А.В.ТИМОФЕЕВ
АДАПТИВНЫЕ
РОБОТОТЕХНИЧЕСКИЕ
КОМПЛЕКСЫ
ЛЕНИНГРАД «МАШИНОСТРОЕНИЕ»
ЛЕНИНГРАДСКОЕ ОТДЕЛЕНИЕ
1988
ББК 32.816	'Тbj
Т41
УДК 621.007.52
Рецензент д-р техн, наук/цроф. И. Б. Челпаиоз
Тимофеев А. В.
Т41 Адаптивные робототехнические комплексы.—Л.: Ма-
шиностроение. Ленингр. отд-ние, 1988. — 332 с.: ил.
ISBN 5-217-00172-0
В книге изложены принципы, методы и средства конструирования адаптив-
ных робототехнических комплексов (РТК). Рассмотрены вопросы гибкого програм-
мирования и адаптивного управления РТК* Описаны различные типы манипуля-
ционных и транспортных роботов, станков и обрабатывающих центров с микро-
процессорными системами адаптивного управления. Рассмотрены особенности
систем адаптивного контроля и перспективы применения в машиностроении си-
стем искусственного интеллекта. Приведены примеры адаптивных РТК для меха-
нической обработки, сварки и сборки, используемых в составе гибких автомати-
зированных производств.
Книга предназначена для инженерно-технических работников, занимаю-
щихся разработкой, проектированием и созданием автоматизированных произ-
водств на базе РТК*
2404000000-161
Т 038 (01)—88	18,-88
ББК 32.816
ISBN 5-217-00172-0
© Издательство «Машиностроение», 1988
ПРЕДИСЛОВИЕ
Ускорение научно-технического прогресса на современном
этапе немыслимо без комплексной автоматизации производства.
Быстрое развитие этого направления является одним из определя-
ющих факторов интенсификации экономики. Оно позволяет кар-
динально повысить производительность труда, технологический
уровень и эффективность производства.
Важную роль играет комплексная автоматизация в условиях
социалистической экономики. Она является одним из пяти при-
оритетных направлений «Комплексной программы научно-тех-
нического прогресса стран — членов СЭВ до 2000 года» \ Основ-
ными задачами этого направления являются разработка и внедре-
ние гибких автоматизированных производственных систем раз-
личного назначения на базе роботов, автоматизированного тех-
нологического оборудования, контрольно-измерительных и диа-
гностических средств и транспортно-складских систем с общим
управлением от ЭВМ, а также интеграция этих систем с системами
автоматизированного проектирования и технологической под-
готовки производства с целью создания автоматических цехов
и заводов, быстро перестраиваемых на выпуск новой продукции.
Эффективным средством решения многих задач комплексной
автоматизации являются робототехнические комплексы (РТК),
работающие по принципу гибкой «безлюдной» технологии под
управлением ЭВМ. Переход от изолированного использования
отдельных роботов, станков с числовым программным управле-
нием (ЧПУ) и другого автоматизированного оборудования к РТК
позволяет резко сократить время переналадки производства на
выпуск новой продукции, высвободить обслуживающий персонал
и обеспечить круглосуточную эксплуатацию оборудования.
Главное отличие РТК от автоматических линий, традиционно
используемых в массовом производстве, заключается в их гиб-
кости, т. е. в способности быстро перестраиваться на выполнение
новых технологических операций или изменение их последова-
тельности за счет изменения управляющих программ. Поэтому
РТК и создаваемые на их основе гибкие автоматизированные
производственные системы находят все более широкое примене-
1 Комплексная программа научно-технического прогресса стран—членов СЭВ до 2000 го-
да. М.; Правда, 1985.
1*	3
ние в серийном производстве, доля которого в промышленности
составляет 80 %.
В настоящее время для гибкой автоматизации производства
в основном используются РТК первого поколения с программным
управлением от ЭВМ. Автоматизация технологических операций
в них обеспечивается системами ЧПУ роботов и оборудования.
Однако возможности систем ЧПУ принципиально ограничены.
Они могут обеспечить автоматическое функционирование РТК
только в строго определенных и неизменных условиях, органи-
зация которых требует значительных затрат.
Существенное расширение функциональных возможностей
РТК достигается за счет введения в его систему управления эле-
ментов адаптации и искусственного интеллекта. Такие РТК
с адаптивным управлением могут автоматически приспосабли-
ваться к непредсказуемым изменениям производственной обста-
новки и условий эксплуатации. Они принципиально отличаются
от РТК первого поколения мощным информационным и программ-
ным обеспечением, позволяющим системе управления планиро-
вать технологические операции и принимать оптимальные реше-
ния, воспринимать и оперативно реагировать на изменения в ра-
бочей зоне, анализировать обстановку и распознавать объекты,
программировать работу оборудования и корректировать управ-
ляющие программы, диагностировать неисправности и предот-
вращать аварийные ситуации.
Адаптивные РТК автоматизируют широкий класс технологи-
ческих операций, связанных не только с физическим, но и с ум-
ственным трудом. Необходимость в адаптации возникает при
механической обработке, сварке, окраске, сборке, контроле и
многих других операциях. В связи с этим адаптивные_РТК вто-
рого поколения являются эффективным средством комплексной
автоматизации. Они особенно перспективны в условиях много-
номенклатурного серийного, мелкосерийного и даже единичного
производства.
На пути создания и совершенствования адаптивных РТК
возникает много научно-технических проблем, связанных с раз-
работкой теоретических основ адаптивного управления и искус-
ственного интеллекта, созданием широкой номенклатуры датчи-
ков внешней и внутренней информации и микропроцессорных си-
стем для обработки этой информации и аппаратно-программной
реализации адаптивного управления. Все эти проблемы рассма-
триваются в книге в их естественной взаимосвязи с учетом на-
копленного отечественного и зарубежного опыта.
Цель книги заключается в систематизации методов и средств
адаптивного управления РТК, описании современного состояния
и перспектив развития адаптивных РТК для комплексной автома-
тизации производства.
В гл. 1 рассматривается концепция и общие принципы построе-
ния адаптивных РТК. Гл. 2 посвящена методам и алгоритмам
4
гибкого программирования оборудования РТК. В гл. 3 изла-
гаются теоретические основы алгоритмического конструирования
систем адаптивного программного управления РТК, включая
вопросы автоматизации проектирования и мультимикропроцессор-
ной реализации. Гл. 4—6 посвящены методам и средствам адаптив-
ного программного управления станками, манипуляционными
роботами и транспортными средствами. В гл. 7, 8 описаны робо-
тотехнические системы искусственного интеллекта и адаптивного
контроля. В гл. 9 рассматриваются состояние и перспективы
развития адаптивных РТК для автоматизации производства.
Создание гибких автоматических производственных систем на
базе адаптивных РТК и их широкое внедрение в народное хозяй-
ство открывает принципиально новые пути интенсификации и по-
вышения эффективности производства. Это направление комплекс-
ной автоматизации приведет в ближайшие годы к резкому увели-
чению производительности оборудования, сокращению ручного
труда, повышению качества и конкурентоспособности выпускае-
мой продукции. Достижение намеченных рубежей в области ав-
томатизации проектирования и управления производством позво-
лит существенно сократить сроки технологической подготовки ин-
тегрированного производства при переходе на выпуск новой про-
дукции.
Все замечания по книге автор просит присылать по адресу:
191065, Ленинград, ул. Дзержинского, 10, ЛО издательства «Ма-
шиностроение».
Глава 1
ОБЩАЯ КОНЦЕПЦИЯ
И ПРИНЦИПЫ ПОСТРОЕНИЯ
АДАПТИВНЫХ РТК
1.1. ГИБКАЯ АВТОМАТИЗАЦИЯ
И ИНТЕГРАЦИЯ ПРОИЗВОДСТВА
Современный этап комплексной автоматизации промышленного
производства характеризуется постепенным переходом к ин-
тегрированным научно-производственным комплексам (ИНПК),
базирующимся на широком применении гибких средств автома-
тизации и вычислительной техники на протяжении всего произ-
водственного цикла — от научных исследований до выпуска
готовой продукции. При этом автоматизация собственно про-
изводства заключается в создании работотехнологических ком-
плексов (РТК) и на их основе гибких автоматических произ-
водств (ГАП). В рамках ГАП все РТК и обслуживающие их си-
стемы управляются от сети ЭВМ. Это придает им необходимую
гибкость по отношению к возможным изменениям номенклатуры
или типоразмеров выпускаемой продукции.
Появление и широкое использование ГАП знаменует новый
этап в автоматизации и интенсификации производства. Чтобы
лучше понять особенности этого этапа, а также выявить современ-
ные тенденции автоматизации и интеграции производства, проана-
лизируем структуру и функции ГАП как элемента ИНПК-
Главное достоинство ГАП— гибкость в сочетании с высоким
уровнем автоматизации производства. Это принципиально новое
свойство обеспечивается в основном за счет автоматизации про-
граммирования и управления оборудованием ГАП на базе средств
вычислительной техники, поэтому структуру и организацию
работы ГАП целесообразно рассматривать с позиций современной
теории управления. С этой точки зрения ГАП представляет собой
сложный самонастраивающийся технологический комплекс, вклю-
чающий в себя: 1) производственную систему; 2) систему автома-
тического управления; 3) информационную систему; 4) систему
связи.
Производственная система — это главный элемент ГАП, опре-
деляющий его назначение и технологические возможности. В со-
став производственной системы входят основное технологическое
оборудование, роботы, транспортные, складские и контрольно-
испытательные системы, а также вспомогательное оборудование
(технологическая оснастка, системы подачи материалов и удале-
ния отходов производства и т. д.). Следует отметить, что состав
и компоновка используемого оборудования в значительной сте-
пени определяют производительность и технологическую гибкость
6
ГАП, т. е. возможность быстрой перестройки технологии произ-
водства при изменении выпускаемой продукции или при отказах
отдельных единиц оборудования.
С позиций теории автоматического управления производ-
ственная система ГАП представляет собой совокупность сложных
взаимосвязанных объектов управления. Для обеспечения согла-
сованной работы этих объектов в автоматическом режиме служит
система автоматического управления. Эта система сопряжена
с объектами управления с помощью каналов прямой и обратной
связи.
Основными функциями системы автоматического управления
являются программирование работы оборудования ГАП в соот-
ветствии с заданной технологией и фактическое осуществление
этой технологии путем подачи соответствующих управляющих
воздействий на приводы рабочих органов и механизмов. Эти функ-
ции задаются с помощью гибких алгоритмов, которые реализуются
на базе иерархически организованной локальной вычислитель-
ной сети. На низшем уровне этой сети, реализующем алгоритмы
управления оборудованием, обычно используются микропроцес-
соры и микроЭВМ. На более высоких уровнях, осуществляющих
планирование, программирование и оптимизацию технологиче-
ских процессов, чаще всего применяются мини-ЭВМ.
Функциональные возможности и гибкость системы автомати-
ческого управления ГАП определяются алгоритмическим и про-
граммным обеспечением, которое реализуется в локальной вы-
числительной сети, поэтому разработка эффективных методов
и алгоритмов управления оборудованием с помощью ЭВМ яв-
ляется одной из важнейших проблем гибкой автоматизации.
Решение этой проблемы невозможно без соответствующего ин-
формационного обеспечения, реализуемого информационной си-
стемой ГАП. В состав этой системы входят автоматизированные
банки данных (АБД), содержащие имитационную модель ГАП,
данные о производственной программе, поставках заготовок,
учете готовой продукции и т. п., а также распределенная система
датчиков, встроенных в элементы и узлы производственной си-
стемы. Информация, получаемая с датчиков, характеризует те-
кущее состояние оборудования ГАП, поэтому она используется
в системе автоматического управления как обратная связь. Сиг-
налы обратной связи позволяют автоматически корректировать
управляющие программы и воздействия с целью обеспечения
стабильности в работе производственной системы. Они исполь-
зуются также для контроля и диагностики состояний оборудо-
вания ГАП.
Обмен информацией между описанными системами ГАП осу-
ществляется через систему связи, которая представляет собой
разветвленную сеть связи, содержащую соответствующие типы
данных, интерфейсы и т. п. Через систему связи осуществляется
также связь ГАП с внешними автоматизированными системами,
7
Рис. 1.1. Структура ГАП в со-
ставе интегрированного научно-
производственного комплекса
организующими его эффек-
тивную и бесперебойную
работу. Эти внешние си-
стемы можно рассматри-
вать как своеобразную
надстройку над ГАП, в со-
став которой входят: 1) ав-
томатизированная система
управления предприятием
(АСУП); 2) автоматизиро-
ванная система научных
исследований (АСНИ);
3) система автоматизиро-
ванного проектирования
(САПР); 4) автоматизи-
рованная система технологической подготовки производства
(АСТПП). Совокупность названных систем по существу представ-
ляет собой автоматизированную систему организации и инфор-
мационного обеспечения производства.
Объединение ГАП и АСУП, АСНИ, САПР и АСТПП
приводит к принципиально новой инфраструктуре — инте-
грированным научно-производственным	комплексам
(ИНПК). Структура ГАП в составе ИНПК изображена
рис. 1.1.
В отечественной технической литературе ИНПК принято
называть более кратко (хотя и менее точно) интегрированными
производственными комплексами (ИПК). Что же касается зару-
бежной литературы, то в ней широко используются термины
«Computer Integrated Manufacturing» (СIM) и «.Integrated Com-
puter — Aided Manufacturing» {ICAM).
Наибольшая гибкость и эффективность ГАП достигается при
его работе в составе ИНПК- В этом случае люди полностью осво-
бождаются от непосредственного участия в технологическом
процессе. Их роль сводится только к организации гибкого произ-
водства с помощью ЭВМ, объединенных в единый вычислитель-
ный центр ИНПК- При этом на людей возлагаются по крайней
мере три важные функции:
1)	постановка задач производства (указание номенклатуры
изделий и объема серий, формулировка технико-экономических
показателей и т. п.);
2)	общее руководство производством и принятие управлен-
ческих решений (организация загрузки оборудования ГАП, дол-
госрочное и оперативное планирование производства, диспетчи-
рование и т. п.);
8
3)	творческая деятельность на этапах научных исследований,
проектирования продукции и технологической подготовки про-
изводства.
Следует заметить, что первые две функции, реализуемые
в АСУП, будут оставаться в основном за людьми даже при очень
высоком уровне автоматизации. И дело здесь вовсе не в сложности
или принципиальной невозможности переложить интеллекту-
альные функции на ЭВМ. Речь идет скорее о соображениях со-
циально-экономического и этического характера: ИНПК должны
удовлетворять определенные потребности общества. Поэтому ор-
ганизация их работы, принятие и утверждение управленческих
решений (т. е. придание им юридической силы) должны возла-
гаться на людей, знающих эти потребности.
Что же касается третьей функции, реализуемой в АСНИ,
САПР и АСТПП, то границы, разделяющие творческую деятель-
ность от рутинной, не творческой, очень размыты и диалектически
изменчивы. Естественно ожидать, что по мере развития вычисли-
тельной техники и связанных с ней систем искусственного интел-
лекта все большая часть труда, требующего творческого участия
человека, будет формализовываться и передаваться ЭВМ. На со-
временном этапе развития ИНПК АСНИ, САПР и АСТПП рабо-
тают обычно в режиме диалога между человеком и ЭВМ. На прак-
тике это реализуется с помощью автоматизированных рабочих
мест (АРМ) научных сотрудников, конструкторов и технологов.
Перечисленные АРМы органически входят в состав АСНИ, САПР
и АСТПП и связаны с соответствующими конструкторско-тех-
нологическими банками данных и знаний.
Новая технология проектирования изделий и подготовки
управляющих программ с помощью АСНИ, САПР и АСТПП
принципиально отличается от традиционной автоматизации до-
кументооборота. При этом обмен информацией как внутри рас-
сматриваемых систем, так и между ними осуществляется по кана-
лам связи через машинные носители информации (магнитные
ленты, диски и т. п.). Такой безбумажный информационный обмен,
называемый еще безбумажной информатикой, не только осво-
бождает людей от трудоемкой работы с потоком бумаг (сводки
данных, схемы, распечатки программ, чертежи и т. п.), но и дает
возможность резко увеличить информационные потоки и тем
самым повысить производительность и качество проектных ре-
шений.
Следует заметить, что в настоящее время не существует еди-
ного общепризнанного определения понятия ГАП. Даже сокра-
щение ГАП трактуется в литературе по-разному. Одни авторы
(см., например, [33, 34, 53, 75, 78]) подразумевают под ГАП гиб-
кое автоматизированное производство, другие — гибкое авто-
матическое производство. Следует также отметить, что вместо
термина ГАП часто используется термин «гибкая производствен-
ная система» (ГПС), установленный ГОСТ 26228—84, или термин
9
«гибкая автоматическая производственная система» (ГАПС). Тер-
минологическим эквивалентом понятия ГАП в зарубежной лите-
ратуре является термин «.Flexible Manufacturing System» (FMS).
Как видно из самого термина ГАП, важнейшую роль при опреде-
лении этого понятия должны играть такие неотъемлемые при-
знаки, как гибкость и автоматизм.
В общем случае под гибкостью понимается и способность к пе-
рестройке производства путем перепрограммирования и пере-
наладки оборудования ГАП на выпуск новой продукции, и воз-
можность широкого маневрирования при выборе или замене
подходящего оборудования и технологии производства, и бы-
строту реакции ГАП на внутренние и внешние производственные
возмущения с соответствующей самонастройкой системы управле-
ния. Эти свойства можно трактовать как важнейшие достоин-
ства и отличительные черты ГАП по сравнению с обычными авто-
матическими линиями или заводами-автоматами с жесткой тех-
нологией. Последние служат, как известно, для массового про-
изводства одной и той же продукции. Переход на выпуск новой
продукции в рамках жестких автоматических производств либо
вообще невозможен, либо сопряжен со сложной реконструкцией,
требующей больших затрат, поэтому такие автоматические линии
и заводы можно рассматривать как своеобразный антипод ГАП.
Достоинства ГАП особенно ярко проявляются в мелкосерий-
ном производстве с широкой и изменяющейся номенклатурой.
В этом случае степень гибкости характеризуется номенклатурой
и объемом серий выпускаемой продукции, а также временем
и трудоемкостью перестройки производства с одного вида про-
дукции на другой. Интуитивно ясно, что гибкость ГАП тем больше,
чем шире номенклатура изделий и объем выпускаемых серий.
Что же касается времени и трудоемкости перестройки произ-
водства с одной серии на другую, то эти показатели определяют
не столько гибкость, сколько эффективность ГАП.
Исходя из этих соображений, уточним (и тем самым сузим)
понятие гибкости по сравнению с приведенным выше определе-
нием, которое является слишком широким. С этой целью введем
понятие класса выпускаемой продукции, по отношению к кото-
рому и определим гибкость ГАП. Под классом выпускаемой про-
дукции будем понимать номенклатуру изделий, а при фиксиро-
ванной номенклатуре—число типов изделий (например, число
различных типоразмеров данного изделия). В общем случае класс
выпускаемой продукции характеризуется также объемом серий,
технологической сложностью изделий, качеством продукции и т. п.
Будем говорить, что ГАП является гибким в заданном
классе выпускаемой продукции, если обеспечивает выпуск любой
продукции из этого класса путем автоматической настройки
(самонастройки) системы управления и оборудования на соответ-
ствующий технологический процесс. Из данного определения
следует, что при любом переходе с одного вида продукции на дру-
10
Рис. 1.2. Области применения ГАП
гой (не выводящем из заданного
класса выпускаемой продук-
ции) ГАП обеспечивает выпуск
новой продукции по прошест-
вии некоторого времени само-
настройки, необходимого для
автоматической перестройки
производства. В этом смысле
ГАП действительно самона-
страивается на выпуск любой
Lyn,
2 J 4	5 Iffm
Производительность
продукции из заданного класса.
Обычно ГАП проектируется в расчете на заданный класс
выпускаемой продукции. Это связано с тем, что потребность в тех
или иных видах продукции может непредсказуемо изменяться
в зависимости от спроса. ГАП должен отслеживать подобные коле-
бания спроса, всякий раз приспосабливаясь к новым требованиям.
Заметим, что чем шире класс выпускаемой продукции, тем обычно
труднее создать соответствующий ГАП.
В зависимости от степени и характера участия людей в произ-
водственном процессе режим работы ГАП может быть автомати-
ческим или автоматизированным. В автоматическом, режиме
производственный процесс осуществляется без непосредственного
участия человека. Роль человека при этом сводится только к на-
блюдению за функционированием производственной системы,
к наладке и ремонту оборудования.
В автоматизированном режиме допускается ограниченное
участие человека в производственном процессе. Люди могут,
например, управлять отдельными единицами оборудования, уста-
навливать заготовки, загружать палеты и т. п.
Современные, наиболее совершенные ГАП в первую смену
обычно работают в автоматизированном режиме, а во вторую и
третью смены — в автоматическом. В будущем, по-видимому,
появятся ГАП, которые смогут работать в автоматическом режиме
круглые сутки, т. е. без деления на смены. При этом вся конструк-
торская документация и информация, необходимая для автома-
тического управления ГАП, будет храниться на машинных носи-
телях и считываться с них по мере необходимости. Таким образом,
в ГАП фактически реализуются принципы гибкой безлюдной
технологии и безбумажной информатики.
ГАП и ИНПК на их основе играют важную роль в комплексной
автоматизации промышленного производства. Чтобы наглядно
охарактеризовать эту роль, обратимся к рис. 1.2. Здесь в про-
странстве двух показателей (п — номенклатура изделий и т —
объем годового выпуска) изображены (в лагарифмическом мас-
штабе) области /—V, соответствующие наиболее эффективному
использованию различных средств автоматизации.
11
г
Область I характеризуется малой номенклатурой изделий и
большим объемом годового выпуска, поэтому она соответствует
автоматическим поточным линиям и специализированным стан-
кам-автоматам. Эти традиционные средства автоматизации имеют
малую гибкость, поскольку рассчитаны на выпуск одной и той же
продукции (различающейся, может быть, лишь типоразмерам).
Однако их производительность обычно очень высока.
Для единичного и экспериментального производства характерно
постоянное изменение номенклатуры выпускаемой продукции.
В этих условиях широко используются станки с ЧПУ, обрабаты-
вающие центры и т. п. Они обеспечивают большую гибкость про-
изводства при сравнительно низкой производительности. Этому
оборудованию и типу производства соответствует область V.
Области II—IV занимают как бы промежуточное положение
между областями I и V. При этом область II соответствует круп-
носерийному производству, область III — среднесерийному, а об-
ласть IV — мелкосерийному. Совокупность областей II—IV ха-
рактеризует условия, при которых целесообразно использовать
ГАП. В этих условиях многономенклатурного производства до-
стигается разумный компромисс между производительностью и
гибкостью средств автоматизации.
Сравнительный анализ взаимного положения областей I—V
позволяет определить роль и значение ГАП в комплексной авто-
матизации производства следующим образом: применительно
к условиям мелко-, средне- и крупносерийного производства ГАП
соединяет преимущества массового производства с присущей ему
высокой производительностью с достоинствами единичного про-
изводства, обладающего большой гибкостью. Надо отметить, что
на рис. 1.2 все соседние области пересекаются. Этот факт говорит
о том, что зачастую невозможно провести четкие границы между
областями наиболее целесообразных применений ГАП и тради-
ционных средств автоматизации. Тем не менее общая граница
областей II, III и IV, обведенная на рис. 1.2 жирной линией,
определяет те классы выпускаемой продукции (по номенкла-
туре п и по объему выпуска т), для которых целесообразно созда-
вать ГАП.
1.2.	СТРУКТУРА И РОЛЬ
РОБОТОТЕХНИЧЕСКИХ КОМПЛЕКСОВ
В ГИБКОМ АВТОМАТИЧЕСКОМ ПРОИЗВОДСТВЕ
Одним из важнейших средств автоматизации и интенсифика-
ции производства являются роботы и создаваемые на их основе
РТК- Эти принципиально новые технические средства были раз-
работаны и внедрены в промышленность лишь в последние 10—
20 лет. Они выгодно отличаются от традиционных средств авто-
матизации своей универсальностью и гибкостью, т. е. способ-
ностью быстро перестраиваться с выполнения одних технологиче-
ских операций на другие в широком классе производственных
12
задач. Именно эти свойства робототехники обеспечивают возмож-
ность комплексной автоматизации современного производства
с присущей ему большой номенклатурой и частой сменяемостью
выпускаемой продукции. Следует также отметить, что примене-
ние роботов и РТК позволяет резко повысить производительность
труда и качество выпускаемой продукции, ускорить автоматиза-
цию ручного труда, высвободить и более рационально использо-
вать трудовые ресурсы, обеспечить высокую стабильность и рит-
мичность производства.
Однако экономическая эффективность от изолированного ис-
пользования промышленных роботов сравнительно невелика.
По данным советских и зарубежных исследований [33, 34, 78],
годовой экономический эффект при использовании роботов на
отдельных технологических операциях составляет в среднем
5—10 тыс. руб., а срок окупаемости — 3—4 года. При этом робот
в зависимости от сменности работы заменяет от одного до трех
человек (обычно это рабочие низкой квалификации, выполняю-
щие вспомогательные операции) и повышает производительность
труда в среднем на 20—40 %. Низкая эффективность роботов при
изолированной эксплуатации в сочетании с их высокой стои-
мостью является одной из основных причин, сдерживающих
широкую роботизацию промышленности. В последние годы на-
метилась тенденция преимущественного создания РТК, обеспе-
чивающих согласованную работу одного или нескольких роботов
вместе с технологическим оборудованием. При такой групповой
эксплуатации эффективность роботов резко возрастает: произ-
водительность труда увеличивается в 2—7 раз (в отдельных
случаях в десятки раз), срок окупаемости снижается до 2 лет.
Наибольший социально-экономический эффект достигается при
использовании РТК в составе ГАП, поэтому создание и внедре-
ние РТК стало одним из наиболее важных стратегических направ-
лений комплексной автоматизации производства.
Основной сферой использования роботов и РТК сегодня яв-
ляется машиностроение. Возникла даже новая подотрасль про-
мышленности — роботостроение, которая обеспечивает, в первую
очередь, потребности машиностроительного производства, свя-
занные с его ускоренной автоматизацией и роботизацией. Большую
актуальность приобрела в последние годы задача роботизации
и других отраслей народного хозяйства: горнодобывающей, ме-
таллургической, химической, легкой и пищевой промышленности,
сельского хозяйства, транспорта и строительства.
Рассмотрим назначение, структуру и функции РТК с учетом
тех специфических требований, которые. накладывает на РТК
условия работы в составе ГАП. Среди этих требований важней-
шими являются следующие: РТК должны работать полностью
автоматически и обладать гибкостью по отношению к возможным
изменениям технологии и адаптивностью к производственным
возмущениям и помехам.
13
Рис. 1.3. Структура РТК как
компонента ГАП: ИС — инфор-
мационная система; СС — си-
стема связи; САУ — система ав-
томатического управления;
ПС — производственная систе-
ма; ТС — технологическая си-
стема
РТК как элемент ГАП
предназначен для автома-
тического выполнения од-
ной или нескольких тех-
нологических операций.
В зависимости от характе-
ра операций РТК делятся
на сварочные, сборочные,
окрасочные и т. п. С этой
точки зрения РТК можно рассматривать как роботизированные
технологические ячейки (РТЯ), ориентированные на выполнение
отдельных операций из числа всех технологических операций,
возложенных на ГАП. РТЯ являются основой для создания более
сложных производственных комплексов — роботизированных ли-
ний, участков, цехов, совокупность которых образует ГАП.
Структура РТК подобна структуре ГАП. Она включает сле-
дующие взаимосвязанные элементы: 1) технологическую систему;
2) систему автоматического управления; 3) информационную
систему; 4) систему связи.
Структурно-функциональная схема РТК как компонента ГАП
изображена на рис. 1.3. Из рисунка видно, что перечисленные
элементы РТК связаны между собой и с соответствующими си-
стемами ГАП. Рассмотрим подробнее состав, функции и взаимо-
действие основных элементов РТК.
Технологическая система РТК является частью производ-
ственной системы ГАП. Она состоит из основного и вспомога-
тельного технологического оборудования, технических средств
манипулирования и транспортирования, технологической ос-
настки и инструмента. К основному оборудованию относятся
станки, прессы, обрабатывающие центры и т. п., реализующие
соответствующие технологические операции. Вспомогательное обо-
рудование (палеты, тара и т. п.) служит для загрузки, ориенти-
рования и хранения заготовок и готовых изделий. Технологиче-
ская оснастка обеспечивает базирование и крепление деталей при
их обработке или измерении с помощью соответствующего ин-
струмента (сверла, фрезы, измерительного щупа и т. п.). К тех-
ническим средствам манипулирования и транспортирования от-
носятся исполнительные механизмы роботов (манипуляторы со
сменными рабочими органами, тележки с различными типами
шасси).
14
Система автоматического управления РТК. служит для про-
граммирования и управления работой технологической системы,
а также для контроля качества и диагностики отказов. Фактиче-
ское выполнение этих функций в автоматическом режиме невоз-
можно без использования средств вычислительной- техники.
Поэтому система управления реализуется на базе вычислительной
сети, в состав которой входят иерархически связанные ЭВМ,
микропроцессоры, а также интерфейс, необходимый для получе-
ния данных от информационной системы и системы связи.
Функциональные возможности (и, в частности, степень интел-
лектуальности) системы управления РТК определяются, главным
образом, алгоритмическим и программным обеспечением, т. е.
совокупностью алгоритмов обработки информации и управле-
ния, записанных на соответствующем языке программирования.
Обычно программное обеспечение имеет модульную структуру
и подразделяется на общее и специализированное. К общему
(инвариантному) обеспечению относятся унифицированные мо-
дули операционной системы и системы управления базами дан-
ных, а к специализированному — программные’ модули, реали-
зующие конкретные алгоритмы обработки информации и управ-
ления.
Информационная система РТК служит для обеспечения си-
стемы автоматического управления необходимой информацией.
В ее состав входят датчики, встроенные в элементы технологиче-
ской системы, и автоматизированные банки данных (АБД), в кото-
рых хранится информация об РТК и о технологических процес-
сах, реализуемых в ГАП. АБД дают информацию, необходимую
для построения и коррекции управляющих программ и формиро-
вания законов управления с обратной связью через распределен-
ную систему датчиков, встроенных в оборудование РТК.
Система связи предназначена для обмена информацией как
внутри РТК, так и между РТК и другими компонентами ГАП.
Цель такого обмена — передача производственного задания РТК,
контроль за технологическими процессами, регламентная про-
верка элементов РТК, передача управляющих сигналов (по кана-
лам прямой связи) и информационных сигналов (по каналам об-
ратной связи) и т. п. Конструктивно система связи представляет
собой локальную сеть связи, охватывающую весь РТК и являю-
щуюся частью общей сети связи ГАП. По этой сети в систему
управления РТК поступает информация о характере техно-
логического процесса, который должен быть реализован в
ГАП.
На основании полученной информации система управления
автоматически формирует управляющую программу и реализую-
щий ее закон управления. Важно отметить, что эту программу
и закон управления легко скорректировать или заменить новыми.
Необходимость в этом возникает при переходе ГАП с одного вида
выпускаемой продукции на другой. При этом система автомати-
15
ческого управления быстро самонастраивается на новый техноло-
гический процесс.
Таким образом, именно система управления РТК, взаимодей-
ствуя с системой связи, информационной и технологической си-
стемой, придает РТК два главных свойства: гибкость и высокий
уровень автоматизации. Что же касается системы связи и инфор-
мационной системы, то они выступают как источники необходи-
мых сведений и сигналов обратной связи для системы автомати-
ческого управления РТК-
1.3.	ЭВОЛЮЦИЯ РОБОТОВ И РТК
Первые роботы и РТК на их основе были разработаны и вне-
дрены в промышленность в середине 1960-х годов. Эти РТК пред-
ставляли собой простейшие технологические ячейки, в состав
которых входило основное технологическое оборудование (станки
с ЧПУ, машины литья под давлением, прессы и т. п.) и обслужи-
вающий их робот. При этом на робот обычно возлагались рутин-
ные, вспомогательные операции (типа загрузки и выгрузки заго-
товок), которые требовали использования ручного труда и долгое
время не поддавались автоматизации. Только с появлением
в 1962 г. манипуляционных роботов открылась реальная возмож-
ность автоматизации ручного труда. В дальнейшем появились
транспортные роботы и робототехнические системы искусствен-
ного интеллекта, которые позволили существенно расширить
круг автоматизируемых технологических операций.
В чем же отличие роботов от традиционных средств автомати-
зации производства? Какие принципиально новые свойства они
вносят в роботизированные ячейки и комплексы?
Главными отличительными чертами роботов являются гиб-
кость, адаптивность и универсальность. Рассмотрим подробнее
каждое из указанных свойств.
Под гибкостью роботов понимается способность их управляю-
щей системы быстро перестраиваться на выполнение новых опе-
раций. Обычно это достигается путем перепрограммирования дви-
жений роботов в режиме обучения. Быстрота переобучения (пере-
программирования) роботов новым операциям придает РТК ту
гибкость, которую до последнего времени имели только техноло-
гические ячейки, обслуживаемые человеком.
Адаптивность роботов проявляется в их способности быстро
реагировать на внешние и внутренние возмущения и автомати-
чески приспосабливаться к изменяющимся условиям функцио-
нирования. Адаптационные возможности роботов определяются,
в первую очередь, характером их «очувствления», т. е. ассорти-
ментом датчиков внутренней и внешней информации, и степенью
«интеллекта», т. е. алгоритмическим и программным обеспечением
управляющей системы.
Важно отметить, что именно способность роботов быстро пе-
рестраиваться на новые операции и приспосабливаться к изме-
16
Рис. 1.4. Структура робота в со-
ставе РТК (ДС — двигательная си-
стема)
няющейся производственной
обстановке принципиально
отличает их от традиционных
средств автоматизации (стан-
ков-автоматов поточных авто-
матических линий и т. п.).
Последние конструируются
таким образом, чтобы в тече-
ние всего срока эксплуатации надежно выполнять только ту
технологическую операцию, для автоматизации которой они слу-
жат. Поэтому применение традиционных средств автоматизации
с жесткой структурой и неизменным алгоритмом управления
целесообразно и экономически выгодно только при многократном
повторении операции. Такие условия складываются при круп-
носерийном и массовом производстве.
Другое отличие роботов от традиционных средств автоматиза-
ции заключается в их универсальности (или, иначе говоря, мно-
гофункциональности), позволяющей им успешно решать не одну
и ту же задачу, а целый класс производственных задач. Этот
класс тем шире, чем разнообразнее функциональные возможности
роботов, определяемые их кинематической схемой, динамикой
приводов, разнообразием датчиков внутренней и внешней инфор-
мации, уровнем искусственного интеллекта. В принципе универ-
сальность роботов позволяет автоматизировать практически лю-
бые операции, выполняемые человеком в условиях современного
производства с характерной для него большой номенклатурой и
частой сменяемостью выпускаемой продукции.
Рассмотрим структуру и функции роботов в составе РТК и
ГАП. В общем случае робот служит для автоматизации основных
и вспомогательных технологических операций и для обслужива-
ния оборудования в соответствии с заданным технологическим
процессом. В этом смысле робот является центральным элементом
РТК.
Структурная схема робота, встроенного в РТК, представлена
на рис. 1.4. Как видно из рисунка, робот состоит из следующих
систем: 1) информационной; 2) автоматического управления;
3) системы связи; 4) двигательной.
Охарактеризуем кратко функции каждой из названных систем.
Информационная система — это своего рода искусственные
органы чувств робота, поэтому ее иногда называют сенсорной
системой. Она предназначена для восприятия и преобразования
информации о состояниях робота и обслуживаемого им оборудо-
вания РТК в соответствии с потребностями системы автоматиче-
ского управления, играющей роль «мозга» робота. В качестве
17
элементов информационной системы обычно используются теле-
визионные и оптико-электронные устройства, ультразвуковые
датчики, лазерные дальномеры, тактильные, контактные и ин-
дукционные датчики, датчики положения, скорости, сил и мо-
ментов, акселерометры и т. п.
Система автоматического управления робота служит для вы-
работки закона управления приводами двигательной системы на
основе сигналов обратной связи от информационной системы.
Другая важная функция системы автоматического управления —
это планирование действий, программирование движений и при-
нятие целенаправленных решений. Система автоматического уп-
правления роботов обычно реализуется на базе микроЭВМ или
микропроцессоров, имеющих большой ассортимент входных (ана-
лого-цифровых) и выходных (цифроаналоговых) преобразователей
и каналов связи. По этим каналам прямой и обратной связи, число
которых колеблется от нескольких десятков до нескольких тысяч,
могут передаваться непрерывные (аналоговые) и дискретные
(цифровые) сигналы. Управляющие ЭВМ для роботов строятся
в малогабаритном транспортабельном исполнении и обладают
повышенной надежностью. Адаптационные возможности и интел-
лектуальные способности робота определяются главным образом
тем, какое алгоритмическое и программное обеспечение заложено
в его систему управления.
Система связи предназначена для обмена информацией между
роботом, человеком и технологическим оборудованием. Цель
такого обмена: передача роботу заданий в соответствии с изменяю-
щейся технологией производства, контроль за функционирова-
нием робота, диагностика неисправностей, регламентная про-
верка и настройка подсистем робота и т. п.
Двигательная система определяет динамические свойства ро-
бота, в частности, его способность совершать разнообразные дви-
жения, диктуемые технологическим процессом. Управляющие
сигналы, формируемые системой автоматического управления,
поступают на исполнительные приводы двигательной системы
и фактически отрабатываются ею. Тем самым обеспечивается воз-
можность автоматизации широкого класса технологических опе-
раций, возлагаемых на РТК..
В качестве конструктивных элементов двигательной системы
робота используются электрические, гидравлические и пневмати-
ческие приводы, приводящие в движение исполнительные меха-
низмы (манипуляторы, тележки с различными типами шасси
и т. п.). В роли двигательной системы могут также выступать та-
кие устройства, как силовая лазерная установка для технологи-
ческой обработки заготовок или устройства манипулирования
деталями с помощью электромагнитного поля.
Как уже отмечалось, характерными чертами роботов яв-
ляются гибкость, адаптивность и универсальность. Благодаря
этим качествам роботы могут выполнять те виды физической или
18
умственной работы, которые принципиально невозможно или
экономически нецелесообразно автоматизировать традиционными
техническими средствами.
Развитие ГАП на базе РТК требует уточнения понятия «ро-
бот». Дело в том, что в современной промышленной робототех-
нике сложилась упрощенная трактовка этого понятия. Так, по
определению Американского института роботов [1281 «робот—
это перепрограммируемый многофункциональный манипулятор,
предназначенный для перемещения материалов, деталей, инстру-
ментов или специальных устройств посредством перепрограмми-
руемой переменной совокупности движений, направленной на
выполнение широкого круга задач».
Аналогичным образом понятие «робот» определяется
в ГОСТ 2586—83, согласно которому промышленный робот —
это автоматическая машина, представляющая собой совокупность
манипулятора и перепрограммируемого устройства управления,
для выполнения в производственном процессе двигательных и
управляющих функций, заменяющих функции человека при пере-
мещении предметов производства и оснастки. При этом под пере-
программируемостью понимается возможность менять управляю-
щую программу с помощью человека-оператора или автомати-
чески путем переключения программ, заранее занесенных в па-
мять устройства управления.
Приведенные определения несколько сужают понятие «робот».
Они не охватывают, в частности, транспортные работы, которые
играют важную и все возрастающую роль в ГАП, поэтому данные
определения целесообразно уточнить и расширить.
Роботом будем называть универсальную машину для автома-
тизации производства, способную быстро перестраиваться с одних
технологических операций на другие и адаптироваться к изме-
няющимся производственным условиям путем информационного
и двигательного взаимодействия с обслуживаемым оборудованием
и объектами производства. В зависимости от типа двигательной
системы и характера выполняемых технологических операций
роботы могут быть манипуляционными, транспортными, измери-
тельными и т. п.
Робот вместе с обслуживаемым им оборудованием образует
роботизированный технологический комплекс. Если этот комплекс
имеет единую систему автоматического управления на базе средств
вычислительной техники, будем называть его робототехническим
комплексом (РТК) с управлением от ЭВМ. Простейшим видом
РТК являются роботизированные технологические ячейки (РТЯ),
предназначенные для автоматизации небольшого числа основных
или вспомогательных технологических операций. РТЯ имеет
индивидуальную систему управления, если основные технологи-
ческие операции выполняет сам робот, или групповую систему
управления, если основные операции возлагаются на технологи-
ческое оборудование, а вспомогательные — на робот.
19
Более сложным видом РТК являются роботизированные тех-
нологические участки и линии (РТУ и РТЛ). Они служат для
автоматизации широкого класса основных и вспомогательных
операций. РТУ обычно включает несколько единиц технологи-
ческого оборудования и роботов, координация работы которых
осуществляется единой системой автоматического управления.
Если операции, выполняемые на РТУ, технологически связаны
и выполняются последовательно, то такой комплекс называется
РТЛ.
Промышленные РТК можно рассматривать как ядро ГАП,
в состав которого могут входить, например, несколько РТУ,
автоматизированный склад и обслуживающие их транспортные
роботы. Интеграция нескольких ГАП на базе единой системы
автоматического управления позволяет создать роботизирован-
ные заводы-автоматы с гибкой безлюдной технологией.
Применение роботов и РТК в ГАП открывает реальные воз-
можности и широкие перспективы для создания принципиально
новых технологических процессов, не связанных обременитель-
ными ограничениями, налагаемыми участием в них человека.
В известном смысле эти ограничения уже стали тормозом на
пути комплексной автоматизации и интенсификации производства.
При этом имеются в виду как принципиально ограниченные про-
изводственные возможности человека (например, в отношении
грузоподъемности, производительности или точности выполнения
технологических операций), так и ограничения на качество атмо-
сферы, освещенности и т. п., связанные с необходимостью под-
держания комфортных условий на рабочем месте.
Таким образом, робототехника выступает как мощное средство
интенсификации производства и решения проблемы трудовых
ресурсов. Последнее особенно важно для отечественной промыш-
ленности, где ощущается дефицит рабочей силы по ряду специаль-
ностей, непосредственно связанных с производством.
История развития робототехники коротка. Тем не менее ро-
боты и создаваемые на их основе РТК принято делить на три
поколения. Причиной такой эволюционной классификации по-
служило то, что за время своей истории роботы и РТК претер-
пели ряд качественных изменений как в смысле элементной базы,
на которой они строятся, так и особенно в смысле принципов
управления, реализуемых в их системе автоматического управ-
ления.
Роботы первого поколения — это роботы с програмным управ-
лением (программные роботы). Эти роботы предназначены в основ-
ном для выполнения определенной, заранее запрограммированной
последовательности операций, диктуемой тем или иным техноло-
гическим процессом. Управление роботами первого поколения
осуществляется по жесткой программе, формируемой в режиме
обучения с помощью человека-оператора. Поэтому приемлемое
качество управления достигается лишь при строго определенных
20
и неизменных условиях функционирования. Следует, однако,
подчеркнуть, что именно простота изменения программы, т. е.
простота переобучения (перепрограммирования) роботов первого
поколения при переходе на новые операции, сделала эти роботы
достаточно универсальными и гибко перестраиваемыми на раз-
личные классы производственных задач в пределах функцио-
нальных возможностей данного робота.
Область возможных и экономически целесообразных примене-
ний роботов первого поколения достаточно широка. Эти роботы
успешно применяются в РТК и ГАП с программным управлением
для обслуживания металлорежущего оборудования (в частности,
станков с числовым программным управлением), печей, штампов,
прессов, технологических линий, сварочных аппаратов, литейных
машин и др. Они осуществляют установку, снятие, транспорти-
ровку, упаковку изделий, простейшие сборочные операции,
сварку, ковку, литье под давлением, термическую и механическую
обработку и т. д.
Однако функциональные возможности роботов первого поко-
ления существенно ограничиваются малым ассортиментом датчи-
ков и несовершенством системы управления. Последняя служит
в основном лишь для осуществления жесткой программы, заранее
заложенной в память. Способность к восприятию обстановки
в рабочей зоне у роботов первого поколения практически отсут-
ствует, поэтому эти роботы не могут функционировать полностью
автономно. Их программирование в режиме обучения, а иногда
и эксплуатация требуют вмешательства человека-оператора.
Успешное применение роботов с программным управлением
возможно лишь при детерминированных и неизменных условиях.
Для организации таких условий требуется дополнительное тех-
нологическое оборудование, стоимость которого зачастую сравнима
со стоимостью самого робота. Это усложняет процесс роботизации
производства, делает его менее гибким, требует дополнительных
затрат. Поэтому в последнее время особую актуальность при-
обрели научно-исследовательские и опытно-конструкторские раз-
работки по созданию более совершенных роботов и РТК следую-
щих поколений.
Роботы второго поколения — это роботы с адаптивным управ-
лением. Они отличаются от программных роботов, во-первых,
существенно большим ассортиментом сенсорных устройств, осо-
бенно датчиков внешней информации (телевизионные или опти-
ческие системы искусственного зрения, тактильные, силовые,
локационные датчики и т. п.) и, во-вторых, более сложной систе-
мой автоматического управления. Последняя уже не сводится
к простому устройству для запоминания и отработки жесткой
программы движения, как у роботов первого поколения, а требует
для своей реализации управляющей ЭВМ.
Искусственные «органы чувств» (или, как еще говорят, си-
стема очувствления) роботов второго поколения формирует сиг-
21
налы обратной связи для системы автоматического управления.
Последняя, обрабатывая поступающую информацию, синтезирует
закон управления исполнительными приводами и механизмами
робота с учетом сложившейся производственной обстановки.
Этот закон управления может иметь ситуационный характер.
В этом случае его синтез сводится к формированию связей типа
«класс ситуаций — действие».
Другой способ адаптивного управления роботами сводится
к аналитическому синтезу закона управления с обратной связью
через систему очувствления. Такое управление естественно назы-
вать сенсорным. Его адаптационные возможности также принци-
пиально ограничены. Более совершенным является такой способ
управления, при котором сенсорное управление дополняется
алгоритмом автоматической настройки (самонастройки) его пара-
метров. Адаптационные возможности управления с самонастрой-
кой практически не ограничены. За счет самонастройки системы
управления робот может адаптироваться к заранее неизвестным
и непредсказуемо меняющимся условиям эксплуатации.
Неотъемлемой частью роботов второго поколения является их
программное обеспечение, реализующее описанные выше способы
и алгоритмы управления. По мере совершенствования роботов
и расширения класса решаемых ими задач относительная доля
затрат на алгоритмическое и программное обеспечение системы
автоматического управления неуклонно увеличивается. Это объ-
ясняется тем, что затраты на конструкционные компоненты
роботов в известной мере стабилизировались. В то же время функ-
циональные возможности роботов второго поколения определяются
именно программным обеспечением и могут быть существенно
расширены путем наращивания программ обработки сенсорной
информации и адаптивного управления.
Роботы второго поколения, оснащенные большим ассортимен-
том датчиков и управляющей ЭВМ с развитым программным обес-
печением, значительно превосходят по своим возможностям ро-
боты первого поколения. Благодаря возможности воспринимать
внешнюю обстановку, анализировать сенсорную информацию и
приспосабливаться к изменяющимся условиям эксплуатации очув-
ствленные роботы могут манипулировать неориентированными и
неупорядоченными деталями, осуществлять сложные сборочные
и монтажные операции, реагировать на препятствия в рабочей
зоне и т. п.
В настоящее время промышленность активно осваивает вы-
пуск роботов второго поколения. Несколько тысяч таких робо-
тов уже используются в РТК с адаптивным управлением, которые
встраиваются в ГАП. В ряде научных центров ведутся интенсив-
ные исследования по разработке алгоритмического и программного
обеспечения, а также средств очувствления перспективных моде-
лей адаптивных роботов для гибкой автоматизации производства.
Особое внимание в этих разработках уделяется системам техни-
22
ческого зрения, тактильному и силомоментному очувствлению
роботов.
Следующее, третье поколение роботов — это роботы с интел-
лектуальным управлением от ЭВМ. Они принципиально отли-
чаются от роботов второго поколения сложностью функций и
совершенством системы автоматического управления, включаю-
щей в себя те или иные элементы искусственного интеллекта.
Необходимо подчеркнуть, что интеллектуальные роботы пред-
назначены не только и не сколько для имитации физических
действий человека, сколько для автоматизации его интеллек-
туальной деятельности, т. е. для решения производственных
задач интеллектуального характера.
Отличительной чертой интеллектуальных роботов является
их способность к обучению на опыте и адаптации в процессе ре-
шения задач. Что же касается самого умения решать интеллек-
туальные задачи, то оно является производным в том смысле, что
существенно зависит от того, как протекал процесс обучения и
адаптации робота.
Существуют различные возможности придать очувствленному
роботу те или иные элементы искусственного интеллекта. Струк-
тура и совершенство систем автоматического управления интел-
лектуальных роботов определяется техническими возможностями
реализации нужных элементов интеллекта, а также содержанием
и сложностью производственных задач. В общем случае интеллек-
туальный робот способен понимать естественный язык и вести
диалог с человеком, формировать в себе модель производственной
обстановки, распознавать и анализировать ситуации, обучаться
понятиям и навыкам, планировать поведение, строить программ-
ные движения двигательной системы и осуществлять их надежную
отработку в условиях неполной информированности об изменяю-
щихся производственных условиях.
Развитие робототехники находится на грани качественного
скачка, в результате которого, по мнению ряда специалистов
[33, 56, 128], годовой объем их выпуска в мире может резко воз-
расти (в 3—7 раз). При этом главное внимание будет уделяться
разработке и серийному выпуску роботов с адаптивным и интел-
лектуальным управлением, а также созданию на их основе уни-
фицированных РТК второго и третьего поколений. Мощным
катализатором ускоренного развития роботов и РТК с адаптив-
ным и интеллектуальным управлением являются ГАП, которые
выступают как основной потребитель адаптивных РТК с элемен-
тами искусственного интеллекта.
1.4.	ЭТАПЫ И ТЕНДЕНЦИИ РАЗВИТИЯ
ГИБКИХ АВТОМАТИЧЕСКИХ ПРОИЗВОДСТВ
Гибкие автоматизированные и автоматические производства
появились в промышленности лишь в последние годы. Однако
требование гибкости уже давно учитывается при комплексной
23
механизации и автоматизации многономенклатурного произ-
водства.
В условиях обычного завода с изменяющейся номенклатурой
изделий гибкость производства обеспечивается в основном за счет
людей, обслуживающих соответствующее технологическое обо-
рудование. Поэтому те заводы, где широко используется ручной
труд, являются достаточно гибкими. Однако уровень автомати-
зации на таких предприятиях низок, а резервы повышения про-
изводительности труда весьма ограничены.
Высокий уровень автоматизации и интенсификации производ-
ства достигается на поточных автоматических линиях и заводах-
автоматах, построенных на базе традиционных средств жесткой
автоматизации. Примером может служить завод-автомат Минавто-
прома, созданный в 1950 г. в Ульяновске. На этом заводе, выпус-
кавшем поршни для двигателей автомобилей, были автоматизиро-
ваны практически все технологические операции — от литья заго-
товок до упаковки в тару готовой продукции.
Основным недостатком такого рода жестких автоматических
производств является невозможность перестройки производства
на выпуск новых изделий. Даже простое изменение типоразмеров
продукции может потребовать коренной перестройки всего про-
изводства, что сопряжено с большими затратами. Поэтому авто-
матические линии и заводы-автоматы с жесткой технологией
находят применение лишь в крупносерийном и массовом произ-
водстве. Однако удельный вес такого производства неуклонно
уменьшается и составляет сегодня около 20 % общего объема
мирового производства. В этих условиях возникла острая не-
обходимость в создании и широком использовании ГАП, соеди-
няющих высокую производительность автоматических поточных
линий с гибкостью, обеспечиваемой только непосредственным уча-
стием человека в технологическом процессе.
За время своей короткой истории ГАП претерпело ряд каче-
ственных изменений, касающихся прежде всего принципов управ-
ления, а также связанных с ними особенностей информационного,
программного и технического обеспечения. Эволюция ГАП в зна-
чительной мере определяется развитием роботехники, поэтому
представляется целесообразным условно разбить ГАП на поколе-
ния по аналогии с эволюционной классификацией роботов и РТК,
приведенной в предыдущем параграфе.
На первом этапе были созданы автоматизированные и
автоматические производства с цифровым программным управле-
нием от ЭВМ, которые представляют первое поколение ГАП.
В основе их действия лежат принципы программного управления
оборудованием и групповой технологии, обеспечивающие гиб-
кость производства. Согласно этим принципам весь технологиче-
ский процесс изготовления требуемой продукции расчленяется на
элементарные операции и цепочки технологических маршрутов
по группам (классам) деталей, после чего производится выбор
24
необходимого оборудования (станки с ЧПУ, склады, роботы,
толкатели и т. п.) и программирование его работы.
Алгоритмы функционирования ГАП первого поколения (оче-
редность доставки заготовок, порядок перехода деталей от станка
к станку, время смены инструмента и т. п.) являются по существу
жестко заданными. Переход от одного алгоритма к другому осу-
ществляется лишь при изменении характера выпускаемой про-
дукции. Обычно эти алгоритмы (точнее, алгоритмические модели
функционирования ГАП) реализуются в форме программного
обеспечения для сети управляющих ЭВМ.
Функциональные возможности ГАП первого поколения су-
щественно ограничиваются жестким характером управляющих
программ и несовершенством информационной системы и системы
управления. Последняя служит, в основном, для автоматического
переключения управляющих программ при переходе на выпуск
новой продукции. Поскольку системы программного управления
неадаптивны, ГАП первого поколения теряют свою надежность
и даже работоспособность при изменениях производственной
обстановки. Поэтому для успешной эксплуатации таких ГАП
необходимо, чтобы производственные условия были строго опре-
деленными и неизменными. Однако организация и поддержание
требуемых условий зачастую сопряжены с большими трудностями
и затратами, связанными с изготовлением специальной оснастки
для точного позиционирования и ориентирования деталей, свое-
временной уборкой отходов производства и т. п. Тем не менее
область применения возможных ГАП первого поколения доста-
точно широка. Из-за несовершенства систем программного управ-
ления наладка и эксплуатация ГАП первого поколения обычно
производится с помощью людей, поэтому гибкое производство
правильнее назвать автоматизированным.
ГАП первого поколения появились в 1970-х годах. Этому
предшествовала разработка принципиально новых средств управ-
ления и автоматизации, знаменующих собой важнейшие этапы
предыстории ГАП.
Начало гибкой автоматизации можно связать с 1952 г., когда
в Массачусетском технологическом институте (США) была раз-
работана система цифрового программного управления фрезерным
станком [24]. Эта первая цифровая система контурного управле-
ния была реализована в виде лабораторной установки, содержа-
щей 250 электронных ламп, 125 реле и 25 сигнальных ламп. Ее
программирование осуществлялось в двоичном коде на перфо-
ленте.
Среди важнейших вычислительных операций, которые были
автоматизированы при формировании программного управления,
отметим интерполирование и определение эквидистанты программ-
ной траектории фрезы. В дальнейшем возникла необходимость
корректировать программу с учетом износа инструмента и вы-
полнять некоторые другие расчеты. Для реализации всех этих
25
трудоемких операций в реальном времени нужна управляющая
ЭВМ. Так была создана первая цифровая система программного
управления, положившая начало широкому применению ЭВМ для
управления станками и другим производственным оборудованием.
Первые отечественные цифровые системы программного управ-
ления были разработаны в 1950-х годах Экспериментальным на-
учно-исследовательским институтом металлорежущих станков
(ЭНИМС) и Институтом автоматики и телемеханики (ИАТ)
АН СССР [24]. Система ЭНИМС управляла шаговыми двигате-
лями и работала по разомкнутому циклу, т. е. без обратной связи
по положению. Система ИАТ работала по замкнутому контуру,
причем в качестве датчиков обратной связи в ней использовались
вращающиеся трансформаторы. Отличительной чертой этой си-
стемы контурного управления приводами подачи было то, что
программа движения записывалась на магнитную ленту. Этот
способ записи программы (с последующим ее считыванием в ра-
бочем режиме) в дальнейшем получил широкое распространение
в цифровых системах программного управления станков и робо-
тов. В некоторых из них магнитозапись используется только при
программировании движений рабочих органов в процессе эталон-
ного выполнения технологической операции с помощью опера-
тора, а затем полученная программа вводится в память ЭВМ.
При этом оператор контролирует правильность записи программы
и в случае необходимости корректирует ее. В других системах
программа хранится на кассете и используется, как и в системе
ИАТ, для непосредственного цифрового управления оборудова-
нием.
Интересно отметить, что система ИАТ нашла применение при
цифровом управлении универсальным автоматом, предназначен-
ным для монтажа сложных электронных узлов по заданной про-
грамме. Этот автомат, созданный в 1957 г., является, по существу,
прямым прототипом современных манипуляционных роботов
с программным управлением, широко применяемых для сборки
печатных плат и других изделий.
Недостатком обычных однооперационных станков с программ-
ным управлением, выполняющих только одну технологическую
операцию (фрезерование, сверление, точение и т. п.), является то,
что значительная часть времени (в среднем около 80 % от полного
цикла обработки) затрачивается на передачу изделия между опе-
рациями со станка на станок. Поэтому на втором этапе
гибкой автоматизации были разработаны многооперационные
станки, осуществляющие весь цикл обработки с одной установки
заготовки в рабочей зоне — «центре обработки». Эти станки
с цифровым программным управлением получили название «обра-
батывающих центров».
Выполнение нескольких технологических операций за одну
установку заготовки требует автоматической подачи в рабочую
зону различных инструментов. Обычно это осуществляется либо
26
сменой шпинделей с закрепленными в них инструментами, либо
сменой инструментов в одном шпинделе. Поэтому системы про-
граммного управления обрабатывающих центров сложнее, чем
у однооперационных станков. Они обеспечивают управление ря-
дом дополнительных операций, таких, как автоматическая смена
инструмента по программе с помощью кодирования инструмента
и извлечения его из соответствующих гнезд магазина, автомати-
ческая установка заготовки, выбор по программе оптимальной
подачи и числа оборотов шпинделя и т. п.
Следует отметить, что цифровые системы программного управ-
ления технологическим оборудованием долгое время не находили
широкого применения. Это объясняется тем, что первые образцы
этих систем были громоздки, дороги и ненадежны. Однако в на-
чале 1970-х годов ситуация радикально изменилась: появились
надежные микроЭВМ и микропроцессоры, на базе которых и на-
чали строить системы программного управления. Это привело
к резкому снижению стоимости, повышению гибкости и надежности
программно-управляемого оборудования, которое вскоре стало
важнейшим компонентом ГАП.
Главным препятствием на пути полной автоматизации произ-
водства долгое время оставались сложности, связанные с автома-
тизацией ручного труда. Принципиальная сложность автомати-
зации ручных операций заключается в том, что они обычно требуют
не только строго скоординированного манипулирования с дози-
ровкой усилий, но и визуального контроля, анализа обстановки,
распознавания неориентированных деталей и т. п. Большое раз-
нообразие возможных ситуаций и изменчивость обстановки в ра-
бочей зоне делает невозможным применение традиционных средств
жесткой автоматизации (станков-автоматов, автоматических ли-
ний и т. п.). В подобных случаях нужны универсальные, но в то же
время и достаточно гибкие средства автоматизации. Такие средства
были созданы только в последние годы. К ним относятся манипу-
ляционные и транспортные роботы, а также робототехнические
системы с элементами искусственного интеллекта для визуального
контроля, автоматизации измерений и т. п. Появление промыш-
ленных роботов, робототехнических систем и РТК на их основе
знаменует собой третий этап гибкой автоматизации.
На четвертом этапе были созданы автоматические
склады, системы уборки технологических отходов и некоторые
другие специализированные компоненты ГАП. На этом предысто-
рия ГАП завершилась. В результате были созданы все необходи-
мые предпосылки и реальные возможности для комплексирова-
ния программно управляемого оборудования, РТК, автоматиче-
ских складов и т. д. в ГАП с единым управлением от локальной
вычислительной сети.
Остановимся на современном состоянии и тенденциях развития
ГАП. Сегодня в промышленности индустриально развитых стран
используются сотни ГАП различного масштаба (от ГАП-участков
27
до ГАП-заводов) и назначения. В основном это простейшие ГАП
первого поколения, ориентированные на механическую обра-
ботку. Типичными примерами механообрабатывающих ГАП могут
служить гибкие автоматизированные комплексы типа АСК, АСВ
и АЛП, созданные в 1970-х годах в СССР. Эти ГАП с цифровым
программным управлением служат для автоматической токарной
обработки корпусных деталей и тел вращения широкой номен-
клатуры.
По мере совершенствования РТК и ГАП-участков открылась
возможность создания ГАП-заводов. Так, в 1980 г. японская
фирма «Фанук» (Fanuc) ввела в действие весьма совершенное
экспериментальное ГАП, предназначенное для изготовления не-
большими сериями роботов, станков с ЧПУ и электроискровых
установок. Интересна история создания данного завода-авто-
мата. В 1973 г. в Японии была начата комплексная программа
научно-технических исследований, направленных на создание
завода-автомата с гибкой технологией. Программа финансирова-
лась государством при участии 15 частных корпораций. В 1976 г.
были разработаны общие принципы построения гибкого завода-
автомата. В последующие годы этот ГАП-завод был спроектирован
и создан на базе фирмы «Фанук».
Гибкая технология, реализуемая ГАП, основывается на прин-
ципе групповой организации производства. Согласно этому прин-
ципу выпускаемые изделия сначала разбиваются на группы
(классы) по конструктивно-технологическим принципам (напри-
мер, по видам обработки или типам оборудования, инструмента
и т. п.), а затем для каждой группы разрабатывается свой унифи-
цированный технологический процесс, который позволяет на
базе определенной совокупности оборудования ГАП изготовить
любое изделие из данной группы. При этом очередность прохожде-
ния каждой заготовки через технологические ячейки, как пра-
вило, заранее не фиксируется, а определяется в зависимости от
степени их загрузки. Благодаря этому обеспечивается оптималь-
ная загрузка оборудования и повышается его производительность.
В общем случае система управления ГАП с групповой органи-
зацией производства уже не может быть жесткой, так как она
должна обеспечить возможность адаптации к изменяющимся
производственным условиям. Это обстоятельство предъявляет
повышенные требования к информационной системе, которая
в этом случае помимо широкого ассортимента датчиков информа-
ции о состоянии оборудования должна содержать имитационную
модель самого ГАП. Использование этой модели и сигналов
обратной связи от датчиков позволяет организовать цифровое
адаптивное управление производством, реализуемое на базе
многопроцессорной вычислительной сети.
Гибкие производительные комплексы с адаптивным управле-
нием от ЭВМ относятся ко второму поколению ГАП. Они прин-
ципиально отличаются от ГАП первого поколения мощным ин-
28
формационным и программным обеспечением, позволяющим су-
щественно расширить адаптационные возможности системы управ-
ления. Такие ГАП за счет самонастройки системы управления
могут автоматически приспосабливаться к заранее неизвестным
и непредсказуемо изменяющимся производственным условиям.
Следующее, третье поколение ГАП — это ГАП с интеллек-
туальным управлением. Характерной чертой таких ГАП является
высокий уровень интеллектуальности, обеспечиваемый введением
в систему автоматического управления элементов искусственного
интеллекта. Благодаря этому удается автоматизировать такие
интеллектуальные функции, как планирование производства,
проектирование продукции, оптимизацию технологических про-
цессов, программирование оборудования, распознавание произ-
водственных ситуаций и диагностику отказов. Реальные потреб-
ности в ГАП третьего поколения и условия для их создания появи-
лись лишь в последние годы. Они отражают современные тенден-
ции дальнейшего развития ГАП в направлении создания адаптив-
ных безлюдных производств с интеллектуальным управлением
от сети ЭВМ на принципах безбумажной информатики. Однако
на этом пути имеется еще много трудностей и препятствий, по-
этому системы искусственного интеллекта (СИИ), используемые
в ГАП третьего поколения, зачастую работают не в автоматиче-
ском, а в интерактивном режиме, т. е. в режиме диалога с чело-
веком. Примерами таких интерактивных СИИ, реально исполь-
зуемых в экспериментальных ГАП, могут служить системы авто-
матизированного проектирования (САПР), автоматизированные
системы технологической подготовки производства (АСТПП) и
системы автоматизированного контроля (САК). В перспективе
все названные системы будут работать в автоматическом режиме
в составе интегрированного научно-производственного комплекса
(ИНПК), представляющих высшую форму развития ГАП.
Описанная эволюция гибких производственных систем вовсе
не означает, что последующее поколение ГАП обязательно вытес-
няет и заменяет предыдущее. На самом деле это не так: каждое
поколение ГАП служит для решения того круга производствен-
ных задач, для которого оно наиболее эффективно.
На рис. 1.5 схематично представлена эволюционная класси-
фикация РТК и ГАП. Здесь по оси абсцисс отмечено используемое
оборудование, а по оси ординат указаны автоматизируемые функ-
ции. Разделение РТК и ГАП на поколения произведено здесь
в основном по принципу управления. Интеграция функций авто-
матического управления с функциями технологической подготовки
производства, проектирования и научных исследований приводит
к новой инфраструктуре — ИНПК, который можно условно рас-
сматривать как четвертое поколение ГАП. По прогнозам специа-
листов [24, 33, 128], комплексная автоматизация и интенсифика-
ция производства приведет к тому, что через 10—15 лет ГАП будут
преобладать в промышленности индустриально развитых стран,
29
причем удельный вес ГАП с адаптивным и интеллектуальным
управлением будет все время возрастать. В перспективе ГАП пре-
вратится в ИНПК-
Автоматизи-
руемые функции:
ИНПК
научные
исследования
проектиро -
Вание
технологичес-
кая подготовка
Управление-.
интеллекту-
альное
ГАП
д-е поколение
адаптивное
РТК
2-е поколение
программное
1-е поколение
ОС ИР ОЦ ТР ИР	АС АТС САК Используемое
оборудование
Рис. 1.5. Эволюционная классификация РТК и ГАП: ОС — однооперациониый
станок с ЧПУ; МР — манипуляционный робот; ОЦ — обрабатывающий центр;
ТР — транспортный робот; ИР — измерительный манипуляционный робот;
АС — автоматический склад; АТС — автоматическая транспортная система;
САЦ — система автоматического контроля
1.5.	ПРОБЛЕМЫ И ПРИНЦИПЫ
ПОСТРОЕНИЯ АДАПТИВНЫХ РТК
С ЭЛЕМЕНТАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Характерной особенностью функционирования РТК в составе
ГАП является недетерминированность (неопределенность) об-
становки в рабочей зоне и нестационарность (вариативность)
производственных условий. Причиной неопределенности может
быть, например, отсутствие точных данных о расположении и
ориентации деталей в рабочей зоне, недостаток информации о мас-
30
со-инерционных характеристиках заготовок. Нестационарность
проявляется в вариативности рабочей обстановки, в дрейфе пара-
метров оборудования РТК, в постоянно действующих возмуще-
ниях и помехах, которые к тому же могут непредсказуемо изме-
няться в широком диапазоне, в износе или поломке инструмента,
в возникновении непредвиденных препятствий и т. п.
В подобных недетерминированных и нестационарных условиях
традиционные средства цифрового программного управления РТК
часто приводят к резкому ухудшению качества выпускаемой
продукции или к аварийным ситуациям, порождающим остановку
ГАП. Последнее особенно нежелательно, а в ряде случаев просто
недопустимо. Чтобы избежать этих неблагоприятных послед-
ствий, приходится усложнять систему автоматического управле-
ния путем введения в нее специальных средств очувствления и
адаптации, а также элементов искусственного интеллекта.
Таким образом, неизбежная на практике вариативность и не-
определенность условий функционирования ГАП порождает спе-
цифическое требование к их системе управления и, в частности,
к системе управления РТК, заключающееся в том, что эти системы
обязательно должны быть адаптивными. Более того, в ряде слу-
чаев возникает необходимость в том, чтобы системы управления
РТК были не только адаптивными, но и обладали определенными
элементами искусственного интеллекта. РТК с такими системами
автоматического управления относятся ко второму и третьему
поколениям. Они принципиально отличаются от РТК первого
поколения способностью адаптироваться к непредсказуемо из-
меняющейся рабочей обстановке и решать технологические задачи
интеллектуального характера. Среди этих задач важнейшими
являются следующие: планирование операций и выбор оптималь-
ных технологических маршрутов обработки изделий; автоматиче-
ское программирование и оптимизации движений исполнительных
механизмов РТК; распознавание деталей в рабочей зоне и опреде-
ление их геометрических характеристик; диагностика состояния
оборудования (в частности, инструмента) РТК-
Рассмотрим общие принципы построения адаптивных РТК
с элементами искусственного интеллекта. Конкретизация этих
принципов в форме соответствующего алгоритмического и про-
граммного обеспечения для цифровых систем адаптивного управ-
ления РТК приводится в последующих разделах. Там же описы-
ваются примеры РТК второго и третьего поколений, свидетель-
ствующие о несомненных преимуществах адаптивного и интеллек-
туального управления по сравнению с программным.
Проектирование адаптивных РТК с элементами искусствен-
ного интеллекта для ГАП должно проводиться в рамках единого
подхода, существенно опирающегося на использование ЭВМ.
Основными принципами такого подхода являются следующие.
1.	Принцип системности. ГАП, в состав которых входят адап-
тивные РТК с элементами искусственного интеллекта, представ-
31
ляют собой сложную автоматическую производственную систему.
Для обеспечения высокой эффективности использования ГАП
необходим системный подход к проектированию и созданию РТК.
В рамках такого подхода РТК нацеливается на решение определен-
ной совокупности взаимосвязанных производственных задач и
дело сводится к выбору конкретного места и функций РТК в общей
структуре ГАП, к модульному проектированию РТК требуемого
типа на базе существующего и нового оборудования, к введению
средств адаптации и элементов искусственного интеллекта в си-
стему автоматического управления для обеспечения надежности
и живучести РТК в изменяющихся производственных условиях
и т. п.
Системный подход требует также специальных средств для
обновления информационных массивов, диагностики оборудова-
ния и инструмента, самонастройки роботов и технологического обо-
рудования. Важную роль играет учет системного окружения РТК,
в качестве которого, как это видно из рис. 1.3, выступает ГАП.
2.	Принцип безбумажной информатики. При проектировании
адаптивных систем управления и элементов искусственного ин-
теллекта важное значение имеют «очувствление» РТК и создание
проблемно-ориентированного автоматизированного банка данных
(АБД). Последний, взаимодействуя с системами связи и очув-
ствления, находится в состоянии непрерывного обновления.
АБД реализуется в памяти ЭВМ и содержит информацию, необ-
ходимую для автоматического программирования и адаптивного
управления роботами и технологическим оборудованием РТК-
Поэтому создание и поддержание АБД как важнейшего звена
информационной системы РТК представляет собой первый шаг
на пути к организации безбумажной информатики для эффектив-
ного управления РТК-
Важно отметить, что хранение всей производственной инфор-
мации в памяти ЭВМ придает системе управления РТК определен-
ную гибкость, а именно: возможность непосредственного опера-
тивного использования этой информации в алгоритмах адаптив-
ного управления и способность к быстрой перестройке алгоритмов
при изменении технологических процессов. При этом информа-
ционные потоки замыкаются через АБД и отпадает необходимость
в ручном вводе или обработке информации.
Таким образом, принцип безбумажной информатики требует,
чтобы вся информация, необходимая для автоматического про-
граммирования и адаптивного управления РТК, хранилась не-
посредственно на машинных носителях (магнитных лентах, дисках,
перфолентах и т. п.) и поступала по каналам прямой и обратной
связи. При этом вообще отпадает необходимость в традиционной
обработке печатной информации и резко увеличивается оператив-
ность и гибкость управления.
3.	Принцип гибкости. Под гибкостью РТК обычно подразуме-
вается его способность быстро перестраиваться с одних техноло-
32
гических операций на другие. Это достигается путем автоматиче-
ского перепрограммирования и перенастройки системы управле-
ния РТК, т. е. за счет гибкости управления.
Гибкость РТК проявляется также в широком выборе программ
движения роботов и оборудования, обеспечивающих требуемый
технологический процесс. Поскольку технологические процессы,
реализуемые в ГАП, время от времени меняются, то это обстоя-
тельство предъявляет к РТК требование потенциальной гибкости
в широком диапазоне технологий, определяемом классом выпускае-
мой продукции. Важную роль в обеспечении гибкости РТК играет
принцип групповой технологии {33].
4.	Принцип адаптации. В основе адаптивного управления РТК
лежит принцип обратной связи с самонастройкой. Согласно этому
принципу система управления строится так, что вырабатываемые
ею управляющие воздействия в каждый момент времени зависят
от состояния РТК в этот момент и от производственной обстановки.
Источником сигналов внутренней и внешней обратной связи слу-
жат датчики информационной системы РТК- Информация с этих
датчиков непрерывно анализируется. Если качество управления
оказывается неудовлетворительным (т. е. реальные движения
рабочих органов РТК значительно отклоняются от программных),
то включается блок адаптации, осуществляющий самонастройку
структуры и параметров системы управления. Этот блок будем
называть адаптатором.
Цель адаптации заключается в автоматической корректировке
управляющих воздействий так, чтобы скомпенсировать наметив-
шееся отклонение от заданной программы, чем бы оно не было
вызвано. Обычно причиной отклонений являются производствен-
ные возмущения, дрейф и неопределенность параметров элемен-
тов РТК. Благодаря самонастройке система управления автома-
тически подстраивается и приспосабливается к непредсказуемо
изменяющимся условиям эксплуатации РТК. Поэтому блок адап-
тации (адаптатор) можно рассматривать как принципиально
новый элемент — своеобразную надстройку над обычной цифро-
вой системой программного управления, который и обеспечивает
надежную отработку заданной программы движения в частично
неопределенной и изменяющейся, производственной обста-
новке.
Адаптация целесообразна не только на уровне формирования
управляющих воздействий, подаваемых непосредственно на испол-
нительные приводы РТК, но и на более высоком уровне програм-
мирования движений роботов и технологического оборудования.
В этом случае производится автоматическая коррекция программы
движения, вызванная, например, износом инструмента на станке
или появлением неожиданного препятствия перед роботом. Важно
отметить, что роботы с адаптивным управлением могут манипули-
ровать неориентированными деталями и объезжать препятствия.
Программирование движений и настройка системы управления
2 Зим 260	33
таких роботов в составе адаптивных РТК могут производиться
без вмешательства человека.
5.	Принцип оптимальности. При автоматическом программи-
ровании движений роботов и оборудования РТК в соответствии
с заданным технологическим процессом естественно стремиться
к тому, чтобы синтезируемые программные движения были опти-
мальными, т. е. наилучшими в смысле заданного критерия ка-
чества. Обычно критерии качества характеризуют энергетические
или временные затраты. Так, построение программных движений
из условия минимизации времени выполнения технологических
операций позволяет достичь максимальной производительности
РТК с учетом имеющихся ограничений и ресурсов.
Принцип оптимальности играет важную роль не только при
автоматическом программировании движений РТК. Исходя из
этого принципа можно оптимизировать также алгоритмы управле-
ния РТК- Важнейшими критериями оптимальности РТК являются
максимальная загрузка оборудования и минимальное время про-
изводственного цикла.
6.	Принцип иерархичности. Методологической основой про-
ектирования адаптивных систем управления с элементами искус-,
ственного интеллекта для РТК, функционирующих в частично
неопределенных условиях ГАП, является принцип иерархиче-
ской декомпозиции 1115, 127]. Главное достоинство этого прин-
ципа заключается в том, что он позволяет свести сложную за-
дачу адаптивного и интеллектуального управления к более про-
стым иерархически связанным задачам. Среди этих задач важ-
нейшими являются следующие: распознавание производственных
ситуаций и диагностика состояний РТК; моделирование РТК
и обстановки в рабочей зоне; программирование и оптимизация
движений рабочих органов РТК; самонастраивающееся управле-
ние приводами РТК.. Конкретизация указанных задач и выбор
алгоритмов их решения зависят от назначения РТК и условий его
работы в составе ГАП.
Проектирование адаптивных систем управления с элементами
искусственного интеллекта с позиций принципа иерархической
декомпозиции позволяет распараллелить процессы распознава-
ния, диагностики, моделирования, программирования, управле-
ния и самонастройки. Это особенно важно для обеспечения воз-
можности адаптивного управления РТК в реальном времени.
7.	Принцип модульности. Объем работ по созданию адаптив-
ных РТК для ГАП настолько велик, что неразумно и экономически
не оправдано их индивидуальное проектирование. Необходима
унификация РТК, включающая унификацию их адаптивных си-
стем управления и элементов искусственного интеллекта. В основе
унификации РТК лежит принцип модульности [33, 34, 86].
Суть этого принципа заключается в том, что при проектировании
РТК следует использовать: типовые роботы с модульной конструк-
цией и унифицированное технологическое оборудование и ос-
34
настку; типовые датчики и линии связи; типовые средства вы-
числительной техники; типовые программные модули для адаптив-
ных систем управления и т. п. В мировой практике уже создано
большое число унифицированных модулей для РТК и ГАП.
Достоинства модульного подхода хорошо известны. К иим
относятся: возможность быстро создавать из типовых модулей
различные компоновки РТК применительно к конкретным нуждам
ГАП; возможность оперативно заменять отдельные модули более
совершенными или вводить в состав РТК новые модули. Послед-
нее особенно важно, поскольку позволяет создать адаптивные
РТК с элементами искусственного интеллекта поэтапно, добавляя
к уже существующему РТК дополнительные модули (например,
добавляя программные модули, реализующие соответствующие
элементы искусственного интеллекта).
Таким образом, модульный подход обеспечивает постепенное
развитие функциональных, адаптационных и интеллектуальных
возможностей РТК и преемственность поколений: по мере совер-
шенствования ГАП РТК с программным управлением могут «пере-
родиться» в РТК с адаптивным управлением, а последние —
в РТК с элементами искусственного интеллекта. Применительно
к РТК второго и третьего поколений первостепенное значение
имеет принцип модульности в алгоритмическом и программном
обеспечении систем управления. Помимо основных функциональ-
ных модулей РТК, реализующих алгоритмы адаптации и искус-
ственного интеллекта, в этих системах важная роль отводится
обслуживающим (сервисным) программным модулям. Практиче-
ская реализация программных модулей адаптивных систем управ-
ления с элементами искусственного интеллекта для РТК требует
создания специальных мультимикропроцессорных вычислитель-
ных сетей, которые являются центральным элементом системы
управления ГАП.
Глава 2
ГИБКОЕ ПРОГРАММИРОВАНИЕ РТК
2.1. ПРИНЦИПЫ И СРЕДСТВА
ГИБКОГО ПРОГРАММИРОВАНИЯ
Цель управления РТК заключается в выполнении заданного
технологического процесса. Для достижения этой цели система
управления РТК конструируется таким образом, чтобы она могла,
во-первых, построить программные движения (ПД) исполнитель-
ных механизмов роботов и технологического оборудования и,
во-вторых, выработать управляющие воздействия на приводы
2*	35
I
РТК, обеспечивающие фактическую отработку синтезированных
ПД с требуемой точностью в изменяющихся производственных
условиях.
Алгоритмической моделью целенаправленного функциониро-
вания РТК при таком подходе служат ПД всех роботов и обору-
дования, входящих в его состав. Эти ПД представляют собой закон
изменения во времени управляемых координат исполнительных
механизмов РТК, отвечающий идеальному (эталонному) выпол-
нению заданного технологического процесса.
На практике ПД формируются либо с помощью человека-опе-
ратора, либо автоматически с помощью ЭВМ. В первом случае
человек, управляя роботом и технологическим оборудованием,
выполняет требуемую технологическую операцию, а соответ-
ствующее ПД как эталонное заносится в память системы управле-
ния. Этот режим работы по существу представляет собой процесс
ручного программирования (обучения) РТК. Во втором случае
речь идет об автоматическом программировании (самопрограмми-
ровании) ПД РТК по заданному технологическому процессу
с учетом имеющихся ограничений. Организация режима автома-
тического программирования РТК требует прежде всего раз-
работки соответствующих алгоритмов, которые должны быть про-
граммно реализованы в управляющей ЭВМ.
Для адаптивных РТК и ГАП основной интерес представляет
режим автоматического программирования. Что же касается руч-
ного программирования РТК, то этот режим может рассматри-
ваться (и предусматриваться) лишь как резервный, используемый, .
например, в аварийных ситуациях или при радикальном измене-
нии технологии производства. К тому же режиму ручного програм-
мирования РТК для ГАП присущ ряд недостатков. Среди них
отметим следующие. Во-первых, процесс обучения РТК предпола-
гает участие человека-оператора или группы людей, что недо-
пустимо в условиях ГАП. Во-вторых, этот процесс длителен и
трудоемок и требует высокой квалификации операторов. В-третьих,
ПД, формируемые в процессе обучения РТК, имеют жесткий ха-
рактер, поэтому они не могут быть оперативно скорректированы
в условиях промышленной эксплуатации РТК, которые обычно
сильно отличаются от идеальных условий режима обучения.
Перечисленные недостатки усугубляются, если РТК приходится
функционировать в частично неопределенной или непредсказуемо
изменяющейся обстановке. В этом случае заранее сформулирован-
ное жесткое ПД часто приводит к сбоям и может оказаться со-
вершенно неприемлемым.
Таким образом, в условиях ГАП возникает необходимость
в разработке алгоритмического обеспечения для автоматического
программирования движений исполнительных механизмов РТК
с помощью управляющей ЭВМ. При этом оказывается возможным
оперативно учитывать текущую информацию об изменениях про-
изводственной обстановки и соответствующим образом корректи-
36
ровать ПД. Отсюда следует, что методы автоматического програм-
мирования движений РТК обладают определенной гибкостью
и могут быть адаптивными, поэтому эти методы и реализующие их
алгоритмы находят широкое применение в адаптивных РТК для
ГАП.
Совокупность методов и средств автоматического построения
ПД в изменяющихся условиях ГАП будем называть гибким про-
граммированием РТК. Методы гибкого программирования дви-
жений роботов и технологического оборудования, входящих
в состав РТК, можно разделить на две группы:
1) методы алгоритмического синтеза технологически прием-
лемых ПД;
2) методы алгоритмического синтеза оптимальных ПД.
Методы первой группы обеспечивают автоматическое про-
граммирование РТК по заданному технологическому процессу,
алгоритмическая модель которого обычно заранее формируется
автоматизированной системой технологической подготовки про-
изводства (АСТПП) в соответствии с производственной программой
ГАП. При этом ПД должны удовлетворять ряду естественных
требований и ограничений.
