WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!

На правах рукописи

ДАРИНЦЕВ Олег Владимирович

МЕТОДОЛОГИЧЕСКИЕ И ТЕОРЕТИЧЕСКИЕ ОСНОВЫ УПРАВЛЕНИЯ МИКРОРОБОТОТЕХНИЧЕСКИМИ СИСТЕМАМИ С ИСПОЛЬЗОВАНИЕМ ИНТЕЛЛЕКТУАЛЬНЫХ АЛГОРИТМОВ И МОДЕЛИ ВИРТУАЛЬНОЙ СРЕДЫ

Специальность: 05.13.01 – Системный анализ, управление и обработка информации (в промышленности)

АВТОРЕФЕРАТ

диссертации на соискание ученой степени доктора технических наук

Уфа 2008

Работа выполнена на кафедре технической кибернетики Уфимского государственного авиационного технического университета, и в Институте механики Уфимского научного центра РАН Научный консультант Засл. деятель науки и техники РФ д-р техн. наук, проф.

Ильясов Барый Галеевич Официальные оппоненты д-р техн. наук, проф.

Земляков Станислав Данилович д-р техн. наук, проф.

Рапопорт Эдгар Яковлевич д-р техн. наук, проф.

Юсупова Нафиса Исламовна Ведущая организация Институт проблем механики РАН

Защита диссертации состоится 11 апреля 2008 г. в 1000 часов на заседании диссертационного совета Д-212.288.при Уфимском государственном авиационном техническом университете по адресу: 450000, г. Уфа, ул. К. Маркса,

С диссертацией можно ознакомиться в библиотеке университета

Автореферат разослан «_____»_______________ 2008 г.

Ученый секретарь диссертационного совета д-р техн. наук, проф. Миронов В.В.

ОБЩАЯ ХАРАКТЕРИСТИКА РАБОТЫ

Актуальность проблемы Происходящие на сегодняшний день изменения в процессах производства миниатюрных компонентов электроники и механики предопределяют ускоренное развитие автоматизированных микротехнологических модулей и микросборочных систем и, в частности, микроробототехнических комплексов (МРТК), построенных на базе мобильных и стационарных микророботов.

Практически во всех отраслях промышленности вопросы миниатюризации исполнительных устройств и механизмов являются одними из приоритетных задач; важнейшее значение они имеют для малоресурсных технологических процессов в нанотехнологиях, микроэлектронике, генетике и т.д. Без МЭМС трудно представить высокотехнологичные конкурентоспособные образцы продукции в автомобильной промышленности, электронике, медицине, средствах коммуникации и связи, авиации и космонавтике.

Увеличение количества исполняемых функций, точности и надежности микроэлектромеханических систем (МЭМС) и устройств с сохранением сверхмалых размеров возможно благодаря использованию современных интегральных технологий (КМОП, LIGA, SIGA процессы, MUMP’s и др.). Но для производства МЭМС, в которых сложно интегрирована механика и электроника, технологий единой планарной микрообработки недостаточно, дополнительно требуется сборочная фаза и поэлементное пакетирование. При этом финальная операция - корпусирование MЭМС, доминирует в стоимости прибора. Поэтому в настоящее время крупные центры разработки и изготовления микроэлектромеханических систем решают проблемы создания гибких автоматизированных сборочных центров, построение которых возможно с использованием мобильных микророботов, что, в свою очередь, требует глубокой теоретической и экспериментальной проработки, разработки методологии исследования, проектирования и управления подобными системами.

Современное состояние исследований в данной области науки можно охарактеризовать, как недостаточное: в настоящее время нет даже экспериментального прототипа микроробототехнической системы, в которой были бы полностью автоматизированы все микросборочные операции: микроманипулирование, сборка, тестирование микрокомпонентов и другие операции микрообработки проводятся только под контролем человека-оператора. Также недостаточно количество отработанных и эффективных конструкторских реше ний в микроробототехнике, что связано с необходимостью изготовления экспериментальных образцов, вызванной отсутствием полномасштабной среды моделирования эффектов микромира. Тем не менее, при производстве простейших МЭМС, таких как микроакселерометры, микрогироскопы, механические резонаторы и т.д., производители активно используют среду моделирования, позволяющую полностью исключить на этапе разработки стадии прототипирования и изготовления опытных образцов, что позволяет сократить в 3-раза сроки разработки новых систем и в 1,5-2 раза стоимость конечного продукта. Использование подобных систем при конструировании микророботов не представляется возможным, так как они рассчитаны на моделирование только корпусированных МЭМС, т.е. таких микросистем, которые функционируют в изоляции от внешней среды – внутри герметичного корпуса, или у которых с внешней средой контактирует только сенсорная поверхность. Поэтому возникает необходимость разработки среды моделирования, структура и модельное наполнение которой соответствовали бы специфике функционирования мобильных микророботов в условиях действиях возмущений со стороны внешней микросреды.

Анализ тенденций развития МЭМС, микроробототехники, сложных микротехнологических систем, построенных на базе микророботов, и их систем автоматического управления (САУ) показывает, что объем функций, выполняемых САУ перспективными микросистемами, определяется следующими основными факторами:

1) дальнейшим усложнением конструкции микромеханизмов и микророботов, связанным с созданием многофункциональных, гибких адаптивных производственных систем, изменяющих в широком диапазоне свою структуру и параметры для обеспечения наиболее эффективного (в заданных параметрах технологического процесса) режима работы;

2) дальнейшим повышением требований к качеству процессов управления, точности реализации операций;

3) необходимость включения системы управления микророботом в качестве подсистемы в интегральную САУ технологическим процессом.

Эти факторы ведут к усложнению решаемых задач и увеличению их количества, расширению количества регулируемых параметров и регулирующих факторов в системе управления, ужесточению требований к базовым свойствам системы, к качеству функционирования отдельных подсистем и их взаи модействию. Таким образом, для современных и перспективных МРТС (не только технологических) характерно: высокая интенсификация процессов управления, широкий диапазон изменения внешних условий и режимов работы, наличие взаимосвязанных друг с другом управляемых рабочих параметров, действие возмущений, носящее в лучшем случае слабопрогнозируемый характер. Следствием этого является отсутствие точных математических моделей, либо их чрезмерная сложность и вероятностный характер, высокая размерность пространства состояний и принимаемых решений по управлению, иерархичность, многообразие критериев качества, высокий уровень помех и т.д.

Таким образом, микроробот как объект управления относится к классу многосвязных нестационарных и нелинейных объектов, функционирование которого происходит в условиях параметрической и структурной неопределенности. Соответствующее изменение характера организации процесса управления возможно лишь при построении САУ микророботами в классе многоуровневых интеллектуальных систем, способных компенсировать последствия влияния неопределенных факторов.

Очевидно, что попытки учесть всё на ранних этапах проектирования, т.е.

стремиться получить абсолютно полную и достоверную информацию, ориентироваться только на строгие детерминированные модели, идеальную реализацию соответствующих методов и алгоритмов, обречены на провал. Отсюда возникает задача построения таких систем управления, которые сохраняют работоспособность (возможно, с некоторой потерей качества) в условиях указанных неопределенностей.

Принципы построения и методы проектирования микросистем, и построения их систем управления наиболее полно отражены в работах отечественных ученых – академика Д.Е. Охоцимского, академика Ф.Л. Черноусько, академика И.М. Макарова, В.М. Лохина, П.П.Мальцева, В.А. Лопоты, А.В. Тимофеева, А.С. Ющенко, Е.И. Юревича, В.Г. Градецкого, В.Е. Павловского, И.В. Рубцова и др, а также в работах зарубежных ученых - T. Фукуда, М. Хаттори, C. Фатикова, П. Дарио, Б.Ж. Нельсона, Х. Верна, У. Рембольда, Х.

Ямамото, А. Ковача др.

