Статья

Название статьи НЕЙРОСЕТЕВОЕ РЕШЕНИЕ ЗАДАЧ УПРАВЛЕНИЯ ГЕКСАПОДОМ ДЛЯ ВСТРАИВАЕМОЙ ПЛАТФОРМЫ NVIDIA JETSON
Автор Ю. А. Жуков, Е. Б. Коротков, А. В. Мороз
Рубрика РАЗДЕЛ IV. РЕКОНФИГУРИРУЕМЫЕ И НЕЙРОСЕТЕВЫЕ ВЫЧИСЛИТЕЛЬНЫЕ СИСТЕМЫ
Месяц, год 08, 2018
Индекс УДК 681.5
DOI 10.23683/2311-3103-2018-8-231-241
Аннотация Исследования являются частью актуальных работ, проводимых БГТУ «Военмех» им. Д. Ф. Устинова при финансовой поддержке Министерства образования и науки Российской Федерации по проектированию и созданию прецизионного механизма с параллельной кинематикой типа «гексапод». Появление новых встраиваемых платформ искусственного интеллекта обуславливает интерес инженеров-исследователей к реализации на их основе современных алгоритмов управления робототехническими системами. Целью настоящей работы является получение эффективных нейросетевых решений задач управления гексаподом для современной встраиваемой вычислительной платформы NVIDIA JETSON. В работе поставлены задачи управления гексаподом, к которым относятся решение прямой и обратной задач кинематики, управление силами в ногах гексапода на основе расчета обратной модели динамики, реализующие программную траекторию в декартовых координатах. Предлагается применить нейросетевой подход для решения прямой задачи кинематики и аппроксимации обратных матриц Якоби в задаче расчета обратной модели динамики. С помощью инструментального пакета Neural Network Toolbox среды Matlab обучены нейронные сети для предложенных алгоритмов. Представлены результаты выбора архитектур нейросетей для решения прямой задачи кинематики с точностью более в 10 раз превосходящей заданную погрешность системы управления гексаподом во всем рабочем диапазоне. Показана архитектура нейросети для аппроксимации обратной матрицы Якоби. Дано математическое описание нейросетевых алгоритмов управления. Описан подход к созданию программного обеспечения для встраиваемой платформы NVIDIA JETSON. Получена CUDA-реализация разработанных алгоритмов для платформы JETSON TX1, тестирование которых показало трехкратное превосходство параллельных алгоритмов в скорости решения прямой задачи кинематики по сравнению с традиционным итерационным подходом на основе метода Ньютона-Рафсона.

