ПРОЕКТИРОВАНИЕ СИСТЕМЫ УПРАВЛЕНИЯ И ОБЕСПЕЧЕНИЕ АВТОНОМНОСТИ ДЛЯ МОБИЛЬНОГО ДВУХКОЛЕСНОГО РОБОТА

Аннотация

Управление с прогнозированием (Model Predictive Control) – это усовершенствован-
ный метод управления процессами, который используется при соблюдении набора ограни-
чений. С инженерной точки зрения MPC-метод проектирования систем управления явля-
ется привлекательным, т.к. является сравнительно простым при проектировании, в том
числе для решения сложных производственных задач. Данный метод схож с классическим
синтезом системы управления на основе линейно-квадратичного регулятора (LQR). Ключе-
вое различие между MPC и LQR заключается в том, что управление с прогнозированием
решает задачу оптимизации в пределах скользящего временного горизонта, в то время как
линейно-квадратичный метод используется для решения той же задачи фиксированное
временное окно. В работе рассматривается способ построения системы управления для
двухколесного мобильного робота с использованием Model Predictive Control. Приведен про-
цесс построения математической модели механической системы робота, а также выпол-
нена линеаризация полученной модели. Представлены основные принципы построения сис-
темы управления на основе MPC для линейных систем без внешних возмущений, а также с
использованием наблюдателя для оценки состояний модели при влиянии аддитивных белых
гауссовских шумов. Рассмотрен вариант синтеза системы управления с накладываемыми
ограничениями на входной сигнал. Также представлен способ определения положения двух-
колесного робота в пространстве с помощью системы технического зрения, которая ос-
нована на использовании искусственной нейронной сети. Приведена архитектура модели,
использующаяся совместно со стереокамерой, с помощью которой реализуется построе-
ние карты глубины изображения. В качестве архитектуры нейронной сети используется,зарекомендовавшая себя модель YOLOv3. В работе описываются модели, которые неспо-
собны проводить обработку данных в режиме реального времени. Помимо вышеперечис-
ленного в работе подробно описывается принцип работы модели глубокого обучения –
YOLOv3, которая основана на нескольких блоках обработки входных данных. Представле-
но подробное описание реализации стереокамеры в связке с моделью искусственной ней-
ронной сети с помощью языка программирования Python и библиотек для работы с видео-
данными и стереокамерой.