Главное требование, которое предъявляется к синтезируемым
ПД, — это их соответствие технологическому процессу. Весьма
важным является также требование реальной осуществимости ПД
на том конкретном оборудовании, которое входит в состав данного
РТК. Для удовлетворения этого требования необходимо учиты-
вать особенности кинематики и динамики исполнительных при-
водов и механизмов, а также имеющиеся конструктивные огра-
ничения.
В действительности обычно существует большое многообра-
зие ПД, удовлетворяющих сформированным требованиям, поэтому
целесообразно сразу же выбрать среди множества технологически
приемлемых ПД наилучшие. Теоретической основой такого вы-
бора является принцип оптимальности. Согласно этому принципу
сначала выбирается критерий, характеризующий качество ПД,
а затем строится оптимальное (по отношению к заданному крите-
рию) ПД. Методы программирования, базирующиеся на принципе
оптимальности ПД, составляют вторую группу методов гибкого
программирования РТК.
Рассмотрим особенности гибкого программирования движений
технологического оборудования РТК. Для определенности огра-
ничимся вопросами автоматического программирования движе-
ний металлорежущих станков.
До последнего времени традиционным исходным документом
для изготовления изделий на станках служил чертеж, на котором
указывались необходимые геометрические и технологические дан-
ные (геометрические размеры изделия, требуемая точность и
чистота обработки и т. п.). Такой документ рассчитан на человека-
станочника и не может быть непосредственно использован для
37
автоматизации программирования станка. Поэтому в соответ-
ствии с принципом безбумажной информатики нужно прежде
всего записать всю исходную информацию о технологии обработки
на магнитный носитель (перфоленту, магнитную ленту и т. п.)
или в автоматизированный банк данных (АБД).
На втором этапе с помощью АСТПП решается комплекс во-
просов, связанных с выбором материала, из которого должно быть
изготовлено изделие, размеров заготовки, типа инструмента,
характера обработки (черновая или чистовая) и т. п. Технологи-
ческая стадия программирования станков заканчивается составле-
нием алгоритмической модели чертежа, которая заносится в АБД.
Обычно в такой модели непрерывные контуры изделия аппрокси-
мируются отрезками прямых и дуг окружностей, причем все
размеры указываются в базовой системе координат, связанной
со шпинделем.
На третьем этапе осуществляется собственно программирова-
ние движений исполнительных механизмов станка с учетом гео-
метрических и технологических данных об изделии, хранящихся
в АБД в виде алгоритмической модели его чертежа. В результате
автоматически формируется ПД, определяющее требуемый закон
перемещения инструмента и исполнительных механизмов станка.
По ПД синтезируется (обычно в аналитической форме) закон
управления, регулирующий подачу и другие управляющие пере-
менные.
Методы автоматического программирования станков суще-
ственно зависят от их назначения и конструкционных особенно-
стей. При алгоритмическом синтезе ПД для фрезерных станков
специфические осложнения связаны с необходимостью предвари-
тельного построения эквидистанты контура изделия, т. е. кривой,
равноотстоящей от этого контура на величину радиуса фрезы.
Для изделий сложной конфигурации задача аналитического опи-
сания эквидистанты для последующего синтеза ПД фрезы далеко
не тривиальна.
В общем случае проблема автоматического программирования
и оптимизации движений инструмента и исполнительных меха-
низмов станков настолько сложна и трудоемка, что ее решение
немыслимо без использования ЭВМ и специальных языков про-
граммирования. Еще сложнее дело обстоит при алгоритмическом
синтезе и оптимизации ПД манипуляционных и транспортных
роботов.
2.2. ФОРМАЛИЗАЦИЯ ЗАДАЧИ ПОСТРОЕНИЯ
И ОПТИМИЗАЦИЯ ПРОГРАММНЫХ ДВИЖЕНИЙ
РОБОТОВ
Формализация и решение задачи гибкого автоматического
программирования РТК связаны с большими трудностями. Дело
в том, что в процессе программирования РТК нужно не только
38
построить ПД отдельных единиц оборудования РТК (роботов,
станков и т. п.), но и обеспечить их взаимную координацию и син-
хронность, диктуемую ритмом и характером заданного техноло-
гического процесса. Фактически общая задача гибкого программи-
рования РТК распадается на две задачи:
1) индивидуальное (персональное) программирование роботов
и технологического оборудования;
2) групповую координацию (диспетчеризацию) построенных
ПД.
Наибольшие осложнения возникают при постановке и решении
первой задачи. Продемонстрируем основные трудности на примере
автоматического программирования движений манипуляционного
робота. Исполнительным механизмом такого робота является ма-
нипулятор вместе с рабочим органом (механизм захвата, измери-
тельный щуп и т. п.). Управление звеньями манипулятора и ра-
бочим органом осуществляется с помощью сил и моментов, выра-
батываемых системой приводов робота. Для формирования тре-
буемых управляющих воздействий необходимо прежде всего
построить ПД манипулятора. Перейдем к строгой формулировке
этой задачи.
Рассмотрим манипулятор, имеющий пг степеней свободы.
Его конфигурация в произвольный момент времени t задается
m-мерным вектором управляемых координат q = | qj (t) |/Li. Поло-
жение рабочего органа г однозначно определяется по заданной
конфигурации манипулятора с помощью уравнения кинематики
вида
Ф(7) = г.	(2.1)
Движение под действием вектора управляющих сил или мо-
ментов и = |uy|/Li описывается уравнением динамики вида
A (q, g) q + b (q, q, £) = u, q (t0) = q0, q (t) = q0,	(2.2)
где q (t) и q (t) — скорость и ускорение изменения q (t), £ — p-
мерный вектор параметров; A (q, £), b (q, q, £) — заданные ма-
трица- и вектор-функции размерности пг X пг и пг соответственно.
Цель управления движением манипулятора, диктуемая задан-
ным технологическим процессом, заключается либо в переводе
рабочего органа в заданное положение, либо в отслеживании им
заданной траектории.
Целевое условие первого типа имеет вид
Ф[^(Ц)]=г*.	(2.3)
По существу оно определяет режим наведения рабочего органа
манипулятора в точку г* в момент времени t?.
Целевое условие второго типа имеет вид
Ф[<7Р(0] = ^(0> М-	(2-4)
39
Ему соответствует режим отслеживания рабочим органом
заданной траектории г* (/) на интервале времени [70,
В процессе достижения цели должны выполняться следующие
ограничения и условия:
1)	кинематические ограничения на управляемые координаты;
2)	динамические ограничения на скорость и ускорения изме-
нения обобщенных координат, согласованные с ограничениями
на управления;
3)	условия обхода манипулятором препятствий (включая ус-
ловия, исключающие возможность самопересечения манипулятора).
'Закон изменения управляемых координат, обеспечивающий
за конечное время достижение заданной цели движения при соб-
людении трех перечисленных выше, условий, будем называть
программным движением (ПД) манипулятора. Обозначим этот
закон через qp (0 и определим его формально.
Программное движение qp (t) — это дважды дифференцируе-
мая тп-вектор-функция, удовлетворяющая при всех t £ [Zo, tr]
целевому условию вида (2.3) или (2.4) и ограничениям вида
<7р(Ое«2; ^p(0€Qi; (о €	(2.5); (2.6); (2.7)
м [qP (t)l П Р = 0,	(2.8)
где Q, Q1( Q2 — заданные множества /n-мерного пространства;
Л! [7р (01 — множество точек в области достижимости D, за-
нимаемое манипулятором в конфигурации qp (f). Заметим, что
целевая точка г* и траектория рабочего органа г* (<) должны
всегда находиться в рабочей зоне R = DIP, т. е. в некоторой об-
ласти из D, свободной от препятствий.
Задача автоматического построения ПД манипулятора заклю-
чается в следующем. Пусть заданы кинематические и динамиче-
ские уравнения (2.1), (2.2) и ограничения (2.5)—(2.7), препят-
ствия Р, интервал времени [i0, £] и целевое условие в форме
(2.3) или (2.4). Требуется разработать методы и алгоритмы, обе-
спечивающие фактическое построение ПД по указанным данным.
Очевидно, что если требуемое ПД построено, то оно будет техно-
логически приемлемым.
Сформулированная задача может иметь много решений, среди
которых целесообразно выбрать наилучшее, т. е. оптимальное
ПД. Для этого в классе рассматриваемых ПД определим функцио-
нал качества вида
*т
Я[<7Р(-)] = J L[(?p(0, qP(t), qp(t)]dt, (2.9)
где L — некоторая заданная функция, выбираемая из условия,
что функционал (2.9) характеризует затраты на осуществление
ПД qp (t).
40
Задача оптимизации сводится к выбору такого ПД qp (t),
при котором функционал (2.9) принимает наименьшее возможное
значение, т. е.
R[q°p(.)] = min R[qp(-)].	(2.10)
ПД qp (0, t Е l^o. удовлетворяющее критерию оптималь-
ности (2.10), будем называть оптимальным. Такое движение за-
дает оптимальный режим функционирования манипуляционного
робота. Например, если L (qp, qp, qp) = 1, то получаем режим
наибольшего быстродействия. В этом случае
*т
₽[<7P(-)] = f dt = tT-t0 = T	(2.11)
to
и оптимальное ПД минимизирует время (2.11) выполнения техно-
логической операции. Осуществление такого режима работы обе-
спечивает наивысшую производительность робота при заданных
ограничениях.
Таким образом, оптимальное программирование движений
манипулятора заключается в построении оптимального ПД, удов-
летворяющего критерию качества (2.10).
Решение задач построения и оптимизации ПД сопряжено
с большими трудностями. Эти трудности порождены нелинейно-
стью и высокой размерностью уравнений кинематики и динамики
(2.1), (2.2), наличием препятствий (2.8) и конструкционных огра-
ничений (2.5)—(2.7). Кроме того, в случае целевого условия (2.3)
возникает необходимость решать двухточечную краевую задачу,
которая резко усложняется при оптимизации ПД в смысле крите-
риев (2.9)—(2-Н).
Для манипуляционных роботов характерно, что траектория
рабочего органа строится (и наблюдается) в рабочей зоне, а от-
вечающее ей ПД синтезируется в пространстве конфигураций.
Высокая размерность этого пространства (т > 6) обуславливает
кинематическую избыточность манипулятора. И хотя эта избыточ-
ность полезна — благодаря ей увеличивается маневренность ма-
нипулятора, расширяются возможности его адаптации к препят-
ствиям — она еще больше усложняет задачу автоматического
программирования движений.
Применительно к манипуляционным роботам значительные
трудности связаны также с тупиковым ситуациями, обусловлен-
ными структурой множества кинематических ограничений Q
и препятствий Р. Наличие тупиковых ситуаций приводит, в част-
ности, к тому, что не для всякой траектории рабочего органа
г* (/), целиком лежащей в рабочей зоне R, существует соответ-
ствующее ей непрерывное ПД qp (/). Для распознавания тупико-
вых ситуаций и поиска путей их обхода необходимы дополнитель-
ные средства анализа и планирования движений. Эти алгоритми-
41
ческие средства обеспечивают своеобразную адаптацию ПД к ту-
пиковым ситуациям и препятствиям.
Аналогичным образом формируется задача автоматического
программирования и оптимизации движений транспортных ро-
ботов. Однако эта задача имеет свою специфику, связанную глав-
ным образом с тем, что в роли исполнительного механизма здесь
выступает колесное или гусеничное шасси.
Особенности конструкции транспортных роботов порождают
специфический характер уравнений кинематики и динамики
[вместо голономной связи (2.1), присущей манипуляционным ро-
ботам, здесь возникает неголономная связь, определяемая типом
шасси] и ограничений (например, появляются новые ограничения,
описывающие условия опрокидываемости шасси при поворотах
на больших скоростях). Поскольку промышленные транспортные
роботы функционируют в производственной обстановке, где обо-
рудование ГАП зачастую выступает как препятствие, возникает
необходимость предварительной прокладки безопасного мар-
шрута транспортировки грузов с целью предотвращения столкно-
вений.
Решение этой задачи, включая оптимизацию маршрута, пред-
ставляет собой первый этап гибкого программирования движений
транспортных роботов. На втором этапе по заданному маршруту
(который по построению является технологически приемлемым
и безопасным) строится само ПД шасси с учетом имеющихся
кинематических и динамических ограничений. Методы и средства
для автоматического программирования и оптимизации движений
транспортных роботов в условиях ГАП излагаются в гл. 6.
2.3. АЛГОРИТМЫ ОПРЕДЕЛЕНИЯ
ПОЛОЖЕНИЯ ИСПОЛНИТЕЛЬНЫХ МЕХАНИЗМОВ
И РАБОЧИХ ОРГАНОВ
Конфигурация исполнительного механизма робота опреде-
ляется m-мерным вектором обобщенных координат q. Зная q,
можно определить положение и ориентацию отдельных звеньев
механизма и рабочих органов. Задачи такого рода называются
прямыми задачами о положении механизмов РТК.
Необходимость в решении прямой задачи в робототехнике
возникает в связи с тем, что текущие положение и ориентация
некоторых звеньев исполнительного механизма (например, захвата
манипулятора) зачастую не могут быть определены путем пря-
мых измерений. Вместо этого имеется возможность точно изме-
рить относительные положения звеньев, например, с помощью
позиционных датчиков обобщенных координат. По этим данным
можно вычислить положение и ориентацию всех звеньев, в том
числе и рабочих органов.
Рассмотрим особенности решения прямой задачи для мани-
пуляционных роботов. В роли обобщенных координат qjy j =
42
= 1....т манипулятора обычно выступают углы между звень-
ями или длина звеньев с. Поэтому вектор обобщенных координат
у манипулятора с вращательными и поступательными кинемати-
ческими парами имеет компоненты
{<Ру —для вращательной пары;
(2.12)
с} — для поступательной пары. 4
Тип кинематической схемы манипулятора задается иг-мерным
вектором а с компонентами
1 1, если = Cj-
а,= о	(2.13)
1	( 2, если qj = Фу.
По вектору обобщенных координат q однозначно определяется
положение и ориентация всех звеньев манипулятора. Свяжем
с /-м звеном правую ортогональную локальную систему коорди-
нат с началом в точке г, и ортами е{, е%, е$, причем г/ расположим
на кинематической оси (/ — 1)-го и /-го звеньев, а орт вз направим
по этой оси. Будем считать, что система координат стойки мани-
пулятора совпадает с абсолютной неподвижной системой коорди-
нат, т. е.	’
1
О
О
О
1
О
О
О
О
е? =
=
Л.
е3 =
О
О
1
Каждому звену манипулятора поставим в соответствие мат-
рицу размерности 3x4 следующего вида:
Ку==к/, ef, ei3\, /=1........т.	(2.14)
Геометрический смысл матрицы Ку ясен из ее структуры: первый
столбец характеризует положение /-го звена в абсолютной системе
координат 0d1d2ds (точнее, положение начала /-й локальной си-
стемы координат, связанной с /-м звеном), а три остальных—
ориентацию /-го звена. Очевидно, что матрица Kj однозначно
определяет положение /-го звена манипулятора в рабочем про-
странстве, поэтому матрица (2.14) называется матрицей кинема-
тических характеристик манипулятора [66].
Выразим элементы матрицы кинематических характеристик
через обобщенные координаты механизма. Это позволит по еди-
ной формуле экономно вычислять положение и ориентацию всех
звеньев манипулятора непосредственно по его обобщенным коор-
динатам.
Введем для краткости записи следующую операцию произве-
дения Зх4-матриц Kt = (rt, Et), Kj = {Г), Е}):
KiKj = (ri + EirJ, EiEj),	(2.15)
43
а также Зх 4-матрицы преобразований [66]
		0 10 0		
	AjQ	0 0 10	при	1,
		с, 0 0 1		
Pj(g) =		0 cos q> j—sin	0		(2.16)
	AjQ	0 sin ф; COS (p; 0		при 0; = 2.
		0	0	0	1	
Здесь Aj — Зх4-матрицы вида
Л; = (Ем)т(г,-г/-1 Е>\
(2-17)
Т — символ транспонирования. Матрицы (2.17) формируются за-
ранее в исходном положении манипулятора, т. е. при q — 0.
При этих обозначениях матрицы кинематических характери-
стик определяются рекуррентными формулами
КДд) =	(9) 0Р;(<7).	(2Л8)
Выберем на /-м звене некоторую точку г[. Обозначим через
d/ вектор координат этой точки в локальной системе координат
г^е1^. Тогда положение точки г[ определяется формулой
d = *>(<?)
(2.19)
На практике часто требуется знать положение некоторой
характеристической точки г* на захвате манипулятора. Оно
однозначно определяется уравнением кинематики (2.1), где
Ф(д) = Кт(д)
1
d*
(2.20)
Значительный интерес для программирования движений робо-
тов представляет и обратная задача о положении механизма.
Эта задача заключается в определении обобщенных координат q,
определяющих возможные конфигурации исполнительного меха-
низма по заданным положению и ориентации некоторых его
звеньев. Например, для манипуляционного робота часто требуется
по заданному положению схвата г* найти отвечающие ему век-
торы обобщенных координат q, т. е. нужно решить уравнение ки-
нематики (2.1).
Различные алгоритмы решения обратной задачи о положении
манипулятора при пг 6 описаны в работах [32, 42, 88]. Они
решают уравнения (2.1) «в лоб». Это позволяет выделить в явном
виде конечное число ветвей решения уравнения (2.1). В ряде
случаев (например, при наличии препятствий в рабочей зоне)
для увеличения маневренности манипулятора нужна определен-
44
ная кинематическая избыточность. Это достигается увеличением
степеней свободы манипулятора так, чтобы было пг > 6. По-
явились даже гибкие манипуляторы типа «хобот», у которых пг >
> 10. Для таких манипуляторов с большой кинематической из-
быточностью нужны методы решения уравнений (2.1), ориенти-
рованные на использование ЭВМ.
Ряд методов решения обратной задачи о положении основы-
вается на сведении решения уравнения (2.1) и минимизации функ-
ционала вида ]42, 50, 67, 88 [
Т (?) = ||Ф (?) - rj.	(2.21)
Этот функционал обладает следующими свойствами:
1) Т (?) — непрерывно дифференцируемая функция, причем
Т (7) > 0;
2) если градиент (?) = 0, то Т (?) = 0 (здесь W = d^P/dq).
Содержательно Y (?) означает расстояние между целевой точ-
кой г* и положением захвата г = Ф (?) в конфигурации ?.
Рассмотрим кратко некоторые методы минимизации функцио-
нала (2.21). Зафиксируем целевую точку г* и начальное прибли-
жение ?°. Тогда градиентный метод минимизации будет заключа-
ться в построении минимизирующей последовательности ?°, q1, q2
по правилу
?пя = ?n_XnVip(?n), хп>0, ге = 0, 1,2...	(2.22)
Параметр Хп называется длиной шага в направлении антигради-
ента — W (?п). Если W (?л) #= 0, то шаг Хп можно выбрать
так, чтобы Т (?'*+') < (?л). Если V1? (?л) = 0, то У (?л) = 0
и процесс (2.22) прекращается.
В зависимости от способа выбора шага Хп можно получить
различные варианты градиентного метода. Так, если Хп выби-
рать из условия оптимальности
ап (Хп) = min ап (X), Хп > 0,	(2.23)
где ап (X) = V [qn — XW (?л)], X > 0, то придем к методу наи-
скорейшего спуска [28]. Этот метод имеет простой геометрический
смысл: точка qn+l лежит на луче 1п = [? : ? = qn — XV’E (?л),
X 0 в точке его касания поверхности уровня Qn+1 =
= {? £ Rm : V (?) = Т (?'’+')}, причем сам луч 1п ортогонален
к касательной поверхности уровня Q'n в точке qn.
Теоретические исследования и численные эксперименты по-
казывают, что метод наискорейшего спуска для ряда кинематиче-
ских схем роботов сходится медленно. Это связано с тем, что для
многих манипуляционных роботов поверхности уровня функции
обычно имеют так называемый овражий характер (2.21). По-
следнее означает, что по ряду переменных, образующих «склон
оврага», даже небольшое изменение этих переменных приводит
к резкому изменению значений функции, в то время как по ос-
45
тальным переменным, задающим «дно оврага», функция меняется
незначительно.
Для ускорения сходимости иногда применяют метод Ньютона
[28]. Если в градиентных методах при выборе направления убы-
вания функции (2.21) используется лишь линейная часть ее раз-
ложения в ряд Тейлора, то в методе Ньютона используется квад-
ратичная часть этого разложения. Возможность ускорения схо-
димости связана с тем, что квадратичная часть разложения аппрок-
симирует функцию гораздо точнее, чем линейная.
Метод Ньютона в задаче минимизации (2.21) имеет вид
^+i = ^-[4''(<7'’)]-1V'F(<7'’)], « = 1, 2 .... (2.24)
где Т' — вторая производная функции Т по q.
Недостатком метода (2.24) является требование, чтобы на-
чальное приближение д° было достаточно близким к искомому
решению q* = arg min Т (<?). При отсутствии хорошего началь-
ного приближения алгоритм (2.24) может расходиться, поэтому
метод Ньютона целесообразно применять в сочетании с методом
наискорейшего спуска, который призван предварительно оты-
скать приемлемое начальное приближение. Трудоемкость каж-
дого шага у метода Ньютона, вообще говоря, выше, чем у гради-
ентных методов. Тем не менее общий объем вычислений, необхо-
димых для минимизации (2.21) с требуемой точностью при при-
менении этого метода, может оказаться меньше, чем при приме-
нении более простых градиентных методов.
Описанные методы решения уравнения (2.1) требуют для своей
реализации вычисления первых и даже вторых производных функ-
ций вида (2.21). Однако существуют и другие методы решения этой
задачи, использующие лишь значения функции (2.21) и не тре-
бующие вычисления ее производных. К ним относятся метод
покоординатного спуска и метод случайного поиска [28, 69].
В явном виде метод покоординатного спуска определяется
алгоритмом [68]
<7?+1 = arg min У (0, q"...q„);
е
<?2+1 = argmin4r(g?+1, 0...(2J5)
?"+1 = arg min ¥ (rf+l, q^1...0),
e
где arg min ¥ (..., 0, ...) — такое значение 0, при котором ¥
имеет минимум по соответствующей переменной при фиксирован-
ных остальных. Обоснованием естественности алгоритма (2.25)
для решения уравнения (2.1) являются некоторые особенности
движения захвата манипулятора при изменении одной из его обоб-
щенных координат: если меняется угловая координата, то захват
46
движется по окружности; если меняется линейная координата,
то захват движется по лучу. Эти соображения позволяют вычис-
лить arg min ¥ в соотношениях (2.25) по элементарным формулам
аналитической геометрии, что значительно упрощает реализацию
метода покоординатного спуска.
Алгоритм (2.25) минимизирует функцию (2.21) с любой на-
перед заданной точностью 6. Скорость его сходимости слабо
зависит от величины Т (q°), т. е. от выбора начального прибли-
жения <f. Другим достоинством алгоритма (2.25) является то,
что он допускает свободный доступ к целенаправленному изме-
нению обобщенных координат в процессе поиска решения. Это
обстоятельство играет важную роль при автоматическом построе-
нии программных движений манипулятора с помощью алгоритма
(2.25).
Наряду с описанными выше методами решения уравнения ки-
нематики (2.1), существует большая группа алгоритмов поиска
минимума функции (2.21), объединенных под названием метода
случайного поиска. Этот метод характеризуется намеренным вве-
дением элемента случайности в алгоритм поиска, что увеличивает
его гибкость. Многие алгоритмы метода случайного поиска можно
представить в виде
qn+l — qn Xncon, п=0, 1, 2 ...,	(2.26)
где Хп > О — параметр; соп — какая-либо реализация тп-мерной
случайной величины со с известным законом распределения. В ка-
честве координат (ot случайного вектора со можно брать, напри-
мер, независимые случайные величины, равномерно распреде-
ленные на отрезке [—1,1] [28].
Реализация алгоритма (2.26) предполагает наличие специаль-
ного генератора случайных чисел, который формирует вектор со.
Такие генераторы, называемые также датчиками случайных чи-
сел, обычно оформляются в виде стандартных программ для ЭВМ.
Если закон распределения случайного вектора со не зависит от
номера шага п, то алгоритм (2.26) не может «нащупать» направле- ,
ния быстрого убывания минимизируемой функции, поэтому он
сходится медленно.
Для увеличения эффективности метода случайного поиска
желательно, чтобы в алгоритме (2.26) целенаправленно изменялся
закон распределения со в зависимости от номера шага и от резуль-
татов предыдущих шагов. Такой поиск, обеспечивающий боль-
шую вероятность выбора перспективных направлений сог убы-
вания функции (2.21), называется случайным поиском с обуче-
нием. По мере обучения роль фактора случайности уменьшается
и алгоритм (2.26) направляет поиск по «хорошим» направлениям
убывания функции (2.21). В то же время элемент случайности
позволяет алгоритму (2.26) быстро «адаптироваться» к резкому
изменению свойств функции Т (д) в районе поиска.
47
2.4.	МЕТОД КИНЕМАТИЧЕСКОГО СИНТЕЗА
ПРОГРАММНЫХ ТРАЕКТОРИЙ
М<7) =
Рассмотренные алгоримы решения обратной задачи о положе-
нии исполнительного механизма являются частью общей задачи
гибкого программирования движений роботов. На кинематиче-
ском уровне эта задача формулируется так. Пусть для одной или
нескольких выбранных точек на исполнительном механизме за-
даны уравнения кинематики вида (2.1). На обобщенные коорди-
наты наложены конструктивные ограничения (2.5) вида ,
/=1......т.	(2.27)
Они определяют в лг-мерном эвклидовом пространстве Rm па-
т
раллелепипед Q = П [qJt q}]. Множество D = Ф (Q) является
/=1
областью достижимости. Обозначим через М (q) множество в ра-
бочем пространстве, занимаемое исполнительным механизмом
в конфигурации q. Пусть Р — некоторые объекты, играющие роль
препятствий. Введем следующую функцию — предикат препят-
ствий:
1, если РДЛ4(<7)#=0;
О — в противном случае.
Пусть в области достижимости D задана траектория некоторого
звена исполнительного механизма, причем расстояние между
соседними точками достаточно мало. Для определенности будем
считать, что задана траектория захвата манипулятора rkt k =
= 0, 1, ..., Т. Программной траекторией (ПТ) механизма будем
называть такую траекторию q*, для которых при всех k — 0, 1, ...,
Т справедливы соотношения:
1)	Ф [?₽] = ''•I	(2-29)
2)	qkPeQl .	(2.30)
3)6р(^) = 0.	(2.31)
Описанные выше алгоритмы решения уравнения (2.1) индуци-
руют некоторый оператор А:
A (q°, г*) = q.	(2.32)
Функция А обладает тем свойством, что для любого начального
приближения <7° £ Q и любой целевой точки г* 6 Q справедливо
тождество Ф [Л (д°, г*)] = г*. Кроме того, A [q°, Ф (g0)] = q°,
поэтому оператор А можно назвать псевдообратным по отношению
к. оператору Ф.
Оператор А позволяет записать следующую рекуррентную
схему кинематического синтеза ПТ. Пусть даны траектории схвата
48
г\ и начальная конфигурация qQ такая, что Ф (9°) = г®. Дальней-
шие элементы ПТ qkp определяются в силу рекуррентного алго-
ритма
qp+l = A [qp, ri+I], 6 = 0, 1, .... Т- 1.	(2.33)
Заметим, что вследствие псевдообратности оператора А справед-
ливо Ф [<7р] = г*.
Синтезируемая ПТ вида (2.33) должна обладать свойством не-
прерывности. В рассматриваемом дискретном случае это означает,
что qp должно удовлетворять требованию
\\qk+l-qk^<&, k = 0, 1, ..., Т-1,	(2.34)
где е — малое положительное число. Необходимым условием вы-
полнения (2.34) является малость величин ||rk+l — г*|| (последнее
предполагается).
При построении ПТ по методу (2.33) условие (2.34) будет вы-
полнено, если оператор А удовлетворяет следующему свойству
непрерывности: из малости ||г, — г°|| следует малость
где г° = Ф (q0), q = A (q°, г). Поскольку А [<?0, Ф (<?0)] = q°,
то для того чтобы оператор А обладал сформулированным свой-
ством, нужна непрерывность А по г*. Однако для ряда промыш-
ленных роботов оператор А не является непрерывным по г*.
Причиной этого является слишком широкая область задания опе-
ратора А, поэтому при построении ПТ приходится использовать
лишь небольшую часть области задания А. Отметим, что метод
построения ПТ в виде (2.33) достаточно общий. В качестве опера-
тора А в нем может быть использовано отображение, индицируе-
мое любым алгоритмом решения уравнения (2.1) по начальному
приближению. В частности, здесь можно использовать оптимиза-
ционные алгоритмы вида (2.22)—(2.26).
На практике всегда имеются конструктивные ограничения
(2.30), (2.31). Для их учета необходимо произвести следующую
модификацию метода (2.33). Предполагая, что <т° £ Ф, ПТ будем
строить по формулам
qp+1 = AQ[qp, rk+t], k = 0, 1, ..., Т- 1,	(2.35)
где Aq — проекция А на множество Q. Заметим, что если А £
£ Q, то Aq = А. Теперь уже по построению qp (t) £ Q при
всех t С [0, Л-
Требование непрерывности, сформулированное выше по от-
ношению к оператору А, в полной мере относится к оператору AQ.
Что же касается свойства псевдообратности AQ, то здесь возникают
некоторые осложнения. Дело в том, что это свойство зависит от
множества Q и D. Оказывается [68], что необходимым условием
псевдообратности оператора AQ является открытость отображения
Ф : Q -> D. Более того, открытость отображения Ф необходима и
достаточна для возможности построения непрерывного ПТ qp
для любой траектории схвата г* из D. Однако это свойство для
49
некоторых промышленных роботов не выполняется. В подобных
случаях описанный метод кинематического синтеза ПТ должен
дополняться процедурой предварительного планирования ПТ.
Эта процедура, позволяющая автоматически удовлетворять кон-
структивным ограничениям (2.30) и требованию обхода препят-
ствий (2.31), подробно описана в работах [42, 68].
2.5.	СКОРОСТНЫЕ АЛГОРИТМЫ	'
ПРОГРАММИРОВАНИЯ ТРАЕКТОРИЙ
Рассмотренные выше алгоритмы построения ПТ базируются
на том или ином методе решения обратной задачи о положении,
т. е. на решении уравнения кинематики (2.1), поэтому эти алго-
ритмы можно назвать позиционными. В отличие от них скоростные
алгоритмы программирования движений основываются на управ-
лении скоростью движений некоторых точек, фиксированных на
отдельных звеньях механизма.
Для определенности рассмотрим методы и алгоритмы построе-
ния ПТ манипулятора, обеспечивающих желаемый закон изме-
нения скорости движения избранных точек на его захвате. С этой
целью продифференцируем по времени уравнение (2.1). Тогда
получим следующее дифференциальное уравнение:
?Ф[?(0]^(0 = г*(0, q(t0)^q°, t>t0,	(2.36)
где г* (i) — скорость движения выбранной точки на захвате;
\7Ф (?) — матрица Якоби размерности ЗХт, зависящая от кон-
фигурации q манипулятора. Введем 3X3 — матрицу-функцию
Р(?) = ?Ф(?)(?Ф(?))Г	(2.37)
и предположим, что она не вырождена. Тогда уравнение (2.36)
можно записать в разрешенной относительно q форме
Я = (V Ф (rf Р-1 (?) г* + U - (V Ф (?))Г Р~1 (?) V Ф (?)] т (0, (2.38)
где I — единичная mXm-матрица; т (i) — пока произвольная
вектор-функция размерности т.
Цель движения часто заключается в том, чтобы за заданное
время Т = tT — t0 перевести манипулятор из заданной началь-
ной конфигурации ?° в желаемую конечную конфигурацию, удов-
летворяющую соотношению
ф [q (Ml = г*.	(2.39)
где г* — заданное целевое положение выбранной точки на за-
хвате в области достижимости D. При этом искомая ПТ qp (t)
во все моменты времени t £ [Zo, /г] должна удовлетворять конст-
руктивным ограничениям (2.30) (т. е. qp (t) не должна выйти за
пределы множества Q в пространстве конфигураций), требованию
обхода препятствий (2.31), а звенья манипулятора не должны
самопересекаться. ...	... . .	. ;
50
Будем считать, что движение выбранной точки на захвате
происходит с постоянной скоростью по прямой, соединяющей то-
чки г* (t0) = Ф (<7°) и г*, т. е.
г, (П = [г* - г* (W1 Т-\	(2.40)
Подставляя (2.40) в (2.38) и интегрируя полученное уравнение
на промежутке [/0, tT\, можно получить искомую ПТ qp (t).
Для этого следует задаться такой вектор-функцией т (t), выбор
которой, с одной стороны, не влияет на желаемый закон движения
точки на захвате (2.40), а с другой — позволяет удовлетворить
конструктивным ограничениям на обобщенные координаты, из-
бежать столкновения манипулятора с препятствиями и самопере-
сечения его звеньев. Эвристические соображения и формализован-
ная процедура нахождения подходящей функции т (t) как решения
некоторой системы неравенств описаны в работе [5].
Поясним здесь основную идею выбора т (t). Ограничения
на ПТ qp (t) можно записать в виде системы неравенств в простран-
стве конфигурации:
р, (q) > 0, i = 1, .... I,	(2.41)
где рг (q) — некоторая функция, которую можно интерпретиро-
вать как расстояние манипулятора в конфигурации q, т. е. мно-
жества М (<?), от множества «запрещенных конфигураций», опре-
деленного всеми заданными ограничениями. В частности, рг (q)
может означать расстояние от М (q) до внешних препятствий Р,
тогда (2.41) определяет требование обхода препятствий.
Чтобы обеспечить выполнение неравенств (2.41) на ПТ qp (t),
воспользуемся следующим приемом [5]. Зададимся положитель-
ным числом е. Если в некоторый момент времени t' > t0 нару-
шится i-e неравенство (2.41) при q = qp (t), то выберем т (/) в урав-
нениях (2.38) и (2.40) из условия
РД<7р(01>0.	(2.42)
Это условие гарантирует отход манипулятора от множества
«запрещенных конфигураций».
2.6.	ГИБКИЕ АЛГОРИТМЫ
ПАРАМЕТРИЧЕСКОГО СИНТЕЗА И ОПТИМИЗАЦИИ
ПРОГРАММНЫХ ДВИЖЕНИЙ
Общим недостатком позиционных и скоростных алгоритмов
программирования движений рабочих органов является то, что
они строят ПТ с учетом лишь кинематических особенностей ис-
полнительных механизмов роботов. При этом, по существу, игно-
рируются динамические ограничения, присущие как самим меха-
низмам, так и связанным с ними приводам робота. В то же время
учет динамических ограничений необходим с точки зрения прин-
51
ципиальной осуществимости и эффективности синтезируемых про-
граммных движений (ПД).
Рассмотрим метод и гибкие алгоритмы построения и оптими-
зации ПД с учетом динамики двигательной системы робота.
Уравнения динамики исполнительных механизмов имеют вид
(2.2), поэтому управляемые движения исполнительных механиз-
мов однозначно определяются 2т-мерным вектором состояний
Среди множества возможных движений выберем ПДх = хр (f),
удовлетворяющее граничным условиям вида
хр (t0) = х0; хр (tr) = х1У	(2.43)
где хохг — заданные начальное и конечное состояния рабочего
органа. ПД хр (t) должно удовлетворять при всех t £ [i0, /г]
следующим конструктивным и динамическим ограничениям:
хР (0 € Qx;
Хр (t) £ Qx',
(xp(t), xp(t))^PF,	(2.44) - (2.46)
где Qx, Qx — некоторые заданные ограниченные области в про-
странстве конфигураций; PF — подпространство управляемости
[90, 107, 119], явный вид которого определяется уравнением
динамики (2.2).
Следует также заметить, что ПД хр (/) как частное решение
уравнения динамики (2.2) при некотором допустимом управлении
и = ир (t) зависит от параметров £ робота. В задачах програм-
много управления предполагается, что эти параметры 5 [или
их дрейф g (Z)] известны. В следующей главе при синтезе адаптив-
ного управления параметры 5 считаются неизвестными. В этом
случае на класс ПД накладываются более жесткие ограничения,
связанные с учетом структуры множества возможных значений
параметров Q?.
Построение ПД с учетом динамики робота сводится к решению
двухточечной краевой задачи с граничными условиями (2.43)
и ограничениями (2.44)—(2.46). Многие известные методы реше-
ния краевых задач здесь малоэффективны или даже непригодны.
Трудности усугубляются высокой размерностью и нелинейностью
уравнений динамики (2.2), а также сложным характером ограни-
чений (2.44)—(2.46). Эффективным методом динамического синтеза
ПД является метод параметризации ПД с учетом граничных усло-
вий (2.43), накладываемых на начальное и конечное состояния
робота [107, 113]. В этом методе воплощена идея априорного
выполнения граничных условий (2.43) и учета структурного огра-
ничения (2.46). Это достигается за счет специального выбора ба-
зисных функций. В таком подходе заложен глубокий смысл:
при отыскании приемлемых параметров ПД уже не нужно за-
52
ботиться об удовлетворении граничных условий (2.43) и динами-
ческого ограничения (2.46), так как они заранее учтены в конструк-
ции базисных функций.
Рассмотрим подробнее один из вариантов метода параметри-
зации ПД. Будем искать ПД в многопараметрическом классе
функций вида [107, 113]
N
xp(0 = ao(0 +gx/0(0, М.	(2-47)
где х = |х; l/Li — вектор искомых параметров; (f),	(0,
aN (0 — заданные N-мерные вектор-функции. Эти функции будем
называть базисными, если они удовлетворяют следующим усло-
виям [113]:
1)	функции \aj (t)|/Lo таковы, что ПД (2.47) удовлетворяет
граничным условиям (2.43) при любом выборе параметров х1; ...,
2)	функции \а} (0}/=о и их производные [oj (0}/Lo попарно
удовлетворяют структурному ограничению (а;- (0,	(0) С
при всех t £ [0, 0];
3)	функции {ctj (0}/Lo, взятые в любом конечном числе N,
линейно независимы;
4)	система аппроксимирующих функций, из которых выбира-
ются базисные функции, полна в пространстве непрерывно диф-
ференцируемых функций;
5)	функции {а} (0}/Lo достаточно просты с точки зрения их
программной или аппаратной реализации.
Перечисленные требования к базисным функциям имеют сле-
дующий смысл. Первое требование обеспечивает и облегчает ре-
шение двухточечной краевой задачи, второе — гарантирует осу-
ществимость параметризованного ПД (2.47) с учетом динамики
робота, третье и четвертое — означают возможность экономного
и вместе с тем сколь угодно точного представления ПД в виде (2.47)
и, наконец, пятое обеспечивает простоту технической реализации
искомого ПД. Заметим, что пренебрежение любым из этих требо-
ваний может привести к грубым ошибкам или к неосуществимости
параметризованного ПД.
Первая и важнейшая задача в рамках параметрического метода
построения ПД заключается в рациональном выборе базисных
функций. Рассмотрим некоторые примеры и общие рекомендации
по конструированию базисных функций. Примером базисных
функций, удовлетворяющих сформулированным требованиям, мо-
гут служить полиномы
ао (0 = х0 + (Xi - х0) (/ - t0) Т"1;
,	(2.48)
аД0 = ао(0(/-0)(0-0/, /= 1,
В самом деле, при таком выборе базисных функций и при любых
53
значениях параметров х1( xN ПД (2.47) удовлетворяет гра-
ничным условиям (2.43) и динамическому ограничению (2.46),
а также требованиям точной аппроксимации и простой реализации.
Другим примером рационального выбора базисных функций
могут служить тригонометрические многочлены
а0 (О = хр + (%х - х0) sin п (t — /0) Т-1;
ai(t) = a0(t) sinn (i — t0) jT"1.	(2.49)
Как видно из этих примеров, при конструировании базисных
функций можно руководствоваться следующим правилом: в ка-
честве функции а0 (/) можно брать непрерывно дифференцируемую
вектор-функцию, удовлетворяющую граничным условиям (2.34),
а в качестве остальных базисных функций — функции вида
a.j (t) = а0 (/) <р; (0, / = 1, .... IV,	(2.50)
где ф; (/) — числовые функции из некоторой полной системы
функции на [i0; /г], удовлетворяющие однородным граничным
условиям, т. е.
фД0=фЛМ = о, /=1, .... лг,
В качестве <р7- (t) можно брать рассмотренные выше полиномы
и тригонометрические многочлены. Тем самым гарантируется
возможность сколь угодно точной аппроксимации ПД в виде
(2-47).
Значительный прикладной интерес представляет использова-
ние в качестве <р, (i) «конечных элементов» [58], т. е. таких функ-
ций с конечным носителем, которые отличны от нуля только в не-
большой (порядка шага сетки) окрестности интервала [i0; tr].
Простейшим примером могут служить кусочно-линейные функции
вида [27, 69]
Ф/ (0 =
0, *0 < * < 0-1»
^(i-w
h 1 (h+i —h -C -C 0+i!
0, tj+l t 0,
(2.51)
где ti = t0 + h, t2 = t0 + 2/i, ..., tN — t0 + Nh — tT — узлы
сетки на [/0; tr] с шагом h. Эти функции обладают следующим
свойством [69]: любую кусочно-линейную функцию с возможными
изломами в узлах t} можно представить в виде линейной ком-
N
бинации Руф; (t), где в качестве коэффициентов Фурье стоят
значения самой функции в точках tj.
Большой интерес представляет также такая параметризация
ПД, когда в качестве ф; (t) берутся сплайны [28, 69, 85, 88, 127],
т. е. кусочно-полиномиальные функции.
54
Конструирование базисных функций с учетом высказанных
соображений обеспечивает соблюдение граничных условий (2.34)
и динамического ограничения (2.46) при любом выборе параметров
%!, ..., Xjy ПД (2.47), а также приводит к высокой точности аппрок-
симации и простой реализации синтезируемых ПД. После того
как базисные функции ай (t), аг (t), ..., a,v (t) выбраны, можно
перейти к фактическому построению ПД.
Задача синтеза ПД сводится к отысканию приемлемых значе-
ний параметров х1( ..., xw. Эти параметры должны определяться
исходя из заданных ограничений (2.44) и (2.45). Заметим, что огра-
ничения (2.44) и (2.45) на линейных ПД (2.47) превращаются
в систему неравенств относительно параметров х = |х7- \^. Таким
образом, задача построения ПД в результате параметризации
(2.47) сводится к решению системы неравенств, описывающих
ограничения (2.44) и (2.45) относительно параметров искомого ПД.
Для решения полученных неравенств можно применить из-
вестные методы нелинейного программирования [28]. Однако
у роботов с большим числом степеней свободы, а также при слож-
ном характере конструктивных ограничений использование этих
методов наталкивается на принципиальные или вычислительные
трудности. В подобных случаях более простым и эффективным
может оказаться метод, использующий рекуррентные градиентные
алгоритмы решения неравенств. Суть этого метода заключается
в следующем [107]. Пусть для определенности множества Qx
и Qx представляют собой шары радиуса сх и с* соответственно
с центром в нуле. Тогда ограничения на ПД можно записать в виде
следующей системы неравенств:
\\a0(t) + А (0х||<сж; Ца0 (t) + A (i) x]|<q, (2.52); (2.53)
где А (/) — nxN —• матрица-функция, составленная из базисных
функций a-i (/), ..., aN (/); A (t) — производная A (t) по времени.
Очевидно, что неравенства (2.52) и (2.53) выпуклы по х. Предпо-
ложим, что эти неравенства разрешимы с некоторыми запасами
> 0 и 62 > 0. Тогда существует вектор параметров х* такой,
что ПД (2.47) с х = х* удовлетворяет ограничениям (2.44) и (2.45)
с соответствующими запасами. Заметим, что ввиду непрерывной
дифференцируемости функций а} (/), / = 1.. W	матрицы-функ-
ции A (t) и A (i) равномерно ограничены, т. е. || A (f)|| < сА < оо,
И(011<Сл < 00 ПРИ всех М- (2.54)
В этих условиях для решения неравенств (2.52) и (2.53) при-
менимы рекуррентные конечно-сходящиеся алгоритмы градиент-
ного типа, предложенные в работах [132, 142]. Приведем явный
вид одного такого алгоритма решения неравенств (2.52). Пусть
х0 — произвольное начальное приближение неизвестного век-
тора х*. Зациклив систему неравенств (2.52) по t (с периодом Т),
55
будем строить оценки х* параметров ПД в соответствии с рекур-
рентным алгоритмом вида
xft+1 = х* + бхЛт (tk) M(/ft)|p||x)p(Ift)|| ’	(2,55)
где tk — очередной момент нарушения неравенств (2.52) при
х = xft, t > th-, хр (th) — значение (2.47) при t = tk, х = х*.
С помощью метода функции Ляпунова легко показать, что
алгоритм (2.55) является конечно-сходящимся, причем для числа
его шагов справедлива оценка [132]
(2.56)
Совершенно аналогично записывается рекуррентный конечно-
сходящийся алгоритм решения неравенств (2.53), причем для числа
его шагов справедлива оценка
(2.57)
Достоинством описанного параметрического метода построения
ПД является простота и экономность представления ПД (2.47),
а также гибкость, т. е. возможность быстрой перестройки ПД при
изменении граничных условий или ограничений. Последнее обе-
спечивается тем, что структура блока синтезируемого ПД (2.47)
задается с точностью до начального и конечного состояний х0,
и х. При этом изменение граничных условий влечет изменение
базисных функций, а изменение ограничений порождает коррек-
цию параметров ПД без изменения его структуры.
Рассмотрим задачу оптимизации ПД. Эта задача имеет боль-
шое практическое значение, так как позволяет роботу экономить
ресурсы и время в процессе выполнения рабочих операций. Вы-
бор конкретного функционала качества вида (2.9) обычно возла-
гается на конструктора системы управления робота. После того
как этот функционал выбран и зафиксирован критерий оптималь-
ности (2.10), дело сводится к использованию методов теории опти-
мального управления.
Традиционные методы оптимизации, основанные на принципе
максимума Л. С. Понтрягина [21, 58], сводят задачу к отысканию
оптимального программного управления и°р (/), после чего оп-
тимальное ПД Хр (/) получается как решение уравнения динамики
(2.2) при и = и°р (i). При этом предполагается, что вектор пара-
метров робота £ известен. Однако решение этой задачи для ро-
ботов с большим числом степеней свободы наталкивается на зна-
чительные вычислительные трудности. Эти трудности усугубля-
ются нелинейностью уравнений (2.2) и сложным характером огра-
ничений на состоянии и управления.
Для преодоления указанных трудностей изменим формули-
ровку задачи. Прежде всего заметим, что функционал (2.9),
характеризующий качество ПД, не зависит явно от управления.
56
Поэтому задача оптимизации ПД может быть поставлена как сле-
дующая вариационная задача: построить ПД, оптимальное по
отношению к функционалу качества (2.9), при соблюдении огра-
ничений (2.44)—(2.46).
Сформулированная вариационная задача тесно связана с за-
дачей оптимального программного управления. Однако она проще
этой задачи в том отношении, что вместо дифференциальной связи
(2.2) здесь фигурирует значительно более простое динамическое
ограничение (2.46). В процесс решения вариационной задачи ока-
зывается возможным непосредственно строить оптимальное ПД
(например, как решение уравнения Эйлера), не прибегая к тру-
доемкому предварительному поиску оптимального программного
управления классическими методами. Следует отметить, однако,
что и эта более простая задача далеко не тривиальна и достаточно
трудоемка [особенно, если учеть ограничения (2.44) и (2.45),
присущие всем промышленным роботам].
Значительный интерес представляют алгоритмические методы
решения рассматриваемой задачи. Одним из таких методов явля-
ется метод параметрической оптимизации ПД, предложенный в ра-
ботах [107, 113]. Этот метод основан на описанной выше параме-
тризации ПД. Сущность метода заключается в том, что прибли-
женное решение задачи оптимизации ПД ищется в виде (2.47).
Подставляя параметризованное ПД в функционал (2.9), получим
функцию
/?[*₽,(•)] = Т(хг..xN),	(2.58)
зависящую от У параметров ПД.
Таким образом, задача оптимизации ПД свелась к следующей
задаче нелинейного программирования: найти значения парамет-
ров искомого ПД вида (2.47) исходя из критерия оптимальности
Т (х°) = min У (х)	(2.59)
и ограничений (2.44) и (2.45). Тем самым рассматриваемая вариа-
ционная задача редуцировалась к более простой задаче миними-
зации функции-конечного числа переменных при ограничениях
типа неравенств.
Глава 3
АДАПТИВНОЕ
ПРОГРАММНОЕ УПРАВЛЕНИЕ РТК
3.1. ЦЕЛИ И ЗАДАЧИ
АДАПТИВНОГО ПРОГРАММНОГО УПРАВЛЕНИЯ
Функциональные возможности и технико-экономические пока-
затели РТК в значительной степени определяются тем, какие прин-
ципы и алгоритмы реализуются в их системе управления. Глав-
57
ным признаком, разделяющим РТК на поколения, служит именно
, принцип управления. Как уже отмечалось, в основе РТК первого
поколения лежит принцип программного управления, а РТК
второго и третьего поколений строятся на принципах адаптив-
ного управления и искусственного интеллекта.
Рассмотрим основные цели, задачи и принципы управления
РТК при различной степени информированности относительно
динамических характеристик и условий эксплуатации. В рамках
такого информационного подхода к управлению легко выявить
недостатки программного управления и обосновать необходимость
перехода к адаптивному управлению при функционировании РТК
в недетерминированной производственной обстановке.
Для решения технологических задач, возложенных на РТК,
необходимо обеспечить целенаправленные движения всех испол-
нительных механизмов с соблюдением требуемой ориентации ра-
бочих органов и инструментов, диктуемые заданным технологиче-
ским процессом. Иными словами, нужно сначала по заданее за-
планированной последовательности технологических операций
построить соответствующие программные движения (ПД) испол-
нительных механизмов РТК, а затем обеспечить такое управление
этим ПД, чтобы переходные процессы удовлетворяли заданным
требованиям По точности, быстродействию и т. п. Эти задачи
решаются цифровыми и адаптивными системами программного
управления.
Цифровые системы программного управления широко приме-
няются в РТК первого поколения. Гибкость и целенаправленность
управления в них достигается за счет предварительного програм-
мирования движений исполнительных механизмов. Методы и
средства такого априорного программирования описаны в пре-
дыдущей главе. Поэтому ниже будем исходить из того, что требуе-
мые ПД, обеспечивающие выполнение запланированных техно-
логических операций, уже построены.
Задача управления ПД заключается в фактической обработке
ПД с заданной точностью путем алгоритмического синтеза и про-
граммно-аппаратной реализации соответствующего закона управ-
ления РТК- В простейшем случае этот закон строится непосред-
ственно по ПД как функция времени, поэтому в принципе для его
реализации нужен только один датчик — таймер. При таком
жестком программном управлении система управления РТК стро-
ится по разомкнутой схеме: в режиме программирования (обу-
чения) в ее память вводится ПД; в рабочем режиме включаются
приводы, реализующие программное управление. В этом заключа-
ется сущность принципа программного управления. Жесткий
характер управления по этому принципу сильно ограничивает
возможности РТК первого поколения.
Гораздо более совершенным является адаптивное программное
управление РТК, основанное на принципах обратной связи и са-
монастройки закона управления ПД. Введение элементов адапта-
58
ции поднимает цифровые системы программного управления на
качественно новый, высший уровень, свойственный только чело-
веку с присущими ему адаптационными возможностями.
Для формализованного описания методов программного и
адаптивного управления введем в рассмотрение обобщенную ди-
намическую модель РТК- Эта модель включает систему уравнений
динамики, описывающих управляемые движения роботов и обо-
рудования, входящего в состав РТК, а также систему конструк-
ционных ограничений и внешний условий. В общем случае си-
стему уравнений динамики РТК можно записать в виде вектор-
ного дифференциального уравнения
х = F (х, и, 4- л, t £ Uo, tT],	(3.1)
где х = х (/) — n-мерный вектор состояний РТК; и = и (t) —
/n-мерный вектор управлений, подаваемых на приводы РТК;
£=£(/) — р-мерный вектор параметров исполнительных ме-
ханизмов и приводов; л = л (/) — n-мерный вектор внешних воз-
мущений; t — текущее время; F — заданная n-мерная вектор-
функция, зависящая от конструкционных особенностей РТК-
Переменные х, и, л и параметры g имеют смысл реальных фи-
зических переменных и параметров, описывающих функциониро-
вание РТК- Так, например, в случае электромеханических РТК
в число компонент вектора состояний х входят управляемые коорди-
наты исполнительных механизмов, токи в обмотках якорей
приводов, а также их первые производные по времени; в число
компонент вектора управлений — управляющие напряжения и,
вырабатываемые системой управления РТК и подаваемые в цепи
якорей приводов; в число компонент вектора параметров £ —
массо-инерционные характеристики звеньев исполнительных ме-
ханизмов, заготовок, коэффициенты трения и упругости в редук-
торах, параметры двигателей.
Система дифференциальных уравнений (3.1) представляет со-
бой аналитическую запись основных физических закономерностей,
которым подчиняются управляемые движения роботов и техно-
логического оборудования, образующих РТК- Чтобы принять
систему уравнений (3.1) за обобщенную динамическую модель
РТК, нужно охарактеризовать область определения функции F
и конкретизировать класс постоянно действующих внешних воз-
мущений л. Областью определения функции F, задающей струк-
туру и свойства уравнений динамики (3.1), является совокупность
возможных значений переменных х и и и параметров Границы
этой области определены конструкционными ограничениями вида
при всех t £ [/0, ^r];
х(оес»;	(3.2)-(3.4)
где Qx, Qu, Qj — заданные множества в пространстве состояний,
управлений и параметров соответственно.
59
Внешние постоянно действующие возмущения л на практике
всегда ограничены. Формально это означает, что
n(t)£Qn при всех ZCUo, ^г]>	(3-5)
где Q„ — область возможных значений внешних возмущений.
Допустимым управлением называется любой закон изменения
управляющих воздействий и (f), удовлетворяющий ограничению
(3.3). Управляемые движения РТК являются решением системы
дифференциальных уравнений динамики (3.1) при заданном до-
пустимом управлении. С формальной точки зрения реальное
движение РТК описывается вектор-функцией х (t) — X (t, t0,
х0, и, В, л), где х0 — состояние РТК в начальный момент вре-
мени t0. Если это движение удовлетворяет ограничению на со-
стояния (3.2), то оно является допустимым.
Среди множества допустимых движений РТК выделим класс
программных движений (ПД), т. е. множество таких допустимых
движений хр (7), которые обеспечивают выполнение требуемых
технологических операций. При заданном ПД цель управления
РТК обычно сводится к фактическому осуществлению ПД за
счет синтеза соответствующего допустимого закона управления.
Эффективные законы управления существенно зависят от струк-
туры и свойств динамической модели РТК (3.1). В работах [107,
111, 119] установлено, что характерной чертой динамики-ши-
рокого класса РТК является разрешимость системы уравнений
(3.1) относительно управления на некотором подмножестве
Рр (В) = {(х, F (х, и, l)):xeQxuE Qu},	(3-6)
называемом подпространством управляемости. Основываясь на
этом важном свойстве, уравнения динамики (3.1) можно записать
в более удобном (с точки зрения аналитического конструирования
законов управления) виде, а именно:
u = U(x, х — л, В), (х, х — л)^Рр,	(3.7)
Здесь U — оператор управления, определенный на множествах PF
и Qg со значениями в Qu и удовлетворяющий соотношению
z = F [х, и (х, z, В), В1
при всех (х, z) из PF и всех В из Qg.
Явный вид оператора управления U и подпространства управ-
ляемости PF для конкретных типов роботов и технологического
оборудования РТК будет приведен в последующих главах (см.
также работы [107, 117, 1191).
Система ограничений (3.2)—(3.5) порождает ограничения на
скорость изменения вектора состояний
x(t)^Qx при всех hJ,	(3-8)
где Qi — некоторое множество, определяемое по заданным мно-
жествам Qx, Qu, Qg, Qn, поэтому исходной системе ограничений
60
(3.2)—(3.5) можно поставить в соответствие эквивалентную ей
систему, где вместо условия (3.3) фигурирует ограничение (3.8).
Новая система ограничений (3.2), (3.8), (3.4), (3.5) в сочетании
с уравнением динамики РТК в разрешенной относительно управ-
ления форме (3.7) представляет собой обобщенную динамическую
модель РТК. Эта модель играет важную роль не только при по-
строении и оптимизации ПД РТК, но и при синтезе законов про-
граммного и адаптивного управления с учетом динамических
особенностей РТК. Из свойств модели следует, что ПД хр (Z)
должно удовлетворять ограничениям (3.2), (3.8).
Задача программного управления заключается в синтезе та-
кого закона управления, который обеспечивает точное осуществле-
ние или стабилизацию заданного ПД хр (/). Зная хр (t), легко
найти программное управление как функцию времени. Для этого
нужно в управлении (3.1) положить л(^) = 0и сделать подста-
новку х = хр (t), х= xp(t). В результате получим уравнение
для определения программного управления ир (t).
Чтобы найти программное управление в аналитическом виде,
воспользуемся свойством разрешимости уравнения динамики
(3.1) относительно управления на подпространстве. Тогда с уче-
том (3.7) получим следующую явную формулу для вычисления
программного управления непосредственно по ПД:
u(xp,t) = U(xp, хрЛ).	(3.9)
Подставляя (3.9) в (2.66), убеждаемся, что совпадение реаль-
ного движения х (t) и ПД хр (t) возможно лишь при выполнении
весьма жестких условий. Первое из этих условий — отсутствие
неконтролируемых возмущений л (t). Второе условие заключается
в совпадении хр (t0) с начальным состоянием х0 РТК, т. е.
%р Go) = % Go) ~ *<>•	(3.10)
Наконец, третье условие требует полной информации о дрейфе
параметров g (t).
На практике строгое соблюдение указанных условий весьма
затруднительно, а иногда и просто невозможно. Дело в том, что
априорная информация о параметрах £ (и тем более об их дрейфе)
неполна и неточна. Кроме того, всегда имеются начальные воз-
мущения е (t0) = х0 — хр (t0) и неконтролируемые постоянно дей-
ствующие возмущения л (t). Все это приводит к отклонению ре-
ального движения под действием жесткого программного управ-
ления (3.9) от ПД хр (f). В этом проявляются принципиальные
ограничения жесткого программного управления РТК-
Для обеспечения гибкости системы управления программное
управление целесообразно сочетать с управлением по принципу
обратной связи. В результате получим гибкие законы управления
ПД с обратной связью. Главное преимущество таких комбинирован-
ных законов управления заключается в учете текущей информации
о состоянии РТК с целью улучшения качества управления. Бла-
61
годаря этому закон программного управления становится само-
корректирующимся, а ПД устойчивым по отношению к начальным
и постоянно действующим возмущениям.
Примером закона управления ПД с обратной связью по век-
тору состояний РТК может служить следующее управление
[107, 112]: '
и(х, хр, l) = U(x, хр, I),	(3.11)
которое в отличие от (3.9) обеспечивает устойчивость ПД хр (Z)
на конечном интервале времени По, /г]. Более эффективные за-
коны управления, обеспечивающие асимптотическую устойчивость
ПД, имеют вид [88, 107, 1111:
и(х, хр, l)=U[x, хр + Г(х — хр), £],	(3.12)
где Г — некоторая устойчивая пхп-матрица коэффициентов уси-
ления в каналах обратной связи. Специальным выбором струк-
туры и элементов матрицы Г можно обеспечить заданный характер
затухания переходных процессов е (t) = x(t) — хр (f) [107, 119].
Реализация гибких законов управления ПД вида (3.11) и (3.12)
требует знания параметров £ РТК. Однако на практике эти па-
раметры обычно не только неизвестны, но и могут дрейфовать
непредсказуемым образом в широком диапазоне, определяемом
ограничением (3.4).
Внешние постоянно действующие возмущения п (t), сущест-
венно влияющие на точность отработки ПД, также неизвестны и
не могут быть измерены датчиками информационной системы РТК-
Априорные сведения о внешних возмущениях задаются ограни-
чением (3.5).
Класс неопределенности условий функционирования РТК в це-
лом определяется множествами Qt и Qn. Чем шире диапазон
неконтролируемых изменений параметров £ и возмущений л,
тем шире класс неопределенности. Для многих РТК, работаю-
щих в составе ГАП, можно определить в явном виде класс неопре-
деленности, характеризующий фактическую вариативность и не-
детерминированность производственной обстановки.
В подобных нестационарных условиях с неопределенностью
воспользоваться синтезированными законами программного управ-
ления, строго говоря, нельзя. Если все же использовать эти за-
коны, предварительно заменив в них неизвестные параметры |
некоторыми правдополобными оценками т, то в замкнутой двига-
тельной системе РТК возникнут неконтролируемые параметриче-
ские возмущения. Действие этих возмущений (в сочетании с на-
чальными и постоянно действующими внешними возмущениями)
может привести к нежелательным динамическим эффектам —
снижению точности отработки ПД, автоколебаниям или неустой-
чивости.
Новый подход к управлению РТК в условиях неопределенно-
сти базируется на принципе адаптации системы управления к за-
62
ранее неизвестным меняющимся свойствам РТК и окружающей
его производственной обстановки. В процессе адаптации проис-
ходит самонастройка и приспособление системы управления
к фактической обстановке. Реально это проявляется в изменении
структуры и параметров системы управления так, чтобы гаранти-
ровать осуществление ПД при соблюдении конструктивных огра-
ничений в нестационарных и неопределенных условиях эксплуа-
тации РТК-
Характерной чертой адаптивных систем управления является
то, что недостаток априорной информации и неконтролируемый
дрейф параметров компенсируется в них надлежащей обработкой
сенсорной информации, поступающей от информационной системы
РТК- Для обработки этой информации служат алгоритмы адап-
тации, осуществляющие самонастройку параметров закона управ-
ления, а также коррекцию ПД.
Наличие развитых средств очувствления и связанных с ними
алгоритмов адаптации принципиально отличает адаптивные си-
стемы управления РТК от систем программного управления,
описанных в предыдущей главе. Благодаря этим средствам й ал-
горитмам осуществляется автоматическое приспособление РТК
к недетерминированным и изменяющимся условиям эксплуатации.
Адаптивная постановка задач управления ПД в отличие от
классической предполагает, что конструктору неизвестны пара-
метры £ динамической модели РТК и постоянно действующие воз-
мущения л. Вследствие этого законы управления с обратной связью
(3.11) и (3.12) нуждаются в доопределении: должны быть указаны
алгоритмы поиска приемлемых оценок т неизвестных парамет-
ров £, использующие обратную связь от датчиков информацион-
ной системы РТК- Если эти алгоритмы обеспечивают осуществле-
ние ПД с требуемой точностью для любых возможных значений
параметров | и возмущений л £ Q„, то будем называть
их алгоритмами адаптации. Соответствующие законы управления
с автоматической адаптацией (самонастройкой) параметров т
будет называть адаптивными в заданном классе неопределенности
Q«}-
Задача адаптации заключается в синтезе алгоритмом адапта-
ции с требуемыми свойствами. Решение этой задачи тесно связано
с контролем качества управления. Введем функцию качества вида
ф (т, t) = Ф [и (t), х (1), т], значения Ф которой могут быть из-
мерены или вычислены в любой момент времени t. Это требование
необходимо для реализуемости алгоритмов адаптации. Цель
адаптации удобно задавать в форме неравенств, связывающих
управления и, состояния х и оценки т. В качестве таких нера-
венств можно взять систему неравенств вида:
Ф (т, 0 > 0;	/0.	(3.13)
Эти неравенства должны конструироваться таким образом, чтобы
их выполнение обеспечивало требуемую близость реального дви-
63
жения РТК и ПД. Неравенства, обладающие указанными свой-
ствами, будем называть эстиматорньши.
Решение задачи адаптации сводится к синтезу алгоритмов ре-
шения эстиматорных неравенств (3.13). Смысл этих алгоритмов
заключается- в формировании приемлемых оценок т неизвестных
параметров |, причем, если неравенства (3.13) нарушаются при
некотором т = т (/), то это свидетельствует о неудовлетворитель-
ности текущей оценки т (/) и о необходимости ее скорректировать.
Если же неравенства (3.13) выполнены, то это говорит о приемле-
мости как самих оценок, так и синтезированного на их основе
адаптивного закона управления. Таким образом, алгоритм реше-
ния эстиматорных неравенств выступает как алгоритм адаптации.
Отсюда ясна важная роль и значение эстиматорных неравенств.
Характерной чертой неравенств (3.13) является то, что в каж-
дый момент времени t известно лишь текущее значение функции
<р (т, t), но не будущие ее значения. Последние зависят от буду-
щего выбора оценок и управляющих воздействий, поэтому алго-
ритм адаптации должен находить решение заранее не заданных
эстиматорных неравенств.
Большинство алгоритмов адаптации можно разбить на два
класса:
1) непрерывные алгоритмы, когда оценка т (/) определяется
как решение дифференциального уравнения адаптации;
2) дискретные алгоритмы, когда оценка т (t) = т (tk) определя-
ется в дискретные моменты времени tk, k = 0, 1, ..., по рекур-
рентным формулам.
Общая схема непрерывных алгоритмов такова: оценка т (Z)
определяется как решение дифференциального уравнения адап-
тации вида
т (!) = А [т (/), $ (/)), т (/0) = т0, / > t0,	(3.14)
где s (t) — текущая информация; т0 — произвольная начальная
оценка из множества Qf, А — оператор адаптации (он таков, что
оценки т (/) сходятся к идеальному решению | или в некоторую
его окрестность).
Дискретные алгоритмы адаптации описываются следующей
системой соотношений:
т(/) = тг1;	4+i = t'k + 9; )
Tft+1 = Tft + 4[s(«)], k = 0, 1, ..., j (ЗЛ5)
где т0 — произвольная начальная оценка; — первый момент
нарушения эстиматорных неравенств (3.13) при т= Ть, t ;> th\
0 — время, необходимое для вычисления новой оценки xft+i в со-
ответствии с алгоритмом (3.15) по имеющейся к моменту t'k ин-
формации s (/*); А —- оператор адаптации.
Таким образом, решение задачи адаптации сводится к конст-
руированию непрерывных иди дискретных алгоритмов адаптации
64
вида (3.14) или (3.15), которые генерируют траекторию т (/),
t t0 или последовательность оценок тй, k = 0, 1, ..., сходя-
щуюся к некоторому решению эстиматорных неравенств (3.13).
Важнейшими требованиями, предъявляемыми к алгоритмам
адаптации, являются:
1)	конечная сходимость, т. е. конечность общего времени на-
рушения эстиматорных неравенств на траектории алгоритма адап-
тации;
2)	помехоустойчивость, т. е. устойчивость алгоритма адапта-
ции по отношению к вычислительным погрешностям;
3)	простота и реализуемость алгоритма адаптации;
4)	оптимальность, т. е. выбор оператора адаптации (или его
параметров) из некоторого условия оптимальности.
Цель адаптивного управления зависит от режима эксплуатации
РТК- Анализ технологической задачи с позиций теории управле-
ния позволяет выделить следующие типовые режимы: стабилиза-
ция ПД, терминальное управление и самонаведение.
Цель управления в режиме стабилизации заключается в от-
слеживании ПД с заданной точностью е сразу или по прошествии
некоторого времени переходного процесса Тр = tp — t0, т. е.
|j X (0 — хр (OiK 8 при всех t^tp(t0, х0, I, л).	(3.16)
Цель терминального управления заключается в переводе РТК
из начального состояния х0 в желаемое конечное состояние Xj.
за заданное время Т = tT —10, т. е.
(3.17)
Наконец, цель самонаведения имеет вид (3.17) с той разницей,
что траектория и время наведения здесь заранее не фиксируются.
Для выполнения сформулированных целевых условий необ-
ходимо синтезировать закон управления и = и (t, х, т) с обрат-
ной связью по вектору состояний х и с самонастройкой парамет-
ров т. Этот закон, естественно, не должен зависеть от неизвестных
параметров g £ Qg и возмущений п £ Qn- Если синтезированный
закон управления и алгоритм адаптации обеспечивают достиже-
ние цели управления для любых значений £ и л из класса неопре-
деленности {Q5, Qn}, то реализующую их систему управления
РТК будем называть адаптивной в классе {Q5, Qn|. При синтезе
и расчете адаптивных законов управления его структура и пара-
метры должны быть выбраны так, чтобы гарантировать выпол-
нение конструктивных ограничений на состояния и управления
на всем рассматриваемом интервале движения.
Раскроем смысл и особенности приведенных выше формализо-
ванных целевых условий и режимов в частных задачах адаптивного
программного управления роботами и технологическим обору-
дованием, входящими в состав РТК- При этом общая задача адап-
тивного управления РТК расщепляется на ряд локальных задач
3 Заказ 250
65
и целей управления. Применительно к промышленным манипуля-
ционным роботам целевое условие (3.16) обычно соответствует
режиму контурного управления, а целевое условие (3.17) — ре-
жиму позиционного управления. Часто оба эти режима реа-
лизуются в одной адаптивной системе программного управле-
ния.
Для координатно-измерительных роботов цель управления
заключается в самонаведении измерительного щупа или обходе
детали по контуру, который заранее не задается и зависит от
формы и размеров измеряемой детали. В последнем случае речь
идет, по существу, об отслеживании некоторого ПД, которое
заранее неизвестно.
Целью адаптивного управления транспортными роботами обы-
чно является либо отслеживание заданного ПД, соответствую-
щего маршруту безопасного движения робота в реальных условиях
производства, либо приведение робота в заданное состояние, соот-
ветствующее, например, его остановке в определенной точке
с заданной ориентацией. При этом траектория и время приведения
могут задаваться заранее (что соответствует режиму терминаль-
ного управления) или определяются в процессе управления (что
соответствует режиму самонаведения).
Целевые условия при адаптивном программном управлении
станками часто имеют вид (3.16) и (3.17). Это соответствует так
называемому контурному и позиционному управлению стан-
ками.
При координатном управлении перемещением детали или
инструмента по принципу «от точки к точке» главным является
точное позиционирование, а вид траектории, по которой проис-
ходит самонаведение, не имеет существенного значения и влияет
только на время обработки соответствующей технологической
операции, т. е. на производительность станка. Адаптивное коорди-
натное управление применяется в сверлильных и координатно-
расточных станках, в автоматах для точечной сварки и т. п. Для
него характерен дискретный характер программы движения:
после перемещения детали или инструмента в положение с задан-
ными координатами и фиксации в нем выполняется соответствую-
щая технологическая операция (например, сверление или раз-
вертывание отверстия, пайка и т. п.).
Контурное адаптивное управление применяется в основном
в токарных и фрезерных станках всех видов, а также в технологи-
ческом оборудовании с непрерывным перемещением рабочих ор-
ганов. При этом ПД обычно строится в абсолютных координатах
непосредственно по чертежу детали или по его «образу», храня-
щемуся в автоматизированном банке данных. Часто контур де-
тали состоит из отрезков прямых и дуг окружностей. В подобных
случаях применяются комбинированные позиционно-контурные
адаптивные системы управления. В простейшей задаче обточки
валов на токарных станках, когда ПД представляет собой ступен-
66
чатую функцию, целью управления является отработка этого ПД
путем поочередного включения и регулирования то продольной,
то поперечной подачи,
3.2.	АНАЛИЗ ВЛИЯНИЯ
ВОЗМУЩЕНИЙ И НЕОПРЕДЕЛЕННОСТЕЙ
НА КАЧЕСТВО ПРОГРАММНОГО УПРАВЛЕНИЯ
Качество управления РТК определяется характером переход-
ных процессов. В свою очередь, вид переходного процесса в РТК
зависит от ряда факторов. Наибольшее влияние на качество управ-
ления оказывают начальные возмущения е = х (t0) —х0 (t0),
неконтролируемые постоянно действующие возмущения л (t) и
неизвестные параметрические возмущения со (1) = £ (I) — т (t).
Степень влияния указанных факторов на характер переходных
процессов существенно зависит от вида закона управления, реали-
зуемого в системе управления РТК- Так, например, в случае
жесткого программного управления (3.9) даже небольшие на-
чальные, постоянно действующие и параметрические возмущения
обычно приводят к неудовлетворительному характеру переходных
процессов: динамическая ошибка ||е (/)|| с течением времени воз-
растает.
РТК с гибким управлением с обратной связью вида (3.11) ме-
нее чувствительны к возмущениям. Однако качество переходных
процессов и в этом случае зачастую неудовлетворительно: точ-
ность отработки ПД здесь принципиально ограничена, а пере-
ходные процессы имеют колебательный или неустойчивый ха-
рактер.
Для обеспечения желаемого характера переходных процессов
можно использовать законы управления вида (3.12). При отсут-
ствии параметрических и постоянно действующих возмущений
эти законы обеспечивают не только асимптотическую устойчи-
вость ПД, но и наперед заданный характер затухания переходных
процессов. Например, если собственные числа устойчивой мат-
рицы коэффициентов усиления Г являются отрицательными, пе-
реходные процессы имеют экспоненциальный (апериодический)
характер.
Оценим влияние параметрических, постоянно действующих
и начальных возмущений на качество переходных процессов при
использовании законов управления вида (3.12). Поскольку век-
тор параметров £ неизвестен, заменим его некоторой оценкой т
и подставим полученный закон управления в уравнение динамики
РТК (3.1). Тогда получим следующее дифференциальное урав-
нение переходных процессов:
ё = Ге + А + л,	(3.18)
где Л = F (е + хр, и, £) — F (е + хр, и, т)-п-мерная вектор-
функция, зависящая от параметрических возмущений. В ряде
3*
67
случаев функция F линейна по параметрам т. е. F (х, и, £) =
= G (х, и) £. Обозначим через g параметр, такой, что ||G (х,
В этих условиях справедлива следующая оценка [107]:
IIе (СИ < сIIе (Milexp [-у (t - М + су-1 [g||<о (Oil + II л (ОНЬ (3.19)
где сиу — положительные числа, зависящие только от выбора
матрицы коэффициентов усиления Г. Эта оценка устанавливает
явную зависимость переходных процессов от начальных, посто-
янно действующих и параметрических возмущений.
Анализ соотношения (3.19) позволяет сделать следующие вы-
воды:
1)	влияние начальных возмущений е (t0) на точность отра-
ботки ПД с течением времени экспоненциально убывает;
2)	достижимая точность отслеживания ПД принципиально
ограничена уровнем неизвестных параметрических и постоянно
действующих возмущений;
3)	если параметры £ известны, а возмущения л отсутствуют,
то затухание переходных процессов имеет экспоненциальный
характер.
Уровень неопределенности при управлении РТК характеризу-
ется величиной ||со(0||: чем больше этот уровень, тем хуже ка-
чество управления. На практике при большем уровне неопреде-
ленности наблюдается не только снижение точности отслеживания
ПД, но и автоколебания или даже потеря устойчивости. В резуль-
тате возникают аварийные ситуации и РТК теряет работоспособ-
ность .
Радикальным средством компенсации параметрических возму-
щений и улучшения качества переходных процессов в условиях
неопределенности является самонастройка параметров т закона
управления с помощью алгоритмов адаптации. Цель самонастройки
заключается в гашении параметрических возмущений со (0, по-
этому критерием адаптивности может служить соотношение
lim || со (0|| = 0, t>t0.	(3.20)
Согласно этому критерию среди всех возможных оценок т (0
отбираются те, которые асимптотически приближаются к неизвест-
ным истинным значениям параметров £. По существу здесь речь
идет об асимптотической идентификации параметров РТК в про-
цессе его нормальной эксплуатации. Однако в действительности
требование (3.20) является излишне жестким. На самом деле для
успешного управления РТК точная идентификация вовсе не
требуется. Более того, при управлении на конечном интервале
времени асимптотическая идентификация вообще невозможна.
Характерной чертой адаптивных систем управления является
монотонное уменьшение уровня неопределенности || со (ОН- Это
обеспечивается алгоритмами адаптации, которые гасят параме-
68
трические возмущения. При этом информация о динамических
свойствах РТК, вообще говоря, увеличивается, а неопределен-
ность, наоборот, уменьшается. По мере увеличения степени ин-
формированности системы управления о свойствах РТК и об
условиях его эксплуатации качество переходных процессов улуч-
шается. Поэтому в недетерминированной и непредсказуемо изме-
няющейся производственной обстановке адаптивное управление
предпочтительнее гибкого управления с обратной связью, а по-
следнее — предпочтительнее жесткого программного управле-
ния.
Критерием предпочтительности того или иного закона управ-
ления может служить нечувствительность (или, иначе говоря,
параметрическая инвариантность) замкнутой динамической мо-
дели РТК к вариации параметров £ и возмущений л. Очевидно,
что при адаптивном управлении нечувствительность макси-
мальна, при жестком программном управлении — минимальна,
поэтому на практике РТК с адаптивным управлением обла-
дают большей надежностью, чем РТК с программным управле-
нием.
Реализация законов управления с обратной связью вида (3.11)
и (3.12) требует, чтобы вектор состояний был известен в любой
текущий момент времени. Однако на практике зачастую не все
компоненты вектора состояний поддаются измерению. В подоб-
ных случаях возникает необходимость каким-либо способом по-
лучить информацию о недостающих компонентах вектора состоя-
ний. Другими словами, нужно идентифицировать вектор состоя-
ний по результатам измерения отдельных его компонент. Для ре-
шения этой задачи обычно используются разного рода наблюдаю-
щие устройства (наблюдатель Люенбергера, фильтр Калмана
и т. п.). Методы алгоритмического синтеза таких устройств и их i
свойства хорошо известны [19, 31, 58, 132]. При определенных
условиях наблюдающие устройства обеспечивают точную иденти-
фикацию вектора состояний, поэтому ниже предполагается, что
вектор состояний либо точно измеряется, либо идентифици-
руется.
Адаптивное управление РТК, конечно, сложнее, чем обычное
программное управление или сервоуправление по программе.
Однако при наличии достаточно мощных ЭВМ и микропроцессоров,
реализующих законы адаптивного управления роботами и тех-
нологическим оборудованием РТК, такое усложнение в разумных
пределах вполне допустимо. В то же время открывается возмож-
ность построения адаптивных РТК, отличающихся малой чувст-
вительностью или даже полной инвариантностью к неконтролируе-
мым параметрам и постоянно действующим возмущениям. Вы-i
сокое качество переходных процессов и повышенная надежность
делают РТК с адаптивным управлением незаменимым средством
гибкой автоматизации производства.	ь •	।
. . 	’ v 1 £ . bi 3;	? ,
69
3.3.	ИДЕНТИФИКАЦИОННЫЙ подход
К АДАПТИВНОМУ ПРОГРАММНОМУ УПРАВЛЕНИЮ
Для синтеза законов управления ПД, обеспечивающих на-
перед заданное качество переходных процессов, достаточно точно
зцать динамическую модель РТК и ПД. Если это условие выпол-
нено, то проблема синтеза может быть решена, например, с по-
мощью законов управления вида (3.12). Однако в действительно-
сти динамическая модель РТК известна в лучшем случае с точ-
ностью до вектора параметров £ и постоянно действующих возму-
щений л. Эти неопределенные величины удовлетворяют лишь
общим ограничениям (3.4) и (3.5) и могут принимать любые зна-
чения внутри заданных ограниченных множеств и Qn.
Для компенсации возникающей неопределенности необходимо,
чтобы система управления самостоятельно отыскивала недостаю-
щую информацию в процессе адаптации РТК к фактической об-
становке. В этом случае появляется принципиальная возможность
получить такое качество переходных процессов, которое дости-
жимо лишь при точном знании уравнения динамики (3.1).
Компенсацию априорной неопределенности и оценивание неиз-
вестных величин можно осуществлять по-разному. В теории адап-
тивных систем наиболее распространены два подхода, которые
будем условно называть «идентификационным» и «безыдентифи-
кационным». Суть идентификационного подхода заключается в
воздействии на двигательную систему РТК определенными «те-
стовыми» управляющими воздействиями и в фиксации с помощью
информационной системы характеристик реального движения,
порожденного этими «пробными» воздействиями. В результате
такого «зондирования» РТК получается система уравнений от-
носительно неизвестных параметров Решая эту систему алгеб-
раических уравнений тем или иным методом, можно идентифи-
цировать неизвестные параметры. После этого найденные оценки
можно подставить в синтезированные законы управления, на-
пример в законы (3.12).
Процесс идентификации неизвестных параметров целесообразно
совместить с процессом управления. При этом управление служит
двум целям. С одной стороны, оно выступает как средство изу-
чения динамики РТК путем текущей идентификации его пара-
метров, с другой — закон управления, использующий идентифи-
цированные параметры, обеспечивает желаемый характер пере-
ходных процессов при отработке ПД. В этом проявляется дуаль-
ность управления с идентификацией.
Дуальное управление представляет собой разновидность адап-
тивного управления. Для него характерно, что процесс автомати-
ческой идентификации параметров совмещен (или чередуется)
с процессом собственно управления. При этом управление направ-
лено как на «зондирование» динамики РТК, так и на осуществле-
ние заданного ПД. Благодаря активному накоплению информации
70
путем «зондирования» оказывается возможным определить не-
известные параметры. . Для синтеза алгоритмов идентифика-
ции нужно прежде всего выбрать критерий качества идентифи-
кации.
Проиллюстрируем высказанные соображения на примере про-
стейшей схемы адаптивной идентификации параметров динамиче-
ской модели РТК на основе настраиваемой модели. Предположим,
что функция F в уравнении (3.1) линейна по £. Наряду с урав-
нением динамики (3.1) с неизвестными параметрами | рассмотрим
уравнение настраиваемой модели
г — F (х, и, т) = G {х, и) т,	(3.21)
где т — вектор параметров модели, играющий роль оценок неиз-
вестного вектора I, а z— вектор выходных переменных модели,
трактуемый как оценка (или прогноз) вектора х.
Настройка параметров т модели (3.21) производится в силу
некоторого алгоритма, который нужно построить исходя из задан-
ного критерия идентификации. При этом оценки z вычисляются
согласно (3.21) по заданному (тестовому) управлению и, изме-
ренному текущему состоянию х и сформированной оценке т.
Идентификацию параметров можно осуществлять по «выходам»
настраиваемой модели (3.21). Это значит, что параметры т модели z
должны выбираться так, чтобы выход модели z был, по возмож-
ности, наилучшей оценкой измеряемого «выхода» х динамической
модели. В качестве показателя качества идентификации оценки
на интервале времени [/0, /г] возьмем интегральную квадратич-
ную ошибку
‘т
J (т) = j II х (9) — G [х (9), и (9)] т II2 dd.	(3.22)
to
Этот показатель, связывающий «выходы» модели г и скорость
изменения вектора состояний х, особенно удобен в том случае,
когда параметры I не фиксированы, а дрейфуют по неизвестному
закону. В этом случае целесообразно рассматривать скользящий
интервал идентификации, для которого = t, tT = t + T.
