Статья

Название статьи ПРИМЕНЕНИЕ МУЛЬТИАГЕНТНЫХ ТЕХНОЛОГИЙ ДЛЯ УПРАВЛЕНИЯ ГРУППОЙ АВТОНОМНЫХ НЕОБИТАЕМЫХ ПОДВОДНЫХ АППАРАТОВ
Автор А.И. Машошин, П.О. Скобелев
Рубрика РАЗДЕЛ II. МОРСКАЯ РОБОТОТЕХНИКА
Месяц, год 01, 2016
Индекс УДК 629.58
DOI
Аннотация Рассматриваются принципы построения распределенной мультиагентной системы для управления группировкой («роем») автономных необитаемых подводных аппаратов (АНПА) для распределенного решения задачи патрулирования заданной территории. Предлагается новая методическая основа для разработки распределенных интеллектуальных систем коллективного управления подвижными робототехническими объектами нового поколения, которая позволит решать важные задачи согласованной деятельности коллектива (роя) роботов и обеспечит такие важные преимущества, как гибкость и эффективность, производительность и масштабируемость, надежность и живучесть системы. Автономность АНПА обеспечивается наличием индивидуальной интеллектуальной системы управления (ИСУ) каждым аппаратом, способной реагировать на события, планировать свою работу по достижению цели и коммуницировать с другими аппаратами. В этих целях в качестве основы построения ИСУ выбрана мультиагентная технология, позволяющая создавать открытые к изменениям планы, оперативно, гибко и эффективно перестраивать их по событиям и добиваться исполнения заданной миссии несмотря на любые возмущающие события. Программные агенты миссии, задач, маршрутов, квадратов наблюдения, аппаратов и других реcурсов разрабатываемой системы призваны решать свои локальные задачи: обеспечение наблюдения за определенным квадратом акватории, выбор безопасного маршрута (без столкновений), поддержание необходимого запаса заряда батарей, обеспечение сеансов связи с базой, идентификация определенных целей (задач для каждого АНПА). Согласование своих действий каждый агент АНПА производит в согласованных запланированных временных окнах, которые подвижны и могут перераспределяться между ресурсами и сдвигаться по времени в зависимости от ситуации для решения конфликтов. При невозможности выполнения, задачи передаются другим агентам, с возможной потерей качества или эффективности выполнения заданий. Предлагаемый метод адаптивного планирования базируется на введении функций удовлетворенности каждого агента системы, которые описывают отклонения атрибутов параметров от желаемых идеальных значений. Каждый агент получает описание предметной области из локальной онтологии, являющейся частью онтологии региона. Текущее состояние сцены формируется путем коррекции онтологических сцен отдельных агентов, при этом на инструментальном уровне поддерживается непротиворечивость данного состояния системы агентов. Общая направленность поведения агентов задается в онтологии, поведение агентов направлено на получение локально оптимальных параметров. В текущей сцене возможны временные ухудшения состояний отдельных агентов, однако динамическая эволюция всей системы связана с автоматической адаптацией в требуемом направлении. Потеря одного или нескольких аппаратов не приводит к срыву задания, а только увеличивает время его выполнения, возможно, с худшим качеством и меньшей вероятностью. Общий принцип построения распределенной системы управления группировкой АНПА требует применения сетецентрческого подхода в создании мультиагентной «системы систем», согласованно взаимодействующих на базе р2р принципов между собой через общую шину. При этом появляется возможность создать систему как самоорганизующуюся, в которой директивный командный центр по принятию решений, сохраняя при этом все возможности для постановки задач, координации и оценки результатов, не командует процессами, а использует, катализируя, прямое взаимодействие систем между собой для согласования решений, что и позволяет моделировать появление феномена нового типа «командного интеллекта» у группировки («интеллект роя»). Главный принцип такого рода сетецентрических систем может быть сформулирован следующим образом: задача должна решаться так локально, как это только возможно, но при этом и так глобально, как это требует развитие ситуации. Предлагается распределенная архитектура сетецентрической системы управления группировкой АНПА, рассматриваются основные модули архитектуры и их взаимодействие. Дается анализ преимуществ создаваемой системы, намечаются пути ее реализации и применения.

