Адаптивное управление предприятием. Адаптивная системы управления. Адаптивное управление по заданной модели

В корпоративном секторе IP-телефония пока что не так широко распространена, как на рынке операторских решений. Собственно, применительно к корпоративному рынку IP-телефонию можно условно разделить на магистральную и локальную. Каждое из этих направлений имеет свои недостатки. В так называемой LAN-телефонии главным сдерживающим фактором были прежде всего конечные устройства. Понятно, что на том этапе развития IP-телефонии, когда единственным вариантом клиентского устройства был мультимедийный ПК, всерьез воспринимать это решение как корпоративное никто не мог. Первые же IP-телефоны (они же Ethernet-телефоны) отпугивали своей ценой, а также необходимостью организации питания по отдельной линии. По сути дела пользователю предлагалось поставить на стол рядом с одним компьютером второй, причем стоящий ненамного дешевле. Необходимость внешнего питания также нарушала один из основных принципов, который гласил, что даже если во всем здании вследствие чрезвычайной ситуации пропадет электропитание, телефония должна функционировать, хотя бы какое-то время (пока ИБП поддерживает УАТС). Главным достижением предыдущего года можно считать то, что темпы сближения IP-телефонов с "нормальными" по всем параметрам заметно ускорились.

Снижение цен обеспечило, как и следовало ожидать, более массовое производство, причем, наверное, не столько собственно объемы производства, сколько массовость предложения. Крупные поставщики решений для корпоративной (и не только, конечно) телефонии стали более активно продвигать свои IP-телефоны, что не могло не привести к снижению цен. Симптоматично также, что за производство IP-телефонов стали браться азиатские производители: явный признак того, что в скором времени IP-телефон станет товаром если не такого же массового спроса, как и телефон обычный, то, по крайней мере, соизмеримого. Пока что цена конечного устройства остается достаточно высокой - не менее 150 долларов. Но если принять во внимание, что одним из главных маркетинговых двигателей "локальной" IP-телефонии является поддержка множества всевозможных сервисов (включая компьютерную телефонию), в пересчете не на "голый" порт, а на сервис, сегодняшний уровень цен представляется достаточно адекватным.

На корпоративном рынке интерес к IP-телефонии возрастает также благодаря тому, что сетевое оборудование приобрело некоторые черты УАТС - в первую очередь это касается проблемы питания IP-телефонов, работающих в полностью сетевом (т. е. без привычных УАТС, даже поддерживающих IP) окружении. Пионером в этом направлении выступает, естественно, компания Cisco Systems. Она весьма оперативно модернизировала свое сетевое оборудование, чтобы оно могло обеспечивать питание абонентских устройств. Для этого компанией выпускаются, во-первых, специальные интерфейсные модули, способные подавать питание по витой паре, а во-вторых, устанавливаемые в слот расширения, а также внешние блоки питания постоянного тока. Стоит отметить, что "электрические" интерфейсные модули могут работать и с обычным сетевым оборудованием, поскольку у них имеется функция автоматического определения типа подключенного к порту устройства - питание подается только после того, как оконечное устройство его "попросило".

Правда, несмотря на то, что основные два препятствия на пути внедрения IP-телефонии "от и до" в корпоративном окружении успешно преодолеваются, все же один сдерживающий фактор по-прежнему остается - заказчик (а это, очевидно, крупный заказчик) должен либо иметь новые "неосвоенные территории", либо быть готов радикально модернизировать свою телекоммуникационную инфраструктуру. Повлиять на это обстоятельство производители не в состоянии, поскольку объективные достоинства их решений в данном случае не столь важны. Тем не менее, в нашей стране решения на базе IP-телефонии начинают проникать и в корпоративные сети. В целом же есть основания предполагать, что в уже имеющихся корпоративных сетях законченные решения IP-телефонии будут внедряться сначала на периферии, а потом уже постепенно проникать все ближе к ядру сети.

