Система управления коллективом мобильных роботов тема диссертации и автореферата по ВАК РФ 05.02.05, кандидат технических наук Рыжова, Татьяна Павловна

• Рыжова, Татьяна Павловна
• кандидат технических наук
• 2013

Оглавление диссертации кандидат технических наук Рыжова, Татьяна Павловна

Оглавление

Введение

1. Анализ проблем и задач мультиагентного управления. Общая концепция построения МРТС

1.1. Обзор существующих МРТС

1.2. Общие принципы построения мультиагентных систем

1.3. Управление коллективом роботов

1.3.1. Стратегии группового управления

1.3.2. Методы глобального планирования в централизованных системах

1.3.3. Методы глобального планирования в децентрализованных системах

1.3.4. Методы локального планирования

1.4. Применение РТС при проведении поисково-спасательных

работ

1.5. Общая концепция построения МРТС

1.5.1. Состав МРТС

1.5.2. Структура системы управления МРТС

1.5.3. Организация информационного обмена

Выводы

2. Глобальное планирование

2.1. Задачи, решаемые МРТС

2.1.1. Маркировка безопасных маршрутов эвакуации. Постановка задачи

2.1.2. Нейтрализация очагов химического заражения.

Постановка задачи

2.2. Централизованное распределение задач в коллективе роботов

2.2.1. «Ценовой» алгоритм распределения задач в

коллективе роботов

2.2.2. Генетический алгоритм распределения задач в

коллективе роботов

2.2.3. Сравнительный анализ алгоритмов централизованного распределения задач в коллективе роботов

2.3. Мультиагентное распределение задач в коллективе роботов

2.4. Мультиагентное разбиение коллектива роботов на группы

Выводы

3. Локальное планирование

3.1. Формирование траекторий движения роботов

3.1.1. Метод «потенциалов»

3.1.2. Перемещение роботов к целевым точкам в среде с препятствиями

3.1.3. Равномерное распределение роботов в рабочей зоне

3.1.4. Исследование устойчивости решения при равномерном распределении роботов в рабочей зоне

3.2. Навигационная система МРТС

3.2.1. Определение координат робота. Интегрирование

уравнений кинематики

3.2.2. Определение координат робота. Метод триангуляции

3.2.3. Использование рекуррентного фильтра Калмана

Выводы

4. Управляющий центр МРТС

4.1. Блок формирования команд

4.2. Блок обработки данных

4.3. Построение картограммы заражения рабочей зоны

4.4. Определение параметров очагов химического заражения

4.5. Правила составления прогнозов

4.6. Построение безопасных маршрутов эвакуации

Выводы

5. Экспериментальные исследования

5.1. Программная модель МРТС. Реализация разработанных алгоритмов

5.2. Твердотельная динамическая модель МРТС с учетом

сенсорной системы роботов

5.3. Рекомендации по проведению натурного эксперимента

5.4. Перспективы использования полученных результатов

Выводы

Основные результаты и выводы

Список литературы

Приложение А. Мультиагентное распределение задач в группе

роботов. Программный код модели, разработанной в ПК AnyLogic

Приложение Б. Исходный код программной модели МРТС

Приложение В. ПК «V-Rep». Твердотельная динамическая модель

МРТС. Скрипты

Приложение Г. Акты использования результатов работы

Список сокращений

РТС - робототехническая система

МРТС - мультиагентная робототехническая система

СУ - система управления

НИР - научно-исследовательская работа

ГА - генетический алгоритм

МРК - мобильный робототехнический комплекс

ПДК - предельно допустимая концентрация

БСС - беспроводная сенсорная сеть

БФК - блок формирования команд

БОД - блок обработки данных

Введение диссертации (часть автореферата) на тему «Система управления коллективом мобильных роботов»

Введение

В настоящее время роботы и робототехнические системы находят широкое применение в областях, связанных с риском для человека, например, в химической и атомной промышленности при техногенных и природных катастрофах и др. Мобильные роботы могут использоваться при решении таких задач, как инспекция и исследование труднодоступных помещений, наблюдение за различными объектами, построение карты загрязнения рабочего пространства и т.п.

Отдельный мобильный робот обладает ограниченными возможностями. У него малый радиус действия и небольшое число выполняемых функций. Поэтому, при решении сложных задач, целесообразным является одновременное применение нескольких роботов, т.е. распределенной робототехнической системы. Преимущества использования группы роботов очевидны. Во-первых, это больший радиус действия, во-вторых, расширенный набор выполняемых функций, и, наконец, более высокая вероятность выполнения задания, достигаемая за счет возможности перераспределения целей между роботами группы в случае выхода из строя некоторых из них [1].

При выполнении поисково-спасательных и ликвидационных операций требуется использовать робототехнические системы (РТС), в состав которых входит множество роботов различной «специализации». При этом должна быть организована их согласованная работа.

Проблемы группового управления и коммуникации, связанные с организацией "коллективного" поведения роботов, в настоящее время решаются с помощью мультиагентного управления [2].

Мультиагентные системы - это системы, состоящие из множества взаимодействующих агентов, коллективно решающих общую задачу. Понятие «агент» включает любые физические или виртуальные единицы, обладающие следующими свойствами [3]:

- коммуникабельность - способность обмениваться информацией с другими агентами;

- целенаправленность - направленность на достижение какой-либо цели;

- наличие ряда выполняемых функций;

- автономность, предполагающая наличие собственных ресурсов (энергетических, вычислительных, информационно-измерительных и т.п.);

- реактивность - способность к восприятию окружающей среды и способность строить частичные представления об этой среде на основе воспринимаемой информации;

- способность к самоорганизации.

