ТРЕХМЕРНАЯ НЕЙРОСЕТЬ АДАПТИВНОГО ПОДВОДНОГО

Известия ТРТУ
Тематический выпуск
требует удвоения комплектующих элементов, что вполне возможно так как стоимость стабилизаторов невысока (менее 30 руб).
+32
52B
+
+29
LM1084
+
C1 C2
1000 22
+27B
LM1084
R1
241
R3
241
C3
R2
100
5391
C4
0.1
+
C5
R4 22
4965
Рис. 3. Каскадное включение стабилизаторов
Третьим вариантом является или через резистивный делитель с выходным
напряжением от 1/3 до 2/3 от входного напряжения стабилизатора (рис.4).
+18B
+29
39B
+
C1
1000
LM1084
+
C2
22
C3
0.1
+27B
R1
241
+
C4
R2
22
4965
Рис. 4. Схема с ускоренным зарядом выходной емкости от вспомогательного
выпрямителя
Для развязки используется диод Шоттки. При экспериментальной проверке
на выход стабилизатора +27 В, в момент включения подавалось выпрямленное
напряжение +18 В. Схема нормально работала при входных напряжениях до 50 В,
уровень пульсаций на выходе не превышал 10–15мВ при токе в 1А. По нашему
мнению этот вариант включения является наиболее удачным и может быть рекомендован для построения высоковольтных блоков питания. Длительная эксплуатация разработанных схем (рис.3 и 4) при максимальных токах и в рабочем диапазоне температур (от –25 до +60оС) подтвердила их высокую надежность.
Ю.В. Чернухин, А.А. Приемко
ТРЕХМЕРНАЯ НЕЙРОСЕТЬ АДАПТИВНОГО ПОДВОДНОГО РОБОТА
С каждым годом расширяется сфера применения адаптивных мобильных
роботов. При этом одним из интенсивно развивающихся направлений их развития
является создание роботов, функционирующих в подводной среде. В задачи, решаемые такими роботами, входят: исследование дна океанов, обследование подводных объектов различного происхождения, обеспечение безопасности навигации и т.п.
100
Компьютерные и информационные технологии в науке, инженерии и управлении
Одна из таких задач связана с необходимостью достигать удаленную цель
в подводной среде с известными координатами, находящуюся за пределами восприятия сенсорной подсистемы робота и одновременно преодолевать встречающиеся препятствия. Так как робот функционирует в априори неформализованной
внешней среде, то его система управления должна содержать подсистему искусственного интеллекта. В работе [1] предложена архитектура такой интеллектуальной подсистемы, решающая подобную задачу в условиях двумерной среды с использованием бионического метода управления мобильными роботами на основе
нейросетевого подхода, развиваемого в работах [2,3]. В данной работе рассматривается нейросетевая структура, способная решать указанную выше задачу в трехмерной подводной среде.
Пусть в состав нейросетевой системы управления робота входят [2,3]: сенсорная подсистема, воспринимающая информацию о внешней среде, основу которой составляет гидроакустическая станция (ГАС), установленная на борту робота;
подсистема формирования модели внешней среды (ПФМВС), выполняющая дискретизацию среды на множество участков, свободных для перемещения робота,
занятых участков, а также целевых участков отображающей сети, задачей которой
является отображение модели, полученной с помощью ПФМВС в нейросеть определения множества траекторий, ведущих к цели, системы принятия решения о
направлении перемещения робота и эффекторной подсистемы (ЭП), реализующей
перемещение робота.
Архитектура предлагаемой нейросетевой структуры представляется в виде
набора ярусов, количество которых зависит от числа ярусов бортовой ГАС робота.
Так как ГАС работает в сферической системе координат, то и архитектура рассматриваемой нейросети также имеет сферическую конфигурацию.
На рис. 1,а показан пример архитектуры такой нейросетевой структуры для
случая двухъярусной ГАС.
Рис.1. Нейросетевая архитектура для случая двухъярусной ГАС
Собственное положение робота в данной структуре так же, как и в [1,2,3]
моделируется устройством, в качестве которого используется нейросеть принятия
решений – СПР [3] (см. рис.1,а). Каждому ярусу поставлена в соответствие нейропроцессорная сеть, показанная на рис.1,б (здесь номерами 0–3 обозначены стро101
Известия ТРТУ
Тематический выпуск
ки, а номерами 0–4 столбцы). Данная сеть состоит из множества основных нейроэлементов, в которые отображается информация о проходимости участков среды и
дополнительных элементов, служащих для отображения положения цели, находящейся за пределами восприятия СП робота. Элементы нулевой строки каждой
такой сети подключаются к СПР (см. рис. 1,б). Состояния участков внешней среды (свободен, занят, цель), воспринимаемые с помощью бортовой ГАС, после обработки в ПФМВС отображаются в состояния соответствующих основных нейроэлементов. Если цель не попадает в зону восприятия СП робота, то ее положение
отображается в один из дополнительных нейроэлементов. Если же цель отображается в один из основных нейроэлементов, то дополнительные элементы блокируются.
