Диагностика состояния автономного робота в реальном масштабе времени

Тип работы:
Реферат
Предмет:
Общие и комплексные проблемы технических и прикладных наук и отраслей народного хозяйства


Узнать стоимость

Детальная информация о работе

Выдержка из работы

УДК 621. 3
М. Г. Скворцов M .G. Skvortsov
ДИАГНОСТИКА СОСТОЯНИЯ АВТОНОМНОГО РОБОТА В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ DIAGNOSTICS OF THE STATE OF AN AUTONOMOUS ROBOT IN REAL TIME
Волгоградский государственный технический университет Volgograd State Technical University
E-mail: neurnet@mail. ru
Представлены описания традиционной структуры диагностической системы, структурной схемы нейро-сетевой диагностики состояния робота, иерархической модели объекта. Применение нейросетевой диагностики состояния робота по интегральному параметру позволяет обеспечить режим реального времени (за счет параллельной обработки данных) и сократить объем передаваемой информации (применением обработки и иерархической свертки информации на борту), что облегчает выявление неисправных подсистем и элементов автономного робота после разрушения.
Ключевые слова: состояние автономного робота, нейросетевая диагностика состояния по интегральному параметру, иерархическая структура объекта, нейросетевая измерительная система.
Includes descriptions of the traditional structure of the diagnostic system, the structural scheme of neural network diagnosis of the condition of the robot, the hierarchical model is the object. Application of neural network diagnosis of the condition of the robot by the integral parameter allows for real-time (due to parallel processing) and to reduce the amount of information transmitted (using convolution processing and hierarchical information on board) that facilitates the identification of faulty subsystems and elements after the destruction of autonomous robot.
Keywords: the autonomous robot state, neural network diagnostics of a condition on an integral parameter, the hierarchical structure of the object, neural network measurement system.
Автономный робот является электронно-механическим устройством, выполняющим рабочие операции со сложными пространственными перемещениями и способным к целесообразному поведению в условиях изменяющейся внешней обстановки. Роботы (беспилотные самолеты, вертолеты- подводные аппараты- автотранспортные средства, космические аппараты) работают в качестве наблюдателя, разведчика и исследователя в труднодоступных, агрессивных и опасных средах (радиоактивных, высокотемпературных, по-жаро- и взрывоопасных). Робот, рассматриваемый как объект диагностики, является сложной системой, состоящей из большого количества разнородных компонентов и подсистем (движения, связи, видеонаблюдения, управления).
Для автономных роботов, как сложных технических объектов (СТО), необходима диагностика состояния. Целью диагностики состояния робота является выявление и оповещение о нештатных ситуациях и нарушениях в работе основных элементов и подсистем СТО.
Традиционная структура диагностической системы автономных роботов (рис. 1) состоит из многоканальной измерительной системы, передатчика телеметрии, размещенного на роботе, а также приемника телеметрии с устройством преобразования, отображения данных и оператора (расположенных на командном пункте). Вся обработка большого объема информации производится на командном пункте, оценка состояния робота — оператором.
Измерительный канал
•I Измерительный канал
Измерительный канал
Передатчик телеметрии
Автономный робот с многоканальной измерительной системой
Приемник телеметрии +
Устройство преобразования и отображения данных
Оператор
Командный пункт
Рис. 1. Традиционная структура диагностической системы
К регистрируемым параметрам автономных роботов относятся: сигналы с датчиков местоположения, управления, видеонаблюдения в ИК и видимом диапазоне. Вычисляемыми параметрами объекта являются: координаты местоположения с реперными метками на карте местности, направление и скорость движения, состояние основных элементов и подсистем. Из сопоставления регистрируемых и вычисляемых параметров следует необходимость широкого применения новых информационных технологий в обработке и анализе результатов измерений.
Большой объем косвенных результатов измерений, поступающих в режиме реального времени и требующих предварительной обработки, является особенностью задачи оценки состояния СТО. Например, запущенная 9 ноября 2011 года межпланетная станция «Фобос-Грунт» (стоимостью 2 миллиарда долларов), сбилась с курса и упала 16 января 2012 года. Оценить состояние компонент, подсистем и
станции в целом не представлялось возможным из-за ограничений времени сеанса связи и полученного на командном пункте объема телеметрии.
Внедрение в диагностике состояния СТО нейросетевых измерительных систем (ИС/НС) является актуальной задачей [1] для обработки в режиме реального времени измеренных косвенных сигналов и последующего анализа данных.
Концепция предложенного класса измерительных систем ИС/НС отличается от известных нейросетевой средой реализации- рассмотрением нейронной сети как супермногоканальной измерительной системы- подходом к диагностике состояния СТО как системным измерениям интегрального параметра (с формированием иерархической структуры СТО, построением интегральных параметров каждого уровня иерархии, совместной регистрацией и анализом изменения диагностических параметров на всех уровнях иерархии).
