshi O. Basic Study on Strawberry Harvesting Robot (Part II): Design and Development of Harvesting Mechanism // IFAC Proceedings Volumes. 2000. Vol. 33. № 29. pp. 55-59.

95. Mehta S. S., Burks T. F. Vision-based control of robotic manipulator for citrus harvesting // Computers and Electronics in Agriculture. 2014. Vol. 102. pp. 146-158.

96. Midtiby H. S., Astrand B., J0rgensen O., J0rgensen R. N. Upper limit for context-based crop classification in robotic weeding applications // Biosystems Engineering. 2016. Vol. 146. pp. 183-192.

97. Mirjalilia S., Mirjalili S. M., Lewis A. Grey Wolf Optimizer // Advances in Engineering Software. 2014. Vol. 69. pp. 46-61.

98. Monkman G., Hesse S., Steinmann R., Schunk H. Robot Grippers // Wiley-VCH. 2007. pp. 46.

99. Naoshi K., Kazuya Y., Hiroshi S., Koki Y., Mitsutaka K., Tomoo S., Takahisa N. A Machine Vision System for Tomato Cluster Harvesting Robot // Engineering in Agriculture, Environment and Food. 2009. Vol. 2. № 2. pp. 60-65.

100. Oberti R., Marchi M., Tirelli P., Calcante A., Iriti M., Tona E., Hocevar M. Selective spraying of grapevines for disease control using a modular agricultural robot // Biosystems Engineering. 2016. Vol. 146. pp. 203-215.

101. Perez-Ruiz M., Slaughter D. C., Fathallah F. A., Gliever C. J., Miller B. J. Co-robotic intra-row weed control system// Biosystems Engineering. 2014. Vol. 126. pp. 45-55.

102. Peter L., Reza E., K.C. Ting. Sensing and End-Effector for a Robotic Tomato Harvester // 2004 ASAE Annual Meeting.2004. pp. 1 - 4.

103. Poli R., Kennedy J., Blackwell T. Particle swarm optimization // Swarm Intelligence. 2007. Vol. 1. pp. 33-57.

104. Qingchun F., Xiu W., Wengang Z., Quan Q., Kai J. A New Challenge of Robot for Harvesting Strawberry Grown on Table Top Culture // Int J Agric & Biol Eng. 2012. Vol. 5. № 2. pp. 1

105. Qingchun F., Wang X., Wang G., Li Z. Design and test of tomatoes harvesting robot // IEEE International Conference on Information and Automation. 2015.

106. Raghuwanshi M. M., Kakde O. Survey on multiobjective evolutionary and real coded genetic algorithms // The 8th Asia Pacific Symposium on Intelligent and Evolutionary Systems. 2004.

107. Redmond R. S., Cornelia W., Ibrahim A. H., Girish C. Research and development in agricultural robotics: A perspective of digital farming // International Journal of Agricultural and Biological Engineering. 2018. Vol. 1. № 4. pp. 1-14.

108. RHEA Project: A robot fleet for highly effective agriculture and forestry. [Электронный ресурс] URL: http://www.rhea-project.eu (дата обращения: 01.09.2017).

109. Shigehiko H., Katsunobu G., Hidehito K., Seiichi A., Mitsuji M. Robotic Harvesting System for Eggplants Trained in V-Shape (Part 2)-Harvesting Experiment for Eggplants // Shokubutsu Kojo Gakkaishi. 2003. Vol. 15. № 4. pp. 211-216.

110. Shigehiko H., Satoshi Y., Sadafumi S., Yoshiji O., Junzo K., Mitsutaka K., Kazuhiro Y. Field Operation of a Movable Strawberry-harvesting Robot using a Travel Platform // Japan Agricultural Research Quarterly. 2014. Vol. 48. № 3. pp. 307-316.

111. Shigehiko H., Kenta S., Satoshi Y., Ken K., Yasushi K., Junzo K., Mitsutaka K. Evaluation of a strawberry-harvesting robot in a field test // Biosystems Engineering. 2010. Vol. 105. № 2. pp. 160-171.

112. Shimoga K. B., Goldenberg A. A. Soft Robotic Fingertips: Part I: A Comparison of Construction Materials // The International Journal of Robotics Research. 1996. Vol. 15. № 4. pp. 320-334.

113. Sjaak W., Lan G., Cor V., Marc-Jeroen B. Big Data in Smart Farming - A review // Agricultural Systems. 2017. Vol. 153. pp. 69-80.

114. Song H., Sun X., Zhang T., Zhang B., Xu L. Design optimisation and simulation of structure parameters of an eggplant picking robot // New Zealand Journal of Agricultural Research. 2007. Vol. 50. № 5. pp. 959-964.

115. Stanley B., Jörg B., Ola R., Roberto O. CROPS: Clever Robots for Crops // Engineering & Technology Reference. 2015. pp. 11.

116. Steuer R. E. Multiple Criteria Optimization: Theory, Computation and Application // John Wiley & Sons Inc, 11986. 470. pp.

117. Sugiura R., Tsuda S., Tamiya S., Itoh A., Nishiwaki K., Murakami N., Nuske S. Field phenotyping system for the assessment of potato late blight resistance using RGB imagery from an unmanned aerial vehicle // Biosystems Engineering. 2016. Vol. 148. pp. 1-10.

118. Sweet Pepper Harvesting Robot. (n.d.). URL: http://sweeper-robot.eu.

119. Tan K. C., Lee T. H., Khor E. F. Evolutionary algorithms for multi-objective optimization: performance assessments and comparisons // Artificial Intelligence Review volume. 2002. Vol. 17. pp. 251-29.

120. Tyler W., Rebecca S., Clark S., Lynn L. Orchard Economics: Establishing and Producing High-Density Sweet Cherries in Wasco County // OSU Extension Service Publication, EM. 2012. pp. 18.

121. Van Henten E. J., Van Tuijl B. A., Hemming J., Kornet J. G., Bontsema J., Van Os E. A. Field Test of an Autonomous Cucumber Picking Robot // Biosystems Engineering. 2003. Vol. 86. № 3. pp. 305-313.

122. Van Henten E. J., Van't Slot D. A., J. Hol C. W., Van Willigenburg L. G. Optimal manipulator design for a cucumber harvesting robot // Computers and Electronics in Agriculture. 2009. Vol. 6. № 2. pp. 247-257.

123. van Henten E., Hemming J., van Tuijl B., Kornet J. G., Meuleman J., Bontsema J., van Os E. A. An Autonomous Robot for Harvesting Cucumbers in Greenhouses // Autonomous Robots. 2002. Vol. 13. pp. 241-258.

124. Van Veldhuizen D. A., Lamont G. B. Multiobjective evolutionary algorithms:Analyzing the state-of-the-art // Evolutionary Computation. 2000. Vol. 8. № 2. pp. 125-47.

125. Wang L. L., Zhao B., Fan J. W., Hu X. A., Wei S., Li X. S., Wei C. F. Development of a tomato harvesting robot used in greenhouse // International Journal of Agricultural and Biological Engineering. 2017. Vol. 10. № 4. pp. 140-149.

126. Xiuying T., Tiezhong Z., Ling L., Dan X., Yizhe C. A New Robot System for Harvesting Cucumber Reno // Conference: 2009 Reno. 2009.

127. Yuanshen Z., Liang G., Chengliang L., Yixiang H. Dual-arm Robot Design and Testing for Harvesting Tomato in Greenhouse // IFAC-PapersOnLine. 2016. Vol. 49. № 16. pp. 161-165.

128. Zhang S., Yuan T., Wang D., Zhang J., Li W. Structure Optimization and Path Planning of Tomato Picking Manipulator // 2016 9th International Symposium on Computational Intelligence and Design (ISCID). 2016.

129. Zhao D.A., Lv J., Ji W., Zhang Y., Chen Y. Design and control of an apple harvesting robot // Biosystems Engineering. 2011. Vol. 110. № 2. pp. 112-122.

Приложение А. Перечень публикаций соискателя по теме

исследования

В рецензируемых журналах из списка ВАК:

1. Ву, Д.К. Обзор задач точного земледелия и аграрных роботизированных средств / Д.К. Ву, В.В. Нгуен, О.Я. Соленая, А.Л. Ронжин // Известия Кабардино-Балкарского научного центра РАН. 2017. № 3. С. 13-19. (Перечень ВАК - спец. 05.13.01).

2. Ву, Д.К. Анализ задач аграрной робототехники, решаемых посредством беспилотных летательных аппаратов / Д.К. Ву, В.В. Нгуен, О.Я. Соленая, А.Л. Ронжин // Агрофизика. 2017. № 3. С. 57-65. (Перечень ВАК - спец. 05.13.01).