Необходимым и достаточным условием минимума показателя
(3.22) является равенство нулю градиента функции J (т). Отсюда
непосредственно получаем линейное алгебраическое уравнение
относительно настраиваемых параметров т:
((т	\	*т
j Gr[x(9), u(9)]G[x(9), u(9)]d9|t = j Gr[x(9), u(9)]x(9)d9.
to	J	to	1
(3.23)'
Идентификация неизвестных параметров j сводится к решению
уравнения (3.23).
71
Рис. 3.1. Схема адаптивной иден-
тификации динамической модели
РТК
Описанная схема адаптив-
ной идентификации представ-
лена на рис. 3.1. Она при-
влекательна своей простотой.
Однако ей присущ ряд недо-
статков.
Во-первых, система «иден-
тификационных» уравнений
(3.23) может оказаться плохо
обусловленной, а значит,
непригодной для точной иден-
тификации параметров g. Во-вторых, для фактического решения
уравнения (3.23) в сложных случаях может потребоваться значи-
тельное время. Такое запаздывание в идентификации недопустимо,
если искомые параметры дрейфуют непредсказуемым образом.
В-третьих, требование простоты реализации приводит к классу
рекуррентных алгоритмов идентификации. Однако эти алгоритмы
(типа алгоритма Качмажа или алгоритма «полоска» [132]) схо-
дятся медленно и, следовательно, также приводят к большому
времени идентификации. Наконец, реализация рассмотренной
схемы идентификации параметров требует специальных средств
для измерения или оценивания вектора состояний х и его произ-
водной х, что не всегда осуществимо с приемлемой точностью.
Следует отметить, что алгоритмы самонастройки модели (3.21),
основанные на минимизации показателей качества (3.22), вообще
говоря, не обеспечивают точной идентификации. Они гарантируют
лишь близость выходов модели г и х, т. е. решают задачу функцио-
нальной идентификации по «выходу». Для точной идентификации
целесообразно исходить из иных, сугубо «идентификационных»
критериев качества. Наиболее естественными показателями точ-
ности идентификации являются функционалы, явно зависящие от
параметрических возмущений <о (t) = В (/) — т (t). Примерами
могут служить локальный и интегральный показатели:
*т
J (со) = II <0 (Oil; J[<o(-)] = j II <0(0)11 d0. (3.24); (3.25)
io
В работах [107, 109] предложен широкий спектр рекуррент-
ных и многошаговых алгоритмов идентификации, параметры ко-
торых выбираются из условия локальной оптимальности показа-
теля (3.24). Эти алгоритмы относятся к классу градиентных ал-
горитмов решения идентификационных неравенств вида
ф (т, 0 = 6 — || X (t) — G [х (0, и (/)] т|| > 0.	(3.26)
72
Среди них нужно особо выделить рассматриваемый ниже оптималь-
ный многошаговый алгоритм «с полной памятью». Этот алгоритм
гарантирует точную идентификацию неизвестных параметров
причем число его шагов не превышает размерности пространства
настраиваемых параметров [109].
Концепция дуального управления исходит, по существу, из
постулата, что для эффективного управления нужно уметь иденти-
фицировать динамическую модель РТК- Первоначально эта кон-
цепция зародилась в теории стохастического управления [101,
1361. Здесь принцип дуальности оказался особенно плодотворным,
так как позволил «увязать» результаты классической теории уп-
равления с методами стохастической аппроксимации и оценива-
ния. Важную роль дуальное управление сыграло и в становлении
теории адаптивных систем.
Однако постепенно было осознано, что точная идентификация
не является необходимым условием эффективного управления.
Было четко установлено [101, 107, 132], что для успешного
управления вовсе не требуется детально изучать динамические
свойства объекта управления. На справедливость этого тезиса
наводят и физиологические соображения: управляя рукой, мозг
отнюдь не утруждает себя точной идентификацией массы или
моментов инерции предмета, которым рука манипулирует.
Существуют и более веские доводы, свидетельствующие об
ограниченности, а в ряде случаев непригодности концепции ду-
ального управления в робототехнике. Один из них — трудоем-
кость и сложность осуществления точной идентификации — уже
обсуждался выше. Другой связан с тем, что в ряде конкретных за-
дач точная идентификация принципиально невозможна. К числу
таких задач относятся, например, все задачи, в которых действуют
неконтролируемые возмущения. В этих задачах движения РТК
описываются уравнением (3.1), зависящим от постоянно действую-
щих возмущений л (t). Для решения таких задач, особенно ха-
рактерных для ГАП, приходится опираться на какие-то иные,
«неидентификационные» принципы адаптации. Перейдем к рас-
смотрению этих принципов и реализующих их алгоритмов.
3.4.	КОНЦЕПЦИЯ
АЛГОРИТМИЧЕСКОГО КОНСТРУИРОВАНИЯ
АДАПТИВНЫХ СИСТЕМ ПРОГРАММНОГО УПРАВЛЕНИЯ
Важнейшей чертой адаптивного программного управления
является наличие некоторого алгоритма целенаправленной на-
стройки параметров закона управления в процессе отработки ПД.
По существу этот алгоритм представляет собой активный поиск
недостающей информации (обучение) и коррекцию закона управ-
ления (адаптация) в соответствии с новой информацией, поступа-
ющей от системы «очувствления» РТК в ходе управления. По-
скольку для высококачественного управления вовсе не требуется
73
точно знать все параметры и условия эксплуатации РТК, можно
отказаться от описанного выше идентификационного подхода.
Перейдем к описанию общей схемы алгоритмического синтеза
законов адаптивного программного управления, гарантирующих
желаемый характер переходных процессов при осуществлении
заданного ПД в недетерминированных и изменяющихся производ-
ственных условиях. Специфические особенности динамической
модели РТК позволяют разделить сложную задачу алгоритмиче-
ского синтеза адаптивного управления ПД на две самостоятельные
задачи.
Первая задача заключается в аналитическом синтезе идеаль-
ного (неадаптивного) закона управления, обеспечивающего жела-
емый переходный процесс в предположении, что параметры |
уравнения динамики (3.1) полностью известны, а возмущения л
отсутствуют. Методы и алгоритмы решения этой задачи в различ-
ных ее формах (стабилизация ПД, оптимальное терминальное
управление и самонаведение) подробно рассмотрены в работах
[89—91, 107, 112, ИЗ, 119].
Вторая задача — это синтез алгоритмов адаптивной настройки
(самонастройки) параметров законов управления, полученных
в результате решения первой задачи. Методы синтеза алгоритмов
самонастройки, представляющие основной интерес для адаптив-
ного управления РТК, излагаются в следующем параграфе.
Конкретизируем общую схему решения сформулированных
задач с учетом специфических особенностей динамики РТК. С этой
целью сначала синтезируем по заданному ПД хр (t) идеальный
(неадаптивный) закон управления, обеспечивающий желаемый
характер переходных процессов. Семейство приемлемых законов
управления ПД описывается формулой (3.12). Реализация любого
закона управления из этого семейства требует точного знания
вектора параметров Однако, как отмечалось выше, эти пара-
метры обычно неизвестны, поэтому синтезированные законы
управления вида (3.12) заданы, по существу, с точностью до
параметров £.
В этих условиях неопределенности закон управления ПД
должен быть адаптивным, т. е. должен осуществлять самона-
стройку параметров. Будем строить адаптивный закон управления
в виде
и(х, хр, т) = U [х, хр-|-Г(х — хр, t), т],	(3.27)
где т — х (?) — текущая оценка неизвестного вектора параме-
тров £, определяемая с помощью алгоритма адаптации (3.15).
Эффективность адаптивного программного управления (3.27)
в значительной степени зависит от алгоритма адаптации. Выбор
этого алгоритма должен осуществляться исходя из единых требо-
ваний, предъявляемых к процессам управления и адаптации
в РТК. Важнейшим из требований является быстрое затухание
74
параметрических возмущений, создающее предпосылки для фак-
тической обработки ПД с заданной точностью.
Уточним понятие цели управления в условиях неполной ин-
формации. Система управления РТК должна гарантировать жела-
емый характер переходных процессов, должна привести к этому
несмотря на имеющуюся неопределенность. Поэтому цель адап-
тивного управления удобно формулировать в терминах свойств
переходных процессов. При этом формализация и конкретизация
цели управления зависит от решаемой технологической задачи
или режима эксплуатации РТК. Так, в задаче адаптивной ста-
билизации ПД целью управления является обеспечение жела-
емого характера ПП, гарантирующего асимптотическую устой-
чивость ПД. Тем самым обеспечивается отслеживание ПД с за-
данной точностью 8, т. е. выполняется целевое условие (3.16).
В задаче адаптивного терминального управления цель управления
состоит в достижении наперед заданного состояния за заданное
время технологической операции Т = tT — t0, т. е. должно вы-
полняться целевое условие вида (3.17).
Важно подчеркнуть, что названные цели управления ввиду
нестационарности и неопределенности условий эксплуатации РТК
должны достигаться для любых возможных значений неизвестных
параметров | и возмущения л из класса неопределенности (Q., <2Д.
Если система управления, реализующая закон управления °(3.27)
и алгоритм адаптации (3.15), сконструирована так, что цель
управления достигается для любых неизвестных параметров £
и возмущений л из заданного класса неопределенности, то будем
говорить, что РТК адаптивен в этом классе. Поскольку класс
неопределенности, задаваемый информационными ограниче-
ниями (3.4) и (3.5), может быть практически любым, речь идет
по существу об адаптации в широком смысле.
Проблема синтеза алгоритмов адаптации тесно связана с про-
блемой контроля качества переходных процессов в ходе управле-
ния. Для ф°РмализаЦии функции контроля введем критерий
качества адаптации. К сожалению, указать универсальный кри-
терий, охватывающий с единых позиций все практически интерес-
ные случаи, весьма затруднительно. Поэтому ограничимся при-
мерами наиболее характерных критериев качества, хорошо при-
способленных к задачам адаптивного программного управле-
ния РТК.
Критерии качества адаптации целесообразно задавать в форме
эстиматорных неравенств (3.13), связывающих состояния, управ-
ления и настраиваемые параметры. Эти вспомогательные неравен-
ства должны обладать тем свойством, что из их выполнения следует
достижение цели управления. Среди различных типов эстиматор-
ных неравенств особое значение имеют неравенства вида [107,
НИ:
<р(т, () = 6 — j| ц (/) — £/[х (/), х(1), т]Ц > 0. '	(3.28)
75
Эти неравенства замечательны тем, что при т = £ и л = 0 они
разрешимы с «запасом» 6 > 0. Кроме того, обычно или выпуклы.
Последнее имеет место для многих типов динамических моделей
РТК> для которых функция U линейна по третьему аргументу,
т. е.
U (х, х, т) = G (х, х) т.
(3.29)
Процесс адаптации с критерием качества (3.28) сводится
к поиску решения системы эстиматорных неравенств. Это сообра-
жение наводит на мысль о том, что в качестве алгоритмов адапта-
ции можно использовать соответствующие модификации алгорит-
мов выпуклого программирования. Значительный интерес пред-
ставляют также разного рода рекуррентные алгоритмы вида
(3.15), обладающие свойством конечной сходимости 1109, 132].
В конкретных задачах адаптивного управления с идентификацией
удобны эстиматорные неравенства вида (3.26). Легко видеть,
что эти неравенства также выпуклы и разрешимы с «запасом»
6 > 0 при т = £ ип = 0. Для их решения опять-таки применимы
соответствующие модификации алгоритмов выпуклого программи-
рования, которые выступают здесь как алгоритмы адаптивной
идентификации неизвестных параметров.
Проверка эстиматорных неравенств (3.26) и (3.28) требует
измерения (или оценивания) не только текущего состояния РТК,
но и его производной х. Однако на практике измерение х с высо-
кой точностью трудно осуществимо. Чтобы избавиться от этого
ограничения, можно перейти к эстиматорным неравенствам интег-
рального типа [107, 111]:
<р (т, t) = 6 — j exp {Г (t — 0) [х (0) — G [x (0), и (0)] т) d6
0, .
где Г — некоторая устойчивая матрица размерности п X п,
входящая в закон управления (3.27). Очевидно, что проверка
неравенств (3.29) уже не требует измерения х. По этой причине
и алгоритмы адаптации, синтезированные как алгоритмы решения
эстиматорных неравенств, не зависят от х.
Характерной особенностью задачи синтеза адаптивного про-
граммного управления является то, что в каждый момент времени t
известно (или может быть вычислено) текущее значение эстима-
торной функции <р [т (/),/], но не будущее ее значение, которое
зависит от будущих оценок и управлений. В свою очередь, оценки
т (Z) в каждый момент времени t вычисляются согласно алгоритму
адаптации по информации о текущих и, возможно, предыдущих
значениях эстиматорной функции. Таким образом, в рассматрива-
емой задаче адаптация сводится, по существу, к решению заранее
не заданных эстиматорных неравенств. Текущий контроль за
76
Рис. 3.2. Структурная схема
адаптивного программного уп-
равления РТК
выполнением этих нера-
венств производится на
основе сигналов обратной
связи, формируемых ин-
формационной системой
РТК.
Знание структуры за-
кона управления ПД (3.27)
и синтез подходящего ал-
горитма адаптации в виде
(3.14) или (3.15) позволяет
считать задачу алгоритми-
ческого конструирования
адаптивного программного
' Маптивная система ।
I программного управления |
управления решенной до конца. В самом деле, если РТК будет
снабжен необходимыми датчиками сигналов обратной связи и
системой автоматического управления, реализующей синтезиро-
ванные алгоритмы построения ПД и законы адаптивного управле-
ния, то требуемое ПД будет фактически отрабатываться в изме-
няющихся производственных условиях, причем характер пере-
ходных процессов будет близок к желаемому.
Структурная схема адаптивной системы программного управ-
ления РТК представлена на рис. 3.2. Эта схема включает в себя
следующие иерархически связанные функциональные мо-
дули [1071:
1)	программатор — модуль построения и оптимизации ПД;
2)	эстиматор — модуль оценки качества переходных процес-
сов;
3)	адаптатор — модуль самонастройки параметров закона
управления.
4)	регулятор — модуль формирования закона управления ПД.
Данная схема отражает описанную выше концепцию алгорит-
мического конструирования адаптивных систем программного
управления РТК. Поскольку гибкие алгоритмы программирова-
ния и адаптивные задачи управления РТК достаточно сложны, то
для их реализации целесообразно применять современные бы-
стродействующие ЭВМ и микропроцессоры.
3.5.	НЕПРЕРЫВНЫЕ АЛГОРИТМЫ
САМОНАСТРОЙКИ
Характерным признаком адаптивных систем программного
управления РТК является высокоразвитая способность само-
настройки к непредсказуемым изменениям внутренних характе-
77
ристик и внешних условий. Самонастройка закона управления
(регулятора) осуществляется с помощью алгоритмов адаптации
(адаптатора).
В теории адаптивных систем разработано большое число
различных алгоритмов адаптации [83, 101, 107, 109, 132, 136,
142]. Среди них можно выделить довольно широкий класс не-
прерывных алгоритмов самонастройки. Отличительной чертой
этого класса является то, что оценки т неизвестных параметров £
в законе управления (3.27) определяются здесь как решение не-
которого дифференциального уравнения адаптации.
Рассмотрим общий подход к синтезу и анализу качества не-
прерывных алгоритмов самонастройки, основанный на исполь-
зовании так называемых функций Ляпунова [12, 31, 132]. Перво-
начально такой подход возник в теории беспоисковых самонастра-
ивающихся систем и нашел применение при синтезе самонастра-
ивающихся автопилотов [3, 132, 136]. Предлагаемый метод само-
настройки основан на принципе скоростной адаптации и ориен-
тирован на задачи адаптивной стабилизации ПД *. Согласно этому
методу алгоритм самонастройки синтезируется в виде дифферен-
циального уравнения адаптации
т = А (е, t); т(£о)£0|;	(3.30)
где е = х (0 — хр (t) — переходной процесс; А — оператор
адаптации, который нужно сконструировать так, чтобы адаптив-
ное управление (3.27) и (3.30) обеспечивало асимптотическую
устойчивость ПД Хр (t).
Идея синтеза алгоритма самонастройки на основе принципа
скоростной адаптации заключается в следующем. Зададим на
переходных процессах е и параметрических возмущениях <о
положительно-определенную функцию Ляпунова V (е, <о)
с отрицательно-определенной заданной производной W (е, <о)
и найдем оператор адаптации А из условия:
V = (VeV; Ге + А) + (VMV; А) = W, (3.31)
где V — производная функции V (е, <о) по t, вычисленная в силу
уравнений динамики (3.1); VeV — градиент функции V (е, <о)
по е; А = F (х, и, £) — F (х, и, т);	— градиент функции
V (е, <о) по <о; (•, •) — символ скалярного произведения векторов.
Разрешая уравнение (3.31) относительно оператора А и под-
ставляя его в (3.30), получим семейство непрерывных алгоритмов
самонастройки, зависящих от выбора функции Ляпунова V
и ее производной W. Конкретизируем этот выбор и синтезируем
соответствующие алгоритмы самонастройки для случая, когда
функция F в уравнении динамики РТК (3.1) линейна по третьему
аргументу, т. е. имеет место (3.21).
1 Принцип скоростной адаптации и основанные на ием непрерывные алгоритмы самона-
стройки предложены в статье А. В. Тимофеева «Синтез адаптивных регуляторов с помощью
фуикций Ляпунова». — ДАН СССР, т. 274, № 2, 1985, с. 276 — 279.
78
Зададим функцию Ляпунова V и ее производную в виде
V = (е, Be) —сь |] со ||2; W = — (е, Се),	(3.32)
где а — положительное число; С — заданная положительно-опре-
деленная постоянная матрица; В — матрица, определяема как
решение уравнения Ляпунова
ГТВ + ВГ = —С.	(3.33)
Тогда алгоритм самонастройки (3.30) примет вид
T = -^-SG7'(e + xp, и)е;	(3.34)
он обеспечивает асимптотическую устойчивость ПД. Следова-
тельно, по прошествии некоторого времени переходного процесса
tp будет выполнено целевое условие (3.16).
Зададим теперь скорость изменения функции Ляпунова (3.32)
в виде W — —(е, Се)—|| А |[2. Тогда алгоритм самонастройки
примет вид
т = -i- BGT (е + хр, и) е -f- GT (е хр, и) (ё — Ге). (3.35)
Этот алгоритм в сочетании с законом управления (3.27) обеспе-
чивает не только асимптотическую устойчивость ПД, но и асимпто-
тическую идентификацию вектора неизвестных параметров £,
т. е. справедливо соотношение (3.20).
Недостатком алгоритма (3.35) по сравнению с алгоритмом
(3.34) является то, что для его реализации нужна обратная связь
не только по вектору состояний РТК х, но и по его производной х.
Организация такой обратной связи наталкивается на трудности.
Однако в ряде случаев дело сводится к подключению дополнитель-
ных датчиков. Так, при адаптивном управлении РТК с момент-
ными двигателями нужно использовать помимо обычных датчиков
управляемых координат и скоростей их изменения еще и датчики
ускорений (акселерометры).
Рассмотрим другой метод самонастройки, специфика которого
заключается в том, что на этот раз дифференциальное уравнение
адаптации (3.14) синтезируется исходя из требования решения
эстиматорных неравенств (3.13). Алгоритм самонастройки в этом
случае имеет вид [421:
( 0, т (0 = т (^_х), если <р (т, t) > 0, t Е tk);
[ А (т, s), если <р (т, ^)<0,	tk+i),
где th, k = 1, 2, ... — первый момент нарушения эстиматорных
неравенств (3.13) на k-м интервале самонастройки [^, ^+1). За
интервалом самонастройки следует интервал стабилизации ПД,
на котором в соответствии со схемой алгоритма (3.36) т (0 =
= т (th+i)- Затем вновь наступает интервал самонастройки, в те-
чение которого т определяется как решение дифференциального
79
уравнения адаптации (3.36) при начальном условии т (?h+2) —
= т (4+1) И Т. д.
Синтез алгоритма самонастройки вида (3.36) сводится к кон-
струированию оператора адаптации А так. чтобы при любой
начальной оценке т (t0) из множества выполнялись эстиматор-
ные неравенства (3.13), начиная с некоторого конечного момента
времени tr. При этом, очевидно, оценка т «заморозится»: т (0 =
= т (?г) при всех t tr.
Основная идея синтеза (3.36) заключается в конструировании
специальной функции Ляпунова по заданной ее производной, кото-
рая определяется видом эстиматорной функции <р. Такой подход,
реализующий, по существу, принцип скоростной адаптации по
отношению к алгоритму самонастройки вида (3.36), обладает
некоторыми преимуществами по сравнению с традиционными мето-
дами, в которых структура функций Ляпунова выбирается за-
ранее.
Зададим на интервалах самонастройки функцию Ляпунова V
и ее производную W в виде
V = ||co|[3; W = — 2а [6 - <p Q - <о, 0].	(3.37)
Вычисляя производную V в силу (3.36) и учитывая (3.29) и (3.37),
получим оператор адаптации
Л(т, 5) = аУ,Ф(т, 0^Ог(х,	(н-	(3-38)
Обозначим через 6Й длительность k-ro интервала самона-
стройки, а через г — номер последнего такого интервала. Тогда
общее время р, затраченное на адаптацию, оценивается соотно-
шением
' R-TqIP
fX =	2a6	’	(3.39)
k=i
Описанный метод позволяет синтезировать и другие алгоритмы
самонастройки, обладающие заданными свойствами (например,
не требующие измерения х). Для этого нужно только соответству-
ющим образом сконструировать эстиматорные неравенства (3.13),
функцию Ляпунова и ее производную.
Реализация синтезированных непрерывных алгоритмов само-
настройки сводится к интегрированию (в натуральном масштабе
времени) дифференциальных уравнений адаптации. Эта вы-
числительная операция может быть осуществлена как на аналого-
вых, так и на цифровых ЭВМ.
3.6.	РЕКУРРЕНТНЫЕ АЛГОРИТМЫ
АДАПТАЦИИ
При цифровой реализации адаптивных систем программного
управления РТК значительный интерес представляют дискретные
алгоритмы адаптации вида (3.15). Рассмотрим основные особен-
80
ности таких алгоритмов и прежде всего — рекуррентных алго-
ритмов.
Важнейшим требованием, предъявляемым к дискретным алго-
ритмам адаптации, является конечность времени адаптации.
Именно это свойство отличает описываемый класс алгоритмов
от многих известных алгоритмов адаптации, для которых трудно
и, как правило, невозможно указать необходимое время «обуче-
ния» [101]. Вследствие этого, как отмечается в работе [101],
для таких алгоритмов адаптации «оценка момента времени, начи-
ная с которого целевое неравенство будет выполнено, не- может
быть дана в общем случае». Что же касается рассматриваемого
класса конечных алгоритмов, то для них удается оценить не только
общее время адаптации, но и момент окончания переходных
процессов. Эти оценки играют важную роль при автоматизирован-
ном проектировании и расчете параметров адаптивных систем
программного управления РТК.
Временем адаптации р. называется множество всех тех за-
ранее неизвестных моментов времени, для которых эстиматорные
неравенства (3.13) нарушены на траектории алгоритма адапта-
ции 1111]. Для дискретных алгоритмов вида (3.15) конечность
времени адаптации обеспечивается конечностью числа коррекций.
Обозначим это число через г. Тогда для времени адаптации спра-
ведлива следующая оценка:
р < 2?6,	(3.40)
где 0 — время, затрачиваемое на одну коррекцию, т. е. время
вычисления новой оценки тк+1 по старой оценке xh в соответствии
с алгоритмом (3.15). Очевидно, что чем больше быстродействие
адаптатора, реализующего алгоритм (3.15), тем меньше 0.
Для дискретного алгоритма (3.15) с конечным временем адап-
тации (3.40) существует момент времени tr, начиная с которого
эстиматорные неравенства (3.13) будут все время выполнены.
После этого момента коррекции прекратятся, а оценка хг, полу-
ченная на последнем шаге алгоритма «заморозится». Отсюда
следует, что система управления РТК, реализующая закон управ-
ления ПД(3.27) и конечный алгоритм адаптации вида (3.15), само-
настраивается на точное отслеживание ПД после конечного числа
коррекций.
Дискретные алгоритмы адаптации вида (3.15) помимо требова-
ния конечности времени адаптации должны удовлетворять еще
ряду условий. С практической точки зрения весьма важно, чтобы
эти алгоритмы были оптимальными в смысле подходящего кри-
терия качества и обладали наибольшей скоростью сходимости,
т. е. наименьшим числом коррекций. Большое значение имеет
также простота алгоритма адаптации. Это значит, что вычисление
оператора адаптации А в алгоритме (3.15) должно требовать,
по возможности, минимального числа операций и памяти.
81
Требования простоты реализации и экономии памяти цифровой
системы управления РТК накладывают дополнительные ограни-
чения на класс алгоритмов адаптации. Формально эти ограниче-
ния сводятся к требованию рекуррентности алгоритма адаптации
(3.15), когда формирование новых оценок параметров тА+1 произ-
водится по старым оценкам xh с учетом только текущей информа-
ции (без запоминания всей предыстории самонастройки). Поэтому
естественно искать решение эстиматорных неравенств (3.13)
в классе рекуррентных алгоритмов градиентного типа
Tfe+i = Yfttft + A,ftVT<p(Tft, t'k),	(3.41)
где yk, — параметры алгоритма адаптации; Vr<p (т*, t'k) — гра-
диент функции <р (т, t) по т в точке т = rk, t = t'k.
Логика коррекций параметров закона управления (3.27) в соот-
ветствии с рекуррентным алгоритмом адаптации (3.15) и (3.41)
очень проста: оценка xh на k-м интервале управления не изме-
няется, если эстиматорные неравенства выполняются, в противном
случае осуществляется адаптивная коррекция в первый момент
нарушения неравенств t’k при t > tk. Для коррекции нужна
только информация о значении эстиматорной <р функции в мо-
мент tl, т. е. информация о факте и о степени нарушения нера-
венств (3.13). Такая рекуррентная схема не требует памяти для
хранения информации о нарушении эстиматорных неравенств
в предыдущие моменты времени.
Существенное влияние на быстроту сходимости и другие
свойства рекуррентных алгоритмов адаптации (3.41) оказывает
выбор параметров yh, Xh. Естественно подчинить этот выбор тре-
бованию конечности времени адаптации.
Критерий конечности времени адаптации можно записать
в виде
Hl-М2 - || g - Tft+1||2> а > 0.	(3.42)
Смысл этого критерия заключается в следующем: на каждом
шаге алгоритма расстояние от текущей оценки тл до неизвестного
вектора параметров | убывает на конечную величину. Вследствие
этого число коррекций г конечно и удовлетворяет оценке
(3.43)
где с0 = sup ||VT<p (т*, ^)||. Подставляя эту оценку в соотношение
(3.40), получим оценку сверху для времени адаптации.
Рассмотрим класс рекуррентных алгоритмов адаптации вида
(3.41) с параметрами
7 k = 1;
Bfe + Pfe<P(^fe> С)
||vT<p(rfe, С)||2
(3-44)
выбираемыми из условия (3.42). Если 0 eft < 26, 0 <	<;2,
то алгоритм (3.41), (3.44) удовлетворяет критерию конечности
82
времени адаптации (3.42). При специальном выборе параметров eh
и Рй этот алгоритм приводит к некоторым алгоритмам адаптации,
ранее полученным в работах [132, 142].
3.7.	ОПТИМИЗАЦИЯ И АКСЕЛЕРИЗАЦИЯ
АЛГОРИТМОВ АДАПТАЦИИ
Одной из важнейших проблем при синтезе алгоритмов адапта-
ции является их оптимизация. Применительно к дискретным
алгоритмам адаптации это означает, что оператор адаптации А
в (3.15) на каждом шаге алгоритма должен выбираться исходя
из условия минимизации заданного функционала качества адап-
тации.
Значительный практический интерес представляют локальные
функционалы вида (3.24) и интегральные функционалы вида (3.22)
или (3.25). Функционал (3.24) характеризует расстояние от оценки
до неизвестного вектора параметров £, поэтому будем называть
его идентификационным.
Весьма заманчиво синтезировать оператор адаптации из
условия минимизации функционала качества (3.24). Однако до
последнего времени считалось, что такой критерий оптимальности
нельзя использовать для синтеза алгоритма адаптации, так как
вектор £, входящий в (3.24), неизвестен и, следовательно, искомый
оператор адаптации будет зависеть от неизвестных величин.
В связи с этим казалось очевидным, что соответствующие опти-
мальные алгоритмы адаптации нереализуемы и поэтому не могут
найти применения в адаптивных системах управления. Однако
более глубокий анализ показывает, что высказанные соображения
справедливы лишь отчасти и в ряде случаев не являются препят-
ствием для синтеза и непосредственного использования оптималь-
ных алгоритмов адаптации. Этот факт был установлен в рабо-
тах [107, 109]. Там же предложен описываемый ниже метод
синтеза локально оптимальных дискретных алгоритмов адаптации
и установлены условия их реализуемости. Приведем здесь не-
которые оптимальные алгоритмы, представляющие наибольший
интерес для адаптивного программного управления РТК.
Синтезируем оптимальный рекуррентный алгоритм адапта-
ции вида (3.41) из условия минимизации идентификационного
функционала (3.24). Рассмотрим важный частный случай, когда
= 1. В этом случае оптимальные параметры определяются
по формуле
k<p. ь. <
(3.45)
Отметим, что здесь (как, впрочем, и в других рассматриваемых
ниже оптимальных алгоритмах адаптации) оптимальные пара-
метры зависят от неизвестного вектора Однако в рассматрива-
83
емой схеме адаптивного программного управления эта зависи-
мость такова, что известно скалярное произведение (|, Лт<р (т, t)}.
Так, например, для эстиматорных неравенств вида (3.28) оно
равно величине (и, и—U (х, х,х) > || и— U (х, хг, т)||'1. Отсюда
следует, что оптимальные параметры (3.45) на самом деле выра-
жаются через известные на каждом шаге величины.
Таким образом, синтезированный локально оптимальный алго-
ритм адаптации реализуем. Нетрудно показать, что число кор-
рекций этого алгоритма удовлетворяет верхней оценке (3.43)
и, следовательно, время адаптации конечно.
Рассмотренный градиентный алгоритм адаптации имеет про-
стую геометрическую интерпретацию. Эстиматорные неравенства
(3.13) определяют в пространстве настраиваемых параметров
выпуклые области, которые имеют общую точку | (и даже общий
шар, радиус которого тем больше, чем больше величина 6). Оценка
xh не изменяется, если неравенства (3.13) выполнены при т = xh,
т. е. хк находится внутри соответствующей выпуклой области.
При нарушении неравенств в момент t"k к вектору хк прибавляется
вектор V-r<p ('T/е t'h), направленный внутрь области, причем вели-
чина шага определяется формулой (3.45) и такова, что <р (Tft+1,
К) = 6.
Совершенно аналогично определяются оптимальные параметры
yh и в общем случае рекуррентных градиентных алгоритмов
вида (3.41). Явные формулы этих алгоритмов и их свойства рас-
смотрены в работах [107, 1091.
Значительный интерес представляет также оптимизация ре-
куррентных алгоритмов адаптации по отношению к эстиматор-
ному функционалу качества. Примером такого функционала
может служить функционал
J (^+i) = 6 — <р (xft+i, t’k).	(3.46)
Рассмотрим рекуррентный алгоритм адаптации (3.41), где
Уь = 1, а параметр выбирается на каждом шаге из условия
минимизации функционала (3.46), т. е.
' X-	II мЬ- ОН2
<р (xk, tk) V <р (т*, tk), V <Р (xk, tk))
где V2 <р (т, f) — матрица вторых производных функции <р по т.
Отметим, что описанный метод синтеза алгоритма адаптации
аналогичен методу наискорейшего спуска в задачах оптимизации.
На практике быстрота сходимости описанных рекуррентных
алгоритмов адаптации может оказаться недостаточной, поэтому
возникает необходимость в акселеризсщии алгоритмов, направлен-
ной на сокращение общего времени адаптации.
Простейший способ акселеризации рекуррентных алгорит-
мов (3.41) с yh = 1 заключается в замене скалярного параметра
матричным параметром Aft и в определении последнего из условия
84
оптимизации, например эстиматорного функционала (3.46). Если
матрицы А? Ф (т^, t'k) не вырождены, то получаем
Aft = - (VT2<p (тъ ^))-’.	(3.48)
Для эстиматорных неравенств вида (3.26) или (3.28) xft+1 = £.
Это означает, что синтезированный оптимальный алгоритм обес-
печивает точную идентификацию £ за один шаг, и, следовательно,
время адаптации ц < 6. Отметим, что этот алгоритм с оптималь-
ным параметром (3.48) аналогичен методу Ньютона.
Преимущество акселерантного оптимального алгоритма адап-
тации (3.41), (3.48) перед другими рекуррентными алгоритмами
заключается в высокой быстроте сходимости и точности адаптации.
Однако трудность вычислений на одном шаге этого алгоритма
определяется необходимостью обращения матрицы вторых произ-
водных Ат ф (т0, f0) (при условии, что она не вырождена) и может
оказаться чрезмерно высокой. В то же время локально оптималь-
ные алгоритмы адаптации вида (3.41), (3.45) или (3.47), не требу-
ющие вычисления и обращения матрицы А| ф (т, t), существенно
проще для вычисления. При этом они обеспечивают решение
эстиматорных неравенств (4.1) через конечное число шагов.
Таким образом, вопрос о целесообразности применения аксе-
лерантных или обычных рекуррентных алгоритмов адаптации
тесно связан с проблемой эффективности всего процесса в целом,
т. е. с общим объемом вычислений, затрачиваемых на адаптацию.
В связи с этим возникает задача конструирования акселерантных
алгоритмов адаптации, менее трудоемких, чем оптимальный алго-
ритм (3.41), (3.48), но обладающих существенно большей быстро-
той сходимости по сравнению с обычными рекуррентными алго-
ритмами вида (3.41), (3.44) или (3.45).
Рассмотрим решение задачи акселеризации в классе много-
шаговых алгоритмов адаптации, параметры которых также вы-
бираются из соображений локальной оптимизации. Особый ин-
терес представляет многошаговый градиентный алгоритм с полной
памятью вида
к
T)hi = t0+Ij WMi), 6 = 0, 1, ....	(3.49)
г=о
где т0 — произвольная начальная оценка; — шаг адаптации
в направлении \\ф (т,, ty.
Существенное влияние на свойства алгоритма адаптации (3.49)
оказывает выбор параметров 6г, i = 0, 1, ..., k. Будем искать
эти параметры из условия минимизации идентификационного
функционала качества (3.24). Обозначим через Ал вектор, компо-
нентами которого являются искомые параметры 2v0>	• ••>
Тогда оптимальные параметры определяются формулой [107, 109]
Aft = r^ft,	(3.50)
85
где Г* = | (?<р (rz, t'i), V<p (t/, t’j) I) I* /=i — матрица Грама,
a bk = | <g — x0- Vq> (tz, t'{) ) |Lo-
Как показано в работе [109], число коррекций оптимального
алгоритма (3.49), (3.50) не превышает размерности пространства
настраиваемых параметров, т. е. k <; р. Следовательно, для вре-
мени адаптации справедлива оценка р •< рд. Акселерантный
оптимальный алгоритм (3.49), (3.50) обеспечивает на последнем
шаге точную идентификацию вектора неизвестных параметров £.
3.8.	МЕТОДЫ И РЕЖИМЫ
АДАПТИВНОГО ПРОГРАММНОГО УПРАВЛЕНИЯ
Основываясь на изложенной выше концепции алгоритмиче-
ского конструирования адаптивных систем программного управ-
ления, перейдем теперь к описанию конкретных методов адаптив-
ного управления в характерных для РТК режимах стабилизации
ПД, терминального управления и самонаведения. Эти методы
отличаются в основном типом эстиматорных неравенств, что пред-
определяет явный вид алгоритмов адаптации и свойства переход-
ных процессов.
Общим для всех методов и режимов является использование
законов управления (регуляторов) вида (3.27), где Г — устойчи-
вая п X n-матрица коэффициентов усиления, выбираемая из
условия обеспечения желаемого характера переходных процессов,
ат — текущая оценка неизвестного вектора £, вычисляемая
в силу некоторого алгоритма адаптации. В качестве алгоритма
адаптации можно взять любой реализуемый алгоритм вида (3.14)
или (3.15), дающий решение эстиматорных неравенств (3.13).
Заметим, что в процессе самонастройки распределение моментов
времени нарушения эстиматорных неравенств заранее неизвестно;
заранее неизвестны и величины коррекции оценок т: они опре-
делятся в ходе управления РТК на основе сигналов обратной
связи. Целью управления РТК в режиме стабилизации РД яв-
ляется отслеживание ПД с заданной точностью в соответствии
с условием (3.16) при соблюдении конструктивных ограничений
на состояния и управления. Ради простоты изложения будем
считать, что неизвестный параметр | фиксирован, а внешние
возмущения л отсутствуют. Распространение предлагаемых мето-
дов на более широкие классы неопределенности типа (3.4) и (3.5)
обычно затруднений не вызывает.
Первый метод адаптивной стабилизации ПД основывается на
конструировании и решении эстиматорных неравенств вида (3.28).
Он особенно удобен в тех случаях, когда оператор управления U
линеен по третьему аргументу, т. е. имеет место представление
(3.29). Синтезируем искомый закон адаптивной стабилизации
в виде (3.27) и изучим его свойства. Прежде всего заметим, что
ввиду разрешимости (с запасом 6) и выпуклости неравенств (3.28)
для их решения можно использовать описанные выше алгоритмы
86
с конечным временем адаптации. Рассмотрим для определенности
дискретные алгоритмы адаптации вида (3.15). В этом случае
время адаптации р не превышает величины г9.
Характер переходных процессов в РТК при адаптивном про-
граммном управлении (3.27) и (3.15) определяется уравнением
(3.18). В рассматриваемом случае справедлива оценка [107, 111]
II * (011 < Ф (Ml ехр [—у (t ~ /0)] + сМу'1 + 2ccPrQ,
где Lf, и cF — параметры, зависящие от вида функции F в урав-
нении динамики РТК (3.1). Из данной оценки следует, что дости-
жимая точность стабилизации (отслеживания) ПД определяется
соотношением
е > с + 2cFr9).	(3.51)
Очевидно, что путем специального выбора матрицы коэффициентов
усиления Г регулятора (с достаточно большим запасом устойчи-
вости у), увеличения точности эстиматора и быстродействия адап-
татора (что соответствует выбору достаточно малых параметров б
и 9) можно обеспечить любую наперед заданную точность отслежи-
вания ПД. При этом время переходного процесса оценивается
соотношением
tp to + У-1 In с || е (Zo)|| (е — cLF6y-1 — 2ccFr9)-1.	(3.52)
Из этого соотношения следует, что если ПД хр (t) рассчитано
исходя из состояния РТК в начальный момент времени, т. е.
е (t0) = 0, то время переходного процесса обращается в нуль.
Это означает, что целевое условие (3.16), требующее е-близости
реального и программного движений РТК, будет выполнено
с самого начала. Такой результат при наличии производственных
возмущений и неопределенностей достигается за счет адаптивной
настройки (самонастройки) параметров закона управления (3.27)
с помощью конечных алгоритмов адаптации вида (3.15).
Второй метод адаптивного управления в режиме отслеживания
заданного ПД основывается на конструировании и решении эсти-
маторных неравенств вида (3.26). Этот метод рекомендуется при-
менять в тех случаях, когда динамическая модель РТК обладает
свойством (3.21). В этих случаях эстиматорные неравенства (3.26)
выпуклы и для их решения вновь применимы конечные алгоритмы
адаптации вида (3.14), (3.15), в частности оптимальный акселе-
рантный алгоритм (3.49), у которого время адаптации р pQ.
Использование этого алгоритма в законе программного управле-
ния (3.27) обеспечивает (при отсутствии внешних возмущений л)
точную идентификацию вектора неизвестных параметров | и,
как следствие, желаемый характер переходных процессов. Время
переходного процесса оценивается соотношением (3.52).
Рассмотренные методы адаптивного отслеживания ПД тре-
буют организации обратных связей не только по вектору со-
стояний х, но и по его производной х. Однако прецизионное изме-
87
рение (или точное оценивание) х на практике зачастую наталки-
вается на значительные трудности. Этим определяется
необходимость разработки такого метода адаптивного программ-
ного управления РТК, при реализации которого нужна обратная
связь только по вектору состояний х.
Основу третьего метода составляют эстиматорные неравенства
интегрального типа, построенные в п. 3.4. Для решения этих
неравенств непосредственно применимы алгоритмы адаптации,
синтезированные в п. 3.5—3.7. Использование этих алгоритмов
в сочетании с законом управления (3.27) позволяет отследить ПД
с точностью е, определяемой из условия [1071
е > сг (6 + 2cFe) + 6.	(3.53)
При реализации данного метода нужны датчики сигналов обратной
связи только по вектору состояний РТК.
Как видно из расчетных соотношений (3.51) и (3.53), точность
осуществления ПД для трех рассмотренных методов лимитируется
точностью 6 решения эстиматорных неравенств. При этом адап-
тационные возможности регулятора (3.27) тем выше, чем больше
быстродействие адаптатора, т. е. чем меньше время адаптивной
коррекции 6 и общее время адаптации р. Важно отметить, что
при отсутствии начальных возмущений, т. е. при е (tQ) = 0, все
три метода обеспечивают осуществление ПД с заданной точностью
с самого начала, т. е. время переходного процесса равно нулю.
Резюмируя вышеизложенное, можно утверждать: если регу-
лятор имеет достаточно большой запас устойчивости (т. е. пара-
метр у достаточно велик), точность эстиматора и быстродействие
адаптатора достаточно велики (т. е. достаточно малы параметры 6
и 6), то синтезированные законы адаптивной стабилизации ПД
обеспечивают достижение цели управления (3.16) с любой наперед
заданной точностью е при соблюдении конструктивных ограни-
чений (3.2) и (3.3) в заданном классе неопределенности (3.4), (3.5).
Рассмотрим теперь особенности адаптивного управления РТК
в режимах терминального управления и самонаведения. Цели
адаптивного терминального управления и самонаведения заклю-
чаются в выполнении целевого неравенства (3.17) при соблюдении
конструктивных ограничений на состояния и управления (3.2)
и (3.3) в заданном классе неопределенности {Qg, Qn}. Основная
идея решения задачи терминального управления состоит в том,
чтобы исходя из заданных граничных условий на начальное
и конечное состояния РТК и конструктивных ограничений (3.2),
(3.3) предварительно рассчитать ПД, а затем стабилизировать это
ПД с помощью одного из синтезированных выше законов адаптив-
ного программного управления.
Адаптивная система управления РТК в режиме терминального
управления работает следующим образом. Сначала программатор
рассчитывает ПД (/), t £ Ц0/т]. При этом вычислительный
процесс построения и оптимизации ПД может быть организован
88
с помощью методов н алгоритмов, предложенных в гл. 3. После
этого регулятор (автомат стабилизации), используя сигналы
обратной связи, формируемые информационной системой, синте-
зирует закон управления ПД вида (3.27).
Самонастройка параметров регулятора осуществляется адап-
татором, реализующим некоторый алгоритм адаптации вида (3.14)
или (3.15). Структура и режим работы адаптатора определяются
эстиматором, реализующим эстиматорные неравенства вида (3.26)
или (3.28). Алгоритм адаптации синтезируется как алгоритм
решения этих неравенств, причем время адаптации р не должно
превышать времени движения Т = tT — t0.
Специфика адаптивного терминального управления заклю-
чается в отсутствии начальных возмущений. Это связано с тем,
что в режиме терминального управления ПД рассчитывается
исходя из того начального состояния, в котором фактически на-
ходится РТК, т. е. хр (4) = х (?о). Сформулируем условия, гаран-
тирующие решение задачи адаптивного терминального управления
в заданном классе неопределенности Qt. Закон управления опре-
делим формулой (3.27). Если оператор^управления U представим
в виде (3.29), то естественно воспользоваться первым методом
адаптивной стабилизации ПД, основанным на решении эстима-
торных неравенств вида (3.28). В этом случае справедлива следу-
ющая оценка качества переходных процессов:
||e(0Kc(LF6Y_1 + 2recF) t^[t„ tT\.	(3.54)
Эта оценка непосредственно вытекает из (3.50). Как видно из
(3.54), предельная точность адаптивного терминального управле-
ния определяется соотношением (3.51). В тех случаях, когда
функция F в уравнении динамики РТК (3.1) представима в виде
(3.21), целесообразно воспользоваться либо вторым методом адап-
тивного управления (если измеряются как вектор состояний
РТК х, так и его производная х), либо третьим методом (если
измеряется только вектор состояний х). При этом ПД хр и его
производная хр должны строиться внутри заданных множеств Qx
и Qx с некоторыми «запасами». Тогда автоматически будут вы-
полняться конструктивные ограничения на состояния и управле-
ния, определяемые соотношениями (3.2) и (3.3). Следовательно,
цель терминального управления (3.17) РТК будет достигнута
с учетом имеющихся ограничений на состояния и управления
(3.2) и (3.3).
Таким образом, точность терминального управления, т. е. точ-
ность перевода РТК в заданное динамическое состояние xlt лими-
тируется прежде всего такими параметрами, как точность 6 эсти-
матора и быстродействие 6 адаптатора. Расчет управления в рас-
сматриваемом режиме как раз и сводится к выбору приемлемых
значений этих параметров, а также параметров сиу, зависящих
от выбора матрицы коэффициентов усиления Г регулятора, и
89
параметра г, характеризующего предельное число коррекций
дискретного алгоритма адаптации.
Для увеличения точности достижения цели можно воспользо-
ваться следующим приемом: в ходе управления нужно осуще-
ствлять не только коррекцию параметров закона управления
(3.27), но и коррекцию самого ПД. При коррекции ПД следует
всякий раз исходить из того реального состояния, в котором РТК
оказался в момент коррекции. В качестве моментов коррекции ПД
целесообразно выбирать моменты коррекции параметров закона
управления (3.27). Тогда процессы пересчета ПД и адаптации
будут протекать параллельно, обеспечивая высокую точность
и надежность работы РТК.
Совершенно аналогично синтезируется адаптивное управле-
ние РТК в режиме самонаведения. Главное его отличие от режима
терминального управления заключается в том, что при само-
наведении указывается только требуемое динамическое состо-
яние РТК хь а ПД вообще не строится. При этом время само-
наведения заранее не фиксируется.
Для синтеза структуры и расчета параметров системы адап-
тивного управления в режиме самонаведения можно использовать
описанные выше три метода адаптивной стабилизации ПД. Однако
они должны быть модифицированы. Эта модификация заключается
в том, что в закон управления (3.27) вместо ПД хр следует под-
ставить заданное целевое состояние РТК х1т тогда закон адаптив-
ного самонаведения примет вид
и(х, хг т) = U [х, Г(х — х^, т],	(3.55)
где Г — устойчивая п X n-матрица коэффициентов усиления в ка-
налах обратной связи; т — вектор настраиваемых параметров,
формируемый тем или иным алгоритмом адаптации.
Таким образом, описанная методология конструирования и
расчета адаптивных систем управления РТК в режимах терми-
нального управления и самонаведения гарантирует выполнение
целевых условий и конструктивных ограничений на состояния
и управления в заданном классе неопределенности условий экс-
плуатации РТК. При этом качество адаптивного терминального
управления и самонаведения тем выше, чем больше запас устой-
чивости регулятора, точность эстиматора и быстродействие адап-
татора.
3.9.	АВТОМАТИЗАЦИЯ
ПРОЕКТИРОВАНИЯ АДАПТИВНЫХ СИСТЕМ
ПРОГРАММНОГО УПРАВЛЕНИЯ
Проектирование и расчет адаптивных систем программного
управления РТК представляет собой сложную и трудоемкую
научно-техническую задачу. Одним из наиболее перспективных
путей ее решения является создание проблемно-ориентированных
90
систем автоматизированного проектирования (САПР) на базе
современных средств вычислительной техники. Такие САПР
благодаря использованию мощных ЭВМ, дисплеев, графопостро-
ителей и интеллектуальных терминалов позволяют перейти от
автоматизации эпизодических расчетов отдельных элементов си-
стем управления РТК к комплексной автоматизации всего про-
цесса проектирования в целом. В перспективе они должны обес-
печить полную автоматизацию проектно-конструкторских работ.
При этом полная автоматизация означает не исключение человека
из творческого процесса проектирования, а освобождение его
от всех рутинных и сложных вычислительных операций.
Важной особенностью развития САПР в последние годы яв-
ляется глубокое взаимопроникновение собственно конструктор-
ского и технологических этапов проектирования. При ориентации
проектов вновь создаваемых РТК на ГАП традиционная проектно-
конструкторская документация, приспособленная к человеку,
в значительной степени теряет свое значение. На первое место
все шире выдвигается «безбумажная» документация на машинных
носителях информации. Основное достоинство такой формы пред-
ставления документации заключается в том, что ее можно непо-
средственно использовать для программного управления обору-
дованием ГАП, осуществляющим изготовление спроектированного
РТК. Тем самым осуществляется постепенный переход к без-
бумажной технологии автоматизированного проектирования РТК
вообще и их систем управления в частности.
САПР адаптивных систем программного управления пред-
ставляет собой составную часть САПР адаптивных РТК. Послед-
няя включает в себя многомашинную вычислительную сеть и
связанные с ней автоматизированные рабочие места (АРМ) кон-
структоров. Каждое АРМ снабжается дисплеем со световым пером
и пультом с соответствующей клавиатурой. Это позволяет кон-
структору адаптивной системы управления работать в режиме
диалога с ЭВМ, а также с конструкторами, ответственными за
проектирование других систем РТК.
К проектированию адаптивной системы программного управле-
ния приступают после того, как определено назначение РТК, т. е.
указаны целевые условия и основные режимы работы оборудо-
вания. На начальном этапе автоматизированного проектирования
разрабатывается подробное техническое задание на систему управ-
ления с указанием основных целей и задач управления, техни-
ческих характеристик, конструктивных ограничений, типовых
режимов работы, условий эксплуатации, класса неопределенности,
требований по надежности и т. п.
Исходная информация, содержащаяся в техническом задании,
записывается в автоматизированный банк данных (АБД). В этом
же банке содержится машинный архив уже известных систем
программного управления — банк данных прототипов, который
автоматически дополняется новыми системами управления по
91
мере их проектирования. Описанный АБД представляет
собой информационное обеспечение САПР систем управления
РТК-
В соответствии с техническим заданием разрабатывается проект
будущей адаптивной системы программного управления. На этом
этапе выполняется большой объем теоретических исследований,
направленных на выбор и обоснование принципов и алгоритмов
адаптивного управления. В результате такого алгоритмического
проектирования формируются алгоритмические модели перспек-
тивных проектов. Далее осуществляется сравнительный анализ
разработанных моделей систем управления и имеющихся прото-
типов. При этом существенно используется ЭВМ, встроенная
в автоматизированное рабочее место (АРМ): конструктор в режиме
диалога с ЭВМ быстро выбирает рациональную структуру и рас-
считывает параметры адаптивной системы программного управле-
ния, которая наилучшим образом удовлетворяет требованиям
технического задания.
Основным принципом автоматизированного проектирования
систем управления РТК является компоновка их из унифициро-
ванных программных модулей. Такой модульный принцип поз-
воляет легко проектировать многочисленные модификации адап-
тивных систем программного управления на базе одних и тех же
программных модулей, реализующих различные алгоритмы по-
строения ПД, управления и адаптации, а также эстиматорные
неравенства. При этом появляется возможность для каждого
конкретного РТК осуществлять оптимальное комплексирование
отдельных модулей в проектируемую систему.
Наилучший проект принимается как окончательное техниче-
ское решение о структуре адаптивной системы программного
управления и режимах ее функционирования в РТК- На основа-
нии этого проекта конструируется мультимикропроцессорная
система адаптивного программного управления РТК, ориентиро-
ванная на работу в реальном времени, и создается соответствующее
программное обеспечение. При этом алгоритмы адаптивного про-
граммного управления удобно записывать на языках высокого
уровня (например, на языке PL/1), а затем транслировать их
с помощью интерпретирующей программы в объектный код,
задающий последовательность управляющих воздействий,
которые подаются непосредственно на исполнительные приводы
и механизмы РТК-
Описанная технология автоматизированного проектирования
адаптивных систем программного управления РТК пока еще
далека до завершения. Однако отдельные элементы САПР уже
созданы и получают все большее распространение в практике
проектирования адаптивных РТК- Это относится прежде всего
к автоматизации программирования движений РТК по заданному
технологическому процессу. Разработаны конструктивные и про-
граммные модули для сервоуправления заранее рассчитанным ПД,
92
Рис. 3.3. Схема пакета программ, моделирую-
щего адаптивные системы программного упра-
вления
а также программные модули, реали-
зующие некоторые алгоритмы адапта-
ции и искусственного интеллекта.
Рассмотрим особенности и общие
принципы автоматизированного проек-
тирования адаптивных систем програм-
много управления на примере САПР
систем управления манипуляционных
роботов. Основу САПР составляет пакет
программ, позволяющий моделировать
как динамику широкого класса роботов
f и АТА	PARAM
Г” Адаптивная
| система управления
с электрическими приводами, так и различные алгоритмы по-
строения ПД и адаптивного управления ими.
Пакет программ имеет модульную структуру. Он содержит
шесть основных функциональных модулей, а также ряд вспомога-
тельных модулей и сервисных подпрограмм для организации
режима диалога. Конструктор имеет возможность дополнять,
заменять или корректировать отдельные модули и подпрограммы.
Это придает САПР необходимую гибкость при переходе от име-
ющихся прототипов к проектам новых систем управления роботов.
Основными функциональными модулями пакета являются:
1)	программатор — модуль PROG',
2)	регулятор — модуль REGUL',	•	'
3)	эстиматор — модуль ESTIM',
4)	адаптатор— модуль ADAPT',
5)	идентификатор — модуль IDENT.
Эти модули программно реализуют на языках PL/1
и ФОРТРАН различные (в том числе и рассмотренные выше)
алгоритмы построения ПД, синтеза управляющих воздействий,
оценки качества переходных процессов, самонастройки параметров
закона управления и идентификации параметров или состояний
двигательной системы робота.
Структура рассматриваемого пакета программ представлена
на рис. 3.3. Опишем кратко функции и назначение отдельных
модулей и характер их взаимодействия.
Модуль DATA производит ввод технических данных проекта
системы управления робота и условий экспериментов с ней на
ЭВМ. К этим данным относятся: вектор параметров £ двигательной
системы робота; начальное состояние х (t0) робота; начальная
оценка параметров т0 = т (t0); класс неопределенности Qn};
матрица коэффициентов усиления Г; параметр б, характеризу-
ющий точность работы эстиматора; параметр 0, характеризующий
быстродействие адаптатора; параметр целевого условия е; кон-
структивные ограничения на состояния и управления; шаг ин-
93
тегрирования уравнений динамики; время эксперимента и др.
В случае необходимости модуль DATA обеспечивает контрольную
печать указанных данных или вывод их на экран дисплея.
Модуль PARAM служит для расчета параметров программа-
тора, регулятора, эстиматора, адаптатора и идентификатора.
В частности, он производит расчет элементов матрицы Г по за-
данному конструктором характеру переходных процессов.
Модуль PROG формирует ПД хр (/) и его производную хр (/)
с учетом конструктивных ограничений и препятствий.
Модуль REGUL формирует закон управления приводами
робота, отвечающий заданному режиму работы (стабилизация ПД,
терминальное управление, самонаведение).
Модуль ESTIM служит для текущей оценки качества пере-
ходных процессов путем проверки эстиматорных неравенств.
В случае нарушения этих неравенств включается модуль
ADAPT.
Модуль ADAPT производит самонастройку закона управле-
ния, т. е. коррекцию параметров модуля REGUL, в соответствии
с выбранным алгоритмом адаптации.
Модуль IDENT преобразует физические переменные г, изме-
ряемые датчиками информационной системы, в вектор состояний х,
используемый в модуле REGUL. Кроме того, он может осуще-
ствлять идентификацию вектора неизвестных параметров £.
Модуль MODEL производит имитационное моделирование
управляемых движений робота путем численного интегрирования
замкнутых уравнений динамики.
В состав пакета входит также ряд вспомогательных подпро-
грамм, осуществляющих, например, алгебраические операции
над векторами и матрицами. Для обеспечения возможности про-
ектирования в режиме диалога с ЭВМ конструктор имеет на своем
рабочем месте дисплей и связанный с ним сервисный модуль —
диалоговый корректор. Результаты расчетов и экспериментов
могут выводиться на экране дисплея или печататься в виде таблиц
и графиков, снабженных необходимыми комментариями.
3.10.	ПРИНЦИПЫ ПОСТРОЕНИЯ
И АРХИТЕКТУРА МУЛЬТИМИКРОПРОЦЕССОРНЫХ СИСТЕМ
АДАПТИВНОГО ПРОГРАММНОГО УПРАВЛЕНИЯ
Технической базой для реализации адаптивных систем про-
граммного управления РТК является электронно-вычислительное
оборудование вместе с соответствующим математическим обеспе-
чением. Состав и конфигурация этого оборудования для кон-
кретного РТК определяется в основном структурой и сложностью
системы программного управления. Обычно система управления
РТК имеет иерархическую структуру, включающую следующие
уровни иерархии: 1) исполнительный (тактический); 2) координи-
рующий (стратегический).
94
? На исполнительном уровне осуществляется индивидуальное
адаптивное программное управление отдельными роботами и
станками, входящими в состав РТК. На координирующем уровне
производится координация и синхронизация работы индивидуаль-
ных систем управления в соответствии с тем технологическим
процессом, который должен быть автоматизирован с помощью
РТК- Таким образом, речь идет, по существу, об органи-
зации группового ' адаптивного управления оборудованием
РТК.
В качестве базовых вычислительных средств индивидуальных
и групповой системы управления РТК целесообразно использовать
микропроцессоры и микроЭВМ. Эти новые средства цифрового
управления обладают функциональной гибкостью, высоким бы-
стродействием, большим объемом памяти и надежностью. Они
выгодно отличаются от универсальных ЭВМ низкой стоимостью,
малыми габаритными размерами и простотой эксплуатации.
Именно поэтому микропроцессоры и микроЭВМ находят все более
широкое применение при аппаратно-программной реализации
адаптивных систем программного управления РТК.
Рассмотрим сначала принципы и особенности построения ин-
дивидуальных систем управления оборудованием РТК на базе
микропроцессоров и микроЭВМ. Прежде всего заметим, что
в принципе такие системы можно реализовать на универсальных
больших или мини-ЭВМ путем создания соответствующего про-
граммного обеспечения. Однако этот путь нерационален.
Дело в том, что использование современных дорогостоящих
ЭВМ большой мощности для индивидуального управления одним
станком или роботом было бы слишком расточительным: многие
функциональные возможности таких универсальных ЭВМ при
этом просто не нужны. Кроме того, последовательный принцип
действия больших ЭВМ может приводить к значительному за-
паздыванию при вычислении адаптивного программного управле-
ния и, как следствие, к управлению по устаревшей информации.
Для организации индивидуального управления в реальном вре-
мени целесообразно распараллелить вычислительные процессы
путем распределения отдельных функций (алгоритмов) обработки
информации и управления между микропроцессорами и мик-
роЭВМ. Принципиальная возможность такого распараллеливания
обеспечивается модульной иерархической структурой адаптивных
систем программного управления, представленной на рис. 3.2.
Аппаратно-программная реализация этой структуры сводится
к конструированию мультимикропроцессорной системы (ММПС)
индивидуального управления и разработке ее математического
обеспечения.
Правильный выбор микропроцессоров и микроЭВМ в значи-
тельной степени определяет эффективность, гибкость и надежность
ММПС управления. В связи с этим рассмотрим некоторые осо-
бенности современных микропроцессоров и микроЭВМ и пер-
95
спективные варианты архитектуры адаптивных систем про-
граммного управления иа их основе.
Микропроцессор представляет собой большую интегральную
схему (БИС), функциональные возможности которой эквива-
лентны схеме, содержащей десятки тысяч обычных дискретных
элементов (транзисторов, резисторов и т. п.). Гибкость и уни-
версальность микропроцессора обеспечивается тем, что реали-
зуемые им арифметические и логические операции задаются
программным путем. Отечественной промышленностью выпу-
скаются микропроцессоры различных серий: К580, К.589 и т. д.
На базе микропроцессоров создаются специализированные
микропроцессорные модули (МПМ), представляющие собой функ-
ционально законченные и конструктивно оформленные на одной
плате устройства, состоящие из микропроцессора и вспомогатель-
ных. микросхем (интерфейсные схемы, обеспечивающие связь
микропроцессора с внешними устройствами, цифроаналоговые
и аналого-цифровые преобразователи, БИСы постоянной и пере-
программируемой памяти, контроллеры прерываний и прямого
доступа в память и т. д.).
Важный класс МПМ, ориентированных на задачи управления,
составляют программируемые контроллеры (ПМК). Они работают
в реальном времени в соответствии с алгоритмами, которые пред-
варительно записываются в их постоянное запоминающее устрой-
ство. Наибольшее распространение в ГАП находят ПМК. двух
типов [95, 98—100]:
1) программируемые логические микроконтроллеры, служа-
щие для реализации логических алгоритмов и замены различных
релейных и логических схем электроавтоматики;
2) программируемые регулирующие микроконтроллеры, слу-
жащие для реализации алгоритмов управления и замены различ-
ных аналоговых и цифровых регуляторов.
Преимущества таких ПМК по сравнению с обычными элек-
тронными схемами с жесткой (неизменной) структурой заклю-
чаются в высокой гибкости, универсальности и надежности.
В развитых капиталистических странах более 80 фирм выпускают
около 150 моделей логических и регулирующих ПМК. Эти ПМК
уже применяются в 35 % автоматизированных систем управления
технологическими процессами [95].
Появление и широкое использование регулирующих ПМК
вместо традиционных жестких регуляторов аналогового или
цифрового типов знаменуют собой новый шаг в совершенствовании
средств управления. В связи с этим принципиально изменяется
даже сама методология конструирования систем автоматического
управления: она основывается на автоматизированном проекти-
ровании и программировании этих систем с записью необходимых
управляющих программ в постоянное запоминающее устройство.
Каждый регулирующий ПМК может заменить несколько
десятков обычных П-, ПИ- и ПИД-регуляторов аналогового или
96
цифрового типа. Он позволяет программно реализовать весьма
сложные алгоритмы оптимального и адаптивного управления
роботами и технологическим оборудованием. Поэтому появление
регулирующих ПМК можно рассматривать как важную пред-
посылку и стимул к развитию адаптивных систем программного
управления РТК..
В СССР выпускается несколько разновидностей регулирующих
ПМК: «Ремиконда», КТС ЛИУС-2, ПС-320 и др. Опишем их
особенности на примере ПМК «Ремиконда» [95]. Этот ПМК реали-
зован на базе 8-разрядного отечественного микропроцессора К580.
Его управляющие программы записываются в постоянное полу-
проводниковое запоминающее устройство на заводе-изготовителе.
Библиотека программ включает более 20 унифицированных про-
цедур: аналоговые и дискретные законы ПИД-регулирования;
операции суммирования, умножения, дифференцирования,
интегрирования и т. п.; нелинейные преобразования и т. д. Ком-
бинируя эти процедуры, можно строить достаточно сложные
(в том числе и адаптивные) законы управления. Оперативная
память данного ПМК разделена на две части. Первая используется
для расчета коэффициентов усиления ПИД-регуляторов и хра-
нения промежуточных результатов, а вторая — для коррекции
(самонастройки) варьируемых параметров.
ПМК «Ремиконда» имеет 64 аналоговых и 128 дискретных
входных каналов и 64 выходных канала, причем опрос аналоговых
датчиков производится мультиплексором под управлением микро-
процессора. Поэтому на базе этого ПМК можно конструировать
сложные многоканальные адаптивные регуляторы для РТК-
Каждый управляемый канал имеет восемь аналоговых и дискрет-
ных входов и два выхода — аналоговый, сопрягаемый с исполни-
тельным приводом, и дискретный, свидетельствующий о наруше-
нии конструктивных ограничений на управлении.
Важным достоинством ПМК типа «Ремиконда» является то,
что программирование режимов работы осуществляется непосред-
ственно на технологическом объекте, которым они управляют,
при помощи одной клавишной панели оператора без привлечения
других программных или аппаратных средств отладки. Эти ПМК
имеют только внутреннее программное обеспечение и не требуют
громоздких операционных систем, трансляторов и т. п.
В состав программного обеспечения входят программа-диспет-
чер, управляющие, обслуживающие и диагностические программы.
Программа-диспетчер координирует весь процесс управления
в реальном времени, т. е. задает последовательность выполнения
управляющих программ или их фрагментов. Обслуживающие
программы обеспечивают диалоговое взаимодействие оператора
с клавишным пультом, снабженным цифровыми индикаторами
и светодиодами для отображения запрошенной информации.
Диагностические программы, контролируя безотказность работы
аппаратных и программных средств, сигнализируют о неис-
4 Заказ 250
97
правности того или иного блока и заменяют этот блок резерв-
ным.
Применение ПМК типа «Ремиконда» оправдано в тех случаях,
когда число каналов управления не меньше 6, поэтому они могут
использоваться в качестве индивидуальных систем управления
роботов, станков и обрабатывающих центров.
Функции логического и регулирующего ПМК совмещены
в комплекс технических средств для локальных информационных
управляющих систем (КТС ЛИУС), разработанный отечественной
промышленностью в составе государственной системы промышлен-
ных приборов и средств автоматизации [95]. В качестве элемент-
Рис. 3.4. Структурная схема микропроцессорного регулятора серии 5260
ной базы КТС ЛИУС-2 используются 8-разрядные микропроцес-
соры К580 и унифицированные микросхемы с повышенной сте-
пенью интеграции («Микродат»), обеспечивающие обмен данными,
хранение программ, преобразование информации от датчиков
и т. п. Для КТС ЛИУС-2 разработано базовое программное обес-
печение, включающее средства автоматизации программирования.
В качестве языков программирования используются ассем-
блер и БЕЙСИК.
ПМК для автоматического управления технологическим обо-
рудованием широко используются за рубежом. Ряд фирм освоили
серийный выпуск регулирующих ПМК типа ТДС-2000 (фирма
«Ханивелл» (Honeywell), «Тосдие-200» (Tosdie-QTT)), фирма «То-
шиба» (Toshiba), «Элине» (ЕИпе), «Унитрол» (Unitrol), фирма
«Хитачи» (Hitachi) и др. [95, 99]. Среди них значительный интерес
для локального адаптивного управления оборудованием РТК
представляет микропроцессорный регулятор типа 5260-2? фирмы
«Тейлор Инструменте» (Taylor Instruments). Структурная схема
этого ПМК представлена на рис. 3.4. Регулятор сопрягается
с датчиками аналоговых сигналов через мультиплексор. Эти
сигналы поступают на блок сравнения (компаратор), на другой
вход которого поступают аналоговые программные сигналы-
уставки, снимаемые с цифроаналогового преобразователя
(ЦАП). Эти программные уставки формируются микропроцес-
сором типа RCA-1802, который производит также преобразование
аналогового сигнала преобразования в цифровую форму.
В микропроцессоре регулятора программно реализовано боль-
шое число (около 200) различных алгоритмов управления, включая
98
законы ПИД-регулирования и алгоритмы самонастройки пара-
метров регулятора [95]. Главным преимуществом такого микро-
процессорного регулятора по сравнению с обычным аналоговым
регулятором является возможность автоматического выбора струк-
туры и настройки параметров любого закона управления из
заданного множества программно-реализованных алгоритмов,
тогда как в аналоговом регуляторе алгоритм управления реали-
зуется аппаратно и поэтому не может быть изменен.
Рассмотренные МПМ и, в частности, ПМК обладают широким
спектром функциональных возможностей, поэтому на их основе
можно создавать сложные мультимикропроцессорные системы
(ММПС) адаптивного программного управления оборудованием
РТК. Однако конструирование таких ММПС наталкивается на
трудности, связанные с тем, что каждая индивидуальная ММПС
управления должна разрабатываться как новое аппаратно-про-
граммное изделие, обеспечивающее совместимость с другими си-
стемами управления РТК по шине и системе команд. Для ускоре-
ния разработки ММПС зачастую нужны специальные средства
автоматизации программирования, проектирования и отладки,
которые, в свою очередь, представляют собой совокуп-
ность проблемно-ориентированных аппаратных и программных
средств.
Альтернативой МПМ и сложным ММПС на их основе является
программная реализация адаптивных систем управления на базе
универсальных микроЭВМ, имеющих модули связи с объектом
управления. Автоматизация проектирования адаптивных систем
программного управления требует использования мощных опера-
ционных систем, поэтому микроЭВМ должна иметь большой
объем оперативной памяти и содержать постоянные и перепро-
граммируемые запоминающие устройства, служащие для хране-
ния программных модулей, реализующих алгоритмы обработки
информации и управления. Другим важным требованием, предъ-
являемым к управляющим микроЭВМ, является то, что они
должны осуществлять адаптивное управление оборудованием РТК
в реальном масштабе времени.
Отечественной промышленностью серийно выпускается ряд
микроЭВМ. Среди них наибольшее распространение в индиви-
дуальных системах программного управления получили мик-
роЭВМ «Электроника-60» и НЦ80-20/3. Производительность этих
микроЭВМ лишь в 2—3 раза меньше, чем производительность
мини-ЭВМ типа СМ-4, а стоимость меньше на порядок. Другим их
достоинством является совместимость системы команд и интер-
фейсов с системой команд и интерфейсами мини-ЭВМ серии СМ,
а также с перспективными моделями микро- и мини-ЭВМ, выпуск
которых осваивается промышленностью. Благодаря такой про-
граммной совместимости разработку программного обеспечения
индивидуальных систем адаптивного управления оборудованием
РТК на основе микроЭВМ можно осуществлять с использованием
4*	99
возможностей и средств мини-ЭВМ. При этом уже разработанное
и отлаженное программное обеспечение для управляющей
микроЭВМ (например, для «Электроники-60») не требует пере-
делки при переходе к следующей, более совершенной модификации
(например, к микроЭВМ НЦ-80-31).
Наряду с рассмотренными вариантами реализации адаптивных
систем программного управления оборудованием РТК на базе
ММПС (аппаратная реализация) и в виде программного обеспече-
ния для микроЭВМ (программная реализация), представляет
Рйс. 3.5. Архитектура мультимикропроцессорной системы адаптивного управле-
ния
интерес и компромиссный вариант аппаратно-программной реали-
зации. В этом варианте система управления строится на
базе микроЭВМ и нескольких микропроцессоров, связанных
общей информационной шиной. Архитектура такой комбиниро-
ванной ММПС адаптивного программного управления имеет вид,
представленный на рис. 3.5. На микроЭВМ возлагаются следу-
ющие основные функции:
программируемая обработка информации от интерфейса ввода-
вывода;
программно-управляемый обмен информацией между
микроЭВМ и микропроцессорными модулями через общую шину
данных;
координация работы микропроцессорных модулей;
решение отдельных трудоемких задач вычислительного харак-
тера (оптимизация ПД, расчет параметров регулятора и т. п.).
100
Специализированные микропроцессорные модули (МПМ) ре-
шают следующие задачи:
1)	построение программы движения (МПМ-программатор);
2)	оценка качества управления (МПМ-эстиматор);
3)	коррекция параметров регулятора (МПМ-адаптатор);
4)	формирование закона управления (МПМ-регулятор).
Все эти данные МПМ связаны с микроЭВМ, а также (через общую
шину данных) между собой. В основе их работы лежат алгоритмы
Рис. 3.6. Схема расчета на одном такте адаптивного программного управления
адаптивного программного управления, описанные выше. Схема
вычислений на одном такте цифрового адаптивного управления
представлена на рис. 3.6.
Основным достоинством предложенной архитектуры является
возможность алгоритмического распараллеливания процесса
вычисления адаптивного программного управления — от форми-
рования ПД до подачи управляющих воздействий на исполни-
тельные приводы и механизмы робота или станка. Благодаря
этому естественным образом распараллеливается и процесс проек-
тирования системы, что позволяет конструктору производить
расчет и реализацию каждого микропроцессорного модуля в от-
дельности.
Функциональные возможности микроЭВМ и специализирован-
ных МПМ определяются их программным обеспечением, т. е.
пакетом программ, реализующих соответствующие алгоритмы
адаптивного управления. Подобно аппаратной структуре про-
граммное обеспечение ММПС рассматриваемого типа имеет иерар-
хическую структуру.
101
Цифровые адаптивные системы программного управления ро-
ботов, реализуемые на базе микроЭВМ и микропроцессоров,
принципиально отличаются от обычных систем индивидуального
программного управления оборудованием РТК. Во-первых, они
обеспечивают (при соответствующем выборе структуры и пара-
метров программатора, эстиматора, адаптатора и регулятора)
асимптотическую устойчивость ПД в целом, в то время как локаль-
ные системы программного управления в лучшем случае обеспе-
чивает лишь устойчивость ПД в малом (последнее означает, что
работоспособность РТК сохраняется лишь при небольших от-
клонениях реального и программного движений). Во-вторых,
цифровая адаптивная система управления способна обеспечить
желаемый характер переходных процессов при любом уровне
параметрической неопределенности и внешних возмущений, а си-
стемы программного управления адаптивны лишь при достаточно
малых возмущениях. Вследствие этого качество и надежность
индивидуальных систем адаптивного управления существенно
выше, чем у аналогичных систем программного управления.
Все это говорит о несомненных преимуществах адаптивных
систем управления роботами и технологическим оборудованием
РТК по сравнению с традиционными системами программного
управления. И хотя реализация таких более совершенных систем
наталкивается на известные трудности, она вполне осуществима
уже сегодня на базе современных микроЭВМ и микропроцессоров.
Тем самым открывается реальная перспектива создания станков
и роботов второго и третьего поколений, обладающих высоко-
развитой способностью адаптации к заранее неизвестным и меня-
ющимся условиям эксплуатации.
Для обеспечения работоспособности РТК в недетерминирован-
ной производственной обстановке нужно не только построить
индивидуальное ММПС адаптивного программного управления
оборудованием, но и скоординировать их работу в соответствии
с заданным технологическим процессом. Этот процесс по существу
определяет алгоритм (а значит, и ритм) функционирования РТК.
Его можно представить как последовательность отдельных техно-
логических и вспомогательных операций: подвоз палет с заготов-
ками и инструментом, загрузку оборудования, выполнение за-
планированных технологических операций, контроль параметров
деталей, выгрузку и транспортировку изделий на склад и т. д.
Выполнение любой из этих операций требует согласованной
работы определенной части оборудования РТК. Это значит, что
нужно своевременно подключать роботы и технологическое обо-
рудование, обеспечивающее выполнение очередной операции в со-
ответствии с заранее рассчитанными ПД, контролировать режимы
их работы и отключать аппаратуру РТК после того, как она вы-
полнит свои функции. Иными словами, нужна координация и
синхронизация работы всего оборудования РТК в автоматическом
режиме.
102
Функции координации возлагаются на специальную ЭВМ-ко-
ординатор, в качестве которой обычно используется микроЭВМ.
В ряде случаев координатор вместе с индивидуальными системами
адаптивного управления РТК может быть реализован на базе
децентрализованных систем ПМК типа КТС ЛИУС-2, «Реме-
конд», ПС-320, ТДС-2000 и т. п. [95].
Для типовой двухуровневой структуры мультипроцессорной
системы группового управления РТК характерно наличие общей
шины данных, к которой подключены, с одной стороны, микроЭВМ
стратегического (координирующего) уровня, а с другой — инди-
видуальные ММПС адаптивного управления роботами и техноло-
гическим оборудованием тактического (исполнительного) уровня.
Последние могут взаимодействовать друг с другом с целью обмена
текущей информацией и координации своих действий в интересах
решения глобальной технологической задачи, возложенной
на РТК.
Описанная система группового управления по существу пред-
ставляет собой локальную вычислительную сеть. Структура сети
обеспечивает гибкость управления и возможность автономного
изменения режимов работы и ПД отдельных единиц оборудования
РТК. Это осуществляется с помощью специальной программы-
диспетчера координирующей микроЭВМ, которая выполняет сле-
дующие основные функции.
1.	Формирование команд (директив) на включение, выключение
или выбор режима работы оборудования. Эти команды имеют
безусловный характер, диктуемый заданным технологическим
процессом. При этом простые команды управляют работой одного
станка или робота, а сложные обобщенные команды координи-
руют одновременную работу нескольких единиц оборудования
РТК.
2.	Формирование условных команд на исполнение технологи-
ческих операций с соблюдением заданной системы ограничений.
Команды обычно сопровождаются блокировкой, обеспечивающей
защиту от ошибочного или преждевременного выполнения особо
ответственных команд. Блокировка автоматически снимается по
мере выполнения соответствующих условий.
3.	Привязка ПД отдельных единиц оборудования к общей
программе работы РТК- Результатом такой привязки является
формирование определенной последовательности команд, коор-
динирующей «запуск» необходимых ПД с помощью таймеров.
4.	Отображение на пульте управления информации о работе
отдельных единиц оборудования и о текущем динамическом со-
стоянии РТК в целом. Это позволяет, в частности, предупредить
приближение аварийных ситуаций.
Таким образом, программа-диспетчер формирует целевые за-
дания всем единицам оборудования РТК и передает их индиви-
дуальным ММПС адаптивного управления. Вследствие этого
координирующая микроЭВМ как бы не участвует непосредственно
103 .
в управлении оборудованием, а оборудование работает в значи-
тельной степени автономно.
Адаптационные возможности и уровень интеллекта индиви-
дуальных ММПС управления могут колебаться в широких пре-
делах. Некоторые из них могут только принимать простейшие
решения типа «старт-стоп», а другие могут автоматически коррек-
тировать ПД, настраивать параметры законов управления, ана-
лизировать качество работы, диагностировать неисправности от-
дельных узлов (например, износ или поломку инструмента),
распознавать палеты или заготовки в них, самостоятельно вы-
бирать нужный инструмент, оснастку и программу обработки
и т. д. Спектр функций адаптивного РТК определяется, главным
образом, тем алгоритмическим и программным обеспечением,
которое реализовано в его системе управления.
Резюмируя вышеизложенное, отметим, что использование
ММПС адаптивного программного управления придает РТК
принципиально новые свойства и преимущества по сравнению
с обычными системами числового программного управления.
Переход к адаптивному управлению позволяет существенно по-
высить автономность РТК, что особенно важно в условиях ГАП
с безлюдной технологией. С помощью микроЭВМ и микропроцессо-
ров в РТК реализуются не только функции автоматического
программирования движений и адаптивного управления при-
водами, но и ряд дополнительных функций интеллектуального
характера. Среди них важнейшими являются автоматический
контроль и диагностика работы оборудования, автоматическая
замена неисправных элементов, распознавание и автоматическое
адресование деталей, фильтрация сигналов обратной связи от
помех и т. п. Все это позволяет существенно расширить адапта-
ционные и интеллектуальные возможности систем управления
РТК, резко улучшить качество управления и повысить его надеж-
ность.
Г л а в а 4
СТАНКИ
С АДАПТИВНЫМ ПРОГРАММНЫМ
УПРАВЛЕНИЕМ
4.1.	ЭВОЛЮЦИЯ ПРИНЦИПОВ
И СИСТЕМ УПРАВЛЕНИЯ СТАНКАМИ
Принципы цифрового лрограммного и адаптивного управления
все шире применяются для расширения функциональных воз-
можностей, улучшения качества работы и увеличения производи-
104
тельности многих видов технологического оборудования. Среди
этого оборудования важную роль играют станки и обрабатыва-
ющие центры, служащие для механической обработки. На каждый
такой станок или обрабатывающий центр возлагается функция
формообразования изделия путем управляемого изменения вза-
имного положения заготовки и обрабатывающего инструмента.
Эта функция реализуется либо за счет перемещения заготовки при
неподвижном инструменте (как это принято в токарных станках),
либо за счет движения инструмента при неподвижной заготовке
(как в сверлильных станках), либо за счет одновременного пере-
мещения инструмента и заготовки (как это бывает при фрезерной
обработке). В станках с числовым программным управлением
(ЧПУ) и с адаптивным программным управлением (АПУ) требу-
емые движения инструмента или заготовки обычно обеспечивается
прецизионной системой сервоприводов, обрабатывающих за-
данную программу обработки.
Терминология в области систем ЧПУ станков устанавливается
ГОСТ 20523—80. Согласно этому стандарту, управляющей про-
граммой называется совокупность команд, реализующая алгоритм
обработки детали на языке программирования. Устройством
ЧПУ называется автоматическое устройство, формирующее управ-
ляющие воздействия на исполнительные приводы в соответствии
с заданной управляющей программой и сигналами обратной связи
о состоянии станка. Наконец, системой ЧПУ называется устрой-
ство ЧПУ вместе с необходимым программным обеспечением,
обеспечивающим автоматическое управление станком в соот-
ветствии с заданной программой.
Современные системы ЧПУ принято делить на два класса:
системы с жесткой (постоянной) структурой и системы с гибкой
(программируемой) структурой.
В системах ЧПУ с жесткой структурой все функции управле-
ния (алгоритмы интерполяции, типовые циклы и т. п.) реали-
зуются аппаратно. Примерами таких систем могут служить оте-
чественные системы ЧПУ «Контур-2ПТ» и Н-22 (для токарных
станков), «Контур-ЗП» и Н-33 (для фрезерных станков), «Раз-
мерам» и П-33 (для координатно-расточных станков). В этих
системах управляющая программа обычно кодируется на перфо-
ленте и вводится в устройство ЧПУ.
Системы ЧПУ с постоянной структурой в обозначениях между-
народного стандарта ISO относятся к типу NC {Numerical Control).
Они обладают рядом недостатков. Так, хранение управляющей
программы на перфоленте и ее ввод по частям (кадрам) суще-
ственно снижает надежность систем ЧПУ: около 70 % сбоев в
NC-системах приходится на работу с перфолентой. Кроме того, за-
труднено «переобучение» станка новым технологическим операциям
из-за необходимости всякий раз заново перебивать перфоленту.
В связи с появлением в 1970-х годах микропроцессоров и
микроЭВМ системы ЧПУ стали строить на их основе. При этом
105
программирование алгоритмов управления станком свелось к со-
ставлению и отладке управляющей программы на языке програм-
мирования микроЭВМ. Изменение алгоритмов управления при-
водит к простому перепрограммированию системы ЧПУ на базе
микроЭВМ. Тем самым обеспечивается высокая гибкость и уни-
версальность систем ЧПУ.
Системы ЧПУ на базе микроЭВМ относятся к классу систем
ЧПУ с гибкой (программируемой) структурой. В международной
классификации ISO эти системы получили название CNC (Compu-
terised Numerical Control). CNC-системы являются многоцелевыми,
поэтому они позволяют унифицировать функции автоматического
управления станками и уменьшить число различных модифи-
каций систем ЧПУ.
