|
Эта публикация цитируется в 5 научных статьях (всего в 5 статьях)
Робототехника, автоматизация и системы управления
Идентификация нейросетевой модели робота для решения задачи оптимального управления
Е. Ю. Шмалькоa, Ю. А. Румянцевa, Р. Р. Байназаровb, К. Л. Ямшановc a ФИЦ ИУ РАН
b ООО Фаст Сенс Студия
c Новосибирский государственный технический университет (НГТУ)
Аннотация:
Для расчета оптимального управления требуется достоверная математическая модель объекта управления. В дальнейшем при реализации расчетных управлений на реальном объекте эта же модель может быть использована в навигации робота для прогнозирования его положения и корректировки показаний сенсоров, поэтому важно, чтобы модель достаточно адекватно отражала динамику объекта. Вывод модели часто требует значительного времени и иногда даже невозможен с использованием традиционных методов. Ввиду все большего разнообразия и чрезвычайно сложной природы объектов управления, включая разнообразие современных робототехнических систем, все большую актуальность приобретает задача идентификации, которая позволяет построить математическую модель объекта управления, имея входные и выходные данные о системе. Идентификация нелинейной системы представляет особый интерес, так как большинство реальных систем имеют нелинейную динамику. И если раньше идентификация модели системы заключалась в подборе оптимальных параметров для выбранной структуры, то появление современных методов машинного обучения открывает более широкие перспективы и позволяет автоматизировать сам процесс идентификации. В настоящей работе в качестве объекта управления рассматривается колесный робот с дифференциальным приводом в симуляционной среде Gazebo, которая на сегодняшний день является наиболее популярным программным пакетом при разработке и моделировании робототехнических систем. Математическая модель робота заранее неизвестна. Основная проблема заключается в том, что существующие математические модели не соответствуют реальной динамике робота в симуляторе. В работе рассматривается решение задачи идентификации математической модели объекта управления с помощью машинного обучения на основе нейронной сети. Представлен новый смешанный подход, основанный на использовании известных простых моделей объектов и идентификации неучтенных динамических свойств объекта с помощью нейронной сети на основе обучающей выборки. Для формирования обучающих данных был написан программный пакет, автоматизирующий процесс сбора с помощью двух ROS-узлов. Для обучения нейросети использовался фреймворк PyTorch и был создан программный пакет с открытым исходным кодом. Далее идентифицированная модель объекта используется для расчета оптимального управления. Результаты вычислительного эксперимента демонстрируют адекватность и работоспособность полученной модели. Представленный подход на основе комбинации известной математической модели и дополнительной идентифицированной нейросетевой модели позволяет использовать преимущества накопленного физико-математического аппарата и повысить его эффективность и точность за счет использования современных средств машинного обучения.
Ключевые слова:
оптимальное управление, идентификация, нейронная сеть, Gazebo, дифференциальный робот.
Поступила в редакцию: 27.07.2021
Образец цитирования:
Е. Ю. Шмалько, Ю. А. Румянцев, Р. Р. Байназаров, К. Л. Ямшанов, “Идентификация нейросетевой модели робота для решения задачи оптимального управления”, Информатика и автоматизация, 20:6 (2021), 1254–1278
Образцы ссылок на эту страницу:
https://www.mathnet.ru/rus/trspy1175 https://www.mathnet.ru/rus/trspy/v20/i6/p1254
|
Статистика просмотров: |
Страница аннотации: | 118 | PDF полного текста: | 150 |
|