Добавил:
ivanov666
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз:
Предмет:
Файл:Основы мехатроники. Учебник для СПО
.pdf
121
Таким образом, с помощью представленного алгоритма, использующего нейросетевую модель нечеткого вывода, принимается решение о техническом состоянии элементов и узлов МС.
На входной слой НС поступают сигналы с датчиков и информация о режимах работы МС. В этом слое количество
нейронов определяется количеством диагностических параметров. В скрытом слое число нейронов, как правило, равно числу
нейронов в предыдущем слое.
Выбор вида и структуры НС определяется спецификой решаемой задачи, но в настоящее время нет правил для выбора сети,
типов нейронов, количества слоев в сети и количества нейронов в
слоях.
Была выбрана сеть Розенблатта, которая имеет алгоритм
обратного распространения ошибки, так как она позволяет минимизировать ошибку работы многослойного перцептрона.
Обучение НС осуществляется с помощью «учителя». Наличие
ассоциативной памяти не требуется, так как не важно, будет ли
сеть запоминать связи между нейронами или нет, необходимого
результата можно добиться на модели «черный ящик».
Для выбора типа нейронов необходимо оценить время вычисления пороговой функции активации и возможность дифференцирования данной функции. На каждой итерации работы сети
обратного распространения весовые коэффициенты НС модифицируются так, чтобы улучшить решение одного примера. Таким образом, в процессе обучения циклически решаются однокритериальные задачи оптимизации. Для возможности применения метода обратного распространения ошибки передаточная
функция нейронов должна быть дифференцируема, поэтому в
качестве функции активации выбрана экспоненциальная
сигмоида.
Необходимо правильно выбрать количество нейронов и
слоев. Если в сети их слишком мало, то сеть не обучится и
ошибка при ее работе останется большой. Если нейронов или
слоев слишком много, то быстродействие сети будет низким,
потребуется много памяти, она переобучится, то есть выходной
вектор будет передавать незначительные и несущественные детали на выходе, например шум или ошибочные данные; зависи-
122
мость выхода от входа окажется резко нелинейной, сеть будет
неспособна к обучению.
Для подготовки данных для входа и выхода используется
масштабирование, чтобы привести их в допустимый диапазон.
Если отсутствует масштабирование, то нейроны входного слоя
окажутся в постоянном насыщении или все время будут заторможены, что сильно снижает точность.
Нет общего правила, сколько должно быть скрытых слоев.
Обычно задается 1–3 слоя. Чем более нелинейная задача, тем
больше скрытых слоев должно быть. Быстродействие НС по обработке диагностической информации зависит от числа нейронов
в ее слоях.
В нейронной сети, как правило, все элементы предыдущего
слоя связаны со всеми элементами последующего. Количество
нейронов в первом слое зависит от того, сколько информативных
параметров используется для диагностирования. Количество
нейронов в последнем слое зависит от результата, который нужно
получить. Количество выходных нейронов может равняться количеству состояний узла. Недостаток данного варианта —
большое число нейронов при большом числе состояний узла.
Количество выходных нейронов может содержать код состояния
узла. При данном варианте невозможно одновременно на выходе
получить информацию о нескольких дефектах.
Выделены следующие этапы решения задач по диагностированию мехатронных системМС с использованием нейронной
сети:
− выбор данных для обучения;
− подготовка и нормализация данных;
− выбор топологии сети;
− экспериментальный подбор характеристик сети;
− экспериментальный подбор параметров обучения;
− собственно обучение сети;
− проверка адекватности обучения;
− корректировка параметров, окончательное обучение;
− вербализация сети с целью дальнейшего использования.
123
3.5. Пример диагностирования
мехатронных модулей движения
Для разработки системы диагностирования мехатронных
модулей движения (ММД) выявляются их дефекты и анализируются закономерности между ними, режимами работы и диагностическими параметрами. На основе данных закономерностей
строится база правил нечеткой логики для определения технического состояния ММД.
Модель для определения технического состояния ММД
разработана в программном комплексе МВТУ (моделирование в
технических устройствах, объектах и системах), созданном в
МГТУ им. Н.Э. Баумана. Для всех измеренных диагностических
параметров выполняется нормирование в диапазон от –1 до 1.