Приспосабливающиеся (адаптивные) системы – системы, у которых управляющие параметры или алгоритмы управления адаптируются к возмущающим воздействиям с целью оптимального управления системой. В условиях, когда другие системы с заранее заданными входными параметрами и структурой не могут обеспечить требуемое управляющее воздействие из-за изменения динамических характеристик объекта управления, применяются адаптивные системы.

По способу управления адаптивные системы подразделяются на:

Самонастраивающиеся системы

Самоорганизующиеся системы

Самообучающиеся системы

Самонастраивающиеся системы – системы, желаемое управляющее воздействие которых достигается изменением параметров управляющего устройства в зависимости от данных о внешнем возмущении, данных о изменении динамических характеристик объекта управления в процессе управления.

Рис. 15. Структурная схема самонастраивающейся системы управления

ДО – датчик отклонений

Датчик отклонений (ДО) вырабатывает сигнал, позволяющий определить изменение параметров соответствующего звена или внешнего возмущения и в соответствии с этим оптимизировать управляющее воздействие.

Экстремальные системы применяются для автоматического поиска экстремума управляемого параметра, и, в зависимости от изменения его положения, автоматически меняющие алгоритм действий.

Приспосабливающиеся системы в большинстве случаев являются оптимальными системами, т.к. в процессе работы находятся в автоматическом поиске оптимальных параметров. Существуют пассивные и активные методы адаптации систем.

При пассивном методе адаптации взаимосвязанность звеньев системы и ее настроек с меняющимися внешними возмущениями задается на основе аксиоматических данных и существующего опыта. В случае, если объект нестационарен и известны закономерности изменения величин его параметров, то возможно применение указанного метода.

Активный метод адаптации применяется в случае изменения параметров объекта по неустановленной закономерности, в виде изменения звеньев и их настроек в зависимости от текущих данных, поступающих в процессе управления.

В зависимости от применяемого метода адаптации самонастраивающиеся системы управления подразделяются на поисковые и беспоисковые.

Поисковые системы вносят пробное изменение в параметры управляющего устройства, контролируя при этом отклик системы на данное изменение. При улучшении управляющих параметров системы, система продолжает изменение параметров управляющего устройства в том же направлении, при ухудшении качества управления, система меняет направление изменения параметров.

Беспоисковые системы регулируют управляющие параметры на основе сравнения параметров заданной эталонной модели и фактических выходных параметров.

Самоорганизующиеся системы – системы, в которых изменяются управляющие параметры, структура системы (могут включаться дополнительные звенья) и могут изменятся параметры звеньев системы.

Самообучающиеся системы – системы, у которых могут изменяться управляющие параметры, структура и параметры самой системы, кроме того, данные системы способны улучшать качество управления на основании ранее полученного опыта, т.е. запоминать и изменять алгоритм своей работы в направлении улучшения качества.

Рис.16. Структурная схема беспоисковой системы.

УУ – управляющее устройство, ОУ – объект управления,

ЭМ – эталонная модель, АУМ – анализатор качества управления эталонной

Модели, АОК - анализатор основного контура системы,

СИУ – самонастраивающееся исполнительное устройство

По своим параметрам системы могут подразделяться на стационарные и нестационарные.

Принадлежность источника энергии, создающего управляющие воздействия, характеризует системы прямого и непрямого действия. В системах прямого действия объект управления использует свою энергию, в системах непрямого действия – энергию из другого источника.

Первый способ адаптивного управления, в котором используется адаптивное моделирование, имеет следующий принцип действия. С помощью адаптивного моделирования формируется модель управляемой системы, которая используется для определения ее входных сигналов, приводящих к необходимым сигналам: на ее выходе.

Затем эти входные сигналы управления подаются на вход действительной управляемой системы, в результате чего сигналы на ее выходе являются близкими к требуемым. Такой вид управления в некотором смысле не имеет обратной связи, НО в действительности петля обратной связи замыкается через адаптивный процесс.

