Методика модельно-ориентированного проектирования алгоритмов управления мобильными роботами

Предложена формализованная методика модельно-ориентированного проектирования алгоритмов управления мобильными роботами. В основу методики положен альтернативный подход к разработке, когда сначала создается модель объекта управления, как инструмент проектирования, а затем разрабатываются алгоритмы управления. Это позволяет в процессе модельно-ориентированного проектирования найти наиболее удачные алгоритмы и подобрать параметры управления, близкие к оптимальным. В качестве примеров рассмотрены две типовые задачи из области управления мобильными платформами – управление торможением и рулением. Предложенная методика обладает достаточной унификацией, чтобы быть использованной при проектировании алгоритмов управления мобильными роботами различных типов, с разными системами позиционирования, принципами навигации и автопилотирования.

1. Тимофеев, А. Н. Навигация автономного мобильного робота на основе адаптивного нейронечеткого контроллера / А. Н. Тимофеев, Ф. Даееф // Автоматизация. Современные технологии. 2021. № 6. С. 268–272.

2. Тарасик, В. П. Методика имитационного моделирования режима испытаний на управляемость и устойчивость автомобиля при входе в поворот / В. П. Тарасик // Вестник Белорусско-Российского университета. 2019. № 2. C. 44–53.

3. Chi, Zhang. Noboru Noguchi Development of Robot Tractor Associating with Human-Drive Tractor for Farm Work / Chi Zhang, Liangliang Yang, Ze Zhang // 5th IFAC Conference on Bio-Robotics. 2013. Vol. 46, Iss. 4. Р. 83–88. https://doi.org/10.3182/20130327-3-JP-3017.00022.

4. Компьютерные модели и моделирование. Цифровые двойники изделий. Общие положения: ГОСТ Р 57700.37–2021. Введ. 01.01.2022. М.: Российс. ин-т стандарт., 2021.

5. Татур, М. Учебная задача моделирования системы управления торможением мобильной роботизированной платформы / М. Татур, М. Лукашевич, М. Шавердо // Space Engineering, Technologies & Exploration Anthology of Scientific Research Papers: Applied Curricula in Space Exploration and Intelligent Robotic Systems. Berlin, 2018. Р. 109–115.

6. Method of Reducing the Computational Complexity of Fuzzy Inference Algorithms for Implementation on a Microcontroller with Limited Computational Resources / M. G. Zhartybayeva [et al.] // Eurasian Journal of Mathematical and Computer Applications. 2019. Vol. 7, Iss. 1. P. 65–78.

7. Gerdts, M. Solving Mixed-Integer Optimal Control Problems by Branch&Bound: A Case Study from Automobile Test-Driving with Gear Shift / М. Gerdts // Optimal Control Applications and Methods. 2005. No 26. Р. 1–18.

8. Степанов, Д. Н. Метод коррекции оценки положения мобильного робота с использованием визуальной локации естественных ориентиров / Д. Н. Степанов, Е. Ю. Смирнова // Мехатроника, автоматизация, управление. 2017. Т. 18, № 11. C. 752–757. DOI: 10.17587/mau.18.752-757.

9. Зенкевич, С. Л. Управление движением группы роботов в строю типа «конвой» / С. Л. Зенкевич, Хуа Чжу // Мехатроника, автоматизация, управление. 2017. Т. 18, № 1. C. 30–34. DOI: 10.17587/ mau.18.30-34.

10. Моделирование алгоритмов управления автоматических трансмиссий по обеспечению плавного включения передач / А. В. Белевич [и др.] // Нейрокомпьютеры: разработка, применение. Радиотехника. 2013, № 2. С. 40–44.