Гибкость компьютерных систем ЧПУ делает их эффективным
средством управления не только станками, но и другим оборудова-
нием РТК (роботами, складами и т. п.), поэтому CNC-системы
широко используются в системах управления РТК и ГАП. Оте-
чественная промышленность освоила серийный выпуск различных
систем ЧПУ типа CNC. К ним, в частности, относятся системы
2У-32, 2С-42, 2Р-22, НЦ-80-31 и «Размер-4». В ближайшие годы
производство CNC-систем резко возрастет.
Системы ЧПУ типа CNC имеют несколько разновидностей:
HNC (Hand NC) — системы с ручным заданием управляющей
программы с пульта программирования; SNC (Speicher NC) —
системы с хранением управляющей программы в ОЗУ; VNC
(Voice NC) — системы с речевым управлением и т. д.
Следующий этап развития систем управления станками связан
с желанием исключить перфоленту как программоноситель и
объединить функции программирования и управления в единой
системе. В связи с этим появились универсальные цифровые
системы управления на базе микро- и мини-ЭВМ, которые свя-
зывают станок непосредственно с ЭВМ без промежуточного про-
граммоносителя. За такими системами утвердился международный
шифр DNC (Direct NC). Они так же, как и CNC-системы, относятся
к классу систем с гибкой (программируемой) структурой.
Основными достоинствами DNC-систем являются:
увеличение производительности станков (за счет более совер-
шенных алгоритмов управления и ускорения ввода программы
обработки);
повышение надежности и упрощение обслуживания (за счет
устранения устройств ввода перфолент);
увеличение гибкости, упрощение программирования и рас-
ширение функциональных возможностей (за счет программиро-
вания на языках высокого уровня и возможности замены или
коррекции отдельных программных модулей;
возможность самоконтроля и самодиагностики (за счет исполь-
зования специальных контрольных и диагностических про-
грамм);
106
к' возможность адаптации (за счет самоорганизации структуры
« и самонастройки параметров управляющих программ);
J возможность определения и хранения в базе данных таких
*] параметров процесса обработки, как количество брака, время
ц простоев, степень износа инструмента и т. п.;
Ч; возможность простой стыковки с системой управления РТК
или ГАП.
Недостатком DNC-систем на базе мини-ЭВМ является сравни-
тельно высокая стоимость и большие габариты. В связи с этим
сначала считалось, что индивидуальное использование мини-ЭВМ
для ЧПУ станком слишком дорого и можно обойтись более про-
стыми системами ЧПУ типа NC и CNC. Что же касается DNC-си-
стем, то их предполагалось использовать для ЧПУ группой стан-
ков. Согласно стандарту США EIA DNC-сйстема трактуется как
«система, содержащая некоторое число станков с ЧПУ, объеди-
ненных общим запоминающим устройством для хранения про-
грамм, запрашиваемых для управления станками».
Обычно станки с ЧПУ специализируются на выполнении
какой-либо одной группы технологических операций: фрезерова-
нии, сверлении и т. п. Вследствие .этого значительная доля рабо-
чего времени затрачивается на передачу детали с одного станка
на другой, а доля времени работы системы ЧПУ очень мала (ме-
нее 20 % полного цикла обработки). Для устранения этих потерь
были разработаны многооперационные станки с ЧПУ, получившие
название «обрабатывающих центров». Основная идея, реализуемая
в таких станках, заключается в том, чтобы осуществлять всю
обработку изделия с одной установки в рабочей зоне — центре
обработки. Для этого станок снабжается несколькими шпинде-
лями, магазином инструментов и устройством автоматической
смены инструмента при переходе с одних операций на другие.
В результате получается универсальный комбинированный станок,
объединяющий возможности нескольких различных специализи-
рованных станков с ЧПУ. Для управления такими сложными
обрабатывающими центрами обычные NC- и CNC-системы зача-
стую непригодны. Наиболее адекватным средством ЧПУ
или АПУ такими многооперационными станками являются
DNC-системы, обладающие необходимыми быстродействием и па-
мятью.
Современные системы ЧПУ типа CNC и DNC обычно ориенти-
рованы на определенный вид обработки и соответствующий ряд
станков. В этом проявляется их универсальность по отношению
к определенному классу технологических задач и используемого
оборудования. Однако отсутствие точного адреса станка, для кото-
рого предназначена данная система ЧПУ, вызывает необходи-
мость согласования их характеристик в каждом конкретном
случае. Информационной основой такого согласования могут
служить априорные сведения о специфических особенностях
станка и системы ЧПУ, данные предварительных измерений
107
и исследований, а также сигналы обратной связи от станка в про-
цессе его эксплуатации.
На практике задача согласования решается посредством адап-
тации системы ЧПУ к данному станку. Для этого в системах
ЧПУ типа CNC и DNC, использующих в своем составе микро-
или мини-ЭВМ, выделяются две специальные области памяти,
которые закрепляются за станочными параметрами и параметрами
системы ЧПУ. Присваивая определенные значения этим пара-
метрам, можно уточнить или ограничить функции ЧПУ, скоррек-
тировать управляющие программы, скомпенсировать неопре-
деленности и возмущения, настроить подсистемы контроля и
диагностики и т. п.
Полный набор параметров станка и системы ЧПУ, нужда-
ющихся в согласовании, достигает нескольких десятков или сотен,
поэтому согласование «вручную» чрезвычайно трудоемко и далеко
не оптимально. Трудности усугубляются тем, что согласуемые
параметры разнородны (функциональные переменные, константы,
двоичные признаки) и сильно различаются по назначению (услов-
ный или безусловный переход, блокировка, задание границ
изменения переменной и т. д.), по характеру ввода (однократный
при стыковке системы ЧПУ с данным станком и непрерывный при
самонастройке параметров системы ЧПУ в процессе эксплуатации)
и по доступности (доступны наладчику, требуют дополнительных
измерений и испытаний). Для преодоления возможных трудностей
необходимы дальнейшие исследования по классификации и си-
стематизации согласуемых параметров, организации банков дан-
ных и созданию программных средств автоматического приспо-
собления (адаптации) системы управления к конкретному станку
и условиям его эксплуатации в составе РТК или ГАП.
Главными достоинствами адаптивных систем DNC являются
возможность составления и корректирования программ движения
непосредственно в процессе работы станка, способность автома-
тической компенсации погрешностей и возмущений, а также
возможность автоматической диагностики неисправностей. Алго-
ритмы программирования движений, самонастройки законов упра-
вления и диагностики неисправностей реализуются в виде при-
кладного программного обеспечения для мини-ЭВМ.
Создание DNC-систем на базе мини-ЭВМ открывает новые
перспективы и широкие возможности для реализации адаптивного
и даже интеллектуального управления станками. Необходимость
перехода к адаптивному управлению на практике диктуется
тем, что многие параметры и условия, определяющие режим
обработки, могут непредсказуемо изменяться. Эта изменчивость
условий и вариативность параметров приводит к потере точности
обработки, к автоколебаниям и, как следствие, к быстрому изна-
шиванию или даже поломке инструмента. Для компенсации ука-
занных неблагоприятных явлений и служит адаптация. Она
заключается либо в автоматической коррекции программы об-
108
работки (например, с учетом износа инструмента), либо в само-
настройке структуры или параметров закона управления при-
водами станка с целью обеспечения заданного характера затуха-
ния переходных процессов при реализации требуемой программы
обработки.
Важную роль при разработке систем АПУ станков и обраба-
тывающих центров играет активный контроль размеров обраба-
тываемой детали и инструмента. Наряду с выносным контролем
(на базе координатно-измерительных машин и роботов) все шире
применяется и оперативный встроенный контроль. Для его орга-
низации используются различные средства контроля и измере-
ния: ультразвуковые, тактильные, телевизионные, оптические
(в том числе лазерные и голографические) и другие виды датчиков.
Организация обратных связей по сигналам, снимаемым с этих
датчиков, и адаптивная коррекция коэффициентов усиления
в каналах обратной связи позволяет существенно повысить эффек-
тивность управления станком в изменяющихся производст-
венных условиях. Такие условия особенно характерны для
ГАП.
Дальнейшее совершенствование станков с адаптивным управ-
лением связано с введением в DNC-системы элементов искусствен-
ного интеллекта. Сегодня уже ведутся интенсивные исследования
в области интеллектуального управления станками. При этом
значительное внимание уделяется визуальному контролю качества
обработки, распознаванию ситуаций (например, аварийных ситу-
аций типа поломки инструмента), планированию технологических
операций и оптимизации режимов обработки в недетерминирован-
ной рабочей обстановке.
Комплексирование станков и роботов с общим программным,
адаптивным или интеллектуальным управлением от ЭВМ позво-
ляет создавать РТК новых типов и поколений. Эти адаптивные
РТК представляют собой основное технологическое оборудование
как для некоторых современных, так и для многих перспективных
ГАП.
В общем случае система автоматизации программирования
(САП) станков состоит из двух основных элементов: станочно-
ориентированного языка программирования и собственно системы
программирования на ЭВМ.
Язык программирования включает словарь исходных данных
и понятий, связанных с конструкцией станков и технологией
обработки, и правила написания текстов программ обработки.
Идеальный язык программирования должен быть достаточно
универсальным и вместе с тем простым в применении. Он должен,
по возможности, учитывать разнообразие технологий обработки
и функций управления, которые постоянно расширяются. Совре-
менные языки программирования должны иметь средства для
описания и использования информации от датчиков (например,
от датчиков моментов и средств технического зрения) для адап-
109
тивной коррекции программы обработки или управляющих воз-
действий.
Система программирования состоит из комплекса системных
(сервисных) и прикладных программ для ЭВМ, представляющих
собой программное обеспечение. В процессе работы САП станка
эти программы заносятся в оперативную память компьютера
и осуществляется ввод и интерпретация (расшифровка содержа-
ния) текста программы обработки. После необходимых вычисле-
ний результаты кодируются в виде управляющей программы,
ориентированной на конкретный станок.
Появление в последние годы DNC-систем на базе мини-ЭВМ
открыло принципиально новые возможности для построения
систем АПУ станками. Такие DNC-системы позволяют программно
реализовать алгоритмы адаптивного управления практически
любой сложности. Для изменения алгоритмов управления
достаточно изменить соответствующие программы мини-
ЭВМ.
Системы АПУ типа DNC относятся к классу систем с гибкой
(перепрограммируемой) структурой. Они настраиваются на об-
работку определенной детали выбором соответствующих программ
адаптивного управления, хранящихся в ПЗУ. При этом широко
используются программные средства автоматизации программиро-
вания и диагностики неисправностей, которые органически соче-
таются со средствами адаптивного управления приводами. Бла-
годаря наличию всех этих средств на одной и той же мини-ЭВМ
резко сокращается время программирования и увеличивается
эффективность и надежность DNC-системы АПУ, что особенно
важно в условиях ГАП с большой номенклатурой изделий.
Автоматическое программирование систем АПУ обычно произ-
водится непосредственно перед началом обработки. В ряде
случаев процесс программирования упрощается, так как вместо
полного задания технологии обработки детали достаточно задать
лишь основные параметры технологических операций. Так, на-
пример, для сверления отверстий радиуса г, центры которых
расположены на окружности радиуса R (RZ>2r), достаточно
задать величины г и R, а также угловые координаты <р расположе-
ния отверстий относительно координатной оси. Для сравнения
заметим, что при изготовлении программы на перфоленте для
обычной NC-системы программист должен предварительно рас-
считать координаты всех точек сверления и соответствующим
образом их закодировать. Мини-ЭВМ в DNC-системах выполняет
подобные вспомогательные операции автоматически.
Программирование систем АПУ типа DNC обычно произво-
дится на языках типа ФОРТРАН и БЕЙСИК. Программное
обеспечение (ПО) мини-ЭВМ состоит из общесистемного и при-
кладного. Общесистемное ПО включает также сервисные про-
граммы, как программу загрузки, программу-диспетчер, про-
грамму распечатки листингов данных для их кодирования на
ПО
перфоленты и т. п. Эти программы неизменны для данного станка
с АПУ на базе мини-ЭВМ.
, В отличие от них прикладные программы существенно зависят
.от изготовляемой детали и используемых инструментов. Эти
программы часто формируются в виде программных модулей,
реализующих типовые операции, или их комбинаций. Основными
модулями систем АПУ являются: модуль построения и оптимиза-
ции программы обработки, модуль адаптивного управления,
модуль контроля качества обработки, модуль диагностики и вы-
дачи предупреждающих (в том числе и аварийных) сигналов,
модуль контроля за износом инструмента. Все эти программы
и модули обычно хранятся в энергозащищенном ПЗУ, что исклю-
чает возможность их стирания при отключении энергопитания.
Важным преимуществом DNC-систем является наличие раз-
витых средств диалогового общения оператора с системой АПУ.
Это позволяет корректировать и редактировать управляющие
программы непосредственно на станке без использования спе-
циальных средств кодирования и языков программирования
посредством введения в программу необходимых изменений в на-
туральных величинах (например, изменение скорости шпинделя
в об/мин или подачи в мм/об). В недалеком будущем диалоговые
средства общения превратятся в интеллектуальный интерфейс
на базе видеотерминалов или систем речевого управления.
Наличие микроЭВМ в системе АПУ позволяет необычайно
расширить ее функциональные возможности. Например, можно
оптимизировать последовательность обхода позиций сверления
(при позиционном управлении), интерполировать траектории фре-
зерования (при контурном управлении), компенсировать люфты
в редукторах посредством вычисления необходимых программных
коррекций и т. п.
DNC-системы позволяют программно реализовать адаптивные
законы управления приводами станка. Для этого нужно разо-
мкнуть обычные локальные обратные связи в приводах и завести
их через интерфейс ввода в мини-ЭВМ, которая на основе получа-
емой информации синтезирует тот или иной закон адаптивного
управления всеми приводами одновременно. Эти законы позво-
ляют обеспечить высокое качество (по точности, быстродействию,
отсутствию колебаний и т. п.) переходных процессов в ходе от-
работки заданной программы при наличии непредсказуемых
возмущений и помех, замедлить или ускорить подачи в зависи-
мости от режима обработки или физико-механических свойств
детали и т. д.
Использование мини-ЭВМ позволяет программно реализовать
алгоритмы автоматического контроля и диагностики. Диагности-
ческая программа служит для обнаружения неисправностей
в системе АПУ, а также в станке и периферийном оборудовании.
С этой целью текущая информация о состоянии всей аппаратуры
постоянно сравнивается с информацией о ее нормальном состоя-
111
нии, которая хранится в памяти мини-ЭВМ. Получаемая при этом
информация о характере и месте неисправности выводится на
видеотерминал или устройства печати. Оперативное исправление
обнаруженных неполадок способствует сокращению простоев
в станке и, следовательно, увеличивает его производительность.
Одна из первых систем диагностики на базе мини-ЭВМ была
разработана в 1974 г. фирмой «Керни энд Трекер» (Kerny and
Treker, США) [24 ]. Она обеспечивала обнаружение неисправностей
и профилактическое обслуживание многооперационных станков.
В этой системе индивидуальные мини-ЭВМ станков подключены
к центральной ЭВМ диагностического центра, обслуживающего
60 станков. Использование такой системы диагностики в произ-
водственных условиях позволило сократить время простоев стан-
ков на 95 %.
Другая система диагностики была программно реализована
на мини-ЭВМ PDP-11, служащей для управления одним или не-
сколькими станками по шести координатам. Эта DNC-система
была разработана в 1973 г. исследовательским центром МТИРА
(MT1RA, США) [24].
Неисправности, обнаруживаемые диагностической програм-
мой, делятся на два класса: катастрофические и ординарные.
К катастрофическим неисправностям относятся отказ приводов
подач или шпинделей, обесточивание ограничивающих путевых
выключателей и т. п. При обнаружении таких отказов DNC-сис-
тема автоматически переводится в аварийный режим вплоть до
устранения неисправности. К ординарным неисправностям отно-
сятся ошибки управления, ведущие к потере точности. Одним из
эффективных средств устранения таких ошибок является адаптив-
ная настройка коэффициентов усиления сервоприводов по сигна-
лам обратной связи. В системе предусмотрена возможность ото-
бражения обнаруженных ошибок на видеотерминале.
САП делятся на универсальные и специализированные. Уни-
версальные САП предназначены для подготовки управляющих
программ применительно к широкому классу станков, имеющих
одинаковое или различное технологическое назначение. Специали-
зированные САП ориентированы на небольшую группу станков
с вполне определенной системой ЧПУ.
Отличительной чертой универсальных САП является двух-
уровневая структура, включающая подсистему инвариантного
программирования (называемую иногда процессором) и подсистему
адаптации к станку (называемую пост-процессором). Подсистема
инвариантного программирования осуществляет необходимые гео-
метрические и технологические вычисления без учета специфики
конкретного станка и его системы управления. Результаты рабо-
ты (траектория инструмента, технологические команды и т. п.)
в соответствии с указаниями Международной организации по
стандартизации ISO рекомендуется представлять на языке
CLDATA,
112	”
Далее промежуточная программа адаптируется к специфическим
(особенностям конкретного станка и его системы управления.
Современные САП должны удовлетворять следующим требо-
ваниям. Первое требование — это высокое быстродействие САП,
связанное с существенным ускорением процесса программирова-
ния. Поскольку САП применяются непосредственно на производ-
стве, вторым важным требованием является и снижение себестои-
мости программного продукта в виде управляющих программ,
которая в значительной мере определяется стоимостью машинного
времени, затрачиваемого САП. Третье требование связано с воз-
можностью наращивания математического обеспечения САП с уче-
том совершенствования систем управления станков (например,
при переходе от систем ЧПУ к системам АПУ). Наконец, четвер-
тым важным требованием к САП является доступность и простота
эксплуатации, обеспечивающая технологу возможность на соот-
ветствующем проблемно-ориентированном языке программировать
процесс обработки.
В перспективе САП должны обеспечить прямой контакт тех-
нолога с ЭВМ на языке, близком к естественному, вплоть до рече-
вого диалога с САП. Для этого нужно разработать соответствую-
щий интеллектуальный интерфейс с технологической базой зна-
ний. Первые шаги в этом направлении уже сделаны: созданы пер-
вые системы АПУ, программируемые голосовыми командами [24].
Обычно устройства речевого программирования и управления
выпускаются в виде портативной приставки к САП серийной
системы ЧПУ или АПУ. Речевые команды поступают с микрофона
в микропроцессор, где они анализируются, распознаются и высве-
чиваются на экране дисплея для контроля. Словарный запас
оперативного языка САП станков в простейших случаях ограни-
чивается 30—50 словами и фразами. Для обеспечения надежного
распознавания речевых команд САП предварительно обучается.
В процессе обучения технолог произносит каждую команду
несколько раз. По этим данным автоматически строится машин-
ное описание всех команд, которое представляет собой по суще-
ству банк знаний, существенно используемый в процессе про-
граммирования для распознавания поступающих команд, про-
износимых технологом. Для устранения ошибок распознавания
(вызванных, например, изменением тембра голоса при смене тех-
нологов) или для расширения списка команд САП автоматически
дообучается и банк знаний пополняется новой информацией.
В настоящее время разработано и применяется большое число
различных САП. Среди отечественных САП отметим СПС-Т для
токарных станков, СПС-К для сверлильно-расточных станков,
САРПО и СПС-2,5 для программирования обработки по контуру
на фрезерных станках и универсальную САП «Технолог» [24].
Много различных САП создано за рубежом. Примером может
служить САП «Модапт-5Д» (M.0DAPT-5D), разработанная фир-
мой «Элсаг» (Elsag, Италия). Эта САП имеет гибкую модульную
113
структуру и использует язык программирования APT. Исходной
информацией для нее являются либо данные, снимаемые с чертежа
детали, либо образ детали, формируемый на этапе автоматизиро-
ванного проектирования. По этим данным САП «МОДАПТ-5Д»
формирует управляющую программу для станков с ЧПУ типа
CNC.
В САП имеется программный модуль «Драфт» (Draft), который
служит для контроля правильности (верификации) путем вывода
на графический терминал запрограммированной траектории ин-
струмента или ее проекций на три ортогональные плоскости.
Другой программный модуль, называемый пост-процессором, про-
изводит адаптацию синтезированной управляющей программы
к конкретному станку и особенностям его DNC-системы управле-
ния.
САП «МОДАПТ-5Д» нашла применение в составе интегриро-
ванного комплекса для производства турбинных лопаток. Она
осуществляет автоматическое программирование DNC-систем стан-
ков, фрезерование лопаток и контроль их качества с помощью
измерительной головки координатно-измерительного робота.
Простая и эффективная САП РЕГ (REG) разработана фирмой
«Бош» (Bosch, ФРГ). Эта система предназначена для автоматиче-
ского программирования тел вращения непосредственно на языке
технолога в режиме диалога. Она не требует предварительного
изучения специального языка программирования, поэтому ею
может пользоваться оператор, не знающий языков программиро-
вания.
Технология программирования токарной обработки тел враще-
ния с помощью САП РЕГ заключается в следующем. При вклю-
чении САП на экране дисплея изображается меню рабочих режи-
мов и функций.
Программирование начинается с режима, в котором запраши-
ваются и вводятся в запоминающее устройство геометрические
характеристики детали и заготовки, а также автоматически вы-
полняются некоторые вспомогательные функции (автоматическое
определение масштаба изображения детали на экране дисплея
и т. п.). Оператор с алфавитно-цифрового пульта вводит все
необходимые элементы детали (цилиндр, корпус, шар, бочку,
канавку, выточку, закругление, фаску) и вид резьбы (коническая
или цилиндрическая).
На втором этапе составляется рабочий план обработки детали,
включающий разложение на зоны резания, выбор способа и тех-
нологии резания в каждой зоне (определение припуска на чисто-
вую обработку, задание глубины и скорости резания, выбор ин-
струментов и т. п.). Далее в режиме диалога вводятся необходи-
мые данные и параметры относительно инструмента (номер инстру-
мента, установочные размеры, коррекция на износ, предельные
параметры подачи, скорость и глубина резания), зажимных
устройств (основные параметры зажимного патрона и кулачков)
114
и важнейшие параметры станка (рабочие диапазоны и конструк-
тивные ограничения, направление перемещения шпинделя и т. д.).
На третьем этапе осуществляется по мере необходимости ре-
дактирование любых данных из числа ранее упомянутых. После
этого производится генерация кадров управляющей программы
либо непосредственно на ЧПУ «Альфа-2» (Alpha-2) типа CNC,
либо в запоминающее устройство на магнитную или перфоленту.
Описанная диалоговая САП требует разработки достаточно
мощного математического обеспечения. Аппаратно-программная
реализация всех функций САП при современном уровне развития
схемотехники позволяет создать весьма компактное устройство.
Общий вид САП РЕГ представлен на рис. 4.1.
Рис. 4.1. Панель системы автоматизации программирования обработки тел вра-
щения
На практике программирование тесно переплетается с проекти-
рованием и конструированием на базе ЭВМ. Это проявляется в том,
что управляющая программа обработки включает не только ин-
формацию о геометрии детали, но и все необходимые данные о тех-
нологии ее изготовления. Поэтому системы автоматизации проек-
тирования изделий зачастую развиваются на основе и в рамках
САП станков.
Примером такой интеграции может служить система «Кадам»
(Cadam), разработанная и внедренная в 1974 г. фирмой «Локхид»
(Lockheed, США) для автоматизации проектирования деталей само-
летов и автоматизации программирования станков для изготовле-
ния этих деталей. Ряд подобных интегрированных систем создан
и в СССР. Так, в Ленинграде создана система автоматизированного
проектирования деталей и технологической подготовки произ-
водства в рамках интегрированного производственного комплекса
для токарной обработки тел вращения [34].
Исходной информацией для системы служит образ детали,
синтезированной из элементарных поверхностей (цилиндра, сферы,
115
конуса, фаски, канавки и т. п.). Поэтому образу САПР, построен-
ная по модульному принципу, формирует выносные виды и сече-
ния детали, осуществляет расчеты на прочность, отыскивает
в базе данных образы, аналогичные детали, формирует графиче-
ское изображение детали и ее компоновку. Далее автоматизиро-
ванная система технологической подготовки производства, в сос-
тав которой входит и САП, производит выбор заготовки, оценку
припусков, определение маршрутной и операционной технологии,
выбор инструмента и режимов резания, формирование траектории
движения инструмента и расчет управляющих программ, которые
подаются непосредственно на токарные станки с ЧПУ. Диалоговая
система позволяет синтезировать на экране графического дисплея
изображение детали по ее образу, получать его твердую копию
с помощью чертежно-графического автомата и выдавать управляю-
щие программы в системы ЧПУ станков. Такая сквозная автома-
тизация позволяет существенно сократить цикл от проектирова-
ния детали и программирования системы ЧПУ до изготовления
детали на РТК механической обработки, в состав которого входят
12 токарных станков с ЧПУ и встроенными манипуляционными
роботами и транспортный робот с бортовым манипулятором.
4.2.	АВТОМАТИЗАЦИЯ	'
ПРОГРАММИРОВАНИЯ СТАНКОВ
Основными преимуществами станков с ЧПУ, по сравнению
с обычными станками, являются их гибкость и универсальность,
связанные с возможностью программирования систем ЧПУ на
выполнение широкого класса технологических операций. Кроме
того, станки с ЧПУ значительно производительнее. Это дости-
гается за счет оптимизации и синхронизации режимов обработки
по всем управляемым координатам. Наконец, системы ЧПУ заме-
няют станочников, что создает необходимые предпосылки для
перехода на безлюдную технологию.
В связи с этим в промышленно развитых странах наметилась
тенденция к опережающему росту выпуска станков и обрабаты-
вающих центров с ЧПУ по сравнению с традиционным станочным
оборудованием. Так, например, развитие парка фрезерных стан-
ков с ЧПУ привело в последние годы к тому, что они составляют
20—30 % от общего числа станков. На отдельных заводах с гиб-
кой автоматизацией производства работает от нескольких десят-
ков до нескольких сотен станков с ЧПУ.
Однако потенциальные возможности станков с ЧПУ исполь-
зуются далеко не полностью. Одной из главных причин этого
является большая трудоемкость и длительные сроки подготовки
управляющих программ. Так, например, использование станков
с ЧПУ при обработке крупногабаритных деталей из легких спла-
вов приводит к тому, что трудооемкость обработки снижается
116
в 3—4 раза, а трудоемкость и сроки технологической подготовки,
связанной с созданием управляющих программ, возрастают
в 8—10 раз [57].
Сложность программирования снижает эффективность станков
с ЧПУ и порождает значительные трудности на пути их широкого
внедрения в ГАП. Дело в том, что использование систем ЧПУ,
хотя и высвобождает рабочих-станочников, но требует привлече-
ния технологов-программистов для подготовки управляющих
программ. При этом вся информация, необходимая для обработки,
переносится с чертежа на программоноситель. По мере считыва-
ния управляющей программы рабочие органы станка автоматиче-
ски выполняют требуемые технологические операции.
Подготовка управляющих программ включает следующие
основные этапы: разработку технологии автоматической обра-
ботки; программирование процесса обработки; отладку и редакти-
рование управляющих программ. На первом этапе технологу
приходится составлять сложные расчетно-технологические карты.
Трудоемкость этого этапа достигает 30 % от общей трудоемкости.
Второй этап требует высокой программистской квалификации
технолога. Трудоемкость этого этапа, связанного зачастую со
сложными математическими расчетами программ обработки, сос-
тавляет 45 %. Наименее трудоемким (порядка 25 %), но весьма
ответственным с точки зрения обеспечения требуемого качества
обработки и высокой надежности системы ЧПУ является третий
этап.
Эффективность станков с ЧПУ зависит в значительной степени
от уровня автоматизации подготовки управляющих программ.
Поэтому в последнее время большое внимание уделяется автома-
I тизации программирования процесса обработки. В СССР и за
I рубежом разработаны специальные системы автоматизации про-
I граммирования (САП-3, САПС, САПР, «Гран», APT, «Адарт»
I и др.). Эти системы не только снижают трудоемкость процесса
I подготовки управляющих программ, но и придают станку допол-
I нительную гибкость и адаптивность. Последнее обстоятельство
| позволяет относить системы программного управления, снабжен-
I ные средствами автоматизации программирования процесса об-
| работки, к адаптивным системам управления. Адаптация этих
I систем к неопределенным и изменяющимся характеристикам
J станка, инструмента и детали (тепловые и упругие деформации,
| износ инструмента и т. п.) проявляется в автоматической коррек-
I ции программы обработки. Реализация этого свойства требует
В разработки соответствующего алгоритмического и программного
I обеспечения.
L Рассмотрим особенности методов и средств автоматизации
 программирования станков и обрабатывающих центров. Основ-
Иные принципы и алгоритмы гибкого программирования в общем
И виде изложены в гл. 2. Однако программирование станков имеет ’
 свою специфику.
117
Одной из первых нетривиальных функций программирования
станков, потребовавших применения ЭВМ, было интерполирова-
ние траекторий инструмента. Впоследствии возникла необходи-
мость в интерполяции и аппроксимации контура изготовляемой
детали (например, в виде последовательности отрезков прямых и
дуг окружности) с помощью ЭВМ.
Другой важной вычислительной операцией, связанной с про-
граммированием станков, является вычисление эквидистанты
контура изготовляемой детали, т. е. кривой, равноотстоящей от
заданного контура. Например, при фрезеровании форма детали
определяется режущей кромкой фрезы, а программа фрезерова-
ния должна задавать движение центра фрезы. В связи с этим
возникает необходимость вычисления эквидистанты контура из-
готовляемой детали. Для автоматизации этой сложной операции
обычно используется микроЭВМ.
В дальнейшем выяснилась необходимость в вычислении и вне-
сении в программу обработки поправок на износ инструмента и
в выполнении других операций, связанных с реализацией адаптив-
ного управления. Автоматизация всех этих операций также бази-
руется на микро- и мини-ЭВМ.
Таким образом, сложность и трудоемкость процесса програм-
мирования станков потребовали его автоматизации с помощью
ЭВМ. Для составления программы работы станка на ЭВМ необ-
ходимо прежде всего разработать соответствующие алгоритмы.
В качестве таких алгоритмов можно использовать гибкие алго-
ритмы, описанные во второй главе. Реализация необходимых
алгоритмов на ЭВМ требует специального языка, позволяющего
описать технологический процесс обработки в виде управляющей
программы.
Первый язык для автоматизации программирования процесса
обработки APT (Automatic Programming Tools) был разработан
в США в 1956 г. применительно к металлорежущим станкам [24].
Наряду с важными достоинствами (гибкостью, отсутствием огра-
ничений на формат данных и т. п.) этот язык обладает и серьезными
недостатками (большой сложностью, низкой эффективностью при
решении простых задач и др.). Он содержит в своем словаре
свыше 300 операторов. Его математическое обеспечение занимает
объем в 250 Кбайт и позволяет строить математические модели
деталей сложной конфигурации. Для реализации языка APT
нужны достаточно мощные микро- или мини-ЭВМ.
На базе языка APT в ряде стран были созданы различные его
модификации: ЕХАРТ (ФРГ), NELAPT (Англия), IFAPT (Фран-
ция) и др. Во всех этих языках используются геометрические и
технологические понятия (например, «фреза», «сверло», «отрезок»,
«круг», «внутри», «слева» и др.). При помощи таких понятий, ис-
пользуемых в качестве слов языка программирования, оказы-
вается возможным задавать тип, направление и скорость движе-
ния инструмента, управлять режимами обработки, описывать
118
обрабатываемые поверхности и т. п. Эта особенность' языка APT
и его модификаций облегчает человеку процесс программирования.
Вместе с тем она свидетельствует об определенном сходстве языка
APT с современными языками «концептуального программиро-
вания».
Программирование станка осуществляется в следующем по-
рядке. Сначала по чертежу изделия составляется программно-
технологическая карта в терминах алфавитно-цифрового кода.
Затем информация, заключенная в карте, переносится на перфо-
карту и вводится в ЭВМ. В результате получается первичная
программа, которая, однако, еще не может непосредственно ис-
пользоваться для управления конкретным станком.
Для адаптации первичной программы к определенному станку
служит специальная согласующая программа, учитывающая осо-
бенности конструкции станка, структуру и функции системы уп-
равления, порядок автоматической смены инструмента и т. п.
Разработка и совместное использование первичной и согласующей
программ делают процесс программирования слишком сложным.
Поэтому для конкретных технологических процессов были разра-
ботаны простые версии специализированных языков программи-
рования.
4.3.	СИСТЕМЫ
АДАПТИВНОГО ПРОГРАММНОГО УПРАВЛЕНИЯ
И ДИАГНОСТИКИ СТАНКОВ
Системы адаптивного программного управления (АПУ) стан-
ками сложнее обычных систем ЧПУ, поэтому для их программно-
аппаратной реализации обычно используются DNC-системы на
базе мини-ЭВМ с развитым программируемым интерфейсом.
В ряде случаев оказывается возможным реализовать адаптивное
управление и на базе мультимикропроцессорных систем ЧПУ
типа CNC посредством введения соответствующих элементов адап-
тации. Расширение функциональных и адаптационных возможно-
стей систем ЧПУ достигается посредством их простого усовершен-
ствования за счет наращивания программного обеспечения или
подключения дополнительных микропроцессоров, реализующих
алгоритмы адаптации и искусственного интеллекта. При этом
станок может работать в основном в обычном режиме ЧПУ, а пе-
реход к АПУ производится автоматически в тот момент, когда
в этом возникает необходимость.
Рассмотрим особенности современных микропроцессорных сис-
тем ЧПУ, допускающих реализацию элементов адаптации. Эти
CNC-системы, серийно выпускаемые рядом зарубежных фирм и
отечественных предприятий, строятся на базе нескольких одно-
типных микропроцессоров или микроЭВМ, специализирующихся
на выполнении определенных функций обработки информации и
управления в реальном времени. Вычислительные возможности
119
таких мультимикропроцессорных систем сравнимы с возможно-
стями современных мини-ЭВМ. Однако они обладают еще тем
преимуществом, что допускают естественное распараллеливание
вычислительных процессов, что особенно важно для реализации
адаптивного управления в реальном времени.
Основными требованиями, предъявляемыми к микроЭВМ и
микропроцессорам систем АПУ, являются высокое быстродействие
(порядка нескольких миллионов операций в секунду), достаточная
длина слова (чаще всего это 8- или 16-разрядные слова), развитая
система команд, большой объем памяти и разнообразный интер-
фейс.
Важную роль в микропроцессорных системах ЧПУ и АПУ
играют запоминающие устройства. Обычно используются три
типа таких устройств, реализуемых на интегральных схемах
с большой степенью интеграции:
1)	оперативное запоминающее устройство (ОЗУ), обеспечи-
вающее считывание и запись информации в режиме реального
времени;
2)	постоянное запоминающее устройство (ПЗУ), допускающее
только считывание информации и обеспечивающее хранение ин-
формации при отключении электропитания;
3)	перепрограммируемое постоянное запоминающее устройство
(ППЗУ), допускающее стирание информации и перепрограмми-
рование.
ОЗУ служит для временного хранения информации, необхо-
димой для формирования управляющих сигналов. В современных
микропроцессорных системах ЧПУ ОЗУ часто используется для
записи и считывания управляющей программы и различных ви-
дов коррекции ее параметров (скорости главного привода, рабочих
подач, длины инструмента и т. п.). При отключении электропи-
тания содержимое ОЗУ стирается.
ПЗУ используется для хранения сервисных и функциональных
программных модулей (технологические циклы обработки, алго-
ритмы управления), а также для хранения постоянных данных
(параметры станка, ограничения и т. п.).
ППЗУ служит для хранения быстроменяющейся информации
и дополнительных программных модулей (например, модулей
адаптации).
Типичным примером использования микропроцессоров, ОЗУ
и ПЗУ в системе АПУ может служить система фирмы «Актрон»
(Aktron, США). Эта система реализована на трех одинаковых
16-разрядных микроЭВМ, каждая из которых ориентирована на
выполнение определенных функций управления. Первая микро-
ЭВМ служит для расчета (интерполяции) программ обработки и
их коррекции, вторая — для адаптивного управления приводами
станка, третья — для управления интерфейсом ввода-вывода.
Все алгоритмы обработки информации и управления реализованы
программно и хранятся в ПЗУ. Для хранения типовых циклов
120
обработки, коррекций и постоянных параметров используется
общая для всех процессоров память данных, выполненная на базе
ОЗУ и ПЗУ.
Таким образом, мультимикропроцессорные системы АПУ обес-
печивают возможность программно-аппаратной реализации весьма
сложных и совершенных алгоритмов управления станками, вклю-
чая и алгоритмы адаптации. Программные модули, реализующие
эти алгоритмы, целесообразно хранить в энергонезависимом ПЗУ.
Важную роль при организации АПУ играют диалоговые сред-
ства общения оператора с CNC-системой, обеспечивающие воз-
можность редактирования управляющих программ, введения
коррекций, изменения параметров и формирования типовых тех-
нологических циклов обработки. По мере отладки управляющих
программ их вводят в ОЗУ или ПЗУ.
Автоматизация программирования станков является одним из
первоочередных направлений развития систем АПУ. Другим важ-
ным направлением, связанным с увеличением надежности станков,
является создание и совершенствование средств диагностики не-
исправностей. Для улучшения качества обработки в CNC-системах
нужно шире использовать такие средства адаптации, как коррек-
цию программ в зависимости от износа инструмента, компенсацию
усилий на шпинделе, самонастройку управляющих воздействий
и т. п.
Технические и функциональные параметры современных микро-
процессорных систем ЧПУ типа CNC, используемых также в ка-
честве систем АПУ (при введении в них соответствующих элемен-
тов адаптации) для фрезерных станков и обрабатывающих центров,
приведены в табл. 4.1.
Резюмируя вышеизложенное, можно утверждать, что мини-
ЭВМ открыли новый этап в построении систем АПУ и диагностики
станков. Они позволяют существенно расширить функциональные
возможности DNC-систем (за счет соответствующего наращивания
программного обеспечения) при одновременном сокращении и
упрощении их аппаратной части. Благодаря гибкости и адаптив-
ности эти системы обеспечивают возможность быстрого перехода
с одной программы обработки на другую или с одного станка на
другой. Автоматическая диагностика неисправностей в сочета-
нии с упрощением аппаратной части приводит к сокращению про-
стоев и увеличению надежности станков с АПУ от мини-ЭВМ.
Все это говорит о целесообразности применения таких станков
в составе адаптивных РТК.
Однако несмотря на отмеченные преимущества систем АПУ на
базе мини-ЭВМ важную роль для адаптивного управления стан-
ками играли и продолжают играть мультимикропроцессорные
CNC-системы. Они проще, дешевле и не требуют от оператора
знаний языков программирования. Практика показывает, что
в ряде случаев мультимикропроцессорные системы АПУ станками
оказываются достаточно эффективными. Поэтому можно ожидать,
121
ТАБЛИЦА 4.1
I	Технические и функциональные параметры	Емкость ОЗУ	м И И EJ S 3 | со
	Тип ОЗУ	ИС565РУЗ CMOS-RAM
	Тип датчика перемещения	Револьвер, индук- тосин Сельсин, индукто- син Револьвер, индук- тосин То же
	Способ интерполяции	Линейно-круговая Линейная, круговая, винтовая Линейная, круговая
	Число управ- ляемых коорди- нат	Tf Tf со	| СО
Изготовитель		ПО «Контур» (СССР) ФРГ «General Electric» (США) «Fanuc» (Япония)
Модель системы управления		2С42 SINUMERIK-7M «Mark Gentry» «System-7»
что в ближайшем будущем они
сохранят свои позиции и будут
применяться в адаптивных РТК и
ГАП вместе с более перспектив-
ными системами АПУ типа DNC.
4.4.	ПРИМЕРЫ
АДАПТИВНЫХ
СТАНКОВ
Существенным недостатком
станков с ЧПУ, который особенно
ярко проявляется в условиях
ГАП, является то, что они зачас-
тую не гарантируют выполнения
наперед заданных жестких требо-
ваний по точности и качеству об-
работки деталей, а также по произ-
водительности станка и себестои-
мости продукции. Надо отметить,
что в последние годы удалось зна-
чительно повысить жесткость кон-
струкции станков и качество ре-
жущего инструмента. Так, в
современных станках жесткость
рабочих органов допускает уско-
рения порядка 0,5g, а скорости
ходов возросли до 15 м/мин. Од-
нако этого в ряде случаев недо-
статочно, так как точность пози-
ционирования сегодня колеблется
в пределах 0,005—0,001 мм (в
зависимости от класса обрабаты-
ваемых деталей), а время тормо-
жения от максимальной скорости
(около 15 м/мин) до остановки со-
ставляет 0,1 с.
Решение задачи максимального
использования возможностей стан-
ков осложняется недетерминиро-
ванностью и нестационарностью
условий обработки. Это прояв-
ляется в том, что режущие свойст-
ва инструмента непредсказуемо
изменяются, обрабатываемые де-
тали имеют значительный техно-
логический разброс по твердости
и однородности материала, а на
122
систему управления действуют неконтролируемые возмущения.
Поэтому для более эффективного использования станков как
составной части оборудования РТК и ГАП необходим принци-
пиально иной подход к управлению. В основе этого подхода
лежит идея адаптации (автоматического приспособления) системы
управления к изменяющимся параметрам станка, инструмента и
детали.
Принципиальное отличие станочных систем АПУ от обычных
систем ЧПУ заключается в том, что процесс управления в них на-
ходится в прямой зависимости от протекания процесса обработки.
Новым качеством таких систем управления является самонастройка
параметров законов управления приводами подачи и главного
движения.
В системах АПУ более высокие показатели по точности и
производительности достигаются благодаря использованию ин-
формации отдатчиков резания и самонастройки структуры и пара-
метров системы управления.
Системы АПУ принято делить на два класса в зависимости от
характера используемого критерия качества. Если критерием
качества является достижение экстремума соответствующего функ-
ционала, то системы АПУ относятся к оптимальным (или экстре-
мальным). Однако решение задачи оптимального адаптивного
управления станком в ряде случаев (например, при использова-
нии к качестве функционала качества приведенных затрат) натал-
кивается на значительные трудности. Поэтому на практике задача
решается лишь в простейших случаях с использованием эвристи-
ческих приемов и эмпирических формул. Так, при расчете режи-
мов обработки и систем АПУ, оптимальных по времени стойкости
инструмента, часто используют упрощенную математическую
модель механической обработки, аппроксимирующую эмпириче-
ские зависимости. Но даже в этом случае алгоритмы оптимального
АПУ станком могут оказаться слишком сложными. Их реализа-
ция сопряжена с большими техническими сложностями, связан-
ными с организацией необходимых измерений непосредственно
в зоне резания и фильтрацией помех. Кроме того, время поиска
экстремума может оказаться соизмеримым с временем обработки.
Другой класс систем АПУ, свободный от многих из перечислен-
ных недостатков, основывается на критериях качества, определяе-
мых целевыми или вспомогательными эстиматорными неравен-
ствами. Эти неравенства, описывающие цель управления, обычно
задают требуемую точность (или чистоту) обработки или характе-
ризуют качество переходных процессов. Алгоритмы АПУ должны
обеспечить выполнение этих неравенств, начиная с некоторого
момента времени, не превышающего заданную величину. При этом
система АПУ может работать как обычная система ЧПУ до тех
пор, пока не нарушаются целевые или эстиматорные неравенства.
В момент нарушения этих неравенств, т. е. при выходе регули-
руемых величин за заданные пределы, включается система адап-
123
Рис. 4.2. Структурно-функциональная
схема системы АПУ станка
тации, которая осуществляет
коррекцию управляющей про-
граммы и самонастройку па-
раметров исполнительных при-
водов. Такие системы АПУ
составляют класс так называе-
мых предельных (или беспоис-
ковых) систем.
Структурно-функциональная схема системы АПУ предельного
типа представлена на рис. 4.2. Она, как и система ЧПУ, включает
программатор — модуль автоматического построения и коррекции
программы обработки и регулятор — модуль формирования уп-
равляющих воздействий на приводы станка, охваченный внутрен-
ними локальными обратными связями (обычно по величине подач
и скорости шпинделя). Кроме того, в систему АПУ входят эсти-
матор — модуль оценки качества переходных процессов и точ-
ности обработки и адаптатор — модуль самонастройки структуры
и параметров регулятора (а в случае необходимости и программа-
тора), получающие необходимую для адаптации информацию от
датчиков. Эти датчики формируют сигналы обратных связей
не только о величине подачи и скорости шпинделя (как это при-
нято в обычных системах ЧПУ), но и о силе резания, размерных
отклонениях детали, смещении или износе инструмента
и т. д.
Проведем сравнительный анализ работы станка при ЧПУ и
АПУ. В системе ЧПУ программатор формирует программу обра-
ботки в зависимости от геометрии обрабатываемой детали и с уче-
том конструкционных ограничений. Эта программа представляет
собой закон изменения подачи инструмента и скорости шпинделя
станка. Регулятор, сравнивая программные значения подачи и
скорости шпинделя с их фактическими значениями, получаемыми
от датчиков, стабилизирует заданные программой обработки
положение инструмента и скорость резания. Однако качество
переходных процессов (прежде всего по быстродействию и точ-
ности) может оказаться неудовлетворительным. Это приводит
к снижению производительности станка и качества обрабатывае-
мых на нем деталей.
В системе АПУ эстиматор сигнализирует об опасном ухудше-
нии качества переходных процессов. Он включает адаптатор,
который корректирует структуру или параметры программатора
и регулятора таким образом, чтобы исправить положение и обес-
печить достижение цели управления независимо от непредска-
зуемых возмущений в системе станок — инструмент — деталь,
чем бы они не были вызваны (упругими деформациями и трением
124
в редукторах, дрейфом параметров приводов, износом инстру-
мента, неоднородностью свойств деталей и т. п.).
Поясним смысл и характер адаптации в системе управления
станком на примере простейшей системы АПУ, разработанной
фирмой «Боинг» (Boing, США) [24]. Эта система разработана для
адаптивного управления фрезерованием. В ней наряду с обычными
обратными связями по величине подачи и скорости резания ис-
пользуется обратная связь по силе резания. Последняя форми-
руется тензодатчиками, установленными непосредственно на шпин-
деле станка.
Пересчитывая сигналы с тензодатчиков, пропорциональные
силе резания, адаптатор формирует корректирующий сигнал для
регулятора в виде интеграла отклонения текущего значения силы
резания от ее программного значения. Этот сигнал суммируется
в регуляторе с программной величиной подачи, формируемой про-
грамматором, и подается для отработки на приводы подачи. Ка-
чество управления контролируется эстиматором. При подготовке
к работе описанного станка с АПУ оператор устанавливает нуж-
ную перфоленту, содержащую информацию о программных зна-
чениях подачи, скорости шпинделя и силы резания, а также необ-
ходимый инструмент.
Элементы адаптации применялись в отечественных станках
задолго до появления систем ЧПУ [1 ]. Примером могут служить
первые системы регулирования скорости резания в зависимости
от температуры резца и системы поднастройки упругих деформа-
ций станка, разработанные в 30-х—40-х годах III. Однако прак-
тическое использование методов и средств адаптивного управления
в отечественном станкостроении началось лишь недавно [3].
При этом медленные темпы и малые масштабы перехода от обыч-
ных систем ЧПУ к принципиально новым и более эффективным
системам АПУ не соответствуют имеющемуся заделу по теории
адаптивных систем и современным вычислительным средствам
для их аппаратно-программной реализации.
Особый интерес представляет построение систем АПУ типа
CNC и DNC на базе микро- и мини-ЭВМ. Благодаря гибкости
программного обеспечения таких систем АПУ они могут быстро
самонастраиваться на конкретную систему станок — инструмент —
деталь в изменяющихся производственных условиях, обеспе-
чивая высокую производительность при заданной точности
обработки.
Примером станка с АПУ на базе микроЭВМ может служить
трехкоординатный вертикально-фрезерный станок, управляемый
от ЭВМ РР-320 [24]. Программатор формирует программу обра-
ботки и, в частности, такие ее параметры, как вращающий момент
на шпинделе и силу тока в цепи якоря электродвигателя. Он
осуществляет также интерполяцию подачи на основании инфор-
мации о скорости подачи. При этом грубая интерполяция осущест-
вляется по гибкому алгоритму, вычисляющему длину хорды по
125
заданной кривизне контура и допуску, а точная — по жесткому
алгоритму линейной интерполяции.
Целевые условия, контролируемые эстиматором, заключаются
в поддержании момента на фрезе и силы тока в цепи якоря электро-
двигателя главного движения в заданных пределах. Для обеспе-
чения выполнения этих условий в процессе обработки служит
пропорционально-интегральный регулятор с обратной связью по
указанным переменным. При этом величина подачи не изменяется,
если момент не превышает заданного порога. В противном случае
(например, при скачкообразном увеличении момента вследствие
изменения глубины или ширины резания) автоматически вклю-
чается адаптатор, осуществляющий самонастройку коэффициентов
усиления регулятора в соответствии с изменением скорости подачи.
Описанная система АПУ реализована в виде программных
моделей ЭВМ РР-320, причем время расчета одного такта адаптив-
ного управления не превышает 1 мс. Благодаря этому система
АПУ обеспечивает управление станком в реальном времени.
Рассмотрим теперь токарный станок с АПУ на базе микроЭВМ
с микропроцессором «Интел-8080» (7nte/-8080) [24]. Программа-
тор рассчитывает заданную подачу и силу резания и подает их
в регулятор, который управляет подачей в зависимости от факти-
ческой силы резания, измеряемой датчиком. Регулятор работает
в обычном режиме, пока сила резания равна величине, заданной
программой обработки. Если же сила резания существенно от-
клоняется от заданного значения, то срабатывает эстиматор и
регулятор автоматически переходит в режим адаптации. При
этом включается адаптатор, который изменяет структуру регуля-
тора посредством введения дополнительной обратной связи по
интегралу отклонения силы резания от программной величины и
осуществляет скачкообразное изменение соответствующего коэф-
фициента усиления, рабочий диапазон которого разбит на три
зоны.
Описанная система АПУ программно реализована на языке
Ассемблер и занимает память в 1,5 К слов. Цифровые сигналы
управления подаются через каждый 15 мс, причем время их
расчета на каждом такте не превышает 13 мс. Как показали
эксперименты, при подачах 125—500 мм/мин для деталей из стали
и 500—2000 мм/мин — для деталей из алюминия время обработки
при АПУ сократилось в среднем на 40 % по сравнению с обычным
ЧПУ.
Рассмотренные системы АПУ относятся к классу предельных
систем технологического типа, в которых управление сводится
к регулированию подачи или глубины резания. Сложнее управ-
лять точностью обработки, т. е. формой и размерами изделий.
Трудности связаны в основном с организацией размерных изме-
нений непосредственно в процессе обработки. Однако в последнее
время появились встроенные системы активного контроля, неко-
торые из которых описаны в гл. 8.
126
ТАБЛИЦА 4.2
Тип детали	Показатели системы управления						Сокра- щение затрат, %
	Число кадров программы		Время обработки, мин		Экономия времени, %		
	ЧПУ	АПУ	ЧПУ	АПУ	програм- мирова- ния	обра- ботки	
Шпиндель токарного станка	60	20	26,5	16	64	36,6	33,6
Шпиндель фрезерного станка	100	40	26	И	56	57,7	51,9
Вал с двусторонней резьбой	80	48	33	25	36	24,2	15,4
Вал с шестерней	58	28	12,6	9	46	28,6	20,3
Использование таких средств в контуре управления позволяет
строить эффективные системы АПУ геометрического типа, обеспе-
чивающие высокую точность формообразования изделий. Приме-
ром такой системы может служить CNC — система АПУ обраба-
тывающим центром НМ60 (Япония). В процессе чернового про-
хода она осуществляет радиальную подачу резца и измерение его
фактических размеров с помощью специальной измерительной
головки. Результаты измерений используются для адаптивной
коррекции управляющей программы при чистовом проходе.
Применение адаптивных станков вместо обычных станков
с ЧПУ, как правило, значительно улучшает технико-экономиче-
ские показатели производства. Для иллюстрации этого положе-
ния в табл. 4.2 приведены сравнительные данные по обработке
ступенчатых валов сложного профиля на станках с ЧПУ и с
с АПУ [24].
Резюмируя вышеизложенное, можно утверждать, что исполь-
зование вместо обычных систем ЧПУ систем АПУ позволяет суще-
ственно расширить функциональные возможности и повысить
надежность станков. Переход к АПУ обычно приводит к сокраще-
нию отказов и простоев, повышению производительности станков
и качества изделий.
4.5.	КОНЦЕПЦИЯ И ПЕРСПЕКТИВЫ РАЗВИТИЯ
ИНТЕЛЛЕКТУАЛЬНЫХ СТАНКОВ
Развитие станочных систем АПУ применительно к ГАП с без-
людной технологией привело в последние годы к осознанию необ-
ходимости совершенствования их посредством введения соответ-
ствующих элементов искусственного интеллекта. Интеллектуали-
зация управления станками требует прежде всего разработки
алгоритмического и программного обеспечения для решения тех-
нологических задач интеллектуального характера. К таким за-
127
дачам можно отнести рассмотренные выше задачи автоматиче-
ского программирования и самодиагностики станков. Важную
роль играют также такие задачи, как распознавание образов
(например, распознавание команд при речевом управлении стан-
ком), анализ обстановки в рабочей зоне на основании видеоинфор-
мации от системы технического зрения, идентификация деталей
или инструментов, классификация ситуаций, планирование опе-
рации, моделирование рабочей зоны и процессов обработки.
Для решения этих задач нужно, во-первых, подходящее инфор-
мационное обеспечение, т. е. дополнительные датчики и банки
данных (или знаний), во-вторых, соответствующее программное
обеспечение, т. е. пакет «интеллектуальных» программ обработки
информации, и, в-третьих, достаточно мощная ЭВМ для реализа-
ции этих «интеллектуальных» программ в сочетании с обычным
системным и прикладным обеспечением станочных систем АПУ.
Решение всех этих вопросов наталкивается на большие трудности
и сопряжено со значительными затратами. Тем не менее концеп-
ция интеллектуального управления активно развивается [24,
100, 118, 121]. Ее развитие привело к новому представлению об
эффективных принципах и средствах автоматического управления
станками, связанных с созданием систем АПУ с элементами ис-
кусственного интеллекта. При этом введение дополнительных
элементов искусственного интеллекта диктуется в каждом кон-
кретном случае производственной необходимостью и функцио-
нальными возможностями станка.
Поясним особенности интеллектуальных станков на примерах
[24, 100]. Рассмотрим токарный обрабатывающий центр для ГАП.
Интеллектуализация управления центром требует полной авто-
матизации таких функций, как программирование и настройка
станка на обработку конкретной детали, оптимальная загрузка-
разгрузка деталей и смена инструмента, контроль за процессом
обработки для предотвращения аварий (вызываемых, например,
поломкой инструмента), уборка стружки и охлаждение в зоне
резания, диагностика возможных неисправностей станка или его
системы управления, измерение обрабатываемых поверхностей и
их распознавание. Некоторые из этих функций легко автоматизи-
руются в рамках обычных систем АПУ, другие требуют разра-
ботки соответствующих элементов интеллекта. Последнее отно-
сится, например, к самопрограммированию и самодиагностике
системы АПУ, обнаружению поломки инструмента и идентифика-
ции геометрических особенностей обрабатываемой поверхности.
Что касается автоматизации функций программирования и диагно-
стики, то соответствующие программно-аппаратные средства для
их реализации были описаны в п. 4.2 и 4.3. Поэтому здесь остано-
вимся только на автоматизации обнаружения поломок инстру-
мента и идентификации свойств обрабатываемой поверхности.
В качестве информационного обеспечения для автоматизации
этих операций служат база данных режущих инструментов, а также
128
датчики управляющего напряжения, силы тока в цепи якоря и
частоты вращения вала привода главного движения, сигналы
с которых используются для вычисления мощности, потребляемой
приводом, и вращающих моментов на шпинделе. Кроме того, из-
меряется (или вычисляется) момент резания и момент главного
привода. База данных содержит сведения о номере, местоположе-
нии и оставшемся сроке службы инструментов, геометрических
параметрах режущего инструмента (размерах, радиусе скругле-
ния режущих кромок), способе его крепления и т. п.
Программное обеспечения включает систему логических усло-
вий (условных переходов), обеспечивающих надежную безаварий-
ную работу станка, обнаружение поломок инструмента и иденти-
фикацию свойств обрабатываемой поверхности. Эти условия пред-
ставляют собой неравенства, которые позволяют определить,
превышают или нет измеряемые величины программные уставки
или заданные ограничения. Ограничения и уставки вводятся
в систему АПУ в виде специальных адресов управляющей програм-
мы с указанием соответствующих параметров. Использование
в системе управления станков элементов адаптации и искусствен-
ного интеллекта позволяет предотвращать поломку инструмента
и поддерживать оптимальные режимы резания, что приводит к уве-
личению производительности станка и улучшению качества
обработки.
Интересная концепция интеллектуального управления обра-
батывающими центрами разработана фирмой «Мицу Сейки Коджио»
{Mitsui Seiki Kogyo Со., Ltd, Япония). Согласно этой концепции
обрабатывающие центры и другое технологическое оборудование
должны эксплуатироваться в условиях ГАП без обслуживающего
персонала. Это требует разработки весьма надежных систем АПУ
с элементами искусственного интеллекта, способных поддерживать
в автоматическом режиме высокую точность обработки в течение
достаточно длительного времени. Такие системы должны осущест-
влять следующие функции:
1)	автоматический контроль за процессом обработки и адаптив-
ное управление точностью;
2)	прогнозирование срока службы инструментов;
3)	обнаружение поломки инструмента и его автоматическую
смену;
4)	автоматическая смена палет с деталями и их распознава-
ние;
5)	самодиагностика системы АПУ и станка.
Важную роль при реализации некоторых из указанных функ-
ций играет система автоматизации измерений и адаптивной кор-
рекции. Основным элементом этой системы служит измерительная
головка, с помощью которой выполняется измерение размеров
заготовки, зажимного приспособления и инструмента, распозна-
вание детали, ее автоматическая центровка и т. п. Информация/
об ошибках обработки или центровки и износе инструмента ис-
5 Заказ 250	129
ТАБЛИЦА 4.3
Объекты измерения	Измеряемые характеристики
Деталь	Точность размера и формы; шероховатость поверхности; динамическая и тепловая деформации
Инструмент	Состояние режущей кромки; износ; деформация; вибра- ция; точность позиционирования, вращения и уста- новки
Станок и про- цесс обработки	Точность и состояние стайка; динамическая и тепловая деформации станка; сопротивление и температура резания; вибрация; холостое резание; характер стружки
пользуется для адаптивной коррекции управляющей программы
в системе АПУ.
Контроль за процессом обработки без обслуживающего персо-
нала осуществляется либо непосредственно в ходе обработки,
либо между операциями. При этом с помощью встроенных датчи-
ков контролируются основные характеристики системы деталь —
инструмент — станок, представленные в табл. 4.3.
В качестве датчиков используются тензодатчики, вибромеры
(пьезоэлектрические акселерометры), волоконно-оптические де-
текторы шероховатости, микрофонные шумомеры, датчики силы
тока якоря, напряжения и скорости вращения валов электродви-
гателей и др. К датчикам предъявляются жесткие требования по
надежности, точности, чувствительности, быстродействию (вре-
мени срабатывания), помехоустойчивости и вибростойкости.
Результаты измерений в процессе обработки используются,
в частности, в системе АПУ для автоматического регулирования
подачи в зависимости от вращающего момента на шпинделе или
смещения шпинделя под действием режущего инструмента. Бла-
годаря этому поддерживается (стабилизируется) оптимальный
режим резания. В случае необходимости производится также тем-
пературная коррекция управляющей программы.
Для автоматического контроля износа или поломки инстру-
мента анализируются сигналы вибрации, регистрируемые пьезо-
электрическими акселерометрами или детекторами акустической
эмиссии (ультразвуковой вибрации). Характер этих сигналов
существенно зависит от типа инструмента, способа обработки и
свойств детали. При критическом уровне вибрации дискриминатор
выдает сигнал о поломке инструмента.
Интеллектуальная система управления .имеет ярко выражен-
ную иерархическую структуру. В ряде случаев ее можно предста-
вить как иерархическую систему АПУ, дополненную (на более
130
Псламка инструмента
Изменение
глубины
резания
. 10 время,с
Рис. 4.3. Изменение силы тока в Сил
якорной обмотке привода шпин- ток,
деля при изменении глубины ре-
зания и поломке инструмента
высоком уровне иерархии)
элементами искусственно- 20
го интеллекта. Такая си-
стема, как и квалифици-
рованный оператор, долж-
на распознавать ситуации д
(например, поломку ин-
струмента или брак) и
принимать решения, адекватные сложившейся ситуации (напри-
мер, заменить поломанный инструмент или бракованную де-
таль).
Способность к такого рода интеллектуальным функциям при-
обретается по мере накопления опыта и адаптации к рабочей об-
становке. Поэтому интеллектуальные системы управления стан-
ков должны иметь автоматические банки данных и знаний. В этом
случае они могут использоваться и как экспертные системы, рас-
считывающие оптимальные режимы обработки или рекомендующие
заменить инструмент в случае его износа или поломки.
Рассмотрим особенности организации интеллектуального уп-
равления на токарном станке 1100]. Информационное обеспече-
ние системы управления обеспечивается датчиками силы резания
и тока в якорной обмотке привода шпинделя, а также акселеро-
метра для измерения вибраций и телекамеры для оценки износа
инструмента. Аппаратная часть системы интеллектуального управ-
ления включает систему АПУ и связанную с ней микроЭВМ
для программной реализации необходимых элементов интел-
лекта.
Синтезированная система управления позволила расширить
адаптационные и интеллектуальные возможности станка. На основе
модели оптимального (по экономическому критерию) режима
обработки стало возможным оперативно рассчитывать рациональ-
ное сочетание скорости резания и подачи. Поскольку эта модель
зависит от свойств материала детали и инструмента и других фак-
торов, важную роль играет система АПУ, которая обеспечивает
самонастройку соответствующих параметров.
Экспериментально установлено, что при поломке инструмента
возникает скачкообразный спад силы тока в якорной обмотке
привода шпинделя, после чего сила тока увеличивается. Типич-
ный график изменения силы тока в процессе резания и после
поломки инструмента представлен на рис. 4.3. Кратковременный
спад силы тока объясняется холостым вращением шпинделя в те-
чение нескольких оборотов после поломки инструмента, а после-
дующий скачок силы тока связан с резанием тупой кромкой сло-
5*
131
манного инструмента. Описанная закономерность используется
для обнаружения момента поломки инструмента.
В процессе обработки детали встречаются четыре класса ситуа-
ции. Для автоматического распознавания этих классов анализи-
руется мощность спектра колебаний силы резания. В зависимости
от сложившейся ситуации изменяется режим работы системы
АПУ.
Характер износа инструмента в процессе обработки зависит
от таких факторов, как свойства материала инструмента и детали,
геометрия режущей кромки, условия резания. Однако функцио-
нальная зависимость степени изнашивания инструмента от ука-
занных факторов неизвестна. Для ее идентификации необходимо
накопить информацию о характере и степени изнашивания инстру-
мента при различных условиях резания. По этой информации
можно почти точно аппроксимировать (идентифицировать) неиз-
вестную зависимость и использовать ее в дальнейшем для приня-
тия экспертных решений. Применительно к рациональному вы-
бору инструмента эти решения могут носить характер рекоменда-
ций типа: «увеличить твердость инструмента», «закруглить режу-
щую кромку» и т. п.
Рассмотренные примеры станков с системой АПУ и элементами
искусственного интеллекта свидетельствуют о целесообразности
их широкого использования в условиях гибкого производства
с безлюдной технологией. Полученные здесь первые результаты
обнадеживают. Однако начатые исследования еще далеки до своего
завершения, а разрабатываемые на их основе экспериментальные
образцы интеллектуальных станков пока несовершенны и недо-
статочно надежны. Тем не менее можно ожидать, что станки с адап-
тивным и интеллектуальным управлением, ориентированные на
эксплуатацию без обслуживающего персонала, станут важным
элементом ГАП уже в ближайшем будущем.
Глава 5
МАНИПУЛЯЦИОННЫЕ РОБОТЫ
С АДАПТИВНЫМ УПРАВЛЕНИЕМ
5.1.	СРАВНИТЕЛЬНЫЙ АНАЛИЗ СИСТЕМ
ПРОГРАММНОГО И АДАПТИВНОГО УПРАВЛЕНИЯ
Современные методы проектирования систем программного
управления роботов основываются на более или менее точной
информации о конструктивных особенностях манипуляционного
механизма и условиях эксплуатации робота. При этом система
управления обычно рассчитывается исходя из упрощенной модели
132
? динамики для некоторых фиксированных (номинальных) произ- „
водственных условий. Однако на практике эти условия могут
непредсказуемо меняться и сильно отклоняться от номинальных,
. а упрощение модели динамики робота снижает качество синтези-
руемого управления. Вследствие этого системы программного
управления зачастую не обеспечивают выполнение заданных тех-
нологических операций с требуемой точностью и быстродействием
во всем диапазоне неконтролируемых изменений производствен-
ной обстановки.
Одной из главных причин резкого ухудшения качества тради-
ционных систем числового программного управления (вплоть до
полной потери работоспособности) являются разного рода внеш-
ние возмущения и непредсказуемый дрейф параметров, существенно
влияющие на динамику робота и, в частности, на точность выпол-
нения технологических операций. Поэтому представляется целе-
сообразным прежде всего оценить влияние указанных возмущений
на качество программного управления. С этой целью рассмотрим
динамическую модель манипулятора, описываемую векторным
дифференциальным уравнением Лагранжа вида:
А (д,|) д + b (q, q, g) = и,	(5.1)
где q — /n-мерный вектор обобщенных координат манипулятора;
q, q — первая и вторая производные q по времени t\ | — р-мер-
ный вектор параметров манипулятора и груза; и — т-мерный
вектор управляющих моментов, вырабатываемых системой испол-
нительных приводов; A (д, |), b (g, д, |) — заданные тхт-
матрица-функция и m-вектор-функция, определяемые особенно-
стями конструкции манипулятора.
Наиболее чувствительным к действию внешних и параметри-
ческих возмущений являются системы контурного управления
Поэтому проанализируем влияние этих факторов на качество пере-
ходных процессов при отслеживании роботом заданной программ-
ной траектории др (/). Задача контурного управления заключается
в синтезе стабилизирующего закона управления, обеспечивающего
осуществление программной траектории с заданной точностью.
Решение этой задачи существенно осложняется наличием началь-
| ных и неизвестных параметрических возмущений. Мерой начале-
I ных возмущений является величина
I	р _ Я (4) ~ ?р (4) I
I
|а мерой параметрических возмущений — величина
I	П = Н-т||,
где т — оценка параметров g уравнения движения (5.1), исполь-
зуемая в стабилизирующем законе управления.
133
Если бы начальных и параметрических возмущений не было,
т. е. Е (/0) = 0 и | = т, то программное управление вида
ир (/, g) = A (qp, g) qp + b (qp, qp, g)	(5.2)
обеспечило бы точное отслеживание заданной программной траек-
тории. Однако на практике почти всегда имеются начальные и
параметрические возмущения. Поэтому, строго говоря, воспользо-
ваться управлением (5.2) нельзя. Если все же им воспользоваться,
подставив вместо неизвестного вектора | некоторую его оценку т, то
неизбежно возникнут автоколебания или даже потеря устойчиво-
сти. Вследствие этого программная траектория qp(J) не будет
отслежена, а робот может оказаться в аварийном состоянии.
Таким образом, приходится констатировать, что программное
управление (5.2) неэффективно, а в ряде случаев практически не-
приемлемо. Возникает необходимость в синтезе законов управле-
ния по принципу обратной связи. Простейший закон такого типа
легко синтезируется на основании формулы (5.2) и имеет вид [107,
112]
и (q, С,Л) = A (q, l)qp + b (q, q, g).	(5.3)
Этот закон обеспечивает устойчивость программной траектории
qp (0 по отношению к начальным возмущениям. Для его реализа-
ции нужно точно знать параметры £ и организовать обратные
связи по всем компонентам векторов q и q. Однако для надежного
отслеживания программной траектории с заданной точностью
этого недостаточно. Важно, чтобы закон управления роботом
обладал достаточно сильным стабилизирующим эффектом, т. е.
обеспечивал асимптотическую устойчивость qp (t). В этом случае
при любом уровне начальных возмущений динамическая ошибка
е = <7 —- <7Р (0 будет стремиться к нулю.
Искомый стабилизирующий закон программного управления
имеет вид [107, 112]
u(q, q, Гх, Г2, g) = X(9, Ш<7Р + ГХ(<7~<7Р) +
+ Г2(7-7р)] + Ь(7, q, £),,	(5.4)
где Гх, Г2 — такие матричные коэффициенты усиления в каналах
обратной связи, что корни уравнения det || /X2 + ГхХ + Г2|| =0
(где / — единичная матрица) имеют отрицательные действитель-
ные части. В этом случае динамическая ошибка удовлетворяет
линейному дифференциальному уравнению вида
ё = Гхё + Гае,	(5.5)
откуда непосредственно следует, что ошибка асимптотически
затухает. Этот факт как раз и означает, что программная траекто-
рия асимптотически устойчива. Более того, выбором Гх и Г2
конструктор системы управления может обеспечить желаемый
(например, экспоненциальный) характер затухания динамиче-
ской ошибки и полностью исключить взаимное влияние каналов
134

управления, т. е. нейтрализовать перекрестные связи. Для этого
достаточно взять в качестве Гх и Г2 диагональные матрицы вида
[112]
г	Л = ух/; Г2 = у2/; ух < 0; у2 < 0.	(5.6)
Другой (классический) способ синтеза стабилизирующего уп-
равления заключается в использовании программного управления
(5.2) в сочетании с линейной обратной связью по ошибке е и ско-
рости ее изменения ё. Соответствующий стабилизирующий закон
управления с линейной обратной связью имеет вид
и (q, q, Съ С2, 1) = ир (t, g) + С.ё + С2е, (5.7)
где Сх и С2 — матричные коэффициенты усиления в каналах об-
ратной связи, выбираемые из условия асимптотической устойчи-
вости программной траектории в замкнутой системе (5.1), (5.7).
Недостатком контурного управления (5.7) по сравнению с (5.3)
является сложность априорного выбора коэффициентов усиления
Сх и С2, вследствие чего эти коэффициенты обычно подбираются
экспериментально в процессе ручной настройки системы управле-
ния робота. Только в отдельных случаях [например, если урав-
нение динамики робота (5.1) линейно] существует регулярная
процедура обоснованного выбора коэффициентов усиления Сх и
С2 в зависимости от параметров £ робота.
В манипуляционных роботах промышленного назначения ши-
роко используются различные схемы локального сервоуправле-
ния , в основе которых лежит идея линейного пропорционально-
дифференциально-интегрального (ПИД) регулирования. В обобщен-
ном виде эти схемы описываются формулой вида
t
и (е, К±, К3, К3) = Ki^ H- К2ё -|- K3 j e (s) ds, (5.8)
14
[ где Ki, K2, K3 — экспериментально подбираемые матричные
? коэффициенты усиления. При К2 = К3 = 0 получаем пропорцио-
| нальный регулятор, а при = К3 = 0 и Л)х ~	“ 0 — соот-
F ветственно дифференциальный и интегральный регуляторы.
Достоинством ПИД-регуляторов является чрезвычайная про-
s. стота их реализации, не требующая никакой информации о пара-
метрах £ робота. Однако им присущ и целый ряд недостатков.
) Во-первых, они требуют ручной настройки параметров Л)х, К2, К3
I и зачастую теряют работоспособность при резком изменении
I параметров £ (например, при изменении массы груза). Во-вторых,
? они не обладают требуемым стабилизирующим эффектом, вслед-
ствие чего динамическая ошибка имеет незатухающий колебатель-
J ный характер и заданная точность контурного управления за-
Е частую не достигается. В-третьих, при управлении по формуле
- (5.8) полностью игнорируются перекрестные связи в каналах
? управления, порожденные взаимным влиянием звеньев манипу-
135
лятора и груза. Это существенно ухудшает качество контурного
управления.
Проанализируем качество переходных процессов при отсле-
живании заданной программной траектории с помощью наиболее
совершенного стабилизирующего закона управления вида (5.4),
(5.6). При реализации этого закона приходится вместо неизвест-
ных параметров | робота и груза (которые к тому же могут не-
предсказуемо дрейфовать в широких пределах) использовать их
оценки т. Это приводит к неконтролируемым параметрическим
возмущениям, которые в сочетании с начальными возмущениями
неблагоприятно влияют на точность контурного управления.
Аналитическое исследование степени этого влияния для раз-
личных законов контурного управления [включая и законы уп-
равления (5.2), (5.3), (5.7), (5.8)] приведено в монографии [42].
Результатом этих исследований являются следующие основные
выводы:
1)	благодаря стабилизирующему эффекту влияние начальных
возмущений на качество контурного управления, описываемого
соотношениями (5.4), (5.6), становится с течением времени исче-
зающе малым;
2)	неконтролируемые параметрические возмущения могут при-
водить к автоколебаниям и неустойчивости программной траекто-
рии [особенно этот вывод касается законов управления (5.2),
(5.3) и (5.8)];
3)	предельно достижимая точность контурного управления
зависит от уровня параметрических возмущений: чем выше этот
уровень, тем ниже точность отслеживания данной программной
траектории.
Эффективным средством обеспечения заданного качества управ-
ления и парирования неконтролируемых параметрических возму-
щений является адаптивный подход. Согласно этому подходу ста-
билизирующий закон управления типа (5.4), (5.6) должен быть
дополнен алгоритмом адаптивной настройки (самонастройки)
параметров.
Адаптация системы управления робота реализуется в много-
шаговом процессе принятия решений путем самонастройки пара-
метров стабилизирующего закона программного управления с уче-
том управляющих и возмущающих воздействий. Тем самым управ-
ляющие воздействия используются не только для осуществления
желаемой траектории движения, но и для более точного опреде-
ления характеристик робота и конкретных условий его функцио-
нирования.
Адаптивные системы управления роботов, конечно, сложнее,
чем традиционные системы программного управления. Однако при
наличии достаточно мощных управляющих ЭВМ и микропроцес-
соров такое усложнение в разумных пределах вполне допустимо.
В то же время открывается возможность построения принципиально
новых адаптивных роботов, обладающих высокоразвитой способ-
136
ностью самонастраиваться и автоматически приспосабливаться
к заранее неизвестным и изменяющимся условиям эксплуата-
ции.
Эта способность точно и надежно выполнять требуемые техно-
логические операции в недетерминированной рабочей обстановке
обеспечивается использованием дополнительных датчиков (или,
как принято говорить, очувствлением робота) и введением в систему
программного управления элементов (алгоритмов) адаптации.
Такое расширение информационных и адаптационных возможно-
стей при переходе от программных роботов к адаптивным, как
правило, не влечет за собой коренных изменений в конструкции
робота и структуре его системы управления. Дело сводится просто
к организации дополнительных обратных связей через соответ-
ствующие датчики внутренней и внешней информации и к про-
граммной реализации новых программных модулей (эстиматор,
адаптатор и т. п.), реализующих процесс адаптации. В этом про-
является преемственность при проектировании более совершенных
систем адаптивного управления на базе обычных систем программ-
ного управления.
В простейшем случае параметрической адаптации стабилизи-
рующие законы управления приводами манипулятора допол-
няются алгоритмами самонастройки, обеспечивающими автомати-
ческое приспособление системы управления к изменению пара-
метров (например, к изменению массо-инерционных характеристик
груза). Для придания роботу способности к параметрической
адаптации достаточно заменить его сервоприводы на самонастраи-
вающиеся приводы. Отличительной чертой последних является
нечувствительность (инвариантность) по отношению к параметри-
ческим возмущениям.
Таким образом, при параметрической адаптации подлежат из-
менению в основном только регуляторы системы приводов (на-
пример, вместо обычных ПИД-регуляторов используются адап-
тивные ПИД-регуляторы). При этом зачастую не возникает необ-
ходимости в дополнительном «очувствлении» робота.
Непараметрическая адаптация систем управления роботов
более сложна и многообразна. К ней относятся изменения струк-
туры регуляторов в зависимости от сложившейся ситуации, кор-
рекция программных траекторий (например, при манипулиро-
вании неориентированными деталями или при появлении препят-
ствий) и т. п.
Il Программа поведения робота в недетерминированной среде
Е принципиально не может быть задана заранее. Она формируется
к в процессе функционирования робота с учетом фактической об-
К становки. При этом возникает потребность в распознавании си-
11 туаций, анализе рабочей обстановки, планировании действий и
I т. д. В подобных случаях адаптивная система управления роботом
К снабжается соответствующими элементами искусственного интел-
Е лекта.
137
5.2.	АЛГОРИТМИЧЕСКИЙ СИНТЕЗ АДАПТИВНЫХ СИСТЕМ
КОНТУРНОГО И ПОЗИЦИОННОГО УПРАВЛЕНИЯ
Рассмотрим особенности синтеза адаптивных систем контур-
ного управления манипуляционными роботами, обеспечивающими
отслеживание манипулятором заданной программной траектории
qp (0 с требуемой точностью. Будем считать, что конкретные зна-
чения параметров £ робота и груза неизвестны, а известно лишь
множество их возможных значений. На практике параметры £
могут непредсказуемо изменяться в процессе функционирования
робота. Например, могут изменяться масса и моменты инерции
груза, коэффициенты трения в исполнительных приводах и т. п.
Благодаря адаптации к неопределенности и дрейфу парамет-
ров искомый алгоритм управления с обратной связью должен
обеспечить требуемую близость реальной и программной траекто-
рий для любых возможных значений параметров £ из множества
т. е. должно выполняться целевое условие
h (0 ~ <7Р (Oil < s при	(5.9)
где е — положительное число, определяющее требуемую точность
отслеживания программной траектории qp (t); tv t0 — наи-
меньший момент времени, начиная с которого выполняется целе-
вое неравенство (5.9); tp — t0 — время переходного процесса
адаптации.
При расчете и проектировании адаптивных систем контурного
управления важно иметь возможность выбирать параметры системы
управления таким образом, чтобы время переходного процесса
было, по возможности, равным нулю. Тогда цель контурного
управления — отслеживание заданной программной траектории
с точностью е — будет выполнена с самого начала.
Для решения сформулированной задачи воспользуемся мето-
дом адаптивного программного управления, изложенным в гл. 3.
Согласно этому методу задача решается в три этапа. Сначала
строится стабилизирующий закон управления, обеспечивающий
асимптотическую устойчивость программной траектории в пред-
положении, что параметры £ робота и груза известны. Затем на
основе этого неадаптивного закона управления конструируются
вспомогательные эстиматорные неравенства относительно пара-
метров закона управления, из выполнения которых непосредствен-
но следует выполнение целевых неравенств (5.9). На третьем
этапе синтезируются алгоритмы решения этих вспомогательных
неравенств, трактуемые как алгоритмы адаптивной настройки
(самонастройки) параметров системы управления. При этом важно,
чтобы алгоритмы самонастройки обладали свойством конечной
сходимости. Кроме того, желательно, чтобы они были оптималь-
ными в смысле некоторого разумно выбранного и строго сформу-
лированного критерия качества адаптации. Поэтому в дальнейшем
изложении особое внимание будет уделено синтезу оптимальных
138
I алгоритмов адаптации, обладающих достаточно высокой скоростью
сходимости.
Переходя к рассмотрению первого этапа построения адаптив-
ного управления, предположим временно, что параметры £ урав-
нения динамики (5.1) известны. В этом случае можно воспользо-
ваться стабилизирующим законом управления (5.4), (5.6), синте-
зированным исходя из требования обеспечения желаемого (на-
пример, экспоненциального) характера переходного процесса.
Заметим, что левая часть уравнения динамики робота (5.1) пред-
ставлена в виде
+ q, $ = G(q, q, </)?(£).	(5.10)
Используя свойство (5.10), представим стабилизирующее программ-
ное управление в виде
u = G(q, q, ^р + Гх^-^ + Гг^-^т^).	(5.11)
И. Однако непосредственно реализовать это управление нельзя, так
В как параметры £ неизвестны.
В Идея адаптивного контурного управления заключается в замене
В неизвестных параметров ( их оценками т, алгоритм определения
В которых строится таким образом, чтобы было выполнено целевое
В условие (5.9). Итак, определим адаптивное контурное управление
В- в виде:
I	u = G(?, q, q 4- Г1 (<? - qp) + Г2 (q - qp)) т; (5.12)
I	x = a(t,q,q),	(5.13)
В где a — оператор адаптации, который нужно построить исходя
к из формулируемых ниже требований.
В Рассмотрим вспомогательные эстиматорные неравенства вида
Г	||А(т, 01 = \\u~G(q, q,q)x\\<b,	(5.14)
I где 6 > 0 — параметр, определяющий точность эстиматора. Оче-
I видно, что неравенства (5.14) разрешимы при т = £ с «запасом» 6.
| Заметим еще, что эти неравенства выпуклы по т. Эти свойства
I эстиматорных неравенств (5.14) позволяют применить для их
[ решения рекуррентные или многошаговые оптимальные алгоритмы
I адаптации, описанные в гл. 3.
I Все такие алгоритмы имеют следующий вид:
тй, если || A(Tft, ОН <6;
d(xk, A(xh, t'k)), если. || А (тй, ^)|| > 6,	(5-1г>)
[ где t'k — первый момент времени из интервала (0, О-нК при
( котором нарушаются неравенства (5.14); т0 = т (0) — произволь-
I ный р-мерный вектор начального приближения из множества Q?.
I Важно отметить, что из выполнения эстиматорных неравенств
I (5.14) следует выполнение целевых неравенств (5.9) с некоторым
U = e(6).

139
Используя методику оценки динамической ошибки, описан-
ную в третьей главе, легко получить следующее соотноше-
ние:
|| Е (/)|| < с || Е (/0)(| ехр [—у	+ су-1£б + cLcvrQ, (5.16)
где сиу — положительные числа, зависящие от выбора только
матриц коэффициентов усиления и Г2 в (5.12); L и cv — кон-
станты, определяемые особенностями двигательной системы ро-
бота.
Предположим, что начальных возмущений нет, т. е. Е (/0) — 0.
Этого можно достичь, если задавать программную траекторию
qp (/) исходя из того начального состояния, в котором робот на-
ходится в момент времени t0. Тогда достижимая точность контур-
ного управления определяется соотношением
8 >cL (бу’1 + cvr0).	(5.17)
Неравенство (5.17) представляет собой расчетное соотношение
для обоснованного выбора параметров адаптивной системы кон-
турного управления. Варьируя параметры регулятора (числа с
и у), эстиматора (число б) и адаптатора (числа г и 0), конструктор
может обеспечить любую наперед заданную точность 8 отслежива-
ния программной траектории. Из соотношения (5.17) видно, что
эта точность тем выше, чем больше (при прочих равных условиях)
быстродействие адаптатора и точность эстиматора.