Для иллюстрации этого метода рассмотрим систему регуляции кровяного давления, приведенную на рис. 11.3. Ее экспериментальные исследования проводились студентами Станфордского университета. Цель этих исследований - разработка системы управления с петлей обратной связи для регуляции кровяного давления пациента. В этом случае, как показано на рис. 11.3, входной сигнал управляемой системы - поток лекарства, а выходной сигнал - кровяное давление. Опыты проводились с собаками.

Для управления кровяным давлением животному вводят сильно действующее лекарство арфонад. Это лекарство влияет на естественную систему регуляции кровяного давления и приводит к состоянию, аналогичному продолжительному состоянию шока. При этом кровяное давление может упасть до нуля, вызвав у животного необратимые процессы. Чтобы предотвратить это явление, медленно, в течение многих часов, для повышения кровяного давления вводится стимулирующее мышцу лекарство норепинефрин; ЭВМ непрерывно фиксирует кровяное давление и регулирует дозу вводимого лекарства. Конечная цель этой работы - разработка адаптивных систем управления.

На рис. 11,4 приведены характерные динамические характеристики реакции среднего кровяного давления животных на изменения дозы вводимого лекарства. Форма кривой зависит от размеров, вида и особенно состояния животного.

Рис. 11.3. Система управления с замкнутой обратной связью для регуляции кровяного давления

Рис. 11.4. Характерные отклики среднего кровяного давления на скачкообразные изменения дозы вводимого стимулятора

Животное с хорошим состоянием здоровья реагирует на небольшое увеличение дозы лекарства установлением в конечном итоге первоначального уровня кровяного давления. Больные животные не в состоянии компенсировать даже умеренное увеличение дозы, и, следовательно, кровяное давление возрастает известным образом и уровень его остается высоким. У животных наблюдается большой разброс характеристик реакции на стимулятор мышечной деятельности. Обычно время начала реакции животного составляет 10... 20 с, а кровяное давление устанавливается в течение 50... 100 с.

Приведенная на рис. 11.3. система не является, как это может показаться, обычной системой управления с обратной связью. Динамическая характеристика реакции животного (включая задержку до начала реакции) часто имеет слишком большой разброс, чтобы ею управлять с использованием обычной обратной связи.

На рис. 11.5 приведена структурная схема адаптивной системы управления. Описанные ниже функции, выполняемые устройством вычисления сигнала управления и адаптивной моделью, а также функции обработки данных, не приведенные на рис. 11.5, но необходимые для лабораторной установки, реализованы с помощью мини-ЭВМ.

Рис. 11.5. Структурная схема адаптивной модели для системы управления, показанной на рис. 11.3

Буферное устройство, в котором запоминаются и хранятся значения каждого отсчета на время интервала между отсчетами, является частью электронной системы сопряжения ЭВМ и сделанного из соленоида клапана для ввода лекарства. Интервал между отсчетами составляет 5 с. В течение каждого интервала адаптивная модель подстраивается, и, как описано ниже, производится вычисление новой дозы (выражаемой числом капель в минуту).

Адаптивная модель на рис. 11.5 представляет собой фильтр с конечной импульсной характеристикой, имеющей 20 весовых коэффициентов (L= 19) и общей временной задержкой 95 с. Чтобы учесть среднее кровяное давление при отсутствии лекарства, вводится весовой коэффициент смещения . Из рис. 11.5 следует, что адаптивная модель является моделью, описанной в гл. 9. Вместо заданного линейного компенсатора, значения весовых коэффициентов которого не зависят от параметров входного сигнала, здесь используется адаптивный процесс автоматической перестройки весовых коэффициентов, осуществляемый таким образом, чтобы для данных параметров входного сигнала эта модель обеспечивала минимальную СКО относительно отсчетов последовательно включенных буферного устройства и управляемой системы. При проведении опытов использован метод наименьших квадратов.

Снова обратимся к рис. 11.5. При правильной работе система приводит к тому, что кровяное давление животного изменяется в соответствии с сигналом управления кровяным давлением . На основе этого сигнала, а также вектора весовых коэффициентов и вектора входных сигналов (отражающего состояние адаптивной модели) формируется сигнал управления .

