УДК 007.52 Д.С. ЧЕРНЫХ D.S. CHERNYKH

УДК 007.52
Д.С. ЧЕРНЫХ
D.S. CHERNYKH
НЕЧЕТКАЯ МОДЕЛЬ УПРАВЛЕНИЯ ПОВОРОТОМ МОБИЛЬНОГО РОБОТА
FUZZY MODEL CONTROL THE ROTATION OF THE MOBILE ROBOT
В статье рассмотрены вопросы управления движением мобильного робота с применением методов
нечеткой логики. Описаны основные функции рассматриваемого робота. Приведена нечеткая модель
управления, позволяющая определять направление и угол поворота робота при обхождении им препятствий.
Ключевые слова: робот, нечеткая логика, человек-оператор, поведение, диалог.
In the article the questions of motion control of the mobile robot using fuzzy logic methods are reviewed. The
main functions of the considered robot are described. The fuzzy control model, allowing determining the direction and
the angle of rotation of the robot while bypassing obstacles is given.
Keywords: robot, fuzzy logic, human operator, behavior, dialogue.
Введение
Современные роботы передвигаются в пространстве и выполняют различные
команды при помощи манипуляторов. Они оборудованы информационно-измерительной
системой, способной обеспечить представление о текущей ситуации. База знаний робота
дает ему возможность самостоятельно ориентироваться в окружающем его мире и
определять, какие действия нужно совершить для решения установленной задачи.
Обязанности человека-оператора заключаются в определении задач робота на языке
программирования и наблюдении за передвижением робота. Обратная связь выполнена в
виде сообщений оператору от робота, которые оповещают о текущей ситуации либо о
достижении установленной цели. Подобным образом получается диалог между человекомоператором и роботом.
Задача
диалогового
управления
подразумевает
некоторую
степень
«взаимопонимания», при наличии которого оператор и робот применяли бы одинаковые
методы оценок окружающего мира, ясные человеку схемы рассуждений и заключений. Базой
для разработки концепции диалогового управления и направленной работы роботов служит
теория нечетких множеств и нечеткая логика, получившая обширное распространение в
последние десятилетия.
К главным задачам концепции целенаправленной работы роботов можно причислить
представление окружающего мира и нынешней ситуации, используя лингвистические
переменные, и составление плана действий. Данные проблемы можно разрешить, используя
методы нечеткой логики.
На рисунке 1 показана стандартная схема нечеткого логического вывода. На вход этой
структуры подаются четкие числовые значения. В ходе работы модель создает четкие
значения выходных переменных [2].
Рисунок 1 – Структура модуля нечеткого управления
Стандартный модуль нечеткого управления, как правило, состоит из следующих
элементов: базы правил, блока фаззификации, блока дефаззификации и блока выработки
решения.
База правил представлена в виде логических правил вида ЕСЛИ (x-A) ТО (y-B),
задающих имеющие в системе причинно-следственные связи между нечеткими величинами
ее входные и выходных значений.
Применение нечеткой логики в управлении роботом
Возможно заранее выделить стандарты поведения, характеризуемые сложившейся
обстановкой. Их порой рассматривают как своего рода условно-рефлекторное поведение
«стимул-реакция». Как уже говорилось ранее, данные стандарты поведения обладают видом
логических правил: ЕСЛИ (x-A) ТО (y-B). Под стратегией понимают комплекс правил
поведения, сформулированных с помощью лингвистических переменных и характеризуемых
установленной целью. Эти правила устанавливают в соответствие стандартной ситуации
заранее определенную реакцию робота. Так же подразумевается, что стандартные ситуации
возможно поместить в нечеткую базу знаний робота. С применением такого рода базы
можно сформировать комплекс правил поведения, отвечающих за выход к конкретной точке,
обходу неожиданно возникнувшей преграды на пути к цели и т.д. Алгоритмы
маневрирования, кроме лингвистических переменных, может быть, будут содержать и
возможные для определения «четкие» характеристики, например: d – расстояние до
преграды, w – ширина объекта, h – высота преграды и т.д.
В основном стратегия действия робота устанавливается фреймом задачи, который
возможно показать в следующем выражении: <текущая ситуация Si> <объект управления а0
> <имя операции> <сопутствующие объектыj> <условия выполнимости операции>.
Объектом управления считается сам робот, способности которого присутствуют в базе
данных. Аналогичные способности (размеры, масса, скорость, мобильность и т.д.)
