Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением
Предлагается при разработке интеллектуальной робототехнической системы (ИРТС) с адаптивным управлением реализовать принцип предварительного обучения и самообучения системы по результатам машинного имитационного моделирования для целей обеспечения функционирования ИРТС в экстремальных условиях среды...
Saved in:
| Date: | 2004 |
|---|---|
| Main Authors: | , , , |
| Format: | Article |
| Language: | Russian |
| Published: |
Інститут кібернетики ім. В.М. Глушкова НАН України
2004
|
| Online Access: | https://nasplib.isofts.kiev.ua/handle/123456789/6414 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Journal Title: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Cite this: | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением / В.Г. Писаренко, И.А. Варава, Ю.В. Писаренко, В.И. Семенова // Комп’ютерні засоби, мережі та системи. — 2004. — № 3. — С. 117-123. — Бібліогр.: 10 назв. — рос. |
Institution
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859615112887795712 |
|---|---|
| author | Писаренко, В.Г. Варава, И.А. Писаренко, Ю.В. Семенова, В.И. |
| author_facet | Писаренко, В.Г. Варава, И.А. Писаренко, Ю.В. Семенова, В.И. |
| citation_txt | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением / В.Г. Писаренко, И.А. Варава, Ю.В. Писаренко, В.И. Семенова // Комп’ютерні засоби, мережі та системи. — 2004. — № 3. — С. 117-123. — Бібліогр.: 10 назв. — рос. |
| collection | DSpace DC |
| description | Предлагается при разработке интеллектуальной робототехнической системы (ИРТС) с адаптивным управлением реализовать принцип предварительного обучения и самообучения системы по результатам машинного имитационного моделирования для целей обеспечения функционирования ИРТС в экстремальных условиях среды с использованием мониторинговой информации от блока идентификации состояния среды. Рассмотрены два примера реализации этой схемы: управление экспериментом с термоядерной плазмой и проектирование автономного подводного робота для обследования затонувших аварийных объектов.
|
| first_indexed | 2025-11-28T18:18:41Z |
| format | Article |
| fulltext |
Комп’ютерні засоби, мережі та системи. 2004, № 3 117
Предлагается при разработке ин-
теллектуальной робототехниче-
ской системы (ИРТС) с адапти-
вным управлением реализовать
принцип предварительного обуче-
ния и самообучения системы по
результатам машинного имита-
ционного моделирования для це-
лей обеспечения функционирова-
ния ИРТС в экстремальных усло-
виях среды с использованием мо-
ниторинговой информации от
блока идентификации состояния
среды. Рассмотрены два примера
реализации этой схемы: управле-
ние экспериментом с термоядер-
ной плазмой и проектирование
автономного подводного робота
для обследования затонувших ава-
рийных объектов.
В.Г. Писаренко, И.А. Варава,
Ю.В. Писаренко,
В.И. Семенова, 2004
ÓÄÊ 621.865
Â.Ã. ÏÈÑÀÐÅÍÊÎ, È.À. ÂÀÐÀÂÀ,
Þ.Â. ÏÈÑÀÐÅÍÊÎ, Â.È. ÑÅÌÅÍÎÂÀ
ÒÅÕÍÎËÎÃÈÈ ÏÐÎÅÊÒÈÐÎÂÀÍÈß
ÏÐÎÁËÅÌÍÎ-ÎÐÈÅÍÒÈÐÎÂÀÍÍÎÃÎ
ÈÍÒÅËËÅÊÒÓÀËÜÍÎÃÎ ÐÎÁÎÒÀ
Ñ ÑÈÑÒÅÌÎÉ ÈÄÅÍÒÈÔÈÊÀÖÈÈ
ÒÅÊÓÙÅÃÎ ÑÎÑÒÎßÍÈß ÑÐÅÄÛ
È ÀÄÀÏÒÈÂÍÛÌ ÓÏÐÀÂËÅÍÈÅÌ
1. Постановка задачи. При переходе от дис-
танционного управления (осуществляемого
человеком-оператором) мобильными мани-
пуляционными роботами, предназначенными
для работы в экстремальных, недетермини-
рованных ситуациях, к проектированию ав-
тономного робота, наделенного рядом фун-
кций искусственного интеллекта, взаимодей-
ствие человека и робота переходило при
этом от уровня управления на «языке движе-
ний» и относительно простых команд взаи-
модействий до уровня постановки задач, фо-
рмирования представлений о внешнем мире
и планирования сложных операций [1, 2].