Принцип действия мультиагентных систем основывается на декомпозиции общей задачи на ряд более простых задач, возлагаемых на агентов РТС - роботов, распределении этих задач между системами управления (СУ) агентов, планировании коллективного поведения агентов, координации взаимодействия агентов на основе кооперации, реконфигурации, коммуникации и разрешения конфликтных ситуаций [3].

В настоящее время в мире отсутствуют мультиагентные робототехнические системы (МРТС), способные в автономном режиме эффективно решать поисково-спасательные и ликвидационные задачи. Существующие робототехнические комплексы, в состав которых, как правило, входит один мобильный робот, по указанным выше причинам не могут справиться с поставленной задачей.

Таким образом, задача мультиагентного управления коллективом мобильных роботов, автономно функционирующих в условиях химического заражения, является актуальной. Решение данной проблемы направлено на практическую реализацию применения МРТС, что позволит в значительной степени снизить степень опасности при работе в неблагоприятных или опасных условиях.

В настоящее время в России в области мультиагентного управления работают такие известные ученые, как д.т.н., проф. В.И. Городецкий, д.т.н., проф. A.B. Тимофеев (Санкт-Петербургский институт информатики и автоматизации РАН), д.т.н., проф. C.B. Манько, д.т.н., проф. В.М. Лохин (Московский государственный технический университет радиотехники, электроники и автоматики), член-корреспондент РАН H.A. Каляев, д.т.н., проф. С.Г. Капустян (Научно-исследовательский институт многопроцессорных вычислительных систем им. Академика A.B. Каляева Южного федерального университета, г. Таганрог Ростовской области), к.т.н., доц. И.Е. Бурдун (Новосибирский государственный технический университет). За рубежом наиболее известными специалистами в области мультиагентных систем являются В. Лессер (Массачусетский технологический университет, США), К. Декер (Делаверский университет, США), Ф. Коэн (Орегонский университет здоровья и науки, США), Э. Дерфи (Мичиганский университет, США).

Целью данной диссертационной работы является разработка методов и алгоритмов мультиагентного и централизованного управления коллективом мобильных роботов, а также построение модульной системы управления МРТС, предназначенной для работы на химически опасных объектах.

Для решения сформулированной научной проблемы в работе поставлены и решены следующие задачи:

- анализ существующих подходов к решению проблемы группового управления мобильными роботами;

- выбор принципа построения МРТС;

- выработка требований к составу МРТС, предназначенной для выполнения поисково-спасательных и ликвидационных операций;

- построение системы управления МРТС;

- разработка алгоритмов мультиагентного и централизованного управления коллективом мобильных роботов;

- разработка алгоритмов формирования траекторий движения роботов;

- построение навигационной системы мобильного робота;

- разработка методов и алгоритмов обработки данных, получаемых роботами при выполнении поисково-спасательных и ликвидационных операций.

В работе используются методы современной теории автоматического управления, бионические алгоритмы, методы группового управления, методы рекуррентной фильтрации Калмана, а также математическое и имитационное моделирование.

Изложение материалов исследований в диссертации построено следующим образом. В первой главе проведен анализ существующих подходов к построению мультиагентных систем, рассмотрены стратегии группового управления роботами и основные виды коллективного поведения агентов. Выявлены недостатки существующих РТС, предназначенных для работы в условиях чрезвычайных ситуаций, и предложены пути усовершенствования таких систем. Выбран принцип построения МРТС, предназначенной для проведения поисково-спасательных и ликвидационных работ, сформированы ее состав и структура системы управления. Очерчен круг задач, решаемых данной робототехнической системой. Кроме того, в первой главе рассмотрены общие принципы организации информационного обмена между отдельными элементами МРТС.

Во второй главе представлены разработанные мультиагентные и централизованные алгоритмы управления коллективом мобильных роботов (алгоритмы глобального планирования): алгоритмы распределения задач в группе роботов (мультиагентный алгоритм основан на модели переговоров «Аукцион») и алгоритм разбиения коллектива роботов на группы. Для проверки работоспособности проведено моделирование предложенных алгоритмов. Рассмотрено их практическое применение при решении коллективом роботов поисково-спасательных и ликвидационных задач на химически опасных объектах.

Третья глава посвящена разработке методов локального планирования - алгоритмов формирования траекторий движения роботов при их перемещении к целевым точкам в среде с препятствиями, а также при равномерном распределении роботов в рабочей зоне. Эти задачи решены с использованием метода, аналогичного известному методу «потенциалов». Проведено исследование устойчивости полученных решений при равномерном распределении роботов. С помощью моделирования проверена работоспособность предложенных алгоритмов. Также в данной главе предложен принцип построения комбинированной навигационной системы, определяющей координаты роботов в рабочей зоне. Проведено исследование точности вычисления координат.

В четвертой главе рассмотрены разработанные методы и алгоритмы обработки информации, получаемой роботами в процессе выполнения заданий: метод построения градиентной картограммы заражения рабочей зоны, алгоритм определения количества и параметров очагов заражения, метод прогнозирования распространения заражения с течением времени в зависимости от состояния окружающей среды, алгоритм построения безопасных маршрутов эвакуации людей из зоны заражения.

Пятая глава содержит материалы, подтверждающие результаты теоретических исследований. Разработан программный пакет, реализующий предложенные алгоритмы централизованного и мультиагентного управления коллективом роботов, алгоритмы формирования траекторий движения роботов, а также методы обработки получаемой роботами информации. В программном комплексе «У-Яер» разработана динамическая модель коллектива мобильных роботов, входящих в состав МРТС. С помощью данной модели проверена работоспособность предложенных алгоритмов локального планирования.

В заключении приведены основные результаты диссертационной работы.