Теоретическим проблемам синтеза САУ сложными техническими системами посвящены как работы отечественных ученых: академика Б.Н. Петрова, академика А.А. Красовского, чл.-корр. РАН Е.Д. Теряева, С.Д. Землякова, В.Ю. Рутковского, В.А. Боднера, А.А. Шевякова, Б.А. Черка сова, Р.Т. Янушевского, Э.Я. Рапопорта, Ю.М. Гусева, Б.Г. Ильясова, Ф.А. Шаймарданова, В.И. Васильева, Н.И. Юсуповой, Г.Г. Куликова, Ю.С. Кабальнова, В.Н. Ефанова, В.Г. Крымского, Р.А. Мунасыпова, Ю.А. Рязанова, и др., так и зарубежных П. Рейкауфа, Е. Битти, Дж. Бурчама, М. Уонэма и др.

В рамках проблемы создания эффективных микроробототехнических систем и комплексов можно выделить следующие актуальные научнопрактические направления:

а) разработка теоретических основ функционирования микромеханических устройств в условиях действия сложнопрогнозируемых возмущающих воздействий (в условиях «микромира»), представление всего комплекса взаимодействий в виде математических и программных моделей;

б) разработка теоретических основ автоматизации технологических процессов изготовления МЭМС со сложной объемной интеграцией, направленных в первую очередь на решение задач автоматизации сборки, решение проблем корпусирования (пакетирования);

в) разработка архитектур, методов и каналов информационного обмена, программного и алгоритмического обеспечения для реализации систем децентрализованного управления большими коллективами мобильных микророботов, функционально однородных и неоднородных;

г) создание программно-аппаратных комплексов виртуальных систем информационной и системной поддержки всего жизненного цикла изделий МЭМС: от проектирования до управления и (или) контроля;

Цель работы Цель – разработка методологии и теоретических основ управления микроробототехническими системами с использованием интеллектуальных алгоритмов и модели виртуальной среды, а также оценка их эффективности методом математического моделирования.

Задачи исследования Для достижения поставленной цели требуется решить следующие задачи:

1. Разработать методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, обеспечивающих эффективное управление базовыми компонентами микросистем как сложными динамическими объектами в условиях структурной и параметрической неопределенности.

2. Разработать математические модели базовых элементов виртуальной среды на основе физических эффектов микромира и структуры их организации.

3. Модифицировать метод синтеза алгоритмов адаптивного управления мобильными микророботами с учетом сигнальной и параметрической неопределенности среды функционирования.

4. Разработать структуру системы и алгоритмы прогнозирования поведения как микроманипулятора, так и микроробототехнической системой в целом.

5. Разработать метод синтеза структуры и алгоритмов интеллектуальных систем планирования и управления поведением коллектива микророботов на основе генетических алгоритмов.

6. Разработать многофункциональную виртуальную среду в виде программно-аппаратного комплекса, включая модели, архитектуру, информационные каналы взаимодействия с внешним миром и межагентного взаимодействия.

7. Исследовать эффективность предложенных методов синтеза интеллектуальных алгоритмов управления и планирования на примере проектирования САУ различными типами механических микросистем и микророботов с использованием многофункциональной виртуальной среды.

Методы исследования При выполнении исследований использованы методы теории автоматического управления, теории искусственного интеллекта, системного анализа, математического моделирования сложных систем, теории алгоритмов, теории информации и т.д.

На защиту выносятся 1. Методологические основы построения интеллектуальных САУ микророботами и микроробототехническими комплексами, построенными на их базе, основанные как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании виртуальной надстройки с целью расширения функциональности и наблюдаемости системы в условиях действия структурной и параметрической неопределенности.

2. Способ представления моделей действующих физических эффектов в форме, позволяющей их использовать как эталонные модели в контуре управления или контуре адаптации, а также имеющих интеллектуальные механизмы коррекции, позволяющие учитывать изменение свойств моделируемой системы в динамике.

3. Модифицированный метод синтеза алгоритмов адаптивного управления микророботами, алгоритмы адаптации, основанные на использовании построенных связных моделей физических эффектов виртуальной среды и позволяющие расширить область устойчивости САУ, что позволило повысить эффективность микроробототехнической системы в условиях сигнальной и параметрической неопределенности.

4. Метод синтеза интеллектуальных САУ микротехнологическими комплексами и микророботами с блоками прогнозирования, построенными на базе нейросетевых структур с радиально-базисными функциями активации, для работы которых используются модели микросреды и данные о предшествующих этапах выполнения операций.

5. Метод синтеза структуры и алгоритмов интеллектуальных систем планирования и управления поведением коллектива микророботов на основе генетических алгоритмов, позволяющий обеспечить как равномерное распределение микророботов на начальном этапе, так и близкие к оптимальным траектории перемещения микророботов в малой окрестности.

6. Структура, информационные модели, алгоритмы и программное обеспечение виртуальной среды, реализующей необходимые функции для ее работы в режимах моделирования, синтеза, управления и контроля.

7. Результаты экспериментальной проверки предложенных методологии, теоретических основ построения интеллектуальных систем управления микророботами и микрокомплексами с использованием модели виртуальной среды.

Научная новизна 1. Новизна концепции построения интеллектуальных САУ микророботами и комплексами, построенными на их базе, заключается в том, что она основана как на системных принципах и общенаучных подходах к построению многоуровневых систем, так и на использовании интеллектуальных алгоритмов управления, а также модели виртуальной среды микромира, что позволяет за счет предлагаемой интеграции научных подходов повысить эффективность процессов управления.

2. Новизна математических моделей мобильных микророботов и микроэлектромеханических систем заключается в том, что они адекватно отражают физические эффекты микромира, что позволяет корректно и адекватно строить процессы микровзаимодействий между контактирующими объектами, а также строить различные структуры их организационного взаимодействия.

3. Новизна предлагаемого модифицированного метода синтеза алгоритмов системы адаптивного управления мобильными микророботами заключается в том, что при формировании алгоритмов адаптации методом обобщенного настраиваемого объекта учитываются особенности моделей микровзаимодействий с учетом проявлений физических эффектов микромира.

4. Новизна предлагаемых структуры и алгоритма прогнозирования поведения как микроманипулятора, так и микроробототехнической системы в целом заключается в том, что при построении нейросетевых прогностических моделей корректно и адекватно используются модели виртуальной среды, позволяющие достоверно оценивать поведение микросистем под действием сил микромира.

5. Новизна метода синтеза генетических алгоритмов интеллектуальных систем управления поведением коллектива и планирования локальных траекторий заключается в том, что при формировании хромосом учитывается фактор времени, что позволяет планировать траектории движения мобильных микророботов с учетом динамики изменения состояния окружающей среды. А также новизна метода синтеза структуры системы заключается в том, что он учитывает изменение отношений между агентами коллектива в зависимости от решаемых задач, изменения ситуации и состояния внешней среды, что обеспечивает гибкость в управлении коллективом микророботов.

Практическая ценность и реализация работы Практическая ценность полученных результатов заключается:

- в разработанных структурах, алгоритмах систем управления, прогнозирования и планирования, расчетных математических и виртуальных моделях и методике синтеза адаптивно управления для многосвязных беспоисковых самонастраивающихся САУ сложными динамическими объектами, апробированных при практическом проектировании адаптивных систем управления сложными многокомпонентными микроробототехническими системами;

- в предлагаемом способе представления простых и гибридных микросистем в виде моделей виртуальной среды, позволяющей интегрировать свойства как отдельных подсистем, так и всей системы в целом, и разработанной на его основе методике анализа и синтеза систем управления сложными динамических систем;

- в методиках анализа и синтеза интеллектуальных систем на основе использования виртуальной среды, позволяющих исследовать устойчивость и анализ качества в каналах систем управления, которые были апробированы при проектировании интеллектуальных систем управления мобильным пьезоэлектрическим микророботом;

- в разработанном алгоритмическом и программном обеспечении, позволяющих автоматизировать основные этапы предлагаемых методик анализа и синтеза интеллектуальных САУ микророботов, которые реализованы в виде виртуальной среды и ее отдельных подключаемых программных модулей для персональной ЭВМ;

- в методике интеллектуального планирования и управления микротехнологическим процессом, основанном на использовании разработанных обобщенных моделях технологических процессов производства микросистем с использованием каналов превентивного управления, виртуальной надстройки, предлагаемых способов информационного обмена между компонентами системы, который учитывает физическое представление базовых эффектов сборочного процесса, а также основные ограничения, накладываемые на процесс, связанные с условиями микросреды.