Скачать в PDF

Ключевые слова Автономный необитаемый подводный аппарат; мультиагентные технологии; планирование в реальном времени; сетецентрические системы.
Библиографический список 1. Агеев, М.Д. и др. Автономные подводные роботы. Системы и технологии. – М.: Наука, 2005. – 400 с.
2. Инзарцев А.В. и др. Применение автономного необитаемого подводного аппарата для научных исследований в Арктике // Подводные исследования и робототехника. – 2007. – № 2 (4). – C. 5-14.
3. Гизитдинова М.Р., Кузьмицкий М.А. Мобильные подводные роботы в современной океанографии и гидрофизике // Фундаментальная и прикладная гидрофизика. – 2010. – Т. 3, No. 1. – C. 4-13.
4. Боженов Ю.А. Использование автономных необитаемых подводных аппаратов для исследования Арктики и Антарктики // Фундаментальная и прикладная гидрофизика. – 2011. – Т. 4, № 1. – С. 4-68.
5. Millar G., Mackay L. Maneuvering under the ice // Sea technology. – 2015. – Vol. 56, No. 4. – P. 35-38.
6. Илларионов Г.Ю., Сиденко К.С., Бочаров Л.Ю. Угроза из глубины: XXI век. – Хабаровск: КГУП "Хабаровская краевая типография", 2011. – 304 с.
7. Ghabcheloo R., Pascoal A., Silvestre C., Kaminer I. Nonlinear Coordinated Path Following Control of Multiple Wheeled Robots with Bidirectional Communication Constraints // International Journal of adaptive control and signal processing. – 2007. – No. 20. – P. 133-157.
8. Вельтищев В.В., Егоров С.А., Кропотов А.Н., Кулешов В.И., Гурьев А.В. Особенности разработки навигационного обеспечения группировки АНПА // Фундаментальная и прикладная гидрофизика. – 2014. – Т. 7, № 2. – С. 41-45.
9. Сахаров В.В., Чертков А.А., Тормашев Д.С. Алгоритм оптимального планирования группового взаимодействия роботов // Морской вестник. – 2014. – № 4 (52). – C. 119-122.
10. Ducatelle F., Di Caro C. P., Gambardella L. M. Self-organized cooperation between robotic swarms // Swarm Intelligence. –2011. –Vol. 5, No. 2. – P. 73-96.
11. Khaldi B., Cherif F. An Overview of Swarm Robotics: Swarm Intelligence Applied to Multirobotics // International Journal of Computer Applications (0975–8887). – 2015. – Vol. 126, No. 2. – P. 31-37.
12. Trianni V. and Nolfi S. Engineering the evolution of self-organizing behaviors in swarm robotics: A case study // Artificial Life. – 2011. – Vol. 17, No. 3. – P. 183-202.
13. Khamis A., Ahmed Hussein and Ahmed Elmogy. Multi-robot Task Allocation: A Review of the State-of-the-Art // In: Cooperative Robots and Sensor Networks 2015, Studies in Computational Intelligence. A. Koubвa and J.R. Martнnez-de Dios (eds.). Springer, Switzerland. – 2015. – P. 31-51.
14. Kamrani F. Using On-line Simulation in UAV Path Planning // DS-RT '07 Proceedings of the 11th IEEE International Symposium on Distributed Simulation and Real-Time Applications. – IEEE Computer Society 2007. – P. 167-174.
15. Ergezer H., Leblebicioğlu K. 3D path planning for multiple UAVs for maximum information collection //Journal of Intelligent & Robotic Systems. – 2014. – Vol. 73, No. 1-4. – P. 737-762.
16. Austin R. Unmanned aircraft systems UAVs design, development and deployment. – 1st ed. Wiley Aerospace Series, United Kingdom. – 2010. – P. 221-226.
17. Kuremoto T., Obayashi M., Kobayashi K. Neuro-Fuzzy Systems for Autonomous Mobile Robots // Horizons in Computer Science Research (ed. T. S. Clary). 2013. N.Y., USA. – Vol. 8. – P. 67-90.