Рассмотрим теперь принцип действия устройства вычисления сигнала управления.

Предположим, что в результате адаптивного процесса значение сведено к нулю, т. е. это устройство должно из получить такое при котором были бы равны. Тогда при их равенстве (и при малом значении ) сигнал на выходе управляемой системы приближенно равен Таким образом, в схеме на рис. 11.5 устройство вычисления сигнала управления по существу должно стать обратной адаптивной моделью. Поскольку в управляемой системе имеется задержка, обратная модель должна быть предсказывающей.

Обратная модель строится следующим образом. В соответствии с алгоритмом наименьших квадратов на каждой итерации перестраивается полный вектор весовых коэффициентов . В адаптивной модели, если считать, что равны, для итерации имеем

Следовательно, для устройства вычисления сигнала управления

Для обратной модели такого вида необходимо полагать, что так возбуждает управляемую систему, что возможно адаптивное моделирование. Если это не так, то в ее входной сигнал можно ввести небольшой сигнал возбуждения.

Кроме того, необходимо предположить, что в (11.1) не стремится к нулю, но это не гарантируется при использовании метода наименьших квадратов. В действительности, когда управляемая система имеет задержки, такие, как время до начала реакции на рис. 11.4, стремится к малому значению и является зашумленным, а вычисленное по (11.2) значение может быть очень большим и колебаться в широких пределах, так как при вычислениях необходимо деление на . Следовательно, в системе управления кровяным давлением, где нежелательны большие дозы лекарства и, вообще говоря, невозможны отрицательные дозы, адаптивная часть схемы видоизменяется с учетом задержки реакции.

Это видоизменение состоит в том, что несколько первых весовых коэффициентов адаптивной модели приравнивается нулю. Их число соответствует известному априори времени задержки (времени до начала реакции) управляемой системы. Предположим, например, что приравнены нулю первые два весовых коэффициента, . Тогда текущее и предыдущее значения входного сигнала адаптивной модели не влияют на ее выходкой сигнал, а значения влияют.

Выбирая входные сигналы такими, при которых текущий выходной сигнал модели равен имеем

На основании этого результата можно, как в (11.2), вычислить но фактически необходимо знать Поэтому осуществим в (11.3) сдвиг на два временных шага вперед, тогда

Положим теперь, что весовые коэффициенты меняются медленно, тогда вместо будущих можно брать текущие значения весовых коэффициентов. В этом случае, снова полагая равными, имеем

В этом соотношении необходимо знать входной сигнал управления на два временных шага вперед. Иногда известны будущие значения этого сигнала и можно использовать (11.5). Если известно только значение то (11.5) можно видоизменить:

При использовании (11.6) выходной сигнал модели соответствует сигналу управления, задержанному на два временных шага. Таким образом, эта задержка не связана с задержкой прохождения сигнала через управляемую систему.

Система на рис. 11.5 многократно применялась в экспериментах по регуляции среднего кровяного давления животных и управлению им. В этих экспериментах стандартное отклонение из-за шума в приборах, измеряющих кровяное давление, составляло от 5 до 10 мм рт. ст. Обычно среднее кровяное давление регулируется с точностью до 2 ... 4 мм рт. ст. в установившемся состоянии, а в экстремальных условиях точность может превысить 5 ... 10 мм рт. ст. Характерное время установления составило порядка 2 мин, что несколько превышает общий временной интервал, перекрываемый адаптивной моделью управляемой системы. Для возможно более быстрого запуска системы начальные значения весовых коэффициентов в процессе моделирования обычно выбирают на основании предыдущего опыта. Выбор этих начальных значений не является критичным.

На рис. 11.6-11.9 представлены результаты экспериментов по управлению кровяным давлением животных. В ходе экспериментов нормальной собаке был введен арфонад, после чего кровяное давление поднялось, как показано на рис. 11.6.