На защиту выносятся:

- модульный подход к построению системы управления коллективом мобильных роботов;

- мультиагентный алгоритм разбиения коллектива роботов на группы;

- мультиагентный алгоритм распределения задач в группе роботов;

- централизованный алгоритм распределения задач в группе роботов;

- метод определения количества и параметров очагов химического заражения;

- алгоритм построения безопасных маршрутов эвакуации.

Научная новизна. Разработаны новые базовые мультиагентные алгоритмы управления коллективом мобильных роботов: алгоритм распределения задач в группе роботов и алгоритм разделения коллектива роботов на группы. Кроме того, разработаны новые методы обработки сенсорной информации, получаемой роботами в процессе выполнения задач: метод определения параметров очагов заражения и алгоритм построения безопасных маршрутов эвакуации людей из зоны заражения.

Практическая ценность. Разработанные методы и алгоритмы управления коллективом мобильных роботов могут быть применены в ситуациях, опасных для человека. Эти алгоритмы являются универсальными, обеспечивают высокое быстродействие системы. За счет перераспределения заданий и мониторинга текущей ситуации достигается «живучесть» всей МРТС в целом и устойчивость к изменению внешних условий. Модульный подход к построению системы управления и универсальность разработанных методов и алгоритмов позволяют использовать данные принципы в мультиагентных системах различного назначения.

Реализация результатов работы. Материалы диссертации использованы в рамках НИР, проходивших в НУЦ «Робототехника» МГТУ им. Н.Э. Баумана и в ООО «НПИП «Юнит» (акты об использовании результатов диссертационной работы приведены в приложении Г). Создан

программный пакет, реализующий разработанные методы и алгоритмы управления коллективом мобильных роботов.

Апробация работы. Основные результаты работы докладывались и получили положительную оценку на научных форумах: 12-й Всероссийской научно-практической конференции «Экстремальная робототехника» (Санкт-Петербург, 1 - 3 апреля 2009 г.); Международной конференции с элементами научной школы для молодежи «Экстремальная Робототехника» (Санкт-Петербург, 12 - 14 октября 2010 г.); 22-й Международной научно-технической конференции «Экстремальная робототехника» (Санкт-Петербург, 23 - 25 ноября 2011 г.); Российской конференции с международным участием «Технические и программные средства систем управления, контроля и измерения» (Москва, 16-19 апреля 2012 г.).

Публикации. Основное содержание работы отражено в 5 публикациях, из них 2 статьи опубликованы в журналах, входящих в перечень ВАК РФ.

1. Анализ проблем и задач мультиагентного управления. Общая концепция построения МРТС

В настоящее время во многих странах ведутся активные разработки МРТС. Как правило, это коллективы мини или микророботов, которые могут быть использованы для сбора различной информации, наблюдения за объектами в условиях, опасных для жизни и здоровья человека, а также в труднодоступных местах. Другим перспективным направлением использования МРТС является исследование поверхности планет.

1.1. Обзор существующих МРТС

Одним из примеров организации коллектива роботов является совместный проект бельгийских, итальянских и швейцарских ученых "Swarm-bot" (рисунок 1.1) - РТС, состоящая из некоторого количества простых «С-ботов», построенных из относительно дешевых компонентов и способных к самоорганизации и самостоятельному монтажу, а также адаптации к окружающей среде [4]. Предполагается, что «свормбот», собирая себя из «С-ботов» в различные конфигурации, сможет выполнять различные задачи, которые не под силу каждому отдельному «с-боту».

Рисунок 1.1. РТС "Swarm-bot" (Бельгия, Италия, Швейцария) Например, для того, чтобы преодолеть препятствие типа «канава», «С-боты» соединяются в прямую линию-«поезд» (рисунок 1.2). На рисунке 1.3 показано преодоление препятствия «ступенька».

Рисунок 1.2. "8шагт-Ьо1;" преодолевает препятствие типа «канава»

Рисунок 1.3. "8\уагт-Ьо1" преодолевает препятствие типа «ступенька» Другой пример - это проект ученых из Университета Карнеги-Меллон в Питсбурге (США), в рамках которого разработана группа миниатюрных роботов, способных соединяться друг с другом и за счет этого принимать произвольную форму (рисунок 1.4). Суть проекта заключается в использовании электромагнитных или электрических сил для объединения небольших по размеру роботов в группы. Ученые использовали цилиндрические "машинки" с размещенными на их корпусах электромагнитами. Соединение роботов друг с другом осуществляется при помощи сил статического электричества [5].

Рисунок 1.4. Стая микро-роботов, разработанных учеными Университета

Карнеги-Меллон (США) Решение задач группового управления является предметом исследований, проводимых ЭАЯРА - агентством передовых оборонных исследований США. Одно из направлений - проект СепйЫ^Б, представляющий собой группу трехколесных роботов, оснащенных датчиками и использующих методы искусственного интеллекта (рисунок 1.5). СепйЫ^Б предназначены для построения подробной трехмерной карты местности. Армия СепйЬо^ов доставляется в рабочую зону. Роботы самостоятельно выполняют обследование местности, согласуя свои действия друг с другом. Все полученные данные пересылаются центральному компьютеру, где происходит их обработка [6].

Рисунок 1.5. Группа роботов СепйЬо! (США) Другой разработкой ОАИРА является самовосстанавливающееся минное поле (рисунок 1.6). Суть проекта заключается в следующем. Минное поле охватывает некоторую территорию и имеет определенную расстановку мин. При подрыве нескольких мин на одном из участков поля СУ анализирует сложившуюся ситуацию и перераспределяет мины таким образом, чтобы восстановить зону покрытия. Управление предусматривается как через спутник, так и без него - мины могут перемещаться самостоятельно. При потере связи со спутником более чем на месяц, мина самоуничтожается. Уникальность данной разработки состоит в том, что минное поле может располагаться не только на открытой местности, но и в рамках города [7].