Таким образом, синтезированы алгоритмы и получены расчет-
ные соотношения, позволяющие конструктору адаптивной системы
контурного управления обоснованно выбирать параметры регу-
лятора, эстиматора и адаптатора исходя из требования отслежи-
вания манипулятором программной траектории с любой наперед
заданной точностью.
Широкий класс технологических операций, возлагаемых на
роботов, сводится к переводу манипулятора из некоторой фикси-
рованной конфигурации до, рассматриваемой как начальная,
в желаемую конечную, при которой рабочий орган оказывается
в требуемой позиции. Основным требованием к качеству управле-
ния в этой задаче является точное позиционирование рабочего
органа. Иногда дополнительно задается время выполнения опера-
ции, диктуемое темпом технологического процесса. Подобные
ситуации возникают, например, при обслуживании роботом стан-
ков с ЧПУ, конвейеров и т. п.
Перейдем к более точной формализованной постановке задачи
адаптивного позиционного управления. Пусть заданы начальная и
конечная конфигурация манипулятора q (t0) — q0 и q (tx) = <7i и
время перевода Т = tT — t0. Параметры £ робота и груза неизвест-
ны н могут изменяться в пределах заданного множества Q5, ха-
рактеризующего априорную неопределенность условий функцио-
нирования робота.
140
I Требуется синтезировать адаптивный закон управления и (q, 4г
I т), переводящий манипулятор из состояния q0 в состояние qt за
I время Т с заданной точностью в, т. е.
(5.18)
I для любых неизвестных значений параметров | из заданного
I множества Qj. Решение этой задачи (по аналогии с решением
| задачи контурного управления) будем искать поэтапно. На первом
I этапе синтезируем искомый закон позиционного управления в пред-
I положении, что параметры | уравнения динамики (5.1) известны.
I Программная траектория, переводящая манипулятор из за-
Е данного начального состояния q0, q0 в желаемое конечное состоя-
I ние qlt qlt определяется формулой
= +	+	(5.19)
I где	>
|	хт = 4^, ai = ^r(q1 — q0)~ у-(<)1 + 2<)о);
I	ха =----(<7i — <7о) + ~рГ (91 + 9о)
Идеальный (неадаптивный) закон позиционного управления,
г нацеливающий на достижение конечного состояния в момент
| времени tT, имеет вид
\	u = G(q,4,qP)l	(5-20)
• Однако воспользоваться этим законом позиционирования нельзя,
f так как параметры £ не только неизвестны, но и могут непред-
сказуемым образом меняться. Поэтому на втором этапе дополним
закон управления (5.20) алгоритмом самонастройки параметров
; вида
j	n = a(t,q,4).	(5.21)
; В качестве такого алгоритма можно взять любой (в том числе и оп-
' тимальный) конечно сходящийся алгоритм решения системы вспо-
могательных эстиматорных неравенств (5.14). Эти алгоритмы
гарантируют после конечного числа коррекций г параметров
управления (5.20) выполнение эстиматорных неравенств (5.14)
откуда уже непосредственно следует выполнение целевого нера-
венства (5.18) с некоторым е.
Процесс адаптации разбивает заданный период движения
(tk, 6;+i] на интервалы позиционного управления (tk, t£] и ин-
। тервалы адаптации (t'k, 6г-м]> причем мера последних не превышает
! величины г0, где г — оценка сверху на число коррекций алгоритма
f адаптации (5.21), а 0 — время одной коррекции. Отметим, что
( в интервалах управления параметры закона управления не из-
f меняются, а в интервалах адаптации они корректируются согласно
р алгоритму самонастройки (5.21).
141
Оценивая ошибку позиционирования при адаптивном управ-
лении вида (5.20), (5.21), получим
\\дЦт)~Я1\\<МТг + ЬслгвТ,	(5.22)
где L и сд — параметры. Из оценки (5.22) следует, что достижимая
точность позиционирования определяется соотношением
8 > TL (6Т + Сдлб).	(5.23)
Следовательно, за счет выбора параметров адаптивной системы
позиционного управления точность приведения рабочего органа
в требуемую позицию может быть сколь угодно высокой. Этого
можно добиться как с помощью алгоритма адаптации с наимень-
шим возможным числом коррекций г, так и выбором параметров
0 и 6 из условия минимизации правой части расчетного соотноше-
ния (5.23). Заметим, что если точность 6 решения эстиматорных
неравенств фиксирована, то точность позиционирования тем выше,
чем больше скорость сходимости алгоритма адаптации и быстро-
действие адаптатора, реализующего этот алгоритм.
Другой метод адаптивного позиционирования манипулятора
заключается в использовании стабилизирующего закона управ-
ления (5.12), где qp (t) = qlt в сочетании с алгоритмом адаптации
(5.13) вида (5.15). Преимущество этого метода проявляется в том,
что в качестве программной траектории qp (f) здесь берется конеч-
ное состояние манипулятора qx и, следовательно, отпадает необ-
ходимость в ее предварительном расчете [например, по формуле
(5.19)]. Достижимая точность позиционирования определяется
при этом соотношением (5.17). Исходя из этих расчетных соотно-
шений, легко выбрать приемлемые параметры адаптивной системы
позиционного управления.
5.3.	ПРОГРАММНОЕ ОБЕСПЕЧЕНИЕ
И ЦИФРОВОЕ МОДЕЛИРОВАНИЕ АДАПТИВНОГО
УПРАВЛЕНИЯ МАНИПУЛЯТОРОМ
Алгоритмы адаптивного программного управления исполни-
тельными приводами и механизмами робота обычно реализуются
на ЭВМ. В простейших случаях это может быть микро- или мини-
ЭВМ, в сложных — мультимикропроцессорная локальная вы-
числительная сеть.
Программное обеспечение адаптивных систем управления робо-
тов напоминает по своей структуре и составу операционные си-
стемы реального времени для мини- и микроЭВМ. Принцип мульти-
задачное™, используемый в этих системах, позволяет распарал-
лелить вычислительные процессы, связанные с формированием
адаптивного программного управления. Эти процессы (алгоритмы)
могут выполняться либо на одном процессоре (в этом случае ис-
пользуются специальные средства распределения вычислительных
ресурсов), либо на разных процессорах.
142
Структура адаптивных систем программного управления до-
пускает естественное распараллеливание вычислительных процес-
сов и их мультимикропроцессорную реализацию. Последнее
означает, что каждый выделенный процесс (алгоритм) реализуется
на своем микропроцессоре. При таком распараллеливании об-
легчается проектирование программного обеспечения и повы-
шается надежность системы управления.
Остановимся на некоторых особенностях программирования
движений роботов с адаптивным управлением. Для этих роботов
характерно уменьшение роли и значения ручного обучения,
широко используемого в роботах с программным управлением.
Более перспективными являются способы аналитического и язы-
кового программирования. Они позволяют автоматически програм-
мировать сложные технологические (например, сборочные) опе-
рации.
Гибкие алгоритмы программирования, описанные в гл. 2,
не только строят и оптимизируют программные движения, но и
оперативно корректируют их на основании сигналов датчиков в за-
висимости от изменения условий эксплуатации робота. Сложнее
дело обстоит при программировании роботов с помощью тексто-
вого описания требуемых операций на специализированном языке.
В качестве такого языка используются либо универсальные языки
высокого уровня с соответствующей их модификацией, либо новые
языки, специально предназначенные для программирования ро-
ботов. Примерами таких языков могут служить языки AML,
RPL и VAL [100]. Основные характеристики языков программи-
рования роботов приведены в табл. 5.1.
Важным средством анализа работоспособности и выявления
преимуществ адаптивного управления по сравнению с программ-
ным является моделирование на ЭВМ. Для упрощения экспери-
ТАБЛИЦА 5.1
Характеристика	Язык программирования роботов		
	AML	|	RPL |	VAL
Принцип программирования движе- ний:			
«от точки к точке»		+	—
линейная интерполяция	—	+	+
интерполяция сплайнами Учет сигналов с датчиков:	—	+	. +
зрительных	4-	+	+
силовых	+	—	—
концевых выключателей Системные модули:	+	+	+
интерпретатор			+
текстовый редактор	4-	4-	4-
компилятор	—	+	—.
имитатор	1 "1”	—	•—
143
ментальных исследований рассмотрим трехзвенный манипулятор,
имеющий сравнительно простое математическое описание.
Кинематическая схема манипулятора включает три вращатель-
ные пары. Конфигурация манипулятора определяется набором
обобщенных координат q = | qt |®=1, а его динамика описывается
уравнением вида (5.1), где и — | щ |®=1 — 3-мерный вектор уп-
равлений, A (q, £) — заданная ЗхЗ-матрица-функция, b (q, q, £) —
заданная 3-мерная вектор-функция зависят от вектора параметров
£ манипулятора и груза. Компонентами вектора параметров £
являются масса звеньев и груза, длина звеньев, ускорение сво-
бодного падения, коэффициенты сухого и вязкого трения в шар-
нирах и т. п.
Управляемые движения манипулятора определялись путем
численного интегрирования уравнений динамики (5.1) при за-
данных управляющих моментах. В качестве схемы интегрирова-
ния был принят метод Рунге-Кутта. Было проведено три серии
экспериментов, относящихся к исследованию неадаптивных за-
конов программного управления, описанных в п. 5.1, и адаптивных
законов контурного и позиционного управления, предложенных
в п. 5.2. В качестве алгоритмов адаптации использовались и мо-
делировались дискретные локально оптимальные конечно-сходя-
щиеся алгоритмы, рассмотренные в п. 3.6 и 3.7.
Пакет программ, реализующий адаптивные законы управле-
ния, имеет модульную структуру. Модель «программатор» рас-
считывает программную траекторию qp и ее производные qp, qp
в соответствии с алгоритмами, описанными в гл. 2, и подает их
в модуль «регулятор». Модуль, имитирующий работу информа-
ционно-измерительной системы, осуществляет интегрирование
уравнений динамики манипулятора и формирование сигналов
обратной связи q, q, которые подаются в модуль «регулятор»,
а также сигнала ускорения q, используемого в модуле «эстиматор»
для оценки качества управления. При нарушении эстиматорных
неравенств производится коррекция параметров закона управле-
ния с помощью того или иного алгоритма адаптации, который
реализуется в модуле «адаптатор».
Рассмотрим сначала экспериментальные результаты моделиро-
вания законов позиционного управления при наличии начальных
и неизвестных параметрических возмущений. В этой серии экс-
периментов исследовались стабилизирующие законы управления
вида (5.11). Обобщенные координаты манипулятора измерялись
в радианах, время — в секундах, шаг интегрирования уравнений
динамики равнялся 10-3 с. В качестве основных параметров ма-
нипулятора были взяты следующие длины и массы звеньев:
li = 0,4 м, /2 = 0,3 м, 13 = 0,26 м, т.1 = 10 кг, т3 = 7 кг, т3 =
= 3 кг, а масса груза т0 варьировалась в пределах 0—15 кг.
Точность отслеживания программной траектории равнялась
0,05 рад.
144

Рис. 5.1. Влияние парамет-
рических
точность позиционирования
при Гх = —2/, Г|
	’1 - ’р.г
?2	?р,2:
^р, 3
возмущений на
рад
0,8
0,6
0,4
0,2
О
-0,2
-0,4
-0,6
-0,8.
-1,0 
?з
20 22 _24t.c
В первой серии экс-
периментов требовалось
f перевести манипулятор
из заданного начально-
го состояния q (/0) =
= (0.76, 0.93, 1.1 l)z,
q (4) = (0.5, 0.5, 0.5) в
желаемое конечное состояние q (tT) = (0,26, 0.43, 0.61), q (1Г) =
— (0, 0, 0). В качестве программной траектории было взято
qp (t) = (0.26, 0.43, 0.61)т.
Сначала предполагалось, что параметрические возмущения
отсутствуют, т. е. т = £. Управление формировалось согласно
формуле (5.12), где = — 2/, Г2 = — I, I — единичная 3x3-
матрица. Характер затухания динамической ошибки в процессе
позиционирования представлен на рис. 5.1. Как видно из рисунка,
динамические ошибки по каждой координате меняются одинаково,
что соответствует диагональному виду матриц коэффициентов
i усиления и Г2. В этом случае уравнение динамики манипулятора
; (5.1), (5.12) распадается на три независимых одинаковых линейных
дифференциальных уравнения второго порядка по каждой обоб-
щенной координате. Благодаря этому обеспечивается полная
нейтрализация перекрестных связей в каналах управления.
Для уменьшения времени позиционирования (при сохранении
апериодического характера затухания динамической ошибки)
в тех же условиях моделировался стабилизирующий закон управ-
ления (5.12) с диагональными матрицами коэффициентов усиле-
; ния вида Гг = — 10/, Г2 = 25/. Характер затухания динамиче-
: ской ошибки в этом случае показан на рис. 5.2. Из сравнения
полученных переходных процессов видно, что период позициони-
рования манипулятора с заданной точностью тем меньше, чем
: глубже отрицательная обратная связь в законе управления
(5.12) (точнее говоря, чем левее от мнимой оси лежат корни ха-
f рактеристического уравнения, полученного на основе матричных
коэффициентов усиления Гх, Г2). Для матриц Гь Г2 из первого
I эксперимента все корни характеристического уравнения совпадают
и равны —1, а для матриц Гц Г2 из второго эксперимента они
[ равны —5.
В последующих экспериментах исследовалось влияние пара-
метрических возмущений на точность позиционирования манипу-
; лятора при использовании стабилизирующего закона управления
145
без адаптации. Сначала моделировался закон управления с пара-
метрами Гх = — 21 и Г2 = — I в условиях, когда уровень пара-
метрических возмущений характеризовался величиной Цт— £||2 =
= 20,14, что соответствует захвату манипулятором груза массой
в 1 кг.
Графики затухания динамической ошибки по каждой обоб-
щенной координате в данном эксперименте представлены на рис. 5.1.
Рис. 5.2. Влияние параметрических возмущений на точность позиционирования
при 1\= —10/, Г2 = —25/
Из этих графиков видно, что при наличии параметрических воз-
мущений стабилизирующий закон управления обеспечивает очень
грубое (с точностью е порядка 0,5 рад) позиционирование. При
этом точность позиционирования тем больше, чем меньше величина
параметрических возмущений.
В следующем эксперименте при том же уровне параметрических
возмущений моделировался закон управления (5.12) с парамет-
рами Гх = — 10/, Г2 = — 25/. Несмотря на увеличение глубины
обратной связи по сравнению с предыдущим экспериментом, этот
закон управления вообще не обеспечивает позиционирования мани-
пулятора вблизи целевой конфигурации. Вместо этого наблю-
146
даются автоколебания и нарушение конструктивных ограничений,
что хорошо видно на рис. 5.2. Дальнейшее увеличение уровня
параметрических возмущений в ряде случаев приводило к не-
устойчивости заданного целевого состояния манипулятора.
В целом проведенные эксперименты свидетельствуют о том, что
при достаточно большом уровне параметрических возмущений
невозможно подбором параметров Гх, Г2 закона управления вида
(5.12) обеспечить позиционирование манипулятора с заданной
точностью. Тем не менее при достаточно малых параметрических
возмущениях точное позиционирование возможно.
Целью следующей серии экспериментов было изучение процесса
адаптивного позиционирования при большом уровне начальных
и параметрических возмущений. В этой серии экспериментов мани-
пулятор внезапно нагружался (или разгружался) различными
объектами и, кроме того, время от времени изменялась программ-
ная траектория (точнее, изменялись целевые состояния манипу-
лятора).
Моделировался закон управления вида (5.11), неизвестные
параметры £ которого заменялись их оценками xh, определяемыми
по результатам наблюдений за реальным движением с помощью
некоторого алгоритма адаптации вида (5.15). В качестве алгоритма
адаптации использовался рекуррентный локально оптимальный
конечно-сходящийся алгоритм градиентного (по отношению к эсти-
маторным неравенствам) типа
|	xft,	если || A (xft, 0|| < 6,
Tft+1 = I xft + Gl [GkGTk Г1 A (xft, t'k), если | A (xft, 0)11 > 6, (5'24)
где x0 — произвольное начальное приближение из множества QT
допустимых значений параметров; Gk — G [q (t'k), q (t'k) q (0)] >
t'k — первый момент нарушения неравенств || А (xfe, t ) || < 6 на
k-м интервале управления (tk, tk+\ 1, 0+г= й + 0; 0 — параметр,
характеризующий быстродействие алгоритма адаптации.
В первом эксперименте рассматриваемой серии требовалось
перевести манипулятор из заданного начального состояния q (t0) =
= (0.36, 0.53, 0.71)г, q (tn) = (0, 0, 0)г в желаемое конечное
состояние q (tr) — (0.26, 0.43, 0.61)г, q (tT) — (0, 0, 0)г, которое
и было выбрано в качестве программной траектории. В этом и
последующих экспериментах в законе управления были взяты
матрицы коэффициентов усиления = — 10/, Г2 = — 25/. На-
чальные состояния манипулятора в последующих экспериментах
совпадали с текущими состояниями в предыдущих экспериментах
в момент их окончания, а конечные состояния варьировались.
Зависимость обобщенных координат манипулятора от времени
в процессе адаптивного позиционирования в рассматриваемой
серии экспериментов представлена на рис. 5.3.
Эксперимент начинался с того, что в схват манипулятора поме-
щался груз массой 1 кг. Так как параметры груза неизвестны
147
системе управления, то это эквивалентно действию параметриче-
ских возмущений. Однако эти возмущения парировались алго-
ритмом адаптации и, как видно из рис. 5.3, манипулятор пози-
ционировался в заданной конфигурации с точностью е = 0,05 рад
спустя 10 с. Заметим, что в этом и в последующих экспериментах
точность эстиматора 6 — 0,01.
Рис. 5.3. Переходные процессы при адаптивном позиционном управлении: а —
процессы позициоиироваиия; б — процессы адаптации
В следующем эксперименте, который начался через 16 с,
программная траектория не изменилась, но в схват манипулятора
был помещен груз массой 2 кг. Как видно из рис. 5.3, через 12 с
процесс позиционирования с заданной точностью завершился.
На 27 с скачком изменилась программная траектория (точнее,
изменилось целевое состояние манипулятора). В тот же момент
в схват был помещен дополнительный груз массой 2 кг, что при-
вело к скачкообразному возрастанию уровня параметрических
возмущений. Процесс позиционирования в новом состоянии за-
вершился через 5 с. На 36 с в новом эксперименте масса груза
уменьшилась на 2 кг, и вновь изменилось целевое состояние мани-
148
пулятора, т. е. изменилась программная траектория. Как видно
из рис. 5.3, нужно разгрузить и перевести манипулятор в новое
состояние qp = (0.25, 0.4, 0.6)г, qp = (0, 0, 0)г . Процесс перехода
манипулятора в новое состояние завершился через 8 с.
В последнем эксперименте данной серии на 44 с в схват мани-
пулятора был помещен груз массой 3 кг, что привело к увеличению
уровня параметрических возмущений. При этом ставилась задача
перевода манипулятора в новое состояние qp = (0.8,2.0,0.1)г,
qp = (0, 0, 0)т. Из рис. 5.3 видно, что время адаптивного пози-
ционирования составило 10 с.
Степень неопределенности (и соответственно класс адаптивно-
сти) в описанных экспериментах определяется величиной парамет-
рических возмущений || £ — xft||2. Важно отметить, что в каждом
из рассмотренных экспериментов по адаптивному позициониро-
ТАБЛИЦА 5.2
Время экспе- римента, с		Величина параметрических возмущений		Бремя экспе- римента, с		Величина параметрических возмущений	
Начало	Конец,	в начале экспери- мента	в конце экспери- мента	Начало	Конец	в начале экспери- мента	в конце экспери- мента
0 16 28	16 28 36	20,14 44,75 50,02	1,96 5,02 3,61	36 44	44 54	24,47 118,10	0,43 21,20
149
ванию степень неопределенности монотонно убывала. Динамика
адаптации (т. е. характер изменения величины ||т (£) — хк ||2) от
эксперимента к эксперименту представлена на нижнем рис. 5.3,
а также в табл. 5.2.
В первом эксперименте требовалось обучить манипулятор осу-
ществлять периодическое движение схвата через последователь-
ность точек, изображенную на рис. 5.4, при наличии больших
параметрических возмущений. В этом эксперименте ||£ — т0||2 =
= 70, что соответствует гру-
зу в схвате массой 15 кг.
После шести периодических
движений с последователь-
ным позиционированиемсхва-
та в заданных точках процесс
адаптации [в силу локаль-
ного оптимального рекур-
рентного алгоритма вида
(5.24)] завершился по про-
шествии 7,2 с, в течение ко-
Рис. 5.5. Адаптивный обход по контуру
торых произошло 3369 коррекций параметров позиционного за-
кона управления. После этого алгоритм адаптации автоматически
отключался, а точность позиционирования схвата составляла 2 мм;
В следующем эксперименте манипулятор частично разгружался
(масса груза 8 кг) и требовалось осуществить движение схвата че-
рез последовательность точек, изображенных на рис. 5.5. После
1050 коррекций позиционного закона управления алгоритм адап-
тации отключался, что соответствует 2,4 с реального времени
движения манипулятора. Точность позиционирования схвата
в заданной последовательности точек составляла 3 мм.
Затем скачком изменялись параметры манипулятора (в част-
ности, масса груза увеличивалась до 16 кг). При этом начальный
уровень параметрических возмущений составлял ||£ — т0||2 =
= 2110. Как видно из рис. 5.5, процесс адаптации в этом экспе-
рименте завершился через 16 с после 1196 коррекций позицион-
150
Рис. 5.6. Адаптивный обход задан-
ной последовательности точек
ного закона управления. Точ-
ность позиционирования
уменьшилась и составила
6 мм.
Аналогичные эксперимен-
ты по адаптивному позицио-
нированию схвата проводи-
лись для различных после-
довательностей целевых точек
и для разных уровней пара-
метрических возмущений, по-
рождаемых непредсказуемым
изменением не только груза,
но и других факторов. В за-
ключение опишем экспери-
мент, целью которого являлся
обход схватом нагруженного
манипулятора (масса груза
15 кг) заданной последовательности целевых точек в области
достижимости, изображенной на рис. 5.6. Уровень начальных па-
раметрических возмущений составил || £ — т0||2 = 65, а число
коррекций позиционного закона управления (5.20) т — 710.
Через 1,3 с точность адаптивного позиционирования при перио-
дическом обходе схватом заданной последовательности точек со-
ставила 1 мм.
По результатам проведенных экспериментальных исследова-
ний на ЭВМ могут быть сделаны следующие общие выводы.
1. Стабилизирующие законы управления обеспечивают осу-
ществление программной траектории манипулятора лишь при
достаточно малом уровне параметрических возмущений. Увели-
чение уровня параметрических возмущений приводит к потере
точности, резкому увеличению колебательности переходных про-
цессов вплоть до потери устойчивости.
2. Адаптивные законы управления обеспечивают надежное
позиционирование схвата манипулятора с заданной точностью
при любом уровне неизвестных параметрических возмущений.
Это достигается благодаря адаптивной коррекции параметров
закона управления, причем число коррекций и время адаптации
всегда ограничены.
5.4. АДАПТИВНОЕ УПРАВЛЕНИЕ РОБОТОМ
С ШАГОВЫМИ ДВИГАТЕЛЯМИ
Электрические шаговые двигатели являются одним из наиболее
перспективных типов исполнительных двигателей для роботов
и РТК. Их достоинствами являются возможность непосредствен-
151
Рис. 5.7. Макет робота-манипулятора с
шаговыми приводами
ного цифрового управления от
ЭВМ, высокое быстродействие и
большой вращающий момент.
Рассмотрим методику алгорит-
мического синтеза и опыт прог-
раммной реализации на ЭВМ адап-
тивной системы управления мани-
пулятором с шаговыми приводами.
Эффективность этой системы по
сравнению с традиционными си-
стемами программного управления
иллюстрируется эксперименталь-
ными данными, полученными при
ее испытаниях в составе манипу-
ляционного робота, изображенного
на рис. 5.7. Этот робот оснащен
телевизионной системой зрения на
базе промышленной телевизионной
установки ПТУ-102, позволяющей
воспринимать и анализировать обстановку в рабочей зоне. Бла-
годаря этому обеспечивается принципиальная возможность адап-
тации к изменяющейся производственной обстановке, в частнос-
ти, оказывается возможным манипулирование деталями без их
предварительного ориентирования и позиционирования.
Основное препятствие на пути широкого применения систем
программного управления разомкнутого типа связано с извест-
ным эффектом «потери шагов» шагового двигателя. Этот эффект
часто возникает в режимах разгона и торможения, когда момент
нагрузки может превышать движущий момент двигателя. Он осо-
бенно характерен для шаговых приводов манипуляционных ро-
ботов, поскольку моменты нагрузки на каждом из двигателей ма-
нипулятора существенно зависят от его текущей конфигурации,
а основными режимами работы являются разгон и торможение.
Для улучшения качества управления шаговыми приводами
роботов целесообразно использовать позиционную обратную связь.
Достоинством такой замкнутой импульсной системы программного
управления по сравнению с разомкнутой является более высокая
помехоустойчивость и стабильность работы в широком диапазоне
изменяющихся нагрузок.
Точность работы замкнутых систем программного управления
шаговыми двигателями существенно зависит от точности датчи-
ков обратной связи, от упругих деформаций в кинематических
передачах, от неконтролируемых параметрических и внешних воз-
мущений. Как показали эксперименты на лабораторном образце
робота с шаговыми приводами, точность позиционирования ма-
152
нипулятора существенно снижается при больших моментах на-
грузки на выходных валах двигателей, а в некоторых режимах
наблюдаются автоколебания. Эти факты находятся в полном согла-
сии с результатами сравнительного анализа влияния параметри-
ческих возмущений на динамику манипуляционных роботов для
различных систем программного управления, приведенного
в п. 5.1. Они свидетельствуют о том, что улучшение качества
управления при одновременном расширении диапазона допустимых
нагрузок может быть достигнуто путем перехода к адаптивному
управлению шаговыми приводами.
Переходя к описанию адаптивной системы программного уп-
равления роботом, заметим, что описанные выше алгоритмы кон-
турного и позиционного управления непрерывного типа непо-
средственно ие применимы для управления шаговыми приводами.
Поэтому прежде всего опишем дискретную модификацию алго-
ритмов адаптивного управления, учитывающую импульсный ха-
рактер работы шаговых приводов.
В качестве конкретного объекта управления служил манипу-
лятор с шаговыми двигателями, изображенный на рис. 5.7. Лабо-
раторный образец этого робота был создан в ЦНИИРТК при
Ленинградском политехническом институте им. М. И. Калинина
на базе манипулятора типа МЭМ-ЮМ с шестью степенями свободы,
в котором силовые сельсины заменены шаговыми двигателями
типа ШД-5 [42, 63]. Последние работают от схемы четырехтакт-
ной коммутации с импульсной форсировкой.
Управление шаговыми двигателями манипулятора осуществля-
лось от ЭВМ М-6000. Для организации обратной связи использо-
вались потенциометрические датчики положения, вмонтирован-
ные в шарниры манипулятора, и датчики моментов на выходных
валах приводов. Кроме того, для «очувствления» схвата манипуля-
тора использовались тактильные и локационные датчики. Связь
шаговых двигателей с манипулятором осуществляется через диф-
ференциальную систему передач. Конфигурация манипулятора
в каждый дискретный момент времени k определяется вектором
обобщенных координат q = | qit h | i=i, k — 0, 1, 2, ..., на
компоненты которого наложены конструктивные ограничения
вида
| qt | < сь i = 1, ..., 6.	(5.25)
Углы поворота vh выходных валов шаговых приводов опреде-
ляются величиной управляющего воздействия vh на входе двига-
теля и величиной Nk силовой обратной связи с манипулятором
через дифференциальную систему передач. Последняя опреде-
ляет некоторую жесткую функциональную зависимость между
величинами vk и q^, определяемую некоторой невырожденной ма-
трицей передаточных отношений Р. Через дифференциальную
систему передач на исполнительные приводы подается нагрузка.
153
“k/v*	Рис. 5.8. Динамическая характеристика шаго-
вых двигателей
Моменты нагрузки = | Л^£,й1®=1,
[	~~ зависящие от конфигурации манипуля-
।	тора, масс и длин его звеньев, опре-
________________I	деляются по известным формулам [42,
°	N._63].
Работа каждого двигателя под действием управления uhti
и нагрузки Nk,i приближенно описывается соотношениями [63]:
«ли	при |Mft,£|<M*>£;
к’‘	1 + di sign (uk, (|	£ | - N., £) при 1 Nh’11 > N*>
(5-26)
где /V*, i — моменты приемистости двигателей; dt — параметры
двигателей.
Характер зависимости uh/vh (отношение командного управле-
ния uh к фактически отработанному управлению vh) от нагрузки Nh
по каждой обобщенной координате представлен на рис. 5.8.
Согласно графику, при \Nkt £|СМ*,£ имеет место равенство
Wfc, i = i, i = 1, ..., 6,	(5.27)
что соответствует идеальной работе двигателей независимо от
нагрузки Nk, t на их выходных валах. При | А7Й, £| > N*ti вели-
чина ufti£ либо больше uhii (в случае, если направление момента
нагрузки Nhti совпадает с направлением вращения i-го двигателя
под действием управления ufti£), либо меньше uhti (в случае, если
направление момента нагрузки Nhi t и вращения i-го двигателя
противоположны). Поэтому при моментах нагрузки Nhtl, превы-
шающих по абсолютной величине моменты приемистости двига-
телей N*t i, возникает необходимость в коррекции управления
таким образом, чтобы парировать «потерю шагов» двигателей и
обеспечить требуемую точность позиционирования или отработки
программной траектории.
Однако заранее рассчитать приемлемый закон коррекции уп-
равления в изменяющихся условиях не представляется возмож-
ным. Это связано с тем, что моменты нагрузки на выходных валах
двигателей существенно зависят от моментов инерции груза,
параметров двигателей и манипулятора, которые могут непред-
сказуемо изменяться в широком рабочем диапазоне. Поэтому
неадаптивный подход к синтезу управления при больших нагруз-
ках на выходных валах шаговых двигателей оказывается неэф-
фективным. Это диктует необходимость введения специальных эле-
ментов (алгоритмов) адаптации в систему программного управле-
ния, обеспечивающих ее автоматическое лриспособление к зара-
154
Рис. 5.9. Схема адаптивного
управления шаговыми при-
водами манипулятора
нее неизвестным и из-
меняющимся условиям
эксплуатации робота.
На рис. 5.9 представ-
лена общая схема адап-
тивной системы про-
граммного управления
манипулятором с шаго-
выми приводами рассматриваемого типа. Эта система функцио-
нирует следующим образом. Вначале рассчитывается программная
траектория k — 0, 1, ..., в соответствии с одним из методов,
описанных в гл. 2. Как показали эксперименты на макете, при
небольших (до 2 кг) нагрузках в схвате программная траектория
отрабатывается достаточно точно. Увеличение нагрузки приводит
к существенному снижению точности отработки, к автоколеба-
ниям или даже к выходу манипулятора (по отдельным координа-
там) на ограничения. Поэтому нарушение условия | Nkt 11 С N*ti
хотя бы по одной из обобщенных координат является сигналом
для перехода в режим адаптации.
Переходя к рассмотрению этого режима, запишем уравнения
управляемого движения манипулятора с шаговыми приводами
в виде:
Qk+l — Як + PVkt
Як+1, i —
$к+1, it
если
если
Як+1,
Як+1, i> Сь
(5.28)
если
Як+1, i < —ci>
где ct — параметры, характеризующие конструктивные ограниче-
ния по i-й обобщенной координате.
Разрешим это уравнение относительно управления uh и под-
ставим в полученные соотношения вместо <7*4.1 величины <7*4.1,
задающие программную траекторию. Тогда получим идеальный
закон управления, который в принципе гарантирует точную от-
работку программной траектории. Одиако воспользоваться этим
законом нельзя, так как он зависит от неизвестных характери-
стик шаговых двигателей (величины dit N^t), от параметров
манипулятора и груза (величины mt, rt, lf). Тем не менее яв-
ный вид идеального управления полезен — он подсказывает
общий вид (структуру) законов управления, в классе кото-
рых следует синтезировать адаптивное программное управле-
ние.
155
В рассмотренном случае идеальный закон управления имеет
вид
{P~X{qPM-qk)\i, если \Nhti\^N^f,
Uh,i r-т ( р ч»	। v । v (5.29)
Gt (<$+l, qk)ti, если \Nh)i | > N*)it
где Gtlu, h — некоторые заданные вектор-функции, явный вид
которых приведен в работах [42, 631. На основании закона (5.29)
управление шаговыми приводами манипулятора в адаптивном
режиме определим формулой [63]
uh>i = Gl(q^t, qk)rk>l, fe = 0, 1, ...,	(5.30)
где Th, i — настраиваемые параметры, трактуемые как оценки не-
известного вектора параметров £ идеального закона управления
(5-29).
В качестве алгоритма настройки параметров, представляющего
собой алгоритм адаптации, можно взять рекуррентный или много-
шаговый оптимальный алгоритм решения системы Эстиматорных
неравенств вида
I д (Ч л)1 < д Сч> л) = “h, i — Of (?fc+i. ?h) тр (5.31)
Нетрудно убедиться, что неравенства (5.31) разрешимы с «запа-
сом» 6 (при тг = |г) и что из выполнения этих неравенств, задан-
ных в пространстве управлений, следует выполнение целевых
неравенств, заданных в терминах обобщенных координат, а именно:
14k+i, i — qk+i, г | < 8,	(5.32)
где 8 — 8 (6) — положительные параметры, характеризующие точ-
ность осуществления программной траектории.
Приведем явную формулу локально-оптимального рекуррент-
ного алгоритма адаптации [42]:
тл+ы =
Tfe.o если | А й)| < 6;
I Uk, i ~ (jh+V Як) xk, i п ,	ч /Е о<5\
‘ +	|С, «».,.<>¥— °	(5'33)
если | А (тг, к, й)|	6,
где то,г — произвольные начальные оценки неизвестных параме-
тров. Эти алгоритмы гарантируют решение эстиматорных нера-
венств (5.31), а следовательно, и целевых неравенств (5.33) после
конечного числа коррекций параметров адаптивного закона уп-
равления (5.30).
Таким образом, синтезированный адаптивный закон управле-
ния (5.30), (5.33), использующий обратную связь по текущим по-
ложениям qk манипулятора и информацию о заданной програм-
мной траектории qP+i, обеспечивает после некоторого периода
адаптации требуемую близость реальной и программной траекто-
рий.	.
156
Рис. 5.10. Переходные процессы по
координате q2
Рис. 5.11. Переходные процессы по
координате qt
Рис. 5.12. Переходные процессы по
координате qt
Эффективность предложенного алгоритмического обеспечения
для адаптивной системы управления шаговыми приводами мани-
пулятора проверялась путем моделирования на ЭВМ. При этом
расчет числа управляющих импульсов nk, г на входе каждого дви-
гателя осуществляется по формуле
nk,i = Uh,A« t= l- •••» 6,	(5.34)
где ht — шаг i-ro двигателя. Распределение управляющих им-
пульсов во времени программно осуществлялось так, чтобы отра-
ботка всех управляющих воздействий uh, t (или nftii), i = 1, ..., 6
заканчивалась одновременно.
Моделировались управляемые движения манипулятора, соот-
ветствующие последовательному перемещению схвата из одной
точки рабочего пространства в другую, а также движение по за-
данной траектории («поиск, взятие и перенос деталей», «точечная
сварка по контуру» и т. п.). Рассмотрим некоторые типичные экс-
перименты.
В первом эксперименте требовалось перевести манипулятор
вместе с помещенным в схват грузом (масса груза 5 кг) в три после-
довательных положения д(1> = (10, 10, 10, 10, 10, 10)г, д<2> =
= (20, 20, 20, 20, 20, 20)г, q™ = (30, 30, 30, 30, 30, 30f с точ-
ностью 8 = 0,1 (величины обобщенных координат задавались
в градусах). Параметры та, mit lit dit rlt N#ti, i = 1, ..., 6, груза,
манипулятора и шаговых приводов считались либо приближенно
известными, либо неизвестными.
На рис. 5.10—5.12 представлены графики (жирная линия)
траекторий манипулятора по второй, четвертой и пятой обобщен-
ной координатам (в рассматриваемом эксперименте именно по
этим координатам осуществлялась адаптивная коррекция пара-
метров управления). На тех же рисунках графики справа характе-
157
ризуют собственно процесс адаптации по этим обобщенным ко-
ординатам в терминах изменения расстояния от вектора текущей
оценки параметров xhti адаптивного управления до неизвестного
вектора параметров |£ идеального закона управления. Как видно
из этих графиков, в процессе отработки программной траектории
по каждой обобщенной координате было сделано не более четырех
коррекций управления.
В другой серии экспериментов моделировался процесс точеч-
ной сварки по контуру. Так, в одном из экспериментов требова-
лось перевести схват последовательно в шесть точек, расположен-
ных на окружности. При использовании сварочной головки мас-
сой 2 кг реализовывался неадаптивный режим управления, ха-
рактеризующийся тем, что | Nk, 11 < N*t t по всем обобщенным
координатам. В этом случае система управления осуществила
периодическое перемещение схвата манипулятора во все шесть
заданных позиций с точностью е = 1 мм. По мере увеличения
нагрузки в схвате до 5 кг реализовывался адаптивный режим уп-
равления, для которого | Nh, 11 > N*, t хотя бы по одной обобщен-
ной координате. При точности позиционирования е = 1 см про-
изошло не более двух коррекций управления по различным обоб-
щенным координатам, а при точности е = 1 мм — не более четы-
рех коррекций. Дальнейшее увеличение нагрузки в схвате мани-
пулятора приводило либо к увеличению числа коррекций адаптив-
ного управления (до нескольких десятков коррекций), либо к на-
рушению конструктивных ограничений на управление.
В целом результаты моделирования адаптивной системы прог-
раммного управления шаговыми двигателями манипуляционного
робота свидетельствуют о ее эффективности и возможности про-
стой программно-аппаратной реализации на базе управляющих
микроЭВМ или микропроцессоров. Введение элементов (алгорит-
мов) адаптации в систему программного управления расширяет
функциональные возможности и повышает надежность роботов
с шаговыми приводами.
5.5. АДАПТИВНОЕ УПРАВЛЕНИЕ РОБОТАМИ
С ДВИГАТЕЛЯМИ ПОСТОЯННОГО ТОКА
Широкий класс роботов приводится в движение с помощью
двигателей постоянного тока. Примерами таких роботов могут
служить промышленные манипуляционные роботы типа ТУР-2,5,
ТУР-10, РПМ-25, «Пума» (Рита), «Прагма» (Pragma) и т. п., ис-
следовательские роботы типа ЛПИ-2, УЭМ-5МВТУ, а также ряд
транспортных роботов.
Достоинствами приводов на базе двигателей постоянного тока
являются хорошие динамические характеристики (высокие точ-
ность и быстродействие), сравнительно большой КПД (порядка
0,6), компактность и простота эксплуатации. Использование элек-
трических приводов в промышленных приводах и РТК стимули-
158
руется также широким распространением и дешевизной электри-
ческих источников питания.
Управление двигателями постоянного тока обычно осуществ-
ляется с помощью электрического напряжения и, приложенного
к обмотке якоря. Динамика таких двигателей описывается систе-
мой уравнений вида:
аго + а2д + ааф = и; Мо = а0о;	(5-.35)
Уф = Мд — РФ — Мс,	(5.36)
где о — сила тока в обмотке якоря; ф — скорость вращения
вала двигателя; Мо — вращающий момент; J — момент инерции
вращающихся масс, приведенный к ротору двигателя; р — коэф-
фициент вязкого трения; Мс — момент сопротивления; а0, ai,
а2, аз — параметры двигателя.
Исключая из уравнений (5.35) и (5.36) промежуточную пере-
менную о, получим уравнение динамики двигателя постоянного
тока в следующем виде:
atp + &!<₽ + &2ф + Ь3 (Мо) = и,	(5.37)
где
а — /ао1а2; bi — аё1 (Tai + Ра2);
b2 — Pa^ai + а0; b3 (Мо) = a?1 (aiMc + а2Мс).
Для увеличения мощности двигателей и получения больших
вращающих моментов применяются разного рода преобразователи
и электромашинные усилители. Вращение вала двигателя с по-
мощью механизма передачи движения (редуктора) преобразуется
во вращение выходного вала, на котором закрепляется соответ-
ствующее звено исполнительного механизма (манипулятора).
Двигатель совместно с редуктором образует силовой электро-
механический модуль. Схема такого модуля представлена на
рис. 5.13, где приняты следующие обозначения: Р — передаточ-
ное число редуктора; с — жесткость упругого вала; М — вращаю-
щий момент на выходном валу; q — угол поворота выходного вала
(обобщенная координата). Для силовых модулей роботов харак-
терны нелинейные эффекты, порождаемые насыщением магнит-
ного потока, силами сухого и вязкого трения, упругостью и люф-
тами в редукторах.
Важным преиму-
ществом двигателей по-
стоянного тока является
то обстоятельство, что
Рис. 5.13. Схема силового
электромеханического моду-
ля робота
Двигатели —
постоянного
тока
Привод
I Wo у Р с J М
I----------------1
I Исполнитель-^
J ныи механизм I
(манипулятор) |
L
159
на их основе (путем соответствующей конструктивной модифика-
ции) могут создаваться моментные двигатели. Такие двигатели
особенно перспективны в робототехнике, поскольку они непо-
средственно (без редуктора) передают развиваемый вращающий
момент на исполнительный механизм. Благодаря этому увеличи-
вается механическая жесткость и упрощается система управле-
ния роботом.
Объединяя уравнения динамики электрических приводов (5.37)
с уравнениями движения манипулятора (5.1), получим полное
описание динамики электромеханического робота в следующем
виде:
Л(дЛ)д+б(д, q, q, $ = и,	(5.38)
где А и b — заданные матрица-функция размерности тХт и
вектор-функция размерности т, непосредственно выражаемые
через матрицу-функцию А, вектор-функцию b в уравнении (5.1)
и параметры уравнений динамики приводов (5.37). Заметим, что
матрица A (q, £) не вырождена при всех возможных значениях q
и £. Из этого факта следует разрешимость уравнения динамики
(5.38) относительно старшей производной q, а значит, и возмож-
ность цифрового моделирования управляемых движений робота
путем численного интегрирования уравнения (5.38).
Цель программного управления роботом заключается в обеспе-
чении требуемой точности воспроизведения заданной программы
движения (ПД) манипулятора. Для ее достижения необходимо
прежде всего синтезировать соответствующий закон управления
электрическими приводами.
Простейшим способом управления по заданной программе
является программное управление, используемое в некоторых
промышленных роботах первого поколения. Аналитическая за-
пись программного управления с учетом динамики робота имеет
вид, аналогичный закону управления (5.2). При реализации та-
кого управления в роли датчика выступает таймер, который по-
следовательно шаг за шагом формирует управляющие воздействия
на двигатели.
В ходе программного управления не используются сигналы
обратной связи о текущем состоянии двигательной системы робота
и внешней среды. Поэтому в таких системах программного управ-
ления отсутствует подтверждение фактической отработки ПД.
Другим недостатком этих систем является жесткий характер уп-
равления. В связи с этим для обеспечения работоспособности ро-
ботов с программным управлением нужны специальная техноло-
гическая оснастка и организация неизменных условий их эксплуа-
тации. Создание и поддержание таких условий требует значи-
тельных дополнительных затрат, сравнимых со стоимостью ро-
бота.
160
Более эффективным способом управления манипуляционными
роботами является сервоуправление по программе. В его основе
лежит идея отработки ПД с помощью сервоприводов, использую-
щих обратную связь по фактическому состоянию манипулятора.
При этом коэффициенты усиления в каналах обратной связи за-
ранее рассчитываются так, чтобы обеспечить воспроизведение ПД
с заданной точностью при наличии небольших начальных и пара-
метрических возмущений.
В современных промышленных роботах сервоуправление по
программе обычно реализуется с помощью серийно выпускаемых
сервоприводов с локальными обратными связями по положению
и скорости. Двигательная система таких роботов представляет
собой манипулятор с т обобщенными координатами qlt ..., qm,
по каждой из которых действует свой сервопривод. Задача г-го
сервопривода заключается в том, чтобы, используя обратную
связь по qt (/), qt (t), обеспечить отработку программной «уставки»
qPli (t) с заданной точностью.
Поскольку исполнительный механизм (манипулятор) вместе
с грузом является общей нагрузкой по отношению ко всем серво-
приводам, двигательную систему робота следует рассматривать
как многосвязную систему с перекрестными связями. Такая си-
стема включает т взаимосвязанных подсистем. На вход i-й под-
системы подается i-я компонента ПД qPti (f), а выходом служит
реальное значение обобщенной координаты qt (t). Взаимодействие
подсистем происходит по каналам перекрестных связей.
В практике проектирования сервоприводов для промышленных
роботов широко применяется упрощенный метод расчета, основан-
ный на выделении отдельных подсистем без учета явлений дина-
мического взаимодействия [7, 16, 70]. Такой подход позволяет
расчленить многосвязную систему, движения которой в общем
случае описываются нелинейными дифференциальными уравне-
ниями высокого порядка вида (5.38), на т сравнительно простых
локальных систем.
Для упрощения расчетов уравнения движения каждой под-
системы линеаризуют в окрестности соответствующей компо-
ненты ПД, а коэффициенты полученного нестационарного линей-
ного дифференциального уравнения «замораживают» [70]. При
этом предполагается, что переходные процессы в замкнутой дви-
гательной системе протекают настолько быстро, что ПД, а следо-
вательно, и коэффициенты линеаризованного уравнения не пре-
терпевают значительных изменений.
Описанный приближенный метод расчета сервоприводов для
промышленных роботов, несмотря на отсутствие строгого обосно-
вания, на практике зачастую обеспечивает требуемую точность
отработки ПД и приемлемое качество управления. Поэтому он
используется при проектировании многих промышленных
роботов с позиционными и контурными системами управле-
ния.
6 Заказ 250
161
На рис. 5.14 представлена структурная схема сервоуправления
по программе с помощью сервоприводов, приводящих в движение
исполнительный механизм робота. Здесь приняты следующие со-
кр ащения:
ЦАП — цифроаналоговый преобразователь;
УС — усилитель сигнала;
ШИП — широтно-импульсный преобразователь;
УМ — усилитель мощности;
ДПТ — двигатель постоянного тока;
Рис. 5.14. Схема локального сервоуправления по программе
РД — редуктор;
ТГ — тахогенератор;
ДП — датчик положения
и обозначения: kt, i = 0, 1, ..., 6, — коэффициенты передачи со-
ответствующих элементов схемы; — передаточная функ-
ция ТГ; То — постоянная времени ТГ; р =	---оператор диф-
ференцирования.
ПД qp (t) формируется специальным программно-временным
устройством — программатором, который обычно реализуется на
микроЭВМ или на микропроцессоре.
При синтезе локального сервоуправления обычно используются
линейные пропорциональные, интегральные, дифференциаль-
ные регуляторы или их комбинация — так называемые ПИД-
регуляторы. Структура ПИД-регулятора определяется фор-
162
мулой (5.8). Рассмотрим частные случаи такого ПИД-ре-
гулятора.
Пропорциональный регулятор формирует управляющее воз-
действие (в данном случае управляющее напряжение в цепи якоря
ДПТ) Ut, пропорциональное ошибке регулирования &qt (/) =
= qt (t) — qPti (t), т. e. отклонению выходной координаты qt (t)
от ее программной «уставки» qp>i (t):
u.i(t)=-Ci[qi(t)~qPli(t)], i~\,...,m.	(5.39)
Коэффициенты усиления сг определяют чувствительность ре-
гулятора. Увеличение коэффициентов усиления обычно благо-
приятно влияет на качество управления и, в частности, на точ-
ность и быстродействие. Однако при очень больших значениях
коэффициента усиления возможны автоколебания или даже по-
теря устойчивости ПД.
Для улучшения качества переходных процессов в закон управ-
ления наряду с ошибкой регулирования А<уг (/) часто вводят произ-
водные ксц (t), C±qt (t) и т. д. Так, в схеме, изображенной на
рис. 5.14, используется пропорционально-дифференциальный (ПД)
регулятор вида
Щ (0 = С, [qt (0 - qp, t (01 + ki {qi (0 - qp, f (/)],	(5.40)
где cf, kt — коэффициенты усиления в каналах обратной связи.
Реализация таких регуляторов требует только датчиков положе-
ния и скорости.
Учет динамических особенностей двигателей (и, в частности,
учет их инерционности) приводит к необходимости создания ин-
тегральных регуляторов, у которых управляющее воздействие
пропорционально интегралу по времени от ошибки регулирова-
ния. В простейшем случае интегральный регулятор имеет вид
«< (/) = Ti [qi (t) - qP, i (/)], i=l.m, (5.41)
где уг — коэффициенты усиления. Если же регулирование осу-
ществляется на основе обратной связи по второму, третьему и т. д.
интегралу от ошибки А^ (/), то соответствующие регуляторы назы-
ваются регуляторами со вторым, третьим и т. д. порядком аста-
тизма. Обычно увеличение порядка астатизма позволяет повысить
точность воспроизведения ПД. Однако при этом может умень-
шиться запас устойчивости в замкнутой системе управления.
Регулятор, реализованный в схеме локального сервоуправле-
ния манипулятором, изображенный на рис. 5.14, описывается
дифференциальным уравнением вида
й = —TVu yiq уг4р + Уз? + ?4Йр>	(5-42)
где Yj, Y2. Уз. У« — параметры, выражающиеся через коэффициенты
передачи k0, klt k2, ka, kb, ke и постоянную времени To. Ввиду
единообразия уравнений серворегуляторов для всех приводов ин-
дексы каналов управления в (5.42) опущены.
6*
163
Для получения уравнения замкнутой системы управления
нужно продифференцировать уравнение динамики (5.38) и под-
ставить в полученное выражение (5.42). В результате получим
нелинейное дифференциальное уравнение четвертого порядка от-
носительно вектора обобщенных координат q = (qx, ..., qmY Ана-
лиз этого уравнения показывает, что подбором постоянной вре-
мени ТГ, передаточного числа редуктора и коэффициентов пере-
дачи основных элементов системы управления, изображенной на
рис. 5.14, можно обеспечить лишь устойчивость ПД qp (t) в малом,
т. е. при достаточно малых начальных возмущениях. Такая си-
стема программного управления весьма чувствительна к сколько-
нибудь значительным параметрическим возмущениям, что отрица-
тельно сказывается на характере переходных процессов (ухуд-
шаются точность и быстродействие). Другим существенным недо-
статком этой системы является взаимное влияние каналов локаль-
ного сервоуправления ввиду того, что все приводы работают на
общую нагрузку.
Наилучшими техническими характеристиками в классе рас-
сматриваемых линейных регуляторов обладают комбинированные
ПИД-регуляторы вида (5.8). Однако и им присущи недостатки,
рассмотренные в п. 5.1. Отсюда ясна необходимость разработки
более совершенных систем программного управления, свободных
от недостатков локальных серворегуляторов. Эти системы должны
учитывать в явном виде (т. е. в структуре регулятора) динамику
исполнительных приводов и механизмов робота. Такие системы
могут обеспечить любой желаемый характер переходных процес-
сов при отработке заданного ПД.
Рассмотрим новый класс регуляторов, синтезируемых исходя
из требования: обеспечить наперед заданный характер ПП в зам-
кнутой динамической системе робота. Отличительной чертой
этого класса является то, что при выборе структуры регулятора
используются полные (а нелинеаризованные) уравнения динамики.
В результате структура регулятора оказывается вполне адекват-
ной структуре динамической модели робота.
Законы управления, реализуемые такими регуляторами, будем
называть динамическими. Они решают не только задачу стабили-
зации ПД с заданным качеством, но и задачу управления
конечным состоянием, т. е. задачу перевода манипулятора из лю-
бого начального состояния в желаемое конечное за заданное
время.
Перейдем к синтезу динамического регулятора в терминах уп-
равления напряжением в якорных обмотках двигателей. Введем
блочную матрицу коэффициентов усиления в каналах обратной
связи вида
/О	I	0\
Г = I О	О	I ],	(5.43)
\Г,	Г,	Го/
164
где I, 0 — единичная и нулевая матрицы размерности тХт,
а Го, Гъ Г2 — матрицы размерности тхт такие, что матрица
(5.43) устойчива (гурвицева). Тогда, очевидно, регулятор вида
u = A (q, £) [qp 4~ Г2 (q — qp) I\ (q — qp) + Го (q — <?р)] -ф
+ 5(9-	<7> 5)	(5.44)
обеспечивает асимптотическую устойчивость в целом ПД, т. е.
М0-<7р(0||->0; \\q(t)~qp(t)\\-+O-,
11<т-мо1но, t>t» .	( ’
при любом уровне начальных возмущений.
Рис. 5.15. Схема стабилизирующего управления программным движением
Характер переходных процессов в замкнутой системе (5.38),
(5.44) при этом целиком определяется выбором матричных коэф-
фициентов усиления Го, Г1( Г2. Поэтому желаемое качество уп-
равления задается конструктором на стадии параметрического
синтеза регулятора вида (5.44).
Структурная схема одного из возможных вариантов технической
реализации динамического регулятора (5.44) представлена на
рис. 5.15. В отличие от схемы сервоуправления, изображенной на
рис. 5.14, здесь используются только обратные связи по обобщен-
ным координатам qx, ..., qm, подаваемые в микроЭВМ, на базе
которой строится регулятор (5.44). При этом на микроЭВМ воз-
лагаются функции программатора (вычисление qp, qp, qp, qp),
165
дифференциатора (вычисление q, q) и расчета коэффициентов уси-
ления Го, Гь Г2.
Приведем простые расчетные соотношения для выбора пара-
метров (матричных коэффициентов усиления) Го, 1\, Г2. Для
нейтрализации перекрестных связей в каналах, управления выбе-
рем эти матрицы диагональными, а именно:
Го — Гх = У11‘, г2 = у2/.	(5.46)
Тогда условие устойчивости блочной матрицы (5.43) определяется
следующей системой неравенств:
То < 0; ух < 0; уху2 > у0.	(5.47)
Выбирая параметры у0, у1г у2 из этих условий, можно обеспечить
не только асимптотическую устойчивость ПД в целом, но и лю-
бой желаемый запас устойчивости. Последнее особенно важно
с точки зрения придания динамическому регулятору (5.45) свой-
ства нечувствительности (инвариантности) по отношению к дей-
ствию параметрических возмущений. Ясно, что чем больше уровень
параметрических возмущений, тем больший запас устойчивости
у регулятора (5.44) нужно предусмотреть.
Следует, однако, иметь ввиду, что без самонастройки пара-
метров регулятора обеспечить наперед заданный характер пере-
ходных процессов в этих условиях, вообще говоря, не удается.
В то же время параметрические возмущения практически неиз-
бежны. Они обусловлены тем, что точные значения параметров
робота и груза £ могут отличаться от паспортных данных и обычно
неизвестны. Более того, они могут дрейфовать в процессе эксплуа-
тации робота непредсказуемым образом. Поэтому возникает не-
обходимость дополнить синтезированный регулятор средствами
адаптации (самонастройки).
Для расчета и проектирования адаптивной системы програм-
много управления можно воспользоваться методом, описанным
в гл. 3. Согласно этому методу на первом этапе конструируется
динамический регулятор вида (5.47), который является идеаль-
ным, если предположить, что параметры £ полностью известны.
Заметим, что этот регулятор использует обратные связи по обоб-
щенным координатам q, скорости и ускорению q их изменения,
которые легко реализовать с помощью соответствующих датчиков
или функциональных преобразователей (дифференциаторов или
интеграторов).
На втором этапе нужно, исходя из единых требований к про-
цессам управления и адаптации, синтезировать эстиматор и адап-
татор. Точнее, нужно сконструировать соответствующие эстиматор-
ные неравенства и алгоритмы адаптации, т. е. конечно-сходящиеся
алгоритмы решения этих неравенств относительно настраиваемых
параметров регулятора. Полученный таким образом адаптивный
регулятор обеспечивает приемлемый (желаемый) характер пере-
166
ходных процессов практически при любом уровне неконтролируе-
мых параметрических возмущений.
Приведем формулы, определяющие структуру и явный вид
адаптивной системы программного управления электрическими
приводами робота. С этой целью прежде всего представим левую
часть уравнения динамики робота (5.40) в следующем виде:
A(q, g)?4- b(q, q, q, g) = G(q, q, q, q)%,
где G — матрица-функция размерности mXp; g — р-мерный век-
тор (в общем случае, вектор-функция), определяемые данным пред-
ставлением.
Адаптивный регулятор определяется формулой
« = G [q, q, q, qp ф- Г2 (q - qp) -ф I\ (q - qp) -ф Го (q — gp)] x, (5.48)
где т — оценка неизвестного вектора параметров g, определяемая
с помощью некоторого алгоритма адаптации.
Для анализа качества переходных процессов при адаптивном
управлении (5.48) сконструируем эстиматорные неравенства вида
|( А (т, /)|| < 6; А (т, t) = u — G(q, q, q, q)x. (5.49)
Эти неравенства аналогичны неравенствам (5.14): они разрешимы
с «запасом» у при т — g и выпуклы по т. Поэтому для их решения
непосредственно применимы дискретные и непрерывные алго-
ритмы адаптации, рассмотренные в гл. 3.
Простейший локально-оптимальный рекуррентный алгоритм
адаптации имеет вид
rft+1 = -ф Gk [GfeGl]-1 A (rfe, t'k), 6 = 0, 1, 2, ... t>tk, (5.50)
где t'k — первый момент нарушения неравенств (5.49) при т = Xk,
причем Tfe+1 = t'k + 0; Gk = G lq (tk), q (t'k), q (t'k), q (t'k) 1, где 0 —
время, необходимое для вычисления новой оценки тЛ+1 по старой xh.
Алгоритм (5.50) является конечно-сходящимся, т. е. число кор-
рекций параметров регулятора (5.48) в силу алгоритма само-
настройки (5.50) не превышает некоторое натуральное число г.
Это означает, что время адаптации конечно и удовлетворяет сле-
дующей оценке: р г0. Используя эту оценку, легко получить
(в соответствии с методикой, изложенной в гл. 3) оценку качества
переходных процессов.
Синтезированная система адаптивного управления электриче-
скими приводами манипуляционных роботов допускает простую
программно-аппаратную реализацию на базе микроЭВМ и микро-
процессоров. Один из вариантов такой реализации иллюстри-
руется на рис. 5.16.
Приведенная схема имеет ряд принципиальных отличий от
традиционной системы локального сервоуправления по программе,
изображенной на рис. 5.14. Во-первых, вместо программных уста-
167
вок gliP, qm<p, подаваемых на вход каждого сервопривода в си-
стеме адаптивного управления используется программная тра-
ектория qv и ее производные qp, qp, qp, которые формирует про-
грамматор и подает в регулятор. Во-вторых, вместо локальных
обратных связей по положению и скорости, охватывающих каждый
сервопривод, здесь используется только обратная связь по поло-
жению, сигналы qlt ..., qm которой подаются через аналого-циф-
ровые преобразователи в микроЭВМ или на микропроцессор, осу-
ществляющие их трехкратное дифференцирование. Сигналы об-
Рис. 5.16. Схема адаптивного программного управления манипуляционным
роботом
ратной связи используются не только в регуляторе, но и в эсти-
маторе, и адаптаторе. Последние обеспечивают автоматическую
коррекцию (самонастройку) параметров регулятора при внезапном
изменении нагрузки или при непредсказуемом дрейфе параметров
двигательной системы робота.
Указанные структурно-функциональные изменения в системе
программного управления придают ей качественно новое свой-
ство — высокоразвитую способность адаптации к любым измене-
ниям параметров робота или условий его функционирования.
Благодаря этому удается существенно улучшить основные пока-
затели качества управления (точность, быстродействие и т. п.)
и расширить функциональные и адаптационные возможности ма-
нипуляционного робота.
В некоторых случаях может оказаться целесообразной иная
реализация адаптивной системы управления, основанная на ис-
пользовании обратных связей в терминах физических переменных,
непосредственно измеряемых датчиками. Обычно в роли таких
переменных выступают обобщенные координаты q = \q, qm\T,
скорости их изменения q = |	..., qm |г и ток в якорных обмотках
168
двигателей cr = (ffv <rm|7’. Обозначим через z 3/п-мерный век-
тор физических переменных. Этот вектор связан с каноническим
вектором состояний х = \qY.....qm, qY....qm, qlt qm\T ли-
нейным невырожденным преобразователем вида
z = Р (z) х + Q (z),	(5.51)
где P — некоторая матрица-функция размерности ЗтхЗтп; Q—
Злг-мерная вектор функция.
Соотношение (5.51) можно использовать для синтеза иденти-
фикатора состояний. Последний, очевидно, описывается формулой
х = р-1 (z) [z — 0 (z)l.	(5.52)
На практике размерность вектора физических переменных z
в ряде случаев меньше размерности вектора состояний х. При
этом идентификатор (5.52) непригоден и приходится конструиро-
вать идентификатор более сложной структуры. Такие идентифи-
каторы называются наблюдателями [19, 58].
Алгоритмическое и программное обеспечение адаптивной си-
стемы управления представляет собой одну из самых сложных
и дорогостоящих компонент робота. Поэтому проектирование
программного обеспечения для адаптивного робота требует не
только больших интеллектуальных затрат проектировщика, но
и адекватных вычислительных средств. Мощность этих инстру-
ментальных средств автоматизированного расчета и проектирова-
ния должна превышать мощность вычислительной системы, реа-
лизующей адаптивное управление конкретным роботом.
На инструментальные средства автоматизированного проекти-
рования возлагаются разнообразные функции: исследование гиб-
ких алгоритмов программирования движений манипулятора и
адаптивных законов управления приводами; имитационное моде-
лирование переходных процессов; анализ качества управления и
т. п. Программное обеспечение многоцелевых инструментальных
комплексов состоит из двух компонент: универсальной и специали-
зированной. Универсальная компонента, включающая операцион-
ную систему реального времени, предоставляет разработчику
различные средства автоматизированного проектирования. К ним
относятся интерпретаторы, редакторы, загрузчики и т. п. Специали-
зированная компонента строится на базе универсальной и является
проблемно-ориентированной. Она содержит программные сред-
ства для имитационного моделирования систем управления.
Пакет программ, служащий для оценки эффективности и срав-
нения различных систем программного и адаптивного управления
манипуляционных роботов с электрическими приводами, описан
в п. 3.9. Этот пакет имеет модульную структуру и позволяет моде-
лировать управляемые движения роботов при различных типах
программаторов, регуляторов, эстиматоров и адаптаторов. Струк-
тура пакета программных модулей представлена на рис. 3.3. На
основе разработанного программного обеспечения были про-
169
ведены эксперименты по имитационному моделированию и сравни-
тельному анализу различных систем управления одним и тем же
роботом. Одна из серии экспериментов касалась манипуляцион-
ного робота типа ЛПИ-2.
Рассмотрим типичный эксперимент. Моделирование осуществ-
лялось на ЭВМ ЕС-1045 с шагом численного интегрирования (с по-
мощью метода Рунге-Кутта) h = 0,1 с и 6 = 10-5. В ходе экспери-
ментов варьировались в широком диапазоне массо-инерционные
характеристики груза, силы вязкого трения, упругие деформации
в редукторах, электрические параметры двигателей и т. п. Цель
управления заключалась в переводе манипулятора из неподвиж-
ной начальной конфигурации q0 в желаемую конечную qr. В ка-
честве ПД было взято хр Ц) =	0, 0|г, а в качестве регуля-
тора — закон управления (5.44) с параметрами
Го = —307; Г, = —3007; Г2 = —10007.	(5.53)
а)
ly/x-Xfl
2
1
0
-1
-2
-5
-V
-5
-6
5)
Ilt-Tll
0,055
При этом блочная матрица коэффициентов усиления (5.43) устой-
чива и имеет одинаковые собственные числа, равные —10. По-
следнее число характеризует запас устойчивости такой системы.
Если все параметры £ известны, то регулятор (5.44) обеспечи-
вает желаемый вид переходного процесса, изображенный на
рис. 5.17, а штрих-пунктирной линией. Если же масса груза и
другие компоненты вектора параметров £ неизвестны, то переход-
ный процесс под действием регулятора (5.44), рассчитанного на
«номинальную» нагрузку (соответствующую грузу массой 0,5 кг),
ухудшается. На рис. 5.17, а он изображен штриховой линией и
наглядно демонстрирует снижение точности и быстроты позицио-
нирования. Причиной этого являются параметрические возму-
щения. Для их компенсации использовался адаптивный закон
управления вида (5.48), (5.53), причем в качестве алгорит-
ма адаптации использовался рекуррентный локально-оптималь-
ный алгоритм (5.50). Как
видно из рис. 5.17, а, где
переходный процесс изобра-
жен сплошной линией, тре-
буемая точность позициони-
рования балы достигнута че-
рез 5,5 с. Процесс адаптации
характеризуется графиком,
показанным на рис. 5.17, б,
откуда видно, что уровень
параметрических возмущений
по мере адаптации монотонно
уменьшается.
Рис. 5.17. Сравнительный анализ
качества систем программного
управления: а — переходные про-
цессы; б — процесс адаптации
0,050
.С
с
170
i В целом эксперименты по моделированию различных систем
| управления показали преимущества адаптивных систем по сравне-
|нию с системами, использующими динамические регуляторы или
 серворегуляторы без самонастройки. Эти преимущества прояви-
лись в увеличении точности, надежности и быстроты отработки
программной траектории при наличии неконтролируемых помех,
 а также в снижении чувствительности системы управления к пара-
вметрическим возмущениям.
К	5.6. СВАРОЧНЫЕ РОБОТЫ
р-	С АДАПТИВНЫМ КОНТУРНЫМ УПРАВЛЕНИЕМ
Автоматизация сварочных процессов наталкивается на труд-
ности, связанные с необходимостью выполнения рабочим органом
(сварочной головкой) сложных движений вдоль линии соединения
свариваемых деталей. При выполнении криволинейных швов обыч-
ные автоматизированные установки для дуговой сварки либо не
дают удовлетворительных практических результатов, либо вообще
неприемлемы [99]. В таких случаях для автоматизации сварки
особенно перспективны роботы с их широкими манипуляционными
и адаптационными возможностями.
Рассмотрим особенности систем управления роботов для дуго-
вой сварки.
Основным требованием, предъявляемым к системам управле-
ния таких роботов, является обеспечение движения рабочего ор-
гана по заданной линии сварного шва с требуемой точностью при
определённой скорости движения и ориентации сварочной головки.
При этом допуски на отклонения от линии шва и от заданной ско-
рости движения довольно жесткие: допустимое отклонение элек-
трода от линии шва обычно не превышает 0,5—1 мм, а допустимая
погрешность по скорости составляет 5 % [99].
Позиционные системы управления сформулированному требо-
ванию не удовлетворяют. Поэтому возникла потребность в разра-
ботке специальных адаптивных систем контурного управления,
способных автоматически формировать траекторию сварочной
| головки по характерным точкам шва, а по ней вычислять програм-
| иное движение в терминах управляемых координат манипулятора.
| В процессе обучения в программатор системы управления вво-
I дятся координаты характерных точек шва (изломы и т. п.) и коды
I кусков траекторий между ними (прямая, дуга и т. п.), получаемые
t с помощью специальных датчиков или системы технического зре-
I ния. По этим данным автоматически строится (интерполируется)
I траектория сварочной головки, причем промежуточные точки этой
| траектории задаются с шагом, зависящим от требуемой точности
I и скорости движений. Далее по полученной таким образом дис-
| кретной траектории сварочной головки рассчитывается дискрет-
I ная программа движения манипулятора путем решения обратной
I кинематической задачи.
171
Для оперативного решения этой задачи можно использовать
гибкие алгоритмы, описанные в гл. 2. Проиллюстрируем их
эффективность на примере автоматического программирования
движений сварочного робота модульной конструкции РПМ-25.
Моделировалась следующая задача: требовалось перемещать сва-
рочную головку вдоль заданной линии сварки с точностью 1 мм,
причем по технологическим условиям она должна сохранять
ориентацию в конусе с растром 0,01 рад. На линии сварки было
намечено 1000 точек с таким расчетом, чтобы манипулятор пере-
мещал сварочную головку последовательно от точки к точке.
Для каждой очередной точки решалась обратная кинематическая
задача с помощью рекуррентного алгоритма, описанного в п. 2.3.
Как показали эксперименты, при реализации этого алгоритма
на микроЭВМ «Электр он и к а-60» программная траектория мани-
пулятора формируется с частотой до 90 Гц. Это свидетельствует
о возможности автоматического программирования движений сва-
рочного робота типа РПМ-25 в реальном масштабе времени.
Описанный способ автоматического программирования дви-
жений позволяет существенно упростить и во много раз ускорить
процесс обучения сварочных роботов. Благодаря этому резко
увеличивается производительность и степень использования обору-
дования, уменьшается влияние субъективного «человеческого
фактора» и увеличивается уровень автоматизации, что особен-
но важно в условиях гибкого многономенклатурного произ-
водства.
Для сравнения заметим, что при обычном ручном программи-
ровании путем последовательного проведения сварочной головки
через все промежуточные точки шва время обучения робота недо-
пустимо растягивается: для простых швов оно составляет 20—
30 мин, для сложных — до одной рабочей смены [99]. К этому
нужно добавить, что в тех случаях, когда допуски на размеры сва-
риваемых узлов значительно превышают допуск на отклонение
сварочной головки от линии шва (например, при сварке крупно-
габаритных изделий), человек-оператор должен повторять весь
процесс обучения для сварки очередного экземпляра одного и
того же изделия. Понятно, что такой подход в условиях ГАП
неприемлем.
Эффективным способом решения этой проблемы является осна-
щение робота системой технического зрения, позволяющей опе-
ративно воспринимать изменения производственной обстановки
(и, в частности, изменение габаритных размеров свариваемых
заготовок). Такая видеосистема оценивает, насколько отличаются
геометрические характеристики свариваемого экземпляра изде-
лия от эталонного, в роли которого выступает первый экземпляр,
по которому производилось обучение робота.
По этим данным .программатор автоматически корректирует
программу движения сварочной головки. Тем самым осуществ-
ляется своеобразная адаптация системы управления сварочного
172
робота к индивидуальным особенностям изделий данного класса.
Аналогично (но несколько более сложно) осуществляется адапта-
ция на уровне корррекции программных движений к совершенно
новым изделиям определенной номенклатуры.
Особенностью адаптивных систем управления роботов для ду-
говой сварки является и то, что на них возлагается регулирова-
ние ряда технологических параметров. Например, они должны
регулировать скорость подачи электрода, напряжение дуги и
скорость перемещения сварочной головки в зависимости от тол-
щины свариваемых заготовок и величины зазора между ними,
геометрии шва и других факторов.
При сварке сложных изделий возникает необходимость изме-
нять положение или ориентацию одних свариваемых деталей отно-
сительно других. Для этой цели часто используется еще один
робот, осуществляющий соответствующие вспомогательные опе-
рации. Такие сварочные робототехнические комплексы (РТК)
имеют единую систему адаптивного управления, обладают высо-
кой гибкостью и широкими адаптационными возможностями.
Благодаря этому адаптивные сварочные РТК находят применение
в ГАП.
Эффективность использования сварочных роботов в РТК
в значительной степени зависит от методов и средств адаптации,
реализуемых в их системе управления. Рассмотрим на ряде при-
меров специфические особенности этих методов и технических
средств.
Одна из первых систем адаптивного управления сварочных ро-
ботов была создана фирмой «Хитачи» (Япония). Она корректирует
программу движения сварочной головки вдоль шва углового
таврового соединения на основании сигналов двух магнитных дат-
чиков. Важным достоинством данной системы является ее простота
и надежность. Существенным является и то обстоятельство, что
эта система адаптируется по шву непосредственно в процессе
сварки, а не только при предварительном настроечном прогоне
сварочной головки без сварки. Однако возможности этой системы
весьма ограничены: она не может, например, адаптироваться при
сварке по сложному криволинейному шву.
В современных системах адаптивного управления для поиска
и съема координат характерных (базовых) точек шва применяются
электромеханические измерительные головки и специально раз-
работанные для сварки тактильные датчики. Обычно они устанав-
ливаются на корпусе сварочной головки. В некоторых системах
используется кольцевой щуп, закрепляемый концентрично свароч-
ному электроду. В качестве измерительного щупа может использо-
ваться и сам сварочный электрод, если на него во время измерений
подавать повышенное переменное напряжение (порядка 400 В)
с пониженной частотой (порядка 600 Гц). Для компенсации по-
грешностей электрод перед измерением выдвигается до упора,
служащего базой отсчета координат.
173
Исходную информацию для адаптивной коррекции программы
движения щупа в сварочных РТК получают также с помощью
локационных, электромагнитных, струйных и других датчиков
расстояния до свариваемых поверхностей. В роли Средства адап-
тации можно использовать саму сварочную дугу. При этом ин-
формацию о расстоянии несет сварочный ток или напряжение дуги.
Достоинством такого подхода является то, что измерение произво-
дится без дополнительных датчиков непосредственно в точке
сварки. Это исключает погрешности между контрольной точкой
и точкой сварки и позволяет адаптивно управлять самой дугой.
Важным источником информации для адаптивной системы уп-
равления сварочным РТК служат системы технического зрения.
Наибольшую информацию о рабочей зоне несут телевизионные и
лазерные системы. Однако они сложны и дороги, поэтому для сва-
рочных РТК разрабатываются специальные видеодатчики [99].
Получаемая информация зачастую избыточна и зашумлена. Для
предварительной фильтрации и обработки видеосигналов исполь-
зуются микропроцессоры, являющиеся составной частью системы
адаптивного управления.
Остановимся на способах адаптации, лежащих в основе про-
граммного обеспечения систем управления адаптивных роботов
для дуговой сварки. Эти способы можно условно разбить на три
группы:
1)	адаптация к геометрическим характеристикам шва, обеспе-
чивающая необходимую коррекцию программы движения свароч-
ной головки;
2)	адаптация к технологическим условиям сварки, обеспечи-
вающая требуемое регулирование основных параметров процесса
сварки (силу сварочного тока, напряжение дуги, амплитуду и
частоту колебаний электрода и т. п.);
3)	адаптация к неопределенности и дрейфу параметров испол-
нительных приводов и механизмов, обеспечивающая заданное
качество переходных процессов за счет самонастройки системы
управления.
При геометрической адаптации возможны два случая, требую-
щие различных алгоритмов коррекции программных движений
сварочной головки. В первом случае линия сварки, оставаясь
неизменной, сдвинута или повернута на некоторые заранее неиз-
вестные величины по отношению к расчетной линии, во втором —
эта линия искажена и может существенным образом отклоняться
от расчетной.
Принцип адаптации в первом случае основывается на идее
поиска и измерения координат (с помощью измерительной головки
или специальных датчиков) определенного числа базовых точек
на свариваемых поверхностях с целью вычисления параметров
сдвига и поворота линии сварки по отношению к расчетной. Эта
информация используется далее в системе управления для со-
ответствующей коррекции программы движения сварочной го-
174
Рис. 5.18. Схема адаптивной сварки:
1 — лазер; 2 — двигатель сканирования; 3 — горелка*
4 — шов
ловки. Таким образом, в данном случае
адаптивность системы управления заклю-
чается, по существу, в ее инвариантности
по отношению к некоторой группе пре-
образований линии сварки, а именно: к
группе сдвигов и поворотов в трехмерном
рабочем пространстве.
Рассмотрим теперь принцип геометри-
ческой адаптации во втором, более общем
случае, когда линия сварки может быть не
только смещена, но искажена по форме
по сравнению с расчетной. Адаптация по шву в этом случае осно-
вывается на том, чтобы заранее (например, при холостом ускорен-
ном проходе) или в процессе сварки определить (интерполировать)
линию сварки и по ее отклонениям от расчетной линии внести
соответствующие коррективы в программу движения сварочной
головки. Известно несколько вариантов аппаратно-программной
реализации этого принципа с учетом особенностей используемых
датчиков информации о шве. Наиболее перспективными являются
видеодатчики и способы измерения, основанные на использовании
сварочной дуги [991.
Для измерения геометрических характеристик линии сварки
и самого шва в зоне сварки применяется способ сканирования луча
лазерного дальномера вокруг точки сварки. Этот способ адап-
тивной сварки иллюстрируется рис. 5.18. В качестве излучателя
здесь используется полупроводниковый лазер с мощностью им-
пульса от 1 до 10 Вт, работающей в инфракрасном диапазоне.
На свариваемые поверхности оптическая система лазера проеци-
рует световое пятно диаметром 0,3 мм. Другая оптическая система
воспринимает отраженный луч и фокусирует изображение пятна
на фотоприемники прибора с зарядовой связью (ПЗС) с разрешаю-
щей способностью порядка 10 мкм.
По результатам измерения расстояния (за один поворот ла-
зера вокруг горелки снимается около 200 отсчетов) формируется
локальная трехмерная модель свариваемого изделия и шва в зоне
сварки. Эта локальная модель, зависящая от текущего положе-
ния, вводится в систему управления робота, которая вычисляет
необходимые геометрические и технологические характеристики:
зазоры и углы между свариваемыми поверхностями, расстояние
между горелкой и базовой поверхностью, ориентацию горелки,
форму наплавленного валика на шве и т. п. Полученные характе-
ристики могут использоваться в системе управления для стаби-
лизации требуемого (в частности, оптимального) режима сварки
с помощью средств технологической адаптации, для корректи-
ровки программы движения горелки с помощью алгоритмов гео-
175
метрической адаптации к линии сварки и для самонастройки пара-
метров контурного управления с целью обеспечения заданного
качества отработки программы движения.
Требования к качеству управления и надежности у сварочных
роботов и РТК особенно высоки, так как они выполняют не вспомо-
гательную, а основную технологическую операцию. Вследствие
этого ухудшение качества управления может привести к браку,
а любой отказ порождает остановку соответствующего участка
производства.
Аппаратно-программные средства для реализации адаптив-
ного управления дуговой сваркой должны удовлетворять весьма
жестким эксплуатационным требованиям. Помимо высокой на-
дежности они должны обладать необходимой гибкостью и ремонто-
пригодностью, а также быть компактными и достаточно дешевыми.
Этим требованиям удовлетворяют современные микроЭВМ и
микропроцессоры, на базе которых и строятся адаптивные системы
управления современных сварочных роботов и РТК.
5.7.	СБОРОЧНЫЕ ЦЕНТРЫ
И РОБОТЫ С АДАПТИВНЫМ УПРАВЛЕНИЕМ
Сборочные операции относятся к наиболее трудоемким и ответ-
ственным технологическим операциям. В машиностроении в сред-
нем около 50 % от общей трудоемкости изготовления продукции
приходится на сборку. Однако автоматизация сборочных опера-
ций развивается очень медленно. Темпы автоматизации сборки
существенно отстают от темпов автоматизации других видов работ
(механическая обработка, штамповка и т. д.). В различных отрас-
лях отечественного машиностроения уровень автоматизации сбо-
рочных операций составляет лишь 5—15 %.
При автоматизации сборочных операций целесообразно исполь-
зовать машины и роботы с адаптивным управлением, способные
автоматически приспосабливаться к неизбежным на практике по-
мехам и изменениям в рабочей зоне. В принципе такие роботы мо-
гут собирать изделия из неориентированных деталей, поступаю-
щих навалом.
Методы и средства адаптации первоначально нашли применение
в «сборочном центре», разработанном в 1960-х годах в Москов-
ском станкоинструментальном институте. С помощью датчи-
ков измерялись геометрические параметры сопрягаемой и уста-
новочной поверхностей базовой и присоединяемой детали, а
также определялось их относительное положение. По этим дан-
ным адаптивная система управления изменяла относительное
положение деталей до тех пор, пока они не занимали нужное для
сборки положение. Для увеличения производительности сбороч-
ного центра система управления обеспечивала ускоренный под-
вод рабочего инструмента с деталью для ее установки на поворот-
ном столе или на базовой детали [1 ].
176
Принципы адаптивного управления сборкой находят все более
широкое применение в переналаживаемых сборочных автоматах,
в высокопроизводительных роторных линиях, а также в сбороч-
ных роботах и РТК. Остановимся подробнее на особенностях адап-
тивного управления сборочными роботами.
Трудности на пути автоматизации сборочных операций с по-
мощью роботов связаны с нетехнологичностью конструкций мно-
гих собираемых изделий, а также с неопределенностью положения
и ориентации деталей. Эта неопределенность обусловлена неточ-
ностью позиционирования и фиксации деталей, погрешностями
их изготовления и т. п. Суммарные погрешности иногда суще-
ственно (на порядок и более) превышают допустимую неточность
позиционирования детали при сборке. Для сопряжения деталей
в этих условиях применяются пассивные и активные средства
адаптации.
При пассивной адаптации применяются разного рода центри-
рующие устройства, вибраторы и другие приспособления. Недоста-
ток средств пассивной адаптации заключается в сложности или
невозможности их переналадки на сборку новых изделий. Более
гибкими возможностями обладают сборочные манипуляторы, снаб-
женные необходимыми датчиками и адаптивной системой управ-’
ления. Адаптация робота к неопределенности позиционирования
и ориентации деталей имеет активный характер и сводится к кор-
рекции закона управления приводами с учетом информации о
силах и моментах, возникающих при взаимодействии соби-
раемых деталей. Обычно силомоментный датчик устанавливает-
ся в месте сопряжения захватного механизма робота с мани-
пулятором.
Адаптивная система управления таким роботом с силомомент-
ным очувствлением достаточно сложна. При ее проектировании
приходится учитывать не только динамику манипулятора и си-
стемы приводов, но и осуществлять сложный пересчет действую-
щих сил и моментов, измеряемых в системе координат захватного
механизма, в соответствующие корректирующие воздействия в тер-
минах программных движений или управляющих воздействий
на приводы. Реализация такой адаптивной системы управления
наталкивается на значительные технические трудности.
Одним из путей упрощения средств адаптивной сборки яв-
ляется размещение силомоментного датчика на основании сбороч-
ного стола. В этом случае датчик измеряет возникающие при сборке
силы и моменты в неподвижной декартовой системе координат.
Полученная информация может использоваться для соответствую-
щей коррекции положения или ориентации деталей. Эта функция
возлагается на адаптивный сборочный модуль, который устанавли-
вается либо вместо захватного механизма робота, либо отдельно
от него [104]. Особенность системы управления сборочного мо-
дуля заключается в том, что наряду с обычной обратной связью
по положению здесь используется еще и силовая обратная связь.
177
Благодаря этому оказывается возможным регулировать уси-
лия и управлять контактными силами без зацикливания соби-
раемых деталей.
