INTELLIGENS RENDSZEREK

INTELLIGENS RENDSZEREK Pilóta nélküli légi járművek UAV (Unmanned Aerial Vehicle) rendszerének bemutatása

Készítette: Kiss Attila PMZUD0 2013 december

Tartalomjegyzék: 1. 2.

Bevezetés.................................................................................................................................................. 3 Az intelligens rendszer fogalma................................................................................................................. 4 Az alap intelligencia...................................................................................................................................... 5 A magasabb szintű intelligencia .................................................................................................................... 5 Az intelligencia............................................................................................................................................. 5 3. Az UAV, mint intelligens rendszer ............................................................................................................ 5 4. Az UAV felhasználási területei.................................................................................................................. 6 5. Az UAV általános bemutatása ................................................................................................................... 7 5.1. Részegységek ................................................................................................................................. 7 5.1.1. Navigáció, helyzetmeghatározás................................................................................................. 7 5.1.2. Magasságmérő ........................................................................................................................... 8 5.1.3. Optikai infravörös eszközök: ...................................................................................................... 8 5.1.4. Radar ......................................................................................................................................... 9 5.1.5. Speciális eszközök ..................................................................................................................... 9 6. Repülésirányító berendezés és robotpilóta.................................................................................................. 9 7. Az Intelligens vezérlés és irányítás bemutatása az UAV rendszerén keresztül ........................................... 10 7.1. Intelligens, pilóta nélküli légi járművek repülési rendszere ............................................................ 10 7.2. Az UAV helyzetbecslése GPS jel nélküli környezetben ................................................................. 12 7.3. Látásra épülő autonóm leszállás egy helikopterrel mozgó célra...................................................... 13 7.4. A napelemmel rendelkező UAV -k munkája sarkvidéki területen................................................... 15 8. Összefoglalás, következtetés,................................................................................................................... 16 9. Hivatkozások ......................................................................................................................................... 20

1.

Bevezetés

Amíg egyetemes döntés nincs, hogy hogyan lehet mérni egy értelmes rendszert vagy hogyan lehet meghatározni, több jellemző jellemvonás alapján a viselkedést lehet alapul venni, hogy mi lehet egy értelmes vezérlés: - alkalmazhatóság - tanulási képesség - autonóm szimbólumértelmezés - cél központú és tudás alapú viselkedés

2.

Az intelligens rendszer fogalma

Az intelligens vezérlés leírja azokat a módszereket, amelyekkel próbálják utánozni az emberi intelligenciát. Ezek a jellemzők az alkalmazkodási és tanulási képességek, de a tervezés alatt nagy a bizonytalanság , nagy mennyiségű adattal kell megbirkózni. Ma az intelligens szabályozás általában magában foglalja mindazt, ami nem jellemző a hagyományos irányításra . A fő nehézség meghatározása , hogy pontosan mit is jelent a kifejezés : Intelligens vezérlés Abból fakad, hogy nincs elfogadott definíciója az emberi intelligenciára és az intelligens viselkedésre és az évszázados vita , hogy mit is jelent az intelligencia továbbra is folytatódik. Az intelligens vezérlés interdiszciplináris , mert egyesíti és kiterjeszti az elméleteket és a módszereket az olyan területeken, mint a kontroll , számítástechnika és műveletkutatás. Intelligens vezérlés módszereket alkalmaznak a robotika és az automatizálás , a kommunikáció , a gyártás , a forgalom ellenőrzés területein . Neurális hálózatok, fuzzy vezérlés , genetikus algoritmusok , tervezési rendszerek , szakértői rendszerek , hibrid rendszerek minden olyan terület az intelligens vezérlés megtalálható. A számítógép-tudományban a mesterséges intelligencia kutatása nyújt tudásreprezentáció ötleteket a fejlesztés irányában , módszereket és eszközöket , mint például a szemantikus hálózatok , keretek, az érvelés technika és a számítógépes nyelvek kialakítása , mint a Prolog . Fogalmak és algoritmusok alakultak ki adaptív szabályozás és a gépi tanulás segítségével, az intelligens vezérlők alkalmazkodni és tanulni kezdenek . A szenzorok, az aktuátorok, a számítási technológia és a kommunikációs hálózatok segítik elő, hogy a megvalósításhoz szükséges intelligens vezérlő hardver kialakulhasson. Az " intelligens szabályozás " nál valamilyen formában a vezérlés fuzzy és / vagy a neurális hálózat módszereket használ . Intelligens szabályozás azonban nem korlátozódik csak ezekre módszerekre . Jelentős különbségek vannak a hagyományos és intelligens vezérlés között. Érdemes megjegyezni ezen a ponton , hogy az intelligens vezérlés használja a hagyományos ellenőrzési módszereket is. Az intelligens vezérlés megpróbálja felépíteni és fokozni a hagyományos szabályozási módszerek megoldásait , és az új kihívást jelentő ellenőrzési problémákat megoldani. A célok eléréséhez figyelembe kell venni a hibakeresést és az ellenőrzés átalakítását , az alkalmazkodást és a tanulás szempontjait is. Azonban ne feledjük, hogy az elméletek és módszerek az operációkutatás területén és a számítógép- tudományban általában nem közvetlenül alkalmazhatók a szabályozási problémák megoldására . Mindig új módszereket kell kidolgozni együtt a hagyományos vezérlő módszerekkel , mielőtt nagyon komplex dinamikus új rendszereket lehet tervezni szisztematikus módon.

