Информационные технологии интеллектуальной поддержки принятия решений, Информационные технологии интеллектуальной поддержки принятия решений 2019

Размер шрифта: 
Метод планирования пути при формировании конфигурации многофункционального модульного робота с использованием роевой стратегии управления
Вячеслав Иванович Петренко, Ф. Б. Тебуева, А С. Павлов, В. О. Антонов

Изменена: 2019-11-07

Аннотация


Многофункциональные модульные роботы состоят из множества модулей, которые могут формировать кинематическую структуру в соответствии с текущей задачей. При функционировании в недетерминированной среде адаптивная кинематическая структура робота позволяет изменять конфигурацию и подстраиваться под изменение условий и ограничения окружающей среды. Однако при этом формирование требуемой конфигурации может занимать много времени, что является проблемой при необходимости выполнения целевой функции в режиме реального времени. Исходя из этого, целью данной работы является снижение времени, необходимого для формирования конфигурации модульного робота. В статье предложен метод планирования пути перемещения модулей при формировании конфигурации многофункционального модульного робота с использованием роевой стратегии управления. Данный подход позволяет в режиме реального времени осуществлять информационный обмен между модулями робота и производить планирование пути децентрализовано для каждого модуля, независимо от их количества. Использование методов аналитической геометрии позволяет снизить вычислительную сложность метода и избежать энергетических затрат бортовых энергоресурсов робота. Представлены результаты моделирования разработанного метода для робота, состоящего из 5-50 модулей.

Ключевые слова


метод планирования; модульный робот; роевая стратегия управления; кинематическая структура

Литература


1.            M. Yim, W.-M. Shen, B. Salemi, D. Rus, M. Moll, H. Lipson, E. Klavins, and G. Chirikjian, Modular Self-Reconfigurable Robot Systems [Grand Challenges of Robotics], in IEEE Robotics & Automation Magazine, vol. 14, no. 1, pp. 43-52, March 2007. DOI: 10.1109/MRA.2007.339623.

2.            Yim, M., White, P.J., Park, M., & Sastra, J. (2009). Modular Self-Reconfigurable Robots. Encyclopedia of Complexity and Systems Science, pp. 5618-5631, 2009. DOI:10.1007/978-0-387-30440-3_334.

3.            Kovács, G., Yusupova, N., Smetanina, O., Rassadnikova, E. Methods and algorithms to solve the vehicle routing problem with time windows and further conditions (2018) Pollack Periodica, 13 (1), pp. 65-76. DOI: 10.1556/606.2018.13.1.6.

4.            Kutlubaev, I.M., Zhydenko, I.G., Bogdanov, A.A. Basic concepts of power anthropomorphic grippers construction and calculation (2016) 2016 2nd International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2016 - Proceedings, №7910963. DOI: 10.1109/ICIEAM.2016.7910963.

5.            Klimenko, A.B., Ivanov, D., Melnik, E.V. The configuration generation problem for the informational and control systems with the performance redundancy (2016) 2016 2nd International Conference on Industrial Engineering, Applications and Manufacturing, ICIEAM 2016 - Proceedings, №7910901. DOI: 10.1109/ICIEAM.2016.7910901.

6.            E. Rimon and D. E. Koditschek, Exact robot navigation using artificial potential functions, in IEEE Transactions on Robotics and Automation, vol. 8, no. 5, pp. 501-518, Oct. 1992. DOI: 10.1109/70.163777.

7.            S. S. Ge and Y. J. Cui, New potential functions for mobile robot path planning, in IEEE Transactions on Robotics and Automation, vol. 16, no. 5, pp. 615-620, Oct. 2000. DOI: 10.1109/70.880813.

8.            C. Tsai, H. Huang and C. Chan, Parallel Elite Genetic Algorithm and Its Application to Global Path Planning for Autonomous Robot Navigation, in IEEE Transactions on Industrial Electronics, vol. 58, no. 10, pp. 4813-4821, Oct. 2011. DOI: 10.1109/TIE.2011.2109332.

9.            Haghzad Klidbary, Sajad. (2013). Finding Proper Configurations for Modular Robots by Using Genetic Algorithm on Different Terrains. International Journal of Materials, Mechanics and Manufacturing. DOI: 10.7763/IJMMM.2013.V1.78.

10.          Li, G., Fei, F., Wang, G., Lü, S., Wang, Q., Guo, D. ANN∗: A heuristic search algorithm based on artificial neural networks (2016) ACM International Conference Proceeding Series, №51, DOI: 10.1145/3028842.3028893.

11.          Jia, Q., Zhang, J., Chen, G., Sun, H., Li, T. Trajectory optimization of modular robot based on the fault-tolerant performance functions (2015) Proceedings of the 2015 10th IEEE Conference on Industrial Electronics and Applications, ICIEA 2015, №7334178, pp. 580-585. DOI: 10.1109/ICIEA.2015.7334178.

12.          Uriol, R., Moran, A. Mobile robot path planning in complex environments using ant colony optimization algorithm (2017) 2017 3rd International Conference on Control, Automation and Robotics, ICCAR 2017, №7942653, pp. 15-21. DOI: 10.1109/ICCAR.2017.7942653.

13.          M. Brand, M. Masuda, N. Wehner and Xiao-Hua Yu, Ant Colony Optimization algorithm for robot path planning, 2010 International Conference On Computer Design and Applications, Qinhuangdao, 2010, pp. V3-436-V3-440. DOI: 10.1109/ICCDA.2010.5541300.

14.          R. Kala, A. Shukla, R. Tiwari, S. Rungta and R. R. Janghel, Mobile Robot Navigation Control in Moving Obstacle Environment Using Genetic Algorithm, Artificial Neural Networks and A* Algorithm, 2009 WRI World Congress on Computer Science and Information Engineering, Los Angeles, CA, 2009, pp. 705-713. DOI: 10.1109/CSIE.2009.854.

15.          C. Zeng, Q. Zhang and X. Wei, Robotic Global Path-Planning Based Modified Genetic Algorithm and A* Algorithm, 2011 Third International Conference on Measuring Technology and Mechatronics Automation, Shangshai, 2011, pp. 167-170. DOI: 10.1109/ICMTMA.2011.613.

16.          Huijuan Wang, Yuan Yu and Quanbo Yuan, Application of Dijkstra algorithm in robot path-planning, 2011 Second International Conference on Mechanic Automation and Control Engineering, Hohhot, 2011, pp. 1067-1069. DOI: 10.1109/MACE.2011.5987118.

17.          Y. Wang and X. Yu, Research for the Robot Path Planning Control Strategy Based on the Immune Particle Swarm Optimization Algorithm, 2012 Second International Conference on Intelligent System Design and Engineering Application, Sanya, Hainan, 2012, pp. 724-727. DOI: 10.1109/ISdea.2012.649.


Полный текст: PDF