Описанный адаптивный сборочный модуль применялся вместе
с манипуляционным роботом УЭМ-2 для сборки изделий типа вал—
втулка с гарантированным зазором 20 мкм при относительных пог-
решностях позиционирования около 3 мм. Сборка выполнялась
без зацикливаний даже в тех случаях, когда начальное рассогла-
сование в ориентации осей составляло 5°. Эта сравнительно боль-
шая угловая погрешность компенсировалась за счет податливости
конструкции силомоментного датчика.
Таким образом, адаптивные системы управления с использо-
ванием обратных связей по силам и моментам, возникающим при
сопряжении деталей, являются эффективным средством преци-
зионной сборки. Их преимущества особенно ярко проявляются
при большой неопределенности относительно положения и ориен-
тации собираемых деталей, когда пассивные средства адаптации
теряют работоспособность.
Однако использование силомоментных датчиков не является
необходимым условием для осуществления автоматической сборки
изделий с помощью роботов. Оказывается, что прецизионная сборка
сложных изделий может производиться и с помощью манипуля-
ционных роботов, имеющих только позиционную обратную связь
и низкую (по сравнению с необходимой точностью сопряжения де-
талей) точность позиционирования. Это достигается за счет пере-
хода от обычной позиционной системы управления к принци-
пиально новой адаптивной.
Преимущества и особенности адаптивных систем управления
покажем на примере роботизированной системы для многоопера-
ционной сборки масляного насоса, разработанной в институте
прикладной математики им. М. В. Келдыша АН СССР [99].
Система включает два манипулятора УЭМ-2, управляемых от
мини-ЭВМ М-6000. Показания потенциометрических датчиков по
каждой из шести управляемых координат манипулятора (не счи-
тая механизма захвата) вводится в ЭВМ через 10-разрядный ана-
лого-цифровой преобразователь. ЭВМ с частотой 30 Гц формирует
управляющие воздействия на двигатели постоянного тока, которые
приводят в движение манипуляторы. Захваты манипуляторов ос-
нащены силовыми датчиками.
Рассмотрим наиболее важные принципы организации адап-
тивного управления сборочными роботами [991.
Первый принцип заключается в позиционировании деталей
по упорам, в роли которых могут выступать и сами сопрягаемые
детали. Выход на упор может быть обнаружен на основании пока-
заний датчиков положения звеньев манипуляторов: если показа-
ния какого-то датчика «заморозились» в то время, как на соответ-
ствующий двигатель было подано определенное управление, это
говорит о выходе детали на упор. Одной из главных задач при
178
организации адаптивного управления является обнаружение мо-
мента выхода детали на упор.
Второй принцип связан с использованием податливости мани-
пуляторов и механизмов захвата. При этом под податливостью
манипулятора понимается его свойство изменять конфигурацию
под действием внешних воздействий. Податливость обеспечивает
возможность точного позиционирования деталей по упорам при
низкой точности позиционирования самого манипулятора.
Третий принцип заключается в компенсации неточностей
манипулятора с помощью специальных поисковых движений,
представляющих собой колебания захвата с малой амплитудой
(около 1—2 см) в окрестности целевой точки. Этот принцип ис-
пользуется, например, при установке вала зубчатого колеса в от-
верстие основания масляного насоса. Эта операция занимает
в среднем 2 с и зависит от погрешности положения отверстия.
Зазор между валом колеса и отверстием основания составлял
примерно 30 мкм, причем погрешность позиционирования мани-
пуляторов превышала эту величину на два порядка.
Повышение точности и жесткости манипуляторов может резко
ускорить сборку. Однако это не всегда оправдано, ввиду того что
прецизионные роботы дороги, сложны и ненадежны.
Следующий принцип адаптивного управления сборочными
роботами, точность которых существенно меньше необходимой
точности сопряжения деталей, заключается в предварительном
планировании процесса сборки. С этой целью формируются сле-
дующие программные модули [99]:
1)	сборки, определяющие последовательность сборочных опе-
раций (с учетом реакций на неверно выполненные операции);
2)	сборки, определяющие последовательность программных
движений манипулятора и условия перехода от одного движения
к другому (с учетом неверно отработанных программных движе-
ний);
3)	движений, указанных в планах сборочных операций.
На основании сформированных планов и программных движе-
ний синтезируется цифровой закон адаптивного контурного уп-
равления двигателями, использующий обратную связь по поло-
жению (с частотой опроса датчиков 30 Гц). По мере реализации
этого закона роботы производят сборку данного изделия. Именно
так были проведены эксперименты по автоматической сборке мас-
ляного насоса, причем общее время сборки составило примерно
4 мин.
Проведенные эксперименты убедительно показали, что исполь-
зование адаптивной системы контурного управления с предвари-
тельным планированием сборочных операций на базе мини-ЭВМ
позволяет осуществить многооперационную сборку сложных из-
делий при весьма низкой точности позиционирования манипуля-
торов и использовании простых приспособлений и инструментов
(тисков, гайковертов и т. п.). Это достигается благодаря логиче-
179
скому анализу складывающейся ситуации, гибкому сочетанию
сборочных и контрольных операций в зависимости от фактической
обстановки и компенсации погрешностей позиционирования за
счет поисковых движений. Все это позволяет не только автомати-
зировать сборку при наличии значительных непредсказуемых
погрешностей позиционирования деталей, но и повысить ее ка-
чество и надежность. Важно отметить, что этот эффект достигается
без применения силомоментных датчиков или систем технического
зрения.
5.8.	АДАПТИВНЫЕ РОБОТЫ
ДЛЯ ПРЕЦИЗИОННОЙ МИКРОСВАРКИ
Ультразвуковая микросварка является одним из основных
способов сборки микропроцессорных приборов. Высокие требо-
вания, предъявляемые к качеству сборки, вызывают необходи-
мость полной автоматизации процесса микросварки. До послед-
него времени этот процесс осуществлялся вручную. Оператору
приходилось совмещать под микроскопом прецизионные свари-
ваемые элементы с точностью до нескольких микрометров, причем
эта операция повторялась в течение смены десятки тысяч раз.
Качество микросварки и объемы выпуска зависели от квалифика-
ции оператора и существенно снижались по мере его утомления.
Эффективным средством автоматизации микросварки, обеспе-
чивающим высокую производительность при заданном качестве
изделий, являются манипуляционные роботы, снабженные систе-
мой технического зрения. Качество роботизированной микро-
сварки и надежность микроэлектронных изделий практически не
зависят от субъективных (человеческих) факторов. При такой авто-
матизации оказывается возможной сверхпрецизионная сборка,
которую нельзя осуществить вручную. Благодаря гибкости ро-
ботов допустима частая смена номенклатуры и объема партий со-
бираемых изделий.
Адаптивный робот для микросварки способен полностью заме-
нить оператора. Однако при этом все-таки необходим один квали-
фицированный наладчик на 6—10 роботов, который эпизодически
изменяет программу сборки и заменяет магазин с приборами. На
адаптивную систему управления робота возлагаются следующие
основные функции [129]: 1) управление прецизионными шаговыми
приводами; 2) адаптация к изменению технологических пара-
метров; 3) адаптация к неточности посадки кристаллов в корпусе
и фиксации корпуса. Для реализации этих функций в системе
управления используется микроЭВМ «Электроника-60». Она уп-
равляет четырьмя шаговыми приводами, осуществляющими вер-
тикальное перемещение ультразвуковой сварочной головки, го-
ризонтальное перемещение плиты и вращение рабочего столика,
закрепленного на плите.
Процесс управления начинается с определения абсолютных
координат кристалла и корпуса, после чего рабочий столик с об-
ISO
рабатываемым изделием автоматически ориентируется и позицио-
нируется точно под сварочной головкой. Затем включается при-
вод вертикального перемещения, и сварочная головка опускается
до тех пор, пока не сработает сигнал запуска сварочной головки,
что свидетельствует о контакте инструмента и проволоки со сва-
риваемым изделием. После сварки в двух заранее выбранных точ-
ках и обрыва проволоки сварочная головка отводится в исходное
положение и цикл повторяется.
Особенность цифровой системы управления приводами заклю-
чается в том, что в ней не используются реверсивные счетчики и
коммутаторы. Управляющие сигналы от микроЭВМ через муль-
типлексор и регистр выходных сигналов подаются на силовые
ключи, которые подключают или отключают обмотки шаговых
двигателей. Для адаптивного управления шаговыми приводами
от микроЭВМ можно использовать принципы и алгоритмы, опи-
санные в п. 5.4.
Помимо управления шаговыми двигателями робота система
управления должна обеспечить адаптацию (самонастройку) про-
цесса микросварки к дрейфу технологических параметров, влияю-
щих на качество изделий. Подсистема технологической адаптации
обеспечивает регулирование частоты ультразвукового генератора
и скорости ее изменения, стабилизацию тока ультразвукового
преобразователя и величины деформации проводника. Для обес-
печения самонастройки в контурах регулирования используются
необходимые датчики (датчики тока и напряжения ультразвуко-
вого преобразователя, датчики частоты и т. д.).
Технологическая адаптация тесно связана с подсистемой опе-
ративного неразрушающего контроля качества сварного соедине-
ния. Программное обеспечение этой системы включает модуль
контроля качества и модуль диагностики. Модуль контроля сле-
дит за качеством каждого сварного соединения и отключает сва-
рочную головку в случае появления брака. Модуль диагностики
накапливает информацию о технологических параметрах в про-
цессе сварки изделий, вычисляет систематические погрешности и
прогнозирует возможность появления брака.
Для увеличения точности позиционирования сварочной го-
ловки в адаптивной системе управления используется обратная
связь через систему технического зрения на базе приборов с за-
рядовой связью (ПЗС). Эти приборы, работающие по принципу
самосканирования, обладают рядом достоинств: высокой разре-
шающей способностью (2—5 мкм), большой контрастной чувстви-
тельностью и малыми габаритными размерами. Информация о ви-
димом изображении в зоне сварки подается со среднеформатного
ПЗС с количеством рецепторов 144x230 в микроЭВМ. Здесь она
обрабатывается с помощью методов распознавания изображений,
в результате чего выделяются кристаллы, подлежащие микро-
сварке, и определятся их истинные координаты. Далее вычис-
ляются отклонения этих координат от их ожидаемых (эталонных)
181
значений, и эта информация используется для соответствующей
коррекции управляющих сигналов, подаваемых на шаговые при-
воды координатного стола (плиты). Тем самым осуществляется
адаптивное позиционирование стола вместе с закрепленным на
нем изделием с требуемой точностью (около 2—5 мкм).
Программное обеспечение адаптивных систем управления при-
цизионных роботов для микросварки включает в себя следующие
программные модули [99]:
1)	организации вычислительных процессов адаптивного уп-
равления;
2)	расчета программных траекторий;
3)	управления шаговыми двигателями;
4)	распознавания и определения координат обрабатываемых
кристаллов;
5)	диагностики и контроля качества микросварки.
Общий объем программного обеспечения для микроЭВМ «Элек-
троника-60» составляет около 3000 операторов. В качестве инстру-
ментальной ЭВМ для его отладки использовалась ЭВМ «Электро-
ника-100-25». Описанное программное обеспечение используется
в управляющей микроЭВМ адаптивного робота ОЗУН-12000, снаб-
женного системой технического зрения на базе ПЗС. Этот робот
позволяет повысить производительность труда при микросварке
миниатюрных электронных изделий в десятки раз [99].
Адаптивные микросварочные роботы составляют основу для
создания РТК и ГАП сборки микроэлектронных приборов. Та-
кие РТК и ГАП способны адаптироваться к изменяющимся про-
изводственным условиям и быстро перестраиваться с прецизион-
ной сборки одних изделий на сборку других. Благодаря этому
ГАП прецизионной сборки, построенной на базе адаптированных
роботов для микросварки, могут надежно работать без участия
человека.
Глава 6
АДАПТИВНЫЕ
ТРАНСПОРТНЫЕ СРЕДСТВА
6.1.	ЗАДАЧИ И СРЕДСТВА
АВТОМАТИЧЕСКОЙ ТРАНСПОРТИРОВКИ ГРУЗОВ
Автоматические транспортные средства в ГАП служат для ор-
ганизации и быстрой модификации грузопотоков из заготовок,
деталей, оснастки, инструментов и готовых изделий в соответствии
с заданной последовательностью технологических операций. Как
известно [24, 33], общее время, затрачиваемое на транспортировку
182
и промежуточное складирование грузов, достигает в ряде слу-
чаев 90 % от производственного цикла. Отсюда ясно, что важным
резервом повышения производительности ГАП является сокра-
щение времени на транспортировку грузов.
При проектировании ГАП важную роль играет выбор и опти-
мизация транспортных связей и грузопотоков. Транспортируемые
грузы принято классифицировать по физико-технологическим
признакам: по массе (тяжелые, средние, легкие и т. п.), по форме
(тела вращения, корпусные детали и т. п.), по способу загрузки
(в таре, навалом, ориентированные, кассетированные и т. п.),
по виду и свойствам материалов и т. д. С учетом этих признаков
выбираются наиболее адекватные грузозахватные и транспортные
средства, обеспечивающие требуемые перемещения грузов. В ка-
честве грузозахватных устройств обычно используются подъем-
ные, поворотные или выдвижные столы, ленточные конвейеры,
рольганги и бортовые манипуляторы.
Гибкость транспортных средств обеспечивается в основном
возможностью изменения транспортных маршрутов и скоростей
перемещения грузов. При этом маршруты движения задаются либо
путем предварительной прокладки трассы, либо программируются
с помощью ЭВМ. Транспортировка грузов по заданному маршруту
и регулирование скорости осуществляются системой автоматиче-
ского управления.
Одним из наиболее эффективных средств гибкой организации
и оптимизации грузопотоков служат транспортные роботы. По
своим функциональным возможностям они занимаю^ промежуточ-
ное положение между непрерывными транспортными конвейе-
рами и электрокарами или автопогрузчиками, управляемыми людь-
ми. В отличие от конвейеров транспортные роботы обладают боль-
шей гибкостью, а в отличие от электрокаров или автопогрузчи-
ков — большим уровнем автономности за счет автоматизации
вождения. Среди других достоинств транспортных роботов от-
метим следующие.
Во-первых, прокладка и изменение трасс движения, диктуе-
мых гибкой технологией производства, осуществляется достаточно
просто. При этом трассы, прокладываемые для робота, могут
в случае необходимости использоваться и для электрокаров.
Во-вторых, транспортные роботы не являются стационарным
оборудованием и не требуют особого рабочего места. Для увели-
чения коэффициента эффективного использования производствен-
ных площадей ширина коридора вдоль трассы должна выби-
раться минимальной с учетом габаритных размеров робота.
В-третьих, при одной и той же трассировке Г АП его производитель-
ность можно изменять путем регулирования числа запускаемых
в эксплуатацию роботов и соответствующей корректировки рас-
писания их работы. В-четвертых, транспортные роботы, получаю-
щие питание от бортовых аккумуляторных батарей, экономичнее,
чем конвейеры непрерывного действия. Кроме того, они более
183
удобны при эксплуатации и ремонте и не загрязняют окружающую
среду. Наконец, в-пятых, транспортные роботы имеют большой
ресурс и снабжаются надежной системой безопасности, включаю-
щей предохранительные бамперы, датчики ближней локации или
даже устройство распознавания препятствий, благодаря чему они
практически безотказны и безопасны.
Транспортный робот представляет собой самоходную машину
с автоматическим управлением. В качестве двигательной системы
робота обычно выступает колесное или гусеничное шасси вместе
со встроенными тяговыми и рулевыми приводами. Информацион-
ная система робота служит в основном для определения навига-
ционных характеристик, т. е. местоположения и ориентации ро-
бота в рабочей зоне, а также для обеспечения взаимодействия
робота с оборудованием ГАП. Система управления, используя
сигналы обратной связи о фактическом положении и ориента-
ции робота, вырабатывает такие управляющие воздействия на тя-
говые и рулевые приводы, при обработке которых робот движется
по заданной трассе с требуемой скоростью.
Главная трудность при организации автоматического вожде-
ния робота заключается в синтезе закона управления, обеспечи-
вающего выполнение заданной последовательности транспорт-
ных операций. В данном случае под законом управления подра-
зумевается алгоритм формирования сигналов, управляющих ра-
ботой тяговых и рулевых приводов на основе информации о тре-
буемой программе (или трассе) движения и о текущих навигацион-
ных характеристиках робота.
Закон управления существенно зависит от того, в каком виде
задается программа движения. В простейшем случае эта про-
грамма задается в форме постоянной трассы, по которой надле-
жит двигаться роботу. В условиях ГАП эта трасса зачастую пред-
ставляет собой токопроводящий кабель, проложенный под по-
лом цеха, или траекторию на полу, начерченную специальной
краской.
Более гибкой формой задания программы движения является
ее аналитическое представление в виде желаемого закона изме-
нения во времени центра масс робота или в более общем случае
вектора скорости движения центра масс. Этот закон, формируемый
и хранящийся в системе управления, будем называть программной
траекторией.
Проблема автоматического управления роботом по постоянной
трассе в настоящее время технически решена. Теоретической ос-
новой решения являются принципы самонаведения робота на
трассу. Для реализации этих принципов используются различные
датчики и средства наведения. Транспортные роботы, в информа-
ционно-управляющей системе которых применяются указанные
средства, будем называть роботами с самонаведением на трассу.
Наибольшее распространение в транспортных роботах, ис-
пользуемых в ГАП, получили индукционные (электромагнитные)
184
Рис. 6.1. Принцип действия индукционной систе-
мы наведения:
/ — бортовая система управления; 2 — приемные
катушкн; 3 — кабель наведения
средства наведения. В этом случае
трасса задается электромагнитным по-
лем, создаваемым переменным низко-
частотным электрическим током, кото-
рый протекает по кабелю, проложен-
ному под полом. На борту робота
устанавливаются приемные катушки,
сигналы с которых характеризуют изменения наведенного кабелем
электромагнитного поля. Эти сигналы, пропорциональные откло-
нению робота от трассы, усиливаются и используются для управ-
ления сервоприводом, поворачивающим колеса (или ведущие звез-
дочки) таким образом, чтобы скомпенсировать возникшее откло-
нение.
Принцип действия индукционной системы наведения транспорт-
ного робота иллюстрируется схемой, представленной на рис. 6.1.
Важно отметить, что коэффициенты усиления в каналах обрат-
ной связи зависят от ряда факторов и, в частности, от скорости
движения робота по трассе. Поэтому для обеспечения устойчивой
отработки" программного движения робота целесообразно изме-
нять коэффициенты усиления в системе сервоуправления в зави-
симости от изменения этих факторов (например, при изменении
скорости движения), т. е. возникает необходимость в самонастройке
коэффициентов усиления.
Автоматическое управление роботом с помощью индукционных
средств наведения на токопроводящий кабель имеет ряд достоинств.
Среди них отметим следующие: бесконтактную связь между за-
данной трассой и роботом; возможность точного отслеживания
сложных криволинейных трасс; простоту системы индукционного
наведения и управления.
Индукционный принцип широко используется не только для
наведения робота на заданную трассу, но и для определения его
положения на трассе. Последнее особенно важно с точки зрения
предотвращения столкновений роботов.
Для идентификации положения робота на трассе можно ис-
пользовать витки проводов, уложенные под трассой. Робот, про-
ходя над таким витком, уменьшает его индуктивность. Этот факт
соответствующим образом регистрируется.
Таким образом, индукционные средства наведения обеспечи-
вают возможность автоматического управления движением ро-
бота на трассе с регистрацией его текущего положения.
Для манипулирования, установки и фиксации грузов транс-
портные роботы снабжаются соответствующими устройствами и
приспособлениями. К ним относятся бортовой манипулятор, подъ-
емный стол, роликовый или цепной конвейер, вилочный захват
185
и т. п. Эти устройства представляют собой своеобразный «меха-
нический интерфейс», обеспечивающий возможность сопряжения
и взаимодействие робота с обслуживаемым оборудованием ГАП
(РТК, склады, конвейеры, устройства смены палет и т. п.) в про-
цессе обработки грузов.
В условиях ГАП первостепенное значение приобретают во-
просы обеспечения безопасности движения транспортных роботов.
Это связано с тем, что роботы в результате столкновения могут
повредить или вывести из строя технологическое оборудование.
При этом повреждение оборудования может оказаться более неже-
лательным, чем повреждение транспортного робота. Дело в том,
что стоимость оборудования зачастую значительно превосходит
стоимость робота, а любой простой, вызванный выходом из строя
технологического оборудования, может привести к значительным
экономическим потерям. Если транспортный робот с случае его
поломки можно оперативно заменить другим роботом или авто-
каром, то дорогостоящее оборудование, как правило, нельзя, и
возникает необходимость в его ремонте и наладке.
Для обеспечения безопасности движения транспортного ро-
бота применяются различные средства. Например, на шасси ро-
бота часто устанавливают бампер с контактными датчиками.
При соприкосновении бампера с препятствием автоматически
включается система торможения. Благодаря этому робот останав-
ливается, не достигнув препятствия. Если же контактные датчики
бампера откажут, то сработает другой, дублирующий бампер,
который и обеспечит остановку робота.
Значительную потенциальную опасность представляют пере-
грузки, которые могут возникнуть в процессе эксплуатации ро-
бота в автоматическом режиме. Поэтому для устранения нежела-
тельных явлений робот снабжается автоматическими выключате-
лями и предохранителями, которые срабатывают при появля-
ющихся перегрузках.
Для предупреждения людей о приближении робота приме-
няются звуковые сигналы или световая индикация. Система управ-
ления ГАП может координировать работу светофоров, регулирую-
щих движения транспортных роботов, благодаря чему предотвра-
щаются столкновения роботов между собой.
В последнее время в ГАП все шире начинают применяться под-
весные манипуляторы тельферного (с перемещением по монорельсу)
и портального типов. Эти транспортные манипуляторы, как под-
весные конвейеры, размещаются над технологическим оборудо-
ванием, что позволяет экономить производственные площади.
Наиболее совершенные образцы этих роботов снабжаются датчи-
ками внешней информации (тактильные щупы, система техниче-
ского зрения и т. п.), обеспечивающими возможность адаптации
к изменяющейся производственной обстановке. К транспортным
манипуляторам тельферного типа относятся отечественные ро-
боты ТРТ-250-1, «Спрут-1», СМ 40Ф2.80.01, УМ 160Ф2.81.01
186
и др., а к роботам портального типа — «Сигма» (Италия), «Адам-02»
(СССР), «Пирин» (Болгария) и др.
В условиях ГАП важную роль играют автоматические склады.
Для автоматизации транспортно-складских операций обычно ис-
пользуются роботы-штабелеры, представляющие собой каретку
с погрузочно-разгрузочным механизмом и грузовой платформой,
перемещающуюся в вертикальном и горизонтальном направле-
ниях вдоль стеллажей склада. Система управления склада,
реализуемая на базе микроЭВМ, обеспечивает автоматическое
адресование роботов-штабелеров с учетом текущего состояния
склада.
Рис. 6.2. Классификация гибких автоматических транспортных средств
Наряду с транспортными роботами в ГАП широко применяются
конвейеры, т. е. автоматические транспортеры для непрерывной
доставки грузов. Конвейеры делятся на подвесные, ленточные,
пластинчатые, роликовые и др. Для обеспечения гибкости и бы-
строй адаптации транспортных конвейеров к изменяющимся про-
изводственным требованиям и условиям их система управления
снабжается специальными средствами автоматического распозна-
вания и адресования грузов.
На рис. 6.2 представлена общая классификация гибких авто-
матических транспортных средств с их разделением на два основ-
ных класса: транспортные роботы и конвейерный транспорт.
При этом к первому классу относятся не только роботы с самоход-
ным шасси, но и подвесные манипуляторы портального или тель-
ферного типа, а также штабелеры. Каждый класс делится на под-
классы в зависимости от способа задания трассы и программы
движения или метода идентификации и адресования грузов.
Данную классификацию при необходимости можно продолжить
187
Рис. 6.3. Структурная схема
адаптивной системы управле-
ния транспортным роботом с
элементами искусственного
интеллекта
посредством дальней-
шего разделения под-
классов, например, по
принципу управления
(самонаведение на трас-
су, программное управ-
ление, адаптивное уп-
равление, управление с
элементами искусствен-
ного интеллекта).
В общем случае си-
стемы управления авто-
матическими транспорт-
ными средствами имеют
иерархическую струк-
туру. Если эти средства
используются для авто-
матической транспорти-
ровки грузов в неде-
терминированных и
изменяющихся усло-
виях ГАП, их система
управления должна
быть гибкой и адаптив-
ной. Более того, в ряде
случаев приходится снабжать автоматические транспортные средст-
ва элементами искусственного интеллекта. Благодаря этому удает-
ся автоматизировать не только чисто двигательные, но и интел-
лектуальные функции, связанные, например, с планированием
транспортных операций, самопрограммированием движений, об-
ходом препятствий, распознаванием и адресованием деталей.
Иерархическая структура адаптивной системы управления
транспортным роботом с элементами искусственного интеллекта
представлена на рис. 6.3. Она включает подсистемы, выполняющие
следующие основные функции:
1)	планирование поведения и координацию действий;
2)	распознавание сигналов и анализ производственной обста-
новки;
3)	моделирование среды и построение безопасного марш-
рута;
4)	программирование и оптимизация движений исполнитель-
ных механизмов;
5)	адаптивное программное управление приводами.
188
Указанные подсистемы активно взаимодействуют между собой,
а также с двигательной и информационной системой робота. Алго-
ритмы функционирования всех элементов системы управления за-
висят от конструктивных особенностей транспортного робота,
целей и условий его эксплуатации. Конкретизация этих алгорит-
мов, включая вопросы их программно-аппаратной реализации,
дается ниже по мере описания различных образцов транспортных
роботов с адаптивным и интеллектуальным управлением.
6.2.	ТРАНСПОРТНЫЕ РОБОТЫ
С САМОНАВЕДЕНИЕМ НА ТРАССУ
В современных ГАП большое распространение получили транс-
портные роботы с колесным шасси, снабженные индукционной
системой самонаведения на трассу, задаваемую с помощью токо-
проводящего кабеля. Рассмотрим устройство и принцип действия
таких роботов на ряде примеров.
Одним из крупнейших разработчиков и поставщиков автома-
тизированных транспортных систем является японская фирма
«Дайфуку» (Daifuku). Эта фирма разработала первый в Японии
транспортный робот «Пронтоу» (Prontow) для ГАП. Сегодня
в ГАП используется много вариантов этих роботов с грузоподъем-
ностью от 1000 до 3000 кг. Все они имеют индукционную (электро-
магнитную) систему наведения по кабелю, проложенному под
полом вдоль трассы. В ряде роботов предусмотрена возможность
замены индукционной системы самонаведения на оптическую.
Транспортный робот «Конвой» представляет собой тележку
с колесным шасси, управляемую от микроЭВМ. Он может дви-
гаться вперед и назад вдоль трассы, поворачиваться на месте и
останавливаться в заданном положении с высокой точностью
(предельная точность около 1 мм). Робот имеет два ведущих колеса
с независимым управлением, которые размещаются в середине
шасси, и две пары ведомых колес в передней и задней части шасси.
Для укладки и транспортировки грузов робот оснащен подъемным
столом, выдвижными вилами, толкателем и другими устройствами.
Наведение на кабель, который предварительно прокладывается
под полом вдоль трассы, осуществляется с помощью двух симме-
трично расположенных приемных катушек. Низкочастотный ток
(обычно около 5—10 кГц) создает электромагнитное поле. Послед-
нее индуцирует в приемных катушках напряжение. Если наве-
денное напряжение в левой и правой катушках равное, то и угло-
вые скорости вращения левого и правого ведущих колес устанав-
ливаются одинаковыми. При этом скорость вращения колес,
задаваемая электродвигателями, определяется исходя из требу-
емой скорости движения робота вдоль трассы.
В том случае, когда разность напряжений, снимаемых с левой
и правой катушек, не равна нулю, автоматически включается
система управления, которая регулирует скорости вращения
189
Рис. 6.4. Принцип управления транспортным ро-
ботом с информационной системой наведения:
/ — приемные катушки; 2 — электродвигатели; 3 —
ведущие колеса; 4 — бортовая система управления;
5 — кабель наведения
двигателей ведущих колес так, чтобы
скомпенсировать возникшее отклоне-
ние. Если, например, трасса уходит
вправо, как это показано на рис. 6.4,
то напряжение, индуцируемое в правой
катушке, будет больше, чем напряже-
ние в левой катушке. Система управ-
ления в этом случае производит регу-
лирование таким образом, чтобы угло-
вая скорость правого электродвигателя (а следовательно, и пра-
вого колеса) уменьшилась. При этом угловая скорость вращения
левого двигателя остается заданной.
Точность отслеживания трассы существенно зависит от выбора
структуры и параметров закона регулирования угловой скорости,
реализуемого системой автоматического управления. Для улуч-
шения качества управления в недетерминированных условиях
закон регулирования должен быть дополнен алгоритмом адапта-
ции коэффициентов усиления в каналах обратной связи.
На систему автоматического управления возлагается и ряд
других функций. Для предотвращения столкновений рабочая
область разбивается на зоны, причем в каждой зоне допускается
нахождение только одного робота. Поэтому, если две трассы про-
ходят через одну и ту же зону, один из роботов останавливается
и ждет, пока эта зона не освободится. Предусматривается также
возможность диалогового управления транспортным роботом по
радиоканалу на частотах 180 и 230 кГц. Для обеспечения управ-
ляемого перехода робота с одной трассы на другую по разным
кабелям наведения пропускают токи с различными частотами.
При смене трассы переключаются и приемные частоты катушек
наведения.
Безопасность работы транспортного робота обеспечивается
с помощью переднего и заднего бамперов. При соприкосновении
бампера с препятствием робот сразу же останавливается. Экстрен-
ный останов предусмотрен также при значительном отклонении
робота от трассы, при превышении заданной скорости движения,
при снижении напряжения аккумуляторных батарей и при пере-
грузке приводов. Для предупреждения человека о приближении
робота на нем устанавливается автомобильная стереофоническая
система, которая проигрывает определенную мелодию при дви-
жении робота.
Технические характеристики транспортных роботов серии
«Конвой» и «Пронтоу» представлены соответственно в табл. 6.1
и 6.2. Общий вид робота СУ-10 серии «Конвой» представлен
190
на рис. 6.5, а общий вид робота РТ-50 серии «Пронтоу» — на
рис. 6.6.
Фирма «Шиндлер—Дижитрон» {Schindler—Digitron) и фирма
«Валмет» (Valmet) разработали и внедрили целое семейство транс-
портных роботов с индукционным самонаведением. Наибольшее
распространение получили серии роботов трех типов: «Робоматик»
(Robomatic), «Роботрайлер» (Robotrailer) и «Робокарриер» (Robo-
carrier). Роботы типа «Робоматик» имеют трехколесное шасси,
Рис. 6.5. Транспортный робот CV-10 Рис. 6.6. Транспортный робот РТ-50
серии «Конвой»	серии «Пронтоу»
причем ведущее колесо может не только вращаться, но и поворачи-
ваться. Они могут передвигаться с большой скоростью вдоль
кабеля наведения, задающего трассу. Для удобства доставки и
ТАБЛИЦА 6.1.
Характеристики	Модели				
	CV-10	CV-50	CV-100	CV-200	CV-300
Система наведения	Индук- ционная (илн оптиче- ская) 100	Индук- ционная	Индук- ционная	Индук- ционная	Индук- ционная
Г рузоподъемность, кг Габаритные разме- ры, мм:		500	1000	2000	3000
длина	1200	1700	1700	2300	2500
ширина	610	800	900	1200	1200
высота	370	550	550	650	750
Диаметр ведущих колес, мм	220	260	260	330	300
Скорость, м/мин	30; 12	60; 30; 12	60; 30; 12	50; 26; 6	40; 20; 6
Точность останов- ки, мм Собственная масса, кг	20	20	20	20	20
	300	700	1000	1500	2000
191
ТАБЛИЦА 6.2
	РТ-201	й х	s ^7 X	X к 2	О	ООО	S	&	о	о 5	О	1	ПО~	о к	—<	со —* —<	е	см	—* &	^СМ X S	см
	РТ-201	|	Й х	Я х	XX §	8,	© £	-О) К	cs>
Модели	РТ-500	]	К со X X 2	о	о о о	о	о X	1 о	—. ~ см д .-см о Я	IO	ОСОсоЭ	Ю СО	о X	1Л	СМ — 00	-Г —<	—« >> ° S
	РТ-200	|	X со X X 2	о	ооо_.	о X	। о —' — CM X	CM S я	О	ОсОсо£?	со	S X	см	см — 00	—	00 X • S
	РТ-50	|	Я 5 я	5 ° g X	= X ЙЗЙоо	о ssgSS	* X X °	'“'о D Ч	О Ю х	о см О	см
	Характеристики	|	Система наведения Грузоподъемность, кг Тяговая нагрузка, кг Габаритные размеры, мм: длина ширина высота Диаметр ведущих колес» мм Скорость, км/ч Минимальный радиус поворота, мм Собственная масса, кг
обработки грузов преду-
смотрен и задний ход (на
малых скоростях). Роботы
типа «Роботрайлер» могут
передвигаться вдоль ка-
беля наведения с одинако-
вой скоростью в обоих на-
правлениях. Они имеют
шестиколесное шасси сим-
метричной конструкции,
причем средняя пара ко-
лес является ведущей. Ро-
боты типа «Робокарриер»
имеют четырехколесное
шасси, причем ведущие ко-
леса имеют две степени
свободы. Эти роботы могут
передвигаться с большой
скоростью вдоль кабеля
наведения в обеих направ-
лениях, а также с пони-
женной скоростью в попе-
речном направлении.
Транспортные роботы
типа «Робоматик» и «Ро-
ботрайлер» широко приме-
няются в ГАП для обслу-
живания РТК, осуществ-
ляющих механическую
обработку. Роботы «Робо-
карриер» используются в
основном как автомати-
ческая сборочная платфор-
ма, поэтому они нашли
применение в сборочных
ГАП в автомобильной про-
мышленности и машино-
строении.
Принцип управления
роботом «Робоматик» за-
ключается в следующем.
По кабелю наведения, при-
ложенному под полом
вдоль трассы движения,
пропускают низкочастот-
ный ток, который генери-
рует электромагнитное по-
ле. Цель управления за-
192
ключается в удержании приемной катушки (антенны), жестко
закрепленной перед ведущим колесом, в районе максимальной
напряженности поля, т. е. прямо над кабелем. Уменьшение
воспринимаемой катушкой напряженности поля свидетельствует
об отклонении робота от трассы. Для компенсации этого откло-
нения вырабатывается корректирующий сигнал на рулевой элек-
тропривод ведущего колеса.
Индукционное управление ведущими колесами роботов типа
«Роботрайлер» и «Робокарриер» осуществляется по принципу са-
монаведения, иллюстрируемому рис. 6.4. Прямая и обратная
связь бортовой системы управления рассматриваемых роботов
с системой управления ГАП осуществляется с помощью двух
специальных проводов связи, размещаемых в кабеле наведения.
При передаче информации и команд роботу извне осуществляется
соответствующая модуляция тока в проводе прямой связи, а ге-
нерируемое при этом электромагнитное поле воспринимается
приемными катушками (антеннами), установленными на шасси
робота. Обратная передача информации от робота к системе
управления ГАП производится по проводу обратной связи по-
средством модуляции электрического тока бортового передат-
чика.
Переход с одной трассы на другую осуществляется роботом
либо автономно (в этом случае в зоне пересечения трасс определя-
ется местоположение робота по коду плиты, на которой нахо-
дится робот), либо по команде от системы управления ГАП
(в этом случае внешняя система управления переключает токи
в кабелях наведения и робот автоматически отслеживает ту трассу,
которая соответствует активированному кабелю).
Координация работы роботов и контроль за транспортировкой
грузов возлагается на систему управления ГАП. Остальные
функции, связанные с программируемой обработкой и транспор-
тировкой грузов, выполняются бортовой системой автоматического
управления, реализуемой на базе микроЭВМ или микропроцес-
соров.
6.3.	ТРАНСПОРТНЫЕ РОБОТЫ
С АДАПТИВНЫМ УПРАВЛЕНИЕМ
Главным недостатком транспортных роботов с индукционным
самонаведением является необходимость предварительной про-
кладки токопроводящего кабеля вдоль трассы движения. В усло-
виях ГАП технологические маршруты и связанные с ними трассы
для транспортировки грузов часто изменяются. Поэтому на прак-
тике не удается, как правило, заранее рассчитать и проложить
все трассы, потребность в которых может возникнуть в будущем.
В то же время перекладка кабеля наведения при изменении трассы
трудоемка и требует вмешательства человека. Все это снижает
производительность и автономность ГАП. С этой точки зрения
7 Заказ 250	193
более перспективными для ГАП являются транспортные роботы
с адаптивным программным управлением от бортовых микропро-
цессоров или микроЭВМ [1261. Отличительной чертой этих робо-
тов, относящихся ко второму поколению автоматических транс-
портных средств, является формирование и хранение трассы
(маршрута) движения в памяти управляющей ЭВМ. При этом
вообще отпадает необходимость в предварительной прокладке
трассы в рабочей зоне в виде кабеля индукционного наведения
или светочувствительной полосы.
Адаптивные транспортные роботы благодаря гибкому програм-
мированию движений способны оперативно корректировать и
оптимизировать трассу, объезжать препятствия и обеспечивать
точную доставку грузов по адресам, предписываемым технологи-
ческим процессом.
Методы автоматического программирования движений транс-
портных роботов с колесным и гусеничным шасси, включая алго-
ритмы прокладки и оптимизации маршрутов и интерполяции
программных движений, рассмотрены в работах [14, 15, 28, 51].
Поэтому ниже ограничимся вопросами программно-аппаратурной
реализации этих алгоритмов и их использованием в адаптивных
системах управления транспортных роботов.
Для обеспечения движения робота по маршруту, хранящемуся
в памяти управляющей ЭВМ, необходима навигационная система.
Эта система, являющаяся частью информационной системы робота,
определяет текущее положение и ориентацию робота. Знание
указанных навигационных характеристик нужно для того, чтобы
система управления могла оценить, насколько фактический мар-
шрут движения робота отклоняется от программного.
Таким образом, навигационная система служит источником
сигналов обратных связей для системы адаптивного программного
управления, осуществляющей корректировку закона управления
с учетом реального местоположения и ориентации робота. Реали-
зация этой системы требует оснащения робота соответствующими
датчиками (гирокомпасом, дальномером и т. п.), а рабочей
зоны — внешними ориентирами (световыми маяками, ультразву-
ковыми реперами и т. п.) и средствами оперативной обработки
навигационной информации.
В общем случае проектирование и создание системы адаптив-
ного программного управления транспортным роботом представ-
ляет собой сложную научно-техническую проблему, поэтому
на практике эта проблема решается поэтапно.
На первом этапе осуществляете? алгоритмическое конструи-
рование и имитационное моделирование системы адаптивного
программного управления с помощью ЭВМ. Значительный объем
работ на данном этапе связан с синтезом приемлемых (в частности,
оптимальных) алгоритмов прокладки маршрута, построения про-
граммных движений, шасси и их адаптивной стабилизации с за-
данной точностью. Работоспособность и эффективность выбранных
194
алгоритмов проверяется путем их программной реализации и
имитационного моделирования на ЭВМ управляемых движений
шасси транспортного робота.
На втором этапе производится полунатурное моделирование
и экспериментальное исследование на лабораторном макете робота
как отдельных подсистем, так и системы адаптивного управления
в целом. При этом управление осуществляется от ЭВМ в реальном
 масштабе времени.
В результате такого макетного проектирования окончательно
отбирается комплекс алгоритмов, наиболее адекватных решаемой
навигационно-транспортной задаче, и выявляются дополнитель-
ные требования, которые необходимо учесть при аппаратурно-
программной реализации системы адаптивного управления.
Наконец, на третьем этапе создается опытный образец транс-
портного робота, в системе управления которого воплощены наи-
более эффективные принципы и алгоритмы адаптивного программ-
ного управления. Затем этот образец проходит опытно-промыш-
ленную эксплуатацию в условиях ГАП и тиражируется в требуе-
мом числе экземпляров в соответствии с имеющимся спросом.
Рассмотрим некоторые перспективные образцы адаптивных
транспортных роботов. Сразу же отметим, что эти роботы пока
созданы лишь в виде лабораторных макетов и служат, главным
образом, для отработки программного обеспечения адаптивных
систем управления и навигации в реальном масштабе времени
в условиях, имитирующих производственные. Однако экспери-
менты с такими макетами роботов, обладающими расширенными
функциональными и адаптационными возможностями чрезвы-
чайно полезны. Они позволяют после определенной модификации
и доработки макетов создать промышленные образцы адаптивных
роботов, обеспечивающие автоматическую транспортировку грузов
в недетерминированной и изменяющейся обстановке, характерной
для многих ГАП.
В 1975 г. в лаборатории теоретической кибернетики Ленин-
градского государственного университета были созданы два ма-
кета адаптивных транспортных роботов, управляемых от ЭВМ
[14, 15]. Оба макета представляют собой самоходное гусеничное
шасси, приводимое в движение с помощью двух независимых
электродвигателей постоянного тока, сопряженных с ведущими
звездочками. Маневрирование осуществляется реверсом ведущих
звездочек или изменением скорости. Макеты отличаются главным
образом устройством информационной системы, в состав которой
входит и навигационная система.
Система управления обеспечивает выполнение следующих дви-
гательных команд: «вперед», «назад», «влево»,' «вправо».' Эти
команды вырабатываются ЭВМ, причем для управления первым
макетом используется ЭВМ «Одра-1204», а для управления вто-
рым макетом — ЭВМ БЭСМ-ЗМ. Алгоритмы обработки поступа-
ющей информации, планирования безопасного маршрута, прб-
7*
195
граммирования движения шасси и адаптивного управления при-
водами реализованы в виде пакета программ, имеющего иерархи-
ческую модульную структуру.
На борту первого макета «Адаптрон-1», изображенного на
рис. 6.7, установлен сканер с независимым электроприводом, вра-
щающийся в горизонтальной плоскости, ультразвуковой дально-
мер и узконаправленный фотодатчик. Точность измерения угла
поворота сканера составляет 1°, а обеспечиваемый им сектор об-
зора заключен в пределах от —175° до +175°.
Рис. 6.7. Общий вид адаптивного транспортно-
го робота:
1 — фотоприемиики; 2 — ультразвуковой сканирующий дальномер; 3 — кабель связи
с управляющей ЭВМ; 4 — ведущие звездочки, сопряженные с электродвигателем; 5 —
бортовой электронный блок; 6 — тактильные датчики
Рис. 6.8. Сектор обзора и зона видимости дальномера
Ультразвуковой дальномер позволяет определить расстояние
до препятствий в диапазоне от 0,1 до 1,4 м с точностью 0,01 м.
Зона видимости дальномера показана на рис. 6.8. Для определе-
ния расстояния до препятствия машинный датчик времени (тай-
мер) фиксирует моменты времени между посылкой и приемом
ультразвуковых импульсов. Измерение интервала времени между
импульсами и вычисление на этой основе дальности до препят-
ствия осуществляется с помощью соответствующей подпрограммы.
Для определения местоположения и ориентации робота исполь-
зуется имитатор навигационной системы, представляющей собой
узконаправленный фотодатчик и четыре световых маяка. Принцип
действия навигационной системы поясняет рис. 6.9. По команде
о выдаче навигационной информации с потенциометрического
датчика сканера считывается сигнал, пропорциональный углу
поворота фотодатчика, а пороговый элемент формирует двоичный
сигнал, свидетельствующий о наличии (или отсутствии) светового
маяка в «поле зрения» фотодатчика. Эти сигналы через аналого-
цифровой преобразователь подаются в ЭВМ «Одра-1204», где
программный модуль навигации вычисляет координаты и ориен-
196
Рис.
6.9. Принцип определения навига-
ционных характеристик робота
тацию робота в неподвижной си-
стеме координат и передает их в
адаптивную систему управления.
У второго макета робота «Адап-
трон-2» навигационная система
имитируется с помощью специаль-
ного измерительного полигона и
электромагнитных контактных
датчиков, установленных на пе-
реднем и заднем бамперах робота.
Токопроводящая поверхность по-
лигона, выполненного из двусто-
ронне фольгированного гетинакса,
расчленена на 16x33 прямоуголь-
ных ячеек. Определение положе-
ния и ориентации робота осу-
ществляется путем подачи напря-
У +
жения через электромагнитные
датчики и фиксации текущих координат скользящих контак-
тов [14].
Управление движением шасси и опрос датчиков информа-
ционно-навигационной системы осуществляются посредством фор-
мирования последовательности командных сигналов необходимой
длительности. Например, по команде «вперед» одновременно
включаются тяговые электроприводы, которые обеспечивают по-
ступательное движение робота в течение времени действия
команды.
По команде сбора информации о препятствиях сканирующий
дальномер осуществляет локацию окружающей среды, обна-
руживает и определяет местоположение препятствий и формирует
в запоминающем устройстве системы управления модель среды.
При этом информация о препятствиях приводится к виду, удоб-
ному для ее использования в программном модуле планирования
безопасного маршрута. Подпрограмма обработки дальнометриче-
ской информации запоминает все обнаруженные дальномером
точки на поверхности препятствий, восстанавливает по этим дан-
ным контуры препятствий и уточняет (корректирует) модель
среды путем анализа локальной информации о препятствиях,
полученной из разных точек обзора.
При автоматическом построении маршрута движения робота
используется простейшая модель среды, представляющая собой
плоский план рабочей зоны (например, план цеха), на котором
препятствия (в том числе технологическое оборудование) аппрок-
симируются многогранниками. Искомый маршрут строится в виде
ломаной линии, соединяющей начальное и конечное положение
197
робота и огибающей препятствия. Маршрут называется оптималь-
ным, если он имеет наименьшую длину из всех возможных мар-
шрутов, ведущих в целевую точку.
Если план рабочей зоны известен заранее, как это часто бывает
на практике, то возможно построение оптимального маршрута.
В этом случае обычно используются программы, реализующие
соответствующие алгоритмы метода динамического программи-
рования [23, 51, 58]. Для того чтобы при движении по оптималь-
ному маршруту робот не столкнулся с препятствиями, нужно
строить маршрут с учетом габаритных размеров шасси. Это тре-
бование обеспечивается посредством предварительной замены
контуров препятствий границами зон безопасности, которые от-
стоят от этих контуров на расстояние, превышающее диаметр
круга, в который вписывается шасси робота. После такого рас-
ширения препятствий оптимальный безопасный маршрут строится
автоматически.
Некоторые осложнения возникают в том случае, когда задана
не одна целевая точка, а множество точек. С такой ситуацией
приходится сталкиваться, когда имеется несколько складов или
накопителей и роботу нужно выбрать среди них ближайший.
В подобных случаях робот выбирает ту конечную точку, до кото-
рой оптимальный маршрут является кратчайшим по сравнению
с маршрутами, ведущими в другие целевые точки.
На практике часть объектов среды, играющих роль препят-
ствий, может быть неизвестна роботу. Сведения об этих объектах
доставляются информационной системой (например, ультразвуко-
вым сканирующим дальномером) только в небольшой окрестности
текущего положения робота. В таких условиях из-за неполной
информации о препятствиях в общем случае невозможно по-
строить оптимальный безопасный маршрут. Тем не менее и в этом
случае удается синтезировать алгоритмы вычисления локально
оптимального маршрута, используя которые, робот достигает
целевой точки на основе обработки накапливающейся локальной
информации о неизвестных препятствиях.
Суть этих алгоритмов- заключается в следующем [14, 15].
Робот, находясь в начальной точке, опрашивает информационную
систему и, если в зоне ее действия обнаружатся препятствия,
вносит соответствующие коррективы в модель среды. На основа-
нии этой модели он строит локально-оптимальный безопасный
маршрут и перемещается по нему в пределах начальной зоны
обзора. Затем вновь опрашивается информационная система, кор-
ректируется модель среды, вычисляется и отрабатывается даль-
нейший маршрут и т. д. В результате строится безопасный мар-
шрут движения в виде ломаной линии, соединяющей начальную
и целевую точки и огибающей заранее неизвестные препятствия.
Для адаптйвного управления движением робота по проло-
женному маршруту с требуемой скоростью нужно прежде всего,
построить программную траекторию его центра масс. Иначе
198
говоря, необходимо построить закон изменения во времени ко-
ординат центра масс хр, ур и, возможно, курсового угла
обеспечивающий движение робота по заданному маршруту с уче-
том имеющихся конструктивных ограничений. Эта задача легко
решается, если искомая программная траектория строится в виде
полинома от времени. Коэффициенты этого полинома выражаются
через промежуточные точки маршрута и заданные ограничения
[14, 113].
Синтез закона управления, обеспечивающего осуществление
заданной программной траектории, осложняется тем, что реаль-
ная траектория движения робота существенно зависит от распре-
деления нагрузки на шасси, физико-механических свойств по-
верхности, динамических храктеристик исполнительных приводов
и т. д. На практике указанные факторы зачастую неизвестны.
Более того, некоторые из них могут непредсказуемо дрейфовать
в широком диапазоне.
Если используемый закон управления не отражает происходя-
щих изменений и не учитывает неопределенность характеристик
робота и среды, то реальная траектория робота будет отличаться от
программной. При этом с течением времени рассогласование
будет возрастать. Поэтому для обеспечения требуемой точности
движения приходится часто опрашивать навигационную систему
и корректировать программную траекторию и закон управления
с учетом фактического положения и ориентации робота. Однако
определение навигационных характеристик и коррекция про-
граммной траектории требуют значительного времени. Это при-
водит к управлению по устаревшей информации и, как следствие,
к потере точности.
Более перспективным является адаптивный подход к синтезу
закона управления. В основе этого подхода лежат принципы
индентификации или самонастройки неопределенных характе-
ристик [14, 15, 107, 114, 115]. Идентификация сводится к воз-
можно более точному определению (вычислению) неизвестных
параметров по результатам наблюдения за движением робота
при заданном законе управления. Однако из-за наличия помех
и непредсказуемых возмущений точная идентификация на практике
затруднена, а в ряде случаев и невозможна [101], поэтому
для определения текущих значений неопределенных или дрейфу-
ющих параметров робот приходится оснащать дополнительными
датчиками.
Закон адаптивного управления, основанный на принципе са-
монастройки, представляется более предпочтительным по ряду
причин. Во-первых, он позволяет достичь цели без оснащения
робота дополнительными датчиками. При этом самонастройка
неопределенных параметров происходит в процессе нормальной
эксплуатации робота по сигналам рассогласования между реаль-
ной и программной траекториями. Во-вторых, система управления
с самонастройкой придает роботу высокую надежность. Это обеспе-
199
чивается большими адаптационными возможностями такой си-
стемы по отношению к широкому классу помех и возмущений,
в том числе и таких, измерение или оценивание которых в рамках
идентификационного подхода могло быть вообще непредусмотрено.
Законы адаптивного программного управления, использующие
оптимальные и субоптимальные алгоритмы самонастройки, описан-
ные в работах [14, 107, 109, 119, 125, 1311, были реализованы на
ЭВМ «Одра-1204» и БЭСМ-Зм в виде пакетов программ. Рассмо-
трим подробнее особенности этих пакетов и экспериментальные
результаты их применения для управления макетами транспорт-
Рис. 6.10. Структурно-функциональная схема транспортного робота <Адаптрон-1»
ных роботов «Адаптрон-1» и «Адаптрон-2» в реальном масштабе
времени [14, 15]. Структурно-функциональная схема первого
макета представлена на рис. 6.10. Характеристики каналов пря-
мой и обратной связи приведены в табл. 6.3.
В состав пакета программ входят следующие иерархически
связанные программные модули:
ТАБЛИЦА 6.3
Сигналы связи робота <Адаптрон-1> и ЭВМ «Одра-1204>	Объем передаваемой информации, бит	Время сра- батывания, мс
Сигналы управления электроприводами шасси Сигналы управления электроприводом сканера	5 2	20
Сигналы от тактильных датчиков	4	10
Сигнал от направленного фотодатчика Измерение расстояния Измерение ориентации сканера	1 24 24	10
200





1)	модуль командного уровня, обеспечивающий интерпрета-
' цию задания, вводимого человеком с помощью монитора, плани-
рование и координацию работы всех остальных программных
модулей;
2)	модуль формирования модели среды на основании данных,
поступающих от сканирующего дальномера;
3)	модуль построения и оптимизации безопасного маршрута
с учетом априорной и текущей информации о препятствиях;
4)	модель программирования (интерполяции) движения ро-
бота по заданному маршруту;
5)	модуль навигации и адаптивного управления исполнитель-
ными приводами.
Модуль формирования модели среды запоминает все точки пре-
пятствий, обнаруженные ультразвуковым дальномером, и вос-
станавливает контуры препятствий. Предусмотрена возможность
интеграции фрагментов моделей среды, полученных из разных
ракурсов, в единую модель. Последняя представляет собой по
существу банк данных об окружающей робота обстановке.
Модуль построения и оптимизации безопасного маршрута вы-
полнен в двух вариантах [14, 23]:
1) формирование локально-оптимального маршрута методом
направленного перебора вариантов на «квантованной» модели
среды;
2) формирование оптимального маршрута при помощи алго-
ритма анализа графа препятствий и алгоритма направленного
перебора вариантов.
Модуль программирования движения робота по заданному
маршруту формирует программную траекторию, которая высту-
пает как цель управления. В общем случае при синтезе программ-
ных траекторий необходимо учитывать конструктивные и динами-
ческие особенности шасси робота, а также ограничения на ско-
рости и ускорения движения, присущие исполнительным при-
водам.
Модуль навигации и адаптивного управления решает нави-
гационную задачу, иллюстрируемую рис. 6.9, и использует теку-
щие навигационные характеристики робота для адаптивной кор-
рекции закона управления в случае любого отклонения траекто-
рии движения робота от программной траектории. В этом модуле в
качестве алгоритмов адаптации используются локально-оптималь-.
ные рекуррентные и многошаговые (акселерантные) алгоритмы
решения эстиматорных неравенств. Эти неравенства сконструи-
рованы таким образом, что из их выполнения следует достижение
цели, т. е. движение робота по программной траектории с заданной
точностью [14, 109, 119, 125, 131].
Опишем взаимодействие рассмотренных программных модулей
в задаче перемещения робота «Адаптрон-1» в заданную целевую
точку в условиях, когда часть препятствий заранее неизвестна.
Получив через монитор информацию о координатах целевой точки,
201
модуль командного уровня инициирует модуль формирования
модели среды. Этот модуль опрашивает сканирующий дальномер
и вносит информацию об обнаруженных препятствиях в модель
среды. Полученная информация используется далее в модуле
построения и оптимизации безопасного маршрута, который,
в свою очередь, инициирует модуль программирования движений.
Последний выдает программную траекторию в виде дискретной
последовательности целевых точек, которые поступают в модуль
навигации и адаптивного управления. Здесь в результате решения
навигационной задачи определяются фактические координаты
центра масс робота и его ориентация (курсовой угол). По откло-
нению текущего положения робота от целевой точки формируется
адаптивное управление, которое подается на приводы ведущих
звездочек.
После завершения движения в очередную целевую точку мо-
дуль формирования модели среды запоминает новую информацию
о препятствиях (если она поступила от дальномера) и передает
управление модулю построения и оптимизации безопасного
маршрута. Последний проверяет пригодность ранее построенного
оптимального маршрута с учетом новых данных о препятствиях
и о фактическом положении робота. В этом случае, если ранее
построенный маршрут оказался непригодным для продолжения
движения, он бракуется и формируется новый безопасный мар-
шрут. После этого вновь инициируется модуль навигации и адап-
тивного управления и цикл
повторяется.
Алгоритм функциониро-
вания модуля навигации и
адаптивного управления ил-
люстрируется блок-схемой,
представленной на рис. 6.11.
Для проверки адаптационных
возможностей этого модуля в
экспериментах по моделиро-
ванию на ЭВМ управляемых
движений робота «Адап-
трон-1» в широких пределах
варьировались как важней-
шие динамические характери-
стики шасси и приводов, так и
свойства среды. Изменению
подвергались нагрузка на
шасси, питающее напряже-
ние приводов, характер грун-
та, расположение препятст-
Рис. 6.11. Блок-схема модуля на-
вигации и адаптивного управления
202
вий и т. п. От системы управления требовалось, чтобы она, не
зная о вариациях указанных характеристик, осуществляла дви-
жение робота по заданной траектории. Достижение этой цели
возможно лишь на базе средств самонастройки, реализованных в
основном в модуле навигации и адаптивного управления при-
водами.
Эксперименты по цифровому моделированию управляемых
движений адаптивного робота «Адаптрон-1» показали, что при
любом резком изменении параметров робота или условий его
эксплуатации реальные движения в той или иной степени откло-
нялись от намеченного маршрута. Однако после нескольких
Рис. 6.12. Структурно-функциональная схема транспортного робота «Адап-
трон-2»
(около 10) коррекций оценок параметров в процессе самонастройки
закона управления требуемая точность движения восстанавли-
валась.
Эксперименты с большим числом заранее неизвестных, а также
нестационарных препятствий показали, что рассматриваемая си-
стема управления, программно реализованная на ЭВМ «Одра-1204»,
не обеспечивает решение сложных «лабиринтных» задач в реаль-
ном масштабе времени. Для успешного решения этих задач нужно
перейти к мультимикропроцессорной реализации адаптивной си-
стемы управления на базе современных быстродействующих
микроЭВМ и микропроцессоров.
Аналогичные эксперименты по адаптивному программному
управлению проводились и со вторым макетом робота «Адап-
трон-2». Структурно-функциональная схема этого макета пред-
ставлена на рис. 6.12. Характеристики каналов прямой и обрат-
ной связи сведены в табл. 6.4.
Значительное внимание уделялось отладке и проверке рабо-
тоспособности модуля построения оптимального безопасного мар-
шрута при наличии большого числа препятствий. В частности,
ра ЭВМ моделировалась среда типа ГАП, изображенная на
203
ТАБЛИЦА 6.4
Сигналы связи робота «Адаптрон-2» с ЭВМ БЭСМ-3	Объем переда- ваемой информации, бит	Время срабатыва- ния, мс
Сигналы управления электроприводами шасси	5	20
Сигналы от тактильных датчиков	4	10
Сигналы от электромагнитных датчиков положе- ния и ориентации	2	5
рис. 6.13. Здесь роль препятствий для транспортного робота играют
станки и другое технологическое оборудование. Задача заклю-
чается в транспортировке грузов от автоматического склада 1
(склад заготовок) к автоматическому складу 2 (склад готовой
продукции) по кратчайшему маршруту, проходящему через
точки 1—6. В результате работы программного модуля были
построены оптимальные маршруты, последовательно соединя-
ющие указанные точки и огибающие препятствия. Эти маршруты
изображены на рис. 6.13 [14].
Управление движением по заданному маршруту осуществля-
лось согласно алгоритмам, блок-схема которых представлена на
рис. 6.14. Вид алгоритма и необходимая для его реализации
информация определяются способом управления. Выбор способа
управления обеспечивается переключением ключа коммутатора,
имеющего три позиции. В позиции 1 подключаются алгоритмы,
соответствующие адаптивному управлению, в позициях 2 и 3 —
алгоритмы программного и сенсорного управления соответ-
ственно.
204
Вход
zc
Диалоговый ввод-вывод.
I
____ г- -	___ Вычисление навига-
I нитные датчики I——ционных характеристик
I Электромаг - J к,
Датчики ,
препятствии
Нет
Да
Да
Нет
Уточнение модели
среды (препятствий)
Маршрут
проложен ?
Маршрут
безопасен ?
£
Вычисление маршрута
программы движения
I
выбор способа
управления
Нет
Аварийное
управление
2 1
9
3
9
Электроприводы ।
шасси	I
Алгоритм управления 
Да
Нет
Алгоритм ,
самонастройка
Цель
достигнута?
Рис. 6.14. Блок-
схема алгоритма
адаптивного управ-
ления транспорт-
ным роботом «Адап-
трон-2»
205
Наиболее эффективными по точности и быстродействию ока-
зались алгоритмы адаптивного управления, предусматривающие
обратную связь через информационно-навигационную систему
и самонастройку параметров закона управления. При программ-
ном управлении без обратной связи погрешности при отработке
маршрута накапливались и цель, как правило, не достигалась.
Наконец, алгоритмы сенсорного управления, требующие постоян-
ного вычисления текущего положения и ориентации робота,
обеспечивали приемлемую точность отработки маршрута при
условии, что уровень априорной неопределенности и возмущений
достаточно мал.
В экспериментах по адаптивному управлению обоими маке-
тами транспортных роботов в реальном масштабе времени варьи-
ровались в широком диапазоне целый ряд условий и параметров,
а именно: расположение препятствий в рабочей зоне, распределе-
ние нагрузки на шасси, электромеханические параметры приво-
дов, характер грунта и т. д. Благодаря самонастройке системы
управления роботы обеспечивали достижение цели с заданной
точностью в частично неопределенных и непредсказуемо изменя-
ющихся условиях эксплуатации.
Данные, характеризующие сложность и быстродействие основ-
ных программных модулей адаптивной системы управления каж-
дого из описанных макетов, приведены в табл. 6.5.
Экспериментальная проверка разработанного алгоритмиче-
ского и программного обеспечения при адаптивном управлении
макетами транспортных роботов «Адаптрон-1» и «Адаптрон-2»
свидетельствует о его высокой эффективности и надежности. Для
использования этого обеспечения в условиях ГАП в реальном
масштабе времени целесообразна мультимикропроцессорная реа-
лизация адаптивной системы управления.
Аналогичные результаты и выводы получены при макетирова-
нии и исследовании адаптивных транспортных роботов с колес-
ным и шагающим шасси в Институте кибернетики АН УССР,
в Институте прикладной математики АН СССР, в МГУ и в ряде
других организаций [51, 79, 121]. В последнее время появились
ТАБЛИЦА 6.5
Название программных модулей (ПМ)	«Адаптрон-1»		«Адаптрон-2»	
	Время расчета, с	Число команд	Время расчета,	Число команд
ПМ командного диалогового уровня	2—3	6200	1—2	300
ПМ обработки навигационной ин- формации и моделирования среды	30	3100	1—2	200
ПМ планирования маршрута и про- граммирования движений	20—60	4800	30—60	2800
ПМ адаптивного управления движе- нием по маршруту	0,1	2300	0,2	500
206
также опытные образцы колесных транспортных роботов с эле-
ментами адаптации, которые успешно используются в некоторых
отечественных ГАП. Примером могут служить транспортные
роботы с оптическим самонаведением на легко изменяемую трассу
типа НЦ ТМ-25 и НЦ ТМ-12 из семейства модульных промышлен-
ных роботов «Электроника».
Адаптивные транспортные роботы сегодня находят применение
во многих ГАП промышленно развитых стран. В СССР они активно
внедряются в РТК для механической обработки на Ленинград-
ском заводе имени М. И. Калинина, в Московском ПО «Крас-
ный пролетарий», на Ивановском станкостроительном производ-
ственном объединении и на ряде других заводов [33, 34].
6.4.	АДАПТИВНЫЕ
МАНИПУЛЯЦИОННО-ТРАНСПОРТНЫЕ РОБОТЫ
С ЭЛЕМЕНТАМИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
Для расширения функциональных возможностей транспортных
роботов на их борту иногда устанавливается один или несколько
манипуляторов. В результате получаются комбинированные ма-
нипуляционно-транспортные роботы, которые могут не только
транспортировать грузы, но и самостоятельно загружаться и раз-
гружаться, а также манипулировать грузами. Разработка таких
универсальных роботов для ГАП представляет интерес с различ-
ных точек зрения. В манипуляционно-транспортных роботах
сконцентрированы многие проблемы механики, теории адаптив-
ного управления, навигации и искусственного интеллекта. С точки
зрения механики двигательная система этих роботов представ-
ляет собой комплекс исполнительных механизмов с голономными
и неголономными связями, позволяющий автоматизировать широ-
кий спектр ручных и транспортных операций. С позиций теории
управления эти роботы являются сложной нелинейной много-
связной и многомерной системой, активно взаимодействующей
с внешней средой. Организация автономного функционирования
таких роботов в изменяющейся производственной обстановке не-
возможна без развитой информационно-навигационной системы
и связанной с ней адаптивной системы управления. Наконец,
с точки зрения теории искусственного интеллекта манипуляционно-
транспортные роботы интересны тем, что они функционируют
в недетерминированных и изменяющихся условиях, где часть
оборудования ГАП играет роль препятствий, а объекты манипу-
лирования и грузы, подлежащие транспортировке, могут иметь
произвольное расположение и ориентацию. Поэтому возникает
необходимость придать адаптивной системе управления такие
интеллектуальные функции, как распознавание объектов, анализ
обстановки, формирование понятий и моделирование окружающей
среды.
Рассмотрим конструктивные особенности адаптивных ро-
ботов с элементами искусственного интеллекта на при-
207
Рис. 6.15. Общий вид манипу-
ляционно-транспортного робота
«Адаптрон-З»
мере манипуляционно-транс-
портного робота «Адап-
трон-З», изображенного на
рис. 6.15. Макет этого робота
и математическое обеспече-
ние его адаптивной системы
управления с элементами ис-
кусственного интеллекта со-
зданы в 1977—1980 гг. в ла-
боратории теоретической ки-
бернетики Ленинградского
государственного универси-
тета [14, 15, 38, 39).
Колесные шасси робота
имеют три оси. Передняя и
задняя оси механически связаны между собой так. что рулевой сер-
вопривод (на базе двигателя постоянного тока ДПМ-20) обеспечи-
вает синхронный поворот передней и задней пары колес. Средняя
ось имеет два тяговых электрических сервопривода (на базе
двигателей постоянного тока ДПМ-25), связанных с ведущими
колесами. Шасси робота подрессоренно. Его габаритные размеры:
длина — 0,9 м, ширина — 0,26 м, высота — 0,57 м. Среди дру-
гих технических характеристик шасси отметим следующие: гру-
зоподъемность 27 кг; скорость 0,5 м/с; радиус разворота 0.6 м;
клиренс 25 мм; диаметр колес 90 мм; питание автономное, от ба-
тареи на 12 В.
Манипулятор робота имеет четыре степени свободы ц сменный
захват, приводимые в движение с помощью сервоприводов иа
базе двигателей постоянного тока типа ДПМ-20 и ДПМ-25. Дви-
гатели манипулятора расположены в специальном блоке, закреп-
ленном на шасси. Передача движения к звеньям манипулятора
осуществляется с помощью гибкого вала, тяги и самотормозящихся
зубчаточервячных редукторов. Манипулятор имеет следующие
технические характеристики: грузоподъемность 0,02 кг; длина
первого, второго и третьего звеньев 0,505; 0,361 и 0,216 м соот-
ветственно; поворот первого звена 160=; поворот второго звена
±90J; поворот основания манипулятора ±110°; максимальная
угловая скорость поворота звеньев 30 град/с; точность позицио-
нирования ±20 мм; питание автономное, от батареи на 12 В.
Информационно-навигационная система включает в себя: глав-
ный сканирующий ультразвуковой локатор дальнего обзора (ра-
диус действия до 3 м) и жестко с ним связанный узконаправлен-
ный навигационный фотодатчик; передние и задние ультразвуко-
вые локаторы ближнего действия (радиус действия до 1 м); две
208
ТАБЛИЦА 6.6
Характеристика	Тип локатора		Характеристика	Тип локатора	
	Сканирующий локатор даль- него действия	Стационарные локаторы ближ- него действия		Сканирующий локатор даль- него действия	Стационарные локаторы ближ- него действия
Дальность дей- ствия, м Мертвая зона, м Частота посылок, Гц	3 1 50	1 0,1 200	Сектор обзора, град Скорость вращения, град/с Напряжение пита- ния, В	±135 30 12	±135 12
телевизионные камеры; потенциометрические датчики углов, свя-
занные с сервоприводами шасси, манипулятора и сканера. Глав-
ный ультразвуковой локатор, его измеритель-приемник, а также
узконаправленный фотодатчик расположены на башенке из стек-
лопластика, поворачивающейся в пределах ±135° с помощью
сервопривода сканера с двигателем типа ДПМ-20. Излучатели и
приемники локаторов ближнего действия расположены симме-
трично на переднем и заднем бортах кузова, выполненного из
стеклопластика.
Основные технические характеристики бортовых ультразвуко-
вых локаторов приведены в табл. 6.6.
Координация работы ультразвуковых локаторов осуществ-
ляется специальным устройством, реализованным в виде платы.
По команде от ЭВМ устройство выдает сигналы разрешения ра-
боты одному из пяти локаторов, который лоцирует окружающие
объекты и определяет расстояние до ближайших из них. Одно-
временно оно управляет частотой зондирующих импульсов в за-
висимости от функционирования локаторов ближнего или даль-
него действия.
Задающий кварцевый генератор с тактовой частотой 100 кГц
и связанный с ним делитель частоты формируют импульсы излу-
чения, а также стробирующие импульсы, создающие мертвую зону
локаторов. Специальная микросхема формирует сигнал дально-
сти, длительность которого пропорциональна расстоянию от излу-
чателя до объекта, отразившего импульс излучения. Эта информа-
ция поступает в систему управления робота и используется для
уточнения модели среды.
Для управления автономным манипуляционно-транспортным
роботом от ЭВМ используется широтно-импульсная модуляция.
При этом управляющие сигналы кодируются в форме длительности
импульсов, которая может изменяться в пределах от 1,2 до 4 мс.
Передача управляющих сигналов на электродвигатели исполни-
тельных приводов в таком модулированном виде очень удобна.
209
Этот вид кодирования позволяет использовать только одну линию
связи как для опроса датчиков информационно-навигационной
системы, так и для многокоординатного управления исполни-
тельными приводами и механизмами робота.
В качестве линии связи может использоваться обычная линия
приводной связи (кабель связи) или радиоканал. Пачки управ-
ляющих импульсов подаются на коммутатор, который по приз-
наку в пачке передает их либо на приводы шасси,либо на приводы
манипулятора, либо на привод сканера. Пачки информационных
импульсов от датчиков робота подаются по телеметрическому
каналу связи в управляющую ЭВМ.
Рис. 6.16. Структурно-функциональная схема манипуляционно-транспортного
робота «Адаптрон-3»
С целью ввода в ЭВМ «Одра-1204» информации от ультразву-
ковых локаторов ближнего и дальнего действия разработаны
специальные программные модули декодирования и накопления
сенсорной информации. Аналогичные интерфейсные программные
модули созданы для организации управления роботов от ЭВМ.
Основная сложность при разработке программных модулей пря-
мой и обратной связи состоит в том, что стандартный интерфейс
ЭВМ «Одра-1204» не позволяет работать с широтно-модулирован-
ными сигналами. Именно поэтому потребовалось создать интер-
фейсные программы, расширяющие функциональные возмож-
ности данной универсальной ЭВМ, используемой в качестве уп-
равляющей.
Структурно-функциональная схема адаптивного манипуля-
ционно-транспортного робота «Адаптрон-3» представлена на
рис. 6.16. Элементы адаптации и искусственного интеллекта раз-
работаны в виде пакета управляющих программ, реализующего
соответствующие алгоритмы обработки информации, распознава-
ния и анализа обстановки, моделирования рабочей зоны, про-
кладки, оптимального безопасного маршрута среди препятствий,
программирования движений самоходного шасси и бортового
210
Рис. 6.17. Пульт целеуказания и
управления роботом
манипулятора и самонастрой-
ки закона управления испол-
нительными приводами.
В качестве системы тех-
нического зрения робота ис-
пользуются две телекамеры,
установленные на вращаю-
щемся основании манипуля-
тора. Стереоизображение ви-
димой обстановки вводится
в ЭВМ и отображается на
пульте дистанционного целеуказания и управления, представлен-
ном на рис. 6.17.
Для автоматического распознавания объектов и анализа об-
становки вблизи робота разработаны два метода. Первый метод
основывается на вычислении признаков видимых объектов, инва-
риантных по отношению к преобразованиям их изображения, свя-
занным с изменением ракурса восприятия и проектированием
трехмерных объектов на плоскость изображения. Этот метод
получил название метода инвариантного распознавания [38,
116]. В основе второго метода лежат алгоритмы логического
описания классов распознаваемых объектов (режим обучения)
с последующим логическим анализом изображения реальной
обстановки (режим принятия решений). Описание этого логико-
аксиоматического метода распознавания содержится в работах
[9, 108, 119, 123). Результаты распознавания используются для
целеуказания объектов, подлежащих манипулированию или транс-
портировке, а также для уточнения геометрической модели окру-
жающей робота среды. При построении модели среды (в частно-
сти, модели препятствий) существенно используется также инфор-
мация от ультразвуковых датчиков ближнего и дальнего дей-
ствия.
В общем случае полная геометрическая модель среды сложна,
и обработка содержащейся в ней информации в реальном времени
затруднительна. Поэтому для построения безопасного маршрута
движения шасси робота используется упрощенная плоская модель,
представляющая собой проекцию всех объектов, окружающих
робот, на опорную плоскость. При автоматическом программи-
ровании движений бортового манипулятора приходится учитывать
пространственную модель препятствий с целью обеспечения воз-
можности их обхода.
Методы и алгоритмы построения оптимального безопасного
маршрута для шасси робота и программирования движений для
бортового манипулятора подробно описаны в гл. 2, а также в ра-
ботах [14, 23, 42, 68, 81, 107, 112, ИЗ, 119]. Эти алгоритмы
211
допускают простую программно-аппаратурную реализацию и мо-
гут использоваться в реальном масштабе времени. Важным до-
стоинством разработанных алгоритмов является их гибкость и
адаптивность по отношению к заранее неизвестным препятствиям.
Программные движения шасси и манипулятора поступают
в систему серворегуляторов приводов исполнительных механиз-
мов робота, цель которой заключается в том, чтобы обеспечить их
фактическую отработку. Однако точное осуществление программ-
ных движений практически невозможно из-за наличия разного
рода возмущений и неопределенностей, существенно влияющих на
динамику робота. К ним относятся непредсказуемый дрейф пара-
метров приводов и исполнительных механизмов, изменение на-
грузки на шасси и т. п. Для компенсации этих возмущений и
неопределенностей обычные законы стабилизации программных
движений, реализуемые в серворегуляторах приводов, должны
быть дополнены алгоритмами самонастройки.
Важный класс алгоритмов самонастройки составляют рекур-
рентные и многошаговые (аксельрантные) конечно-сходящиеся
алгоритмы решения эстиматорных неравенств, определяющих
близость реального и программного движений [107, 109, 131,
141]. Если эстиматорные неравенства нарушены, эти алгоритмы
обеспечивают автоматическую настройку (самонастройку) пара-
метров серворегуляторов таким образом, чтобы реальное движение
робота отслеживало программное движение с наперед заданной
точностью.
Конечная сходимость алгоритмов самонастройки означает, что
время адаптации, т. е. общее время нарушения эстиматорных
неравенств, у них конечно. Это обстоятельство существенно ис-
пользуется при алгоритмическом конструировании и расчете
параметров адаптивных регуляторов исполнительных приводов.
Наилучшими показателями по быстродействию и точности иден-
тификации неизвестных параметров обладают оптимальные аксель-
рантные алгоритмы, описанные в гл. 3, а также в работах [107,
109 и др.].
Описанные алгоритмы адаптивной обработки информации и
интеллектуального управления были реализованы в виде пакета
программных модулей для ЭВМ «Одра-1204», управляющей ма-
кетом манипуляционно-транспортного робота «Адаптрон-3». Этот
пакет имеет иерархическую структуру, представленную на
рис. 6.18.
Программный модуль планирования поведения и координации
действий вырабатывает план операций и координацию работы
остальных модулей в соответствии с полученным от человека-
оператора заданием. Модуль распознавания и анализа обстановки
идентифицирует целевые объекты, подлежащие манипулированию
или транспортировке, распознает препятствия и указывает их
местоположение по отношению к роботу. Модуль моделирования
среды использует полученную информацию для уточнения модели
212
Рис. 6.18. Иерархическая струк-
тура интеллектуальной системы
управления робота «Адаптрон-3»
среды. Перечисленные мо-
дули относятся к страте-
гическому уровню управ-
ления. На тактическом
уровне процессы обработ-
ки информации распарал-
леливаются: один модуль
строит оптимальный марш-
рут и безопасную про-
граммную траекторию шас-
си, другой—оптимальное
программное движение ма-
нипулятора. Далее всту-
пают в действие модули,
формирующие законы
адаптивного программного
управления исполнитель-
ными приводами шасси и
бортового манипулятора.
Эти модели обеспечивают отработку оптимального маршрута дви-
жения шасси и программного движения манипулятора с заданной
точностью в условиях неполной информации о параметрах среды
(сцепление с грунтом, масса и конфигурация объекта манипули-
рования и т. п.) и двигательной системы робота (коэффициенты
трения в редукторах, распределение нагрузки на шасси и т. п.).
На этом же уровне осуществляется управление датчиками ин-
формационно-навигационной системы с целью получения необхо-
димой информации о среде, местоположении и ориентации робота
и состоянии его исполнительных механизмов. Эта информация
накапливается и передается для использования другими про-
граммными модулями.
В целях облегчения отладки отдельных модулей и организации
их взаимодействия в процессе интеллектуального управления,
а также для обеспечения контроля за функционированием робота
со стороны человека-оператора разработаны специальные диало-
говые средства работы с пакетом управляющих программ. В состав
этих средств входят монитор и пульт целеуказания и управления,
изображенный на рис. 6.17.
Как показали эксперименты с роботом «Адаптрон-3», для
реализации комплекса управляющих программ в полном объеме
необходимо использовать специализированные управляющие ЭВМ
с быстродействием около 50 тыс. операций в секунду и объемом
оперативной памяти порядка 50—100 К слов. Требования к управ-
ляющей ЭВМ могут быть ослаблены путем реализации отдельных
213
программных модулей на микропроцессорах. В связи с этим воз-
никает необходимость в разработке мультимикропроцессорной
архитектуры для реализации интеллектуального управления ма-
нипуляционно-транспортным роботом в реальном масштабе вре-
мени.
Научные исследования и опытно-конструкторские разработки
в области создания манипуляционно-транспортных роботов для
ГАП интенсивно ведутся как в СССР, так и за рубежом. Так,
в центральном научно-исследовательском институте робототехники
и технической кибернетики (ЦНИИ РТК) при Ленинградском
политехническом институте созданы опытные образцы подвижных
промышленных роботов, ориентированных на выполнение транс-
портных и погрузочных операций. Рассмотрим особенности этого
семейства роботов на примере манипуляционно-транспортного
робота МП-12Т.
Робот МП-12Т представляет собой самоходную тележку с че-
тырехколесным шасси, на борту которой находится автоматиче-
ский манипулятор. Конструкция тележки и манипулятора модуль-
ная, что позволяет в зависимости от производственной необхо-
димости изменять конфигурацию робота. Грузоподъемность ма-
нипулятора 20 кг, а грузоподъемность тележки 200 кг. Робот
имеет шесть степеней свободы. Скорость перемещения тележки не
превышает 0,7 м/с. Габаритные размеры тележки 1500x1000 х
х 1500. Робот получает питание от аккумуляторных батарей,
обеспечивающих ему возможность непрерывной работы в тече-
ние 8 ч.
Информационная система размещена непосредственно на ро-
боте. Трасса движения задается с помощью светоотражающей
полосы. Для наведения на трассу используются фотодатчики.
Сигналы обратной связи от этих датчиков поступают в сервопри-
воды ведущих колес, обеспечивающих перемещение робота вдоль
трассы-полосы. Бортовая система адаптивного управления реали-
зована на базе микроЭВМ «Электроника-60». Элементы интеллекта
робота закладываются в программное обеспечение. Система управ-
ления робота имеет иерархическую структуру, включающую
следующие программно-аппаратные модули:
1)	локального управления исполнительными приводами те-
лежки и манипулятора;
2)	расчета программы манипулирования грузами;
3)	планирования очередности и объема операций по загрузке-
разгрузке технологического оборудования;
4)	контроля за правильностью функционирования робота
и обслуживаемого им оборудования.
Первые два модуля разработаны на основе микропроцессорных
контроллеров единой серии технических средств локальных ин-
формационно-управляющих систем. Остальные модули реализо-
ваны в виде управляющих программ для бортовой микроЭВМ
«Электроника-60». Система управления робота МП-12Т рассчитана
214
на выполнение в автоматическом режиме следующих опера-
ций:
погрузочно-разгрузочные операции на складе и при обслужи-
вании технологического оборудования;
транспортировка грузов по предварительно проложенной
трассе;
распознавание объектов манипулирования, планирование и
координирование действий.
Рассмотрим особенности функционирования погрузочно-раз-
грузочного транспортного робота МП-12Т на примере транспор-
тировки на рабочие места тары с заготовками и перевозки готовой
продукции на автоматический склад. Склад оборудован загрузоч-
ными и разгрузочными конвейерами, которые подают тару с за-
готовками и принимают тару с готовыми изделиями. Установку
и снятие тары (палеты) с тележки осуществляет бортовой мани-
пулятор. Платформа тележки оснащена датчиками наличия тары,
а также фотодатчиками, обеспечивающими движение робота вдоль
трассы, выполненной в виде светоотражающей полосы.
Алгоритм функционирования робота МП-12Т в условиях РТК
механической обработки заключается в следующем. Сначала про-
веряется необходимость разгрузки тележки по информации от
датчиков наличия тары на платформе и на разгрузочном транс-
портере. Если транспортер свободен, тележка разгружается и про-
должает движение по трассе в соответствии с заданным планом
обслуживания оборудования РТК- На складе тара с заготовками
маркируется следующим образом: каждой палете присваивается
номер того рабочего места, куда она должна быть доставлена.
Робот получает сигнал от загрузочного транспортера и загружается
в соответствии с палетой со склада.
При доставке тары с заготовками со склада тележка автомати-
чески останавливается у того рабочего места, номер которого
совпадает с номером транспортируемой палеты. В момент остановки
определяется положение и ориентация тележки относительно об-
служиваемого оборудования, и манипулятор сгружает палету.
Если требуется еще и разгрузить рабочее место (о чем свидетель-
ствует световой сигнал), то после проверки наличия свободных
ячеек на платформе манипулятор загружает тару с готовой про-
дукцией в свободную ячейку. В том случае, если свободных ячеек
не хватает, робот продолжает движение по маршруту и запоминает
номера рабочих мест, подлежащих разгрузке.
По мере разработки и отладки указанных модулей предпола-
гается расширять функциональные возможности промышленных
роботов типаМП-12Т посредством введения в их систему управле-
ния элементов (алгоритмов) адаптации и искусственного интел-
лекта в соответствии с конкретными нуждами ГАП.
Автоматизация манипуляционно-транспортных операций тре-
бует разработки видеодатчиков и связанных с ними средств рас-
познавания и интерпретации производственной обстановки. В ка-
215
честве датчиков видеосигналов в манипуляционно-транспортных
роботах обычно используются телекамеры, фотодиоды и лазеры.
