ВЫБОР МУЛЬТИАГЕНТНОЙ АРХИТЕКТУРЫ ПРИ РАЗРАБОТКЕ СИСТЕМЫ УПРАВЛЕНИЯ АВТОНОМНОГО НЕОБИТАЕМОГО ПОДВОДНОГО АППАРАТА
Аннотация
Рассмотрена задача выбора наиболее целесообразной архитектуры мультиагентной системы управления автономного необитаемого подводного аппарата, так как от выбора архитектуры системы управления во многом зависит эффективность функционирования всего аппарата в целом. Системы управления современных сложных многофункциональных автономных необитаемых подводных аппаратов представляют собой, в подавляющем большинстве, мультиагентные системы, в результате чего возникает задача выбора наи-более подходящей архитектуры мультиагентной системы управления из широко многооб-разия разработанных к настоящему времени разновидностей архитектур, преимущест-венно в экономической сфере и сфере производства. Целью работы явилось обоснование выбора из широкого многообразия имеющихся мультиагентных архитектур такой разно-видности мультиагентной архитектуры, которая в наибольшей степени обеспечивала бы эффективное функционирование автономного необитаемого подводного аппарата. Для этого в работе рассмотрены отличительные черты мультиагентых систем от систем с акторами и объектами. Рассмотрены различные архитектуры мультиагентных систем, проанализированы особенности морской робототехники и приведен пример применения мультиагентной архитектуры в системе управления зарубежного сложного многотонного автономного необитаемого подводного аппарата ZT-AUV. В результате проведенного анализа выявлено, что выбор наиболее подходящей архитектуры системы управления оп-ределяется конкретными задачами, для решения которых предназначен проектируемый автономный необитаемый подводный аппарат. Необходимость успешного решения задач, стоящих перед автономным необитаемым подводным аппаратом, позволила сформиро-вать критерии для выбора наиболее подходящей разновидности архитектуры автономно-го необитаемого подводного аппарата. В качестве таких критериев в работе предложено использовать нефункциональные требования (non-functional requirement - NFR) в виде сле-дующих критериев: работа мультиагентной системы в режиме реального времени, коор-динация функционирования агентов, предсказуемость их поведения, коммуникации агентов между собой, адаптация поведения агентов к изменению внешней и внутренней обстанов-ки, отказоустойчивость и масштабируемость мультиагентной системы. Кроме того, определен математический аппарат, позволяющий получить единую качественную и коли-чественную оценку по результатам обработки результатов выполнения критериев выбо-ра. Единые оценки используются затем для проведения сравнительного анализа при выборе наиболее подходящей архитектуры мультиагентной системы. Для формирования единой оценки предложено использовать алгоритм распространения меток (the Label Propagation algorithm – LPA). Описано, как для его использования необходимо сформировать граф целей и подцелей, и затем по определенным правилам произвести последовательно оценку рас-сматриваемых альтернативных разновидностей архитектур мультиагентных систем. В качестве примера приведены результаты сравнительного анализа различных разновид-ностей архитектур мультиагентных систем управления автономного необитаемого под-водного аппарата на основе их качественных оценок. Разработаны рекомендации по ис-пользованию предложенного в работе подхода к выбору наиболее подходящей архитекту-ры для рассматриваемого аппарата.
Литература
2. Shvetsov A.N. Agentno-orientirovannye sistemy: ot formal'nykh modeley k promyshlennym prilozheniyam [Agent-based systems: from formal models to industrial applications]. Availa-ble at: http://www.ict.edu.ru/ft/005656/62333e1-st20.pdf (accessed 10 April 2019).
3. Innocenti Badano B.M. A multi-agent architecture with distribution for an autonomous robot // 2009 Universitat de Girona. Available at: https://www.tdx.cat/bitstream/handle/10803/ 7749/Tbi1de1.pdf;sequence=1.
4. Mahyuddin M.N., Arshad M.R. Classes of Control Architectures for AUV. Available at: https://core.ac.uk/download/pdf/11936563.pdf. 2000.
5. Pshikhopov V.Kh., Medvedev M.Yu., Gaiduk A.R., Gurenko B.V. Control System Design for Autonomous Underwater Vehicle, Latin American Robotics Symposium and Competition, 2013. Arequipa, Peru. DOI: 10.1109/LARS.2013.61.
6. Luciano O. FreireaLucas M. Oliveiraa Rodrigo T.S. Valea Maiá Medeirosb Rodrigo E.Y. Dianaa Rubens M. Lopesb Eduardo L. Pellinic Ettore A. de Barrosa. Development of an AUV control architecture based on systems engineering concepts, Ocean Engineering, 1 March 2018, Vol. 151, pp. 157-169.