Полученные результаты внедрены в практику проектирования интеллектуальных систем управления микророботами в Институте механики УНЦ РАН при проектировании микротехнологических модулей, в ОЭММиПУ РАН при проектировании систем управления сложными техническими объектами.

Полученные результаты исследования используются в учебном процессе на кафедре технической кибернетики Уфимского государственного авиационного технического университета при преподавании дисциплин на специальности «Роботы и робототехнические системы».

Практическую ценность также представляет то, что разработанные методы и средства позволяют:

• сократить время разработки систем управления новыми микромеханическими устройствами и микророботами за счет создания единой информационной среды, которую можно использовать как при проектировании и отладке конструкций, так и уже скорректированные модели при синтезе алгоритмов управления;

• увеличить точность отработки заданных действий за счет использования предложенных алгоритмов синтеза интеллектуальных систем управления, компенсирующих влияние внешней среды и изменения параметров системы, носящих труднопрогнозируемый характер.

Апробация работы Основные положения, представленные в диссертации, регулярно докладывались и обсуждались, начиная с 1995 года, на 38 научных мероприятиях различного уровня. Наиболее значимые из которых: Совещание по международному проекту Inco-Copernicus ERBIC 15CT960702, Уфа, 1998; I-я Международная конференция по мехатронике и робототехнике (МиР'2000), Санкт Петербург, 2000; VII-я Международная конференция ASI'2000 - IIMB'2000, Бордо, Франция, 2000; III-VIII Международные конференция CSIT’2001-2007, Уфа (2001, 2003, 2005, 2007), Будапешт (2004), Патрас(2002), Карлсруэ(2006);

Научные школы-конференции «Мобильные роботы и мехатронные системы», Москва, 2001-2006; Международные научные конференции «Искусственный интеллект», Кацивели, Крым, Украина, 2002, 2004, 2006, Таганрог 2003, 2005, 2007; Международная конференция «Микророботы, микромашины и микросистемы», IARP’03, Москва; Вторая Всероссийская научно-техническая конференция с международным участием «Мехатроника, автоматизация и управление», МАУ-2005, Уфа, 2005; Международная конференция «Адаптивные и интеллектуальные роботы: настоящее и будущее», IARP’05, Москва, 2005; 1-я и 2-я Российские мультиконференции по проблемам управления.

Мехатроника, автоматизация, управление – Санкт-Петербург, 2006, Геленджик, 2007.

Связь исследований с научными программами. Исследования в данном направлении выполнялись в период с 1995 по 2007 г.г. на кафедре технической кибернетики Уфимского государственного авиационного технического университета и в Институте механики Уфимского научного центра РАН в рамках: грантов научного комитета НАТО CRG951002 и CRG972063 1995-20г.г.; проекта Inco-Copernicus ERBIC15CT960702 в 1997-1999 гг.; ФЦП «Интеграция» в 1998-2002 гг.; НТП «Научные исследования высшей школы по приоритетным направлениям науки и техники» 03.01.021 в 2000-2002 г.г; грантов РФФИ №02-01-97916-р2002агидель_а 2002-2004 гг., №05-01-97906р_агидель_а 2005-2007 гг., № 06-08-00635-а 2006-2007 гг.; программ № 16 и №15 фундаментальных исследований ОЭММиПУ РАН в 2004-2007 гг.

Публикации По теме диссертации опубликовано 83 печатных работы, в том числе 12 статей в рецензируемых центральных журналах, входящих в перечень ВАК, 1 монография, 1 учебное пособие с грифом УМО, 16 патентов и 2 свидетельства о регистрации программ.

Структура работы Диссертация состоит из введения, семи глав, заключения, списка литературы из 289 наименований, изложенных на 365 страницах, содержит 59 рисунков и 14 таблиц.

ОСНОВНОЕ СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность проблемы анализа и разработки методологических и теоретических основ управления МРТК для организации автоматизированного производства сложнофункциональных МЭМС, формулируются цель и задачи работы, представлены положения, выносимые на защиту, изложены краткая характеристика работы и сведения о ее апробации.

Первая глава посвящена анализу проблемы проектирования интеллектуальных САУ микроробототехническими комплексами. Проводится анализ тенденций развития современных и перспективных микросистем и их систем управления с точки зрения общих закономерностей развития сложных технических систем. На многочисленных примерах показана возрастающая роль использования МЭМС при решении технологических, технических и научных задач в широком круге проблем. Приведены характеристики основных типов МЭМС, их классификация, особо выделена необходимость реализации единого технологического цикла при производстве всей триады компонентов микросистем – системы управления, информационной и силовой составляющих. Основной проблемой при производстве сложных МЭМС, где компоненты должны контактировать с внешней средой или активно ее трансформировать, является проблема корпусирования или сборки. Поэтому перспективным направлением является разработка микроробототехнических комплексов, предназначенных для автоматизации технологических процессов производства сложноорганизованных МЭМС, требующих реализации в технологическом процессе этапа сборки (корпусирования). Сложность построения САУ заключается в отсутствии информации о характере и величинах действующих на микророботы и МЭМС возмущений со стороны внешней среды.

Показано, что узкая специализация микророботов, вызванная ограниченными энергетическими и информационными ресурсами (малый объем конструкции, требование мобильности и др.), требует построения целых комплексов, где технологический процесс выполняется группой микророботов. На многочисленных примерах обосновывается необходимость построения интеллектуальных САУ для микросистем, функционирующих в условиях параметрической и структурной неопределенности, вызванных спецификой взаимодействия объектов на микроуровне. Проводится анализ современного состояния методов и подходов к исследованию и проектированию систем автоматического управления микророботами. Рассматриваются различные варианты построения информационно-управляющих систем, в том числе и бортовых.

Рассматриваются различные варианты построения виртуальных систем, дается их классификация, и обосновывается необходимость ее построения для решения задачи построения интеллектуальной САУ микророботами.

По результатам анализа проблемы проектирования интеллектуальных САУ микророботами формулируются цель и задачи исследования данной работы.

Вторая глава посвящена выработке основных методологических принципов построения систем автоматического управления сложными динамическими объектами, какими являются микроробототехнические комплексы и коллективы, построенные на базе мобильных манипуляционных микророботов, особенности функционирования которых определяются условиями микромира.

Основываясь на системном подходе, рассматриваются микротехнологические комплексы, разрабатываемые для автоматизации процессов производства МЭМС, а также коллективы микророботов, действующие на больших площадях (в больших объемах) и выполняющие широкий спектр задач, возникающих во время их функционирования. Строится системная модель проектирования интеллектуальной САУ микроробота, микротехнологических комплексов и коллективов, в которой на основе общесистемных принципов проектирования и функционирования САУ формируется концепция построения как сепаратных подсистем, так и всей САУ в целом.

На основе системного анализа проблем, принципов построения а интеллектуального управления в условиях неопределенности предлагается концепция построения и обобщенная структура интеллектуальных управляемых сложных микромеханических систем. Выделяются уровни иерархии, описывается их функциональное наполнение, отмечается, то основными проблемами при реализации предлагаемых систем будут являться проблемы построения систем управления и планирования, что связано со специфичностью взаимодействия объектов управления с окружающей средой – проявление эффектов микромира. Обосновывается необходимость использования интеллектуальных алгоритмов: для управляющих схем – нечеткой логики и нейросетей (для блоков прогноза и планирования технологических операций), для систем планирования траекторий и поведения микророботов - генетических алгоритмов.

Показывается целесообразность построения системы моделей, описывающих не только кинематику и динамику управляемых объектов, но и их взаимодействие с окружающей средой, носящее вероятностный характер. Таким образом, концептуальная модель адаптивной интеллектуальной МСАУ МР должна в себя включать следующие подсистемы: управляющая, принятия решений, коммуникационная, прогностическая/модельная. В структуре системы управления микророботом можно выделить 3 «классических» уровня: стратегический, тактический и исполнительный, но каждый из них должен быть построен с использованием интеллектуальных алгоритмов.

