Статья 12320

Название статьи

ИССЛЕДОВАНИЕ МЕТОДА ИДЕНТИФИКАЦИИ МОДЕЛИ И МЕТОДОВ УПРАВЛЕНИЯ БЕСПИЛОТНЫМ ТРАНСПОРТНЫМ
СРЕДСТВОМ ПО ПРОСТРАНСТВЕННОЙ ТРАЕКТОРИИ 

Авторы

Прокопьев Игорь Витальевич, доктор технических наук, ведущий научный сотрудник, Федеральный исследовательский центр «Информатика и управление» Российской академии наук, (Вычислительный центр им. А. А. Дородницына РАН)(Россия, г. Москва,ул. Вавилова, 44, стр.2) fvi2014@list.ru
Софронова Елена Анатольевна, кандидат технических наук, доцент, старший научный сотрудник, Федеральный исследовательский центр
«Информатика и управление» Российской академии наук (Вычислительный центр им. А. А. Дородницына РАН)(Россия, г. Москва, ул. Вавилова, 44, стр. 2) sofronova_ea@mail.ru

Индекс УДК

658.62.018.012 

DOI

10.21685/2307-4205-2020-3-12 

Аннотация

Приведены результаты идентификации нелинейной модели беспилотного транспортного средства в симуляторе Gazebo на основе нейросетевой авторегрессионной модели. Сложность данной задачи заключается в том, что динамические характеристики объекта управления могут существенно меняться. Данные о движении по пространственной траектории беспилотного транспортного средства для обучающей выборки были получены в Робототехни- ческом центре ФИЦ ИУ РАН. Параметры модели были найдены методом роя частиц. С помощью идентифицированной модели экспериментально были сравнены методы управления в реальном времени. Управление осуществлялось на основе ПИД-регулятора, метода прогнозного управления и идентификатора на основе искусственных нейронных сетей. В сравнительном эксперименте для более точной оценки метода идентификации модель была подвергнута случайным воздействиям, траектория движения объекта управления была существенно усложнена. 

Ключевые слова

идентификация, беспилотное транспортное средство, отслеживание траектории.

 

 Скачать статью в формате PDF

Список литературы

1. Льюнг, Л. Идентификация систем / Л. Льюнг. – Москва : Наука, 1991. – 432 с.
2. Пупков, К. А. Статистические методы анализа, синтеза и идентификации нелинейных систем автоматического управления / К. А. Пупков, Н. Д. Егупов, А. И. Трофимов. – Москва : МГТУ им. Баумана, 1998. –562 с.
3. Круглов, В. В. Искусственные нейронные сети. Теория и практика / В. В. Круглов, В. В. Борисов. – Москва :Горячая линия – Телеком, 2002. – 382 с.
4. Рутковская, Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – Москва : Горячая линия – Телеком, 2004. – 452 с.
5. A Survey of Motion Planning and Control Techniques for Self-driving Urban Vehicles / B. Paden, M. Cáp,S. Z. Yong, D. Yershov, E. Frazzoli // IEEE Transaction on intelligent vehicles. – 2016. – DOI10.1109/TIV.2016.257806.КорпусID:1229096
6. Fairchild, C. ROS Robotics By Example / C. Fairchild, T. L. Harman. – Packt Publishing, 2016.
7. Gazebo. – URL: http://gazebosim.org/
8. Дарьина, А. Н. Робототехнический центр ФИЦ ИУ РАН / А. Н. Дарьина, А. И. Дивеев, И. В. Прокопьев //Вопросы теории безопасности и устойчивости систем. – 2019. – Вып. 21. – C. 66–77.
9. Kingma, D. P. A Method for Stochastic Optimization / D. P. Kingma, J. A. Ba // 3rd International Conference for Learning Representations. arXiv:1412.6980v8 [cs.LG]. – San Diego, 2015. – 15 p. – URL:https://arxiv.org/pdf/1412.6980v8.pdf
10. Lindfield, G. Particle Swarm Optimization Algorithms // Introduction to Nature-Inspired Optimization / ed. by George Lindfield, John Penny. – Academic Press, 2017. – P. 49–68. – URL: https://doi.org/10.1016/B978-0-12- 803636-5.00003-7.
11. Дивеев, А. И. Синтез системы управления – задача тысячелетия / А. И. Дивеев, К. А. Пупков, Е. А. Софронова // Вестник РУДН, Сер.: Инженерные исследования. – 2011. – № 2. – С. 113–125.
12. Mehta, B. R. Advanced process control systems // Industrial Process Automation Systems / ed. by B. R. Mehta, Y. J. Reddy. – Butterworth-Heinemann, 2015. – P. 547–557. – URL: https://doi.org/10.1016/B978-0-12-800939- 0.00019-X
13. Huang, B. Dynamic Modeling, Predictive Control and Performance Monitoring: A Data-driven Subspace Approach, Lecture Notes in Control and Information Sciences / B. Huang, R. Kadali. – Springer, 2008. – 241 p.
14. Pham, D. Neural Networks for Identification, Prediction and Control / D. Pham, X. Liu. – Springer, 1995. – 238 p.
15. Marquardt, D. An algorithm for least-squares estimation of nonlinear parameters / D. Marquardt // SIAM J. Appl. Math. – 1963. – № 11. – P. 164–168.
16. Levenberg, K. A Method for the solution of certain nonlinear problems in least squares / K. Levenberg // Quart. Appl. Math. – 1944. – № 2. – P. 164–168.
17. Broyden, C. G. Quasi-Newton methods and their applications to function minimization / C. G. Broyden // Journal of the American Mathematical Community. – 1967. – Vol. 21. – P. 368–381.

 

Дата создания: 03.11.2020 14:41
Дата обновления: 24.11.2020 11:12