Рис. 11.6. Фактические зависимости, полученные для здоровой и больной собак при ручном и автоматическом управлении

Две верхние кривые показывают соответственно действительное среднее кровяное давление и выходной сигнал модели, которые очень близки друг к другу даже в моменты таких сильных стрессов, которые возникают после введения арфонада.

В начале эксперимента доза лекарства (нижняя зависимость на рис. 11.6) устанавливалась вручную на уровне 10 капель/мин. После введения арфонада эта доза доведена до 20 капель/мин. При падении кровяного давления доза лекарства возрастает. После этого и далее управление дозировкой лекарства было передано автоматической системе (на кривой этот момент помечен крестиком). Уровень давления задавался с клавиатуры ЭВМ, этот уровень помечен крестиком на верхних кривых. Далее система управления должна была поднять кровяное давление животного до этого значения и поддерживать его при наличии естественных возмущений.

Рис. 11.7. Фактические зависимости, полученные при управлении кровяным давлением больной собаки

Рис. 11.8. Фактические зависимости, полученные при управлении кровяным давлением относительно его установленного значения

Средняя кривая отражает ход среднего значения СКО (по логарифмической шкале), являющейся разницей между сигналами управляемой системы и адаптивной модели.

Длительность выборки, обрабатываемой адаптивной моделью, равна 95 с. Эта модель представляет собой адаптивный трансверсальный фильтр с 20 отводами с задержкой между ними 5 с. После включения автоматического управления кровяное давление устанавливается примерно за 5 мин. Таким образом, это время приблизительно в 3 раза больше длительности выборки, что является достаточно коротким интервалом для адаптивной системы управления.

На рис. 11.6 фактически приведена часть кривой длительного наблюдения в течение нескольких часов, когда ЭВМ управляла кровяным давлением животного, находящегося под различной степенью воздействия арфонада. С точки зрения управления результаты оказались положительными и характерные кривые приведены на рис. 11.7 и 11.8.

Записи данных на рис. 11.6-11.8, которые несколько перекрываются по времени, представляют собой реакции на изменяющиеся значения давления.

Рис. 11.9. Импульсная характеристика модели на рис. 11.5 в различные моменты времени

В каждом случае давление устанавливалось примерно за 5 мин. На рис. 11.9 показаны значения весовых коэффициентов модели с конечной импульсной характеристикой, снятые в некоторые моменты времени в процессе наблюдения. Значения весовых коэффициентов соответствуют значениям сигнала на отводах фильтра и поэтому совпадают с импульсной характеристикой. Весовой коэффициент смещения на рис. 11.5 является двадцать первым. Импульсная характеристика на верхнем графике рис. 11.9 снята перед введением арфонада; как видно, животное очень чувствительно к лекарству, стимулирующему мышечную деятельность. Следующий график снят после введения арфонада перед включением автоматического управления, Форма характеристики несколько изменилась и существенно изменился уровень чувствительности. С течением времени в импульсной характеристике животного не произошло других сильных изменений, что также рассматривается как важный результат.

Итак, описана система управления с ЭВМ в реальном времени, предназначенной для регуляции кровяного давления животного, находящегося в состоянии продолжительного шока. Система управляет дозой вводимого лекарства стимулирующего действия и фиксирует кровяное давление. Для формирования требуемого входного сигнала управления значениями кровяного давления использована адаптивная модель реакции кровяного давления животного на лекарство. В качестве модели использован адаптивный линейный сумматор, а сигнал управления вычисляется на основе импульсной характеристики модели. Этот метод управления основан на методе адаптивного моделирования неизвестной системы.

промышленными роботами.

В соответствии с различными определениями термина «адаптация», в задачах робототехники различают два типа адаптивных систем управления.

1. Адаптивные (очувствленные) системы управления, имеющие в своем составе сенсорные устройства, обеспечивающие получение информации о состоянии среды и (или) свойствах отдельных объектов. Полученная от сенсоров информация перерабатывается с целью решения различных задач, связанных с формированием управляющих сигналов (адаптация в широком смысле).

