Найти

Результаты поиска

• УПРАВЛЕНИЕ МУЛЬТИРОБОТИЗИРОВАННЫМИ СИСТЕМАМИ НА ОСНОВЕ СКОЛЬЗЯЩИХ РЕЖИМОВ ВЫСОКОГО ПОРЯДКА

  Нанданвар Анудж , Л. А. Рыбак , Д. А. Дьяконов

  72-83

  2025-11-10

  Аннотация ▼

  Рассматривается задача управления мультиагентной роботизированной системой второго порядка с дискретным временем в условиях сетевых задержек. Предложен новый подход к управлению формированием агентов, основанный на скользящем режиме высшего порядка и облачных технологиях. Для описания взаимодействия между агентами используется теория графов, где матрица Лапласа  представляет канал связи между агентами и лидером. Динамика системы описывается уравнениями движения для положения и скорости каждого агента. Особое внимание уделяется влиянию сетевых задержек, возникающих при передаче данных от датчиков к контроллеру и от контроллера к исполнительным механизмам. Разработан многоступенчатый предиктор состояния, использующий методы прогнозирования для компенсации случайных задержек в сети. Предложенный алгоритм управления обеспечивает быструю сходимость системы к желаемому образованию даже при наличии существенных сетевых задержек. Для каждого агента определяется поверхность скольжения и закон достижения, учитывающий несколько временных меток. Проведен детальный анализ устойчивости замкнутой системы, подтверждающий асимптотическую устойчивость разработанного алгоритма управления. Результаты моделирования в MATLAB демонстрируют высокую эффективность предложенного подхода: система из пяти последователей и одного лидера достигает желаемого формирования за 10.3 секунды и успешно поддерживает его при наличии случайных сетевых задержек. По сравнению с традиционными методами управления первого порядка, новый подход показывает значительно улучшенные характеристики, особенно в части снижения эффекта дребезжания в сигналах управления. Использование облачных технологий позволяет эффективно обрабатывать большие объемы данных в реальном времени и реализовывать сложные алгоритмы прогнозирования без перегрузки локальных вычислительных ресурсов агентов. Полученные результаты подтверждают перспективность применения предложенного подхода для управления мультиагентными системами в условиях реальных сетевых ограничений. Работа также демонстрирует возможность использования методов прогнозирования для компенсации случайных потерь пакетов и задержек связи, что обеспечивает надежное управление и связь в динамичных, непредсказуемых ситуациях

• ГЕНЕТИЧЕСКИЙ АЛГОРИТМ ПЛАНИРОВАНИЯ ТРАЕКТОРИИ ДВИЖЕНИЯ ГРУППЫ МОБИЛЬНЫХ РОБОТОВ ПРИ НАЛИЧИИ СТАЦИОНАРНЫХ И ПОДВИЖНЫХ ПРЕПЯТСТВИЙ

  Л. А. Рыбак , Д.И. Малышев , Д. А. Дьяконов , А. А. Мамченкова

  2025-04-27

  Аннотация ▼

  Рассматривается метод планирования траектории движения группы мобильных роботов,
  обеспечивающий безопасное перемещение и исключающий возможность столкновений как между
  самими роботами, так и с внешними препятствиями, включая движущиеся объекты. Разрабо-
  танная математическая модель учитывает три основных сценария возможных столкновений:
  пересечение траекторий роботов внутри группы, взаимодействие со стационарными препятст-
  виями и вероятность столкновения с подвижными объектами. Каждый из этих сценариев де-
  тально анализируется для обеспечения максимальной безопасности движения, а их учет позволя-
  ет эффективно адаптировать маршруты роботов к изменяющимся условиям среды. Траектория
  движения каждого робота представляется в виде ломаной линии с промежуточными точками,
  которые оптимизируются для обеспечения безопасности движения. Особое внимание уделяется
  адаптации скорости на различных участках траектории: робот может изменять скорость в
  зависимости от текущих условий, чтобы минимизировать риск столкновений. Для оценки рас-
  стояний между объектами используется евклидова норма, позволяющая рассчитывать мини-
  мальные расстояния между центрами сферических представлений роботов и препятствий. Зада-
  ча решается в два этапа. На первом этапе строится траектория для первого робота с учетом
  начальных условий и расположения препятствий. На втором этапе формируются траектории
  для остальных роботов с учетом уже спланированных маршрутов. Для оптимизации координат
  промежуточных точек и скоростей применяется генетический алгоритм, который минимизиру-
  ет время перемещения и обеспечивает безопасность движения. Генетический алгоритм использу-
  ет операторы скрещивания и мутации для создания разнообразных решений, а также выполняет
  проверку на соответствие условиям безопасности. Численное моделирование проведено на языке
  Python с использованием библиотеки Matplotlib для визуализации результатов. В ходе эксперимен-
  тов было выполнено 50 тестов с различным количеством препятствий (от 5 до 10). Анализ ре-
  зультатов показал, что с увеличением числа препятствий возрастает как время расчета, так и
  качество сформированных траекторий. Это подтверждает эффективность предложенного
  метода для управления группами мобильных роботов в динамически меняющейся среде