CC BY
51
94
УДК 629.113:621-52
А. М. Арзуметов, Е. В. Корягин,
С. С. Орешков, О. В. Толстель
НЕКОТОРЫЕ РЕЗУЛЬТАТЫ МОДЕЛИРОВАНИЯ УПРАВЛЕНИЯ АВТОМОБИЛЕМ-РОБОТОМ
Описана концепция управления автоматическим мобильным объектом на основе сохранения извлекаемых умений в составляющих системы нечёткого вывода, описана созданная в специализированной среде физической симуляции виртуальная модель автомобиля. Рассмотрен этап парковки и достигнутые результаты.
Concept of mobile automotive object control system, based on skills extraction and fuzzy logic is described. Virtual model of vehicle, created in specialized simulation environment is described. Parking phase and achieved results are considered.
Ключевые слова: треугольные, трапециевидные и гауссовы функции принадлежности, виртуальные парковки, парковочная ниша, маневр, база нечетких правил, лингвистические и нечеткие переменные.
Key words: triangular, trapezoidal and Gaussian membership functions, virtual parking lots, parking niche, maneuver, base of fuzzy rules, linguistic and fuzzy variables.
1. Извлечение умений как метод построения интеллектуальных систем управления
Управление парковкой автомобиля нечеткой системой, умеющей обучаться как нейросеть, предложенное в [1], было развито до управления любыми маневрами автомобиля на основе извлекаемых у водителя умений в [2]. Общая схема такой системы представлена на рисунке 1. Центральным блоком, где извлеченные умения сохраняются в виде базы правил и графиков функций принадлежности, является блок 6 с системой нечеткого вывода (СНВ). Наличие вспомогательных блоков 5, 7—9, содержащих нейросети и генетические алгоритмы, ставит такой объект в категорию гибридов искусственного интеллекта.
2. Моделирование системы управления автомобилем.
Натурные и виртуальные эксперименты
Изучалась задача автоматической парковки по показаниям ультразвуковых датчиков расстояния до препятствий. На базе фреймворка Microsoft Robotics Studio 2008 был разработан сервис симуляции парковки ParkCar, взаимодействующий со встроенными компонентами фреймворка. Общая структура всего средства приводится на рисунке 2 слева, а результат визуализации физической картины мира — справа.
Эффективность таких моделей отмечена, в частности, в [3]. Для удобства виртуальный автомобиль настроен на управление от стандартных игровых устройств (рис. 3). Было создано несколько автомобилей разных размеров, исследованы парковочные траектории при различных размерах и ориентации парковочных ниш, различных габаритах автомобилей и расстояниях до боковой помехи. Данные поверялись по натурным экспериментам.
Вестник Балтийского федерального университета им. И. Канта. 2012. Вып. 10. С. 94—98.
2 4
Факторы 1-й группы (датчики Факторы 2-й группы
параметрических сигналов) (камеры СТЗ)
Блок обработки параметрических сигналов
Блок анализа и создания кластеров ситуации
Блок обработки видеосигналов
8 6 7
Блок с НС Блок баз правил н СНВ Блок с Г А1
9 1 10
Блок с ГА2 Блок контроллеров
95
11
Приводы исполнительных механизмов
Рис. 1. Общая схема управления автомобилем-роботом
Рис. 2. Виртуальный автомобиль: как взаимодействие сервисов и внешний вид
Рис. 3. Проведение виртуальных экспериментов
3. Полученные результаты
Реализованная нечеткая система, работающая на методе Мамдани, использует Мах-тіп композицию, или максиминную нечеткую свертку двух отношений Я1 и Я2, являющуюся отношением Я1 ◦ Я2 на и х Щ с функцией принадлежности, вычисляемой по формуле [4]
^„К2 (Х г) = тах(тіп(цКі (x, у\ ^ (у, z))),
12 у еУ 1 2
где и и Щ — универсумы. Важно то обстоятельство, что для нее в 1995 г.
____ Кастро доказана теорема о том, что такая система является универсаль-
96 ным аппроксиматором [4], при следующих условиях.
1. Используется набор п правил нечеткого логического вывода:
правило і: если « Рі:і есть аі » и « Рі2 есть а." », то « Рі3 есть Юі ».
2. Значения лингвистических переменных а ■, аі', юі — нечеткие множества с симметричными треугольными функциями принадлежности:
V -\Ьі - У|
Щ " ’ ’ " ЦаГ=1
0 в противном случае,
М ai =i
u■ - a -x
v, -i "■ n і Л ■„ y є [bi- v, b + v ]
vi
О впротивном случае,
=i
-, z є c - wt, ct + wt J
wi
0 впротивном случае.