Фаззификация диагностических параметров и скорости перемещения осуществляется с помощью функции принадлежности
кривой Гаусса. Для каждого диагностического параметра и скорости определяется три терма, равномерно распределенных в
диапазоне от –1 до 1. Заключения нечетких правил построены как
условные операторы, имеющие весовые коэффициенты для
каждого правила. С помощью численного интегрирования определяется выходная переменная — уровень технического состояния (–1 — исправное техническое состояние (без дефектов), 1 —
значительные дефекты ММД).
Термы для текущего технического состояния ММД: L — без
дефектов; M — с незначительными дефектами; H — со значительными дефектами. Термы для скорости, температуры, вибрации, силы электрического тока: L — низкая; M — средняя; H —
высокая.
Для составления правил нечеткого вывода составляется
таблица, в которой логические операции между входными параметрами представляют собой операцию «И» («AND»). Пример
для трех термов диагностических параметров и скорости приведен в табл. 3.3.
Структурная схема интеллектуального ММД с подсистемой
самодиагностики приведена на рис. 3.12.
124
Таблица 3.3
Зависимость наличия дефектов от параметров ММД
и скорости движения
№ правила
Темпер
атура
Вибрация
Электриче-
ский ток
Скорость
движения
Техническое
состояния
ММД
1
L L L L L
2
L L L M L
3
L L L H L
4
L L M M M
5
L M L M M
6
M L L M M
7
H — — — H
8
— H — — H
9
— — H — H
Рис. 3.12. Структурная схема интеллектуального ММД
с подсистемой самодиагностики
Датчики тока, тем-
пературы, вибрации
Подсистема, при-
нимающая решение
о состоянии ММД
Устройство инди-
кации
Система управления
на базе нечеткого ре-
гулятора
Датчики скорости
Объект управления
125
Если состояние ММД исправное, то управление осуществляется с помощью нечеткого ПИД-регулятора, для которого выполняется фаззификация пропорциональной, интегральной и дифференциальной составляющих ошибки рассогласования с помощью
нечетких множеств. Если имеются дефекты ММД, то управление
происходит с учетом степени их развития и прогноза о возможности выполнения цели управления. Информация о дефектах передается оператору и на более высокий уровень управления.
Контрольные вопросы
1. Тестовое и функциональное диагностирование.
2. Уровни мехатронных модулей.
3. Методы диагностирования мехатронных систем.
4. Методы диагностирования мехатронных систем по сте-
пени информативности.
5. Методы диагностирования мехатронных систем по типу
физических процессов.
6. Классификация алгоритмов диагностирования по ис-
пользованию математического аппарата.
7. Классификация алгоритмов диагностирования по режиму
работы.
8. Этапы построения рационального алгоритма диагности-
рования.
9. Принципы интеллектуальных систем диагностирования.
10. Этапы решения задач по диагностированию мехатронных
систем с использованием нейронной сети.
11. Модели организации диагностирования мехатронных
систем.
12. Модель информационного процесса принятия решения
о техническом состоянии мехатронных систем.
13. Дефекты механической подсистемы.
14. Дефекты электрической и электромеханической подсистем.
15. Дефекты гидравлики (пневматики).
16. Схема гибридной интеллектуальной диагностической
системы.
17. Нейросетевая модель нечеткого вывода.
18. Алгоритм принятия решения о техническом состоянии
мехатронных систем.
126
4. ПЕРСПЕКТИВНЫЕ РАЗРАБОТКИ
В ОБЛАСТИ РОБОТОТЕХНИКИ
И МЕХАТРОНИКИ
Одним из видов мехатронных систем являются роботы. По
прогнозам, к 2025 году будет использоваться 50 миллиардов
роботов (сейчас их 7 миллионов). Роботы и МС будут иметь искусственный интеллект и применяться всюду, в том числе в
космосе, под водой и землей.
В настоящее время наблюдается интенсивное развитие ме-
хатроники в современных машиностроении и приборостроении, в
атомной, космической, нефтяной и газовой промышленностях. В
России в последние годы мехатронике и робототехнике уделяется
повышенное внимание. Технологии механотроники и создание
микросистемной техники включены в перечень критических
технологий РФ. Робототехника входит в приоритетные направления развития в государственной программе.
Примерами МС являются промышленные, подводные и
бытовые роботы, беспилотные летательные аппараты, современные автомобили, электромобили и другие транспортные
средства, авиационно-космическая техника, «умные» дома,
станки с ЧПУ, военная, офисная и бытовая техника. Роботы
станут использоваться на опасных производствах, при поисково-спасательных работах, в медицине.
4.1. Робот-космонавт SAR-400
Российские специалисты разработали робота-космонавта
под кодовым именем SAR-400, предназначенного для ремонтных
работ на космической станции МКС.