2. Адаптивные (обучающиеся) системы управления, в которых для обработки информации о состоянии среды и (или) о состоянии отдельных звеньев или подсистем робота применяются адаптивные алгоритмы, т.е. алгоритмы, способные изменяться под воздействием текущей или обучающей информации с целью оптимизации качества решения задачи в условиях неопределенности (адаптация в узком смысле).

Роботы, основанные на применении первого из указанных типов управления, называются адаптивными . Системы управления роботами, реализующими второй способ адаптивного управления, называют системами управления с адаптивными (или обучающимися) алгоритмами обработки информации .

Основным признаком для адаптивных систем управления первого типа является наличие сенсорной системы, получающей информацию о внешнем мире. Для адаптивной системы управления (или адаптивной системы переработки информации) главным признаком служит использование приспосабливающихся (адаптивных алгоритмов) обработки информации в изменяющихся условиях. Для реализации обучающихся систем управления (переработки информации) необходимым условием является наличие «учителя» и процесса обучения.

Возможно применение обоих принципов адаптации, когда в системе управления имеется сенсорная подсистема, и в одной или нескольких подсистемах применяются адаптивные алгоритмы переработки информации.

Рассмотрим классификацию адаптивных (очувствленных) систем управления первого типа (адаптация в широком смысле).

По функциональному назначению самого робота эти системы могут быть разделены на адаптивные системы управления манипуляционными и подвижными роботами. Классификация подвижных роботов будет рассмотрена позже.

Наиболее важными признаками для классификации рассматриваемых адаптивных систем управления являются характеристики применяемых сенсорных устройств.

По признаку моделирования функций биосенсоров технические сенсоры можно классифицировать на визуальные, слуховые, тактильные и кинестетические.

Визуальные сенсоры обеспечивают дистанционное получение информации о геометрических и, возможно, некоторых физических характеристиках внешней среды (цвет, свойства грунта). Существует большое число технических средств, которые могут быть применены для решения этой задачи: телевизионные системы различного типа, оптико-электронные приборы с зарядовой связью (ПЗС) и фотодиодные матрицы и линейки, различные локационные устройства.

Слуховые (акустические) сенсоры предназначены для восприятия звуковых колебаний и идентификации на их основе соответствующего акустического образа. Важное значение звуковые устройства имеют для организации речевой связи между человеком-оператором и роботом.

Тактильные сенсоры позволяют фиксировать контакт с объектами внешней среды. Они широко применяются для очувствления схвата манипулятора и корпуса робота.

Кинестетические сенсоры в живых организмах формируют мышечное чувство, позволяющее получить информацию о положении отдельных органов и усилиях в них.

Аналогичные задачи решаются в технике с помощью датчиков положения , скорости, измерителей усилий и моментов. По информации от датчиков усилий и моментов в шарнирах манипулятора могут быть определены и силомоментные характеристики взаимодействия с внешними объектами.

Для решения разнообразных задач адаптивные роботы должны иметь соответствующие «радиусы очувствления », т.е. воспринимать сенсорную информацию на требуемом расстоянии от ее источника. Биосенсоры по этому признаку делятся на дистантные (рецепторы зрения, слуха и обоняния) и контактные , определяющие параметры самой среды или процесса взаимодействия с ней только при непосредственном соприкосновении рецептора со средой (рецепторы осязания и вкуса).

Технические сенсоры по указанному признаку можно разделить на сверхближние (контактные), ближние, дальние и сверхдальние. Сверхближними сенсорными устройствами являются тактильные и кинестетические сенсоры, датчики пройденного пути, измерители плотности.

Сенсорные устройства ближнего и дальнего действия позволяют получать бесконтактным способом информацию о внешней среде вблизи робота (например, с помощью локационных сенсоров схвата) и в объеме всей рабочей зоны соответственно. Наиболее важное значение среди сенсоров дальнего действия имеют различные визуальные системы (системы технического зрения).

Сенсорные устройства сверхдальнего действия могут применяться для управления транспортными и исследовательскими роботами в составе различных навигационных систем.