На основе анализа функционирования микросистем обосновывается необходимость использования виртуальных сред при управлении и планировании в дополнении к «стандартной» задаче построения высокоуровневых человеко-машинных интерфейсов. Так как основным источником сигналов обратной связи в САУ микророботом служат бесконтактные методы измерений – оптические, магнитные или ультразвуковые датчики близости, системы технического зрения и т.д., то информацию о действующих силах и эффектах на микроуровне можно получить только по косвенному их проявлению. На настоящий момент также неизвестны компактные (микро) системы для измерения шероховатости поверхности в точке, усилий и перемещений в диапазоне от нескольких мкН до десятков Н, и от нескольких до десятков см, поэтому в работе предлагается такую информацию восполнять с помощью модели виртуальной среды. Структура предлагаемой системы управления с виртуальной надстройкой показана на рис. 1.

В третьей главе строятся кинематические и динамические модели основного компонента разрабатываемого микротехнологического комплекса сборки – мобильного пьезоэлектрического микроробота класса МикРоб.

В рамках проводимых исследований были разработаны конструкции мобильных пьезоэлектрических микророботов (рис.2), которые строятся по модульному принципу и состоят из подвижной платформы и манипуляционного узла.

Генерация и получение заданий Система планирования Планирование траекторий Планирование операций Система управления ВИРТУАЛЬНАЯ СРЕДА Активное технолог.

Оборудование оборудование (микророобеспечения технологиботы, микроустройства) ческих процессов Локальная система СТЗ управления силовым оборудованием Технологиче- Сервисные Эффекторы Привода ская оснастка устройства Микрообъекты Микророботы ОКРУЖАЮЩАЯ СРЕДА Рисунок 1 - Структура системы управления а) б) в) Рисунок 2 - Пьезоэлектрические мобильные микророботы: а) МикРоб III (слева) и МикРоб I; б) МикРоб II; в) манипуляционная система и привода перемещения Приводится также конструкция пьезоэлектрического привода, на базе которого осуществляется перемещение платформы по рабочей плоскости и вращение манипулятора. Рассматривается способ реализации шагоподобного движения на данном типе привода и предлагаемой формы управляющего сигнала.

Поэтому в качестве динамической модели движения мобильной платформы микроробота строится система динамических уравнений, описывающая перемещение xm платформы по полированной поверхности в заданном направлении, в которой произведена замена приводов на их эквивалентную схему замещения. Решение системы уравнений получено в виде 1 c k 1 c2 k xm = - e-t sin(t) + t, = , = - где - ско 2 m m m2 m рость деформации пьезокристалла; m –масса микроробота; k, c - жесткость и коэффициент демпфирования эквивалентной схемы замещения, t – время.

Кинематические модели перемещения мобильной платформы строятся с учетом геометрии расположения приводов, пи этом рассматривается 3 возможных варианта реализации движения: прямолинейное перемещение, вращение и комбинированный способ. При решении задачи кинематики выходом является набор векторов движения Ui для каждой i пьезоэлектрического привода платформы, при этом модуль вектора максимален, а направление вычисляется как нормированная векторная сумма r r r r r Ui = Utuni + U, где Utuni - нормированный вектор поворота, U. – норrel rel мированный вектор перемещения.

Манипуляционный узел микророботов представляет собой шаровую основу с закрепленным на ней микроманипулятором и опирающуюся за счет магнитной системы на три трубчатых пьезоэлектрических привода, приводящих за счет работы одного из приводов ее во вращение относительно осей перпендикулярных точкам контакта двух других приводов, рис.2, в. Решаются прямая и обратная задачи кинематики манипуляционной подсистемы микроробота, решение которых получено в виде прямой и обратной матрицы перехода R для систем координат глобальной (инструмента) и приводов. Для описания положения инструмента в пространстве при проведении микроманипуляций используется система углов Эйлера , , , как углов поворота относительно осей x, y, z, тогда прямая матрица перехода может быть получена как R = Rz, Ry, Rx,, где Ri,j – матрицы вращения.

Рассматриваются основные проблемы моделирования взаимодействия микросистем, в частности выделяются основные типы взаимодействий, проводится анализ типовых микроприводов. Основной составляющей сил микромира являются эффекты адгезии: электростатическое взаимодействие Fэл, силы поверхностного натяжения Fкап, Ван-дер-Ваальса FВдВ, силы Казимира Fк и т.д. Однако формулы, предлагаемые в различных источниках для расчета величин действующих на микрообъекты сил, требуют точных данных о расстояниях между контактирующими объектами r, z, d, распределении заряда q по поверхности, коэффициент Гамакера h, коэффициент поверхностного натяжения именно для точек контакта, также как и знание характера поверхности, а не только усредненное значение шероховатости:

(cos 1 + cos 2 )A q2 hr h c Fэл =, FВдВ =, Fкап =, Fк = A, 40(2r)2 8z2 d 240 d где , 0 – диэлектрические постоянные, h - постоянная Планка, А – площадь поверхности контакта, с – скорость света.

Поэтому вместо точных значений величин сил адгезии, знание которых необходимо для обеспечения надежности и точности микроманипуляций, оперировать приходится с некоторой областью достоверности, рис. 3.

При этом в силу целого ряда причин, среди которых непосредственный контакт микрообъектов между собой, воздействие внешней среды и др., значения действующих в микромире сил могут изменяться в десятки и сотни раз.

Особую проблему представляет микроконтактное взаимодействие захвата и микрообъекта, анализ которого проводился на основе полученных решений задач Герца и моделей DMT, Маугиса.

100 100 1FПов, FЭл, FВдВ, (Н) (Н) (Н) 10-5 10-5 10-(r,, A,...) (r,h, z,...) (r,q,,...) 10-10 10-10 10-10-15 10-15 10-0,001 0,001 0,01e–06 1e–05 0,0001 1e–06 1e–05 0,0001 1e–06 1e–05 0,00радиус объекта (м) радиус объекта (м) радиус объекта (м) Рисунок 3 - Области достоверности для адгезионных сил Наиболее частой причиной появления дефектов при микросборке является проявление различных видов микроразрушений вследствие значительного превышения сил захвата. Результаты анализа подтвердили существенное изменение характеристик поверхности при контакте и наличие гистерезиса при захвате/отпускании микрообъектов, что диктует необходимость разработки дополнительных контуров управления приводом схвата.

Приведены результаты экспериментальной проверки предлагаемых моделей микророботов. Нестационарная модель движения робота представлена в виде, рис. 4:

Z(t) (t) H VI/p [K+K(t)] Рисунок 4 - Структура нестационарной модели объекта управления На основе результатов предложена нестационарная модель движения платформы микроробота в виде уравнения:

pZ(t) = V IH [K* + K(t)] (t), (1) где Z(t) - вектор положения микроробота, V – частота подаваемого в модель сигнала управления U(t); K – линейный коэффициент зависимости напряжение - перемещение; I – единичная матрица; H = B R - матричный оператор, где в свою очередь, B - матрица коэффициентов для расчета элементарных движений по х-, y-координатам и углу поворота; R – матрица перехода из локальной системы координат робота в глобальную, рабочей зоны. Особенностью данного описания, в отличие от традиционного, является то, что оператор, связывающий Z (t) и (t), является нестационарным коэффициентом передачи, не содержащим дифференциальных компонент, т. е. является голономным оператором. При этом постоянную составляющую К* можно рассматривать как номинальный коэффициент передачи объекта, а нестационарную составляющую К(t) - как некоторое эквивалентное параметрическое возмущение, действующее на объект и вызванное нелинейными свойствами поверхности, изменением ее характеристик во время движения, технологическим разбросом характеристик пьезоприводов и действием адгезионных сил.

Предложена методика объединения разработанных моделей в единую связную систему, отображающая методологическую, математическую, кибер нетическую и информационную сторону исследования микровзаимодействий.

Получены результаты моделирования для операций захвата и отпускания микрообъекта при работе механических микросхватов с использованием предложенной системы.