Пусть робот находится в зоне пеленга судовой ГАС, тогда его мировые координаты могут быть определены на основе координат корабля, получаемых при
помощи системы спутникового позиционирования (GPS), и расстояния до судна,
определяемого при помощи ГАС. Передача этих координат роботу может осуществляться при помощи акустического модема. Тогда последовательность действий
при планировании очередного перемещения робота к цели может быть описана с
помощью следующего набора шагов.
1. По информации о собственном положении робота и координатах цели
вычисляются горизонтальный и вертикальный углы направления на цель. В зависимости от конструктивных параметров робота, по значениям этих углов, табличным способом, определяется, в какой из ярусов будет отображен целевой участок, а также какой из дополнительных нейроэлементов этого яруса будет использован. Остальные дополнительные нейроэлементы устанавливаются в состояние
свободного участка.
2. Информация о внешней среде воспринимается с помощью бортовой
ГАС и после обработки в ПФМВС отображается в состояния основных нейроэлементов каждого яруса.
3. Волна возбуждения от процессора, определенного на шаге 1, распространяется по нейросетевой структуре через процессоры, отображающие свободные участки среды (все возможные направления распространения волны в ярусе
показаны на рис.1,б). Распространение происходит не только в целевом ярусе, но и
в смежных с ним, при этом все возможные направления распространения волны
между ярусами показаны на рис.1,а пунктирными стрелками.
4. Пункт 3 повторяется до тех пор, пока сигнал возбуждения не попадет в
процессор, отображающий положение робота в среде, на топологическом месте
которой находится СПР. Эта структура фиксирует направление прихода фронта
волны возбуждения и принимает решение о направлении движения робота.
Для решения задачи фиксации направления прихода фронта волны возбуждения СПР строится следующим образом: общее количество разрядов СПР определяется как произведение количества элементов в строке яруса на количество
ярусов; разряды СПР разбиваются на группы, количество элементов в которых
равно количеству элементов в строке; выходы процессоров нулевых строк каждого
яруса соединяются с СПР, как показано на рис.2 (здесь Пijk обозначает процессор
i-го яруса, j-й строки, k-го столбца).
После фиксации решения информация о положении единицы внутри группы используется для определения горизонтального угла перемещения, а информация о номере группы, в которой появилась единица для определения вертикального угла перемещения.
102
Компьютерные и информационные технологии в науке, инженерии и управлении
Рис.2. Схема подключения СПР
Далее ЭП робота выполняет разворот корпуса в соответствии со значениями
углов, определенных СПР, и реализует шаг перемещения в среде по направлению
к цели.
Таким образом, предлагаемая нейросеть позволяет решать задачу планирования перемещений адаптивного подводного робота к удаленной цели в среде с
препятствиями. В случае попадания целевого объекта в область восприятия робота
движение к цели будет происходить по оптимальной траектории. Однако при отсутствии цели в области восприятия СП робота его движение будет происходить
по квазиоптимальной траектории. Для повышения степени оптимальности траектории в этом случае необходимо накапливать информацию о проходимости участков подводной среды в виде карты с дальнейшим ее использованием в процессе
движения к цели.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Чернухин Ю.В., Каданов М.В., Трубачев О.Е. Нейросетевое планирование перемещений адаптивного мобильного робота к невидимой цели с известными координатами
// Материалы 14 Международной конференции по нейрокибернетике "Проблемы
нейрокибернетики": Сборник трудов. Т.2. Ростов-на-Дону. 2002.
2. Чернухин Ю.В. Нейропроцессорные сети. –Таганрог: Изд-во ТРТУ, 1999. 439с.
3. Однородные управляющие структуры адаптивных роботов // А.В.Каляев, Ю.В.
Чернухин, В.П. Носков, И.А. Каляев –М.: Наука, 1990. –152 с.
С.И. Клевцов, Е.В.Удод
КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ РЕШЕНИЯ ЗАДАЧ
КОМПЕНСАЦИИ СОСТАВЛЯЮЩИХ СИСТЕМАТИЧЕСКОЙ
ПОГРЕШНОСТИ ДАТЧИКА ДАВЛЕНИЯ В ЦЕЛОЧИСЛЕННОЙ
АРИФМЕТИКЕ
Большое влияние на точность измерения прецизионных датчиков давления
оказывают внешние факторы, а также гистерезис и нелинейность градуировочной
характеристики (ГХ) датчика. Компенсацию влияния этих факторов на погрешность измерений в интеллектуальных датчиках давления обеспечивает использование пространственной мультисегментной модели аппроксимации ГХ с нелинейными базовыми пространственными элементами [1, 2].
Вычисления выполняются в микроконтроллере цифровой части датчика
по специальному микропроцессорному алгоритму с использованием ограниченной
разрядной сетки и целочисленной арифметики. Эти ограничения при неверно по-
103