Preview

Мехатроника, автоматизация, управление

Расширенный поиск

Ежемесячный теоретический и прикладной научно-технический журнал «Мехатроника, автоматизация, управление» учрежден ООО «Издательство «Новые технологии», зарегистрирован в Комитете Российской Федерации по делам печати, телерадиовещания и средств массовых коммуникаций (свидетельство о регистрации ПИ № 77-11648 от 21.01.02) и получил номер международной регистрации ISSN 1684-6427.

Журнал издается с 2000 г.; до 2001 г. издавался под названием «Мехатроника».

В журнале освещаются состояние и тенденции развития основных направлений в области разработки, создания, внедрения и эксплуатации систем автоматического и автоматизированного управления техническими объектами и технологическими процессами в промышленности, энергетике и на транспорте, а также современное состояние и перспективы развития мехатроники и робототехники – приоритетных направлений развития техносферы, интегрирующих механику, электронику, автоматику и информатику в целях совершенствования технологий производства и создания техники новых поколений. Особое внимание уделяется компьютерным методам и технологиям управления.

С 2012 г. главным редактором журнала «Мехатроника, автоматизация, управление» является проф. Н.Б. Филимонов.

В состав редколлегии журнала входят Российские специалисты из ведущих научных центров Москвы, Санкт-Петербурга, Самары, Уфы, Владивостока, Таганрога, Владимира, а также известных зарубежных специалистов из США, Италии, Франции, Австрии, Ирландии, Индии, Турции, Греции, Тайваня, Польши, Азербайджана, Беларуси и Украины.

С 2001 года журнал регулярно входит в «Перечень рецензируемых научных изданий, в которых должны быть опубликованы основные научные результаты диссертации на соискание ученой степени кандидата и доктора наук». Высококвалифицированный состав редколлегии журнала и его института рецензирования обеспечивает рассмотрение публикаций по следующим научным специальностям:

05.13.01 - Системный анализ, управление и обработка информации;

05.13.06 - Автоматизация и управление технологическими процессами и производствами;

05.02.05 - Роботы, мехатроника и робототехнические системы;

05.07.09 - Динамика, баллистика, управление движением летательных аппаратов.

Журнал зарегистрирован в системе CrossRef: каждой статье присваивается индивидуальный индекс DOI (Digital Object Identifier).

Журнал индексируется и реферируется в Российских наукометрических базах данных на платформе eLIBRARY.RU: Российский индекс научного цитирования (РИНЦ) и SCIENCE INDEX, а также в международных базах данных: Scopus, Inspec на платформе EBSCOhost и Russian Science Citation Index Russian Science Citation Index на платформе Web of Science.

На сайте журнала размещена информация об аннотациях статей с 2003 года и размещены полные тексты статей с годичным опозданием с 2008 года.

Плата за публикацию и редакционную подготовку статей с авторов не взимается.

Журнал распространяется по подписке: подписной индекс по Объединенному каталогу «Роспечать» - 79492.

Текущий выпуск

Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков
Том 22, № 2 (2021)
Скачать выпуск PDF

СИСТЕМНЫЙ АНАЛИЗ, УПРАВЛЕНИЕ И ОБРАБОТКА ИНФОРМАЦИИ

59-70 69
Аннотация
Рассмотрен класс динамических систем с одной нелинейностью. Введено понятие S-синхронизируемости входа. Показано, что S-синхронизируемость является условием структурной идентифицируемости нелинейной системы, которая может быть преобразована к некоторой статической системе. Принятие решения о структурной идентифицируемости основано на анализе свойств специального класса геометрических структур, отражающих свойства нелинейной части динамической системы. Рассмотрены требования к модели, позволяющие получить геометрическую структуру по измерениям входа и выхода. Исследовано влияние условия постоянства возбуждения входа на структурную идентифицируемость системы. Невыполнение условия постоянства возбуждения приводит к появлению незначимой геометрической структуры. Рассмотрены различные виды идентифицируемости системы, основанные на анализе структуры. Введено понятие d-оптимальности, которое характеризует свойства геометрической структуры. Получены условия неидентифицируемой структуры нелинейной системы при невыполнении условия d-оптимальности для геометрической структуры при заданных свойствах входа. Предложены методы оценки идентифицируемости системы и нахождения области идентифицируемости в условиях неопределенности. Показано, как на основе фазового портрета можно получить оценку неидентифицируемости системы. Предлагаемый подход обобщен на системы с двумя нелинейностями. Приведены условия частичной структурной идентифицируемости. Предложен метод построения области структурной идентифицируемости системы. Отмечены особенности структурной идентифицируемости данного класса систем. Показано, как при выполнении условия структурной идентифицируемости оценить структуру системы. Предложен способ иерархического погружения для идентификации структуры системы. Предлагаемые методы и процедуры применены для исследования систем с гистерезисом Бука—Вена и двумя нелинейностями. Приведен пример, иллюстрирующий эффективность метода иерархического погружения.
71-82 52
Аннотация