а б в г д

Рисунок 1.6. Концепция самовосстанавливающегося минного поля (США) а) Установка мин; б) Установка сетевой связи между отдельными минами; в) Попытка прорыва минного поля противником и подрыв; г) Обнаружение отсутствия сетевой связи и ее восстановление; д) Минное поле восстановлено.

Задачи группового управления также решаются одним из подразделений Министерства Обороны США. Проект представляет собой

радиосеть, которая выстраивается с помощью множества миниатюрных мобильных радиостаций (ЬАМ-дроидов). ЬАЫ-дроиды (рисунок 1.7) могут покрывать определенную площадь рабочей зоны, при этом производится расчет оптимальных вариантов их расположения. Если одна станция выходит из строя, то все остальные передислоцируются таким образом, чтобы восполнить потерю. ЬАК-дроиды способны обмениваться информацией друг с другом и координировать свои действия [8].

Рисунок 1.7. LAN-дроид (США)

Проведенные исследования показали, что все существующие в настоящее время МРТС являются узкоспециализированными и решают ограниченный круг задач.

1.2. Общие принципы построения мультиагентных систем

Как уже было сказано, мультиагентная система - это система, образованная несколькими взаимодействующими агентами, сообща решающими общую задачу. Мультиагентные системы обладают следующими свойствами:

- способность к самоорганизации и самовосстановлению;

- гибкость;

- устойчивость к сбоям.

Все агенты по физической природе можно разделить на натуральные (человек, животное, коллектив людей, стадо животных и т.п.) и искусственные (робот, коллектив автоматов, сложная компьютерная программа) [3].

Искусственные агенты подразделяются на:

- материальные - физически существующие и работающие в реальном пространстве;

- виртуальные - существующие в некоторой программной среде (виртуальном пространстве).

На рисунке 1.8 показана структурная схема искусственного агента [3].

Рисунок 1.8. Структурная схема агента Ядром агента является блок управления, который содержит процессор и блок памяти. Процессор обеспечивает объединение и обработку разнородных данных, выработку соответствующих реакций на информацию о состоянии среды, принятие решений о выполнении тех или иных действий. Блок памяти включает два основных компонента: модель внешней среды и модель самого агента.

Сенсорная система - это система датчиков агента, обеспечивающая прием и первичную обработку информации, которая поступает к нему из среды (как внешней, так и внутренней).

Эффекторы - это средства воздействия на внешнюю среду и на самого агента. Это, например, механизм перемещения робота или манипулятор, предназначенный для перемещения каких-либо предметов.

Источник ресурсов (в частном случае, источник питания) - это устройство, которое обеспечивает все необходимые условия для поддержания жизненного цикла агента.

1.3. Управление коллективом роботов

В настоящее время выделяют четыре основных проблемы, возникающие при управлении коллективом роботов:

- выбор стратегии группового управления;

- глобальное планирование;

- локальное планирование;

- обработка информации, получаемой агентами в процессе их

функционирования.

На рисунке 1.9 представлена схема взаимодействия задач мультиагентного управления.

Рисунок 1.9. Взаимодействие задач мультиагентного управления Под стратегией группового управления понимается общий принцип организации управления агентами. Стратегия определяет, кто и на каком уровне управления решает задачи глобального и локального планирования, выполняет обработку получаемой информации. Стратегия группового управления выбирается в зависимости от количества агентов, входящих в состав мультиагентной системы, и исходя из скорости изменения параметров рабочей среды.

Глобальное планирование - это декомпозиция сложной глобальной задачи на более простые задачи, а также распределение среди агентов задач,

полученных в результате декомпозиции. Причем это распределение должно удовлетворять некоторому заданному критерию оптимальности.

Локальное планирование включает решение комплекса проблем, связанных с выполнением агентами задач, сформированных и распределенных на этапе глобального планирования. Например, планирование траектории движения мобильных роботов при их перемещении к заданным целевым точкам.

В процессе выполнения задач агенты получают полезную информацию, которую необходимо обработать. На основании полученных данных может быть сформировано новое задание для коллектива агентов.

При построении мультиагентной системы наиболее важной и сложной задачей является разработка системы управления, способной решать задачи глобального и локального планирования в соответствии с выбранной стратегией группового управления и получаемой агентами информацией.

1.3.1. Стратегии группового управления

В зависимости от используемой стратегии группового управления выделяют три типа распределенных систем - централизованные, децентрализованные и гибридные [9]. В централизованных системах процессы декомпозиции глобальной задачи и обработки полученной агентами информации происходят под управлением единого управляющего центра. В децентрализованных системах такой центр отсутствует, распределение заданий происходит в процессе взаимодействия агентов, обработка полученной информации также осуществляется агентами. Гибридная система - это комбинация централизованной и децентрализованной систем. Здесь декомпозиция глобальной задачи выполняется за счет обмена информацией между агентами, а обработка данных осуществляется управляющим центром. В таблице 1 приведен сравнительный анализ рассмотренных типов распределенных систем.

Заключение диссертации по теме «Роботы, мехатроника и робототехнические системы», Рыжова, Татьяна Павловна

Основные результаты и выводы

В настоящее время мультиагентные системы являются одним из наиболее перспективных направлений науки и техники, что обеспечивает их быстрое развитие. МРТС находят свое применение как в военной, так и гражданской отрасли. На сегодня в области мультиагентных систем существует множество проблем и задач, решить которые предстоит в недалеком будущем.

Особенностью данной диссертационной работы является выбор гибридного централизованно-децентрализованного принципа построения МРТС, построение модульной системы управления и разработка универсальных централизованных и мультиагентных алгоритмов глобального и локального планирования.