Перейдем к рассмотрению областей применения и классификации систем управления с адаптивными алгоритмами обработки информации (адаптация в узком смысле). Адаптивные алгоритмы и системы, разрабатываемые для решения различных робототехнических задач (восприятия внешней среды, управления и планирования), могут классифицироваться в зависимости от типа структур, реализующих выбранные способы представления априорной, текущей и обучающей информации. Существенное значение для характеристики различных адаптивных систем имеют объем и структура памяти, реализующей модель среды, а также быстродействие процессов адаптации.

Рассмотрим некоторые задачи адаптации и обучения, которые могут возникать при создании алгоритмического обеспечения подсистем робота.

1. Исполнительный уровень . На исполнительный уровень поступают сигналы, определяющие необходимые изменения обобщенных координат, степеней подвижности эффекторной системы. Исполнительный уровень обычно представляет собой привод - электрический, пневматический или гидравлический, с помощью которого обеспечиваются требуемые усилия в каждой из степеней подвижности. Эти усилия определяются весовыми и геометрическими характеристиками объектов, которые робот должен перемещать. В зависимости от этих характеристик изменяется нагрузка привода, причем качество работы привода может при этом существенно ухудшиться. Кроме того, изменение трения и зазоров в шарнирах кинематической цепи эффекторной системы также влияет на динамические характеристики привода. Поэтому в ряде случаев необходимо применять принципы адаптации для построения привода, обеспечивающего требуемое качество работы исполнительного уровня в условиях указанных изменений характеристик «внешней среды».

2. Тактический уровень . Тактический уровень «раскладывает» требуемое движение рабочего органа на соответствующие перемещения степеней подвижности. В живых организмах при нарушении работы одного из суставов (или одной конечности) происходит соответствующее изменение режима работы других суставов (или конечностей) с целью выполнения требуемого движения. Обычно робот (манипуляционный или локомоционный) обладает избыточным числом степеней подвижности, что обеспечивает принципиальную возможность построения адаптивного тактического уровня, автоматически перестраивающего работу приводов исполнительного уровня при резком ухудшении характеристик или выходе из строя одного из них.

3. Распознавание объектов и анализ сцен. Как правило, адаптивный робот взаимодействует с трехмерными объектами, которые могут быть произвольно ориентированы и расположены в различных местах зоны действия робота. Сигналы, поступающие от сенсорной системы, для каждого случая расположения объектов будут различны. Для построения системы восприятия может оказаться целесообразным применение принципов построения обучающихся систем распознавания образов, теория которых интенсивно развивается.

4. Система планирования . Процессы обучения в системе планирования обычно тесно связаны с преобразованием информации в модели среды. Это процессы рассматриваются обычно как характерная черта искусственного интеллекта. Один из возможных вариантов процесса обучения в системе планирования может заключаться в следующем. Положим, что робот может по определенным правилам формировать план действий в некоторой ситуации. Кроме того, существует возможность изменения этих правил на основе приобретения опыта. Например, если робот должен составлять последовательно планы для ряда ситуаций, в какой-то степени подобных друг другу, то при наличии механизма обучения составление плана после рассмотрения ряда ситуаций может протекать существенно быстрее, чем это имело место для первоначальной ситуации. Таким образом, робот приобретает некоторый «навык» для выполнения ряда операций, «близких» в каком-то отношении друг к другу.

5. Система связи с внешней средой. Эта система может иметь различные уровни сложности и разную физическую природу сигналов, которые она способна воспринимать от человека или автомата и передавать им. Задача организации диалога с роботом может рассматриваться в рамках общей проблемы построения диалоговых систем.

Здесь также возможна постановка задач адаптации и обучения на различных уровнях, начиная от задач распознавания акустических или визуальных сигналов и кончая задачей понимания смысла отдельных предложений и (или) достаточно сложной графической информации (чертежей, схем и т.д.).