Для линейных стационарных одномерных объектов управления рассматривается обратная задача аналитического конструирования оптимальных регуляторов (АКОР), которая состоит в определении весовых коэффициентов квадратичного функционала оптимальности процесса управления, обеспечивающих замкнутой системе регулирования заданные значения времени переходных процессов и перерегулирования. Время переходного процесса (время регулирования) синтезируемой системы понимается в смысле классической теории автоматического управления и определяется с использованием " трубки" , значение которой принимается, в отличие от известных работ, равным требуемому (желаемому) небольшому значению перерегулирования системы в несколько процентов (2...5 %). Равенство процентных величин, характеризующих " трубку" и желаемое перерегулирование синтезируемой системы, является необходимым условием максимального быстродействия линейных динамических систем и, соответственно, обеспечивает однозначность решения рассматриваемой обратной задачи АКОР в классе быстродействующих систем.

Предлагаемый способ решения предусматривает преобразование задачи АКОР к канонической форме, в которой объект управления описывается матричным дифференциальным уравнением в форме Фробениуса, а функционал качества определяется как интеграл от суммы произведений канонических фазовых координат объекта, а также квадрата сигнала управления с соответствующими весовыми коэффициентами. Показано, что решение обратной канонической задачи АКОР определяется значениями только трех ненулевых весовых коэффициентов критерия, причем один из них имеет единичное значение. Значения двух других коэффициентов предлагается находить в процессе моделирования синтезированной оптимальной системы управления из условий обеспечения для нее заданного времени регулирования и заданного перерегулирования.

Для получения числовых оценок двух основных весовых коэффициентов квадратичного критерия качества рассмотрено решение задачи АКОР при предельном увеличении значений этих весовых коэффициентов. Предельным решением задачи АКОР определены передаточные функции динамических систем с предельным (максимальным) быстродействием, которые имеют заданное перерегулирование 4,321 %. Динамические системы, описываемые данными передаточными функциями, названы модифицированными фильтрами Баттерворса в связи с тем, что известные фильтры Баттерворса получаются как их частный случай при нулевом значении определенной константы. Представлены параметры и показатели динамики этих фильтров до восьмого порядка. С использованием показателей фильтров Баттерворса установлены числовые оценки весовых коэффициентов квадратичного критерия качества. Передаточные функции модифицированных фильтров Баттерворса рекомендуется использовать в качестве эталонных передаточных функций синтезируемых быстродействующих систем управления.