3. Ву, Д.К. Моделирование конфигурации робототехнического захвата для манипуляций с сельскохозяйственной продукцией / Д.К. Ву, А.Л. Ронжин // Известия Юго-Западного государственного университета. 2020. Т. 24. № 4. (Перечень ВАК - спец. 05.13.01).

В зарубежных изданиях, индексируемых в WoS/Scopus:

4. Vu Q. Models and algorithms for design Robotic gripper for agricultural products/ Quyen Vu, Andrey Ronzhin // Comptes rendus de l'Acade'mie bulgare des Sciences. 2020. Vol. 73. № 1. pp. 103-110. DOI: https://doi.org/10.7546/CRABS.2020.01.13 (WoS/Scopus - Q2).

5. Vu, Q. Group Control of Heterogeneous Robots and Unmanned Aerial Vehicles in Agriculture Tasks / Q. Vu, V. Nguyen., O. Solenaya., A. Ronzhin. // Interactive Collaborative Robotics. Springer, Cham, 2017. LNAI 10459. 2017. pp. 260-267. DOI: https://doi.org/10.1007/978-3-319-66471-2 28(WoS/Scopus - Q2).

6. Quyen Vu. Analysis of main tasks of precision farming solved with the use of robotic means / Nguyen Vinh, Vu Quyen, Oksana Solenaya, Ronzhin Andrey //

Zavalishin's Readings / MATEC Web of Conferences, Vol. 113, 02009. 2017. D01:https://10.1051/matecconf/201711302009. (WoS/Scopus).

7. Vu, Q. Algorithms for Joint Operation of Service Robotic Platform and Set of UAVs in Agriculture Tasks / Quyen Vu, Vinh Nguyen, Oksana Solenaya, Andrey Ronzhin, Haci Mehmet // 5th IEEE Workshop on Advances in Information, Electronic and Electrical Engineering (AIEEE). 2017. DOI: https:// doi.org/10.1109/AIEEE.2017.8270525. (WoS/Scopus).

8. Vu Q. Hierarchical classification of robotic grippers applied for agricultural object manipulations / Quyen Vu, Mikhail Kuzov, Andrey Ronzhin // Zavalishin's Readings - 2018.

DOI: https://doi.org/10.1051/matecconf/201816103015 .(WoS/Scopus).

9. Vu Q. Trends in Development of UAV-UGV Cooperation Approaches in Precision Agriculture / Vu Q., Rakovic M., Delic V., Ronzhin A. // Interactive Collaborative Robotics. Springer. LNCS/LNAI. 2018. Vol. 11097. pp. 213-221. DOI: https://doi.org/10.1007/978-3-319-99582-3 22. (WoS/Scopus - Q2).

10. Vu, Q.A. Model of Four-Finger Gripper with a Built-in Vacuum Suction Nozzle for Harvesting Tomatoes / Quyen Vu, Andrey Ronzhin // Proceedings of 14th International Conference on Electromechanics and Robotics "Zavalishin's Readings". Springer, SIST. 2020. Vol. 154. pp. 149-160.

DOI: http://dx.doi.org/10.1007/978-981-13-9267-2 13. (WoS/Scopus - Q3).

11. Vu Q., Ronzhin A. Algorithms of Posteriori Multi-objective Optimization for Robotic Gripper Design / Quyen Vu, Andrey Ronzhin // Interactive Collaborative Robotics. Springer. LNCS/LNAI. 2020. Vol. 12336. pp. 308-318.

DOI: https://doi.org/10.1007/978-3-030-60337-3 30. (WoS/Scopus - Q2).

12.Vu, Q. Mathematical Modeling of Stable Position of Manipulator Mounted on Unmanned Aerial Vehicle / Vinh Nguyen, Quyen Vu, Andrey Ronzhin // Proceedings of 15th International Conference on Electromechanics and Robotics "Zavalishin's Readings". Springer, SIST. 2021. Vol. 187. pp. 151-164.

DOI: https://doi.org/10.1007/978-981-15-5580-0 12. (WoS/Scopus - Q3).

Другие

13.Ву, Д.К. Обзор робототехнических захватов для физических манипуляций с аграрной продукцией / Д.К. Ву, О.Я. Соленая, А.Л. Ронжин // Тракторы и сельхозмашины. 2017. № 12. С. 14-24. (Перечень ВАК).

