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.