Le kell szögezni , hogy az intelligens vezérlés a kutatás azon része, amely elsősorban az alkalmazásokat takarja. Jelentős elméleti lépéseket kell tenni , hogy a nyitott kérdéseket meg tudjuk válaszolni . A problémák nem triviálisak , de a mérce valóban nagyon magas . Egy másik kifejezés , az " önálló ( intelligens ) szabályozás " , azt hangsúlyozza, hogy egy intelligens vezérlőnek jellemzően az acélja, hogy megvalósítsa a magasabb fokú autonómiát . Egy intelligens rendszer képes megfelelően eljárni egy bizonytalan környezetben, ahol a megfelelő intézkedéseket az határozza meg, ami növeli a siker valószínűségét , és a siker eléréséhez maximálisan elősegítik , amellyel elérhető a rendszer végső célja. Ahhoz, hogy egy mesterséges intelligens rendszer lehessen, hogy helyesen járjon el , emulálni kell az élőlények funkcióit , és végső soron az emberi szellemi képességeket is . Az intelligens rendszer jellemezhető számos dimenzió mentén . Vannak fokok vagy szintek az intelligencia mérhetősége mentén.

Az alap intelligencia megköveteli a képességet , hogy érzékeli a környezetet , hogy a döntéseket és az ellenőrzési tevékenységeket kontrollálja . A magasabb szintű intelligencia képes felismerni tárgyakat és eseményeket , hogy képviseli a tudását egy világmodellnek , és érvelni , dönteni tud a jövőre nézve a folyamatok függvényében. Érzékelni és megérteni tud , bölcsen választani , és cselekedni képes számos esetben , a túléléshez egy összetett és gyakran ellenséges környezetben alkalmazkodni képes. Az intelligencia megjelenése is megfigyelhető , ahogy nő és fejlődik a rendszer. A tudás felhalmozása során kialakulhat, hogyan kell érezni , dönteni és cselekedni egy összetett és változó világban .

3.

Az UAV, mint intelligens rendszer

Az ember nélküli járművek olyan robotok melyek képesek megfelelően közlekedni a levegőben, a föld felszíne felett. El tudnak jutni a kezdőállomásból a célállomásba szabályos módon, más repülő járműveket érzékelve. Autonóm működésűek, irányításukhoz nem igényelnek emberi beavatkozást. Komoly képfeldolgozó rendszerrel rendelkeznek, így érzékelik a lehetséges akadályokat. Alkalmazhatóak szállításra vagy katonai célokra, kutatásokhoz de pusztán civil kényelmi célokra még nem engedélyezettek. A drónok olyan UAV-k melyeket katonai bevetésekre használnak. A feladata lehet feltérképezés vagy támadási célzatú. Mind a két feladatban rendkívül lényege az automatikus irányítás és a képfeldolgozás. Egy ilyen rendszer számon dinamikai és vizuális szenzorral fel van szerelve a hatékony működéshez. A járműveket általában távolról is lehet irányítani, például repülőgép-szimulátorral.

4.

Az UAV felhasználási területei

. Ezen képességeket arra használják, hogy unalmas piszkos és veszélyes küldetéseken ember életek veszélyeztetése nélkül feladatok kerüljenek végrehajtásra. Nem lebecsülendő polgári alkalmazása sem, mivel rengeteg olyan terület feltérképezése, felderítése áll előttünk, amely során az emberi erőforrások és korlátok miatt a feladatok végrehajtása nehézségekbe ütköznek. Ezen eszközök a légtér gyakorlatilag minden szegmensében (a földközeli magasságoktól az atmoszféra határáig) repülnek. Az UAV-k alkalmazási területe azonban meghatározza a tervezések fejlesztések irányait is, melynek központjában a célszerűségen túl meghatározó szerepet kap a költséghatékonyság is. Ezek a felderítő légijárművek alkalmasak a polgári életben, a tudományos kutatásokban és még fel nem derített területek széles és mély spektrumban történő analizálására, környezeti változóktól függetlenül lévő megfigyelések elvégzésére. Számos tudományos kutatási terület épít a nagy felbontású térképekre, melyeket ezen légijárművekre szerelt kamerákkal valósítanak meg. Sarkvidéki és nagytávolságú felderítéseket lehet végezni humánerőforrás igénybe vétele nélkül, csupán a XXI. Század ezen technikai vívmánya segítségével. Komplett geológiai 3D-S modellek készíthetők ezen eszközök információi alapján.

5.