18. Soares J.M., Aguiar A. P., Pascoal A.M., Martinoli A. Joint ASV/AUV Range-Based Formation Control: Theory and Experimental Results. Proc. of ICRA 2013 - IEEE International Conference on Robotics and Automation, Karlsruhe, Germany. – P. 5579-5585.
19. Antonelli G., Arrichiello F., Chiaverini S. Experiments of Formation Control with Collisions Avoidance using the Null-Space-Based Behavioral Control. Intelligent Service Robotics. – 2008. – Vol. 1, No 1. – P. 27-39.
20. Bшrhaug E., Pavlov A., Ghabcheloo R., Pettersen K.Y., Pascoal A., Silvestre C. Formation Control of Underactuated Marine Vehicles with Communication Constraints. Proceedings 7th IFAC Conference on Manoeuvring and Control of Marine Craft. Lisbon. Portugal. 2006.
21. Marino A., Antonelli G., Aguiar A. Pedro., Pascoal A., Chiaverini S. A decentralized strategy for multi-robot sampling/patrolling: theory and experiments. IEEE Transactions on Control Systems Technology. – 2015. – Vol. 23, No. 1. – P. 313-322.
22. Городецкий В.И., Грушинский М.С., Хабалов А.В. Многоагентные системы (обзор) // Новости искусственного интеллекта. – 1998. – № 2. – C. 64-116.
23. Skobelev P. Multi-Agent Systems for Real Time Adaptive Resource Management // Industrial Agents: Emerging Applications of Software Agents in Industry. Paulo Leitгo, Stamatis Karnouskos (Ed.). Elsevier. – 2015. – P. 207-230.
24. Скобелев П.О. Мультиагентные технологии в промышленных применениях: к 20-летию основания Самарской научной школы мультиагентных систем // Мехатроника, автоматизация, управление. – 2010. – № 12. – С. 33-46.
25. Скобелев П.О. Интеллектуальные системы управления ресурсами в реальном времени: принципы разработки, опыт промышленных внедрений и перспективы развития // Приложение к теоретическому и прикладному научно-техническому журналу «Информационные технологии». – 2013. – № 1. – С. 1-32.
26. Ржевский Г.А., Скобелев П.О. Как управлять сложными системами? Мультиагентные технологии для создания интеллектуальных систем управления предприятиями. – Самара: Офорт, 2015. – 290 с.
27. Виттих В.А., Скобелев П.О. Метод сопряженных взаимодействий для управления распределением ресурсов в реальном масштабе времени // Автометрия. – 2009. – № 2. – С. 78-87.
28. Виттих В.А., Скобелев П.О. Мультиагентные модели взаимодействия для построения сетей потребностей и возможностей в открытых системах // Автоматика и телемеханика, – 2003. – № 1. – С. 177-185.
29. Будаев Д.С., Вощук Г.Ю., Гусев Н.А., Майоров И.В., Мочалкин А.Н. Разработка системы согласованного управления группой беспилотных аппаратов с применением мультиагентных технологий // Известия ЮФУ. Технические науки. – 2015. – № 10 (171). – С. 18-28.
30. Belousov A.A., Skobelev P.O., Stepanov M.E. Network-centric approach to adaptive real-time train scheduling in large-scale railway systems / Y. Tan et all. (Eds.) // Proceedings of the Sixth International Conference on Swarm Intelligence (ICSI 2015), 26-29 June, 2015, Beijing, China. Part II. – LNCS 9141. – Springer, 2015. – P. 290-299.
31. P. Skobelev, E. Simonova & A. Zhilyaev. Using multi-agent technology for distributed management of cluster of remote sensing satellites // International Journal of Design & Nature and Ecodynamics. – WIT Press, vol. 11(2016), is. 2. – P. 127-134.
32. Skobelev P., Simonova E., Zhilyaev A. Application of Ontology in Smart System for Distributed Management of Small Satellites Groups // Proceedings of the PAAMS 2016 International Workshops, 1-3 June, 2016, Sevilla, Spain. 2016. – Communications in Computer and Information Science series, vol. 0430. –Spinger, Switzerland. – P. 1-12.

Comments are closed.