характеризуют условия выполнимости процедуры с учетом нынешних условий и качеств
рабочей среды (рельеф, вид преград и т.д.). Тут нужно отметить то, что не все приведенные
показатели известны заранее. По этой причине может быть задана задача «самоанализа»
робота, главной составляющей которой считаются задачи идентификации его подсистем в
ходе деятельности. Эту задачу можно разрешить методами нечеткой логики, но сейчас она
еще не приобрела применимого для практики решения [1].
Требования выполнимости операции могут содержать и верификацию постусловий,
которые обязаны осуществляться после того как закончится операция. В частности, нельзя
поставить робота на поверхность, которая по размерам меньше его базы, или на поверхность
с высоким углом наклона. Условия выполнения операции могут затребовать
заблаговременной реализации особых поисковых движений, которые обязаны находиться в
базе знаний робота. В число сопутствующих объектов включают, к примеру, выявленную
преграду или объект, которые обязаны быть систематизированы по своим показателям.
Сопоставление существующей ситуации с одной из стандартных ситуаций,
находящихся в базе знаний, ведется с применением тех или иных критериев нечеткой
близости ситуаций. Полученная подобным способом роботом оценка ситуации предполагает
формализованную и усредненную оценку подобной ситуации человеком. Распознавание
ситуации устанавливает самостоятельное поведение робота, если правила действия были
заданы заранее. Из недавних разработок в данном направлении можно отметить работы в
сфере врачебной диагностики кровеносных сосудов, используя передвигающихся по ним
микроботов: имеющаяся на роботе система технического зрения, не только устанавливает
стратегию передвижений в деформированном сосуде, но так же делает предварительное
заключение для доктора-оператора о его состоянии.
Концепция знаний робота способна содержать ряд тактик поведения, которые могут
активизироваться не только ситуацией, к примеру, возникновением преграды конкретного
типа (стена, лестница и т.д.), но так же и командами оператора. Команда, как правило,
содержит только 2 компонента: <имя операции> <сопутствующие объектыj>. Например,
<преодолеть> <порог П>. В этом случае формализация нынешней ситуации и контроль
условий выполнимости операций обязаны быть совершены самой системой. При
невыполнении данных условий, т.е. при некорректности указания оператора, система
обращается к человеку с запросом и, подобным образом организация взаимодействия
«оператор-робот» делается необходимым условием работы интеллектуальной системы. [1]
Моделирование системы управления роботом
Мобильный робот должен обеспечивать определение наличия препятствия и
предотвращать столкновение с ним. Он управляется с помощью микроконтроллера,
ультразвукового датчика расстояния и сервоприводов. Была разработана модель системы
управления мобильным роботом на базе нечеткой логики (рисунок 2).
Рисунок 2 – Общая схема нечеткой системы управления
В ней были заданы функции принадлежности для лингвистическ переменных
«расстояние спереди» (рисунок 3), «расстояние слева», «расстояние справа» и «поворот»
(рисунок 4).
Рисунок 3 – Функция принадлежности для лингвистической переменной «расстояние
спереди»
Рисунок 4 – Функция принадлежности для лингвистической переменной «поворот»
Так же был задан список правил, представленный на рисунке 5, например, «if
(расстояние-спереди is очень-близко) and (расстояние-слева is очень-близко) then (поворот is
сильно-вправо)» и «if (расстояние-спереди is близко) and (расстояние-справа is близко) then
(поворот is немного-влево)».
Рисунок 5 – Список нечетких правил
Применяя схему нечеткого вывода по Мамдани, были получены графики значения
выходной лингвистической переменной «поворот» в зависимости от значений входных
переменных (рисунок 6).
Рисунок 6 – График зависимости выходной переменной в зависимости от входных
значений
Так, например, при значениях входных параметров: расстояние спереди = 0,3;
расстояние слева = 0,2; расстояние справа = 0,8 было получено, что угол поворота робота
должен составить 42°, что соответствует повороту направо.
Таким образом, в данной модели можно регулировать величину входных
лингвистических переменных и в результате будет определено на сколько градусов робот
должен совершить поворот и в какую сторону.
СПИСОК ЛИТЕРАТУРЫ
1.
Ющенко А.С. Управление роботами с использованием нечеткой логики:
состояние и проблемы // Новости искусственного интеллекта. – 2006. - № 1. – с. 119-130.
2.
Меркушева Л.В. Разработка системы принятия решений для задачи объезда
препятствий в условиях нечетких исходных данных / Меркушева Людмила Владимировна;
ФГБОУ ВПО «МГИУ». - Москва, 2011. – 64 с.
Черных Дмитрий Сергеевич
Государственный университет — учебно-научно-производственный комплекс, г. Орел
Магистрант кафедры «Информационные системы»
Тел.: 8-953-611-48-86
E-mail: dimcher909@gmail.com