Разработчики НПО «Андроидная техника» использовали
технические инновации по максимуму для создания уникального
в своем роде андроид-устройства. Робот SAR-400 запрограммирован для выполнения простых задач, типа закручивание гаек и
поиск дефектов на космических лайнерах и орбитальных станциях. Его техническое оснащение позволяет выполнять сложный
ремонт с участием оператора, находящегося в наземном центре
управления. Это возможно благодаря наличию множества датчиков, которые снимают и транслируют большое количество
информации. Проблема ремонта и обслуживания с помощью
127
SAR-400 сводится, таким образом, к тому, что управление ро-
ботом осуществляется с Земли с привлечением профессионалов.
Уже сейчас на МКС работает один робот — американец Robonaut,
который отличается от российского тем, что выполняет только
ранее запрограммированные команды, что значительно сужает
круг задач и быстроту принятия решения, а, следовательно, и их
реализацию.
Как считает «Роскосмос», робот SAR-400 отлично подойдет
для исследования спутника Земли и планет солнечной системы,
например Марса. Единственная проблема заключается в задержке сигнала, который достигает Земли от Луны за 5 секунд, а
от Марса — за 15 минут. Возможно, в таком случае будут применяться специальные микропрограммы, так называемые супервизор-технологии. Процесс работы станет строиться следующим образом: роботу посылается сигнал с командами, задающими направление и определенную операцию, а все остальные
сопутствующие действия робот выполняет самостоятельно, в
автоматическом режиме. Таким образом, для изучения других
планет оператору нужно будет надеть специальные перчатки
управления и жилет, а осуществлять исследование поверхности
недоброжелательных планет станет SAR-400.
Такая организация исследовательских миссий в значительной степени уменьшает риск для здоровья и жизни человека.
Отправив робота-исследователя, не нужно будет приземляться на
планету, а оператор вместе с командой смогут осуществлять
управление с орбиты. Учитывая то, что защитный скафандр
космонавта значительно сковывает движение, а робот обладает
высокой выносливостью и подвижностью, использование
SAR-400 увеличивает эффективность любых задач.
Пока нет информации о сроках отправки российского робота
на орбиту. Ранее SAR-400 прошел испытания, где он отлично
справлялся под руководством человека с такими задачами, как
откручивание болтов, открытие и закрытие переходных люков,
различные действия внутри шлюза.
Дополнительную информацию по роботам можно найти на
сайте НПО «Андроидная техника», занимающейся разработкой и
производством человекоподобной робототехники, в том числе и
SAR-400, — http://npo-at.com, а также на веб-портале «Инновационная техника» — http://inntec.ru.
128
4.2. Гуманоидный робот Atlas
Массивный гуманоидный робот Atlas представлен Управлением перспективных исследовательских проектов Министерства обороны США (или DARPA) в штабе инженерной компании
Boston Dynamics. Это человекоподобное автоматизированное
устройство было создано для программы DARPA Robotics
Challenge (DRC), цель которой — усовершенствование робото-
техники для ликвидации чрезвычайных ситуаций. Atlas — образец роботов, которые вместо людей станут отправляться для
устранения последствий крупных катастроф, таких как, например,
авария на атомном объекте в Фукусиме (2011 г.).
Президент Boston Dynamics Роберт Плейтера запустил для
аудитории несколько базовых тестов, включая демопример
движения робота на беговой дорожке. Как заявил программный
менеджер DARPA Джилл Пратт, данный робот имеет примерную
компетентность на уровне годовалого ребенка.
Более сложного поведения можно ожидать после возвращения команды с Atlas в свои домашние лаборатории, где она
будет в течение долгих часов программировать его для осуществления сложных испытательных задач. Отметим, что этот
робот не является влагозащищенным, поэтому может легко
выйти из строя под дождем.
Человекоподобный робот включает аппаратные средства от
различных компаний. Boston Dynamics создала большую часть
робота: туловище, руки, ноги и ступни. Голова спроектирована
компанией Carnegie Robotics и оснащена сложным набором
датчиков, спроектированных таким образом, чтобы предоставить
роботу понимание трехмерного пространства, включая лазерное
определение расстояния. Создание другой пары рук поручено
компании iRobot и лаборатории Министерства энергетики США
Sandia National.
Информацию и фотографии робота Atlas можно найти на
сайте «Инновационная техника» http://inntec.ru.