К числу таких функций относится способ-
ность к самообучению, формированию баз
знаний, способность «очувствования» внеш-
ней среды и способность к адаптивному уп-
равлению. Одна из основных проблем при
переходе к интеллектуальным роботам за-
ключается в организации обмена информа-
цией между человеком и роботом на языке
естественных представлений о пространстве.
К настоящему времени накоплен большой
опыт в использовании систем распознавания
и разработано большое количество алгорит-
мов решения задач классификации, основан-
ных на методах распознавания образов. Од-
нако, внедрение этих алгоритмов в реальные
робототехнические системы по-прежнему за-
труднено рядом проблем, среди которых ва-
жное место занимает проблема нехватки и
В.Г. ПИСАРЕНКО, И.А. ВАРАВА, Ю.В. ПИСАРЕНКО, В.И. СЕМЕНОВА
Комп’ютерні засоби, мережі та системи. 2004, №3 118
неточности экспертной информации об объектах управления [1]. Во многих слу-
чаях эксперты не обладают достаточным количеством информации для приня-
тия гарантированно безошибочных решений о классах объектов, представлен-
ных им для классификации.
В стандартной постановке задачи различают два случая: дискриминантный
и кластерный анализы [2]. Первый метод означает, что ставится задача обучения
системы процедуре классификации: имеется некоторый набор объектов (обу-
чающая выборка), заданных значениями своих измеряемых характеристик. Для
каждого объекта априорно, на основании суждений экспертов, задан его класс.
Необходимо, опираясь на эти данные, построить решающее правило отнесения
произвольного объекта с известными значениями измеряемых параметров к то-
му или иному классу. Во втором случае ставится задача самообучения. Авторы
считают, что для рассматриваемой задачи наиболее эффективен подход, рас-
сматривающий обучение и самообучение как единую задачу извлечения макси-
мума информации из имеющихся данных. При этом можно организовать итера-
ционный процесс адаптации системы распознавания к ненадёжным источникам
априорной информации.
Предлагается схема адаптивного управления объектом, функционирующим
в экстремальных условиях конфликтной среды, содержащая блок наблюдения и
идентификации состояния внешней среды (НИС), а также объекта управления
(ОУ) и блок исполнительных устройств (ИУ). Информация о текущем состоянии
объекта и среды от соответствующего блока НИС попадают в блок имитацион-
ного моделирования (ИМ), с выхода которого попадает далее в информационно-
аналитическую систему (ИСА). Выработанные в ИАС сигналы управления по-
ступают на вход блока исполнительных устройств ИУ.
Для целей имитационного моделирования переходных процессов между
различными штатными ситуациями в системе «среда-объект управления» ис-
следуется множество решений начально-краевых задач для уравнений динами-
ки среды и движущегося в ней объекта управления, из которых в режиме обуче-
ния формируется база данных и база знаний «штатные ситуации». Эта информа-
ция заносится в блок «база знаний штатных состояний объекта и среды» и ис-
пользуется затем для адаптивного управления переходными процессами при из-
менении штатного состояния объекта управления «i →j» по схеме.
Рассмотрим далее два примера предметной области, для которых актуальна
задача проектирования проблемно-ориентированного интеллектуального робота
с системой идентификации текущего состояния и адаптивной системой управ-
ления по заданному критерию. Для каждого из этих примеров начально-краевая
задача для уравнений динамики среды и движущегося в ней объекта управления
формулируется различными способами, иллюстрированными далее. Первый
пример связан с проблемой адаптивного управления системой гашения опасного
разряда в термоядерной плазме в установке Т-10 путем использования пеллет-
инжекции (т. е. впрыскивание примесных макрочастиц с большим электрозаря-
дом). Второй пример касается проектирования подводного необитаемого мо-
бильного робота для обследования аварийного технического объекта на морском
ТЕХНОЛОГИИ ПРОЕКТИРОВАНИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО ИНТЕЛЛЕКТУАЛЬНОГО...
Комп’ютерні засоби, мережі та системи. 2004, № 3 119
дне ( например, нефтедобывающая платформа, морской нефтепровод, затонув-
шие боеприпасы, потерпевшая аварию атомная подводная лодка).
2. Первый пример: управление научным экспериментом по УТС. За 50
лет исследований по проблеме управляемого термоядерного синтеза (УТС) от
первых установок до сложного и дорогого оборудования с термоядерной плаз-
мой, достигнут большой прогресс, позволивший получить такие экстремальные
параметры плазмы (по температуре, времени удержания и плотности ), которые
уже обеспечивают начало термоядерной реакции в рабочей камере. Наряду с
успешным изучением плазмы в традиционных токамаках, стеллараторах, маг-
нитных ловушках [3], при лазерном обжатии дейтериевой мишени, рекордные
параметры термоядерной плазмы достигались на установках с плазмой, перетя-
нутой в Z-пинче [4], при впрыске легких ионов (Н, D, Be) с помощью мощных
лазерных импульсов [5]. Изучаются также перспективные идеи применения
пучка тяжелых ионов от драйвера-ускорителя [6] для обжатия и нагрева цилинд-
рической мишени из смеси дейтерия и трития с целью инициирования термо-
ядерной реакции.
Для научных экспериментов по разработке перспективных термоядерных
реакторов представляют большую актуальность разработка программно-
аппартных средств управления установкой с тороидальным магнитным полем
(токамаком) в штатных [7] и аварийных режимах [8]. К числу аварийных режи-
мов относятся прежде всего неустойчивость вертикального смещения шнура,
неустойчивость большого срыва, а также любые другие нежелательные процес-
сы быстрого роста тока, требующие срочного выключения (гашения) разряда в
плазме во избежание аварийных состояний. К числу технологий адаптивного
управления относится перспективная технология выключения в реальном вре-
мени разряда в токамаке Т-10 методом инжекций примесных макрочастиц с
большим Z (так называемая технология пеллет-инжекция), для которой была
получена информационная модель [8]. Эта модель базируется на следующей
системе четырех уравнений с частными производными параболического и ги-
перболического типа:
,)(1
t
Z
nГr
rrt
n imp
imp ∂
∂
=
∂
∂
+
∂
∂
(1)
,0)(1
=
∂
∂
+
∂
∂
imp
imp Гr
rrt
n
(2)
),(
2
51
2
3
brimpoh QQQnГqr
rrt
nT
−−=
+
∂
∂
+
∂
∂
(3)
∂
∂
∂
∂
=
∂
∂
r
Er
rr
c
t
E
π
σ
4
2
.
(4)
Система уравнений (1)–(4) описывает динамику примесных макрочастиц
(объект управления) и конфликтной среды (плазма в тороидальной камере с
В.Г. ПИСАРЕНКО, И.А. ВАРАВА, Ю.В. ПИСАРЕНКО, В.И. СЕМЕНОВА
Комп’ютерні засоби, мережі та системи. 2004, №3 120
опасным разрядом). Потоки электронов и ионов инжектированной примеси за-
писываются в следующем виде:
pnV
r
nD +
∂
∂
−=Γ ,
(5)
pimp
imp
imp Vn
r
n
D +
∂
∂
−=Γ .
(6)
Построен численный алгоритм и программа ПЛАЗМА имитационного мо-
делирования процесса пеллет-инжекции, отвечающей уравнениям (1) – (6). С по-
мощью этого алгоритма получены значения параметров уравнения, обеспечи-
вающие достижение необходимого результата пеллет-инжекции в аварийном
режиме разряда. Проведенные имитационные эксперименты показывают, что
лишь при определённых значениях вектора параметров эксперимента (т. е. зна-
чений коэффициентов этих уравнений, краевых и начальных условий и правых
частей уравнений) в результате применения пеллет-инжекции происходит гаше-
ние опасного разряда в тороидальной магнитной камере установки Т-10 и про-
исходит стабилизация процесса на более низких уровнях плотности и темпера-
туры плазмы. В наших численных экспериментах выход системы на стабилиза-
цию процесса при значениях электронной плотности, на порядок меньше перво-
начальной (отвечавшей исходному опасному разряду), наблюдался при следую-
щих параметрах информационной модели: D = 100, Vp = 10, σ = 7.19 e + 14,
Z = 0.3, χ = 1 и Qoh − Qimp − Qbr = 2600.
На рис. 1 показан пример рассчитанных решений при указанных парамет-
рах для плотности электронной компоненты плазмы N, плотности инжектируе-
мой смеси Nimp, электронной температуры T, напряженности электрического
поля Е. При этом для различных значений вектора параметров эксперимента
вычислялось значение функционала качества конкретного эксперимента в виде
интеграла:
tm b
J = α ∫ [ N (t = 0, R) − N (t, r) ] dt ∫ r dr + β* tm ,
0 a
(7)
где tm − значение момента времени, когда подинтегральное выражение в (7) дос-
тигает первого минимума, а = 0,2 R; b = 0,8 R; R – малый радиус тороидальной
камеры токамака Т-10.
Коэффициенты α и β подбираются в адаптивном режиме для обеспечения
эксиматорности всего выражения (7) при выборе наиболее эффективных пара-
метров эксперимента по гашению опасного разряда путем пеллет-инжекции [8].
ТЕХНОЛОГИИ ПРОЕКТИРОВАНИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО ИНТЕЛЛЕКТУАЛЬНОГО...
Комп’ютерні засоби, мережі та системи. 2004, № 3 121
РИС.1. Поведение построенных численных решений для плотности инжектируемой сме-
си Nimp, (поведение решений электронной плотности N, электронной температу-
ры T, напряженности электрического поля E не приведено) для D = 100, Vp = 10,
σ = 7.19 e + 14, Z = 0.3, χ = 1 и Qoh − Qimp − Qbr = 2600. Исходная графика была реали-
зована в цветном стандарте MathCad, но в данной работе цветовая гамма сознатель-
но обеднена
Выбрав оптимально эти коэффициенты, получаем функционал качества (7)
с этими оптимальными значениями α* и β* для маркировки (паспортизации)
множества экспериментов на предмет выбора наиболее эффективных стратегий
гашения опасного разряда, возникшего в рабочей камере токамака Т-10 для дан-
ных начальных и краевых условий.
3. Второй пример: проектирование подводного необитаемого мобильно-
го робота для обследования аварийного объекта на морском дне. Для при-
мера задачи управления объектом, функционирующим в жидкой среде (пример
такого случая показан на рис. 2) или атмосфере необходимо для формирования
информационной модели решать соответствующую начально-краевую задачу
для уравнения Навье-Стокса и уравнения непрерывности:
-∂v/∂ t +(v⋅∂/∂x) v = grad (p/ρ) + ν∆v ,
(8)
∂ρ/∂ t = − ∂/∂x (ρ v),
(9)
где ρ − плотность среды, v – скорость, р – давление.
При этом рассчитанные примеры элементов баз данных [9,10] в виде графи-
ческих файлов показаны на рис. 3.
С использованием этих баз данных построен алгоритм и программный ком-
плекс для адаптивного оптимального управлением траекторией движения авто-
номного робота-зонда, выполняющего программу обследования объекта и по-
павшего в условиях придонных течений в вихревой след подводного препятст-
вия (в окрестности аварийного обследуемого объекта) на морском дне.
Радиальная
координата
Время
В.Г. ПИСАРЕНКО, И.А. ВАРАВА, Ю.В. ПИСАРЕНКО, В.И. СЕМЕНОВА
Комп’ютерні засоби, мережі та системи. 2004, №3 122
РИС. 2. Форма поверхности отрыва и линии тока при обтекании трехмерного выступа (рубка
подводной лодки): а – поверхность отрыва; б – линии тока
Полученные программой ПОСЕЙДОН варианты расчетной траектории ро-
бота-зонда показаны на рис. 3.
РИС. 3. Картина двух рассчитанных траекторий (в двух ракурсах) подводного робота-зонда,
перемещающегося в зоне течения за подводным объектом в режиме адаптивного
управления по оси объекта и участвующего в этом вихревом движении (суммарное
движение робота принимает вид одной из показанных спиралевидных траекторий)
Вышеприведенные примеры призваны иллюстрировать целесообразность пред-
ложенного в данной работе принципа предварительного обучения и самообуче-
ния интеллектуальной робототехнической системы по результатам машинного
имитационного моделирования. При этом цель имитационного моделирования
состоит в последующем адаптивном управлении функционированием объекта
при выполнении заданной основной программы в экстремальных условиях сре-
ды при использовании мониторинговой информации, поступающей от блока
интеллектуальных сенсоров текущего состояния среды и состояния самого объе-
кта управления.
а б
Линии тока на по-
верхности отрыва
Линии
отрыва
Поверхностные
линии тока
Линия
присоединения
ТЕХНОЛОГИИ ПРОЕКТИРОВАНИЯ ПРОБЛЕМНО-ОРИЕНТИРОВАННОГО ИНТЕЛЛЕКТУАЛЬНОГО...
Комп’ютерні засоби, мережі та системи. 2004, № 3 123
1. Поливцев С.А. Интеллектуальная система управления мобильным роботом как сеть про-
цессов // Искусственный интеллект. – 2002. – № 4. – С. 373−379.