В четвертой главе диссертации в развитие алгоритмов адаптивного координатно-параметрического управления многосвязными нестационарными объектами для построения адаптивных САУ приводится модифицированный метод синтеза алгоритмов адаптации, при этом объект управления представлен в виде уравнения (1).

Для синтеза структуры ОНО введем в систему цепь параметрической коррекции, тогда входное воздействие (t) можно записать в виде:

-~ (t) = U(t) -[K*] K(t)(t), где U(t) – сигнал управления, поступающий с ~ регулятора; K* - номинальный коэффициент передачи объекта; K(t) - настраиваемый коэффициент. Синтез алгоритма самонастройки проведен мето~ dK дом градиента, искомый алгоритм получен в виде: = 2 W(p) (t) (t), dt где W(p) - оператор корректирующего устройства, (t)- ошибка по положению, – варьируемый параметр.

Т.к. к системам управления предъявляются достаточно жесткие требования к объему и времени вычислений, то предложено реализовать контур коррекции и регулятор в прямой цепи с использованием алгоритмов нечеткой логики. Для этого на основе экспертных данных и результатов моделирования работы синтезированной адаптивной системы управления были выбраны функции принадлежности для входных и выходных величин, правила формирования выходного значения. Использование алгоритмов нечеткой логики позволило повысить в 2,5 раза скорость вычисления управляющих воздействий, уменьшить отклонение траектории микроробота от желаемой траектории.

Эксперименты показали, что при использовании корректирующего звена на основе нечеткой логики, система своевременно реагирует на отклонения от желаемой траектории при действии случайных возмущений.

Т.к. на вход в контур коррекции поступает интегральная ошибка, а также используется стабильная частота подачи управляющего сигнала, то динамика перемещения робота отличается от модельной. Поэтому предложеноскорректировать структуру интеллектуальной САУ путем введения контура коррекции частоты генерации управляющего сигнала, для компенсации отставания. Скорректированная структура представлена на рис. 5.

Рисунок 5 - Структура системы управления с контуром коррекции скорости При этом на основе экспериментальных данных о перемещении микроробота, произведена коррекция его динамической модели с использованием метода нормированных передаточных функций и синтезирован алгоритм выбора частоты управляющего сигнала в виде нелинейной зависимости для всего диапазона рабочих частот пьезопривода. В структуру САУ введен блок формирования сигнала ошибки следования по траектории, который из интегрального сигнала выделяет ошибку отклонения от траектории и ошибку отставания.

Кроме задач управления перемещениями микроробота необходимо решить задачи управления манипулятором, в частности для сборочных операций. Анализ микровзаимодействий, приведенный в третьей главе показал, что проанализировать и учесть влияние каждого из возмущающих факторов невозможно из-за отсутствия численных показателей для большинства из них, а также чрезмерного увеличения сложности модели. Поэтому предложено синтезировать интеллектуальную систему управления микроманипулятором с блоком предсказания (предиктором), построенным в нейросетевом базисе и использующем в процессе функционирования как результаты моделирования различных составляющих адгезии, так и текущую доступную информацию с сенсорных систем.

Прогнозирующую оценку возмущений при микроманипуляциях предлагается проводить на базе векторов y1(k) текущего состояния (сигналы обратной связи, получаемые с сенсорных систем), косвенных y2(k) и размерных y3(k) факторов (эмпирические данные в виде констант окружающей обстановки), текущих коэффициентов взаимодействий y4(k) (выход математических моделей микромира), а также значений векторов текущего состояния за один y1(k-1), два y1(k-2), три y1(k-3) такта назад. Эффективность завершения очередной микроманипуляционной операции выражается в виде ожидаемого вектора параметров взаимодействий y(k+1) = (D1, D2)T:

y(k +1) = NN(y1(k), y2(k), y3(k), y4(k), y1(k-1), y1(k-2), y1(k-3)).

Предиктор синтезировался в виде одношагового блока прогнозирования на базе прямонаправленной трехслойной нейронной сети с радиальнобазисными активационными функциями нейронов скрытого слоя (РБФ-сети):

V , fi(Y,ci,i ) = exp- (Yj - ci, j ) i = 1, H, i j= где Y=(y1(k), y2(k), y3(k), y4(k), … y1(k-3)) – вектор входных сигналов сети;

ci = (ci,1, ci,2,K, ci,V ) – вектор координат центра активационной функции i–го нейрона скрытого слоя; i – ширина окна активационной функции; V – количество нейронов во входном слое сети; Н – количество нейронов в скрытом слое.

Выходами нейросети являются предполагаемые расстояния между микрообъектом, манипулятором и подложкой, по характеру изменения которых можно судить о выполнимости операции микроманипулирования на следующем шаге, а также сигнал коррекции основных параметров захвата, если эта коррекция способна нормализовать работу оборудования. Кроме схемы управления технологическим процессом рассматриваются структура и методика построения схем превентивного управления приводом микроманипулятора.

Для вычисления силы, реализуемой приводом схвата предлагается использовать следующую формулу, где в отличие от классической формы добавляется «положительный» (для операции захвата) эффект адгезионных сил:

Fсхв = K1 K [µ (Fгр + m a ) + Fадг (M, )], 2 возм где Fадг (M, ) - сумма наиболее эффективных адгезионных сил при заданных режимах работы схвата и для данной пары взаимодействующих материалов, К1 – коэффициент, зависящий от положения микрообъекта по отношению к губкам схвата и направления действия силы тяжести; К2 – коэффициент запаса. Т. к. точно вычислить адгезионные эффекты невозможно, то предложено модернизировать схему предиктора и встроить ее в систему управления приводом схвата, рис. 6.

Рисунок 6 - Система управления микросхватом r Где X - требуемое смещение губок схвата, а также его значение за один, тр r два и три такта назад; Fадг - «положительные» адгезионные силы, а также их r значение за один, два и три такта назад; X - фактическое смещение губок Ф схвата, а также его значение за один, два и три такта назад; - корректирующий коэффициент регулятора манипулятора (прогноз), а также его значение за один, два и три такта назад; TОКР – температура окружающей среды. В данном варианте выходом предиктора является коэффициент ослабления для силы схвата, рассчитанной по классической формуле. Проведенные эксперименты показывают, что возможно уменьшение усилий в 45 раз при сохранении надежности захвата микрообъекта, таким образом значительно снижается вероятность разрушения микрокомпонентов, а также появляется возможность повысить быстродействие манипуляционных схем за счет уменьшения размеров и мощности требуемых приводов.

Пятая глава посвящена разработке алгоритмов управления коллективами микророботов, при этом рассматривается два варианта построения коллективов микророботов. Централизованная схема управления коллективом рассматривается как схема управления коллективом микророботов, выполняющих единую технологическую задачу в составе микротехнологического модуля – микрофабрики. Структура такой системы управления представлена на рис. 1, новизна которой заключается в широком использовании результатов моделирования, виртуальной среды и предлагаемых интеллектуальных алгоритмов.

Также рассматривается вариант построения, архитектура и функциональное наполнение систем децентрализованного управления поведением коллектива микророботов, т.е. групп достаточно большого размера, выполняющего некоторый комплекс операций и функционирующего в рабочем пространстве с заранее неизвестными характеристиками, при этом имеются жесткие ограничения на энергетические и вычислительно-информационные возможности таких роботов. Применение классических подходов к построению систем планирования и управления поведением микророботов в таких коллективах невозможно, поэтому решение искалось в использовании генетических алгоритмов (ГА). Хромосома представляет собой набор сегментов из 5 генов, гены – целочисленные, кодирующие необходимую для работы алгоритма информацию, рис. 7.

Основные характеристики алгоритма: размер популяции - 1520 хромосом, алгоритм отбора – рулетка, мутация со средним порогом, кроссинговер 1- или 2-точечный, используется алгоритм поиска и уничтожения клонов. Для проведения отбора используются три функции пригодности:

S r r F1 = mi ri 0, F2 = 8 rид - ri 0, F3 = Nпер 0, при этом i 3 r F = Fk wk, wk = 1, wk = const, где ri - расстояние от центрального мик k =1 k =роробота до i-го микроробота, mi=13 – коэффициент функциональной значимости («веса») i-го робота, S – окрестность упорядочивания, Nпер – число перестановок, необходимых для достижения идеального или близкого к нему расположения роботов. Применение этого алгоритма позволяет упорядочить микророботы по площади за минимальное число перестановок, задаваясь требуемым расстоянием rид.