4.3. Гуманоидный военный робот
Гуманоидный робот создан в рамках Американского военного проекта по созданию роботов, которые смогут работать
рядом с людьми во время бедствий.
129
Семь проектов роботов отобрало Американское управление
перспективного планирования оборонных научно-исследовательских работ (DARPA Robotics Challenge), которые поборются
за $2 миллиона. Они включают двуногого потомка NASA
Robonaut, который в настоящий момент помогает астронавтам на
борту МКС, нового робота-гуманоида Guardian, основанного на
военных костюмах экзоскелета Raytheon, и маленького корейского робота Hubo.
DARPA Пентагона желает получить человекоподобных роботов, которые смогут делать множество вещей, подобно людям:
открывать двери, поворачивая ручку, подниматься по лестнице
или даже пользоваться электроприборами. Также у таких роботов
должна быть возможность управления транспортом, регулируя
ускорение и торможение.
Семь команд, выбранные для соревнований, согласились
создать свое собственной аппаратное и программное обеспечение
робота, чтобы получить право на контракт DARPA стоимостью $3
миллиона. Среди них такие организации, как Национальный
центр робототехники Университета Карнеги — Меллона, Университет Дрексела, Raytheon, Университет штата Вирджиния,
Космический центр имени Джонсона и Лаборатория реактивного
движения (последние принадлежат NASA).
DARPA уже сделало бета-версию программы моделирования
роботов, чтобы команды могли протестировать свои проекты в
виртуальной реальности, что относительно недорого и безопасно.
Отметим, что Американское военное агентство основало Фонд
робототехники с открытым исходным кодом, чтобы иметь возможность улучшить средство моделирования.
Несмотря на акцент на гуманоидных роботах, DARPA упомянуло, что для конкуренции они не обязательно должны быть
гуманоидными. Например, обезьяноподобный робот RoboSimian
от Лаборатории реактивного движения NASA, который в основном перемещается на своих четырех лапах, имеет большие шансы
на победу.
Информацию и фотографии гуманоидного военного робота
можно найти на сайте «Инновационная техника» http://inntec.ru.
4.4. Робот BigDog
Создатели киборгов из компании Boston Dynamics заменили
роботу BigDog голову на руку. Теперь он может легко и быстро
130
расшвыривать большие тяжелые предметы, например разгребать
завалы после землетрясения, пишет интернет-издание CNews.
BigDog так долго оставался в тени своих больших братьев
AlphaDog и Cheetah, что, казалось, создатели совсем о нем забыли.
Робот AlphaDog умеет переносить грузы массой до 200 кг, и он,
как кошка, всегда приземляется на ноги. Робота Cheetah научили
бегать, как гепарда, со скоростью 120 км/ч.
BigDog своим мощным манипулятором поднимает с земли
большие шлакоблоки вверх, размахивается и отшвыривает их на
несколько метров в сторону. Равновесие робота ажурной конструкции во время броска обеспечивают совершенные системы
стабилизации. Прочный каркас не дает манипулятору оторваться
от тела робота и улететь вслед за брошенным камнем под действием динамической нагрузки, которая возникает в момент
отрыва груза от захватов и превышает массу груза в 10 раз.
Boston Dynamics представила видео испытаний BigDog, на
котором он швыряется шлакоблоками. Его четыре конечности
двигаются, как у парнокопытного. Особенно натурально выглядят их движения, когда робот, отпуская шлакоблок в свободный
полет, отшатывается в противоположную сторону, а его «ноги»
перескакивают, как у коня на вираже, и возвращают роботу
равновесие. Создается впечатление, что это и есть живой конь,
только без шкуры и с рукой вместо головы. На фоне BigDog все
остальные современные роботы кажутся заторможенными.
Свою работу он может делать часами, на его месте человек
бы выбился из сил уже за 10 минут. Усовершенствованный
BigDog пригодится для разборки завалов в сложно пересеченной
местности, куда трудно добраться спасателям. Все прежние роботы «боялись» мусора, битого кирпича и стекла, торчащей из
руин арматуры, а ведь всего этого с избытком в зоне стихийных
бедствий и на поле боя. Теперь есть робот BigDog, который уверенно и быстро скачет по разгромленной местности и эффективно работает в таких условиях.
Возможно Boston Dynamics снарядит таким манипулятором
и другие свои разработки, например армейскую машину
AlphaDog. Тогда этот робот сумел бы выламывать двери, разбирать баррикады, уносить раненых из-под огня противника.
Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]