Гибридный принцип построения МРТС суммирует достоинства централизованной и децентрализованой систем и исключает их недостатки. В гибридных системах задачи глобального и локального планирования распределяются между агентами, что обеспечивает способность к самоорганизации и повышает надежность таких систем. При этом агентам не нужно тратить время и вычислительные ресурсы на обработку полезной информации, поскольку эту задачу решает управляющий центр.

Система управления МРТС, построенная по модульному принципу, является в некоторой степени универсальной. Данная СУ может быть использована в других мультиагентных системах. Для этого достаточно заменить или модифицировать некоторые модули системы, которые являются специализированными. Разработанная СУ может быть использована в РТС, выполняющих радиационную и химическую разведку, осуществляющих наблюдение за какими-либо объектами, ликвидирующих последствия различных аварий и т.п. Таким образом, построенная модульная система управления применима для целого класса мультиагентных разведывательных, поисково-спасательных и антитеррористических робототехнических систем.

В рамках диссертации разработаны базовые мультиагентные и централизованные алгоритмы управления коллективом мобильных роботов. Это алгоритм разбиения коллектива роботов на группы, алгоритмы распределения задач в коллективе роботов и алгоритмы планирования траекторий движения роботов. Все эти методы формализованы таким образом, что являются универсальными. Они применимы для управления мультиагентными робототехническими системами различного назначения.

Для корректной работы всех предложенных алгоритмов управления необходимо регулярно определять положение и ориентацию роботов в абсолютной системе координат, связанной с рабочим пространством. Для выполнения этой задачи построена комбинированная навигационная система, позволяющая вычислять координаты роботов с высокой точностью.

Разработанная МРТС специализируется на химической разведке и ликвидации последствий аварий на химически опасных объектах. В связи с этим разработаны специальные методы обработки сенсорной информации, получаемой роботами-агентами. Эти алгоритмы направлены на выявление очагов химического заражения, прогнозирование дальнейшего распространения заражения в зависимости от погодных условий, поиск безопасных маршрутов эвакуации людей.

Экспериментальные исследования проведены с помощью разработанного программного пакета, реализующего работу предложенных методов и алгоритмов, и комплексной динамической модели коллектива роботов, построенной в ПК «У-Яер». Проведенные исследования подтвердили работоспособность и эффективность методов и алгоритмов, предложенных в данной работе.

В диссертационной работе были получены следующие основные результаты:

- разработана модульная структура системы управления МРТС;

- разработаны новые централизованные и мультиагентные алгоритмы распределения задач в коллективе роботов;

- разработан новый мультиагентный алгоритм разбиения коллектива роботов на группы;

- разработаны алгоритмы локального планирования, основанные на методе, аналогичном методу «потенциалов»: алгоритм формирования траекторий движения роботов при их перемещении к целевым точкам в среде с препятствиями и алгоритм равномерного распределения роботов в рабочей зоне;

- построена комбинированная навигационная система МРТС с использованием фильтра Калмана;

- разработаны методы и алгоритмы обработки информации, получаемой роботами в процессе выполнения задания;

- разработан программный пакет, реализующий работу предложенных методов и алгоритмов управления коллективом роботов и обработки сенсорной информации, получаемой роботами в процессе выполнения задания.

Таким образом, в диссертационной работе решены все поставленные задачи. При этом существует ряд научных и технических проблем, решение которых не входит в рамки данной диссертации. Решение этих задач может служить основой дальнейших исследований в области МРТС.

Список литературы диссертационного исследования кандидат технических наук Рыжова, Татьяна Павловна, 2013 год

Список литературы

1. Тимофеев A.B. Методы нейросетевого и мультиагентного в робототехнике и мехатронике // Матросов В.М., Васильев С.Н., Москаленко А.И. Нелинейная теория управления и ее приложения: динамика, управление, оптимизация. М.: Физматлит, 2003. С. 101 - 126.

2. Тимофеев A.B. Мультиагентная навигация и интеллектуальное управление движением роботов в динамической среде с препятствиями // URL: http://www.mr.rtc.ru/doc/report/doc06.pdf (дата обращения 17.11.2009).

3. Многоагентные системы // AIportal.ru: портал искусственного интеллекта. 2009. URL: http://www.aiportal.ru/articles/multiagent-systems/1/ (дата обращения 20.11.2009).

4. Swarm-bots: Swarms of self-assembling artifacts // URL: http://www.swarm-bots.org/ (дата обращения 01.12.2009).

5. Стая микророботов // URL: http://nnm.ru/blogs/zxmerlin/staya mikrorobotov/ (дата обращения 03.12.2009).

6. The centibots project // URL: http://www.ai.sri.com/centibots/ (дата обращения 04.12.2009).

7. Модульные роботы или системы-трансформеры // PRORobot.ru: портал робототехники. 2006. URL: http://www.prorobot.ru/03/robot-robot-part2.php (дата обращения 10.12.2009).

8. Кристофер К. DARPA разрабатывает LAN-дроидов // Компьютерные вести: электрон. журн. 2007. №26. URL: http://old.kv.by/index2007264401 .htm (дата обращения 12.12.2009).

9. Интеллектуальные роботы / И.Е. Юревич [и др.] М.: Машиностроение, 2007. 360 с.

10. Люгер Д.Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. М.: Издательский дом «Вильяме», 2003. 864 с.

11. Девятков В.В. Системы искусственного интеллекта. М.: МГТУ им. Н.Э. Баумана, 2001. 352 с.

12. Васюков B.JI. Формальная феноменология. М.: Наука, 1999. 223 с.

13. Курейчик В.М., Кажаров А.А. Использование пчелиных алгоритмов для решения комбинаторных задач // Штучный интеллект. 2010. №3. С. 583 -589.

14. Ходашинский И. А. Параметрическая идентификация нечетких моделей на основе гибридного алгоритма муравьиной колонии // Автометрия. 2008. №5. С. 24 - 35.