14.Ву, Д.К. Многокритериальная оптимизация конструкции механизма четырёхпалого захвата / Д.К. Ву, А.Л. Ронжин // Робототехника и техническая кибернетика. 2020. Т. 8. № 4. (Перечень ВАК).

15.Ву, Д.К. Программная система AgroGripModelmg и алгоритмы оптимизации конфигурации робототехнического захвата / Д.К. Ву // Доклады Адыгской (Черкесской) Международной академии наук. 2020. Т. 20. №1. С. 6-10.

16.Ву, Д.К. Имитационное и численное моделирование количества робототехнической техники для обработки сельскохозяйственного угодия / К.Т. Нго, В.В. Нгуен, Д.К. Ву, А.Л. Ронжин // Труды девятой всероссийской научно-практической конференции по имитационному моделированию и его применению в науке и промышленности «Имитационное моделирование. Теория и практика» (ИММ0Д-2019), 18-20 октября 2019. С. 509 - 515.

17.Ву, Д.К. Задачи совместной работы БЛА и БНА в точном земледелии / А.И. Савельев, Д.К. Ву, А.Р. Шабанова, Х.М. Гюзей, А.Л. Ронжин // Материалы XIV Всероссийской научно-практической конференции Перспективные системы и задачи управления. С. 119 - 122.

18.Ву, Д.К. Моделирование процессов взаимодействия гетерогенных агророботов / Д.К. Ву, В.В. Нгуен, К.Т. Нго, А.Л. Ронжин // Труды Восьмой всероссийской научно-практической конференции «Имитационное моделирование. Теория и практика» (ИММ0Д-2017), г. Санкт-Петербург, 18-20 октября 2017 г. СПб.: Изд-во ВВМ. 2017. С. 337-342.

19.Ву, Д.К. Концептуальная и алгоритмические модели совместного функционирования роботизированной платформы и набора БЛА при выполнении аграрных операций / А.Л. Ронжин, Д.К. Ву, В.В. Нгуен, О.Я. Соленая // Труды Всероссийского научно-практического семинара

«Беспилотные транспортные средства с элементами искусственного интеллекта» (БТС-ИИ-2017), 5-6 октября 2017 г., г. Казань. С. 183 - 192.

20.Ву, Д.К. Применение беспилотных летательных аппаратов для решения сельскохозяйственных задач / Д.К. Ву, В.В. Нгуен, О.Я. Соленая // Материалы Международной научной конференции, посвященной 85-летию Агрофизического НИИ «Тенденции развития агрофизики: от актуальных проблем земледелия и растениеводства к технологиям будущего». Санкт-Петербург, 27-29 сентября 2017 г. - СПб.: ФГБНУ АФИ, 2017. С. 641 - 645.

Свидетельство о государственной регистрации программы для ЭВМ

21.Ву Д.К. Усина Е.Е. Свидетельство о государственной регистрации программы для ЭВМ № 2020663715 от 31.10.2020 г. «Программная система оптимизации конфигурации робототехнического захвата AgroGripModelmg».

Приложение Б. Копии актов внедрения

Акт реализации результатов диссертационной работы Ву Дык Куена «Модели и алгоритмы многокритериальной оптимизации конфигурации и управления робототехническим захватом для манипуляций с сельскохозяйственной продукцией» в деятельности компании

Настоящий акт составлен в подтверждение использования результатов диссертационной работы Ву Д.К. в ООО «Фабрика растений» при проведении опытно-конструкторской работы по роботизации агротехнологий закрытого грунта, в частности были на практике апробированы:

- алгоритмы многокритериальной оптимизации конфигурации робототехнического захвата, отличающие комбинированным применением методов апостериорной оптимизации и обеспечивающие определение оптимальных значений параметров конфигурации кинематической схемы, требуемых при проектировании и управлении концевым рабочим механизмом манипулятора;

- программная система А£гоОпрМос1е1^ для моделирования конфигурации робототехнического захвата, отличающаяся использованием трёх алгоритмов многокритериальной оптимизации и возможностью настройки собственных кинематических схем.

Предложенные Ву Д.К. алгоритмы и разработанная программная система А§гоСпрМос1еПгщ позволили спроектировать прототип мехатронной части манипулятора с концевым захватом на основе вакуумного сильфона для сбора томатов в многоярусных вертикальных фермах.