сегмент хромосомы N WN 45 NE № сектора Кол-во роботов W E Удаление 1-го робота Функция 1-го робота SW ES Упорядоченность 1-го робота S Рисунок 7 - Алгоритм формирования хромосомы Кроме задачи равномерного покрытия требуемой площади с помощью ГА предлагается решить и задачу перемещения роботов в локальной окрестности, т.к. при перемещении возможно появление как статических, так и динамических препятствий. При решении задачи с помощью ГА для задания окрестности микроробота предлагается использовать N сеточных представлений в виде матриц размерностью Sx Sy, элементы которой принимают логические значения, в зависимости от того свободна или занята препятствием соответствующая ячейка сетки. В качестве индивидуумов рассматриваются маршруты движения по ячейкам сеток, поэтому хромосома будет представлять собой последовательность Np узлов, образующих траекторию движения. При этом каждый i-ый узел будет содержать гены - координаты в виде индексов xi и yi соответствующей ячейки, а также индекс момента времени ti – нахождение микроробота в ячейке, рис. 8.

В качестве функции пригодности используется следующий функционал N -5 5 p M S = Sk, 1 =1, где S2 = 1/ N, S3 = i=0 j= (x - xi )2 + (y - yi )2, k k p j j k=1 k= -1 -N -1 N -p p S1 = (xi+1 - xi )2 + (yi+1 - yi )2 = d(x, xi+1, yi, yi+1), i i=0 i= -N -2 N -p p S i S5 = e - , S4 = 1 (x - xi,t )2 + (y - yi,t )2 - локальные функj,t j,t i=1 i=0 j= ции пригодности отвечающие за минимизацию длины маршрута, количества поворотов, удаление от подвижных и неподвижных препятствий.

Узел Ген Сегмент x0 y0 t0 x1 y1 t1 xN-2 yN-2 tN-2 xN-1 yN-1 tN-N Рисунок 8 - Кодировка маршрута движения в хромосоме При генерации новых поколений хромосом кроме стандартных операции мутации и кроссинговера используются операции сглаживания и спрямления хромосом – траекторий. Размер популяции – 1020 хромосом для рабочего пространства 10*10. Эксперименты показывают, что уже на 3 или 4 шаге можно получить близкие к оптимальным траектории перемещения микророботов.

А так как гены представляют собой целочисленные значения и функции пригодности построены на простейших операциях, то даже с этой точки зрения предлагаемый метод поиска траекторий с помощью ГА наиболее приспособлен для бортовых СУ микророботами. Приведены результаты экспериментальной проверки предлагаемого подхода.

Шестая глава посвящена разработке структуры виртуальной среды, при этом предлагается в структуру включить пять главных составляющих: виртуальные и математические модели управляемой системы, интерфейсный и моделирующий комплексы, и систему 3D-визуализации, рис.9. Функционально структуру виртуальной среды можно разделить на три основных уровня: физическая среда; виртуальная среда; пульт оператора.

Рассматривается наполнение каждого из уровней, особое внимание уделяется выявленным при проведенном ранее анализе основным проблемам при работе с микрообъектами, которые должна решить предлагаемая виртуальная среда. Виртуальные модели представляют собой макеты реального микротехнологического оборудования и сборочных единиц: микророботов, позиционеров, микроманипуляторов, концевых эффекторов, компонентов МЭМС и т.д. и отражают наиболее существенные свойства реальной системы: геометрические габариты и форму, упругость, жесткость поверхностей, а также спектральные и отражательные характеристики поверхностей объектов.

ИНТЕРФЕЙСНЫЙ КОМПЛЕКС МАТЕМАТИЧЕСКИЕ МОДЕЛИ Окружающая среда Среда функционирования Системы планирования и микросистем управления ВИРТУАЛЬНЫЕ МОДЕЛИ Микророботы Микроманипуляторы Позиционер Контактные эффекты Эффекторы Компоненты МЭМС СТЗ МОДЕЛИРУЮЩИЙ КОМПЛЕКС СИСТЕМА 3D-ВИЗУАЛИЗАЦИИ Рисунок 9 - Обобщенная структура виртуальной среды Математические модели отражают свойства окружающего микромира, особенности влияния внешних факторов на функционирование микросистем, различные проявления адгезионных сил и эффектов. Математическим языком описывается работа микротехнологических устройств – модели используемых систем управления и планирования, геометрические модели позиционирующих устройств, прямые и обратные кинематические модели микроманипуляционных устройств и микророботов, и т.д.

В интерфейсном комплексе с помощью аппаратно-программного интерфейса в реальном времени на основе данных о состоянии реальной среды, получаемых с помощью различных датчиков, сенсоров и СТЗ, изменяются параметры физических и математических моделей. Этим обеспечивается ди намическая подстройка СВР в соответствии с изменением состояния (параметров) физической среды.

Определяются базовые требования к вычислительным ресурсам, скорости информационного обмена между физической и виртуальной средой, а также объемам передаваемых данных. Показано, что необходимый для работы в реальном масштабе времени объем вычислений требует построения предлагаемой виртуальной системы в виде распределенного мультипроцессорного комплекса, при этом для снижения требований к пропускной способности информационных каналов (особенно со стороны СТЗ) передача данных производится в виде векторов состояния. Благодаря виртуальной реальности предоставляется возможность обеспечения стерео- и гиперскопического (использование более 2-х виртуальных камер) отображения рабочей сцены, что остро необходимо при выполнении микроманипуляционных и сборочных операций и может дать наиболее полное представление оператору о взаимном положении объектов и движении рабочих инструментов.

Такие качества виртуальной системы, как открытость и модульность, унифицированность библиотек базовых алгоритмов планирования и управления, а также программно-языковая и аппаратная независимость программного комплекса в целом, стали возможными благодаря выделению вычислительного ядра СВР в отдельный модуль. Показаны методики интеграции моделей различного уровня иерархии в виртуальную среду и подключения реальных объектов управления с использованием сетевых, физических и логических протоколов обмена информацией.

Особое внимание уделено методике реализации виртуальных моделей с использованием функций предлагаемых интерфейсов MD-API и MSD-API (Microrobot и MicroSystems Development Application Program Interface). В качестве объектов моделирования выбраны капиллярный микросхват и захватное устройство на основе наноструктурных металлических материалов. Показаны результаты моделирования, процедура наполнения базы микроэффектов, методика использования моделей при синтезе и анализе алгоритмов управления перспективными устройствами.

Седьмая глава посвящена вопросам практического использования полученных теоретических результатов в ходе решения прикладных задач проектирования многофункциональных, адаптивных и нечетких систем управления перспективными микроробототехническими системами. Описана программная реализация предложенных архитектуры и алгоритмического обеспечения виртуальной среды, приведены примеры ее оконных интерфейсов при различных режимах работы: в качестве моделирующей среды, системы управления и т.д.

Т.к. виртуальная среда способна реализовать режим управления в реальном масштабе времени только при работе на базе распределенных вычислительных систем, то большая часть главы посвящена методикам построения и наполнения виртуальной среды с целью реализации модуля сетевого обмена, основанного на использовании технологии Web-служб. В качестве платформы на которой предлагается реализовать удаленной управление выбрана.Net Framework, позволяющая строить кроссплатформенные, «универсальные» решения без изменения прикладного ПО. Предложена методика построения многоуровневых и мультибазисных систем управления на основе использования современных информационных технологий, позволяющая реализовать управление сложными МРТК даже с использованием КПК или смартфонов. Показаны иерархия структур и основных классов как серверных так и клиентских приложений системы удаленного управления. Использование в виртуальной среде для передачи данных (распределенная система в режиме удаленного управления) XML-документа позволило снизить на 5 порядков объем информации, передаваемой по каналам обратной связи и в каналах управления.