3. Агрегирование в правилах осуществляется ргод-конъюнкцией.
4. Применяется тіп-активизация логического вывода.
5. Четкие выходные значения получаются центроидным методом.
В таблице и на рисунке 4 даны графики функций принадлежности входных лингвистических переменных «расстояния до препятствия» (в сантиметрах), выдаваемых 8 ультразвуковыми датчиками. В левой части таблицы и на верхнем графике рисунка 4 представлены данные обработки результатов натурных испытаний на автомобиле. После проведения виртуальных испытаний с широким диапазоном параметров, указанным выше, графики функций входных лингвистических переменных были уточнены и приняли вид, показанный в нижней части рисунка и в правой части таблицы.
Данные обработки результатов натурных испытаний
close — «впритык» трапециевидная, [0 0 30 75] gaussmf, [40 0]
small — «близко» треугольная, [60 120 180] gaussmf, [20 125]
middle — «средне» треугольная, [150 187 225] gaussmf, [10 185]
large — «отдаленно» треугольная, [195 255 315] gaussmf, [30 285]
far — «далеко» трапециевидная, [300 350 645 645] gaussmf, [110 645]
О ЮО 200 300 400 500 600
Рис. 4. Графики функций принадлежности каждой входной лингвистической переменной «расстояние до препятствия»
По результатам серии виртуальных экспериментов также были уточнены графики, описывающие термы выходной лингвистической переменной «угол поворота руля» (в угловых градусах). Исходные графики составляли семь нижеприведенных термов, представленных в верхней части рисунка 5:
1) NB (negative_big) — «полный влево»;
2) NM (negative_middle) — «средне влево»;
3) NS (negative_small) — «немного влево»;
4) zero — «около нуля»;
5) PS (pozitive_small) — «немного вправо»;
6) PM (positive_middle) — «средне вправо»;
7) PB (positive_big) — «полный вправо».
Рис. 5. Графики функций принадлежности выходной лингвистической переменной «угол поворота руля»
Уточненные термы представлены в нижней части рисунка S.
1) NM (negative_middle) — «средне влево», треугольная, [-7S -7S -55];
2) NS (negative_small) — «немного влево», треугольная, [-65 -36 -7];
3) ZE1 (zero) — «около нуля слева», треугольная, [-16 -1 14];
4) ZE2 (zero) — «около нуля справа», треугольная, [-14 1 16];
5) PS (pozitive_small) — «немного вправо», треугольная, [7 36 65];
6) PM (positive_middle) — «средне вправо», треугольная, [55 75 75].
Список литературы
1. Толстель О. В., Арзуметов А. М. Патент на полезную модель «Автономное
адаптивное устройство управления мобильным объектом». № 78456 от
27.11.2008, приоритет от 04.08.2008.
2. Толстель О. В. Патент на группу изобретений «Автоматическая система управления мобильным объектом и способ управления». № 2451593 от 27.05.2012, приоритет от 24.03.2009.
3. Зыков А. Г., Меженин А. В., Поляков В. И. Виртуальные 3D-среды как средство верификации и тестирования робототехнических систем // Гибридные и синергетические интеллектуальные системы: теория и практика : материалы 1-го международного симпозиума. Ч. 2. Калининград, 2012. С. 128 — 134.
4. Леоненков А. В. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб., 2003.
Об авторах
Андрей Маратович Арзуметов — генеральный директор ООО «Апнекон», Калининград.
E-mail: [email protected].
Евгений Викторович Корягин — инженер ЗАО «Неолант-Тенакс», Калининград.
E-mail: koryagin. [email protected].
Сергей Сергеевич Орешков — асп., Балтийский федеральный университет им. И. Канта.
E-mail: green. [email protected].
Олег Владимирович Толстель — канд. техн. наук, доц., Балтийский федеральный университет им. И. Канта.
E-mail: [email protected].
Authors
Andrey Arzumetov — chief of LTD «Apnekon», Kaliningrad.
E-mail: [email protected].
Evgeniy Koryagin — engineer of company «Neolant-Tenax».
E-mail: [email protected].
Sergey Oreshkov — PhD student, I. Kant Federal University.
E-mail: [email protected].
Dr Oleg Tolstel' — assistant professor, I. Kant Baltic Federal University.
E-mail: [email protected].
