Рассмотрена задача построения гибридной периодической системы адаптивно-робастного управления для одного класса многосвязных объектов, функционирующих в условиях структурной и параметрической неопределенности при постоянном действии внешних возмущений и переключений.

Выполнена процедура структурного и параметрического синтеза системы управления. На этапе структурного синтеза, во-первых, на основе критерия гиперустойчивости разработан непрерывный децентрализованный комбинированный регулятор. Во-вторых, с использованием метода непрерывных моделей построена непрерывно-дискретная система управления. Основной особенностью этапа синтеза структуры контура управления является обеспечение справедливости интегрального неравенства В. М. Попова за счет определения специальных оценок, гарантирующих положительную определенность нелинейной нестационарной части исследуемой системы. На этапе параметрического синтеза системы в среде инженерных и технических расчетов MATLAB Simulink выполнено оптимизационное моделирование синтезированной непрерывной и построенной гибридной периодических систем управления с использованием одного из методов функциональной оптимизации — генетического алгоритма. Формирование функционала для оценки качества работы предложенной системы проведено с использованием критерия обобщенной работы систем автоматического управления. На этапе имитационного моделирования первоначально осуществлен поиск параметров регулятора непрерывной периодической системы, при которых обеспечивается минимальное значение заданного функционала. Затем при заданном шаге дискретизации элементов контура управления проведена оптимизация гибридной периодической системы в целях улучшения качества ее работы. Результаты имитационного моделирования, с одной стороны, подтверждают выполнение поставленных целей функционирования непрерывной и гибридной систем управления. С другой стороны, вычислительные эксперименты свидетельствуют о достаточно высокой эффективности применения генетических алгоритмов для повышения качества работы систем управления, синтезированных с использованием критерия гиперусточивости.

Полученные в статье результаты могут быть использованы при разработке гиперустойчивых непрерывных и дискретно-непрерывных неаффинных систем управления одноканальными и многосвязными динамическими объектами, математические модели которых могут содержать различные типы запаздываний.

Проводится сравнительный анализ свойств оптимальных систем управления линейными стационарными одноканальными объектами, отличительная особенность которых состоит в том, что полином числителя передаточной функции объекта является гурвицевым. Системы синтезируются двумя основными методами теории аналитического конструирования оптимальных регуляторов (АКОР) — методами Летова—Калмана и А. А. Красовского, в которых используются функционалы качества на основе интегрального критерия, содержащего всего два слагаемых: квадрат сигнала управления объекта и квадрат его выходной координаты с весовым коэффициентом. q Исследуются предельные при q → ∞ свойства синтезируемых систем. Общим известным свойством этих систем, для краткости называемых системами Летова—Калмана и Красовского, является свойство их устойчивости при предельном значении весового коэффициента и, соответственно, бесконечно большом увеличении общего коэффициента усиления данных систем, которое для них обеспечивает получение заданного значения статической ошибки регулирования. Другие анализируемые свойства систем оказались существенно различными и даже взаимно противоположными, например, при предельных значениях q → ∞ коэффициенты оптимального регулятора Летова—Калмана не зависят от параметров объекта, а коэффициенты регулятора Красовского, наоборот, определяются исключительно параметрами объекта. Также отметим, что в отличие от систем управления Летова—Калмана, время переходных процессов систем Красовского при q → ∞ нельзя уменьшить менее некоторого конечного значения, несмотря на отсутствие ограничения на значение сигнала управления. В целях сочетания в одной системе управления указанных положительных, но противоречащих друг другу свойств анализируемых систем, предложен так называемый комбинированный метод АКОР. Его основная идея состоит в представлении сигнала управления объекта двумя слагаемыми, которые далее последовательно определяются применением двух основных методов теории АКОР, причем на первом этапе синтеза находится управление с использованием метода Летова—Калмана, что обеспечивает непосредственное применение комбинированного метода синтеза к неустойчивым объектам. Данный метод синтеза при использовании функционала качества с одним варьируемым весовым коэффициентом позволяет для рассматриваемых объектов управления порядка n m 5 конструировать системы с заданными значениями статической ошибки, времени регулирования, для которых перерегулирование не превышает значения 6,9 %.