15. Струнков Т. Что такое генетические алгоритмы // PC Week RE («Компьютерная неделя»): электрон, журн. 1999. №19. URL: http://www.pcweek.ru/themes/detail .php?ID=51105 (дата обращения 10.07.2010).

16. Glover F., Laguna М. Cyber Swarm Algorithms - Improving particle swarm optimization using adaptive memory strategies // European Journal of Operational Research. 2010. Vol. 201. P. 377 - 389.

17. Городецкий В.И., Карсаев O.B., Самойлов В.В. Инструментальные средства для открытых сетей агентов // Известия РАН. Теория и Системы Управления. 2008. №3. С. 106 - 124.

18. Городецкий В.И., Карсаев О.В., Самойлов В.В. Программная инфраструктура для поддержки концепции повсеместных вычислений в многоагентных Р2Р системах // Информационные технологии и вычислительные системы. 2008. №4. С. 51 - 56.

19. Городецкий В.И., Карсаев О.В. Прикладные многоагентные системы группового управления // Искусственный интеллект и принятие решений. 2009. №2. 24 с.

20. Wagner Т. An Application Science for Multi-Agent Systems. Boston: Kluwer Academic Publishers, 2004. 258 p.

21. Shoham Y., Tennenholtz M. On the synthesis of useful social laws for artificial agent societies // Proceedings of 10th National Conference of Artificial Intelligence. San Jose (USA), 1992. P. 276 - 287.

22. Lesser V., Decker K., Wagner T. Evolution of the GPGP/T.MS Domain-Independent Coordination Framework // Autonomous Agents and Multi Agent Systems. 2004. Vol. 9. P. 87 - 143.

23. Durfee E. Coordination of Distributed Problem Solvers. Boston: Kluwer Academic Publishers, 1988. 332 p.

24. Cohen P., Levesque J. Teamwork // Nous. 1991. Vol. 35. P. 35 - 43.

25. Crosz В., Kraus S. Collaborative Plans for Complex Group Actions // Artificial Intelligence. 1986. Vol. 86. P. 265 - 358.

26. Tambe M. Towards Flexible Teamwork // Journal of Artificial Intelligence Research. 1997. Vol. 7. P. 83 - 124.

27. Nash J. The Bargaining Problem // Econometrica. 1950. Vol. 18. P. 155 - 162.

28. Jennings N., Paratin P., Jonson M. Using Intelligent Agents to Manage Business Processes // The Practical Application of Intelligent Agents and Multi-Agent Technology: Proceedings of the First Intern. Conference. London (UK), 1996. P. 345 - 376.

29. The foundation for Intelligent Physical Agents // URL: http:// www, fipa. org / (дата обращения 11.02.2010).

30. Тимофеев A.B. Методы высококачественного управления, интеллектуализации и функциональной диагностики динамических систем // Мехатроника, автоматизация, управление. 2003. №5. С. 13-17.

31. Бурдун И.Е. Безоператорные системы «стайного» применения // intelonics.com: официальный сайт компании Интелоника. 2009. URL: http://www.intelonics.com/03 Swarming_UXVs_(public).pdf (дата обращения 14.02.2010).

32. Батанов А.Ф., Грицынин С.Н., Муркин С.В. Робототехнические системы для применения в условиях чрезвычайных ситуаций // Безопасность в техносфере. 2007. №1. С. 54 - 59.

33. Мобильный робототехнический комплекс МРК-27Х // mchs.gov.ru: портал МЧС России. URL: http://www.mchs.gov.ru/document/219077 (дата обращения 16.02.2010).

34. The objectives of PeLoTe // PeLoTe - Building Presence through Localization for Hybrid Telematic Systems. 2005. URL: http://labe.felk.cvut.cz/~pelote/ (дата обращения 19.02.2010).

35. Сергиевский M. Беспроводные сенсорные сети // КомпьютерПресс: электрон. журн. 2007. №8. URL: http://www.compress.ru/article.aspx?id=17950&iid=831 (дата обращения 23.01.2010).

36. Семенов А. Беспроводные сенсорные сети - новые модели использования // BYTE Россия: электрон, журн. 2005. №12. URL: http://www.bytemag.ru/articles/detail.php7ID-8780 (дата обращения 26.01.2010).

37. Бараш J1. Ячеистые сети - следующий шаг в развитии беспроводных сенсорных технологий // Компьютерное обозрение: электрон, журн. 2004. №1. URL: http://ko.com.ua/yacheistye seti -sleduyushhii shag v razvitii besprovodnyh_tehnologij_13380 (дата обращения 03.02.2010).

38. Симонов И., Германов В. Как проектировать беспроводные сенсорные сети // Молодая электроника. 2007. №8. С. 49 - 50.

39. Баскаков С., Оганов В. Беспроводные сенсорные сети на базе платформы MeshLogic // Электронные компоненты. 2006. №8. С. 65 - 69.

40. Химическая разведка и химический контроль при ликвидации химически опасных аварий // agps-mipb.ru: сайт Академии ГПС МЧС Росии. 2010. URL: http://www.agps-mipb.ru/index.php/axov/554-4-2-ximicheskaya-razvedka-i-ximicheskij-kontrol-pri-likvidacii-ximicheski-opasnyx-avarij.html (дата обращения 07.02.2010).

41. Соломка Ю.И. Исследование применимости генетических алгоритмов для оптимизации нейросетевых систем: Автореферат магистерской диссертации. Донецк. 2004. 16 с.

42. Варшавский В.И. Коллективное поведение автоматов. М.: Наука, 1973. 408 с.

43. Охоцимский Д.Е., Павловский В.Е., Плахов А.Г. Моделирование игры роботов-футболистов и базовые алгоритмы управления ими // Искусственный интеллект. 2000. №3. С. 534 - 540.