7. Christopher Iliffe Sprague, Özer Özkahraman, Andrea Munafo, Rachel Marlow, Alexander Phillips, Petter Ögren. Improving the Modularity of AUV Control Systems using Behaviour Trees // Submitted to 2018 IEEE OES Autonomous Underwater Vehicle Symposium. Availa-ble at: https://www.groundai.com/project/improving-the-modularity-of-auv-control-systems-using-behaviour-trees/ (accessed 14 May 2019).
8. Mohanad M. Hammad Trajectory following and stabilization control of fully actuated AUV using inverse kinematics and self-tuning fuzzy PID, 2017, No. 6. Available at: https://doi.org/10.1371/journal.pone.0179611 (accessed 14 May 2019).
9. Annamalai A., Motwani A., Sharma S.K., Sutton R. Navigation Technique for Integration in the Guidance and Control of an Uninhabited Surface Vehicle, The Journal Of Navigation, 2015, Vol. 68, pp. 750-768.
10. Bong SeokPark. Adaptive formation control of under actuated autonomous underwater vehi-cles, Elsevier, Ocean Engineering, 2015, Vol. 96. DOI: 10.1002/acs.2886. Available at: https://www.researchgate.net/publication/324779248_Adaptive_formation_control_of_autonomous_underwater_vehicles_with_model_uncertainties_Adaptive_formation_control (accessed 14 May 2019).
11. Thor I. Fossen, and Anastasios M. Lekkas. Direct and indirect adaptive integral line-of-sight pathfollowing controllers for marine craft exposed to ocean currents, International Journal of Adaptive Control And Signal Processing, 2015, Vol. 31, Issue 4. Special Issue: Adaptive Con-trol and Signal Processing in Marine Systems. April 2017, pp. 445-463. Available at: https://onlinelibrary.wiley.com/doi/pdf/10.1002/acs.2550 (accessed 14 May 2019).
12. Kim M., Hangil Joe and Son-Ceol Yu. Dual-loop robust controller design for autonomous un-derwater vehicle under unknown environmental disturbances, Electronics Letters, 2016, Vol. 52, No. 5, pp. 350-352.
13. Pshikhopov V., Chernukhin Y., Guzik V., Medvedev M., Gurenko B., Piavchenko A., Saprikin R., Pereversev V., Krukhmalev V. Implementation of Intelligent Control System for Autonomous Underwater Vehicle, Applied Mechanics and Materials, 2015, Vol. 701-702, pp. 704-710. Doi: 10.4028/www.scientific.net/AMM.701-702.704.
14. Lei Zhang, Da Peng Jiang, Jin Xin Zhao. The Basic Control System of an Ocean Exploration AUV, Applied Mechanics and Materials, Vol. 411-414, pp. 1757-1761. Available at: https://doi.org/10.4028/www.scientific.net/AMM.411-414.1757.
15. Gurenko B.V., Fedorenko R., Beresnev M., Saprykin R. Development of Simulator for Intelli-gent Autonomous Underwater Vehicle, Applied Mechanics and Materials, 2015, Vol. 799-800, pp. 1001-1005. Available at: http://dx.doi.org/10.4028/www.scientific.net/AMM.799-800.1001.
16. Kostukov V.A., Kulchenko A.E., Gurenko B.V. Model parameters research procedure for un-derwater vehicle, Proc. of XXXVI-XXXVII international conference, No. 11-12 (35). Novosi-birsk, SIBAK, 2015, pp. 75-59.
17. Pshikhopov V., Medvedev M., Krukhmalev V., Shevchenko V. Base Algorithms of the Direct Adaptive Position-Path Control for Mobile Objects Positioning, Applied Mechanics and Mate-rials, 2015, Vol. 763 (2015), pp. 110-119. © Trans Tech Publications, Switzerland. Doi: 10.4028/www.scientific.net/AMM.763.110.
18. Giorgini P., Kolp M., Mylopoulos J. Multi-agent architectures as organizational structures, Autono-mous Agent and Multi-Agent Systems, 2006, 13:1-2. Available at: https://www.academia.edu/ 2731942/Multi-agent_architectures_as_organizational_structures. (accessed 21 April 2019).
19. Giorgini P., Mylopoulos J., Nicchiarelli E., Sebastiani R. Reasoning with goal models, In Proceed-ings of the 21st International Conference on Conceptual Modeling (ER 2002), Tampere, Finland, October 2002. DOI: 10.1007/3-540-45816-6_22. Available at: https://www.researchgate.net/ publi-cation/ 226665392_Reasoning_with_Goal_Models (accessed 21 April 2019).
20. Zhang L, Jiang D, Zhao J and Ma S. Anю AUV for Ocean Exploring and its Motion Control System Architecture, The Open Mechanical Engineering Journal, 2013, No. 7, pp. 40-47.
21. Non-functional requirement. Available at: https://en.wikipedia.org/wiki/Non-functional_ requirement (accessed 21 April 2019).
22. The Label Propagation algorithm. Available at: https://neo4j.com/docs/graph-algorithms/ cur-rent/algorithms/label-propagation/index.html (accessed 21 April 2019).