Скачать в PDF

Ключевые слова Гексапод, платформа Стюарта; параллельные роботы; управление; прямая задача кинематики; матрица Якоби; обратная модель динамики; искусственные нейронные сети; встраиваемая система; CUDA; NVIDIA JETSON; Neural Network Toolbox; Matlab.
Библиографический список 1. Lung-Wen T. Robot Analysis, The Mechanics of Serial and Parallel Manipulators.
– New York: Wiley, 1999. – 520 p.
2. Merlet J.P. Parallel Robots. – Springer, 2006. – 420 p.
3. Коротков Е.Б., Матвеев С.А., Яковенко Н.Г. Пути повышения качественных показателей системы управления механизмом с параллельной структурой (гексапод, трипод) на базе российских и мировых доступных электронных компонентов // Вопросы радиоэлектроники. – 2016. – № 8. – С. 85-91.
4. Артеменко Ю.Н., Агапов В.А., Дубаренко В.В., Кучмин А.Ю. Групповое управление актуаторами контррефлектора радиотелескопа // Информационно-управляющие системы. – 2012. – № 4. – C. 2-9.
5. Пестерников А.А., Комаров С.А., Бойко С.О., Харитонов С.Г. Устройство поворота рефлектора // Решетневские чтения. – 2010. – Т. 1, № 14. – С. 80-81.
6. Рыбак Л.А., Гапоненко Е.В., Малышев Д.И. Разработка алгоритмов и управляющих программ для реализации движений выходного звена робота-гексапода для 3d-печати прецизионных изделий // Мехатроника, автоматизация, управление. – 2016. – Т. 17, № 12. – С. 821-827.
7. Stewart D. A platform with six degrees of freedom // Proc. of the Institution of mechanical engineers. – 1965. – Vol. 180. – P. 371-385.
8. Жуков Ю. А., Коротков Е. Б., Слободзян Н.С. Система управления механизмом с параллельной кинематикой для перемещения бортовых приборов КЛА на базе современного отечественного радиационно-стойкого микроконтроллера с процессорным ядром Cortex-M4F // Вопросы радиоэлектроники. – 2017. – № 7. – С. 48-54.
9. Гавриленко В.А., Жуков Ю.А., Мороз А.В. Реализация задач кинематики на микропроцессоре ARM-архитектуры для мехатронных систем управления гексаподом // Вопросы радиоэлектроники. – 2016. – № 8. – С. 92-98.
10. Campa R., Bernal J., Soto I. Kinematic Modeling and Control of the Hexapod Parallel Robot // Proceeding of American Control Conference (ACC). – 2016. – P. 1203-1208.
11. Cardona M.N. A new Approach for the Forward Kinematics of General Stewart-Gough Platforms // Proceedings of the 2015 IEEE Thirty Fifth Central American and Panama Convention (CONCAPAN XXXV). – 2015. – P. 1-6.
12. Geng Z., Haynes L. Neural network solution for the forward kinematics problem of a Stewart platform // Proceedings of IEEE International Conference on Robotics and Automation.
– 1991. – Vol. 3. – P. 2650-2655.
13. Choon seng Yee, Kah-bin Lim Forward kinematics solution of Stewart platform using neural networks. Neurocomputing. – 1997. – Vol. 16. – Issue 4. – P. 333-349.
14. Lee Hyung Sang, Myung-Chul Han The estimation for forward kinematic solution of Stewart platform using the neural network // Proceedings of IEEE/RSJ International Conference. Intelligent Robots and Systems. – 1999. – Vol. 1. – P. 501-506.
15. Parikh P.J., Lam S.Y. A Hybrid Strategy to Solve the Forward Kinematics Problem in Parallel Manipulators // IEEE Transactions on Robotics. – 2005. – Vol. 21, No. 1. – P. 18-25.
16. Рыбак Л.А., Мамаев Ю.А., Вирабян Л.Г. Синтез алгоритма коррекции траектории движения выходного звена робота-гексапода на основе теории искусственных нейронных сетей // Вестник Белгородского государственного технологического университета
им. В.Г. Шухова. – 2016. – № 12. – С. 142-151.
17. Xinxin Guo, Guixi Ke, Fengwu Zheng, Lijie Zhang Forward Kinematics Analysis of the Stewart Parallel Platform Based on the Elman Recurrent Network // Proceedings of 5th International Conference on Intelligent Human-Machine Systems and Cybernetics. – 2013. – Vol. 2.
– P. 175-177.
18. Mohammed A., Li S. Dynamic Neural Networks for Kinematic Redundancy Resolution of Parallel Stewart Platforms // IEEE Transactions on cybernetics. – 2016. – Vol. 46. – Issue 7.
– P. 1538-1550.
19. Ramesh Kumar P., Bandyopadhyay B. The forward kinematic modeling of a Stewart platform using NLARX model with wavelet network // Proceedings of 11th IEEE International Conference on Industrial Informatics. – 2013. – P. 343-348.
20. Встраиваемые системы // Официальный сайт компании NVIDIA в России. – 2018.
– URL: https://www.nvidia.ru/autonomous-machines/embedded-systems/ (дата обращения: 05.11.2018).
21. Fu K.S., Gonzalez R.C., Lee C.S. Robotics. Control, Sensing, Vision, and Intelligence. – New-York: McGraw-Hill, 1987. – 580 p.
22. Джукич Д.Й., Жуков Ю.А., Коротков Е.Б., Мороз А.В., Слободзян Н.С. Цифровое управление гексаподом на основе обратной модели динамики с реализацией на радиационно стойком ARM-микроконтроллере // Вопросы радиоэлектроники. – 2018. – № 7. – С. 103-110.
23. Neural Network Toolbox пакет расширения Matlab // Сайт центра компетенций MathWorks. 2018. 05 ноября. – URL: https://matlab.ru/products/neural-network-toolbox/ (дата обращения: 05.11.2018).

Comments are closed.