РОБОТЫ, МЕХАТРОНИКА И РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ

83-93 65
Аннотация
Настоящее исследование посвящено сравнительной оценке современных методов определения точек захвата объектов сцены с использованием средств технического зрения. В работе исследуемые методы определения точек захвата объектов применяются совместно с методом построения карт глубины, основанном на нейросетевой модели ResNet-50, что позволяет отказаться от использования специализированных датчиков глубины в процессе проведения экспериментов. В исследовании представлены зависимости оценок вероятности успешного захвата от типов целевых объектов. Усредненные по типам объектов оценки вероятности успешности захвата для исследуемых методов GPD, 6-DOF GraspNet, VPG составили соответственно 0.690, 0.741, 0.613. Также были исследованы зависимости оценок вероятности успешного захвата от размеров целевых объектов, расстояний между объективом фиксирующей видеокамеры и целевыми объектами сцен, уровней освещенности сцены, а также от углов наблюдения сцены по вертикальной оси. Для рассмотренных методов GPD, 6-DOF GraspNet, VPG выявлены нелинейные возрастающие зависимости усредненных по типам объектов вероятностей успешного захвата от уровня освещенности сцены. Также было установлено, что зависимости усредненной вероятности успешного захвата объекта для всех остальных параметров носят нелинейный характер и являются немонотонными. В работе определены диапазоны значений исследованных параметров сцены, на которых достигаются наибольшие значения вероятностей успешного захвата объектов для данных методов. По результатам проведенной экспериментальной оценки решение 6-DOF GraspNet продемонстрировало наилучшее качество работы на подавляющем большинстве комбинаций рассмотренных параметров сцены. Использование данного метода является предпочтительным для решения задачи определения точек захвата объектов при использовании подходов, обеспечивающих восстановление карты глубины без применения специализированных устройств.
94-103 57
Аннотация

Рассматривается подход к коллективному распознаванию группой аниматов — модельными агентами с некоторой степенью биоинспирированности. Биологической основой для формирования группы является семья муравьев. Смоделированы гнездо, часть семьи, занимающаяся добычей пищи (фуражировкой), кормовые объекты и вражеские особи. Важным биологически инспирированным механизмом является кинопсис — " язык поз" . С его помощью муравьи некоторых видов передают друг другу сигналы (угроза, добыча и т.д.).

Группа аниматов решает задачу сбора пищи и противодействия вражеским особям. Каждый анимат выбирает действие на основе наблюдаемой им сцены. Первый предложенный алгоритм описывает механизм зрительной памяти, который позволяет аниматору запоминать увиденные объекты в течение некоторого времени. Во втором алгоритме реализуется групповое распознавание объектов. С помощью средств локальной связи аниматы способны обмениваться информацией о наблюдаемой ими сцене, представленной в виде графа. Анимат, получая такую информацию от соседей, способен расширить свою картину мира и более корректно выбирать свое поведение на основе распознанной ситуации, чем если бы располагал только собственными данными. Предложенные алгоритмы были проверены на тестовой задаче в разработанной среде симуляции и показали, что их добавление способствует увеличению эффективности группы.

Эффективность группы определялась по количеству пищи, собранному за отведенный период времени. Аниматы, использовавшие зрительную память, показали повышение эффективности по всем исследуемым параметрам. Зависимость не монотонна: существует определенное значение, при котором достигается максимальная эффективность действий группы. Использование алгоритма группового распознавания также показало повышение эффективности по сравнению с базовой конфигурацией. Также проводилось исследование дистанции локального взаимодействия аниматов. Комбинация обоих алгоритмов также дает интересные результаты.

104-112 82
Аннотация
При решении сложных задач многокритериальной оптимизации процесс нахождения области Парето-решения часто занимает много времени. В большинстве практических случаев лицо, принимающее решение (ЛПР), желает протестировать небольшое число разумных Парето-вариантов, чтобы облегчить понимание и управление процессом принятия решений. В данной статье рассмотрен метод визуально-интерактивного анализа (Visual Interactive Analysis Method — VIAM), разработанный авторами с целью предоставить ЛПР инструмент для управления процессом поиска рациональных оптимальных вариантов в задаче принятия решений при нескольких критериях. VIAM позволяет экспертам анализировать области Парето-решений, найденных с помощью генетического алгоритма; дает возможность ЛПР устанавливать дополнительные пороговые значения критериев для фильтрации желаемых решений. При необходимости повторно решается многокритериальная задача в целях нахождения новых лучших областей Парето-решений. На основе метода VIAM реализирована авторская программа VIAT (Visual Interactive Analysis Tool) на языке MATLAB. VIAT применяется в задаче многокритериальной оптимизации кривошипно-шатунного механизма, использованного в моечной машине нового типа для овощей и фруктов. Сравнение результатов, полученных VIAT и традиционным методом последовательных уступок, показало эффективность метода, предложенного авторами. Необходимо отметить, что VIAM также может быть применен для автоматизации и управления процессом принятия решений в многокритериальных задачах оптимизации широкого спектра других механических конструкций.