Описаны натурные эксперименты на реальном оборудовании (микроробот МикРоб, миниробот Khepera), подтверждающие обоснованность сделанных предположений и достоверность полученных результатов. Результаты экспериментов показали, что при использовании предложенной архитектуры интеллектуальной САУ перемещением мобильного микроробота, метода синтеза алгоритмов и разработанного программного обеспечения точность следования траектории увеличилась в 2-3 раза, уменьшились в 5-6 раз требования к аппаратным ресурсам вычислительных систем. Использование нейросетевых предикторов позволило сократить в 4-5 раз время простоя технологического оборудования за счет своевременной коррекции параметров рабочих инструментов, при этом точность прогноза возмущений со стороны внешней среды составила 93-98%, а точность расчета микровзаимодействий по предложенным моделям и в соответствии с логическим схемами их компоновки внутри виртуальной среды составила 85-92%, что вполне удовлетворяет предъявляемым требованиям. Результатами натурных экспериментов с прототипами захватных микроустройств подтверждена целесообразность использования ней росетевого предиктора при управлении приводами микроманипулятора, а также полученные экспериментальные данные соответствуют проведенным ранее модельным расчетам.

Описаны перспективы дальнейшего развития систем виртуальной реальности в приложениях, связанных с микроробототехникой и сложными МЭМС.

ЗАКЛЮЧЕНИЕ 1. Выявлены основные аспекты проблем управления микророботами и микроробототехническими комплексами как сложными динамическими объектами, действующими в условиях неопределенности, отображающие методологическую, математическую, кибернетическую и информационную сторону исследований. Предложена концепция построения интеллектуальных САУ, основанная как на системных принципах и общенаучных подходах к построению иерархических многоуровневых систем, так и на использовании интеллектуальных алгоритмов управления, а также модели виртуальной среды, что позволило за счет предлагаемой интеграции научных подходов повысить эффективность управления в условиях структурной и параметрической неопределенностей.

2. Построен комплекс математических моделей адгезионных эффектов в виде элементов виртуальной среды, описывающий взаимодействия сборочных инструментов с микрообъектами в условиях комбинированного воздействия недетерминированной окружающей среды на работу концевых эффекторов.

Новизна моделей заключается в том, что они адекватно отражают физические эффекты микромира, и предоставляют возможность строить различные структуры из организационного взаимодействия, при этом показана эффективность их использования в контуре управления и для адекватного описания окружающей обстановки в режимах математического и полунатурного моделирования виртуальной среды.

3. Предложен модифицированный метод синтеза алгоритмов интеллектуального управления перемещением микроробота, новизна которого заключается в том, что при синтезе контура нелинейной коррекции методом обобщенного настраиваемого объекта на основе скоростного градиента учитываются особенности моделей микровзаимодействий, а результаты моделирования работы адаптивной системы используются для построения интеллектуальной системы управления на базе алгоритмов нечеткой логики с введением до полнительного контура коррекции скорости, учитывающего динамику протекающих процессов. Экспериментальные исследования подтверждают высокую эффективность предлагаемых интеллектуальных алгоритмов - их использование позволяет уменьшить более чем в 2-3 раза по отношению к классическим алгоритмам время парирования параметрических и сигнальных возмущений и повысить на 30-40% точность отработки траекторий.

4. Разработан метод синтеза структур и алгоритмов прогнозирования поведения микросборочными процессами и микроманипулятором, представляющие собой систему управления с блоками предсказания, построенными в нейросетевом базисе, реализующими адаптивную подстройку основных параметров объекта управления в соответствии с прогнозируемыми возмущениями, полученными на основе корректного и адекватного использования моделей виртуальной среды, и основываясь на информации о предыдущих тактах работы. Также использование нейросетевых предикторов позволяет повысить эффективность работы технологического оборудования, уменьшить в 3-4 раза габариты манипулятора, увеличив, таким образом, его быстродействие и снизив требования к мощности привода. На основе предложенных подходов к построению предиктора разработана методика его синтеза с использованием разработанной виртуальной моделирующей среды.

5. Разработан метод синтеза структуры интеллектуальной системы управления поведением коллектива микророботов и планирования локальных траекторий, позволяющий учитывать изменение отношений между агентами коллектива в зависимости от решаемых задач, изменения ситуации и состояния окружающей среды, и решать поставленные задачи в соответствии с задаваемыми критериями: равномерным покрытием, минимальной длиной маршрута, затраченным временем на движение и т.д. Предлагаемый метод синтеза генетических алгоритмов планирования локальных перемещений микророботов отличается тем, что при формировании хромосом учитывается фактор времени, что позволяет планировать движения в изменяющейся окружающей обстановке и при наличии подвижных препятствий, при этом предложенные алгоритмы снижают в 10-15 раз требования к аппаратно-энергетическим параметрам микророботов, позволяя реализовать предлагаемые методы бортовыми информационно-вычислительными комплексами микророботов.

6. Разработаны архитектура СВР, включающие в себя: функциональную структуру из пяти основных составляющих – виртуальных и математических моделей, интерфейсного и моделирующего комплексов, системы трехмерной визуализации; структурно-информационную схему взаимодействия СВР, физической среды и пульта оператора; многоуровневую иерархическую архитектуру СВР. Предложены методики использования СВР для преодоления недостатков, связанных с особенностями каналов оптического наблюдения на микроуровне, обеспечения визуальной обратной связи при планировании, управлении и контроле микросборочных процессов.

7. Разработано прикладное программное обеспечение (ППО), на базе которого с использованием виртуальных моделей микросистем проведены программные, полунатурные и натурные экспериментальные исследования, доказавшие эффективность предложенных алгоритмов планирования и управления, адекватность виртуальных моделей. Проанализирована эффективность использования предлагаемых подходов к проектированию микроробототехнических комплексов как сложных динамических систем. Показана возможность построения распределенных управляющих систем, систем удаленного управления и мониторинга на основе технологии Web-служб.

СПИСОК ОСНОВНЫХ ПУБЛИКАЦИЙ Публикации в рецензируемых журналах из списка ВАК:

1. Мобильный пьезоэлектрический микросборочный робот / С.Т. Кусимов, Б.Г. Ильясов, Р.А. Мунасыпов, О.В. Даринцев // Мехатроника. М. :

Машиностроение, 2001. №6. С.29-33. (Автору принадлежит 1,5 журн.с.) 2. Синтез алгоритмов управления сборочными микроробототехническими системами / О.В. Даринцев, А.Б. Мигранов // Известия ТРТУ. Тематический выпуск «Интеллектуальные и многопроцессорные системы». Таганрог.

: Изд-во ТРТУ, 2004. №9. С.174-182. (Автору принадлежит 5 журн.с.) 3. Манипуляционные микроробототехнические системы и проблемы производства гибридных МЭМС / О.В. Даринцев, А.Б. Мигранов // Нано- и микросистемная техника. М.: Новые технологии, 2005. № 2. С. 38–44. (Автору принадлежит 4 журн.с.) 4. Использование нейросетевого предиктора в системе управления микротехнологическим процессом / Б.Г. Ильясов, О.В. Даринцев, А.Б.Мигранов // Мехатроника, автоматизация, управление. М.: Новые технологии, 2005. №8. С. 39-45. (Автору принадлежит 4 журн.с.) 5. Сборка гибридных МЭМС на основе трехмерной реконструкции состояния технологической среды / О.В. Даринцев, А.Б. Мигранов // Нано- и микросистемная техника. М.: Новые технологии, 2006. №12. С. 36-40. (Автору принадлежит 3 журн.с.) 6. Удаленное управление микроробототехническими комплексами через сеть Интернет: архитектура системы и особенности реализации / О.В. Даринцев, А.Б. Мигранов, И.В. Голенастов // Известия ТРТУ. Тематический выпуск «Интеллектуальные и многопроцессорные системы».Таганрог: Изд-во ТРТУ, 2006. № 16 (71). С. 74-79. (Автору принадлежит 3 журн.с.) 7. Построение распределенных систем управления комплексами разнородных объектов / О.В. Даринцев, А.Б. Мигранов // Информационноизмерительные и управляющие системы. М. : Радиотехника, 2007. Т.5. №02. С.