Системы распознавания и интерпретации видеоинформации реа-
лизуются в виде программного обеспечения систем автоматиче-
ского управления роботов.
6.5.	РОБОТИЗИРОВАННЫЙ КОНВЕЙЕРНЫЙ ТРАНСПОРТ
С АВТОМАТИЧЕСКИМ РАСПОЗНАВАНИЕМ
И АДРЕСОВАНИЕМ ГРУЗОВ
В современных ГАП наряду с описанными выше напольными
транспортными роботами широко используются и другие средства
автоматической транспортировки грузов. К числу таких альтерна-
тивных средств относятся ленточные, роликовые и подвесные
конвейеры с автоматическим адресованием грузов, обслуживаемые
манипуляционными роботами. Этот новый класс автоматических
систем будем называть роботизированным конвейерным транс-
портом.
Роликовые конвейеры обычно применяются на предприятиях,
на которых потоки материалов и технологические маршруты
имеют прямолинейный характер. Загрузка и разгрузка этих кон-
вейеров зачастую осуществляются манипуляционными роботами.
Для распознавания и последующего адресования транспортируе-
мых грузов над конвейером устанавливается один или несколько
видеодатчиков (телекамера, линейка или матрица фотодиодов
и т. п.) системы технического зрения.
Более перспективна и широко применяется в ГАП разветвлен-
ная сеть подвесных конвейеров, позволяющих экономить производ-
ственные площади. На подвесках этих конвейеров могут закреп-
ляться и перемещаться самые разные грузы, которые должны быть
доставлены соответствующим адресатам (позиции окраски, сборки
и т. п.). Надежное функционирование подобных конвейеров воз-
можно только при их оснащении системами автоматического рас-
познавания и адресования грузов. В общем случае под термином
«Адресование» подразумевается совокупность операций, связанных
с обработкой информации об адресатах, к которым направляются
грузы.
К этим операциям относятся формирование и кодирование
адреса, перемещение грузов по адресу, декодирование и считы-
вание, переадресация. Подвески конвейера, детали и изделия
перемещаются в пространстве по определенным трассам к тем
позициям, куда они адресованы. При этом адресный код может
содержать не только координаты позиции, но также и дополни-
тельные данные о характерах объекта и места его позициониро-
вания.
Системы автоматического адресования зачастую используются
в сочетании с системами технического зрения. Последние класси-
фицируют объекты, подлежащие адресованию, и тем самым обеспе-
216
Рис. 6.19. Принцип оптико-электронного
кодирования деталей на подвесном кон-
вейере:
/ — сцеп; 2 — деталь; 3 — фотопрнемникн;
осветители
чивают промежуточный контроль
и учет грузов на подвесном кон-
вейере. Точность адресования пря-
мо зависит от надежности распоз-
навания. Источником ошибок
распознавания могут быть коле
бания подвесок с грузом в поле
зрения системы технического зре-
ния, нарушение технических норм
подвеса деталей и т. д. Поэтому
важнейшим требованием к рас-
познающей системе является ее
инвариантность по отношению к неизбежным на практике произ-
водственным возмущениям. Это достигается посредством обуче-
ния и адаптации распознающей системы в процессе производ-
ственной эксплуатации конвейера.
Рассмотрим особенности конвейерного транспорта с автомати-
ческим распознаванием и адресованием деталей на примере под-
весного толкающего конвейера ПО «Кировский завод». Этот кон-
вейер является одним из важнейших транспортных средств в усло-
виях серийного производства тракторов К-701. Он обеспечивает
подачу на соответствующие позиции главного сборочного кон-
вейера 11 типов деталей (бака топливного, бака масляного, ка-
бины, капота, облицовки радиатора, крыльев и т. п.).
Для кодирования деталей в процессе их транспортировки
используется оптико-электронная система, изображенная на
рис. 6.19. Она состоит из семи узконаправленных источников
света (ламп накаливания А12-6) и фотоприемников (фоторезисто-
ров ФСД-Г1), шарнирно закрепленных на направляющих, что
позволяет легко изменять их местоположение и ориентацию.
Сигналы с фотоприемников поступают на пороговые элементы,
с выходов которых снимается семиразрядный двоичный код
(образ детали, закрепленной на подвесе и находящейся в поле
зрения системы). Время кодирования каждой детали не превышает
0,1 с.
Коды транспортируемых деталей подаются в распознающий
автомат, который работает в двух режимах: обучения и принятия
решений. В режиме обучения в процессе нормальной эксплуатации
конвейера накапливаются определенная статистика в виде кодов
деталей и соответствующих им кодов классов, к которым эти де-
тали принадлежат. Этот статистический материал называется
обучающей выборкой. По нему с помощью ЭВМ формируются
логические описания классов и связанные с ними решающие
217
(распознающие) правила. Синтезированные описания и правила
реализуются в дальнейшем либо в виде программы для микроЭВМ,
либо в виде распознающего устройства на микросхемах.
В режиме принятия решений осуществляется автоматическая
классификация или идентификация деталей. Классификация не-
обходима для учета деталей в автоматизированной системе управ-
ления технологическими процессами (АСУ ТП), а идентифика-
ция — для автоматического адресования детали на соответству-
ющую позицию сборочного конвейера. При участии сотрудников
Ленинградского института авиационного приборостроения и Ле-
нинградского государственного университета было разработано
несколько вариантов распознающих автоматов с оптико-электрон-
ной системой ввода информации.
На первом этапе был создан простейший автомат, представля-
ющий собой дешифратор кодов. Обучение этого автомата сводится
к запоминанию в качестве эталонов семиразрядных двоичных
кодов деталей всех классов, предварительно снятых в идеальных
условиях эксплуатации конвейера. В этих условиях дешифратор,
сравнивая код транспортируемой детали с эталонными кодами,
обеспечивает безошибочное распознавание деталей. Однако реаль-
ные производственные условия зачастую сильно отличаются
от идеальных. Это связано с нарушением технологических норм
подвеса деталей и со значительными колебаниями деталей в про-
цессе их транспортировки. В производственных условиях точность
работы дешифратора снижается. Практически это проявляется
в большом числе отказов и ошибок распознавания, вызванных
непредсказуемыми преобразованиями (сдвигов, вращений и т. п.)
деталей в «поле зрения» оптико-электронной системы. В подобных
случаях возникает необходимость адаптации распознающего авто-
мата к производственным возмущениям. Поэтому на втором этапе
были разработаны более совершенные адаптивные автоматы,
обеспечивающие инвариантность распознавания по отношению
к указанным выше непредсказуемым преобразованиям назван-
ных деталей.
В режиме обучения синтезируются логические описания клас-
сов минимальной сложности и связанные с ними оптимальные ре-
шающие правила. Алгоритмы синтеза этих правил по обучающей
выборке описаны в работах 1119, 123]. Синтезированные правила
используются для распознавания и идентификации транспортируе-
мых деталей и формирования управляющих воздействий на при-
воды стрелок ответвлений на подвесном конвейере с целью авто-
матического адресования идентифицированных деталей на соот-
ветствующие позиции сборочного конвейера.
Общая схема алгоритмического синтеза оптимально решающего
(распознающего) правила описывается в следующей главе. Иско-
мое правило строится в виде дизъюнкции конъюнкций от исход-
ных признаков — предикатов, в терминах которых кодируются
детали.
218
Логическое решающее правило характеризуется двумя пара-
метрами: рангом г и сложностью N. Ранг г — это максимальный
ранг элементарных решающих правил, вошедших в оптимальное
правило. Он лимитирует число необходимых измерений предика-
тов-признаков. Сложность — это общее число используемых в ре-
шающем правиле признаков. Ясно, что чем меньше значение
параметров г и АС тем предпочтительнее (при прочих равных
условиях) решающее правило.
Оптимальное логическое решающее правило обладает рядом
полезных свойств: во-первых, признаки-предикаты, не вошедшие
ни в одно элементарное решающее правило, неинформативны
и могут быть отброшены; во-вторых, все элементарные логические
решающие правила взаимно ортогональны, а следовательно, и
статистически независимы; в-третьих, ранг г и сложность N
<' являются минимально необходимыми (при описанной схеме син-
Н теза) для безошибочного распознавания обучающей выборки.
' Оптимальное логическое решающее правило имеет графическое
h представление в виде бинарного дерева решений, называемого
оптимальным распознающим графом. Каждое элементарное реша-
ющее правило изображается ветвью этого графа, признак-преди-
кат — узлом, а код класса — листом с соответствующим номером.
Из каждого узла исходит два ребра, соответствующих возможным
h значениям данного признака.
р В режиме распознавания сначала измеряется признак, соот-
Ц ветствующий узлу первого уровня (ранга). Далее по ребру,
У' отвечающему полученному значению признака, осуществляется
И переход к узлу второго уровня (ранга) и измерение соответству-
; ющего признака. Процесс «раскрытия» узлов продолжается до
; тех пор, пока не встретится лист, содержащий код некоторого
i класса, к которому н относится данный объект. Важно подчерк-
нуть, что распознавание с помощью оптимального решающего
правила (и отвечающего ему оптимального распознающего графа)
р не требует измерения всех предикатов-признаков, так как его
i ранг г, как правило, существенно меньше общего числа признаков.
Это свойство последовательного анализа логических автоматов
распознавания, реализующих описанное выше оптимальное ре-
шающее правило, выгодно отличает их от параллельных распозна-
ющих автоматов (типа «перцетрон») [44], требующих одновре-
менного измерения и использования всех признаков.
Автоматизация управления конвейерно-складским РТК тре-
бует не только распознавания деталей с целью их классификации
и учета, но и идентификации деталей определенного типа. Послед-
нее необходимо для правильного и своевременного переключения
стрелок ответвления конвейера с целью автоматической доставки
деталей на соответствующие склады-накопители и посты раз-
грузки, расположенные вдоль главного сборочного конвейера.
Особенность задачи идентификации заключается в том, что
решающее правило здесь строится для каждого класса деталей
219
в отдельности. Схема синтеза оптимальных идентифицирующих
правил аналогична описанной выше. Эти правила также допу-
скают представление в виде ориентировочного графа такого же
типа, как и распознающий граф. Отличительной чертой иденти-
фицирующего графа является то, что все его листья относятся
к одному классу. Совокупность идентифицирующих графов удобно
представлять в виде орбитального графа, который можно трак-
товать как логический фрейм классов. На нулевой орбите этого
графа располагаются листья с указанием номеров классов. На
первой орбите размещаются узлы первого уровня идентифици-
рующих графов, на второй орбите — узлы второго уровня и т. д.
Процесс идентификации класса по графу сводится к последова-
тельному «раскрытию» его узлов-признаков. На первом шаге
вычисляется значение признака-предиката, отвечающего первому
узлу. Если это значение соответствует исходящему из узла ребру,
то следует измерить значение признака, отвечающего узлу второй
орбиты, к которому ведет данное ребро, и т. д. Таким образом,
если удастся дойти до конца какой-либо ветви, то происходит
идентификация соответствующего класса. Если же ребро, соот-
ветствующее вычисленному значению очередного признака, отсут-
ствует, то это значит, что исследуемый объект данному классу
не принадлежит.
Достоинством оптимальных идентифицирующих правил и гра-
фов является то, что, обеспечивая безошибочную идентификацию
элементов обучающей выборки, они в то же время имеют мини-
мальный ранг и сложность. Это упрощает их реализацию и обе-
спечивает высокую точность идентификации незнакомых объектов.
Перейдем теперь к описанию экспериментальных результатов,
связанных с синтезом, программно-аппаратурной реализацией
и производственными испытаниями автоматов распознавания и
идентификации. Сначала по обучающей выборке, содержащей
32 элемента, были построены (в соответствии с описанными выше
алгоритмами) оптимальные логические распознающие и иденти-
фицирующие правила. Их графическое представление дано на
рис. 6.20 и 6.21 соответственно.
Основные параметры синтезированного распознающего графа
таковы: ранг г = 6, сложность УУ = 24. Он обеспечивает без-
ошибочное распознавание обучающей выборки. Этим же свой-
ством обладает и идентифицирующий граф. Его параметры (по
классам деталей) указаны в табл. 6.7. Ради краткости записи
в этой таблице' вместо признака-предиката указывается лишь
его номер i, а отрицание предиката обозначается чертой над
номером /.
Следует отметить, что синтезированные идентифицирующие
графы и отвечающие им оптимальные логические описания клас-
сов, представленные в табл. 6.7, могут непосредственно использо-
ваться как для идентификации деталей данного класса, так и для
220
Рис. 6.20. Локально-оптимальный распознающий граф
их распознавания. Однако для распознавания деталей более удо-
бен распознающий граф (и отвечающее ему логическое решаю-
щее правило), представленный на рис. 6.20. Хотя оптимальные
идентифицирующие и распознающие графы безошибочно класси-
221
ТАБЛИЦА 6.7
Номер класса	Оптимальное логи чес кое описание классов деталей трактора К-701	Пара- метры		Номер класса	Оптимальное логическое описание классов деталей трактора К-701	Пара- метры	
		Т1	Ni			ri	
I	12 4 7	4	4	VI	1 5V1 2 4 5V	5	11
II	Т 2 7	3	3		VI 2 4 5 6		
III	1 2 6 V 1 2 3 6V	6	13	VII	4 5 6 7	4	4
	VI 2 3~4 6 7			VIII	3 7V3 5 6 7V	5	И
IV	2 6 7V1 2 6 7	4	7		V3~4 5 6 7		
V	3 6VT 2 3 4 6V	6	13	IX	2 5 7V2 4 5 7	4	7
	VT 2 3 4 5 6			X	12 3 6 7	5	5
				XI	2 5 6	3	3
фицируют обучающую выборку, на контрольной выборке воз-
можны ошибки.
Для проверки эффективности автоматов распознавания и иден-
тификации, реализующих синтезированные решающие правила
и графы, был проведен эксперимент на подвесном толкающем
конвейере. В результате этого эксперимента выяснилось, что
точность распознавания и идентификации в производственных
условиях (контрольная выборка насчитывала до 200 наблюдений)
составила 89 %. Этот факт свидетельствует о том, что исходная
обучающая выборка была недостаточно представительна: в нее
ТАБЛИЦА 6.8
Номер класса	Оптимальное логическое описание классов деталей трактора К-701 (после обучения)	Пара- метры		Номер класса	Оптимальное логическое описание классов деталей трактора К-701 (после обучения)	Пара- метры	
		ч				ч	Ni
I	1 2 4 6 7	5	5	VI	2 3 4 7V1 2 6 7V	4	11
II	Г 2 7	3	3		VI 5 6		
III	1 2 3 4 5 6V	6	25	VII	1 2 4 5 6 7V	6	12
	VI 2 3 5V				V2 3 4 5 6 7		
	V2 3 4 5 6 7V			VIII	2 4 7V1 2 3 7V	5	12
	V2 3 4 7V				VI 3 4 6 7		
	VI 2 3 4 6			IX	2 4 5 7V2 3 5 7V	4	23
IV	1 2 3 5 6V 1 2 6 7V	5	18		V2 4 5 7V1 5 6V		
	V2 3 5 6V1 2 3 5 6				V2 3 5 6V2 3 6 7		
V	2 3 6VT 2 3 4 5V	5	16	X	13 4 6 7	5	5
	V2 4 5 6V 2 3 5 6			XI	Т 2 4 5 6	5	5
				XII	12 3 4	4	4
222
не вошли коды деталей, подвергнутых многим характерным, но
заранее не известным преобразованиям (нарушение технологиче-
ских норм подвеса, естественные колебания деталей и др.). По-
этому для увеличения точности в изменяющихся производствен-
ных условиях необходимо дообучить (адаптировать) распознающие
и идентифицирующие автоматы так, чтобы они стали инвариант-
ными ко всему классу возможных преобразований. С этой целью
из контрольной выборки были отобраны элементы, ранее не
встречавшиеся в обучающей выборке, и эти элементы были до-
Рис. 6.22. Дообученный распознающий граф
бавлены к «старой» выборке. В результате была получена «новая»
обучающая выборка, состоящая из 45 элементов. Заметим, что
в число этих элементов вошел и существенно новый элемент,
отвечающий коду «пустой сцеп», образующий двенадцатый класс.
По полученной таким образом расширенной обучающей вы-
борке вновь строились по той же методике распознающие и иден-
тифицирующие правила и графы. В результате были синтезиро-
ваны «дообученный» распознающий граф, представленный на
рис. 6.22, и «дообученный» идентифицирующий граф, представ-
ленный на рис. 6.23. Эти графы и соответствующие им описания
классов, представленные в табл. 6.8, естественно имеют более слож-
ную структуру, чем ранее построенные (см. рис. 6.20 и рис. 6.21).
Это видно, в частности, из табл. 6.7 и 6.8, где представлены
оптимальные логические описания классов вместе с параметрами
гг и Wt, характеризующими их сложность.
Достоинством «дообученных» распознающих и идентифициру-
ющих графов является их инвариантность практически к любым
возможным преобразованиям деталей. Вследствие этого они обеспе-
чивают высокую (по существу, предельную) точность распознава-
ния и идентификации. Фактически (по данным производственных
223
испытаний) они гарантируют безошибочное распознавание элемен-
тов расширенной обучающей выборки, а на элементах контроль-
ной выборки (более 700 наблюдений) процент ошибок не превы-
сил 4 %. Достигнутая точность близка к предельно возможной
в рассматриваемых производственных условиях. Без введения
дополнительных датчиков в информационно-измерительную си-
стему (и соответственно без увеличения размерности простран-
ства признаков) этот результат практически неулучшаем.
Оптимальные распознающие и идентифицирующие графы и
отвечающие им логические решающие и идентифицирующие пра-
вила допускают простую программную и аппаратурную реализа-
цию. Поэтому они были реализованы сначала в виде программ
для микроЭВМ («Электроника-60»), а затем аппаратурно на базе
логических элементов (типа И, ИЛИ, НЕ) серии К-155. Примеры
схем для аппаратурной реализации идентифицирующих правил
для классов I, II и VI представлены на рис. 6.24. Возможны и
другие варианты реализации, например на базе элементов И —
НЕ (штрих Шеффера) или ИЛИ—НЕ (стрелка Пирса).
224
Общий вид автомата распознавания представлен на рис. 6.25.
К его достоинствам следует отнести высокую точность (около
96 %) и быстроту (до нескольких микросекунд) распознавания.
Это достигается благодаря адаптивности автомата в широком
классе производственных возмущений. Аналогичные автоматы
распознавания созданы и для ленточных транспортных конвейе-
ров [120, 133]. В них в качестве информационной системы обычно
используется линейка фотодиодов, устанавливаемая над конвейе-
ром, по которому транспортируются произвольно расположенные
Рис. 6.25. Общий вид автомата распознавания деталей на подвесном конвейере
Рис. 6.24. Примеры схем для реализации идентифицирующих правил на базе
цифровых интегральных схем: а — класс I: бак топливный (левый); б — класс II:
бак топливный (правый); в — класс VI: бак масляный
детали. В режиме принятия решений производится не только
распознавание деталей, но и определяется их местоположение
и ориентация. Последнее особенно важно для последующего
манипулирования транспортируемыми деталями (например, при
разгрузке конвейера).
Рассмотренные автоматы распознавания и адресования обла-
дают определенной гибкостью: при изменении номенклатуры
транспортируемых деталей достаточно переобучить автомат распо-
знавания, после чего он автоматически перестраивается на иден-
тификацию и адресование новых деталей. Это свойство адаптив-
ных автоматов распознавания-и адресования деталей на конвейере
особенно важно для ГАП.
Подвесной конвейер с автоматическим распознаванием и адре-
сованием деталей на ПО «Кировский завод» является частью кон-
8 Заказ 250
225
Рис. 6.26. Схема подвесного
конвейера с адаптивным ад-
ресованием деталей:
1 — подвесные склады-накопи-
тели; 2, 3 — транспортный и
сборочный конвейеры; 4 — ок-
расочная камера
вейерно-складского ро-
бототехнического комп-
лекса, общий вид кото-
рого представлен на
рис. 6.26. Этот комп-
лекс работает следую-
щим образом. При по-
явлении деталей на
подвесах из механического цеха автомат распознавания, установ-
ленный перед окрасочной камерой, их классифицирует и посылает
соответствующий сигнал в управляющий вычислительный комп-
лекс (УВК). Последний оперативно определяет нужную программу
окраски и передает ее окрасочным роботам. Окрашенные детали
транспортируются на подвесные склады-накопители, а оттуда на
главный сборочный конвейер, причем по пути они идентифици-
руются и УВК вырабатывает адресующий сигнал на коммутатор
переключения стрелок, которые обеспечивают доставку деталей
на соответствующие позиции сборочного конвейера. Одновремен-
но с идентификацией осуществляется учет деталей всех типов,
поступающих на сборку. Высокая точность распознавания и
адресования деталей позволяет свести к минимуму простои
сборочного конвейера и тем самым повысить его производитель-
ность .
Таким образом, конвейерный транспорт с автоматическим рас-
познаванием и адресованием деталей обладает рядом преимуществ;
Во-первых, система управления такого конвейера, реализуемая
на базе микропроцессоров и микроЭВМ, легко сопрягается с управ-
ляющими ЭВМ более высокого уровня, образуя единую автома-
тизированную систему управления производством (АСУП). Во-
вторых, применение микроЭВМ для управления конвейером поз-
воляет оптимизировать распределение и адресацию грузов по
производственным участкам ГАП. В-третьих, благодаря распоз-
наванию деталей автоматически осуществляется их учет и обеспе-
чивается возможность переключения программ, управляющих
оборудованием ГАП, установленным на позициях с соответству-
ющим адресом, в зависимости от того, к какому классу принад-
лежит транспортируемая деталь. В последнеее время в ГАП все
шире начинают применяться подвесные манипуляторы тельфер-
ного (с перемещением по монорельсу) и портального типов. Эти
транспортные манипуляторы, как и подвесные конвейеры, раз-
мещаются над технологическим оборудованием, что позволяет
экономить производственные площади. Наиболее совершенные
226
образцы этих роботов снабжаются датчиками внешней информа-
ции (тактильными щупами, системами технического зрения и т. п.),
обеспечивающими возможность адаптации к изменяющейся про-
изводственной обстановке. К транспортным манипуляторам тель-
ферного типа относятся отечественные роботы ТРТ-250-1, «Спрут-1»,
УМ 160 2.81.01 и др., а к роботам портального типа — «Сигма»
(Италия), «Адам-02» (СССР), «Пирин» (Болгария) и др.
Роботизированный конвейерный транспорт может иметь разные
компоновки в зависимости от требований производства. Примером
> Рис. 6.27. Роботизированный конвейерный транспорт для обслуживания токар-
ного станка
рациональной компоновки роликового конвейера и портального
манипулятора может служить гибкая манипуляционно-транс-
портная система для обслуживания токарных станков, представ-
ленная на рис. 6.27, разработанная фирмой «Бош» (ФРГ). Эта
система обладает большой гибкостью и универсальностью. По-
этому она особенно перспективна для использования в условиях
ГАП.
В ГАП важную роль играют автоматические склады. Для авто-
матизации транспортно-складских операций обычно используются
роботы-штабелеры, представляющие собой каретку с погрузочно-
разгрузочным механизмом и грузовой платформой, перемеща-
ющуюся в вертикальном и горизонтальном направлениях вдоль
стеллажей склада. Система управления склада, реализуемая на
8*
227
базе микроЭВМ, обеспечивает автоматическое адресование роботов-
штабелеров с учетом текущего состояния склада.
Значительное внимание разработке автоматического транс-
порта для ГАП уделяется во многих индустриально развитых
странах. Состояние дел и перспективы развития в этой области
нашли отражение в программе 1-й Международной конференции
по проблемам транспортирования материалов, состоявшейся
в 1983 г. в Лондоне. Тематика докладов, представленных на этой
конференции, охватывает вопросы создания и внедрения автома-
тизированных систем управления производственными материаль-
ными потоками, опыт эксплуатации автоматических транспортных
средств в условиях ГАП, а также перспективные разработки транс-
портных роботов с адаптивным управлением и элементами искус-
ственного интеллекта.
Высокие темпы развития ГАП обусловливают ускоренную
разработку и внедрение автоматических транспортных средств.
Вместе с тем повышаются требования к гибкости, автономности
и универсальности таких средств. Этим требованиям удовлетво-
ряют рассмотренные выше транспортные роботы с адаптивным
управлением, манипуляционно-транспортные роботы с элемен-
тами искусственного интеллекта, а также роботизированный кон-
вейерный транспорт с автоматическим распознаванием и адресо-
ванием грузов. Естественно ожидать, что в ближайшие годы удель-
ный вес адаптивных транспортных средств указанных типов в об-
щей структуре транспорта для ГАП будет неуклонно возрастать.
Глава 7
РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ
ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
7.1.	ЭЛЕМЕНТЫ ИНТЕЛЛЕКТА РТК '
На пути создания и совершенствования РТК и ГАП встает
ряд сложных проблем, связанных с необходимостью автоматиза-
ции не только технологических процессов, но и целого ряда интел-
лектуальных операций. К ним относятся проектирование про-
дукции, планирование производства, программирование движе-
ний роботов, моделирование среды, распознавание объектов,
диагностика оборудования и т. п.
До последнего времени решение перечисленных задач в усло-
виях действующего производства считалось прерогативой чело-
века. Однако по мере развития методов и средств искусственного
интеллекта появились предпосылки для конструирования авто-
228
матических систем, имитирующих соответствующие интеллек-
туальные функции человека. Эти системы принято называть си-
стемами искусственного интеллекта (СИИ). Техническая реали-
зация таких СИИ оказалась возможной благодаря появлению
в последние годы микро- и мини-ЭВМ, а также быстродействующих
микропроцессоров.
Что же представляют собой современные СИИ, каковы их
отличительные черты? В широком смысле СИИ — это программно-
аппаратные средства решения интеллектуальных задач, которые
позволяют ЭВМ выполнять операции, аналогичные функциям
человека, занятого умственным трудом. Поэтому под искусствен-
ным интеллектом РТК будем подразумевать алгоритмическое и
программное обеспечение их адаптивных систем управления,
позволяющее автоматизировать технологические операции интел-
лектуального характера. Отличительными признаками СИИ яв-
ляется наличие баз данных и банков знаний, средств интерпрета-
ции задач и планирования их решений, а также связанных с ними
алгоритмов формирования понятий, распознавания ситуаций и
принятия решений. Решение проблемы представления знаний
в памяти ЭВМ открыло принципиальную возможность понимания
СИИ естественного языка и речи. Оно позволило создать интел-
лектуальные терминалы и интерфейс, обеспечивающие непосред-
ственное речевое или графическое (через дисплей) общение че-
ловека с ЭВМ или роботом на естественном языке, ограниченном
данной предметной областью.
СИИ с базами данных и банками знаний нацелены на решение
прикладных задач. Среди них важную роль играют экспертные
СИИ промышленного назначения, которые уже сегодня исполь-
зуются, например, для выработки рекомендаций по выбору ком-
понент и компоновки ГАП. К числу промышленных СИИ
можно отнести и интеллектуальный человеко-машинный интер-
фейс.
В последние годы созданы и начинают применяться в промыш-
ленности интеллектуальные системы автоматизированного проек-
тирования (САПР), СИИ для распознавания зрительной информа-
ции и речи, интеллектуальные системы автоматизации програм-
мирования (САП), интеллектуальные автоматизированные си-
стемы подготовки производства (АСПП), встроенные СИИ для
диагностики оборудования, а также ЛИСП — машины для опе-
ративной обработки символьной информации и ПРОЛОГ — ма-
шины для автоматического поиска логических выводов на основе
факторов и правил, хранимых в базе знаний. Это позволяет пере-
ложить на СИИ некоторую часть умственного труда, которую
в условиях обычного производства приходилось возлагать на
человека. В результате повышается производительность и сте-
пень автоматизации производства. Таким образом, сегодня СИИ
фактически вышли на промышленный рынок. Они находят все
более широкое применение в адаптивных РТК и ГАП.
229
В отличие от программных роботов, которые манипулируют
деталями и инструментами, СИИ манипулируют знаниями, необ-
ходимыми для решения возникающих задач. Тип задачи опреде-
ляет особенности алгоритма ее решения.
В чем же специфика алгоритмов решения интеллектуальных
задач? Для ответа на этот вопрос рассмотрим задачу планирова-
ния поведения робота. Решение этой задачи, получаемое в резуль-
тате интеллектуальной деятельности робота, — есть план целе-
направленных действий, т. е. конечная последовательность опе-
раций, при фактическом выполнении которых гарантируется до-
стижение цели. Каждая операция переводит робот в некоторое
новое состояние, которое можно назвать очередной подцелью.
В процессе поиска плана поведения могут использоваться как
информация, поступающая от информационной системы робота,
так и ранее накопленные знания и опыт, хранящиеся в базе зна-
ний системы управления.
Особенности методов решения многих технологических задач
гибкой автоматизации можно представить аналогичным образом.
Например, при переналадке производства на выпуск нового изде-
лия требуется спланировать, скоординировать и уложить в согла-
сованную схему технологического процесса множество операций:
выбор необходимого оборудования, оптимизацию технологических
маршрутов, программирование систем управления, диагностику
инструмента, контроль качества продукции и т. п. Переход на
новую технологию может потребовать согласования основных
технологических операций с вопросами совершенно иного харак-
тера, связанными, например, с финансированием или охраной
окружающей среды. Все эти операции и вопросы взаимосвязаны
и должны быть учтены при планировании технологического про-
цесса. Для фактического осуществления этого процесса нужно
соответствующим образом запрограммировать системы управления
оборудованием ГАП, после чего может быть получено требуемое
изделие с заданными свойствами.
Таким образом, чтобы решить задачу планирования необхо-
димо составить хорошо скоординированную, согласованную схему
операций (логических, математических, технологических и др.),
начинающуюся с наперед заданных условий (предпосылок) и
заканчивающуюся достижением цели. Решая такого рода интел-
лектуальные задачи, СИИ постоянно ищет пути обхода препят-
ствий и достижения заданной цели, пытается выработать какой-то
план действий, следуя которому можно достичь эту непосред-
ственно недоступную цель. Умение СИИ решать интеллектуаль-
ные задачи посредством использования имеющихся знаний при-
обретается путем обучения на опыте и адаптации. Это умение
и связанные с ним навыки решения задач в известном смысле
гораздо важнее для СИИ, чем информация, хранящаяся в банке
знаний, хотя, конечно, без необходимых знаний невозможно найти
и решение.
230
Попытаемся теперь определить, что такое интеллект РТК,
в чем заключается специфика робототехнических СИИ. Прежде
всего заметим, что четкого, общепризнанного определения этого
термина в настоящее время нет. Поэтому дадим некоторое рабочее
определение существа этого понятия. Интеллектом РТК будем
называть способность его системы управления решать технологи-
ческие задачи интеллектуального характера посредством целе-
направленного преобразования информации и знаний, обучения
на опыте и адаптации к изменяющейся производственной обста-
новке. Характерными чертами интеллекта РТК, согласно данному
определению, являются их способность к переработке знаний,
обучению, накоплению опыта и адаптации к заранее неизвестным
и изменяющимся условиям в процессе решения задач. Благодаря
этим качествам РТК может решать самые сложные и разнообраз-
ные технологические задачи, а также легко перестраиваться
с решения одного класса задач на другой. Таким образом, система
управления РТК, наделенная элементами искусственного интел-
лекта, является универсальным средством решения широкого
круга технологических задач. Она позволяет автоматизировать
технологические операции интеллектуального характера.
Сегодня представляется несомненным, что РТК в принципе
могут обладать всеми основными чертами интеллектуальных
систем. Более того, некоторые современные РТК(вместе с соответ-
ствующим алгоритмическим и программным обеспечением их си-
стемы управления) уже обладают, по крайней мере частично,
этими чертами. Такие РТК и связанные с ними СИИ легко и бы-
стро справляются с решением отдельных интеллектуальных задач.
Главная трудность при создании робототехнических СИИ
заключается не в отсутствии адекватной элементной базы и средств
вычислительной техники, на которых их можно построить, а ско-
рее в неразработанности или несовершенстве алгоритмического
и программного обеспечения, определяющего уровень интеллекта
РТК- Поэтому ниже основное внимание уделяется описанию
методов алгоритмического синтеза робототехнических СИИ.
Необходимо подчеркнуть, что возможности интеллекта РТК
(как, впрочем, и возможности интеллекта человека) принци-
пиально ограничены. Это связано с тем, что объем памяти, ско-
рость запоминания и считывания информации в системах управ-
ления РТК на практике ограничены. Кроме того, далеко не
всегда удается найти эффективные алгоритмы решения интеллек-
туальных задач. Тем не менее благодаря способностям к обучению
и адаптации робототехнические СИИ обладают большой гибкостью
и могут быстро осваивать новые «профессии», автоматизируя
соответствующие интеллектуальные функции человека.
Первые экспериментальные образцы СИИ появились в лабо-
раториях ученых в 70-х годах XX в. Сегодня на базе накоплен-
ного научно-технического задела создаются промышленные ва-
рианты СИИ для РТК и ГАП. Они быстро тиражируются и вне-
231
дряются большими сериями. Нет сомнений, что по мере развития
робототехнических' СИИ они будут играть все возрастающую
роль в совершенствовании ГАП.
7.2.	ИНТЕЛЛЕКТУАЛЬНОЕ ПРОГРАММИРОВАНИЕ
И ИНТЕЛЛЕКТУАЛЬНЫЙ ИНТЕРФЕЙС
Одной из наиболее важных и дорогостоящих компонент ГАП
является алгоритмическое и программное обеспечение системы
автоматического управления оборудованием. При его разработке
речь идет о создании не отдельных алгоритмов и реализующих
их программных модулей, а о сложных программных комплексах,
включающих сотни тысяч команд. Для создания таких комплексов
нужен труд десятков алгоритмистов и программистов. Отладка
и сопровождение программного обеспечения в производственных
условиях также требует значительных затрат. В условиях частой
смены выпускаемой продукции приходится непрерывно модифи-
цировать алгоритмы и дополнять программные комплексы. По
мере расширения областей применения ГАП требуются все новые
и новые комплексы алгоритмов и программ. Однако их разработка
сдерживается не только трудоемкостью самого процесса алгорит-
мизации и программирования, но и дефицитом квалифицирован-
ных кадров. Последние не могут бросить ранее созданные ими
программные комплексы и должны их «сопровождать».
Все это говорит о том, что алгоритмическое и программное
обеспечение становится одним из самых узких мест при разработке
и эксплуатации ГАП. Его стоимость зачастую превышает стои-
мость вычислительной техники, на базе которой строится система
управления ГАП. В этом отношении показательны следующие
данные. В США стоимость затрат на разработку программного
обеспечения в 1980 г. составила около 2 млрд долларов. Ожи-
дается, что в 1990 г. она достигнет 25 млрд долларов. Отсюда
следует, что при низких темпах роста производительности труда
программистов к разработке алгоритмического и программного
обеспечения ГАП требуется привлечь большое число специали-
стов, которых еще предстоит обучить.
Сегодня производительность ЭВМ на два порядка превышает
производительность программиста при разработке программ. За
время, когда производительность ЭВМ возросла в тысячу раз,
производительность программиста увеличилась только в десять
раз. Поэтому вопрос о разработке и совершенствовании алгорит-
мического и программного обеспечения для ГАП приобретает все
большую остроту. Предлагаемые для его разрешения многочис-
ленные рецепты, связанные с внедрением новых технологий про-
граммирования и специальных инструментальных систем, прак-
тически малоэффективны.
Одним из наиболее перспективных средств резкого ускорения
процесса программирования является применение методов искус-
232
ственного интеллекта. В рамках такого подхода ЭВМ применя-
ется не только на этапе собственно программирования, т. е. син-
теза и кодирования программ, но и в процессе постановки задач.
Этот принципиально новый подход можно назвать интеллекту-
альным или концептуальным программированием. Его особенность
заключается в том, что с самого начала программирование ведет-
ся в терминах и понятиях предметной области решаемых задач.
Формализованные понятия далее используются для описания за-
дач и автоматического синтеза программных комплексов их ре-
шения. Эти понятия, описания и программы представляют собой
по существу машинное представление знаний, достаточных для
решения некоторого класса задач. На их основе строится интел-
лектуальный банк знаний. Концептуальный подход позволяет
переложить на ЭВМ значительную часть интеллектуальных опе-
раций, которые при традиционном программировании приходится
выполнять специалистам. В результате удается резко повысить
производительность программирования и тем самым высвободить
значительное число программистов.
Алгоритмизацию и программирование адаптивных систем уп-
равления отдельных РТК и ГАП в целом можно рассматривать
как своеобразный технологический процесс составления планов
решения задач на ЭВМ. Достаточно детальные планы, записан-
ные на понятном ЭВМ языке, составляют суть программного
обеспечения с элементами искусственного интеллекта. Главным
достоинством такого интеллектуального программного обеспече-
ния является возможность автоматического синтеза программ
для решения любой задачи из некоторого класса, сведения о ко-
тором хранятся в банке знаний. Для реализации этой возможности
служат диалоговый процессор и специальная организующая про-
грамма — монитор. Последняя в соответствии с заданной техно-
логией вызывает из банка знаний необходимые программные мо-
дули, снабжает их соответствующими исходными данными и те-
кущей информацией, поступающей по каналам обратных связей,
и «собирает» рабочий набор программ, обеспечивающий адаптив-
ное управление РТК в изменяющихся производственных условиях.
Интеллектуальные пакеты управляющих программ, исполь-
зующие банки знаний, позволяют автоматизировать процесс
программирования роботов и другого оборудования РТК непо-
средственно под заданную технологическую задачу. При этом ис-
ходные данные задачи и сам технологический процесс, подлежа-
щий реализации на РТК, могут быть заданы на естественном языке
технолога, а не на алгоритмическом языке ЭВМ. По этим данным
автоматически строится алгоритмическая модель технологического
процесса, а по ней «собирается» рабочий набор программ адаптив-
ного управления оборудованием РТК, реализующий заданный тех-
нологический процесс.
Проблема программирования адаптивных РТК по словесному
описанию технологической задачи еще не решена. Однако приц-
233
ципиальная возможность интеллектуального программирования
технологического оборудования РТК и ГАП не вызывает сомне-
ний. Более того, в последние годы появились научно-технические
предпосылки для программирования роботов и автоматизирован-
ного оборудования непосредственно с голоса.
Совершенствование средств интеллектуального программиро-
вания постепенно избавит технологов от рутинной работы по
программированию движений роботов и другого оборудования
РТК- Диалоговый процессор вместе с интеллектуальным монито-
ром позволит технологу описывать роботизированные технологи-
ческие процессы на более высоком уровне и на более естественном
языке, не прибегая к трудоемкому программированию в кодах
ЭВМ. Таким образом, открывается реальная перспектива снять
с технологов функции программистов как отдельных РТК, так
и ГАП в целом. Для этого необходимо создать интеллектуальный
технологический интерфейс, обеспечивающий общение технолога
с управляющими ЭВМ на профессиональном языке. Решение этой
проблемы требует, в свою очередь, разработки эффективных ме-
тодов представления знаний, организации диалога и понимания
естественного языка. Эти методы относятся к области искусствен-
ного интеллекта и безбумажной информатики как новой информа-
ционной технологии, радикально изменившей сам стиль исполь-
зования ЭВМ для решения разнообразных задач автоматизации.
Практическая значимость новой технологии организации
интеллектуального человеко-машинного интерфейса заключается
в том, что она обеспечивает прямой доступ к современным высоко-
производительным ЭВМ непрограммирующим специалистам (на-
пример, конструкторам или технологам). Для программирования
РТК достаточно ввести в банк знаний систему понятий, описываю-
щих рассматриваемый класс технологических процессов, а затем
в терминах этих понятий на естественном языке описать конкрет-
ное задание, возлагаемое на РТК- По этому описанию ЭВМ авто-
матически строит рабочую программу адаптивного управления
РТК, используя алгоритмы, хранящиеся в банке знаний.
7.3.	ЯЗЫК ПРЕДИКАТОВ И АДАПТИВНЫЙ ПОИСК
ЛОГИЧЕСКОГО ВЫВОДА
Для организации осмысленного диалога между человеком и
ЭВМ и автоматизации решения интеллектуальных задач в про-
цессе управления РТК необходим специальный язык. Этот язык
должен быть удобным средством формулировки заданий, пред-
ставления знаний, поиска планов и принятия решений. Он дол-
жен также предоставить системе управления РТК с элементами
искусственного интеллекта необходимую основу для логических
умозаключений. Благодаря способности рассуждать на своем
внутреннем языке формул система управления РТК сможет ре-
шать многие интеллектуальные задачи на уровне здравого смысла.
234
Исчисление предикатов является простейшим логическим язы-
ком, удовлетворяющим указанным требованиям. На этом фор-
мальном языке можно записать многие предложения и утвержде-
ния естественного языка, что позволит формализовать знания.
В исчислении предикатов содержатся также процедуры (правила)
поиска логического вывода. Это позволит придать ЭВМ способ-
ность логически рассуждать и строить умозаключения, необхо-
димые для понимания смысла задания и решения возникающих
интеллектуальных задач. Важно отметить, что исчисление преди-
катов и реализующий его логический язык программирования
«Пролог» будут использоваться в интеллектуальных ЭВМ пятого
поколения.
Исчисление предикатов содержит следующий экономный ал-
фавит символов [108, 133]:
1.	Предметная область и термы. Объекты и понятия, кото-
рыми приходится оперировать при решении той или иной интел-
лектуальной задачи, относятся к некоторому множеству й, назы-
ваемому предметной областью. Фиксированные элементы этой
области называются предметными постоянными (константами).
Переменные, принимающие значения из й, называются предмет-
ными переменными. Предметные переменные, константы, а также
функции от них называются термами.
2.	Переменные высказывания и предикаты. Переменные, при-
нимающие значения «истина» (И) или «ложь» (Л), называются
переменными высказываниями. Функции, аргументы которых
принимают значения из области й, а сами функции принимают
всего лишь два значения (И или Л), называются предикатами.
Предикат, аргументами которого являются п предметных пере-
менных, называется п-местным. Если п = 1, то предикат обычно
определяет некоторое свойство предмета, если п 2, то предикат
может выражать n-арное отношение между предметами.
3.	Элементарные (атомарные) формулы. Высказывания и вы-
ражения вида A (®), F (b, с), где A, F — предикаты, а со, Ь, с —
предметные переменные или константы, называются элементар-
ными, или атомарными, формулами. Эти формулы (как высказы-
вания, так и предикаты) всегда принимают лишь два значения:
истинно или ложно, поэтому их можно связывать с помощью ло-
гических операций, образуя новые формулы.
4.	Логические операции. К числу логических операций от-
носятся конъюнкция & («и»), дизъюнкция V («или», «и/или»),
отрицание "] («не», «неверно, что ...»), импликация («если ...,
то ...», «влечет»), эквивалентность «-> («эквивалентно», «тогда и
только тогда»). Эти операции определяются следующим образом:
А -> В истинно тогда и только тогда, когда А и В имеют оди-
наковые значения; А -+ В ложно тогда и только тогда, когда А
истинно, а В ложно; А & В истинно тогда и только тогда, когда
А и В истинны; A \J В ложно тогда и только тогда, когда и А,
и В ложны; 1 А истинно тогда и только тогда, когда А ложно.
235
5.	Скобки и кванторы. Кроме пяти упомянутых логических
связок, в исчислении предикатов употребляются еще скобки ( )
и две новые операции у, 3, выражающие собой утверждения
всеобщности и существования. Символ у называется квантором
всеобщности, а символ 3 — квантором существования.
Пусть Р (to) — предикат, определенный для каждого элемента
со некоторой области й. Тогда выражение yto Р (to) истинно,
когда Р (to) истинно для каждого элемента to области й, и ложно —
в противном случае. Это высказывание уже не зависит от to.
Ему соответствует словесное выражение «для всякого со Р (со)
истинно».
Высказывание 3(0 Р (to) истинно, если существует элемент со
области й, для которого Р (to) истинно, и ложно — в противном
случае. В обычном языке этой формуле соответствует выражение
«существует со такое, что Р (to) истинно».
Каждая формула в исчислении предикатов является некото-
рой конечной последовательностью символов из указанного выше
алфавита, составленной по следующим правилам.
Пусть формула А содержит свободную переменную to, т. е.
переменную, не связанную кванторами у или 3. Тогда выражения
ушЛ, 310Л	(7.1)
также являются формулами. В этих формулах to — это уже свя-
занная переменная. Остальные же предметные переменные, ко-
торые были свободными в Л, остаются свободными и в новых фор-
мулах (7.1).
Пусть теперь А и В — такие формулы, что в них нет предмет-
ных переменных, которые связаны в одной формуле и свободны
в другой. Тогда выражения
Л&В, ЛУ В, ]Л, А -+В	(7.2)
являются формулами.
Таким образом, правильно построенной формулой, или, короче,
формулой исчисления предикатов, называется конечная последо-
вательность из символов, которая строится на базе элементарных
(атомарных) формул путем перехода от формулы Л к формулам
(7.1) и от формул Л и В к формулам (7.2). Если в формуле Л сде-
лать замену переменных (как свободных, так и связанных),
то полученное выражение снова будет формулой.
Элементарная формула или ее отрицание, входящие в правильно
построенную формулу, называются литерами, а дизъюнкция
литер называется простым дизъюнктом. Если дизъюнкт не содер-
жит никаких литер, то он называется пустым дизъюнктом и обоз-
начается nil.
Язык логики предикатов содержит в себе всю алгебру выска-
зываний, т. е. элементарные высказывания, принимающие значе-
ния «истинно» или «ложно», логические операции и, следова-
тельно, все мыслимые формулы. Кроме того, этот язык допускает
236
переменные высказывания, отнесенные к произвольной предмет-
ной области. Благодаря этому формулам языка можно дать ту
или иную интерпретацию, т. е. с содержательной (семантической)
точки зрения формулы можно сделать осмысленными. Приведем
строгое определение интерпретации и некоторых связанных с ней
понятий.	г
Чтобы определить интерпретацию, необходимо прежде всего
указать предметную область й, которая выступает как своеобраз-
ный «носитель» языка. Тогда интерпретация 1 произвольной фор-
мулы А включает в себя предметную область й и значения всех
констант, функциональных и предикатных, встречающихся в й.
Таким образом, интерпретация — это предписание, противопо-
ставляющее языковым символам формулы некоторые «настоящие»
объекты предметной области й, а именно: константам — элементы
й, функциональным символам — конкретные функции, преди-
катным символам — конкретные предикаты. Образно говоря,
интерпретация наполняет содержанием (смыслом) формулы ис-
числения предикатов.
При заданной интерпретации всякая формула (не содержащая
свободных переменных) представляет собой высказывание, ко-
торое истинно или ложно. Если при данной интерпретации 7
каждая из формул А1г ..., Ат принимает значение истинно, то
будем говорить, что интерпретация 7 удовлетворяет системе фор-
мул
Формула В выводима (логически следует) из некоторой си-
стемы формул (Ai|(Li, если каждая интерпретация 7, удовлетво-
ряющая этой системе, удовлетворяет также и В. Заметим, что
если некоторая интерпретация удовлетворяет заданной системе
формул, то она удовлетворяет и любой формуле, выводимой из
этой системы. Методы доказательства того, что некоторая фор-
мула Вм выводима (логически следует) из заданной системы фор-
мул (Лг}^1, когда это на самом деле так, играют важную роль
при логическом анализе и решении интеллектуальных задач.
Остановимся на этом подробнее.
Предположим, что формула В выводима из системы
Тогда любая интерпретация, удовлетворяющая {Д;}^1, удовле-
творяет В, но не удовлетворяет “|В. Следовательно, никакая ин-
терпретация не удовлетворяет объединению V Д; j V (V0- Если
\ <=1 )
некоторая система формул не удовлетворяется ни при какой ин-
терпретации, то она называется противоречивой. Так, если В
/ м \
выводима из (Д^^,, то формула I V Д> j V (]В) противоречива.
/ м \
И, наоборот, если V Д; V (1-6) противоречива, то В должна
\ <=1 )
237
логически следовать из системы	Именно эта концепция
выводимости лежит в основе поиска логического вывода в исчис-
лении предикатов.
Одним из наиболее удобных средств поиска логического вы-
вода является так называемый метод резолюций [133]. В основе
этого метода лежит идея доказательства от противного. Она за-
ключается в том, что вместо заданной формулы В, которая пред-
полагается тождественно истинной, рассматривается ее отрица-
ние фб и доказывается противоречивость (неудовлетворимость)
этой формулы. Процесс поиска логического вывода завершается,
как только устанавливается справедливость некоторых альтер-
нативных формул L и ~\L. Полученное противоречие доказывает
неудовлетворимость формулы и, следовательно, тождествен-
ную истинность исходной формулы В.
Iм \
При использовании метода резолюций формула V At j V
\ ‘=1 /
V П-В), противоречивость которой доказывается, предвари-
тельно представляется в конъюнктивной нормальной форме,
т. е. в виде
/ М	\	N	'
V Лг V(1B)= ^Dj.	(7.3)
V=i	!	/=1
Принцип резолюции в исчислений высказываний состоит
в выборе двух дизъюнктов Dt и Dj, в один из которых входит
литера L, а в другой — ее отрицание ~\L. Резольвентой называ-
ется новая формула R = Р V Q, получаемая из Dt = Р V L
и Dj = Q V (К) путем вычеркивания литер L и ~]L. Это соот-
ветствует применению правила «модус поненс» к рассматриваемым
дизъюнктам.
В исчислении предикатов принцип резолюций усложняется.
В этом случае дизъюнкты, вообще говоря, зависят от переменных.
Пусть, например, Dt = Р (и) V L (©), Dj = Q (<о) V (U (Ф ((d))).
Теперь уже нельзя вычеркнуть литеры L (<о) и "]£ (ф («)), так
как они зависят от разных переменных. Поэтому приходится под-
ставлять вместо этих переменных подходящие термы. Так, под-
ставляя в Dt вместо <d терм т = ф (cd), получим Dt = Р (ф (w)) \/
V L (ф (cd)). Отсюда находим резольвенту R = Р (ф ((d)) \/
V Q (w). Получение очередной резольвенты в форме пустого
дизъюнкта nil свидетельствует о том, что доказываемая формула В
действительно логически следует из заданной системы формул
Число резольвент, формируемых в процессе поиска логического
вывода,, конечно. Оно существенно зависит от выбора стратегии
поиска, т. е. правила выбора дизъюнктов для синтеза очередной
резольвенты. Большой практический интерес представляет опти-
мальная стратегия, позволяющая получить решение за мини-
мальное число шагов. Синтез такой стратегии, связанный с на-
238
хождением кратчайшего пути на графе, наталкивается на значи-
тельные трудности. Поэтому разработано много эвристических
стратегий, позволяющих сокращать число резольвент, необходи-
мых для решения задачи. Например, при наличии в формуле (7.3)
одночленных дизъюнктов целесообразно строить резольвенты имен-
но с них (стратегия предпочтения одночленов [133]). Весьма эф-
фективными могут быть также разного рода семантические и адап-
тивные стратегии [108, 133].
В некоторых интеллектуальных задачах факт выводимости
заданной формулы В (трактуемой как задание или вопрос) из
системы формул	(трактуемых как аксиоматическое опи-
сание знаний и накопленного опыта) оказывается недостаточным.
Примером может служить задача планирования поведения ро-
бота. В подобного рода задачах нужно знать тот ответный терм т,
при котором данная формула В (w) логически выводима из системы
аксиом ]Л; (w)[fti. Иными словйми, нужно выяснить, следует ли
логически формула дю В (w) из заданной системы аксиом и,
если следует, то при каком значении переменной (о = т это
достигается.
Заметим, что именно умение отыскивать такие значения (ответ-
ный терм) для переменной, связанной квантором существования,
позволяет ставить роботу вопросы весьма общего характера
и осуществлять диалог с ним. Например, если спросить у робота:
«Какие действия и в какой последовательности нужно совершить,
чтобы собрать из имеющихся деталей определенную конструкцию?»,
то ответом на этот вопрос должна быть не просто констатация фак-
та, что сборка данной конструкции возможна; робот должен пред-
ложить еще и развернутый план (технологический маршрут)
сборки.
Методы извлечения ответного терма в процессе поиска логиче-
ского вывода хорошо известны [133].
Описанные язык исчисления предикатов и методы поиска ло-
гического вывода представляют собой эффективное средство для
автоматического решения широкого класса интеллектуальных
задач. Этот логический язык, а также связанный с ним метод
резолюций позволяют ЭВМ логически рассуждать и самообу-
чаться. Остановимся на этом подробнее.
Первым этапом автоматического решения задач, требующих
логического анализа, является формулировка этих задач в тер-
минах исчисления предикатов. Для этого нужно прежде всего
задать предметную область, т. е. совокупность относящихся к ре-
шаемой задаче объектов, и выделить их существенные свойства.
Далее нужно, присвоив определенный содержательный (семанти-
ческий) смысл предикатным и функциональным символам, форма-
лизовать данные и условия задачи в виде правильно построенных
формул, удовлетворяющих рассматриваемой интерпретации. Эти
формулы, описывающие условия задачи, называются аксиомами.
239
Аксиомы можно рассматривать как концептуальное определение
совокупности рассматриваемых объектов, их свойств и отношений
между ними.
Формулировка задачи на языке исчисления предикатов —
это один из наиболее ответственных этапов интеллектуального
программирования. На этом этапе от человека требуются глубо-
кие знания существа решаемой задачи. Практически весьма важно,
чтобы формулировка задачи (связанная с заданием системы аксиом
и формулы цели) была, по возможности, простой, не «засоренной»
второстепенными данными.
Эффективность поиска логического вывода можно увеличить
путем уменьшения числа предикатов и аксиом, определяющих
данные и условия задачи. С этой целью разумно использовать
ранее доказанные формулы или ввести более сложные предикаты,
образующие новые аксиомы, которые можно рассматривать как
результат обучения в процессе решения задачи. Такие аксиомы,
описывающие на языке исчисления предикатов приобретаемый
опыт, можно назвать аксиомами обучения. Введение аксиом обу-
чения позволяет увеличивать и улучшать знания о рассматривае-
мом классе задач в процессе их непосредственного решения.
Таким образом, аксиомы обучения являются по существу сред-
ством представления новых знаний и уточнения старых.
При интеллектуальном программировании важную роль иг-
рают стратегии поиска логического вывода. Именно стратегия
определяет, в каком порядке будут образовываться резольвенты и,
следовательно, насколько быстро будет найдено решение задачи.
Образно говоря, стратегия — это та активная часть, способная
к обучению и адаптации, которая определяет машинный способ
рассуждений в процессе решения задач. Она как бы подсказывает
ЭВМ идею поиска логического вывода исходя из заданной си-
стемы аксиом, в которой заключены необходимые для решения
задачи знания. Если идея (стратегия) хороша, то решение будет
найдено быстро. .Весьма важно также, чтобы в системе аксиом
были достаточно полно отражены не только необходимые сведения
об условиях задачи, но и прошлый опыт решения задач. Поскольку
хорошие идеи (стратегии) часто имеют своим источником прош-
лый опыт и ранее приобретенные знания, то это наводит на мысль о
целесообразности синтеза и использования адаптивных стратегий.
Стратегию поиска логического вывода будем называть адап-
тивной, если она целенаправленно меняется (подстраивается)
в процессе решения задач в зависимости от приобретаемого опыта
[108]. Примерами простейших адаптивных стратегий могут слу-
жить семантические стратегии, в которых сначала выбираются
термы, соответствующие наиболее интересным объектам, затем —
предикаты, описывающие их свойства, и, наконец, формулы,
содержащие эти свойства.
При синтезе адаптивных стратегий важную роль играет кри-
терий предпочтения аксиом обучения (хранящихся в памяти ЭВМ
240
наряду с исходной системой аксиом), который позволяет умень-
шить исходную неопределенность относительно условий решения
задачи. Использование аксиом обучения особенно эффективно в тех
случаях, когда в них либо раскрывается неопределенность (т. е.
содержится новая необходимая для решения задачи информация),
либо запоминается в компактной форме часто встречающийся
в рассматриваемом классе задач фрагмент решения. В самом
деле, если в процессе решения очередной задачи потребуется вы-
вести уже доказанную ранее формулу, то критерий предпочтения
аксиом обучения сократит общее число шагов поиска логического
вывода по крайней мере на длину вывода соответствующей акси-
омы обучения.
Рассмотрим теперь применение языка исчисления предикатов
и связанных с ним средств поиска логического вывода для авто-
матического формирования понятий, представления знаний, син-
теза решающих правил, распознавания объектов и анализа сцен.
Решение этих задач позволит создать соответствующие элементы
интеллекта РТК.
7.4.	АВТОМАТИЧЕСКОЕ ФОРМИРОВАНИЕ ПОНЯТИЙ
И АКСИОМАТИЧЕСКОЕ ПРЕДСТАВЛЕНИЕ ЗНАНИЙ
Проблема формирования понятий и представления знаний иг-
рает важную роль не только при организации интеллектуального
интерфейса, но и при разработке адаптивных систем распознавания
для РТК. Острая необходимость в эффективных методах решения
этой проблемы возникает, например, при распознавании речевых
команд, при анализе видеосцен и при моделировании окружающей
среды в памяти управляющей системы РТК.
Для формирования понятий и представления знаний, свя-
занных с задачей распознавания, воспользуемся описанным выше
языком исчисления предикатов. Роль предметной области й
здесь играет множество объектов из М. классов. Каждому классу
объектов ЙА, k — 1.... М, соответствует свой решающий пре-
дикат вида
1,	если co f ЙА;
оА(<о)= п	(7.4)
' ' (О-в противном случае,
представляющий собой характеристическую функцию класса ЙА.
На практике классы йх, ..., йм не заданы, поэтому и решаю-
щие предикаты (5.6) неизвестны.
Предположим, что информационная система РТК позволяет
ему определять некоторые свойства объектов, подлежащих рас-
познаванию. Каждому такому свойству поставим в соответствие
предикат-признак вида
{1, если объект со обладает t-м свойством;
а	(7-5)
О — в противном случае.
241
Предикаты (со), i = 1, п, характеризуют локальные
или глобальные свойства объектов, которые непосредственно вос-
принимаются РТК. В терминах этих предикатов-признаков каж-
дому фиксированному объекту й можно поставить в соответствие
его логическое описание z (со) — элементарную конъюнкцию всех
предикатов вида (7.5), зарегистрированных на данном объекте.
В режиме обучения РТК предъявляются типичные образцы
объектов из разных классов. Например, в случае сборочного РТК
предъявляются детали, из которых нужно собрать изделие. При
этом «учитель», в роли которого обычно выступает человек, сооб-
щает РТК, к какому классу каждый данный объект принадлежит.
Подмножество предъявленных «эталонных» объектов й0 называ-
ется обучающей выборкой. По обучающей выборке легко построить
логическое описание z^ (со) всех эталонных объектов. Дизъюнк-
цию таких описаний объектов из одного и того же класса назо-
вем аксиомой этого класса и обозначим
mk
Ah(a) = Kz£(co), fe = l, ..., M,	(7.6)
n=l
где mh — число эталонных объектов fe-ro класса, содержащихся
в обучающей выборке й0.
Аксиома класса (7.6) задает логическое описание класса ЙЛ
в терминах исходных предикатов-признаков. Процесс построения
аксиом классов (по мере предъявления РТК эталонных объектов)
по сути представляет собой процесс формирования понятий РТК
об объектах окружающей среды. В идеальном случае аксиомы
классов должны обладать следующим свойством:
Ak (со) = ak (со) при всех со^й.	(7.7)
Однако на практике ввиду ограниченности обучающей выборки
построить такую идеальную систему аксиом вида (7.6) обычно
не удается. Поэтому в принципе возможны ошибки при распо-
знавании объектов, не входящих в обучающую выборку.
Для оценки качества системы аксиом классов введем понятие
экстраполирующей силы. Именно экстраполирующей силой си-
стемы аксиом классов вида (5.8) на множестве й будем называть
величину
£(Й) = |{соей: Aft(w) = М“)>	= 1,	М}| 1ЙГ1, (7.8)
где |й| — мощность (число, элементов) множества й.
Обычно качество системы аксиом классов оценивается либо
на обучающей выборке й0, либо на контрольной выборке, если
таковая имеется. Чем больше Е, тем лучше сконструированная
система аксиом, т. е. тем большую информацию о классах она
несет.
Благодаря обучению понятиям РТК приобретает способность
к решению задач распознавания. Среди них наиболее важными
в прикладном отношении являются такие задачи, как классифика-
242
ция речевых команд или идентификация дикторов, распознавания
обычных яркостных или дальностных (т. е. полученных с помощью
дальномера) изображений отдельных объектов и рабочих сцен,
находящихся в поле зрения РТК-
Характерной особенностью ряда задач такого рода является
то, что классы распознаваемых объектов инвариантны относи-
тельно той или иной группы преобразований G. Формально
это означает, что значения решающих предикатов (7.4) не изме-
няются при всевозможных преобразованиях g из G, т. е. аА (со) =
= ak пРи всех g Е <3-
Свойство инвариантности классов естественно заложить в
структуру аксиом классов (7.6) так, чтобы они не реагировали на
групповые преобразования объектов. В этом случае объекты, от-
личающиеся друг от друга преобразованиями из данной группы G,
будут классифицироваться как эквивалентные. Таким образом,
задача формирования инвариантных понятий заключается в том,
чтобы по заданной группе преобразований G построить аксиомы
классов, способные безошибочно классифицировать все объекты,
отличающиеся друг от друга преобразованиями g группы G.
Решение этой задачи сводится по существу к синтезу полных
систем инвариантных предикатов (7.5). Если такие предикаты
построены, то аксиомы классов вида (7.6) будут инвариантны,
причем они обеспечат максимальную точность (экстраполирующую
силу) описания классов при обучении по выборке минимального
объема, содержащей по одному представителю из каждого класса.
Заметим, что для достижения такой предельной точности в рас-
познающих системах типа «перцептрон» [44, 133] может потре-
боваться обучающая выборка неограниченного объекта.
Многие традиционные методы формирования понятий [44,
133] основываются на построении их описаний в том или ином
заранее выбранном классе функций. Такие описания определяют
в пространстве признаков поверхности, разделяющие классы.
Решающие предикаты (7.4) при этом строятся по обучающей вы-
борке, а применяются к новым объектам. Поэтому весьма важно,
чтобы решающие предикаты обладали высокой экстраполирующей
силой не только на обучающей выборке, но и на всем множестве
распознаваемых объектов.
Требование высокой экстраполирующей силы решающих пре-
дикатов в общем случае трудно формализуемо. Однако для не-
которых конкретных классов функций увеличение экстраполирую-
щей силы связано с минимизацией сложности описаний. Так,
при синтезе полиномиальных описаний решение задачи сводится
к построению полиномов минимальной степени с минимальным
числом членов в разложении, обеспечивающего безошибочную
классификацию элементов обучающей выборки [122].
В дальнейшем принцип минимальной сложности был положен
в основу синтеза адаптивных логических решающих правил и
реализующих их оптимальных распознающих графов [123].
243
В этом случае задача формирования понятий ставится так: по
заданной обучающей выборке построить логические описания
(аксиомы) классов Ак (со) в терминах предикатов-признаков (7.5)
такие, чтобы, во-первых, Ак (со) = ок (со) при всех со Qo и,
во-вторых, Ак (со) имели минимальную (или близкую к минималь-
ной) сложность. При выполнении этих двух условий естественно
ожидать, что экстраполирующая сила (7.8) синтезированного
логического описания классов будет достаточно высокой. В иде-
альном случае, когда распознаваемые классы не пересекаются
в пространстве признаков, для получения максимальной экстра-
полирующей силы необходимо, чтобы синтезированные описания
классов удовлетворяли условию (7.7).
Логические описания понятий в общем случае можно форми-
ровать в класс произвольных дизъюнктивных нормальных форм
(д. н. ф.). По существу каждое такое описание аппроксимирует
соответствующий неизвестный решающий предикат (7.4). Поэтому,
коль скоро некоторое описание класса Ак (со) построено, будем
называть его идентифицирующим правилом k-ro класса. Дизъюнк-
цию идентифицирующих правил всех классов будем называть рас-
познающим (классифицирующим) правилом. Итак, задача обу-
чения понятиям сводится к построению по обучающей выборке
идентифицирующих правил минимальной сложности в классе
д. н. ф. При этом сложность может трактоваться по-разному.
Следует отметить, что именно требование минимальной сложности,
позволяющее строить наиболее простые и информативные иденти-
фицирующие правила, отличает предлагаемый подход от других
методов формирования понятий, рассмотренных в работах [44,
133].
Распознающие правила иногда удобно строить в виде ориенти-
рованного графа — разветвленного дерева решений [123]. Узлам
такого графа соответствуют некоторые предикаты-признаки; вет-
вям, исходящим из узла — возможные значения этих признаков.
Все ветви заканчиваются листьями, которые ставятся соответ-
ственно номеру классов. Каждая ветвь, заканчивающаяся листом,
содержит такую совокупность внутренних узлов, среди которых
нет узлов, соответствующих одному и тому же значению предика-
тов. Д. н. ф., допускающие такое графическое представление,
называется бинарно-древовидными [119].
Распознающее правило, представленное в форме бинарно-
древовидной д. н. ф., будем называть последовательным распозна-
ющим правилом, а реализующий его граф типа «дерево классов» —
распознающим графом. Процесс распознавания на таком «дереве
классов» представляет собой последовательное «раскрытие» уз-
лов графа, т. е. определение значений соответствующих предикатов
на распознаваемом объекте. Любая ветвь на распознающем
графе, соответствующая последовательности «раскрытых» узлов,
приводит (с определенной вероятностью) к тому или иному
классу.
244
Задача синтеза последовательных логических распознающих
правил и реализующих их графов минимальной сложности сво-
дится к построению бинарно-древовидной д. н. ф., обладающей
теми же свойствами, что и описанные выше оптимальные иденти-
фицирующие правила. Таким образом, возникает «последователь-
ная» разновидность ранее сформулированной задачи формирования
понятий: построить оптимальное распознающее правило, но не
в классе д. н. ф., а в более узком классе бинарно-древовидных
д. н. ф. Совершенно аналогично формулируются задачи синтеза
понятий в тех случаях, когда признаки являются не двузначными,
а многозначными предикатами [1231.
Достоинством оптимальных идентифицирующих и распознаю-
щих правил является гарантируемая ими высокая точность рас-
познавания при весьма экономном логическом описании классов
и представлении соответствующих понятий. Это приводит в ряде
случаев к значительной экономии времени и средств (в частности,
памяти системы управления РТК), необходимых для распозна-
вания различных классов объектов и ситуаций.
Для представления знаний в классах объектов внешней среды
в виде формул исчисления предикатов можно использовать либо
информацию, заключенную в обучающей выборке, либо словес-
ное описание классов. С целью формализации процессов пред-
ставления знаний введем обозначение
& (®) _ Si (®) при & (ш) = 1;
Si(co) “I при ^(©) = 0,	( '
где ш — некоторый фиксированный объект, на элементах которого
заданы значения предикатов-признаков (7.5).
Логическим описанием объекта б назовем элементарную конъ-
юнкцию вида
, .	„	(а)
:	2;(со) = & g/(a>) ,	(7.Ю)
‘ £ j j
где Jj — заданное множество индексов предикатов-признаков.
Заметим, что предикаты (со), описывающие локальные свойства
объектов, зачастую заданы не на всем объекте со, а на некоторых
его элементах v с: со. В таких случаях логическое описание (7.10)
имеет более сложный вид:
гДсо)= & &	(7.11)
i £ Jj
Здесь v — набор элементов объекта со, причем мощность множе-
ства определяет ранг г логического описания, т. е. | J j\ = г.
Рассмотрим сначала индуктивный метод формирования поня-
тий по обучающей выборке в виде д. н. ф. С этой целью построим
таблицу, строки которой являются значениями предикатов-приз-
наков и решающих предикатов на соответствующих элементах
(обучающей выборки й0. Каждой строке полученной таблицы
поставим в соответствие элементарную конъюнкцию zh (со) вида
(7.10) и назовем ее аксиомой fe-ro подкласса, если (coft) = 1.
Объединяя все синтезированные таким образом аксиомы fe-ro
подкласса zh (со), h = 1, mh, знаком дизъюнкции, получим
описание /г-го класса в виде аксиомы класса (7.5). Это и есть ло-
гическое представление понятия о fe-м классе, которое система
управления РТК формирует в процессе обучения.
Если набор предикатов-признаков таков, что отрицание лю-
бого из них есть либо другой предикат, либо выражается в виде
дизъюнкции некоторых предикатов без отрицания, то в аксиому
класса вида (7.6) достаточно включить не все исходные предикаты,
а лишь те (назовем их позитивными предикатами), которые вы-
полняются на каких-либо элементах обучающей выборки. Этот
прием иногда позволяет существенно упростить вид аксиомы клас-
сов и уменьшить их ранг. Дело в том, что на практике каждый
объект характеризуется лишь несколькими признаками-преди-
катами, а информация о том, что он не обладает остальными приз-
наками, оказывается излишней. Описание классов в терминах
только позитивных предикатов избавляет от необходимости хра-
нить лишнюю информацию, что особенно важно с точки зрения
минимизации потребной памяти и ускорения процессов распозна-
вания.
Экстраполирующая сила (7.8) аксиом классов, т. е. способность
правильно классифицировать объекты, не вошедшие в обучаю-
щую выборку, зависит от того, насколько полна информация
о классах, содержащаяся в обучающей выборке й0. Если обучаю-
щая выборка достаточно представительна и мощна, то индуктивное ,
описание классов в виде (7.6), (1.10) будет правильно классифи-'
пировать все рассматриваемые объекты.
Однако на практике обучающая выборка зачастую оказыва-
ется нерепрезентативной. В этих случаях она состоит из неболь-
шого числа примеров (прецедентов) из каждого класса. Экстрапо-
лирующая сила системы аксиом, построенной по короткой обу-
чающей выборке, обычно мала. Для увеличения экстраполирующей
силы системы аксиом классов можно использовать рассматривав- ,
мые ниже оптимальные алгоритмы построения (по обучающей 
выборке) логических идентифицирующих и распознающих правил. '
Качество обучения и точность распознавания существенно за- '
висят от особенностей системы аксиом классов. Естественно по-
требовать, чтобы эта система обладала свойствами непротиворечи-
вости и полноты. Кроме того, как уже отмечалось, практически '
важно, чтобы аксиомы классов были инвариантны по отношению '
к группам преобразования, действующим на объекты из соответ-
ствующих классов. Дадим строгую формулировку этих свойств. V
Систему аксиом классов (со)}&1=1 будем называть полной •
на множестве й, если для всякого элемента ш £ Q найдется ак- ,
сиома Ah (со), классифицирующая ш, т. е. Ah (ш) = 1.	;
246
Систему аксиом классов {ЛА (<в)}^=1 будем называть непро-
тиворечивой на множестве Q, если для всякого элемента ш Q
из условия, что аксиомы At (со) и Л, (со) классифицируют ш, сле-
дует, что i = j. Заметим, что если свойство непротиворечивости
имеет место на обучающей выборке, то это означает, что соответ-
ствующие обучающие подклассы не пересекаются. В этом случае
непротиворечивость системы аксиом означает, что «эталонные»
объекты из разных обучающих подклассов не имеют одинакового
логического описания. Если же классы k = 1, ..., М, пере-
секаются, то целесообразно ввести новый класс QM+1 — класс
неоднозначно распознаваемых объектов. Это приводит к соответ-
ствующей модификации системы аксиом классов.
Аксиому класса Ak (со) будем называть инвариантной относи-
тельно группы преобразований G, если
Ak (со) = Ak (gen) при всех g£G, co£Q. (7.12)
В задачах распознавания сцен по их изображениям инвари-
антность аксиом классов играет важную роль. Дело в том, что
изображения отдельных объектов на сцене часто подвергаются
преобразованиям, имеющим групповую природу (сдвиг, вращение,
проективные преобразования и т. п.). Ясно, что соответствующая
аксиома класса не должна реагировать на указания преобразо-
вания g группы G. В результате в памяти системы управления РТК
формируются понятия, инвариантные относительно той Или иной
заданной группы преобразований.
Достаточным условием инвариантности аксиомы класса Ah (со)
вида (7.6) относительно группы преобразований G является ин-
вариантность относительно G всех входящих в нее предикатов-
признаков. Заметим, что если два элемента сог, со^ обучающей
выборки й0 отличаются преобразованием g £ G, т. е. сог = gmJt
то в аксиому класса (7.6) достаточно включить лишь одну аксиому
подкласса, построенную по любому из этих элементов. Благодаря
такой «инвариантной фильтрации» в процессе обучения понятиям
строятся более простые логические описания классов. Инвари-
антность этих описаний по отношению к заданной группе преоб-
разований G позволяет автоматически преодолеть трудности,
связанные с возможными (может быть, неизвестными) преобразо-
ваниями объектов внешней среды. Тем самым существенно об-
легчается процесс распознавания сцен.
Таким образом, система управления РТК, реализующая опи-
санные выше логические средства формирования понятий и пред-
ставления знаний, автоматически строит (по обучающей выборке
или исходя из априорного описания классов) проблемно ориенти-
рованную систему аксиом классов, обладающую свойствами
полноты, непротиворечивости и инвариантности. Получающаяся
в результате аксиоматическая система понятий выступает как
эффективное средство логического представления знаний о внеш-
ней среде в памяти управляющей ЭВМ РТК.
247
7.5. АДАПТИВНЫЕ РЕШАЮЩИЕ ПРАВИЛА
И ФРЕЙМЫ
Для распознавания классов ситуаций и принятия адекват-
ных решений системе управления РТК необходимо сформировать
соответствующие решающие правила. Рассмотрим общую схему
и конкретные алгоритмы синтеза и оптимизации адаптивных
логических решающих правил. Принцип минимальной сложности,
лежащий в основе их синтеза, обеспечивает простоту реализации и
высокую экстраполирующую силу. Благодаря этим качествам адап-
тивные решающие правила находят все более широкое примене-
ние в ГАП, в частности, в РТК адресования деталей на конвейерах.
Рассмотрим сначала класс решающих правил, основанный на ,
последовательном анализе информации. Синтез таких правил
сводится к построению ориентированных графов типа «дерево
решений» и к принятию решений с помощью таких распознающих
графов. Это соответствует синтезу логических решающих правил
в классе бинарно-древовидных д. н. ф. Процесс конструирования
распознающих правил и графов по информации, заключенной
в обучающей выборке, можно интерпретировать как процесс
обучения распознаванию.
Предлагаемый подход к синтезу логических решающих правил
и распознающих графов основывается на идее последовательной
оптимизации конъюнкций предикатов-признаков по заданному
критерию качества, вычисляемому по обучающей выборке. Общая
схема такого синтеза заключается в следующем.
На k-м. шаге рассматривается каждая конъюнкция zA_x (<в)
(fe — 1)-го ранга, построенная на предыдущем шаге. По этим
конъюнкциям строятся новые конъюнкции zh (со) /г-го ранга путем
присоединения к zk_t (со) ранее не использованных признаков
(со) и их отрицаний Цг (со). Среди полученных конъюнкций
вида zft_x & |г и zk_x & р|г отбирается наилучшая (в смысле
заданного критерия качества)
На (k + 1)-м шаге процесс повторяется. Окончание процесса
определяется правилом остановки.
Для конкретизации описанной общей схемы построения логи-
ческих решающих правил необходимо выбрать критерий качества
и указать правило остановки алгоритма. Различные варианты та-
кой конкретизации предложены в работах [119, 123, 133]. По-
скольку в принципе возможны ошибки распознавания, целесо-
образно использовать статистические критерии качества (такие,
например, как критерий Байеса или критерий Вальда). Наи-
больший практический интерес представляет критерий Байеса, так
как он минимизирует вероятность ошибок. Согласно этому кри-
терию, на fe-м шаге отбирается тот признак, при включении ко-
торого в zft (со) максимизируется апостериорная вероятность неко-
торого класса, а именно:
Pft(Qf)= max P(Q;|zft(®)= 1),	(7.13)’
l=i...м
248
г
Если для некоторой конъюнкции zh (со) /г-го ранга Ph (й<) = 1, то
дальше эта конъюнкция не достраивается. В этом случае она пол-
ностью характеризует класс Формализуем этот факт в виде
импликации
zA (со) at (со),	(7.14)
’ представляющей собой достаточное условие принадежности i-му
классу.
I Логическую функцию вида (7.14) будем называть элементарным
логическим решающим правилом, а совокупность таких правил,
обеспечивающую безошибочную классификацию обучающей вы-
борки, — полной и непротиворечивой системой логических ре-
шающих правил. Таким образом, задача обучения распознаванию
сводится к построению полной и непротиворечивой системы
элементарных логических решающих правил вида (7.14).
Описанный алгоритм последовательного построения такой си-
стемы является локально оптимальным в смысле максимизации
на каждом шаге вероятности принадлежности объекта какому-
либо классу согласно критерию (7.13). Однако апостериорные
вероятности классов, входящие в этот критерий, на практике не-
известны, поэтому эти вероятности приходится оценивать по
информации, заключенной в обучающей выборке.
Пусть mk (й0) — число элементов обучающей выборки й0,
на которых Zk (со) = 1, a m'k (Qo)— число элементов Qo, при-
надлежащих классу £2у, на которых zh (со) = 1. Тогда искомые
апостериорные вероятности могут быть оценены по обучающей
выборке по формулам
P(£2/|zft((0)=l) = -^-, / = 1..........м. (7.15)
[	mk
Заметим, что оценки (7.15) тем точнее, чем больше объем т обу-
чающей выборки й0. (Здесь предполагается, что объекты со по-
ступают на вход информационной системы РТК случайным и не-
зависимым образом с некоторым, вообще говоря, неизвестным
распределением вероятностей Р (со)).
Необходимым условием построения полной и непротиворечи-
, вой системы логических решающих правил вида (7.14) является
отсутствие пересечений обучающих подмножеств из Qo в про-
( странстве предикатов-признаков. Если такие пересечения имеются,
i то тем самым допускается некоторая вероятность ошибок. Од-
нако при фактическом обучении РТК объекты, образы которых
> пересекаются в пространстве признаков, целесообразно исключить
из обучающей выборки. В этом случае описанный выше локально-
оптимальный алгоритм последовательного обучения заканчивает
свою работу на некотором r-м шаге, причем г < п. Результатом
является полная и непротиворечивая система элементарных ло-
гических решающих правил вида (7.14).
249
Синтезированной системе соответствует распознающий граф
типа «бинарное дерево классов». Каждое элементарное решающее
правило вида (7.14) изображается ветвью этого графа. При этом
признаку, входящему в конъюнкцию zk (со), соответствует узел
на этой ветви, а решающему предикату аг (со) соответствует лист
с номером Л Из каждого узла исходят два ребра, соответствующие
возможным значениям данного признака.
Алгоритм обучения на графе допускает следующую интерпре-
тацию. На k-м шаге рассматривается каждая ветвь, построенная
на предыдущем шаге. Если конъюнкция zk (со), соответствующая
этой ветви, характеризует (с вероятностью 1) некоторый класс Q,,
то ветвь заканчивается листом с номером i. В противном случае
ветвь дополняется узлом, отобранным в соответствии с критерием
(7.13) и из этого узла строятся два новых ребра, отвечающих воз-
можным значениям соответствующего признака.
Для распознавания класса, к которому принадлежит данный
объект, нужно найти признак (или его отрицание), который при-
сутствует во всех решающих правилах вида (7.14), и измерить
его значение на данном объекте. В зависимости от полученного
значения нужно далее рассмотреть то подмножество правил, ко-
торое содержит этот признак (или его отрицание). Описанный про-
цесс повторяется, до тех пор, пока не останется только одно рас-
познающее правило, которое и содержит ответ. Заметим, что в про-
цессе распознавания ни один признак не измеряется дважды.
Если распознавание осуществляется по графу, то сначала из-
меряется признак, соответствующий узлу первого уровня. Далее
по ребру, отвечающему полученному значению признака, осу-
ществляется переход к узлу второго уровня и измерение соответ-
ствующего ему признака. Процесс «раскрытия» узлов по избран-
ной ветви графа продолжается до тех пор, пока не встретится
некоторый лист, который и содержит код искомого класса.
Введем следующие характеристики полной системы элемен-
тарных решающих правил:
1)	ранг г — максимальный ранг конъюнкций zk (со) антецеден-
тов в (7.14), т. е. г = max rk\
k
пг
2)	средний ранг гср, определяемый формулой гср = У rhp (coh),
где rh — ранг конъюнкции, характеризующей объект из Qo;
3)	сложность W — общее число используемых признаков.
Эти характеристики на распознающем графе, реализующем пол-
ную систему логических правил вида (7.14), интерпретируются
так: г — максимальная длина ветви графа (г < п); гср — средняя
длина ветвей графа (гср < г); N — общее число узлов графа.
Данные характеристики имеют следующий смысл: г — это
максимальное число измерений предикатов-признаков, необхо-
димых для разпознавания любого объекта; гср — среднее число
необходимых измерений; N — сложность реализации распознаю-
250
щего графа (например, в виде изоморфной этому графу микросхемы
на логических элементах). Поэтому, чем меньше значения ука-
занных характеристик, тем предпочтительнее (при прочих рав-
ных условиях) распознающий граф.
Полная и непротиворечивая система логических решающих
правил обладает следующими свойствами. Во-первых, экстрапо-
лирующая сила системы на обучающей выборке максимальна,
т. е. Е (й0) = 1. Во-вторых, конъюнкции-антецеденты системы
(7.14) взаимно ортогональны (а следовательно, и статистически
независимы). В-третьих, предикаты-признаки, не вошедшие ни
в одно из элементарных правил вида (7.14), являются неинформа-
тивными и могут быть отброшены. В-четвертых, ранг г и сложность
N системы являются минимально необходимыми (при фиксиро-
ванном локально-оптимальном алгоритме обучения) для без-
ошибочной классификации обучающей выборки. В этом смысле
можно считать, что синтезированная полная система логических
решающих правил и реализующий ее распознающий граф имеют
минимальную (или близкую к минимальной) сложность.
Разпознавание с помощью оптимальных правил и графов та-
кого рода обычно не требует измерения всех предикатов-призна-
ков (7.5), так как их ранг г, как правило, существенно меньше
общего числа п предикатов. Это обстоятельство, выгодно отличаю-
щее логические решающие правила и графы от традиционных ме-
тодов «перцептронного» распознавания, использующих одновре-
менно все признаки, особенно важно в тех случаях, когда «стои-
мость» измерений предикатов-признаков достаточно высока. На-
глядность, простота и последовательный характер принятия ре-
шений на синтезированных распознающих графах типа «дерево
классов» делает их удобным инструментом автоматического рас-
познавания в системах управления РТК-
Рассмотрим теперь задачу построения и оптимизации иденти-
фицирующих правил, аппроксимирующих решающие предикаты
(7.4). Особенность этой задачи заключается в том, что она решается
для каждого класса в отдельности. Полная система синтезирован-
ных идентифицирующих правил в принципе позволяет распоз-
нать любой объект. Для увеличения экстраполирующей силы та-
кой системы важно, чтобы каждое входящее в нее правило At (со)
имело, по возможности, минимальные ранг Г; и сложность Nt.