Члены комиссии: Ведущий инженер

Председатель комиссии Генеральный директор

Д.А. Усик

Д.А. Малышев

МИНОБРНАУКИ РОССИИ

ФЕДЕРАЛЬНОЕ ГОСУДАРСТВЕННОЕ БЮДЖЕТНОЕ УЧРЕЖДЕНИЕ НАУКИ «САНКТ-ПЕТЕРБУРГСКИЙ ФЕДЕРАЛЬНЫЙ ИССЛЕДОВАТЕЛЬСКИЙ ЦЕНТР РОССИЙСКОЙ

АКАДЕМИИ НАУК» (СПб ФИЦ РАН)

14 линия В.О., д. 39, Санкт-Петербург, 199178 Телефон: [phone], факс: [phone], E-mail: [e-mail], https://spcras.ru/ _ОКПО 04683303, ОГРН 1027800514411, ИНН/КПП 7801003920/780101001

к.т.н.

АКТ

об использовании результатов диссертационной работы Ву Дык Куена «Модели и алгоритмы многокритериальной оптимизации конфигурации и управления робототехническим захватом для манипуляций с

сельскохозяйственной продукцией» в НИР СПб ФИЦ РАН по договору с федеральным государственным бюджетным учреждением "Российский фонд фундаментальных исследований" (РФФИ) № 18-58-7600Ш8 от 08.02.2018 г.

Комиссия в составе: председателя д.т.н., C.B. Кулешова, членов комиссии:

А.И. Савельева и к.т.н. А.А. Зайцевой, рассмотрев представленные материалы:

1. Автореферат и диссертационную работу Ву Дык Куена.

2. Отчетную документацию по 1-2 этапам НИР, выполненную по договору с РФФИ № 18-58-7600IM8 от 08.02.2018 г. «18-58-76001 ЭРА_а «Стратегии совместной деятельности гетерогенных роботов, контролируемой с помощью интуитивно понятных человеко-машинных интерфейсов, при решении сельскохозяйственных задач».

установила, что:

1. Основные результаты, полученные Д.К. Ву в рамках диссертационной работы, были использованы при проведении научно-исследовательской работы, выполняемой в лаборатории автономных робототехнических систем СПб ФИЦ РАН, по проекту РФФИ № 18-58-76001\18 от 08.02.2018 г. «18-58-76001 ЭРА_а «Стратегии совместной деятельности гетерогенных роботов, контролируемой с помощью интуитивно понятных человеко-машинных интерфейсов, при решении сельскохозяйственных задач»,

2. Разработанные в диссертационной работе Д.К. Ву концептуальная и алгоритмическая модели выбора параметров робототехнического манипулятора позволили автоматизировать процесс конфигурирования системы управления захватом с учетом геометрических, механических, физических свойств манипулируемого агропродукта в условиях сельскохозяйственного производства томатов на закрытом грунте. В ходе моделирования прототипа манипулятора варьировалась высота растения, размеры и масса томатов, их распределение по растению, дальность от робототехнической платформы, на которой установлен манипулятор с захватом. Также сложность доступа к плоду зависела от плотности листьев и ветвей растения. Серия экспериментов с использованием разработанного Д.К. Ву модельно-апгоритмического и программного обеспечения позволила сформулировать рекомендации и оптимизировать параметры робототехнического захвата для сбора томатов на закрытом грунте.

Председатель комиссии Заместитель директора по д.т.н.

Члены комиссии: Руководитель лаборатори; автономных робототехнич! к.т.н.

Ученый секретарь, к.т.н.

C.B. Кулешов

А.И. Савельев A.A. Зайцева

АКТ

об использовании результатов диссертационной работы на соискание ученой степени кандидата технических наук Ву Дык Куена «Модели и алгоритмы многокритериальной оптимизации конфигурации и управления робототехническим захватом для манипуляций с сельскохозяйственной

продукцией»

Комиссия в составе:

председателя, д.т.н., проф., директора института А и ИТ ФГБОУ ВО «ТГТУ» Громова Ю.Ю.;

членов комиссии: д.т.н., заведующего кафедрой «Мехатроника и технологические измерения» ФГБОУ ВО «ТГТУ» Дивина А.Г.;

к.т.н., доцента кафедры «Мехатроника и технологические измерения» ФГБОУ ВО «ТГТУ» Шишкиной Г.В.