70-75. (Автору принадлежит 4 журн.с.) 8. Человеко-машинный интерфейс поддержки автоматизированных микросборочных процессов на основе виртуальных технологий / О.В. Даринцев, А.Б. Мигранов // Информационные технологии. М.: Новые технологии, 2007. №3. С. 30-36. (Автору принадлежит 4 журн.с.) 9. Система планирования движения группы мобильных микророботов на основе генетических алгоритмов / О.В. Даринцев, А.Б. Мигранов // Известия РАН. Теория и системы управления. М. : Наука/Интерпериодика, 2007.

№3. С.163-172. (Автору принадлежит 6 журн.с.) 10. Виртуальный комплекс управления микророботами через сеть Интернет / О.В. Даринцев, А.Б. Мигранов// Мехатроника, автоматизация, управление.

М. : Новые технологии, 2007. №3. С. 37-39. (Автору принадлежит 1,5 журн.с.) 11. Превентивное управление микроманипуляционными операциями / Б.Г. Ильясов, О.В. Даринцев, А.Б. Мигранов // Мехатроника, автоматизация, управление. М. : Новые технологии, 2007. №9. С. 4-8. (Автору принадлежит журн.с.) 12. Моделирование работы микроманипуляционного устройства, изготовленного с использованием наноструктурных материалов / О.В. Даринцев, А.Б. Мигранов // Нано- и микросистемная техника. М. : Новые технологии, 2007. №11. С. 19-23. (Автору принадлежит 3 журн.с.) Свидетельства об официальной регистрации программ для ЭВМ 13. Cвид. об офиц. рег. программы для ЭВМ №2002610748. Трехмерная виртуальная роботизированная микросборочная фабрика / О.В. Даринцев, А.Б. Мигранов. М. : Роспатент, 2002.

14. Cвид. об офиц. рег. программы для ЭВМ №2004611008. Виртуальная среда проектирования, тестирования и отладки микроэлектромеханиче ских систем/ О.В. Даринцев, А.Б. Мигранов. М. : Роспатент, 2004.

Патенты 15. Патент РФ № 2164362. Мобильный пьезоэлектрический микроробот.

/ Б.Г. Ильясов, О.В. Даринцев, Р.А. Мунасыпов, В.В. Асеев и др. Заявл. :

17.05.99. Опубл. : 20.03.01. Бюл.№ 8.

16. Патент РФ № 2172239. Пьезоэлектрический манипулятор. / Б.Г. Ильясов, О.В. Даринцев, Р.А. Мунасыпов, В.В. Асеев и др. Заявл. :

11.05.99. Опубл. : 20.08.01. Бюл.№ 23.

17. Патент РФ № 22054753. Мобильный вакуумный пьезоэлектрический микроробот. / А.М. Пугин, О.В. Даринцев, Н.В. Чувилина. Заявл. :

12.01.2000. Опубл.: 10.11.01. Бюл.№ 31.

18. Патент РФ № 2210493. Вакуумное захватное устройство. / А.М. Пугин, О.В. Даринцев, А.Б. Мигранов. Опубл.: 20.08.2003. Бюл. №23.

19. Патент РФ 2259913. Двухсторонний пьезоэлектромеханический микропривод. / О.В. Даринцев, А.Б. Мигранов. Опубл.: 10.09.2005. Бюл. №25.

20. Патент РФ 2261795. Капиллярный микрозахват с обратной связью. / О.В. Даринцев, А.Б. Мигранов. Опубл.: 10.10.2005. Бюл. №28.

21. Патент РФ 2266809. Термокапиллярный поршневой микропривод. / О.В. Даринцев, А.Б. Мигранов.Опубл.: 27.12.2005. Бюл. №36.

22. Патент РФ 2266808. Пьезоэлектрический привод микроманипулятора. / О.В. Даринцев, А.Б. Мигранов. Опубл.: 27.12.2005. Бюл. №36.

23. Патент РФ 2266810. Автономное вакуумное захватное устройство микроробота. / О.В. Даринцев, А.Б. Мигранов. Опубл.: 27.12.2005. Бюл. №36.

Монография 24. Нейрокомпьютеры в авиации (самолеты). // Под ред. В.И.Васильева, Б.Г.Ильясова, С.Т. Кусимова. Кн.14. М.: Радиотехника, 2004. С.417-446. (Автору принадлежит 47 c.).

Учебное пособие с грифом УМО вузов по Университетскому политехническому образованию 25. Основы микроробототехники. / Б.Г. Ильясов, О.В. Даринцев, Р.А. Мунасыпов. Уфа : Изд. Уфимск. гос. авиац. техн. ун-та, 2004. 161 с. (Автору принадлежит 83 с.).

Другие публикации:

26. Настольный микросборочный производственный комплекс: планирование и управление. / Б.Г. Ильясов, О.В. Даринцев, Р.А. Мунасыпов. // Наукоемкие технологии машиностроения. Сб. тр. Уфа : Гилем, 2000. С. 276-287.

27. Проблемы взаимодействия виртуальных и реальных микросистем. / Д.Е. Охоцимский, Б.Г. Ильясов, О.В. Даринцев, Р.А. Мунасыпов, А.Б. Мигранов. // Мобильные роботы и мехатронные системы: Матер. науч. шк.конф. (Москва, 2-3 декабря 2002 года). М. : Изд.-во Моск. ун-та, 2002. С.5-17.

28. Управление технологическими процессами микросборки в реальном времени с использованием виртуальных систем, интеллектуальных и адаптивных алгоритмов. / О.В. Даринцев, А.Б. Мигранов. // Искусственный интеллект: науч.-теор. журн. Донецк : ТШI Наука I Освiта, 2003. №3. С. 172-180.

29. Виртуальная микротехнологическая среда: структура и особенности реализации. / О.В. Даринцев, А.Б. Мигранов. // Информационные технологии и программирование: Межвуз. сб. статей. М. : МГИУ, 2003. Вып.4 (9). С.17-22.

30. Система управления коллективом микророботов. / О.В. Даринцев. // Искусственный интеллект: науч.-теор. журн. Донецк : ТШI Наука I Освiта, 2006. №4. С.391-331. Волновые механизмы передачи информации при управлении коллективом микророботов. / О.В. Даринцев // Искусственный интеллект. Интеллектуальные и многопроцессорные системы-2006: матер. Седьмой межд. науч.техн. конф. Таганрог : Изд-во ТРТУ, 2006. Т.3 С.213-218.

32. Виртуальный имитатор технологического комплекса сборки микросистем. / О.В. Даринцев, А.Б. Мигранов // Вестник компьютерных и информационных технологий. М. : Машиностроение, 2006. № 10. С. 16 - 24.

33. Методика разработки моделей микроэлекромеханических систем (МЭМС). API функции виртуальной среды проектирования, тестирования и отладки МЭМС. / О.В. Даринцев, А.Б. Мигранов // Труды Института механики Уфимского научного центра РАН. Уфа : Гилем, 2007. Вып. 4. С. 261-234. Моделирование динамики мобильного микроробота. / О.В. Даринцев, Е.А. Саргаев // Мехатроника, автоматизация, управление – 2007: матер.

Межд. науч.- технич. конф. Таганрог : Изд-во ТТИ ЮФУ, 2007. С. 203-2Диссертант О.В. Даринцев ДАРИНЦЕВ Олег Владимирович Методологические и теоретические основы управления микроробототехническими системами с использованием интеллектуальных алгоритмов и модели виртуальной среды Специальность: 05.13.01 – Системный анализ, управление и обработка информации (в промышленности) АВТОРЕФЕРАТ диссертации на соискание ученой степени доктора технических наук Подписано к печати. Формат 60х84 1/Бумага офсетная. Печать плоская.

Усл.печ.л. 2,0. Усл.кр.-отт. 2,0. Уч.-изд.л.1,Тираж 100 экз. Заказ № ГОУ ВПО «Уфимский государственный авиационный технический университет» Центр оперативной полиграфии 450000, г.Уфа, ул. К. Маркса,






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.