Az UAV általános bemutatása

A repüléstudomány szempontjából, napjaink egyik leginkább fejlődő ága az amely a pilótanélküli légijárművek fejlesztésével, illetve alkalmazásuk kérdésével foglalkozik Munkámból adódóan széles spektrumban van rálátásom ezen eszközök katonai alkalmazásáról. Az UAV szerkezeti felépítése semmiben nem különbözik egy hagyományos repülő eszköztől, csak az irányítása. Intelligens rendszer használatával, és azon technikai vívmányok (GPS, napelem, kamerarendszer, számítógépes irányítás …) beépítésével, melyek az embert helyettesíteni tudják ezen eszközök önálló feladat végrehajtásra alkalmasak (természetesen előre meghatározott programok alapján)

5.1.

Részegységek

Egy UAV felszereltségi követelményeit nagymértékben befolyásolja az, hogy az adott légijármű milyen célból került alkalmazásra és a repülési tulajdonságai alapján milyen osztályú légterekben kerülhet felhasználásra. Megállapítható, hogy az UAV-k legfőbb feladatának a képi felderítést tartják. Ugyancsak magasan priorizált feladat a jel felderítés. Azonban a korábban nem számottevő híradó és adatátviteli, illetve a harci kutatás – mentési feladatokban is egyre nagyobb szerepet kapnak a drónok. A légi felderítés és megfigyelés szempontjából a fedélzeti berendezések között kamerarendszer és adatrögzítés került középpontba.

5.1.1. Navigáció, helyzetmeghatározás A légijármű önálló navigációját és navigációját biztosító berendezések szintén központi szerepet kaptak, feltétlenül szükséges a műholdas navigációs rendszerek használat. Ezen műholdas helyzetmeghatározás és koordináták alapján a vezérlő szoftver folyamatosan tudja a helyzetértékelést végrehajtani. A helyzetmeghatározás nem függ a látási időjárási körülményektől, mivel ezen paraméterek kiküszöbölése GPS rendszer feladata.

Az UAV kommunikációja minden esetben a földi, kiszolgáló, felügyelő szegmenssel együtt értelmezhető csak, azok egymástól nem válaszhatók el. Az UAV és a földi szegmens kommunikációja két irányú az adás és vétel irány leggyakrabban frekvenciában szeparált. Az UAV-nek rendelkeznie kell a zavarvédett adatkommunikációt biztosító VHF és UHF frekvenciasávban működő rádióberendezéssel, ezen túl műholdas adatkommunikációs eszközzel is. Az irányító csatornák szám nagyban függ a dron méretétől jellegétől, így létrehozhatnak több csatornát is. A kiválasztott frekvenciáknak biztosítaniuk kell a zavar mentes, kis teljesítménnyel megvalósuló nagy távolságra történő adatkommunikációt.

5.1.2. Magasságmérő A navigáció, a le és felszállás szempontjából az egyik legfontosabb repülési adat a magasság. A drónnal szembeni alapkövetelmény, hogy a jármű a földi irányítóegység felé a legpontosabb magassági adatokat továbbítsa. Mivel a robotrepülőkön nincs személyzet, aki vészhelyzet esetén be tudna avatkozni, ezen magasság adatokat több rendszer is kezeli. Barometrikus magasságmérő mellé akusztikus magasságmérőt és rádiómagasságmérőt is kell rendszeresíteni. Ezen információk a fedélzeti intelligens vezérlőrendszer és a robotpilóta egyik legfontosabb adatai.

5.1.3. Optikai infravörös eszközök: A hagyományos képet szolgáltató kamerák a létható fény tartományában dolgoznak. A technológiai fejlődéssel méretük csökkent teljesítményük viszont jelentősen megnőtt (felbontás, képélesség). A hőkamerák széles spektruma a füstön át való látása tűzfészkek keresésére, elektromos hálózati hibafelderítésére hőszigetelés vizsgálatára használják. Lehetőség van a tárgyak, élőlények által kibocsátott hőt érzékelni infravörös sugárzású tartományban. Forward Looking Infrared Radar. A Hiperspektrális képalkotás egy területet képpontra bont minden képpontról spektrum felvétel történik, mely egy folyamatos görbeként jelenik meg. Az ásványkincsek felderítésére, sávonkénti átfésülésére használják.

5.1.4. Radar A beépített radarok szektoros letapogatású (Side Looking Airborn Radar) képet alkotnak a rendszerben, keskeny sugárnyalábban szintetikus apertúrájú jelfeldolgozó eljárást használnak, ami matematikailag összegzi az impulzusok amplitúdóját és fázisát. A kapott radarkép ezáltal oly mértékben javul, mintha az alkalmazott antenna mérete egyenes vonalú pálya alapján megnőtt volna. SAR (Synthetic Aperture Radar).

5.1.5. Speciális eszközök A feladatok függvényében speciális felvételeket készíthetnek vegyileg szennyezett megközelíthetetlen természeti katasztrófa helyszínekről. Meteorológiai szenzorok barometrikus nyomásmérők páratartalom szélsebesség adatgyűjtő rendszerek felszerelése is lehetséges mely adatait a rendszer bázisra továbbítja. Jegesítési jelzőműszerek automatikus jégtelenítő rendszerek (nagy magasságú repülés). Azonosító jeladó berendezés speciális kiegészítőt alkothatnak a feladatok függvényében.

6.

Repülésirányító berendezés és robotpilóta

Úgy a repülési, mind a navigációs feladatok végrehajtásáért az UAV-nek rendelkeznie kell fedélzeti számítógéppel, mely a lelke az adott légijárműnek. Ez a berendezés felelős egyrészt az eszköz távvezérlő jeleinek feldolgozásáért és továbbításáért a kormányvezérlők irányába, a szenzorok jeleinek gyűjtéséért, a képi adatok tárolásáért illetve szükségszerű továbbításáért, az autonóm navigáció végzéséért, a fegyverrendszer vezérléséért és természetszerűen magának az eszköznek a működtetéséért. A fedélzeti számítógépet az állagának megóvása érdekében rezgéscsillapító keretben kell elhelyezni . Annak érdekében, hogy a repülés folyamán az UAV légi üzemeltetése biztosított legyen, a fedélzetre egy a sárkány-, a hajtómű- és a fedélzeti elektromos rendszerek működési paramétereit monitorozó rendszert kell telepíteni. A különböző szenzoroktól érkező jelek a kommunikációs rendszer segítségével kerülnek majd továbbításra a földön elhelyezkedő kezelő számára. Ezeknek a létfontosságú szenzorok bármelyikének kiesését (kivéve, ha nem rendelkezik tartalékkal) megbízhatóan detektálni kell, és kézi vezérlésre kell átállni. Annak érdekében, hogy az UAV a vezérlő jelek kiesésekor azonnal n térjen el az utolsó biztonságos repülési üzemmódjától szüksége van, egy fedélzeti rendszerre mely ilyen esetekben stabilizálja a légijármű repülési paramétereit, mely vagy egy robotpilóta, vagy egy repülési stabilizátor kell, legyen

7. Az Intelligens vezérlés és irányítás bemutatása az UAV rendszerén keresztül 7.1. Intelligens, pilóta nélküli légi járművek repülési rendszere A teljesség igénye nélkül egy rövid bemutatás erejéig az ember nélküli légi járművek repülési rendszerének bemutatását szeretném prezentálni. Ezen gépek fedélzetén egy számítógép és egy robotpilóta dolgozik, autonóm irányítás alatt. A számítógép nyújtja az alapot a küldetés irányításért és futtatja az autonóm Intelligent Controllert (IC) szoftvert. A robotpilóta a járművet irányítja a navigáció és a légi forgalom irányító torony útmutató irányítása alapján. Az értelmes UAV repülési rendszer arra törekszik, hogy tanuljon, autonóm UAV irányítást adjon a rendelkezésre álló adatok alapján. Értelmes vezérlő technológiát használ, azért, hogy a UAV tanulási szintjét emelni tudják. Ezáltal a külvilágról egy belső ábrázolást kapunk, használható pre matematikai vagy modell leírások alapján. Egy kereskedelmileg elérthető robotpilótát arra használnak, hogy a navigációs és a légi forgalom irányító torony adatai alapján, emberi beavatkozás nélkül, parancsokat hajtson végre. Egy fedélzeti számítógép, amin autonóm értelmes vezérlő szoftvert fut, adatokat gyűjt elemez, dönt. Az értelmes UAV repülési rendszer alapját e két rendszer közötti kommunikáció nyújtja. A földi állomás és az UAV alrendszereikkel együtt egy komplex rendszert alkot.

Az itt megtalálható hardver elemek alkotják az alaprendszert. Ennek a rendszernek része egy perception modul, amely a belső modellek és a külső objektumok tulajdonságai közötti összefüggéseket kell felismernie és ez alapján a helyes következtetésekkel kell a rendszert irányítani. A perception modul egy hálózat az adott fúziós algoritmusok és következtetések alapján. Az adatfúziós algoritmusok fő feladata, hogy frissítse az új érzékelő adatokkal a jelenlegi modulokat. A következtető tulajdonságok, vagy események egy információkat felmérő automatikus felismerési folyamat része. Az érzékelő rendszerek nagy mennyiségű adatát a feldolgozás előtt a IC kapja, melynek átalakítása és egyesítése egy inerciális koordináta rendszerben történik. Az adatok lehetnek hátér zajszint becslés diszkrét Fourier transzformáció analóg- digitális jelátalakítás, melyek egy pufferben halmozódnak. UAV intelligens vezérlő IC. A repülőgép küldetését biztosítja. A fedélzeti processzor futtatja azonosító adatokat tartalmaz a konfigurációs fájljában. Ezen pilóta nélküli légi járművek vezérlése egy olyan erős fejlődéshez járul hozzá, amely lehetővé teszi olyan intelligens autonóm légi járművek tervezését, mely feladataikat önállóan öntanulással hajtják végre. A küldetések ellenőrzését azonban minden esetben folyamatosan figyelni kell, az emberi beavatkozás lehetőségét meghagyva.

7.2. Az UAV helyzetbecslése GPS jel nélküli környezetben Az UAV repülésük során a GPS koordinátákra támaszkodnak a pontos helyzet és sebesség becslésénél. Az olyan helyeket, ahol a GPS lefedettség nem elérhető alternatív megközelítést kell alkalmazni, egy becslés alapú meghatározás. Egy olyan algoritmus alkalmazásával. egy kiterjesztett Kálmán szűrő kerettel, melyben a pozíciót gyorsulásmérő és giroszkóp segítségével becsüljük meg. Kulcs kérdés, hogy képesek működni GPS nélküli környezetben. Ezen UAV-k nem rendelkeznek inerciális navigációs rendszerrel, mely lehetővé teszi a GPS nélküli navigációt. Ez esetben a pozíciót egy becslés segítségével kapott azonosítás adja meg, tereptárgyak, vagy kamerák képe alapján. A vizuális mozgás becslés egy inerciális mérő egység segítségével valósul meg, kiterjesztett Kálmán filter segítségével. A Kálmán-szűrő egy algoritmus, mely mozgó, változó rendszerek állapotáról ad optimális becslést sorozatos mérésekkel, figyelembe véve az állapot méréseket és a zavaró tényezőket (zajok, bizonytalanságok, pontatlanságok). Ezzel az algoritmussal jóval pontosabb információ kapható a vizsgált tárgyról, mintha csak 1 mérést végeznének el. Más szóval a Kálmán szűrő a zajos bemenő adatok rekurzív mérésével egy optimális becslést ad a mérés tárgyának állapotáról. A Kalmán-szűrő a szóban forgó rendszer vezérlési bemenő adataiból indul ki, és sorozatos méréseket végez, ebből becslést szintetizál a kimenő adatokra, mely jobb eredményt ad, mintha egy mérést végeztek volna. Ez hasonló az érzékelő fúziós és az adat fúziós algoritmusokhoz. A Kálmán-szűrő átlagolja a rendszer állapotainak becsült adatait, és új méréssel súlyozott átlagolást végez. A súlyozást a kovarianciából számolja, mely a rendszer állapotainak becsléséből származó becsült bizonytalanságokból származik. A súlyozott átlag eredménye egy új állapotbecslés, mely a becsült és mért állapot között van. A folyamat lépésenként ismétlődik egy iterációs eljárással. A Kálmán-szűrő rekurzív módon működik és csak az utolsó legjobb eredményt veszi figyelembe, szemben a rendszer teljes történetével. Mivel gyakran nehéz a mérést precízen elvégezni, a Kálmán-nyereséget figyelembe kell venni. A Kálmán-nyereség a mérések relatív bizonyosságának függvénye, és „hangolható” partikuláris teljesítményre. Magas fokú nyereség esetén több súlyozást alkalmaz, és így szorosabban követi a mérést. Alacsonyabb súlyozáskor a modellbecslés szorosabb, kisimítva a zajokat. Szélső esetben az egyes nyereségnél nem veszi figyelembe az állapotbecslést, míg zéró nyereségnél a mérést eldobja. Az aktuális számításkor a szűrő az állapotbecsléseket és a kovarianciákat egy mátrixban kódolja. Ezzel lehetővé válik a különböző állapotváltozók (pozíció, sebesség, gyorsulás) közötti lineáris kölcsönhatás, és az átmenetek kezelése.

A kiterjesztett Kálmán szűrő két szakaszból áll, az első szakaszban a becslés állapot vektor által propagált nem lineáris dinamika és a hozzátartozó propagált linearizált mátrix tartozik. A második szakaszban diszkrét idejű mérések és becslések és a hiba kovariancia mátrix található. A szaporítási fázis a merev test mozgása alapján inerciális mérések, szögletes sebesség és gyorsulás alapján kapjuk meg.

Ez az algoritmus egy olcsó gyorsulásmérő és giroszkóp segítségével úgy egyesíti az adatokat a Kálmán szűrő kerettel, hogy pontos elhelyezkedést és tájolás információt kapunk általa. Az algoritmusok jövőbeni szerepe, hogy ritka GPS környezetben áthidalhatók legyenek a vezetési információk, pontosabb becsléseket kapjunk „vakrepülés” témakörében.

7.3. Látásra épülő autonóm leszállás egy helikopterrel mozgó célra Az intelligens vezérlés másik kiemelkedő feladatköre az olyan helyzetek megoldása, melyben a bemenő adatok és a repülési környezet folyamatosan változik, hiszen így a tervezés, szervezés koordináció külső beavatkozás nélkül kell, hogy végbe menjen. A cél hogy a lefelé néző kamera nyomón követi azt a mozgó helyet, melyhez egy algoritmus segítségével a helikopter leszállást tudjon végrehajtani, folyamatosan változó adatok alapján. A helyzet a célkép a bemenet egy Kálmán szűrőn keresztül egymást követő képkockák. A végeredmény pályakövetés és leszállás a kiszámított adatok alapján. A függőleges le és felszállási képességek lehetővé teszik az UAV-kat viszonylag kis területen bonyolult feladatok végrehajtására, kutatás, mentés, szállítás. A repülési adatok fő iránya ebben az esetben a nyomkövető rendszer ami alapján a vezérlő IC képes arra, hogy az UAV-t a megfelelő parancsokkal betáplált modellek és algoritmusok segítségével pozícióba hozza. A látás alapú leszállás számos technikát hordozott magába és a leszállóhely alakja azonban a problémákat növelte. A probléma 4 szakaszból áll: Céllátás Célkövetés Mozgástervezés és becslés Vezérlés, szabályozás

A célkövetés egy Kálmán szűrőn keresztül valósul meg mért x és y koordinátákon keresztül a földön. Kinematikai modellt alkalmazva a nyomón követendő objektum modellezésére. Egy olyan egyenlet a cél amelyet ez a lineáris rendszer leír nekünk. A megközelíteni kívánt pályát követnie kell. A leszállás egy harmadfokú polinom, ahol a magasság az adott helyzetben egységnyi idő alatt változik. Amikor a helikopter leszáll a cél és a helikopter sebességének egyeznie kell. A repülési idő jelentősen korlátozza a végrehajtást.

Az algoritmusunk érvényesítése érdekében a kísérletek alatt a cél egyenes vonalú egyenletes mozgást végzett a folytonos vonalon található. A szaggatott vonal a szűrés nélküli kameraképet és a következetett adatokat tartalmazza. Az intelligens rendszer a szaggatott jel alapján elég jó hatásfokkal tudja lekövetni a változásokat.

Kálmán-szűrő egy olyan célmeghatározást valósít meg becslés alapján, amely a helikopter egy olyan pályáját tervezi meg, hogy arra leszállni képes. A jövőbeni célok az algoritmus olyan irányú fejlesztése, mely alapján több cél is nyomon követhető és választás alapján leszállni képesek leszünk a legoptimálisabbra.

7.4. A napelemmel rendelkező UAV -k munkája sarkvidéki területen A napelemes High Altitude Long Endurance (HALE) pilóta nélküli légi járművek UAV-k tesztelések során ideális működési területnek bizonyult a napelemes technológia. Ezen terv létre hozásának szükségességét, az üzemanyag megtakarítás és hosszú működési idő igénye alakította ki. Képes egy állandó, vagy örök repülésre káros kibocsátás és karbantartási költségek nélkül. A hosszú távú csavargás gyakorlatilag lehetetlen standard repülőgépekkel, csak a geostacionárius műholdak képesek erre. Televíziós műsor szórásra nagy léptékű kommunikációra használják Solar HALE platformok előnyei nem kell üzemanyag környezetbarát, hosszú ideig a levegőbe marad nagy magasságban közlekedhet időjárás független. Használata során a napelemes HALES részére állandó napenergia áll rendelkezésre sötét órákban akkumulátorral rendelkezik.

A napelemek telepítése gyakorlatilag minden szabad felületet kihasznál, folyamatos energiaellátást biztosítva. Az intelligens controller IC folyamatosan amellett, hogy az egyéb felderítési, adatgyűjtési feladatokat végrehajtja plusz feladatként felügyeli és tervezi az UAV rendszerének energiaellátását. A feladatokat úgy ütemezi, hogy a napelemes rendszer feltöltöttsége mindig optimális legyen. Az alacsony beesési szög miatt az alsó részeken is napcellák találhatók, így a feltöltés szinte 24 órában megvalósítható a nagy magasság miatt. Ezen hosszútávú kutató repülőgépek telepítése nem igényel közelben lévő bázist nem igényli az UAV karbantartását, energiaellátását, feltöltését, működése így önellátónak mondható. A gyökerek a napelemes repülőgépek esetében 1999-ig nyúlnak vissza amikor a távirányítású napelemes repülőgép először debütált. A jelenlegi napelemes technológia viszonylag alacsony hatékonysága megköveteli, hogy napcellák borítsák a gép teljes felületét. Az alacsony levegősűrűsége nagy magasságban megköveteli a merevszárnyú HALES szükségességét a szárnyak alatti napcella a diffuz fényt hasznosítja. Felhős időben felhőszint fölé emelkedve állandó repülést tesz lehetővé.

8.

Összefoglalás, következtetés, A mesterséges intelligencia használata a jövőben

A robotika és a mesterséges intelligencia használata tulajdonképpen nem más, mint intelligens ágensek, amelyek képesek megváltoztatni a fizikai világot. ·

·

·

·

·

· ·

·

· · ·

A robotok szenzorokkal vannak felszerelve, hogy érzékelhessék az őket körülvevő világot, és beavatkozó szervekkel, hogy fizikai erőkkel hathassanak környezetükre. A legtöbb robot vagy manipulátor, amely egy adott helyhez van rögzítve, vagy mobil robot, ami képes mozogni. A robotikai érzékelés a döntéshez kapcsolódó mennyiségeknek a szenzoros adatokból való becslése. Ehhez szükségünk van egy belső reprezentációra, valamint egy olyan módszerre, amivel azt időnként frissíthetjük. A nehéz érzékelési problémák gyakori példái a helymeghatározás és a térképezés. Valószínűség-alapú szűrő algoritmusok, mint például a Kálmán-szűrők és a részecskeszűrők hasznosak a robotérzékelés szempontjából. Ezek a technikák frissítik a belső világképet, például az állapotváltozók a posteriori eloszlását. A robot mozgásának tervezése általában a konfigurációs térben történik, ahol minden pont egyértelműen meghatározza a robot egy adott pozícióját és orientációját, csuklóinak szögét. A konfigurációs térben kereső algoritmusok között fontos megemlíteni a celladekompozíciót, amely a teljes konfigurációs teret véges sok cellára bontja fel, valamint a szkeletonizációs technikákat, amelyek az adott konfigurációs teret egy alacsonyabb dimenzióba vetítik le. A mozgástervezés problémáját ezután már egyszerűbb struktúrákban való kereséssel is meg lehet oldani. A kereső algoritmus által megtalált pályán a robot akkor tud végighaladni, ha egy PID szabályozót teszünk a rendszerbe, aminek referenciapályája a kívánt útvonal. A potenciáltér-alapú technikák a céltól és az akadályoktól való távolság szerint definiált potenciálfüggvények segítségével navigálják a robotot. Ezek a technikák megakadhatnak lokális minimumhelyeken, de képesek mozgásgenerálásra előzetes tervezés nélkül. Néha egyszerűbb egy robotszabályozót közvetlenül megtervezni, mint a pályát a környezet explicit modelljéből levezetni. Egy ilyen szabályozót legtöbbször leírhatunk véges automataként. Az alárendelt architektúra a programozók számára lehetővé teszi, hogy belső órajellel kiegészített véges automaták összekapcsolásával robotvezérlőket alkossanak. A népszerű háromrétegű architektúra olyan robotszoftver fejlesztéséhez is keretet ad, amely integrálja a modellalapú tervezést, a részfeladatokra bontást és a szabályozást. Léteznek feladatspecifikus robotprogramozási nyelvek, amelyek megkönnyítik a robotszoftverek fejlesztését. Ezek a nyelvek kész szerkezetekkel segítik a többszálú programok írását, a szabályozási irányelveknek a tervezésbe történő integrálását és a tapasztalatalapú tanulást.

Az intelligens vezérlésre támaszkodó, robotizált szállításnak sok oldala van. Az autonóm helikopterektől kezdve, amelyek nehezen megközelíthető helyekre juttathatnak el szállítmányokat, az automata kerekes székeken át (amik olyan embereket szállítanak, akik nem tudnák irányítani a hagyományos kerekes széket), egészen az autonóm rakodógépekig, amelyek felülmúlják a dokkokban a szakképzett humán sofőrt is a konténerek hajókra és teherautókra való bepakolásánál.

Jó példa a beltéri szállító robotokra a Helpmate nevű robot. Ezt a robotot kórházak tucatjaiban használják étel és egyéb orvosi felszerelés szállítására. A kutatók olyan autószerű robotot is kifejlesztettek, amely képes önállóan navigálni az autópályán, és terepen is megállja a helyét. Üzemi körülmények között a szállítórobotok ma már rutinszerűen látják el a szállítási feladatokat raktárakban és a gyártósorok között. Ezen robotok közül sok igényli, hogy munkája elvégzéséhez változtassunk valamit környezetén. A leggyakoribb, hogy tájékozódást segítő elemeket kell felszerelni, például induktív köröket a padlóba, aktív fényjeleket, vonalkódokat vagy GPS-adókat. Jelenleg még mindig nagy kihívás olyan robotot tervezni, amely képes a természetes környezetben tájékozódni, és nem igényel mesterséges eszközöket. Ez különösen fontos olyan esetekben, mint például a mélytengeri kutatások, ahol a GPS nem elérhető. Robotok segítettek az embereknek a nukleáris hulladékok eltakarításában. A legnevezetesebb helyszín Csernobil és Three Mile Island volt. A robotok ott voltak a World Trade Center összeomlása után is, és olyan helyekre is bementek, amelyek a mentőcsapatok számára túl veszélyesek voltak. Néhány országban lőszer szállítására és – ami különösen veszélyes feladat – bombák hatástalanítására használnak robotokat. Számos kutatás irányul napjainkban aknaszedő robotok kifejlesztésére – mind szárazföldi, mind tengeri használatra. A legtöbb ilyen célú robot távirányítással működik, azaz emberek vezérlik messziről őket. Ezen robotok önállóvá tétele a következő fontos fejlesztési lépés. A robotok eljutottak oda is, ahová az ember még soha, például a Mars felszínére. Robotkarok segítik az űrhajósokat a műholdak befogásában és pályára állításában, valamint a Nemzetközi Űrállomás (ISS) építésében. Robotok segítenek a tenger alatti kutatásokban. Gyakran használják őket elsüllyedt hajók feltérképezésére. Egy elhagyatott szénbányát feltérképező robot a távolságszenzorai által a járatról alkotott 3D modellel együtt.

(a) Egy elhagyatott bánya feltérképezése egy robottal. (b) A bányának a robot által kapott 3D képe.

1996-ban tudósok egy járórobotot engedtek le egy működő vulkán kráterébe, és fontos adatokat gyűjtöttek klimatológiai kutatásokhoz. Ember nélküli légi járműveket, más néven drónokat (drones) használnak katonai műveletekhez. A robotok egyre hatékonyabbak az információgyűjtésben olyan területeken, amelyek nehezen megközelíthetők (vagy veszélyesek) az ember számára.