Предлагаемая структура (см. рис. 2) нейро-сетевой диагностической системы оценки состояния автономного робота состоит из модели контролируемого объекта (робота), устройства сравнения, принятого эталона нормы и передатчика телеметрии. Количество передаваемых на командный пункт сигналов существенно снижается из-за предварительной их обработки на борту робота.
Первичная обработка измеряемых сигналов проводится в нейросетевых измерительных каналах (фильтр, нормализатор, АЦП и масштабирующее устройство). Вторичная обработка данных (определение параметров состояния, построение интегрального параметра) происходит в системных функциональных преобразователях, которые формируются в процессе параметрического синтеза (обучения) [4, 5] на обучающей выборке, учитывающей как требуемое состояние всех компонентов и подсистем, так и наиболее существенные варианты возникновения отклонений параметров СТО. Режим реального времени обеспечивается программно-аппаратной реализацией нейросете-вых измерительных систем на нейроускорителе МС4. 31 с нейрочипом NM6403 [3, 4].
Проектирование ИС/НС включает построение системной функции (функции формирования системного состояния из частных состоя-
ний элементов системы) — системного функционального преобразователя для построения интегрального параметра- формирование принятого эталона состояния СТО.
Количественная оценка общего состояния физического объекта (интегральный параметр) определяется как степень выраженности отклонения совокупности показателей компонентов СТО и его подсистем от заданных эталонных значений.
Иерархическая модель робота (рис. 3) представлена уровнем первичных измерений (сигналами датчиков компонентов кинематики, двигателя и т. д.), компонентным уровнем (элементами кинематики, двигателя, исполнительных устройств), уровнем подсистем (движения, видеонаблюдения, управления, местоположения) и уровнем СТО в целом.
Оценка состояния СТО на разных уровнях иерархии проводится по результатам текущих измерений. Контроль состояния на компонентном уровне осуществляется по результатам оценки сигналов соответствующих компонент. На уровне подсистем контроль представлен оценкой состояния подсистем видеонаблюдения, управления, местоположения и движения. На системном уровне состояние объекта оценивается в зависимости от состояния подсистем.
Рис. 3. Иерархическая модель автономного робота
Для моделирования состояния компонентов СТО соответствующего уровня применяются нейросетевые системные функциональные преобразователи [3]. Иерархия системных функциональных преобразований (СФП) аналогична иерархической модели автономного робота, представленной на рис. 3. На нижнем уровне иерархии системный функциональный преобразователь отображает формирование результатов соответствующих измерений (датчиков, видеокамеры) с образованием на выходе первичных интегральных параметров. На компонентом уровне отображается формирование состояния соответствующего компонента робота (по входным сигналам, поступающим с нижних уровней иерархии) с образованием на выходе интегральных параметров двигателя, кинематики. На уровне подсистем их состояние моделируется с образованием на выходе интегральных параметров органов движения, видеонаблюдения, управления и местоположения. Формирование оценки состояния автономного робота в целом осуществляется по входным сигналам от всех подсистем с образованием на выходе интегрального параметра.
Интегральный параметр (количественная оценка состояния, построенная по иерархической структуре СТО) формируется по степени достижения объектом контроля совокупности требуемых показателей состояния (направление и скорость движения, координаты местополо-
жения, исправность элементов и подсистем), соответствующих конкретным областям применения СТО (беспилотные самолеты, вертолеты- подводные аппараты- автотранспортные средства, космические аппараты).
Применение ИС/НС для системной диагностики состояния СТО по интегральному параметру позволяет обеспечить режим реального времени (за счет нейросетевой параллельной обработки данных) и сократить объем передаваемой информации (применением обработки и иерархической свертки информации на борту СТО), что облегчает выявление неисправных подсистем и элементов автономного робота после разрушения.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Муха, Ю. П. Нейросетевые измерительные системы. Диагностика состояния сложных объектов. Кн. 24: монография / Ю. П. Муха, М. Г. Скворцов. — М.: Радиотехника, 2007. — 336 с.
2. Свидетельство об официальной регистрации программы для ЭВМ. Российская Федерация. Проектирование нейросетевых измерительных систем для оценки состояния сложных объектов / Ю. П. Муха, М. Г. Скворцов, Д. П. Мамонтов, Е. М. Гребешкова — правообладатель ВолгГТУ, № 2 010 616 868 — заявл. 20. 08. 2010 — зарег. 14. 10. 2010.
3. Свидетельство об официальной регистрации программы для ЭВМ. Российская Федерация. Моделирование нейросетевых измерительных систем / Ю. П. Муха, М. Г. Скворцов, Е. М. Гребешкова — правообладатель Волг-ГТУ, № 2 010 616 963 — заявл. 24. 08. 2010 — зарег. 18. 10. 2010.

ПоказатьСвернуть
Заполнить форму текущей работой