44. Гудаев O.A. Концепция трехмерного моделирования игры «Виртуальный футбол» // Искусственный интеллект. 2003. №4. С. 134- 139.

45. Капустян С.Г. Алгоритм коллективного улучшения плана при решении задач распределения целей в группе роботов // Штучный интеллект. 2005. №3. С. 463 - 474.

46. Капустян С.Г. Методы и алгоритмы коллективного управления роботами при их групповом применении: Автореферат диссертации на соискание степени доктора технических наук. Таганрог. 2008. 33 с.

47. Красовский A.A., Наумов А.И. Аналитическая теория самоорганизующихся систем управления с высоким уровнем искусственного интеллекта // Известия РАН. Теория и системы управления. 2001. №6. С. 69-75.

48. Новиков Д. А. Математические модели организации и функционирования команд. М.: Физматлит, 2008. 184 с.

49. От моделей поведения к искусственному интеллекту / В.Г. Редько [и др.] М.: КомКнига, 2006. 456 с.

50. Каляев И.А., Капустян С.Г. Многопроцессорные распределенные системы управления интеллектуальных мобильных роботов // Современные технологии автоматизации. 1997. №4. С. 94 - 97.

51. Каляев И.А. Стайные принципы управления а группе объектов // Искусственный интеллект. 2004. №3. С. 700 - 714.

52. Каляев И.А., Гайдук А.Р., Капустян С.Г. Распределенные системы планирования действий коллективом роботов. М.: Янус-К, 2002. 291 с.

53. Гайдук А.Р., Капустян С.Г., Шаповалов И.О. Оптимальное перемещение тела интеллектуальным роботом // Мехатроника, автоматизация, управление. 2009. №7. С. 58 - 71.

54. Каляев И.А., Гайдук А.Р., Капустян С.Г. Методы и модели коллективного управления в группах роботов. М.: Физматлит, 2009. 280 с.

55. Интеллектуальные средства диагностики и прогнозирования надежности авиадвигателей / В. И. Дубровин [и др.] Запорожье. 2003.279 с.

56. Berkhin P. Survey of Clustering Data Mining Techniques // Technical report. San Jose: Accrue Software, 2002. 56 p.

57. Черемисинов Д.И. Реализация параллельных алгоритмов управления на одном микропроцессоре // Программирование. 1986. №1. С. 37-45.

58. Cheremisinov D., Cheremisinova L. Developing Agent Interaction Protocols with PRALU // Information Theories and Applications. 2010. Vol. 13. P. 239-246.

59. Городецкий В.И., Карсаев O.B., Конюший В.Г. Среда разработки многоагентных приложений MASDK // Информационные технологии и вычислительные системы. 2003. №2. С. 26-41.

60. Gorodetski V., Kotenko I. The Multi-agent Systems for Computer Network Security Assurance: Frameworks and Case Studies // IEEE Computer Society. 2002. Vol. 5. P. 297 - 302.

61. Семовский С.В. Стохастическая модель стаи рыб - от индивидуального поведения к групповому // Математическое моделирование. 1989. Т. 1, №6. С. 49-55.

62. Даринцев О.В. Система управления коллективом микророботов // Штучный интеллект. 2006. №4. С. 391 - 399.

63. Платонов А.К., Кирильченко А. А., Колганов М.А. Метод потенциалов в задаче выбора пути: история и перспективы. М.: Изд. ИПМ им. М.В. Келдыша РАН, 2001. 32 с.

64. Данилов Ю.А. Лекции по нелинейной динамике. М.: Постмаркет, 2001. 184 с.

65. Попов Е.П. Теория нелинейных систем автоматического управления и регулирования. М.: Наука, 1988. 255 с.

66. Тимофеев А.В. Построение адаптивных систем управления программным движением. Л.: Энергия, 1980. 88 с.

67. Timofeev A.V., Yusupov R.M. Evolution of Intelligent Control in Adaptive Systems // International Journal of Adaptive Control and Signal Processing. 1992. Vol. 6. P. 193-200.

68. Мартыненко Ю.Г. Управление движением мобильных колесных роботов // Фундаментальная и прикладная математика. 2005. №8. С. 29-80.

69. Охоцимский Д.Е., Мартыненко Ю.Г. Новые задачи динамики и управления движением мобильных колесных роботов // Успехи механики. 2003. №1. 46 с.

70. Мартыненко Ю.Г. Динамика мобильных роботов // Соросовский образовательный журнал. 2000. Т. 6, №5. С. 110-116.

71. Зенкевич С.Л., Назарова A.B. Система управления мобильного колесного робота // Вестник МГТУ им. Н.Э. Баумана. Приборостроение. 2006. №3. С. 31 - 51.

72. Иванов Е.В. Определение координат в беспроводных сенсорных сетях: Автореферат диссертации на соискание степени кандидата технических наук. М., 2008. 26 с.

73. Аникин А. Определение местоположения мобильного объекта с помощью приемопередатчиков NanoLOC фирмы Nanotron // Беспроводные технологии: электрон, журн. 2007. №3. URL: http://www.wireless-e.ru/articles/diapasons/2007_3_38.php (дата обращения 05.04.2011).

74. Чернокнижкин В.А., Половко С.А. Система локальной навигации для наземных мобильных роботов // Научно-технический вестник СПбГУ ИТМО. 2008. №57. С. 13 - 22.

75. Kaiman R.E. A New Approach to Linear Filtering and Prediction Problems // ASME-Journal of Basic Engineering. 1960. Vol. 82. P. 35 -45.

76. Гармаш М.И. Подходы к решению задачи визуального определения местоположения в помещении // Вестник ОГУ. 2010. №9. С. 110-114.