рассмотрев представленные материалы:

1. Автореферат Ву Д.К.

2. Диссертационная работа Ву Д.К.

подтверждает, что:

Результаты диссертационной работы «Модели и алгоритмы многокритериальной оптимизации конфигурации и управления робототехническим захватом для манипуляций с сельскохозяйственной продукцией» были использованы в процессе обучения студентов магистратуры по направлению 15.04.06 «Мехатроника и робототехника» при изучении ими дисциплины «Методы и теория оптимизации», закрепленной за кафедрой «Мехатроника и технологические измерения» Тамбовского государственного технического университета.

Концептуальная и алгоритмическая модели выбора параметров робототехнического манипулятора, а также программная система AgroGripModeting для моделирования конфигурации робототехнического захвата, были использованы при подготовке лекционного материала и проведении практических работ по дисциплине «Моделирование мехатронных и робототехнических систем»^с^^едыо более качественного усвоения знаний студентами бакалавриат^ о^ушо^мися по направлениию 15.03.06 «Мехатроника и робототй

Председатель комиссии Члены комиссии

23.10.2020

Громов Ю.Ю Дивин А,Г. Шишкина Г.В.

МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ

Федеральное государственное бюджетное научное учреждение -Федеральный научный центр „КАБАРДИНО-БАЛКАРСКИЙ НАУЧНЫЙ ЦЕНТР РОССИЙСКОЙ АКАДЕМИИ НАУК..

(КБНЦ РАН)

360002, КБР, г. Нальчик, Долинск, ул. Балкарова, л. 2. Тел./факс (S66-2) 42-65-62 E-mail: [e-mail], ОКПО 3IS42I87, ОГРН 1020700760453, ИНН Q711026447

АКТ

об использовании результатов диссертационной работы

Ву Дык Куена «Модели и алгоритмы многокритериальной оптимизации конфигурации и управления робототехническим захватом для манипуляции с сельскохозяйственной продукцией» в научно-исследовательской деятельности Федерального государственного бюджетного научного учреждения «Федеральный научный центр «Кабардино-Балкарский научный центр Российской

академии наук»

Комиссия в составе: председателя - к.ф.-м.н. заведующего отделом мультиагентных систем Института информатики и проблем регионального управления (ИИПРУ) КБНЦ РАН Ю.Х. Хамукова, к.т.н. заведующего лабораторией «Бионаноробототехники» ИИПРУ КБНЦ РАН А.У. Заммоева и к.ф.-м.н. главного ученого секретаря КБНЦ РАН Ю.В. Савойского, рассмотрев представленные материалы:

1. Автореферат и диссертационную работу Ву Дык Куена.

2. Техническую документацию к Программной системе оптимизации конфигурации робототехнического захвата AgroGripModeling.

установила, что:

1. Модельно-алгоритмическое обеспечение многокритериальной оптимизации конфигурации и управления робототехническим захватом, представленные в диссертационной работе Ву Д.К., вошло в круг перспективных подходов, выявленных при аналитическом обзоре исследований интеллектуальных систем принятия решений, мультиагентных робототехнических систем, систем агротехнологий нового поколения, основанных на сельхозробототехнике.

2. Разработанные Ву Д.К. модели и алгоритмы многокритериальной апостериорной оптимизации конфигурации робототехнического захвата

были использованы при исследовании подходов к функциональной репрезентации, категоризации и типологизации манипулируемых объектов мобильного автономного робота с когнитивной управляющей архитектурой.

3. Описанная в диссертационной работе Ву Д.К. программная система А£ГоОпрМос1еЦгщ для оптимизации конфигурации робототехнического захвата было использовано при разработке систем интеллектуализации и роботизации сельскохозяйственного производства в рамках основной задачи №7 «Фундаментальное обоснование создания систем земледелия и агротехнологий нового поколения, основанных на интеллектуализации и роботизации сельскохозяйственного производства» исследовательской программы развития КБНЦ РАН.

Председатель комиссии заведующий отделом

мультиагентных систем ИИПРУ КБНЦ РАН

к.ф.-м.н.

Члены комиссии: заведующий лабораторией «Бионаноробототехники» ИИПРУ КБНЦ РАР к.т.н.

главный ученый секретарь КБНЦ РАН к.ф.-м.н.