2. Патрик Э. Основы теории распознавания образов. – М.: Советское радио, 1980. – 408 с.
3. Hawryluk R.J. Results from deuterium-tritium tokamak confinement experiments // Reviews of
modern physics. – 1998. – Vol.70. – N 2. – P. 537−584.
4. Бакшаев Ю.Л. Исследование плазмы в предварительно созданной перетяжке Z–пинча //
Физика плазмы. – 2001. – 27, № 12. – С.1101−1110.
5. Быченков В.Ю. Быстрый поджиг на основе легких ионов // Физика плазмы. – 2001. – 27,
№ 12. – С.1076−1080.
6. Кошкарев Д.Г., Чуразов М.Д. Инерционный термоядерный синтез на базе тяжелоионно-
го ускорителя-драйвера и цилиндрической мишени // Атомная энергия. – 2001. – 91. –
Вып.1. – С.47−53.
7. Самойленко Ю.И., Губарев В.Ф., Кривонос Ю.Г. Управление быстропротекающими про-
цессами в термоядерных установках. – Киев: Наук. думка, 1988. – 384 с.
8. Тимохин В.М. Исследование выключения разряда в Токамаке Т-10 методом инжекции
примесных частиц с большим Z // Физика плазмы. – 2001. – 27, № 3. – С.195−208.
9. Тимофеев А.В. Адаптивные робототехнические комплексы. – Л.: Машиностроение. Ле-
нингр. отделение, 1988. – 332 с.
10. Гогиш Л.В., Степанов Г.Ю. Отрывные и кавитационные течения. – М.: Наука, 1990. –
384 с.
Получено 01.07.2003
|
| id | nasplib_isofts_kiev_ua-123456789-6414 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1817-9908 |
| language | Russian |
| last_indexed | 2025-11-28T18:18:41Z |
| publishDate | 2004 |
| publisher | Інститут кібернетики ім. В.М. Глушкова НАН України |
| record_format | dspace |
| spelling | Писаренко, В.Г. Варава, И.А. Писаренко, Ю.В. Семенова, В.И. 2010-03-02T12:00:30Z 2010-03-02T12:00:30Z 2004 Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением / В.Г. Писаренко, И.А. Варава, Ю.В. Писаренко, В.И. Семенова // Комп’ютерні засоби, мережі та системи. — 2004. — № 3. — С. 117-123. — Бібліогр.: 10 назв. — рос. 1817-9908 https://nasplib.isofts.kiev.ua/handle/123456789/6414 621.865 Предлагается при разработке интеллектуальной робототехнической системы (ИРТС) с адаптивным управлением реализовать принцип предварительного обучения и самообучения системы по результатам машинного имитационного моделирования для целей обеспечения функционирования ИРТС в экстремальных условиях среды с использованием мониторинговой информации от блока идентификации состояния среды. Рассмотрены два примера реализации этой схемы: управление экспериментом с термоядерной плазмой и проектирование автономного подводного робота для обследования затонувших аварийных объектов. ru Інститут кібернетики ім. В.М. Глушкова НАН України Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением Article published earlier |
| spellingShingle | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением Писаренко, В.Г. Варава, И.А. Писаренко, Ю.В. Семенова, В.И. |
| title | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением |
| title_full | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением |
| title_fullStr | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением |
| title_full_unstemmed | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением |
| title_short | Технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением |
| title_sort | технологии проектирования проблемно-ориентированного интеллектуального робота с системой идентификации текущего состояния среды и адаптивным управлением |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/6414 |
| work_keys_str_mv | AT pisarenkovg tehnologiiproektirovaniâproblemnoorientirovannogointellektualʹnogorobotassistemoiidentifikaciitekuŝegosostoâniâsredyiadaptivnymupravleniem AT varavaia tehnologiiproektirovaniâproblemnoorientirovannogointellektualʹnogorobotassistemoiidentifikaciitekuŝegosostoâniâsredyiadaptivnymupravleniem AT pisarenkoûv tehnologiiproektirovaniâproblemnoorientirovannogointellektualʹnogorobotassistemoiidentifikaciitekuŝegosostoâniâsredyiadaptivnymupravleniem AT semenovavi tehnologiiproektirovaniâproblemnoorientirovannogointellektualʹnogorobotassistemoiidentifikaciitekuŝegosostoâniâsredyiadaptivnymupravleniem |