Динамическое модальное управление движением беспилотных транспортных средств в условиях открытых горных работ

Обложка

Цитировать

Полный текст

Аннотация

Целью данного исследования являлось представление ряда аспектов современной концепции автоматизированного динамического модального управления карьерными беспилотными транспортными средствами в условиях открытых горных работ. В частности, в программно-аппаратный комплекс, входящий в состав глобальной структуры «Умный карьер», заложены условия соответствия формы определенных текущих траекторий (их девиации влево или вправо от номинальной осевой траектории) информационным «траекторным» чирп-сигналам. В ходе исследования были использованы методы вейвлет-преобразований одномерных сигналов, формирующих текущие траектории беспилотных транспортных средств, в формат время-частотных распределений класса Коэна. Схематично рассмотрено формирование текущих траекторий беспилотного транспортного средства при их девиации влево / вправо от номинальной осевой траектории на прямолинейных и искривленных маршрутах. Отмечено, что отслеживание текущих траекторий на карьерных маршрутах осуществляется с учетом характера траекторных сигналов. Сформулировано отличие вводимого в рассмотрение динамического модального управления беспилотного транспортного средства от статического. В подсистемы автономного и внешнего управления введены фрагменты, отображающие 1D-сигналы в вейвлет-среде. При этом в автоматизированной системе управления используются такие элементы аппарата вейвлет-преобразований, как вейвлет-функции Габора, алгоритм вейвлет-поиска соответствия, время-частотные распределения класса Коэна. В результате исследований были сформулированы критерии формирования текущих траекторий системой управления в виде ее реакций на спорадические возмущения, вызванные возникновением на маршруте статических или динамических препятствий. Разработан алгоритм динамического модального управления текущими траекториями. Введено понятие прямых и обратных переходных процессов сигналов девиации траекторий беспилотного транспортного средства. Описана процедура оценки параметров модального регулятора. Разработан алгоритм пересчета матрицы модального регулятора в виде цепочки последовательно реализуемых матричных процедур. В заключение отметим, что на основе проведенных исследований разработана автоматизированная система модального управления процессом девиации текущих траекторий, позволяющая выполнять функции управления динамикой оперативного и безопасного траекторного перемещения беспилотных транспортных средств по карьерным маршрутам в конфликтной среде открытых горных работ.

Об авторах

И. В. Чичерин

Кузбасский государственный технический университет им. Т. Ф. Горбачева

Email: chicivan@yandex.ru
ORCID iD: 0000-0003-1219-4415

Б. А. Федосенков

Кузбасский государственный технический университет им. Т. Ф. Горбачева

Email: rafwaveletsve@mail.ru
ORCID iD: 0000-0003-3369-0514

Список литературы

  1. Cheng H. Autonomous intelligent vehicles: theory, algorithms, and implementation. Springer-Verlag London, 2011. 154 p.
  2. Autonomous control systems and vehicles: intelligent unmanned systems / eds. K. Nonami, M. Kartidjo, K.- J. Yoon, A. Budiyono. Springer Japan, 2013. 315 p.
  3. Naranjo J. E., Clavijo M., Jiménez F., Gómez O., Rivera J. L., Anguita M. Autonomous vehicle for surveillance missions in off-road environment // 2016 IEEE Intelligent Vehicles Symposium (IV). 2016. Р. 98–103. https://doi.org/10.1109/IVS.2016.7535371.
  4. Shadrin S. S., Varlamov O. O., Ivanov A. M. Experimental autonomous road vehicle with logical artificial intelligence // Journal of Advanced Transportation. 2017. https://doi.org/10.1155/2017/2492765.
  5. Дубинкин Д. М. Современное состояние техники и технологий в области автономного управления движением транспортных средств угольных карьеров // Горное оборудование и электромеханика. 2019. № 6. С. 8–15. https://doi.org/10.26730/1816-4528-2019-6-8-15.
  6. Чичерин И. В., Федосенков Б. А., Сыркин И. С., Садовец В. Ю., Дубинкин Д. М. Концепция управления беспилотными транспортными средствами в условиях открытых горных работ // Известия вузов. Горный журнал. 2020. № 8. С. 109–120. https://doi.org/10.21440/0536-1028-2020-8-109-120.
  7. Костюк С. Г., Чичерин И. В., Федосенков Б. А., Дубинкин Д. М. Мониторинг динамического состояния автономных тяжелых платформ на карьерных маршрутах горнорудных предприятий // Устойчивое развитие горных территорий. 2020. Т. 12. № 4. С. 600–608. https://doi.org/10.21177/1998-4502-2020-12-4-600-608.
  8. Mallat S., Zhang Z. Matching pursuit with time-frequency dictionaries // IEEE Transactions on Signal Processing. 1993. Vol. 41. Iss. 12. P. 3397–3415. https://doi.org/10.1109/78.258082.
  9. Mallat S. A wavelet tour of signal processing. San Diego: Academic Press, 2001. 637 p.
  10. Стрейц В. Метод пространства состояний в теории дискретных линейных систем управления / пер. с англ. под ред. Я. З. Цыпкина. М.: Наука, 1985. 296 с.
  11. Дорф Р., Бишоп Р. Современные системы управления / пер. с англ. Б. И. Копылова. М.: Лаборатория базовых знаний, 2002. 832 с.
  12. Goodwin G. C., Graebe S. F., Salgado M. E. Control system design. New York: Prentice Hall, Pearson Education, Inc., 2001. 944 p.
  13. Goswami J. C., Chan A. K. Fundamentals of wavelets: theory, algorithms and applications. Hoboken: John Wiley & Sons, Inc., 2011. 382 p.
  14. Добеши И. Десять лекций по вейвлетам. Ижевск: Регулярная и хаотическая динамика, 2001. 464 с.
  15. Debnath L. Wavelet transforms and their applications. Boston: Birkhauser, 2002. 565 p.
  16. Chicherin I. V., Fedosenkov B. A., Syrkin I. S., Sadovets V. Iu., Dubinkin D. M. Using a wavelet medium for computer-aided controlling the movement of unmanned vehicles along quarry routes // Известия вузов. Горный журнал. 2021. № 2. С. 103–112. https://doi.org/10.21440/0536-1028-2021-2-103-112.
  17. Auger F., Chassande-Mottin E. Quadratic time-frequency analysis I: Cohen’s class // Time-frequency analysis: concepts and methods / eds. F. Hlawatsch, F. Auger. London: ISTE, 2008. P. 131–163.
  18. Measures, performance assessment, and enhancement TFDs // Time-frequency signal analysis and processing: a comprehensive reference / ed. B. Boashash. New York: Academic Press, 2016. P. 387–452.
  19. Fedosenkov D. B., Simikova A. A., Kulakov S. M., Fedosenkov B. A. Cohen’s class time-frequency distributions for measurement signals as a means of monitoring technological processes // Steel in Translation. 2019. Vol. 49. Iss. 4. P. 252–256. https://doi.org/10.3103/S0967091219040065.
  20. Debnath L. Recent development in the WignerVille distribution and time-frequency signal analysis // PINSA. 2002. Vol. 68A. Iss. 1. P. 35–56.
  21. Ackermann J. Der Entwurf linearer Regelungssysteme im Zustandsraum // Regelungstechnik und Prozessdatenverarbeitung. 1972. H. 7. S. 297–300.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».