77. Забегаев А.Н., Павловский В.Н. Адаптация фильтра Калмана для использования с локальной и глобальной системами навигации. М., 2010. 24 с. (Препринт Института проблем математики им. М.В. Келдыша РАН).

78. Евграфов В.В. Динамика и управление движением колесных роботов: Автореферат диссертации на соискание степени кандидата физико-математических наук. М., 2008. 15 с.

79. Муромцев Д.И. Введение в технологию экспертных систем. СПб.: СПбГУ ИТМО, 2005. 93 с.

80. Многомерная интерполяция // URL: http://www.polybook.ru/comma/1.3.3 .pdf (дата обращения 15.11.2012).

81. Методика оценки последствий химических аварий / A.C. Печеркин [и др.] М., 2001.57 с.

82. Стоянов В.У., Фридман A.B. Анализ математических моделей для оценки и прогнозирования химической обстановки в результате чрезвычайных ситуаций на экологически-опасных объектах // Строительство и техногенная безопасность. 2011. №40. С. 74 - 84.

83. Матвеев Ю.Н. Основы построения автоматизированных систем оперативного управления технической безопасностью химических производств: Автореферат диссертации на соискание степени кандидата технических наук. Тверь. 2011. 32 с.

84. Легович Ю.С., Ефремов А.Ю., Максимов Д.Ю. Расчет переноса и осаждения аэрозоля в реальном времени // Экологические системы и приборы. 2008. №6. С. 32 - 34.

85. Шубин Е.П. Гражданская оборона. М.: ПРОСВЕЩЕНИЕ, 1991. 225 с.

86. Теория графов и комбинаторика // URL: http://www.allmath/higherrnath/algebra/graph/graph6.htm (дата обращения 21.10.2011).

87. Мартынов М.Г. Пространственные методы доступа // Программирование. 1998. №3. С. 59 - 69.

88. Роджерс Д. Алгоритмические основы машинной графики. М.: Мир, 1989. 324 с.

89. Скворцов A.B. Триангуляция Делоне и её применение. Томск: Издательство Томского университета, 2002. 128 с.

90. Байков А.В., Северов Н.В. Возможности и условия выполнения спасательных работ в ЧС с применением робототехнических средств МЧС России // Комплексная безопасность. Новые горизонты: Труды Международной научно-практической конференции. Химки, 2011. С. 139- 145.

91. Научно-исследовательский центр робототехники (НИЦ Р) // vniipo.ru: официальный сайт Всероссийского научно-исследовательского института противопожарной обороны. 2006. URL: http://www.vniipo.ru/departments/nicntr.htm (дата обращения 27.09.2012).

92. Робототехнический комплекс для ведения радиационной разведки // rtc.ru: портал ЦНИИ Робототехники и Технической Кибернетики. 2004. URL: http://www.rtc.ru/production/production.shtml (дата обращения 11.10.2012).

93. Пушкарев О. Радиомодули компании Panasonic // Новости электроники. 2008. №5. С. 22-25.

94. Бурцев М.С. Исследование новых типов самоорганизации и возникновения поведенческих стратегий: Диссертация на соискание ученой степени кандидата физико-математических наук. М., 2005. 120 с.

95. Durfee Е. Scaling Up Agent Coordination Strategies // Computer. 2001. Vol. 3.P. 39-46.

96. Grosz В., Kraus S. Collaborative Plans for Complex Group Actions // Artificial Intelligence. 1996. Vol. 86. P. 269 - 358.

97. Zlotkin G., Rosenschtein J. Mechanisms for Automated Negotiation in State Oriented Domain // Journal of Artificial Intelligence Research. 1996. Vol. 5. P. 163 -238.

98. Wooldridge M., Jennings N., Kinny D. The Gaia Methodology for Agent-Oriented Analysis and Design // International Journal of Autonomous Agents and Multi Agent Systems. 2000. Vol. 3. P. 285 - 312.

99. Блюмин С.Jl. Дискретность против непрерывности при системном моделировании во времени и пространстве // Системы управления и информационные технологии. 2004. № 1. С. 4 - 9.

100. Новиков Д.А. Теория управления организационными системами. M.: МПСИ, 2005. 584 с.

101. Кравец О .Я., Моисеев Т.Н. Оптимизация управления распределенными информационно-вычислительными сетями на основе мультиагентных технологий. Воронеж: Научная книга, 2007. 287 с.

102. Губко М.В. Математические модели оптимизации иерархических структур. М.: ИЛУ РАН, 2006. 264 с.

103. Новиков Д.А., Смирнов И.М., Шохина Т.Е. Механизмы управления динамическими активными системами. М.: ИЛУ РАН, 2002. 124 с.

104. Блюмин C.J1. Законы усреднения в моделировании экопроцессов // Экология ЦЧО РФ. 2006. № 2. С. 25 - 27.

105. Николис Г., Пригожин И. Самоорганизация в неравновесных системах. М.: Мир, 1979. 135 с.

106. Nowak M.A., Sigmund К. Evolutionary Dynamics of Biological Games // Science. 2004. Vol. 303. P. 793 - 799.

107. Maynard S.J., Price G.R. The logic of animal conflicts // Nature. 1973. Vol. 246. P. 132- 143.

108. McNamara J.M., Barta Z., Houston A.I. Variation in behavior promotes cooperation in the Prisoner's Dilemma game // Nature. 2004. Vol. 428. P.745 -748.

109. Riolo R., Cohen M.D., Axelrod R. Evolution of cooperation without reciprocity // Nature. 2001. Vol. 414. P. 441 - 443.

110. Nowak M.A., Sigmund K. Evolution of indirect reciprocity by image scoring // Nature. 1998. Vol. 393. P. 573 - 577.

111. Doebeli M., Knowlton N. The evolution of interspecific mutualisms // PNAS. 1998. Vol. 95. P. 8676 - 8680.