Адаптивные алгоритмы обработки информации, разрабатываемые применительно к различным робототехническим задачам, могут также классифицироваться в соответствии с математическими методами , положенными в основу их формирования. В соответствии с этим признаком адаптивные алгоритмы могут быть разделены на аналитические, логические, структурные и реляционные . Указанные математические подходы также могут быть применены и для формирования описаний внешней среды, необходимых для решения различных задач обработки информации в робототехнической системе.

Аналитические методы применяются при формировании адаптивных алгоритмов функционирования эффекторной и сенсорной подсистем. Логические, структурные и реляционные методы могут применяться для построения адаптивных алгоритмов обработки информации в сенсорной подсистеме и подсистеме планирования.

В некоторых случаях оказывается целесообразным применять адаптивные алгоритмы только для обработки информации на этапе создания алгоритмического и программного обеспечения, т.е. в качестве одного из подходов при формировании автоматизированной системы проектирования этого обеспечения. Целесообразность такого применения методов адаптации (в узком смысле) применительно, например, к сенсорной подсистеме определяется следующими обстоятельствами.

В ряде случаев изменения в проблемной среде робототехнической системы возникают только при изменении номенклатуры транспортируемых или изготавливаемых изделий. Поэтому адаптация имеющегося в системе управления алгоритмического и программного обеспечения к обработке вновь поступающей информации может осуществляться не в ЭВМ нижнего уровня, непосредственно вырабатывающей сигналы управления, а в ЭВМ более высокого уровня, где может производиться необходимая модификация программ (или выбор оптимальных параметров в алгоритмах обработки информации). Один из методов автоматизации этого процесса модификации программного обеспечения может быть основан на применении соответствующих адаптивных алгоритмов. После необходимой коррекции программы с ЭВМ высшего уровня передаются по линии связи на ЭВМ нижнего уровня.

Большинство методов управления манипулятором робота предназначено для управления конечным звеном манипулятора или сочленениями. В них уделено внимание компенсации нелинейностей от сил взаимодействия между различными сочленениями. Эти управляющие алгоритмы могут быть неадекватными, потому что требуют наличия точной модели динамики манипулятора и не учитывают изменения нагрузки в процессе выполнения манипулятором работы. Такие изменения в объекте управления часто оказываются достаточно значительными и снижают эффективность управления по обратной связи. В результате ухудшается динамика и демпфирование системы, что ограничивает точность и скорость позиционирования конечного звена. Значительное улучшение точности формирования желаемой траектории во времени для широкого диапазона движений манипулятора и для различных нагрузок достигается при использовании адаптивных методов управления.

Адаптивное управление по заданной модели

Наиболее легко реализуется адаптивное управление по заданной модели. Идея этого метода основана на выборе соответствующей заданной модели и алгоритма адаптации, по которым изменяются коэффициенты передач обратных связей на двигатели в реальной системе. Алгритм адаптации проводится на основе информации об ошибках между выходами заданной модели и выходами реальной системы. Общая блок-схема адаптивного управления системой по заданной модели приведена на рис. 18.2.

Рисунок 18.2.Общая блок-схема адаптивного управления системой

по заданной модели

В качестве заданной модели для каждой степени свободы манипулятора робота выбирается линейное дифференциальное уравнение второго порядка, не зависящее от времени. Манипулятор управляется путем настройки коэффициентов передачи обратной связи по положению и по скорости при отслеживании модели таким образом, чтобы его рабочие характеристики при замкнутом управлении совпадали с желаемыми рабочими характеристиками заданной модели. В результате такая схема адаптивного управления требует небольшого объема вычислений, которые могут выполняться с помощью недорогих микропроцессоров. Этот алгоритм адаптивного управления не требует ни сложных математических моделей динамической системы, ни предварительного знания внешних воздействий, таких, как величина нагрузки и др. Адаптивная схема, построенная по заданной модели, стабильно функционирует в широком диапазоне движений и нагрузок.

После определения вектора
, описывающего динамику заданной модели, и вектора
, описывающего динамику манипулятора,i -е сочленение заданной модели может быть описана следующим образом: