КРИТЕРІЙ УПРАВЛІННЯ РОБОТИЗОВАНОЮ СИСТЕМОЮ З УРАХУВАННЯМ ВПЛИВУ НЕКОНТРОЛЬОВАНИХ ФАКТОРІВ
DOI:
https://doi.org/10.46972/2076-1546.2019.16.11Ключові слова:
критерій управління, роботизована система, вплив неконтрольованих факторів, інформаційний підхід.Анотація
У статті запропоновано критерій управління роботизованою системою, який на основі інформаційного підходу дозволяє враховувати вплив неконтрольованих факторів та статистичних зв’язків між ними в процесі добування інформації. У даній науковій роботі вибір оптимальної стратегії управління роботизованою системою в процесі добування інформації забезпечує показник, який характеризує ефективність управління. Слід зауважити, що наявність неконтрольованих факторів (перешкод, погодних умов, технічних несправностей тощо), які враховані у формальній математичній моделі управління, призводить до залежності показника ефективності не лише від вибраної стратегії управління, а й від значень неконтрольованих факторів. При цьому як вибрана стратегія управління, так і показник ефективності процесу добування інформації є функціями від неконтрольованих факторів відповідно. Використання запропонованого критерію дозволяє приймати правильні рішення в процесі управління роботизованою системою в разі впливу неконтрольованих факторів. Він може бути застосований за умов статистичної залежності неконтрольованих факторів та зміни станів досліджуваного процесу. Даний критерій не вимагає побудови моделей на основі оцінюваних комбінацій факторів, що істотно знижує часові та обчислювальні витрати для прийняття рішень у процесі управління роботизованою системою. Його використання дозволяє визначати, наскільки нове спостереження збільшить обізнаність роботизованої системи щодо стану досліджуваного процесу. Варто зауважити, що перспективи подальших досліджень можуть полягати в модифікації чинних та розробці нових методів планування застосування роботизованої системи на основі запропонованого критерію.
Посилання
Charrow, B. (2015). Information-theoretic active perception for multi-robot teams. PhD thesis. Philadelphia: University of Pennsylvania.
Humeniuk, M. O., Sashchuk, I. M., & Zhuravskyi, Yu. V. (2018). The criterion for feature informativeness estimation in multi robot teams control. Radioelektronika, informatyka, upravlinnia [Radio electronics, computer science, management], 4, 96–105. DOI 10.15588/1607-3274-2018-4-9
Grocholsky, B. (2002). Information-theoretic control of multiple sensor platforms. PhD thesis. Sydney: University of Sydney.
Grocholsky, B., Makarenko, A., & Durrant-Whyte, H. (2003). Information theoretic control of multiple sensor platforms. In Proceedings of the IEEE International Conference on Robotics and Automation, Vol. 1. (pp. 1521–1526).
Bourgault, F., Makarenko, A., & Williams, S. (2002). Information based adaptive robotic exploration. In Proceedings of the IEEE International Conference on Intelligent Robots and Systems. (pp. 540–545).
Choi, H. L., How, J. P. (2011). Continuous trajectory planning of mobile sensors for informative forecasting. Automatica, 145–152.
Ny, J. L., Pappas, G. J. (2009). On trajectory optimization for active sensing in gaussian process models. In Proceedings of the Joint IEEE Conference on Decision and Control and Chinese Control Conference. (pp. 6282–6292).
Singh, A., Krause, A., & Guestrin, C. (2007). Efficient planning of informative paths for multiple robots. In Proceedings of the International Joint Conference on Artificial Intelligence. (pp. 93–105).
Julian, B., Angermann, M., & Schwager, M. et al. (2011). A scalable information theoretic approach to distributed robot coordination. In IEEE/RSJ Conference on Intelligent Robots and Systems (IROS). (pp. 46–53).
Zhao, F., Shin, J., & Reich, J. (2002). Information-driven dynamic sensor collaboration. IEEE Signal Processing Magazine, 61–72.
Feng, X., Loparo, K., & Fang, Y. (1997). Optimal state estimation for stochastic systems: An information theoretic approach. IEEE Transactions on Automatic Control, 42 (6), 771–785.
Kreucher, C., Kastella, K., & Hero, A. (2003). Information based sensor management for multitarget tracking. In Processing SPIE, Bellingham, WA. Vol. 5204. (pp. 480–489).
Singh, A., Krause, A., & Guestrin C., et al. (2009). Efficient informative sensing using multiple robots. J. of AI Research, 34 (1), 707–755.
Binney, J., Krause, A., & Sukhatme, G. (2013). Optimizing waypoints for monitoring spatiotemporal phenomena. International Journal Robotics Research, 32 (8), 873–888.
Anisimov, B. V., Kurganov, V. D., & Zlobin, V. K. (1983). Raspoznavanie i tsifrovaia obrabotka izobrazhenii [Recognition and digital image processing]. Moscow: Vysshaia shkola [in Russian].
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2020 ПРОБЛЕМИ СТВОРЕННЯ, ВИПРОБУВАННЯ, ЗАСТОСУВАННЯ ТА ЕКСПЛУАТАЦІЇ СКЛАДНИХ ІНФОРМАЦІЙНИХ СИСТЕМ
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