Методы автоматического проектирования направлены на создание коллективного поведения роевых роботизированных систем. Эти методы позволяют нескольким роботам автономно координировать и выполнять сложные задачи в своей среде. В данной работе были исследованы две известные методологии: оптимизация роя частиц (PSO) и обучение с подкреплением (RL). Новое сравнительное исследование было проведено для анализа производительности группы мобильных роботов посредством обширных экспериментов. Целью было реализовать коллективное навигационное поведение в неизвестной среде. Эти среды различаются по сложности: от сред без препятствий до загроможденных сред. Основные показатели сравнения включают эффективность использования времени отдельных роботов и всего роя, гибкость в поиске пути и способность обобщать решения для новых сред. Результаты, полученные с помощью симулятора Webots с контроллером Python, показали, что RL превосходно работает в средах, в больщой степени соответствующих условиям его обучения. RL добился более быстрого завершения работы и продемонстрировал превосходную координацию между отдельными роботами. Однако его производительность падает при работе с необученными сценариями, что требует дорогостоящего переобучения или структурных усложнений для повышения адаптивности. PSO, напротив, продемонстрировал похвальную стабильность в работе. Несмотря на более медленный темп он продемонстрировал надежность в различных сложных условиях без необходимости реконфигурации.

На основе обобщения и анализа данных зарубежных и отечественных исследований обсуждается положение о том, что в ряде случаев роботизация несет угрозы, пропорциональные ее пользе. Обозначаются проблемы и риски, обусловленные внедрением робототехники в различные сферы человеческой деятельности. Отмечается, что обратной стороной успешного развития и использования робототехники выступает появление новых разновидностей опасностей, обусловленных выходом из-под контроля роботов или умышленного их использования в противоправных целях.

В качестве основных проблем, связанных с использованием роботов, выделяются следующие: проведение промышленного, бытового и других видов шпионажа, нарушение безопасности движения (воздушного, автомобильного, морского и др.), подготовка и осуществление террористических актов, а также осуществление других видов опасной для людей и окружающей среды деятельности.

Предложена структура системы противодействия опасным робототехническим комплексам различного назначения (РТК РН) и состав ее основных компонентов, выделена тесная взаимосвязь задач обеспечения защиты, с одной стороны, и организации противодействия РТК РН еще на этапе формирования тактико-технических требований к образцам вновь создаваемых перспективных изделий робототехники и определения их технического облика, с другой стороны. Приводится анализ РТК РН как объектов противодействия и уточняются основные элементы их уязвимости, включая уязвимости группировок роботов. Анализируются вероятные варианты неправомерного использования РТК РН, причины их возникновения, особенности проявления и ожидаемые последствия. Проведена классификация возможных способов и средств противодействия опасным РТК РН, аргументирована рациональная очередность их реализации. Представлено формализованное описание задачи противодействия опасным РТК РН и модель системы противодействия, в качестве показателя эффективности функционирования системы противодействия предложено использовать соответствие фактического и требуемого ущерба объекту противодействия в динамике изменения. Исходя из анализа особенностей процесса противодействия предложен методический подход к созданию модели перспективной системы противодействия РТК РН.

Одной из важных задач, которую выполняют квадрокоптеры, является транспортировка различных грузов. В случае если груз подвешен к квадрокоптеру и может двигаться относительно корпуса квадрокоптера, это движение должно учитываться в управлении системой, в частности, в целях подавления и предотвращения нежелательных колебаний груза.

В работе рассматривается механическая система, состоящая из квадрокоптера и груза, подвешенного к нему на невесомом стержне. Предполагается, что площадь поперечного сечения груза достаточно велика, так что аэродинамической силой, действующей на него, пренебречь нельзя. Известно, что для целого ряда форм оболочки груза эта аэродинамическая сила не сводится только к силе лобового сопротивления, но содержит и компоненту, перпендикулярную лобовому сопротивлению — подъемную силу. Для описания указанных сил используется квазистатический подход.

В то же время, точная информация об аэродинамических силах для каждого переносимого груза, вообще говоря, недоступна. Однако известно, что значения аэродинамических коэффициентов для достаточно широкого класса тел принадлежат определенной области. Обсуждается вопрос построения управления квадрокоптером, обеспечивающего робастную стабилизацию равномерного подъема и спуска системы в условиях неполной информации об аэродинамическом воздействии. Предложен алгоритм построения управления квадрокоптером для робастной стабилизации равномерного вертикального подъема и спуска системы в целом. Показано, что это управление обеспечивает стабилизацию целевого режима в достаточно широком диапазоне параметров системы. Определены ограничения на целевую скорость движения, при превышении которых робастная стабилизация становится невозможной.