(a) A Helpmate robot élelmiszert és egyéb orvosi felszerelést szállít több tucat kórházban, világszerte. (b) Sebészrobotok a műtőben. A sebészorvosok munkáját segítendő egyre többször használnak robotokat az orvosi eszközök pontos mozgatásához olyan kényes szerveket érintő műtétek esetében, mint az agy, a szív vagy a szem. A robotok – nagy pontosságuknak köszönhetően – nélkülözhetetlen eszközökké váltak bizonyos csípőprotézisek beültetésénél. Pilottanulmányok kimutatták, hogy végbéltükrözés esetén a robotizált eszközök használata csökkenti a sérülés veszélyét. A műtőn kívül, a kutatók megkezdték olyan robotok kifejlesztését, amelyek idős vagy fogyatékos emberek segítségére lehetnek, mint például az intelligens robotizált járógépek vagy intelligens játékok, amelyek figyelmeztetnek a gyógyszerek bevételére. A szolgáltatás a robotok nagy, ígéretes alkalmazási területe. A szervizrobotok a mindennapi teendők elvégzésében segédkeznek. A kereskedelmi forgalomban is kapható szervizrobotok között vannak autonóm porszívók, fűnyírók és golflabdaszedők. Ezen robotok mindegyike önállóan, emberi segítség nélkül képes navigálni, és teljesíteni feladatát. Néhány szervizrobot nyilvános helyeken tevékenykedik, mint például az idegenvezetőként alkalmazott robotizált információs pult a bevásárlóközpontokban, a vásárokon vagy a múzeumokban. A szervizfeladatok ellátása emberi interakciót kíván, és azt, hogy a robot megfelelően boldoguljon kiszámíthatatlan és dinamikus környezetekben.

A robotok megkezdték a játék- és szórakoztatóipar meghódítását is. Az egyik, nagy kihívást jelentő feladat, ahol az AIBO-kat fizikai eszközként használták, a robotfoci (robotic soccer): versengés két csapat között, az emberi focihoz hasonló szabályokkal, de autonóm mobil robotokkal. A robotfoci nagyon jó lehetőségeket kínál az MI-kutatásokhoz, mert sok olyan problémát foglal magában, ami máshol, komolyabb alkalmazásokban is megjelenik. Az évente megrendezésre kerülő robotfoci-bajnokságok sok MI-kutatót vonzzanak, és érdekesebbé, izgalmasabbá tették a robotikának ezt az ágát. Az utolsó alkalmazás, amiről szót ejtünk, az emberi kiegészítők. A kutatók kifejlesztettek már a kerekes székhez hasonló lépegető járógépet, amelyek alkalmasak emberek szállítására. Számos helyen jelenleg arra koncentrálnak, hogy olyan eszközöket alkossanak, amelyek megkönnyítik az embernek a járást vagy a karok mozgatását egy, a testhez kívülről csatlakoztatott vázzal, amely képes pluszerőt kifejteni. Ha valakire tartósan rögzítenek egy ilyen szerkezetet, akkor mesterséges végtagnak is tekinthető. A robotok általi távjelenlét, illetve teleoperáció is felfogható emberi kiegészítésnek. A teleoperáció azt jelenti, hogy robotikai eszközök segítségével nagy távolságból tudunk megadott feladatokat végrehajtani. A teleoperáció népszerű megvalósítása a mester–szolga (master-slave) elvű konfiguráció, amikor is a robot manipulátor a távolban lévő, humán operátor mozdulatait követi, egy heptikus (érzetet is közvetítő) interfészen keresztül. Ezek a rendszerek mind jobban kiterjesztik az emberi képességeket a környezettel való tökéletesebb kölcsönhatás érdekében. Néhány projekt azt tűzte ki célul, hogy lemásolja az embert, legalábbis felületes szinten. Japánban már számos cégnél kaphatók humanoid robotok.

9.

Hivatkozások

http://www.personal.psu.edu/lnl/papers/aiaa20057081.pdf Intelligent Unmanned Air Vehicle Flight Systems

Intelligens pilóta nélküli légi jármű repülési rendszerek http://robotics.asu.edu/sri/Publications_files/uav2009.pdf State Estimation for UAVs in GPS-denied Environments Az UAV helyzetbecslése GPS jel nélküli környezetben http://robotics.asu.edu/sri/Publications_files/gnc2009.pdf Vision-based Autonomous Landing of an Helicopter on a Moving Target Látásra épülő autonóm leszállás egy helikopterrel egy mozgó célra http://citeseerx.ist.psu.edu/viewdoc/download?rep=rep1&type=pdf&doi=10.1.1.212.7985 Implementation and Flight Test Results of MILP-based UAV Guidance Végrehajtás és repülési teszt eredményei MILP alapú UAV részére http://elib.dlr.de/cgi/sfr_auth/krb5login.cgi?loginparams=%2F50818%2F1%2FCEAS_UALE_UAV_Prepr int.pdf A SOLAR POWERED HALE-UAV FOR ARCTIC RESEARCH A NAPELEMES kutató felderítés UAV-val sarkvidéki területen