Метод планування і координації руху робота з використанням нейронних мереж для вирішення динамічних виробничих сценаріїв
DOI:
https://doi.org/10.18372/1990-5548.79.18441Ключові слова:
машинне навчання, нейронні мережі, система планування руху, інтелектуальна системаАнотація
Метою дослідження є розробка підходу до планування траєкторії руху робота-маніпулятора за допомогою інтелектуальної системи на основі нейронних мереж. Для цього в роботі розглянуто процеси планування та розгортання руху робота. Аналіз існуючих методів планування руху роботів-маніпуляторів та огляд інтелектуальних систем керування дозволили отримати вичерпну картину сучасного стану цього питання. Пропонується система, яка може сприймати навколишнє середовище та керувати рухом робота, генеруючи правильні команди керування. Для цього було вирішено 3 завдання, а саме: аналіз середовища з метою визначення його особливостей, визначення траєкторії з метою нейтралізації зіткнення та визначення керованих впливів для органів виконавчої влади з метою реалізації рух. Запропоновано функціональні можливості та структуру нейронної мережі для вирішення кожного із завдань. Запропонований підхід порівнюється з існуючими підходами за ключовими параметрами, такими як час виконання запланованого руху та час розрахунку траєкторії руху. Результати підтвердили, що використання нейронної мережі для оптимізації траєкторії та динамічного прогнозування для уникнення перешкод значно підвищило адаптивність системи до мінливих умов виробничого середовища, що відкриває нові можливості для вдосконалення автоматизованих процесів та забезпечення оптимальних умов для функціонування роботів-маніпуляторів в режимі реального часу.
Посилання
B. Siciliano and L. Sciavicco, Robotics: Modelling, Planning and Control, 2016. Springer. http://doi.org/10.1007/978-1-84628-642-1
S. B. Niku, “Industrial Robotics: Programming, Simulation and Applications,” John Wiley & Sons., 2010. https://doi.org/10.5772/40
Ryo Kikuuwe, & Bernard Brogliato, “A New Representation of Systems with Frictional Unilateral Constraints and Its Baumgarte-Like Relaxation,” Multibody System Dynamics, pp. 267–290, 2017. https://doi.org/10.1007/s11044-015-9491-6
X. Wang, Q. Wu, T. Wang, and Y. Cui, “A Path-Planning Method to Significantly Reduce Local Oscillation of Manipulators Based on Velocity Potential Field,” Sensors. 2023. URL: https://www.mdpi.com/1424-8220/23/23/9617.
H. Liu and L. Wang, “Collision-Free Human-Robot Collaboration Based on Context Awareness,” Robot. Comput.-Integr. Manuf., 67, 101997, 2021.
R. L. Galvez, A. A. Bandala, E. P. Dadios, R. R. P. Vicerra and J. M. Z. Maningo, "Object Detection Using Convolutional Neural Networks," TENCON 2018 - 2018 IEEE Region 10 Conference, Jeju, Korea (South), 2018, pp. 2023–2027, https://doi.org/10.1109/TENCON.2018.8650517.
Zhengqiang Yang & Ruonan Xie, & Linyue Liu, & Ning Li, “Dense-YOLOv7: improved real-time insulator detection framework based on YOLOv7,” International Journal of Low-Carbon Technologies, 19, pp. 157–170, 2024. https://doi.org/10.1093/ijlct/ctad122.
Emine Kolemen & Erol Egrioglu & Eren Bas & Mustafa. Türkmen, “A new deep recurrent hybrid artificial neural network of gated recurrent units and simple seasonal exponential smoothing,” Granular Computing, 9. 2023. https://doi.org/10.1007/s41066-023-00444-4.
Erol Egrioglu & Eren Bas, A new deep neural network for forecasting: Deep dendritic artificial neural network, 2023. https://doi.org/10.21203/rs.3.rs-2913556/v1.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Authors who publish with this journal agree to the following terms:
Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