Подобные идентифицирующие правила будем называть опти-
мальными.
Общая схема локально-оптимального (в смысле байесовского
критерия качества) алгоритма синтеза идентифицирующих правил
в виде д. н. ф. заключается в следующем. Рассматривается не-
который класс йг и соответствующее ему подмножество элементов
обучающей выборки йг = £2г |~| й0.
На первом этапе последовательно строятся всевозможные конъ-
юнкции zk (со) &-го ранга (/г = 1, 2, ...) и для каждой из них по
251
формуле (7.15) вычисляется апостериорная вероятность i-ro класса.
Как только при некотором k = i\ окажется, что Рг (Йг) = 1,
то соответствующая конъюнкция гг1 (со) ранга i\ запоминается
как первый дизъюнктивный член искомого идентифицирующего
правила. (Если среди конъюнкций ггго ранга таких конъюнкций
окажется несколько, то среди них отбирается та, которая харак-
теризует максимальное число объектов из Q,). Далее из множе-
ства й; исключаются все объекты, охарактеризованные отобран-
ной конъюнкцией zrl (со). Обозначим полученное подмножество
через Й).
На втором этапе на подмножестве Й} вновь последовательно
строятся всевозможные конъюнкции zh (со) ранга k и среди
них отбирается такая, что Рт2 (Йг) = 1. Эта конъюнкция zr2 (со)
ранга г2 дизъюнктивно добавляется к ранее отобранной конъюнк-
ции zrl (со). Далее строится подмножество Й| путем исключения
из множества Й; всех элементов, охарактеризованных новой конъ-
юнкцией zr2 (со).
Описанный процесс продолжается до тех пор, пока на некото-
ром шаге Л/\ множество й; ' не окажется пустым.
Результатом работы данного алгоритма является аксиома i-ro
класса вида
Ni
ДДсо) = V zr/(со),	(7.16)
/-1
обладающая следующими свойствами:
1)	At (со) = 1 при всех со Е Йг;
2)	ранг г{ аксиомы Дг(со) является (при данном байесовском
алгоритме обучения) минимально необходимым для того, чтобы
она полностью характеризовала все элементы подмножества й4,
причем сложность аксиомы как функция ее ранга rt также ми-
нимальна;
3)	в процессе построения аксиомы класса At (со) происходит
«естественный отбор» (селекция) информативных признаков, в то
время как неинформативные признаки автоматически отбрасы-
ваются.
На основе синтезированных аксиом классов вида (7.16) не-
посредственно получаем следующую полную и непротиворечивую
систему идентифицирующих правил:
Д/(со)* а/(со), 1 = 1, М.	(7.17)
Идентифицирующее правило вида (7.17) может быть представ-
лено в виде ориентированного графа такого же типа, как и рас-
познающий граф. Отличительной чертой идентифицирующего
графа является то, что все его листья относятся к одному и тому же
классу. Каждой конъюнкции zT] (со) аксиомы i-ro класса соответ-
252
ствует ветвь графа, каждому признаку (со) — узел и каждому
значению признака — ребро, исходящее из соответствующего
узла.
Совокупность идентифицирующих графов удобно представлять
в виде «орбитального» графа классов. На нулевой орбите этого
графа располагаются листья с указанием номеров всех классов.
На первой орбите располагаются узлы первого уровня идентифи-
цирующих графов, на второй орбите — узлы второго уровня и т. д.
Из свойств синтезированных аксиом классов следует, что число
орбит гг, используемых при графическом представлении fe-ro
класса, минимально. При этом числе орбит используется мини-
мальное число ветвей Мг. Конъюнкции, соответствующие различ-
ным ветвям, взаимно ортогональны. Это говорит об их статистиче-
ской независимости и высокой информативности.
Для идентификации данного класса нужно выбрать соответ-
ствующее идентифицирующее правило (или реализующий его
идентифицирующий граф). Далее нужно проверить на данном
объекте истинность конъюнкций, входящих в аксиому рассматри-
ваемого класса. Если хотя бы одна из этих конъюнкций истинна,
то объект идентифицируется как представитель данного класса.
В противном случае можно только сказать, что он не принадлежит
данному классу.
Процесс идентификации по графу соответствует «раскрытию»
его узлов, начиная с первой орбиты. На первом шаге вычисляется
значение признака, отвечающего первому узлу. Если это зна-
чение соответствует исходящему из узла ребру, то следует изме-
рить значение признака, отвечающего узлу второй орбиты,
к которому ведет данное ребро, и т. д. Если таким образом удается
дойти до конца какой-либо ветви, то идентифицируемый объект
относится к соответствующему классу. Если же ребро, соответ-
ствующее вычисленному значению очередного признака, отсут-
ствует, то это значит, что исследуемый объект данному классу
не принадлежит. Для распознавания объекта к нему нужно при-
менять последовательно оставшиеся графы до тех пор, пока на
некотором из них не произойдет идентификация классов.
Экстраполирующая сила синтезированных оптимальных иден-
тифицирующих правил и графов достаточно высока. Это следует
из того, что ранг гг и сложность Мг каждой аксиомы класса At (со)
минимальны с точки зрения обеспечения естественного требова-
ния Е (Qo) = 1 при заданном алгоритме обучения, основанном
на критерии Байеса. Этот вывод подтверждается также практи-
ческими результатами решения разнообразных задач распозна-
вания и идентификации классов. Некоторые из этих результатов
рассмотрены в п. 7.7.
В заключение укажем на связь синтезированных решающих
правил с фреймами М. Минского [71]. В предисловии к книге
[71 ] Г. С. Поспелов пишет: «...фрейм любого вида — это та мини-
мально необходимая структурированная информация, которая од-
253
позначно определяет данный класс объектов. Наличие фрейма
позволяет относить объект к тому классу, который им определя-
ется». Данное определение весьма точно выражает сущность
синтезированных адаптивных логических решающих правил ми-
нимальной сложности. Поэтому сами эти правила и определяемые
ими описания классов можно условно назвать логическими фрей-
мами.
В общем случае фреймы представляют собой совокупность
знаний о достаточно сложных объектах и ситуациях. Поэтому
они содержат не только локальные сведения о конкретных объек-
тах, которые можно представить с помощью логических описаний
в терминах предикатов-признаков, но и знания о возможных дей-
ствиях и условиях их применимости. Кроме того, фреймы содер-
жат некоторые «дыры», называемые слотами, которые заполняются
по мере конкретизации знаний в процессе решения задач.
Удобной формой записи фреймов являются семантические
сети, дополненные описаниями возможных действий и условий
их применимости. Первоначально семантические сети использо-
вались лингвистами для представления смысла текста естествен-
ного языка. В дальнейшем появилось много разновидностей та-
ких сетей. Общим для них является то, что вершины сетей соот-
ветствуют некоторым объектам, а дуги — отношениям между
соответствующими объектами. Иногда вершины представляют
сложные отношения между объектами. В этом случае такие вер-
шины соединяются дугами с теми объектами, которые связаны
данным отношением. Часто для наглядности на дугах отмечается,
какую роль играет каждый объект или отношение.
Важным достоинством семантических сетей является то, что
представляемые ими знания хорошо поддаются обработке на ЭВМ.
Это обеспечивается явным заданием связей между объектами и поз-
воляет расшифровать смысл текста, заданного семантической
сетью. Семантическая сеть может описывать класс объектов или
ситуаций. В этом случае она имеет вид распознающего или иденти-
фицирующего графа. Однако знания такого рода для РТК носят
фрагментарный характер. Они, как правило, недостаточны для
организации целенаправленного функционирования РТК. Тем
не менее эти фрагментарные знания могут с успехом использо-
ваться для синтеза правил поведения РТК типа «класс ситуаций—
действие». Такие правила-фреймы позволяют организовать целе-
направленное адаптивное поведение РТК в недетерминированной
и изменяющейся производственной обстановке. Например,
в РТК распознавания и адресования деталей на подвесном кон-
вейере в качестве «класса ситуаций» может использоваться ак-
сиома класса деталей Ah (ю), а в качестве «действия» — сигнал
на приводы стрелок ответвления, обеспечивающий адресование
(и доставку) деталей &-го класса на соответствующие позиции
сборочного конвейера [103].
254
7.6. ЛОГИЧЕСКИЙ АНАЛИЗ
И РАСПОЗНАВАНИЕ СЦЕН
Адаптивный РТК с элементами искусственного интеллекта
должен обладать способностью анализировать окружающую про-
изводственную обстановку, распознавать целевые объекты (де-
тали, инструменты и т. п.), идентифицировать препятствия. Для
решения этих задач традиционные методы распознавания образов
не приспособлены, а иногда и не пригодны.
Главная трудность связана с тем, что РТК обычно приходится
иметь дело не с одним объектом, принадлежащим тому или иному
классу, а с совокупностью объектов из разных классов. Другая
трудность обусловлена сильной вариативностью объектов в поле
зрения РТК- Так, например, могут сильно изменяться расстоя-
ния до окружающих объектов, ракурс, в котором они восприни-
маются, условия освещения и т. д. Более того, одни объекты могут
заслонять другие, затрудняя тем самым их распознавание. Поэ-
тому от системы управления РТК требуется определенная актив-
ность и интеллектуальность, необходимые для преодоления оха-
рактеризованных выше трудностей.
Немногочисленные известные алгоритмы анализа сцен ввиду
своей эвристинности далеко не всегда приводят к успеху даже
в очень упрощенных и стилизованных условиях распознавания
[4, 26, 44, 71]. Значительный интерес для практики представляют
метод и системы инвариантного распознавания изображений, ис-
пользующие в качестве видеодатчиков средства когерентной и
некогерентной оптики [44, 116]. Однако и этому методу присущи
определенные ограничения и недостатки. К ним относятся требо-
вание группового характера преобразований объектов на изобра-
жении сцены (что на практике выполняется далеко не всегда)
и сложность выделения отдельных объектов путем вычисления
их инвариантов. Имеются также хорошо зарекомендовавшие
себя эвристические подходы к выделению отдельных объектов на
сложной сцене без каких-либо попыток к их распознаванию. Так,
в работе [44 ] описана программа для ЭВМ, позволяющая выде-
лять отдельные объекты на контурном изображении сцены путем
предварительной разметки линий и выявления среди них гранич-
ных линий на основе анализа типа узлов. В работе [133] описаны
алгоритмы лингвистического анализа сложных (главным обра-
зом, контурных) изображений.
Принципиально иной подход к распознаванию сцен по их
изображениям базируется на предварительном (в процессе обу-
чения РТК) формировании понятий в виде аксиом классов с по-
следующим выделением тех или иных объектов сцены посредством
логического анализа и распознавания. Этот подход воплощен в рас-
сматриваемом ниже адаптивном методе логического распознава-
ния сцен [9, 108, 123]. Предлагаемый метод свободен от отме-
255
ченных недостатков: он позволяет сравнительно легко и просто
с помощью ЭВМ преодолеть возникающие трудности.
Основная идея метода заключается, во-первых, в логическом
представлении (в терминах предикатов-признаков) понятий, фор-
мируемых в процессе обучения РТК в виде проблемно-ориенти-
рованных аксиом классов, и, во-вторых, в организации процесса
распознавания (включая режимы идентификации, классификации
и анализа объектов сцены) с помощью алгоритмических средств
поиска логического вывода. Метод хорошо приспособлен для реали-
зации на ЭВМ, причем программирование логических алгоритмов
формирования понятий и распознавания сцен удобно осуществлять
как на языках высокого уровня (типа «РЕФАЛ», PL/1 и др.),
так и на языке логического программирования «ПРОЛОГ».
Управляющая система РТК, реализующая этот метод, обладает
важным свойством: она легко дообучается новым понятиям и адап-
тируется к изменяющимся производственным условиям, что поз-
воляет надежно распознавать на сцене как известные, но силь-
но преобразованные объекты, так и совершенно новые классы
объектов.
В режиме обучения РТК предъявляются в различных ракур-
сах эталонные объекты (например, детали или инструменты) из
разных классов. При этом автоматически строятся описания клас-
сов в виде формул исчисления предикатов Аг (со), ..., Ам (со),
связывающих исходные предикаты-признаки ..., £п и прини-
мающих истинные значения по меньшей мере на элементах обучаю-
щей выборки. Структура, свойства и способы построения таких
формул, называемых аксиомами классов, подробно описаны выше.
Здесь остановимся только на одном важном свойстве этих аксиом —
их инвариантности по отношению к заданной совокупности пре-
образований.
Дело в том, что на практике объекты из каждого класса часто
отличаются только преобразованиями g из некоторой фиксирован-
ной совокупности преобразований 6. В других случаях для по-
рождения всех элементов некоторого класса может оказаться
недостаточно одного эталонного элемента из этого класса и может
потребоваться некоторое множество «эталонов», соответствующее,
например, существенно различным ракурсам восприятия объектов
из данного класса. В подобных случаях естественно потребовать,
чтобы РТК одинаково классифицировал объекты, отличающиеся
допустимыми преобразованиями g из G. Поскольку конкретное
преобразование g, подействовавшее на распознаваемый объект,
обычно неизвестно, то РТК, по существу, является адаптивным
по отношению к совокупности возможных преобразований.
При конструировании распознающей системы такого РТК
весьма важно выбрать исходные предикаты-признаки так, чтобы
они были инвариантны относительно допустимых преобразований.
Смысл такой инвариантности заключается в том, что предикаты-
признаки должны принимать одни и те же значения на объектах,
256
отличающихся друг от друга допустимыми преобразованиями.
Однако одной инвариантности признаков мало. Нужно еще, чтобы
совокупность инвариантных признаков обладала определенной
полнотой, а именно: они должны обеспечить возможность восста-
новить любое конкретное преобразование g из G, отличающее
распознаваемый объект от эталонного.
Важно отметить, что если аксиомы классов строятся на основе
инвариантных предикатов-признаков, то они сами также будут
инвариантны относительно совокупности допустимых преобра-
зований. Если же система предикатов .... полна по отно-
шению к совокупности преобразований G, то синтезированные из
них аксиомы классов обладают следующими свойствами: во-пер-
вых, они дают полное описание классов, инвариантных относи-
тельно G; во-вторых, они позволяют найти неизвестное преобра-
зование g G, отличающее данный объект от эталонного. Бла-
годаря этому обеспечивается принципиальная возможность без-
ошибочного распознавания классов объектов, инвариантных по
отношению к заданной совокупности преобразований при обу-
чении РТК по выборке минимального объема — по одному эта-
лонному представителю из каждого класса.
В режиме распознавания перед РТК могут возникнуть задачи
трех типов: идентификация, классификация и анализ. Цель
идентификации заключается в том, чтобы РТК отыскал
на изображении сцены объект данного класса. Целью клас-
сификации является выяснение вопроса: объекты каких
классов представлены на изображении сцены. Наконец, цель
анализа заключается в выяснении того, объекты каких клас-
сов и в каком количестве имеются на изображении сцены, а также
в определении их расположения, ориентации и т. п.
Рассмотрим сначала задачу идентификации на сцене объекта
данного класса. Пусть й — некоторая рабочая сцена в поле зре-
ния РТК. Обозначим через z (со) ее логическое описание в терми-
нах предикатов-признаков, имеющее вид (7.10) или (7.11). Пред-
положим, что требуется идентифицировать на данной сцене й
объект k-ro класса. Решение этой задачи в рамках исчисления
предикатов формально сводится к выводу формулы
г (со) ->з wAh (w).	(7.18)
Смысл утверждения этой формулы заключается в следующем:
сцена й, имеющая логическое описание z (ы), включает некоторый
объект w, на котором верна аксиома Ak (со). Это позволяет иденти-
фицировать объект k-ro класса. Для автоматического решения этой
задачи можно воспользоваться описанным выше методом резо-
люций.
Основное достоинство этого метода применительно к рассматри-
ваемой задаче распознавания заключается в том, что объект
полностью идентифицируется и в результате «означивания пе-
ременных» в процессе поиска логического вывода отделяется от
9 Заказ 250
257
1
остальных объектов на изображении рабочей сцены. Это позво-
ляет, в частности, вычислить параметры преобразования g, от-
личающего идентифицированный объект от эталонного.
Задача классификации объектов на рабочей сцене сводится
к многократному решению задач идентификации для каждого
класса объектов. При этом последовательно выясняется, имеются
ли на данной сцене объекты первого, второго и других классов.
Формально классификация сводится к логическому выводу сле-
дущих формул:
2 (со)->- 3 wAt (а>);
2 («)->- 3 wA2 (а>);
2(io)^3^M(ffl).	(7.19)
Задача анализа рабочей сцены также сводится к многократному
решению задачи идентификации для всех классов объектов. От-
личие ее от задачи классификации заключается в том, что в про-
цессе анализа должны быть идентифицированы и выявлены все
объекты, составляющие сцену. Поэтому по мере идентификации
того или иного объекта предметные константы, определяющие этот
объект, исключаются. Одновременно из описания сцены 2 (ш)
вычеркиваются все предикаты, которые входят в описание иден-
тифицированного объекта. Эта операция сводится к «стиранию»
изображения идентифицированного объекта из оперативной па-
мяти, где хранится изображение рабочей сцены.
Для оставшейся части анализируемой сцены вновь решается
задача идентификации, пока не будет получен ответ, что объектов
данного класса на сцене нет. Тогда описанная процедура иденти-
фикации повторяется для нового класса объектов. В результате
такого логического анализа выделяются все объекты, составляю-
щие рабочую сцену, и указывается: к какому классу каждой из
них принадлежит, где расположен и как ориентирован.
Таким образом, в рамках описанного метода разделение рабо-
чей сцены на отдельные объекты разных классов происходят в про-
цессе их распознавания. В этом заключается одно из принципи-
альных отличий и преимуществ данного метода от других извест-
ных, которые сводятся либо только к разбиению сцены на объекты
(без каких-либо попыток к их распознаванию), либо к распозна-
ванию заранее выделенных объектов.
Общая схема описанной адаптивной системы логического рас-
познавания рабочих сцен представлена на рис. 7.1. Здесь штрихо-
выми стрелками обозначены каналы передачи информации в ре-
жиме обучения РТК, а сплошными — каналы передачи информа-
ции в режиме распознавания, т. е., в процессе идентификации,
классификации или анализа сцены. 
258
Продемонстрируем особенности логического метода распозна-
вания на примере решения задачи автоматического анализа сцен
но их контурным изображениям. Изображение й будем задавать
матрицей координат вершин на плоскости изображения и матри-
цей связности, элементы которой определяются следующим об-
разом: mu = 1, если из t-й вершины выходит ребро, оканчиваю-
щееся в /-й вершине, и m.ij = 0 — в противном случае. Таким
образом, если на изображении сцены имеется N вершин, то она
задается N2 2N числами.
Рис. 7.1. Адаптивная система логического распознавания рабочих сцен
Для простоты изложения метода ограничимся случаем, когда
объекты, составляющие рабочую сцену, являются многогранни-
ками.
Как показано в работе [44], при указанных ограничениях
на изображении сцены могут встретиться вершины только сле-
дующих четырех типов:
1)	вершины типа V (вершины, у которых на изображении не видно
одно из образующих ребер);
2)	вершины типа Y (вершины, у которых любые два ребра лежат
по разные стороны от прямой, образованной третьим ребром);
3)	вершины типа W (вершины, у которых все три образующих
ребра лежат в одной полуплоскости);
4)	вершины типа Т (вершины, образованные пересечением проек-
ций ребер многогранников).
Определим исходные предикаты-признаки таким образом, чтобы
каждой вершине на изображении сцены соответствовал предикат,
указывающий ее тип. Такие предикаты задаются соотношениями,
представленными на рис. 7.2. По матрице координат и матрице
9*
259
Тип Вершины	Изображение вершины	Описание предиката
V	Cj	Ci Со	у><лг
У	Cf	¥(СО,СЬС2,С3)=1
W	Cf	Cl \y^L—» cs С<Г?Г	W(с0,С,,С,.С}) =1 fl < f2 < К
Т	С’* 1 1 / т  С2	7"(Cgt Cf,C2,Cj) =1
Рис. 7.2. Исходные предикаты кон-
турных изображений
связности легко определить
тип каждой вершины и по-
рядок аргументов в соответст-
вующем предикате.
Рассмотрим для опреде-
ленности сцены, состоящие
из объектов четырех клас-
сов, изображения которых в
различных характерных ра-
курсах представлены на
рис. 7.3.
В режиме обучения РТК предъявляются отдельные объекты
с указанием, к какому классу они относятся. По каждому изобра-
жению й,- объекта из k-ro класса автоматически строится его ло-
гическое описание z*j (и) (аксиома k-ro подкласса). Так как выб-
ранная система предикатов полна (в смысле однозначности проек-
ций вершин многогранников), то нет необходимости выписывать
все предикаты для каждой вершины изображения, — достаточно
вычислить предикат, истинный для данной вершины. Этим обе-
спечивается совпадение ранга конъюнкции логического описания
объекта с числом вершин на его изображении.
Аксиомы классов строятся по обучающей выборке.
Поставим перед РТК задачу распознавания сложной сцены й,
изображенной на рис. 7.4.
Решая задачу идентификации объекта 1-го класса, распознаю-
щая система РТК выводит формулу (7.18) при k = 1. Согласно
дереву логического вывода, представленному на рис. 7.5, полу-
чаются следующие результаты: на изображении сцены г (5)
имеется объект 1-го класса, причем система подстановок в про-
цессе распознавания позволяет однозначно восстановить изобра-
жение идентифицированного объекта (на рис. 7.4 оно выделено
жирной линией).
Решая задачу класси-
фикации объектов рабочей
сцены на рис. 7.4, РТК вы-
деляет четыре класса объ-
ектов. В результате ана-
лиза сцены РТК легко
выделит и распознает все
незаслоненные объекты.
Для распознавания же
Рис. 7.3. Изображения объектов
из обучающей выборки
260
19
Рис. 7.4. Изображение сложной сцены и ее кодирование
 Рис. 7.5. Процесс логического распознавания
261
'I
заслоненных объектов нужны специальные методы (см., напри-
мер, [9, 1191).
Таким образом, описанные средства логического распознава-
ния позволяют РТК осуществлять автоматический анализ слож-
ных рабочих сцен по их контурным изображениям. Они применимы
также и в тех случаях, когда изображения объектов и сцен заданы
в виде матрицы яркости. При этом достаточно в качестве исходных
предикатов—признаков взять трехместные предикаты, первыми
аргументами которых являются соответствующие номера столбца
и строки матрицы яркости, а третьим — градация яркости дан-
ного элемента изображения. Использование и программная реали-
зация на управляющей ЭВМ алгоритмов логического распознава-
ния позволяют существенно расширить функциональные (интел-
лектуальные) возможности адаптивных РТК. Острая практическая
потребность в таких РТК с элементами искусственного интеллекта
возникает сегодня во многих ГАП.
7.7. СИСТЕМЫ
ИСКУССТВЕННОГО ЗРЕНИЯ И РАСПОЗНАВАНИЯ
В АДАПТИВНЫХ РОБОТОТЕХНИЧЕСКИХ КОМПЛЕКСАХ
Важный класс СИИ для РТК представляют системы искус-
ственного зрения и распознавания. Эти системы состоят из дат-
чиков видеосигналов и средств распознавания. В качестве видео-
датчиков обычно используются фотодиоды, телекамеры или ла-
зеры. Средства распознавания объектов по видеосигналам реали-
зуются в виде программного обеспечения для специализированной
микроЭВМ или микропроцессоров.
Системы искусственного зрения и распознавания в робото-
технике принято называть системами технического зрения (СТЗ)
[99]. При этом техническое зрение трактуется как собственно
процесс восприятия окружающих объектов с помощью видеодат-
чиков, так и их распознавание на основе полученной видеоин-
формации.
Каковы причины и факторы, обусловившие необходимость
и все более широкое применение СТЗ в РТК и ГАП? Какие прин-
ципиально новые свойства приобретают РТК, снабженные СТЗ?
Ответ на эти вопросы позволит определить ту роль и значение,
которые СТЗ играют в современной робототехнике и ГАП.
Одной из главных причин «интеллектуализации» производства
с помощью СТЗ является необходимость автоматизации широкого
класса технологических операций, требующих визуального конт-
роля. Примерами таких операций могут служить сборка и сварка
изделий.
Другая не менее важная причина заключается в известной
неупорядоченности и нестационарности рабочей обстановки, ха-
рактерной для многих типов производств. В такой обстановке
обычные РТК с программным управлением теряют работоспособ-
262
ность. Организация и поддержание идеальных условий требуют
изготовления специальной технологической оснастки для пред-
варительного упорядочивания обстановки в рабочей зоне (точное
позиционирование и ориентирование деталей и т. п.). Это услож-
няет процесс роботизации производства, приводит к значительным
дополнительным затратам и существенно снижает экономический
эффект от внедрения РТК. Тем не менее в условиях массового и
крупносерийного производства соответствующие затраты оправ-
даны.
Однако в ГАП, ориентированном на выпуск продукции малыми
сериями, предварительное упорядочивание рабочей среды за-
частую не только экономически неоправданно, но и может оказа-
ться невозможным. В этих условиях весьма перспективно исполь-
зование РТК с СТЗ, поскольку они могут работать с неориенти-
рованными и произвольно расположенными деталями, адапти-
роваться к непредсказуемым изменениям производственных ус-
ловий.
В случае необходимости манипуляционные и транспортные
роботы с адаптивным управлением и СТЗ могут применяться для
предварительного упорядочивания рабочей среды (например, для
складирования неориентированных деталей в специальные па-
кеты и т. п.). После этого обычные РТК с программным управле-
нием вновь могут успешно использоваться даже в условиях ГАП.
Таким образом, адаптивные роботы и РТК, снабженные СТЗ,
могут служить как для автоматизации технологических процессов
в недетерминированной и изменяющейся обстановке ГАП, так
и для предварительного упорядочивания объектов в рабочей зоне.
Разработка СТЗ для РТК включает в себя ряд этапов, в том
числе: выбор подходящих видеодатчиков с учетом условий осве-
щенности в рабочей зоне; оценку информативности снимаемых
признаков; синтез решающих правил и их реализацию на базе
современных средств вычислительной техники.
Робототехнические СТЗ работают в двух режимах: обучения
и распознавания. В режиме обучения СТЗ предъявляет объекты
разных классов (например, детали и инструмент) в характерных
рабочих ракурсах. По этим данным автоматически строятся описа-
ния классов и решающие правила, которые хранятся в базе зна-
ний. В режиме распознавания осуществляется (в зависимости от
целевых условий) идентификация нужного объекта, классифика-
ция видимых объектов или анализ, описание и интерпретация
рабочей обстановки. Полученная таким образом информация ис-
пользуется далее для адаптивного управления роботами и тех-
нологическим оборудованием ГАП.
Введение в состав РТК СТЗ существенно увеличивает их ин-
теллектуальность и расширяет адаптационные возможности. По-
этому в ряде промышленно развитых стран ведутся интенсивные
разработки в области совершенствования промышленных СТЗ
и организации их серийного выпуска. В табл. 7.1 приведены тех-
263
ТАБЛИЦА 7.1
Фирма- изготовитель	Модель	Технические характеристики				Стоимость, тыс. долл.
		Тип видео- датчика	Разреша- ющая спо- собность	Число гра- даций ярко- сти	Разрядность процессора	
	Autovision II	т/в	256X256	16	32/16	30
«Automatik»	Robovision II—V	т/в	513x512	64	32/16	100
	Cybervision III—V	т/в	512X512	64	32/16	100
	Autovision IV	т/в	512/512	256	32/16	37
«Control Automa- tion»	CAV-1000	—	128Х 128	2	—	20
«Applied Intelli- gent Systems»	Pixil	т	256X256	64	—	25
«General Electric»	Optomation II	т	244X244	2	—	55
«Everett Charles»	ERMAC-2500	в	255X255	2	8	23
«Penn Video, Inc.»	Vidomet II	т	320X240	64	—	30
«Copperweld»	Optosense Mentor	т/в	244X248	256	16	29
		т/в	244X248	256	8	24
«Intelledex, Inc.»	—	т/в	256X256	64	16	12—16
«Machine Intelli-	VS-100	Т/В	256X 256	2	16	40
gence»	VS-110	т/в	256X256	2	16	40
«Object Recogni-	100	в	—	256	8	12
tion Systems»	1000	в	256X240	256	—	80
«Prothon»	Robotic V. S.	в	—	2			10
«Octec, Inc.»	Vision	т/в	320X240	16	16	50
«Unimation»	Univision I	т	256X256	2	16	35
	Univision II	т	256X 240	2	8	20
Примечание. Т — твердотельный видеодатчик иа базе прибора с зарядовой
связью; В — телекамера типа свиднкои».
нические характеристики некоторых СТЗ, выпускаемых фирмами
США. По оценкам американских специалистов 1128], широкое
использование СТЗ в ГАП может дать экономический эффект в не-
сколько миллионов долларов в год.
В СССР также осваивается серийный выпуск СТЗ [99]. В ка-
честве примеров можно указать на СТЗ на базе фотодиодной матри-
цы ОТ- 10МФ и телевизионных датчиков типа «видикон» ОТ-ЮМВ,
выпускаемых научно-производственным объединением «Спектр».
СТЗ применяются в адаптивных РТК для выполнения следую-
щих технологических операций:
загрузки станков и обрабатывающих центров произвольно
расположенными заготовками и деталями из бункеров или с кон-
вейера;
визуального контроля и отбраковки деталей или изделий;
сортировки и укладки в пакеты или специальные накопители
неупорядоченных деталей (в том числе деталей, поступающих
в таре навалом);
264
комплектации узлов и сборки изделий из неупорядоченных
деталей;
дуговой сварки изделий сложной конфигурации;
окраски деталей сложной формы;
адресования деталей с подвесных конвейеров на сборочные.
Однако области возможных и целесообразных применений СТЗ
в ГАП не ограничиваются указанными операциями.
Разнообразие технологических процессов, требующих визу-
ального контроля и распознавания, привело к созданию большого
числа адаптивных РТК, отличающихся компоновкой, типом при-
меняемых видеодатчиков, методами и средствами распознавания.
В качестве методов автоматического распознавания используются
логические, логико-вероятностные, инвариантные и дискрими-
нантные (перцетронные) алгоритмы и решающие правила [4, 9,
44, 99, 108, 119, 133]. Эти методы реализуются либо программно
на мини-ЭВМ или микропроцессорах, либо аппаратно на интеграль-
ных микросхемах.
Компоновка РТК зависит в значительной мере от числа и спо-
соба включения в него СТЗ. В большинстве адаптивных РТК вос-
приятие и анализ обстановки в рабочей зоне производится с по-
мощью одной или нескольких СТЗ, непосредственно не связанных
с роботами. Такая компоновка обеспечивает естественное распозна-
вание процессов обработки видеоинформации и адаптивного уп-
равления роботами и технологическим оборудованием. Кроме того,
она позволяет воспринимать рабочую зону в целом и непосредст-
венно контролировать происходящие изменения.
Недостатком данной компоновки является то, что в момент
захвата деталей манипуляторы роботов заслоняют именно ту
часть рабочей зоны, информация о которой больше всего нужна
для качественного выполнения технологических операций (на-
пример, для сборки). Поэтому иногда СТЗ встраивают в роботы,
устанавливая видеодатчик на манипуляторе (компоновка «глаз
на руке») или прямо в механизм захвата (компоновка «глаз в руке»).
Преимущество такой компоновки заключается в том, что ма-
нипуляторы роботов теперь уже не перекрывают поле зрения СТЗ.
Кроме того, облегчается самонаведение захвата на деталь, причем
процесс наведения становится адаптивным (за счет использования
визуальной обратной связи). Однако при этом информация о ра-
бочей зоне носит локальный характер. На практике при выборе
рациональной компоновки адаптивных РТК целесообразно ком-
бинировать оба способа установки СТЗ.
Рассмотрим теперь общие принципы использования обратной
связи через СТЗ для организации адаптивного управления РТК.
Наибольшее распространение получил принцип эпизодиче-
ского обращения к СТЗ, когда необходимая для адаптивного уп-
равления РТК видеоинформация поступает дискретными порци-
ями (кадрами) лишь в определенные моменты времени. Эта ин-
формация обычно используется для формирования целевых усло-
265
вий и ограничений, а также для автоматического расчета или
коррекции программных движений роботов и технологического
оборудования. В процессе же фактической отработки программных
движений РТК функционирует «вслепую».
Значительный интерес для улучшения качества адаптивного
управления представляет принцип непрерывного использования
обратной связи от СТЗ. Этот принцип лежит в основе нового
класса адаптивных систем управления — систем «визуального
сервоуправления» и «визуального самонаведения». Они все шире
применяются при сборке сложных изделий, при слежении сва-
рочной головкой за швом, при наведении измерительного щупа
на контрольные точки детали, при взятии движущихся по кон-
вейеру объектов и т. п. В этих случаях обычно используется ком-
поновка СТЗ типа «глаз в руке». Целевые условия формулируются
в терминах желаемого расположения захвата или рабочего ор-
гана в системе координат «глаза». «Визуальное сервоуправление»
сводится к устранению рассогласования между целевыми и фак-
тическими характеристиками на основании показаний СТЗ.
Робототехнические СТЗ существенно отличаются от обычных
СТЗ, используемых, например, в читающих автоматах, в системах
анализа аэрофотоснимков, морфологических срезов, отпечатков
пальцев и т. п. Эти отличия обусловлены прежде всего способ-
ностью РТК активно воздействовать как на объекты в рабочей
зоне, так и на саму СТЗ (изменение ракурса восприятия), под-
вижностью воспринимаемых объектов, а также необходимостью
оперативной обработки информации для адаптивного управления
РТК без замедления работы оборудования.
Особенности СТЗ, используемых в адаптивных РТК, порож-
дают специфические требования, которые необходимо учитывать
при их разработке (в случае создания новых робототехнических
СТЗ) или выборе (в случае проектирования адаптивного РТК
на базе имеющихся СТЗ).
Среди наиболее важных требований отметим следующие:
1)	высокую скорость обработки видеоинформации (в ряде ро-
бототехнических СТЗ время распознавания одной детали состав-
ляет десятки или сотни миллисекунд [4, 99, 128]);
2)	гибкость и обучаемость, т. е. способность переобучаться
для распознавания новых классов объектов;
3)	высокую точность распознавания и идентификации геомет-
рических параметров объектов (координаты, ориентация и т. п.);
4)	инвариантность к различным возмущениям (изменение осве-
щения, контрастности, ракурса и т. п.) и высокую помехоустой-
чивость в производственных условиях.
Кроме того, робототехнические СТЗ должны легко сопрягаться
со стандартным интерфейсом управляющих ЭВМ, иметь малые
габаритные размеры и низкую стоимость.
Рассмотрим некоторые примеры использования СТЗ в адаптив-
ных РТК.
266
Фирма «Юнимайшен» (Unimat ion, США) разработала ряд СТЗ
для РТК (см. табл. 7.1). Одна из таких СТЗ применяется в адап-
тивном РТК для дуговой сварки. Она состоит из телекамеры и
осветителя, устанавливаемых на манипуляторе сварочного ро-
бота (компоновка «глаз на руке»), СТЗ предназначена для само-
наведения сварочной головки на линию сварки, которая может
сильно отклоняться от программной траектории из-за погрешно-
стей в изготовлений и позиционировании свариваемых деталей.
Получаемая видеоинформация о линии сварки используется для
соответствующей коррекции программных движений манипуля-
тора. Эту функцию визуального самонаведения выполняет адап-
тивная система управления РТК, реализованная на базе ЭВМ
РДР-11/40. Время обработки видеоинформации колеблется в пре-
делах 100—500 мс в зависимости от сложности свариваемых изде-
лий. Точность «визуального самонаведения» сварочной головки
не превышает 1,2 мм. Другой вариант использования СТЗ в РТК
для дуговой сварки описан в п. 5.6.
Фирма «Дженерал Моторе» (General Motors, США) разработала
адаптивный РТК, включающий ленточный конвейер, один или
несколько манипуляционных роботов и СТЗ. Такой РТК может
работать с неупорядоченными деталями, поступающими на кон-
вейер случайным образом. Это достигается благодаря использо-
ванию СТЗ, представляющей собой линейную телекамеру, вклю-
чающей 256 фотодиодов, и два источника света, которые уста-
навливаются непосредственно над конвейером. СТЗ определяет
положение и ориентацию каждой детали и передает эту информа-
цию в адаптивную систему управления робота. Манипулятор
робота последовательно снимает неориентированные детали с кон-
вейера и устанавливает их в специальную тару (пакеты и т. п.).
Время рабочего цикла составляет 5 с при скорости конвейера
0,2 м/с.
Аналогичная СТЗ для распознавания и определения геометри-
ческих характеристик неупорядоченных деталей на конвейере
создана фирмой «СРИ» (SR/, США). В качестве видеодатчиков
здесь используется линейка из 128 фотодиодов, установленная над
конвейером, по которому перемещаются неориентированные де-
тали разных типов (шатун, поршень, головка цилиндра, тормоз-
ная колодка, диск и др.). Сканирование деталей осуществляется
за счет движения конвейера. С помощью анализаторов связности
выделяются силуэты отдельных деталей, по которым затем вы-
числяются семь признаков формы (периметр, площадь, минималь-
ный и максимальный радиусы и т. п.).
В режиме обучения СТЗ по конвейеру последовательно пере-
мещаются детали всех типов. На основании полученной инфор-
мации автоматически строится логическое решающее правило.
В режиме распознавания последовательно, (в соответствии с по-
строенным решающим правилом) вычисляются признаки деталей,
воспринимаемых СТЗ в процессе эксплуатации конвейера, и
267
осуществляется их классификация с указанием положения и
ориентации. В обоих режимах необходимо специальное освещение,
обеспечивающее получение контрастных силуэтов деталей.
В СССР также создан ряд промышленных СТЗ. В качестве
примера укажем на гамму СТЗ, разработанную на производствен-
ном объединении «Кировский завод» для автоматического рас-
познавания и адресования крупногабаритных деталей трактора
К-701 с подвесного конвейера на сборочный. Различные варианты
СТЗ отличаются алгоритмами распознавания и конструкцией
видеодатчиков, в качестве которых используются телевизионная
камера, лазерный дальномер или система шарнирно закреплен-
ных фотоприемников с узконаправленными осветительными лам-
пами. Одной из наиболее простых, но эффективных СТЗ является
данная система, в основе которой лежат адаптивные логиче-
ские решающие правила минимальной сложности и семь датчиков
типа «осветитель—фотоприемник». Эта СТЗ, подробно описанная
в п. 6.5, служит для автоматического распознавания и адресо-
вания 11 классов деталей трактора К-701, перемещающихся по
подвесному толкающему конвейеру.
В режиме обучения СТЗ по конвейеру пропускают все типы
деталей («бак масляный», «крышка капота» и т. д.). На основании
показаний фотоприемников автоматически строятся логические
описания классов (в форме распознающих и идентифицирующих
графов минимальной сложности) и связанные с ними адаптивные
решающие правила. В дальнейшем эти правила используются для
фактического распознавания деталей в процессе нормальной
эксплуатации конвейера и формирования управляющих воздей-
ствий на приводы стрелок ответвления на подвесном конвейере
с целью адресования распознанных деталей на соответствующие
позиции главного сборочного конвейера.
Достоинствами СТЗ рассмотренного типа являются высокая
точность (около 96 %) и быстрота (около нескольких миллисе-
кунд) распознавания. Важно также отметить, что СТЗ способна
адаптироваться к таким производственным возмущениям, как
колебания деталей на сцепах и нарушения технологических норм
подвеса.
Гибкость СТЗ заключается в том, что при изменении номенкла-
туры перемещаемых деталей достаточно переобучить систему
распознавания, после чего СТЗ автоматически перестраивается
на адресование новых деталей. Это свойство рассмотренных СТЗ
особенно важно для ГАП.
Фирма ФЕК (FEC, Япония) разработала РТК с СТЗ, предна-
значенной для визуального контроля и автоматической сорти-
ровки кристаллов транзисторов. СТЗ состоит из телекамеры,
осветителя, микроскопа и устройства обработки видеоинформа-
ции, сопряженного с системой управления манипулятором и двух-
координатного стола. Исследуемые кристаллы в специальной кас-
сете размещаются на двухкоординатном столе. СТЗ контроли-
268
рует качество кристаллов, размещаемых в поле зрения телека-
меры с помощью манипулятора. Для обнаружения дефектов раз-
мером в несколько микрометров вместо оптического микроскопа
используется сканирующая система на базе гелий-неонового
лазера. Средняя производительность данного РТК составляет
1200 кристаллов/мин.
Фирма «Токио Сокухан» (Tocio Socuhan, Япония) разработала
ряд адаптивных РТК для прецизионной сборки миниатюрных
изделий. Эти РТК снабжены СТЗ на базе телекамер и осветителей,
которые устанавливаются над транспортерами, доставляющими
детали для сборки. СТЗ идентифицирует поступающие детали и
определяет их ориентацию. Эта информация используется для
управления двумя манипуляторами, которые не только собирают
корпус полупроводникового прибора, но и сажают кристалл
в корпус «на эвтикетку». Если очередная деталь СТЗ не идентифи-
цируется, то она сбрасывается манипулятором в тару для брака
и сборка приостанавливается вплоть до поступления требуемой
детали. Кроме того, СТЗ формирует сигналы, необходимые для
коррекции программных движений манипуляторов при неточной
фиксации кристаллов или корпуса.
Экспериментальный РТК для манипулирования неупорядо-
ченными деталями создан в Научно-исследовательском центре
«Юниверсити оф Роуд Исленд» (University of Rhode Island, США)
[1281. В состав этого РТК входят трехкоординатный стол, ма-
нипуляционный робот MARK-IV со сменными захватами и две
телевизионные СТЗ, установленные над двумя бункерами с де-
талями. Манипулирование детали осуществляется путем управле-
ния электроприводами координатного стола и робота, захват
которого имеет три вращательные степени свободы. В качестве
захватов используется либо вакуумная присоска, адаптирующаяся
к поверхности детали, либо электромеханический двухпалый
захват, оснащенный датчиком наличия детали между «пальцами»
и датчиком перегрузки.
СТЗ построена на базе двух телекамер на твердотельных ма-
трицах размером 128 X 128 элементов с восемью градациями яр-
кости. Ввод изображения рабочей сцены осуществляется с по-
мощью интерфейсной платы памяти прямого доступа. Скорость
ввода по запросам 16-разрядной мини-ЭВМ не превышает 19 кад-
ров/с. Объем памяти, требуемой для реализации алгоритмов
распознавания деталей и анализа сцен, составляет около 26К
слов. При этом только для запоминания изображения сцены ис-
пользуется 8К слов. Время анализа сцены (изображения бункера)
с целью выявления возможных мест захвата составляет несколько
секунд.
Особенностью СТЗ является то, что алгоритмы анализа содер-
жимого бункеров не производят распознавания деталей и не опре-
деляют их положение и ориентацию. Они идентифицируют лишь
места возможного, захвата деталей. Поэтому используемые в СТЗ
269
алгоритмы существенно зависят от вида детали и типа захвата
[128].
Адаптивный РТК с СТЗ для сборки микроэлектронных схем
на печатных платах разработан лабораторией гибких сборочных
систем при Карнеги—Меллон университете (Carnegie—Mellon
University, США) [128]. В состав РТК входят три робота
«Пума-500» (Puma-5QQ), «Пума-250» (Рита-250), СЕЙКО (SEIKO)
со сменными адаптивными захватами, координатные столы, на
которых осуществляется сборка изделий, и телевизионные СТЗ
типа VS-НО. Адаптивное управление, синхронизацию и коорди-
нацию работы оборудования РТК осуществляет локальная вы-
числительная сеть, архитектура которой реализует принцип
«ведущий—подчиненный». В качестве ведущего компьютера ис-
пользуется ЭВМ РДР-11/23 фирмы «ДЕК» (DEK), а в роли «под-
чиненных» процессоров выступают микропроцессоры и контрол-
леры, встроенные в оборудование РТК..
СТЗ VS-ПО, разработанная фирмой «Машин Интеллидженс
Корпорейшн» (Machine Intelligence Corporation), производит об-
работку двухградационных изображений. Она служит для опре-
деления ориентации и положения отдельных деталей, а также для
обнаружения с помощью подсветки отверстий на плате с целью
установки деталей и узлов.
Более широкие возможности визуального контроля имеет
СТЗ POPYE, обрабатывающая полутоновые изображения рабо-
чих сцен. В состав этой СТЗ входят цифровой преобразователь
видеоизображений, буфер кадров и матричный процессор, управ-
ляющий панорамированием, направлением и скоростью движения
телекамеры, а также фокусировкой объектива. Для обработки
видеоинформации, распознавания и анализа обстановки в рабо-
чей зоне используются микропроцессоры «Motorola-68000».
На базе описанного экспериментального адаптивного РТК
с СТЗ фирмой «Вестингхауз Электрик Корпорейшн» (Westinghouse
Electric Corporation, США) создан промышленный вариант гиб-
кой автоматической производственной системы «SEAS», предназна-
ченной для автоматической сборки электронных схем на печатных
платах.
СТЗ все шире используется в различных РТК как средство
неразрушающего контроля качества изделий. Примером может
служить адаптивный РТК на базе манипуляционного робота
ТУР-10, снабженный СТЗ. Подобные РТК могут использоваться
не только для неразрушающего контроля качества и выявления
дефектов, но и для выполнения основных технологических опе-
раций (сборки, окраски, сварки и т. п.). В одном из вариантов
РТК СТЗ реализована на базе оптической системы ОТ-10ИФ,
преобразующей изображение рабочей сцены в двухградационную
матрицу из 32x32 фотодиодных элементов. Сигналы с этой ма-
трицы обрабатываются микроЭВМ «Электроника-60», которая
реализует алгоритмы идентификации контролируемых объектов и
270
распознавание возможных дефектов на них. Описанная СТЗ
позволяет также идентифицировать объекты, перемещающиеся
в поле зрения со скоростью до 10 м/с. Среднее время обработки
изображения изолированного объекта составляет 60 мс [99].
Глава 8
СИСТЕМЫ АДАПТИВНОГО КОНТРОЛЯ
И ИЗМЕРИТЕЛЬНЫЕ РОБОТЫ
8.1. ЦЕЛИ И ЗАДАЧИ
АДАПТИВНОГО КОНТРОЛЯ
Одним из важнейших требований, предъявляемых к автомати-
зированному производству, является обеспечение заданного ка-
чества изготовляемой продукции. Для автоматического управле-
ния качеством, профилактики и предотвращения брака служат
системы автоматического контроля (САК).
Основными функциями САК являются следующие контрольно-
измерительные операции:
измерение и контроль параметров заготовок и готовых изделий;
контроль и диагностика состояния инструмента;
измерение размеров и учет времени работы инструмента;
формирование данных для коррекции управляющих программ;
контроль за удалением технологических отходов;
контроль за состоянием оборудования.
САК делятся на системы выносного контроля, когда контроль-
ные операции выполняются вне технологического оборудования,
и системы встроенного контроля, когда необходимые измерения
и контроль осуществляются непосредственно в ходе обработки
деталей.
К системам выносного контроля относятся измерительные ма-
шины и роботы. Они обычно устанавливаются на постах контроля
или в измерительных лабораториях, т. е. вне станков или другого
технологического оборудования. Недостатком выносных САК
является необходимость транспортировки деталей между техноло-
гическим оборудованием, САК и автоматическими складами гото-
вой продукции. Это снижает производительность производства.
Однако выносные САК обеспечивают чрезвычайно высокую точ-
ность измерений, например, точность измерения геометрических
параметров деталей достигает долей микрометра.
Системы встроенного контроля устанавливаются непосред-
ственно на технологическом оборудовании. Большое распростране-
ние получили САК в токарных станках с адаптивным программным
271
управлением. Они служат для автоматического измерения разме-
ров обрабатываемых деталей и формирования данных для адаптив-
ной коррекции программы управления инструментом с целью
обеспечения требуемой точности обработки. Системы такого рода
относятся к системам активного контроля [34, 991.
Характерной чертой этих систем является то, что результаты
измерений сразу же используются для управления технологи-
ческим оборудованием с целью повышения его точности и произ-
водительности. При активном контроле измерительные операции
совмещаются с основными технологическими. Благодаря этому
увеличивается производительность производства.
Смысл активного контроля заключается в компенсации техно-
логических погрешностей в процессе обработки деталей, тем
самым повышается точность и надежность станков. Встроенные
САК часто используются как источники дополнительных обрат-
ных связей для организации коррекции параметров законов про-
граммного и адаптивного управления технологическим оборудо-
ванием. Примерами могут служить системы активного контроля
с коррекцией скорости съема, припуска, с компенсацией силовых
деформаций, с температурной коррекцией ит. п. [1, 24]. Получили
также распространение двухуровневые системы управления точ-
ностью обработки, сочетающие оперативный контроль с под-
наладкой.
Наиболее эффективными САК являются системы адаптивного
контроля. Они позволяют достичь предельной точности в непред-
сказуемо изменяющихся производственных условиях. В основе
адаптивного контроля лежат принципы коррекции программного
управления и самонастройки управляющих параметров.
Системы адаптивного контроля играют важную роль в ГАП.
Дело в том, что обычные встроенные САК, допускающие вмеша-
тельство человека-оператора, в условиях гибкой безлюдной тех-
нологии могут потерять работоспособность или привести к ава-
рийным ситуациям. Такие ситуации могут возникнуть, например,
при внезапной поломке режущего инструмента (резца, фрезы
и т. п.). Поэтому адаптивный контроль в условиях ГАП предпо-
лагает диагностику состояния инструмента, основанную на авто-
матических измерениях (например, определение положения режу-
щей кромки инструмента после каждого технологического про-
хода). Без текущего контроля и диагностики внезапная поломка
инструмента может привести к поломке всего технологического
оборудования.
Особенность задачи адаптивного контроля в условиях ГАП
заключается в том, что технологическое оборудование со встроен-
ными САК должно эксплуатироваться не в стабильной обстановке
массового производства с установившейся технологией и номен-
клатурой продукции, а в недетерминированной и постоянно из-
меняющейся обстановке мелкосерийного или даже единичного
производства. Поэтому САК должны обладать способностью
272
автоматически перенастраиваться при переходе ГАП на выпуск
новых изделий, а также приспосабливаться к непредсказуемому
изменению производственных условий. Иначе говоря, встроенные
САК должны быть достаточно универсальными, гибкими и адап-
тивными.
Технология адаптивного контроля должна проектироваться
одновременно с гибкой технологией производства. Процесс тех-
нологического проектирования с помощью ЭВМ завершается раз-
работкой комплекса взаимосвязанных программ управления тех-
нологическим оборудованием и встроенными в него САК. Благо-
даря этому комплекс программ управления оборудованием ГАП,
включающий программы адаптивного контроля качества изделий,
обеспечивает быструю и надежную перенастройку САК при пере-
ходе ГАП на выпуск новой продукции.
Важно отметить, что программы управления ГАП (в том числе
и программы, разработанные с помощью САПР) принципиально
не могут предусмотреть всех факторов и особенностей, возникаю-
щих в процессе фактического изготовления каждой конкретной
детали и непосредственно влияющих на качество продукции.
К таким факторам и особенностям можно отнести непредсказуемые
изменения физико-механических свойств заготовок и инструмен-
тов в процессе гибкого производства, колебания припусков,
дрейф параметров исполнительных приводов и механизмов и мно-
гое другое. Эти скрытые факторы, не учитываемые в программах
управления станками и САК, могут сильно влиять на точность
изготовления деталей и зачастую приводят к браку. Поэтому для
обеспечения заданного качества продукции необходимо, чтобы
все технологическое оборудование и САК, входящее в состав
ГАП, обладало способностью адекватно реагировать на текущие
изменения параметров и условий производства за счет само-
настройки системы управления технологическим оборудованием
и САК. Обычно эта способность реализуется с помощью алгорит-
мов и программ адаптивного управления и контроля. Благодаря
указанным алгоритмам и программам система управления ГАП
сохраняет работоспособность и эффективность в широком классе
непредсказуемо изменяющихся условий производства, характер-
ной для мелкосерийного многономенклатурного производства.
Способность к самонастройке адаптивных САК в условиях
ГАП отличает их от обычных САК, используемых в массовом авто-
матическом производстве. Это принципиальное отличие налагает
дополнительные требования к алгоритмическому и программному
обеспечению систем управления ГАП.
Теоретической основой при разработке соответствующих ал-
горитмов и программ служит общая методология гибкого програм-
мирования и адаптивного управления, изложенная в гл. 2 и 3.
Применение этой методологии при автоматизированном проекти-
ровании САК позволяет создавать наиболее совершенные системы
адаптивного контроля. По мере необходимости эти системы могут
Ю Заказ 250	273
снабжаться элементами искусственного интеллекта, реализую-
щими функции диагностики состояния инструмента, визуального
контроля и распознавания и т. п.
'Т
i 8.2. ВСТРОЕННЫЕ СИСТЕМЫ АДАПТИВНОГО КОНТРОЛЯ г.
I	ДЛЯ МЕХАНИЧЕСКОЙ ОБРАБОТКИ	г
Адаптивные РТК механической обработки в условиях ГАП
должны обладать способностью автоматически реагировать на
изменение физико-механических свойств заготовок и износ ин-
струмента. Это необходимо для самонастройки системы управле-
ния станками с целью обеспечения заданной точности обработки.
Например, в токарных станках с ЧПУ все шире применяются
средства размерной самонастройки, осуществляющие коррекцию
программ управления режущим инструментом по результатам из-
мерения размеров ранее изготовленных деталей. Применение таких
средств позволяет автоматизировать процесс управления точ-
ностью механообработки. Это достигается благодаря примене-
нию САК, непосредственно встраиваемых в станки с ЧПУ и об-
рабатывающие центры.
В условиях ГАП к САК предъявляются более жесткие требо.-
вания, чем при массовом автоматическом производстве. Это свя-
зано с тем, что САК в ГАП должны сохранять работоспособность
при частых изменениях номенклатуры изделий и режимов их
обработки. Отсюда следует, что важнейшим требованием к САК,
используемых в ГАП, является обеспечение заданной точности
обработки при изменениях производственных программ и усло-
вий, характерных для мелкосерийного многономенклатурного
производства. Это требование заставляет отказаться от детерми-
нированных алгоритмов автоконтроля, применяемых в САК
массового производства, и приводит к необходимости разработки
принципиально новых алгоритмов адаптивного контроля, обла-
дающих определенной гибкостью.
Одна из первых САК с самонастройкой на заданные размеры
обрабатываемой детали была разработана в 1981 г. Ленинградским
ОКБ автоматов и револьверных станков в содружестве с произ-
водственным объединением ЛЭМЗ (ЛНПО «Электронмаш») [97].
Эта САК встроена в экспериментальный образец токарно-револь-
верного станка 1325ФЗ с модифицированной системой ЧПУ 2У32,
обеспечивающей автоматическое управление точностью токарной
обработки.
Структурно-функциональная схема адаптивной системы ЧПУ
со встроенной САК представлена на рис. 8.1. Как видно из этого
рисунка, в одном из гнезд револьверной головки станка установ-
лен датчик размеров Др. Этот датчик управляется системой ЧПУ,
позволяющей автоматически измерять наружные и внутренние
диаметры заготовок и деталей типа тел вращения. На станке
274
Рис. 8.1. Структурно-функцио-
нальная схема токарно-револь-
верного станка с ЧПУ и САК
установлены также датчи-
ки Дх и Ду для размерно-
го контроля и диагностики
состояния режущего ин-
струмента.
Таким образом, авто-
матическое измерение' гео-
метрических параметров
деталей и инструментов
осуществляется прямо в
рабочей зоне без снятия
их со станка.
Результаты измерения деталей с помощью датчика Др по мере
их обработки поступают в систему ЧПУ. Эта информация исполь-
зуется для первоначальной настройки режущих инструментов на
заданные размеры изделия, а также для автоматической коррек-
ции управляющих воздействий в зависимости от износа инстру-
ментов, тепловых деформаций и других динамических факторов,
не учитываемых программой обработки. Благодаря этому отпа-
дает необходимость участия человека-оператора как в первона-
чальной настройке станка, так и при текущем контроле за точ-
ностью изготовления деталей. Кроме того, система ЧПУ по ре-
зультатам измерения внутреннего и наружного диаметров деталей
осуществляет их автоматическую отбраковку.
Информация от датчиков Дх, Ду, получаемая в момент их
соприкосновения с режущим инструментом, позволяет определить
геометрические параметры его режущих кромок. Эта информация
после каждого цикла обработки вводится в систему ЧПУ. Здесь
по специальным алгоритмам оценивается износ инструмента и
корректируется программа управления обработкой при следующем
проходе. Тем самым обеспечивается требуемая точность изготов-
ления деталей без вмешательства человека.
Испытания данного станка со встроенной САК в целом пока-
зали, что он способен автоматически настраиваться (самонастраи-
ваться) на заданные размеры и обеспечивать требуемую точность
обработки (разброс размерных параметров в пределах 14 мкм)
независимо от непредсказуемого изменения условий резания
(износа инструментов, тепловых и упругих деформаций и т. и.).
В этом и проявляются адаптационные свойства описанной САК,
позволяющей вместе с модифицированной системой ЧПУ суще-
ственно повысить точность, надежность и производительность
станка.
Аналогичные самонастраивающиеся САК применены в обра-
батывающих центрах и токарных станках с ЧПУ, созданных
10*
275
в последние годы зарубежными фирмами. Ряд таких адаптивных
обрабатывающих центров и станков со встроенным САК был пред-
ставлен в 1981 г. на Всемирной станкостроительной выставке
в г. Ганновере, а также на последующих выставках.
В общем случае встроенные САК осуществляют не только те-
кущий контроль размеров деталей и инструментов, но и активную
диагностику состояния инструмента (включая выработку команд
на замену инструмента в случае его поломки), проверку подачи
охлаждающей жидкости и удаления стружки, проверку качества
и отбраковку негодных изделий. В состав САК. можно отнести
и датчики, используемые для контроля за состоянием отдельных
узлов и агрегатов станка (датчики сил и моментов в приводах,
температуры подшипников, давления в гидросистеме и т. д.).
Создание САК не сводится к выбору и комплексированию под-
ходящих датчиков. Не менее важной является разработка алго-
ритмического и программного обеспечения, необходимого для
организации эффективной работы САК-
Алгоритм адаптивного управления точностью обработки реза-
нием обычно включает в себя следующие операции:
1)	определение разброса (дисперсии) геометрических пара-
метров партии предварительно изготовленных деталей по отно-
шению к параметрам эталонной детали;
2)	определение систематической составляющей погрешностей
обработки резанием;
3)	определение геометрических параметров для чистовой обра-
ботки детали с учетом систематической погрешности;
4)	формирование и коррекцию программы движения режущего
инструмента;
5)	формирование и самонастройку управляющих воздействий
на приводы исполнительных механизмов.
Две последние операции реализуются по принципу обратной
связи: коррекция программы резания и самонастройка управляю-
щих воздействий производятся с учетом результатов измерения
геометрических параметров детали и инструмента в процессе
обработки. Благодаря этому и обеспечивается самонастройка САК
и системы ЧПУ на заданные геометрические параметры детали
при ее чистовой обработке.
Схема алгоритма адаптивного управления точностью меха-
нической обработки представлена на рис. 8.2. Конкретизация
алгоритмов функционирования отдельных блоков (функциональ-
ных модулей) осуществляется с учетом особенностей используе-
мого оборудования и специфики решаемой задачи. Например,
выбор алгоритмов в случае обработки резанием определяется
числом деталей в партии, способом базирования заготовок, фор-
мой деталей и требованиями к точности их изготовления, техноло-
гическими возможностями используемых станков. Важную роль
при этом играет технологическая жесткость заготовки, определяе-
мая отношением ее длины к диаметру (в случае деталей типа тел
276
Рис. 8.2. Схема алгоритма адаптив-
ного управления точностью обра-
ботки
вращения), данные об износе
режущего инструмента и на-
правляющих, систематиче-
ские погрешности обработки
и т. п.
Разработке общего алго-
ритма адаптивного управле-
ния точностью предшествует
выбор датчиков для САК и
статистический анализ по-
грешностей обработки для ти-
повых технологических си-
туаций. На основании перечня
и описания указанных ситуа-
ций формируются математи-
ческие модели погрешностей
обработки, которые сущест-
венно используются при рас-
чете и коррекции программных движений инструмента по ре-
зультатам измерений в САК-
На следующем этапе конкретизируется алгоритм управления
точностью, т. е. составляется формализованное описание про-
цессов обработки информации от САК и управления с помощью
системы ЧПУ. Для обеспечения возможности реализации этого
алгоритма в реальном масштабе времени производится оконча-
тельный выбор элементной базы для САК и системы ЧПУ. При
этом система ЧПУ должна строиться на базе быстродействующих
микропроцессоров и микроЭВМ.
Заключительный этап состоит в программной реализации
разработанных алгоритмов, т. е. в их переводе на язык машинных
команд системы ЧПУ. Следует подчеркнуть, что именно алгорит-
мическое и программное обеспечение системы ЧПУ в значитель-
ной степени определяет функциональные и адаптационные воз-
можности станков со встроенным САК-
Резюмируя вышеизложенное, можно утверждать, что в настоя-
щее время сложились необходимые научно-технические предпо-
сылки и объективные условия для создания и внедрения систем
адаптивного контроля РТК механической обработки ГАП. Появи-
лись различные САК со встроенными микропроцессорами, до-
пускающие простое сопряжение с системами ЧПУ станков и обра-
батывающих центров.
Значительные результаты в области разработки САК для стан-
ков с ЧПУ, включая специальное математическое (алгоритмиче-
ское и программное) обеспечение, получены в г. Ленинграде.
277
ОКБ автоматов и револьверных станков Ленинградского станко-
строительного объединения им. Я. М. Свердлова в содружестве
с рядом организаций разработало конструкторскую документацию
и опытные образцы адаптивных станочных модулей со встроенными
САК для ГАП. Серийный выпуск одного из таких модулей осваи-
вается Ленинградским заводом станков-автоматов.
Отечественный и зарубежный опыт создания и внедрения в ГАП
систем адаптивного контроля пока еще мал. Тем не менее на осно-
вании имеющегося научно-технического задела в этой области
уже сегодня можно сделать некоторые выводы и обобщения.
Общий вывод заключается в том. что использование систем
адаптивного контроля и управления точностью механической
обработки является принципиально важным и необходимым усло-
вием надежного функционирования ГАП. Естественно ожидать,
что такие системы станут неотъемлемой частью РТК и ГАП вто-
рого и третьего поколений.
8.3. ИЗМЕРИТЕЛЬНЫЕ МАШИНЫ И РОБОТЫ
Наряду с описанными выше встроенными САК, при которых
изделия измеряются непосредственно в процессе их обработки на
станке с ЧПУ, широкое распространение получили измерительные
машины и роботы, служащие для размерного контроля деталей
вне станка [98, 99]. Обычно эти машины и роботы используются
либо перед механической обработкой заготовок, либо после из-
готовления изделий при выходном контроле. В первом случае
они служат для автоматического обмера заготовок с целью кор-
рекции управляющих программ в системе ЧПУ станка, во вто-
ром — для автоматического контроля и отбраковки готовых из-
делий.
Измерительные роботы используются также в составе РТК для
промежуточного контроля деталей с последующей их транспорти-
ровкой и доработкой на станках. Совместная работа измерительных
роботов и станков с ЧПУ в составе РТК позволяет резко повысить
производительность и точность обработки. Это достигается за счет
расширения функциональных и адаптационных возможностей
РТК.
Особенно широко измерительные машины и роботы приме-
няются в мелкосерийном и серийном машиностроительном произ-
водстве для автоматизации измерений деталей сложной конфигу-
рации. .Благодаря универсальности и гибкости эти автоматиче-
ские устройства позволяют измерять сложные поверхности таких
деталей, как лопатки турбин, штампы, копиры, гребные винты
и т. п.
Измерительные машины и роботы начинают все больше исполь-
зоваться в ГАП в качестве подсистемы контроля и управления
качеством. Сегодня измерительные машины и роботы активно
используются, например, на участках ГАП, служащих для изго-
278
ТАБЛИЦА 8.1
Режим и метод А, -	измерения	Режим и метод управления			
	Ручной	Автоматический		
	человеком- оператором	программный	адаптивный	интеллек- туальный
Ручной, человеком- биератором Автоматический: нулевая схема дифференциальная схема	КИМ-1.1 КИМ-2.1 КИМ-3.1	КИМ-1.2 КИР-2.2 КИР-3.2	КИМ-1.3 КИР-2.3- КИР-3.3	КИМ-1.4 КИР-2.4 КИР-3.4
товления корпусных деталей. При этом продолжительность про-
цесса измерения уменьшается примерно на порядок по сравнению
с ручными средствами измерений, а точность достигает долей
микрометра.
Высокая производительность, точность и надежность измери-
тельных машин и роботов делают их незаменимым средством для
прецизионного (особо точного) измерения геометрических харак-
теристик деталей сложной формы. Предварительное (априорное)
программирование й оперативное перепрограммирование про-
цесса измерений на управляющей ЭВМ обеспечивает возможность
полной автоматизации размерного контроля в условиях
ГАП.
В основе принципа действия измерительных машин и роботов
лежит тот или иной метод автоматического измерения простран-
ственных координат, характеризующих положение измерительной
головки относительно измеряемой детали. В зависимости от числа
одновременно измеряемых пространственных координат измери-
тельные машины и роботы делятся на одно-, двух- и трехкоорди-
натные. Поэтому весь этот класс измерительных устройств часто
называют координатно-измерительными машинами и роботами
(сокращенно КИМ и КИР соответственно). Использование по-
воротных столов для установки деталей позволяет вести измерения
как в декартовой, так и в цилиндрической системе координат.
В настоящее время насчитывается несколько десятков моди-
фикаций КИМ и КИР, различающихся по точности измерений,
принципу управления, методу измерения, степени автоматизации,
конструкции, размерам рабочего пространства и т. д. Основными
признаками, характеризующими функциональные и адаптацион-
ные возможности КИМ и КИР, являются методы измерения и
управления и уровень автоматизации. Классификация КИМ и КИР
с этой точки зрения дана в табл. 8.1.
В этой таблице столбцы характеризуют режим и методы управ-
ления, а строки — режим и методы измерения. Наряду с ручным
управлением и измерением, используемым в КИМ, здесь представ-
279
Рис. 8.3. Схемы «нулевых» измеритель-
ных головок
лены различные методы и средст-
ва автоматического управления
и измерения, используемые глав-
ным образом в КИР.
Эволюция КИМ и КИР проис-
ходит в основном в двух направ-
лениях:
автоматизация считывания, об-
работки и записи результатов коор-
динатных измерений;
совершенствование методов и алгоритмов управления движе*
нием исполнительных механизмов, несущих измерительную го-
ловку и измеряемую деталь.
Средства автоматического считывания, обработки и записи ре-
зультатов координатных измерений в зависимости от используе-
мого метода измерения делятся на нулевые и дифференциаль-
ные 1981.
Нулевой метод измерения основан на определении фактиче-
ского положения головки относительно измерительных баз де-
тали с помощью «нулевой» измерительной головки, работающей
в режиме нуль-индикатора. «Нулевая» головка формирует им-
пульсные сигналы, определяющие абсолютные координаты кор-
пуса головки в системе координат КИМ или КИР в момент ее
соприкосновения с деталью. Эти данные подаются в микропроцес-
сор, который сравнивает фактические координаты с идеальными,
соответствующими эталонной детали, и определяет координатные
отклонения измеряемой детали от эталонной.
«Нулевые» головки обычно конструируются на базе датчиков
касания, в качестве которых широко используются электро-,
радио- и виброконтактные датчики. Эти головки, называемые еще
головками касания, делятся на два класса: с изменяющимся и
фиксированным нулевым положением измерительного наконеч-
ника.
Головки первого класса после отвода их от детали сохраняют
то положение наконечника, которое было достигнуто после кон-
такта. Поэтому нулевое положение наконечника таких головок
изменяется в процессе измерений. Примером головки с изменяю-
щимся нулевым положением может служить однокоординатная
головка TF-4 итальянской фирмы «ДЕА» («ОЕА»), схематично
изображенная на рис. 8.3, а.
Головки второго класса имеют специальный механизм воз-
врата, который после очередного измерения приводит наконечник
в одно и то же нулевое положение. Такие головки называют само-
возрастающимися [99]. Примером головки с фиксированным
нулевым положением наконечника может служить двухкоорди-
280
натная головка с грибковым механизмом возврата наконечника,
представленная на рис, 8.3, б.
При дифференциальном методе сравнения с мерой (по
ГОСТ 16263—70) используются «дифференциальные» измеритель-
ные головки, формирующие сигнал, пропорциональный отклоне-
нию измерительного наконечника (щупа) относительно корпуса
головки. При этом сравнение фактических координат детали
с идеальными производится либо в аналоговой форме с помощью
схемы сравнения, либо программно на микропроцессоре.
«Дифференциальные» головки часто называют головками от-
клонения. Они имеют устройство ориентации, обеспечивающее
установку наконечника под определенным углом (обычно по нор-
мали к поверхности измеряемой детали).'В зависимости от прин-
ципа действия и конструкции этого устройства головки отклоне-
ния делятся на два класса: с управляемым наконечником и с само-
устанавливающимся наконечником.
Примером управляемой трехкоординатной головки может слу-
жить головка отклонения западногерманской фирмы «Оптон»
{Opton, ФРГ), представленная на рис. 8.4, а. В конструкцию го-
ловки входит три каретки с взаимно перпендикулярными направ-
ляющими на пружинных параллелограммах. Каждая каретка
имеет встроенный индуктивный датчик. Измерительное усилие
создается с помощью трех подвижных катушек, связанных с на-
конечником. В качестве примера самоустанавливающейся двух-
координатной головки может служить головка с грибковым ме-
ханизмом возврата наконечника, схематически изображенная
на рис. 8.4, б.
Описанная классификация измерительных головок представ-
лена на рис. 8.5. Большое разнообразие типов измерительных
головок обусловлено разнообразием метрологических задач, воз-
никающих в условиях автоматизированного производства.
Универсальность и гибкость КИР в ГАП в значительной сте-
пени обеспечиваются возможностью автоматической смены изме-
рительных головок. Выбор той или иной головки определяется
конфигурацией измеряемой детали и особенностями технологии
обработки и измерения.
В специализированных КИМ обычно применяются двухкоор-
динатные головки. В КИР, имеющих сравнительно невысокую
точность, используются трехкоординатные «нулевые» головки
с фиксированным (самовозвращающимся) нулевым положением
наконечника. Эти головки особенно удобны для измерения кор-
пусных деталей. В прецизионных КИР используются, как пра-
вило, трехкоординатные дифференциальные головки, позволяю-
щие автоматизировать широкий спектр метрологических опе-
раций.
Важную роль при автоматизации измерений играют способы
подхода и обхода поверхностей измеряемых деталей. Подход
к контрольным точкам обычно осуществляется посредством управ-
281
5)
Рис. 8.4. Схемы сдиффереициаль-
ных» измерительных головок
Рис. 8.5. Классификация измери-
тельных головок
ляемых перемещений измерительного наконечника или детали
по одной или нескольким координатам. Это достигается за счет
предварительного программирования взаимосвязанных движений
и скоординированного управления приводами. В ряде случаев
дополнительно требуется, чтобы подход наконечника или обход
детали по контуру производились по нормали к поверхности де-
тали. При. этом обход детали может производиться дискретно
(по принципу «от точки к точке») или непрерывно.
Особый интерес представляет отслеживание поверхности де-
тали. При этом приводы исполнительных механизмов работают
282
как следящие системы. Поскольку поверхность измеряемой де-
тали может быть заранее неизвестной. КИР в режиме отслежива-
ния как бы адаптируется к детали. По мере отслеживания считы-
вается, обрабатывается и выводится информация о координатах
поверхности детали, отклонении этих координат от соответствую-
щих координат эталонной детали и т. п.
Рассмотрим несколько типичных примеров трехкоординатных
КИМ и КИР, реализующих описанные выше принципы измерения
и управления.
КИМ «Валидатор 700-50-2010» фирмы «Браун и Шарп» {Brown
and Sharpe, США) относится к классу КИМ-1.1 (см. табл. 8.1). Она
имеет блок цифровой индикации, показывающей текущие коор-
динаты измерительной головки с жестким наконечником. Разре-
шающая способность датчиков линейных координат составляет
0,002 мм, точность измерений по каждой координате +0,012 мм,
область достижимости (пределы перемещения измерительного
наконечника)— 685x508 + 254 мм3. Все операции, связанные
с измерением детали и частично с управлением измерительной
головкой, выполняются вручную.
КИМ DKM-1-300D фирмы «Карл Цейс» {Carl Zeiss, ГДР) от-
носится к классу КИМ-3.1 (см. табл. 8.1). Она оснащена блоком
цифровой индикации и индуктивной измерительной головкой.
Разрешающая способность (дискретность отсчета) — 0,001 мм,
область достижимости — 300x200x150 мм3. Благодаря примене-
нию индуктивной измерительной головки обработка результатов
измерений частично автоматизирована. К этому же классу отно-
сится КИМ КМ-Z фирмы «Маузер» {Mauser, ФРГ), представленная
на рис. 8.6.
Для более полной автоматизации процесса измерений и управ-
ления многие современные КИМ и КИР оснащаются микро- и
мини-ЭВМ. Математическое (алгоритмическое и программное) обес-
печение этих ЭВМ позво-
ляет производить считыва-
ние, обработку и запись ре-
зультатов измерений авто-
матически. С его помощью,
в частности, измеренные
размеры детали пересчиты-
ваются из системы коорди-
нат КИМ или КИР в систе-
му координат детали. Тем
самым отпадает необходи-
мость в трудоемкой опера
ции выставления детали на
измерительном столе.
Рис. 8.6. Координатно-измери-
тельная машина KM-Z
283

Отечественная КИМ ВЕ-155 (и аналогичная ей КИМ ВЕ-140К)
представляет собой универсальную автоматизированную машину
для прецизионных измерений. Ее измерительная головка может
перемещаться в трех ортогональных направлениях со скоростью
2—6 м/мин. Точность измерений с помощью резонансных сен-
сорных головок составляет 0,2—0,5 мкм.
Информационно-управляющая система КИР ВЕ-155 включает
микроЭВМ СМ-1, устройства ввода и вывода информации на пер-
фоленте, алфавитно-цифровой дисплей, устройство индикации
результатов измерений, измерительный усилитель и блоки сер-
воуправления электрическими приводами.
Рис. 8.7. Коордииатно-измерительиые машины фирмы ДЕА
Программа измерений на специальном языке предварительно
записывается на перфоленту и вводится в управляющую ЭВМ
СМ-1. Тем самым обеспечивается автоматическое наведение из-
мерительного наконечника на контролируемые точки детали.
Результаты измерений, а также эталонные значения измеренных
характеристик печатаются в виде протокола измерений.
Широкий класс КИМ и КИР с высокой степенью автоматиза-
ции представляют измерительные машины, выпускаемые итальян-
ской фирмой DEA; КИМ и КИР этой фирмы имеют различные кон-
структивные схемы. Общий вид КИМ серии «Йота» и «Бета»
представлены на рис. 8.7, а—б. Основные характеристики КИМ
этой серии приведены в табл. 8.2.
Примером КИР, встраиваемого непосредственно в РТК или
ГАП, может служить измерительный робот «Браво» фирмы DEA.
Общий вид этого КИР представлен на рис. 8.8. Основные харак-
теристики этого КИР приведены в табл. 8.3. На рис. 8.9 представ-
лен общий вид некоторых электромеханических измерительных
головок фирмы DEA, применяемых в КИМ и КИР.
284
(	Общая погрешность 1	позиционирования, мкм 1		N	000,0.00 О.ООО_ОО	ООй1Л1Л1ЛЮЮ1ЛОеОкО(.О<. ©с© СО СО	©' lO ©'©' Г"-* Г"-'b-' b-'	сч оГ of of со"СО*со' СО ©* ©' ©* in — — — •O-H+l+l+l+l+l+l+l+l+l	+I+I+I+I+I+I+I+I+I-H-H-H +1+1+1
		а»	0.0.10 10 р ©.©.0^0,0.<о ©_	000000.000000 тГ -чг ТГ TF ©" цр цр со г-' b-* b** Ь-*	04 оГ СО СО* ©* 1Q lO © ©' ©' ©* ©	— —. —. -Н -н +1 +1 +1 +1 +1 +14-1 +1 -Н -И	-И +1 +1 +1 +1 +1 +1 +1 +1 -Н +1 -Н	-Н +1 +1
		н	© © _ ©ж© OO^O^O^O^O^O^Oq^	о. Ш©©©^©^ О.ООЮ.ОО.	ОШ© •чр^Г©©© Г**00 О?Ь**00 — —	04 04 СО © © © 00 © b-" 00 СП	04 04 СО -Н+1-Н-Н-Н-Н-Н-Н-Н-Н 44-Н	44 44 4444 44 4444 44 44 4444 44	4444 44
Линейная погрешность позиционирования, мкм (L, мм)			...	o'S' ОООООООО	§§	ОООССССО о о о о о о о о	о о о о о о о °°° oooooooogggg	'..ggoooococc	888 •^•^©©©©©©3jZq2jLj	of of^j^)©©©©©©©©	ooc ++++++++777^	++”7++++++++	”27 © © 1П © П 1П © © -j—Ы	H	©© H—Г© © 1П 1П 1П© © ©	+л“4" of of of of co* co" co* co*	«чг	^£^04.0704*	$2-5^22- 44 44 44 44 4444 44 44 44 44 44 44	44 44 44 44 44 44 44 44 44 44 44 44	44 44 44
Ход по координатам, мм	1	Ручной режим	| Автоматизированный режим	N	222222°2ССО°	©©© ^^©©©©©(ООООф	Tf ТГ © © © © © © О O> ©	©©©
		а»	oooooooooogo	ooooooooogoo	04 04 04 © © © © о о о о о о> о о>	© © © © о> о о о о о о о	S3 S3 S2
		ц	1О Ю Ю © m © © © © © © ©	in in © © IQ о © © in © Q ©	© ©	© L0	. сч — 04 СО 'Ф —« 04 со	© —« —• 04 — 04 СО —« 04 СО -ф	СО хГ © ЮООС^ОСОООЮОСООСЮ	tnCr>CT>COCr>CO0Ol-C)Cr>CO0Otn	© ©	04 —	—< —« СЧ	— — 04	—	— — 04	— —СЧ	—- 04 СО
		N	tn IQ in tn in in <n IQ in <n in	IQ	IQ 1П 1П 1П 1П 1П 1П LO 1П 1П LO	1П	LQ 1П	1П ©©©©©©©© 04 04 04	04	©©©©©©©© 04 04 04	04	04 04	04 *Ф 'Ф ©©©©©©© ©О	©	’«f	©©©©©©©©	О	©	© ©	©
			П © in tn сП in Ю tn Ю in © in	©©©inn©©©©©©©	©Q? ©©©©СЧ04 04 04 04 04 04 04	©©©©04 04 04 04 04 04 04 04	© © © ©©©©©©©©©©О©	©©©©ОООООООО	333
		Ч	©©©©©ccc©coc	©©©©©©©©©co©	©©© © 04 04 CO 04 CO •'Ф © 04 co ©	© 04 04 CO 04 CO ^ © 04 CO ©	3" © © ©©©•^©тГ©©©тГО>©	©©о^-о-^гсг>©о-^гсг>©	cr> © co —	— —ГО4—'—-04				 — 04 — —	04	— 04 CO
Модель КИМ			3 —- 04 04 CO 04 CO чМО 04 CO © 2 , « —« 04 04 CO 04 CO -"Ф © 04 CO «Ф © 3 £J FS Я §©©оос©©оо©о© t аооо©оооо©р©о Sggg О .J —^04 04 040404040404	гл	г/ О © — — — ——.— 04 04 04 04	^ © О — — — — —- — 04 04 СЧ 04 CQ £<J £<J £ч
285
Рис. 8.8. Коордииатио-измерительный
робот «Браво»
Отличие КИМ от КИР за-
ключается главным образом в
степени автоматизации процес-
сов управления и измерения.
Как видно из табл. 8.1, для
КИР характерна полная авто-
матизация как процесса управ-
ления исполнительными меха-
низмами, несущими измерительную головку, так и процесса
регистрации, обработки и записи результатов измерений. Кроме
того, КИР зачастую оснащаются системой автоматической смены
измерительных головок. Это значительно расширяет функцио-
нальные возможности КИР. превращая их в своего рода измери-
тельные центры.
В качестве КИР могут использоваться обычные манипуляцион-
ные роботы, если на место их захватного механизма установить
измерительную головку. Так, например, шведская фирма «Вольво»
(Volvo) для автоматизации измерительных операций использует
промышленные роботы «Асеа» (Asea), оснащенные трехкомпонент-
ной измерительной головкой [99].
В последнее время созданы многокоординатные КИР с пово-
ротными измерительными головками, что позволило измерять
детали весьма сложной формы и проникать с их помощью в труд-
нодоступные места. Примерами таких роботов могут служить
английские роботы «Гранит-80» (Granite-8Q) и «Мэтр Фопр» (Metre
Fopr).
Для ускорения процесса измерения иногда применяют группу
КИР. Эти роботы производят одновременный обмер детали с раз-
ных направлений. В ряде случаев целесообразно использовать
КИМ или КИР в сочетании с манипуляционными роботами,
которые производят установку детали на измерительный стол и
ее снятие после завершения измерений. В результате такого сим-
биоза получается новый класс систем — измерительные РТК-
ТАБЛИЦА 8.3
Модель «Браво»	Ход по координатам, мм			Разрешающая способность, мкм	Линейная погрешность позиционирования, мкм (L. мм)
	X	У	г		
AA/SA	1300—2500	300	300	20	±(100+506/1000)
А А НА	1300—2500	300	300	2	±(5+86'1000)
11/НА	900—3600	625	625	2	±(10+156/1000)
23/НА	1000—5080	1200	1500	10	±(100+506/1000)
286
Средства автоматического управления КИМ и КИР в зави-
симости от реализуемого в них принципа управления делятся
(см. табл. 8.1) на программные, адаптивные и интеллектуальные,.
Методы управления существенно влияют на точность измерений
и производительность КИР. Управляя качеством переходных
процессов, можно обеспечить желаемый (например, экспонен-
циальный) характер затухания динамических ошибок и достичь
предельной точности измерений, лимитируемой точностью (раз-
решающей способностью) датчиков положения исполнительных
механизмов и измерительной головки.	-
Рис, 8.9. Измерительные головки фирмы ДЕА
Классификация КИР по принципу управления (при условии,
что измерения осуществляются автоматически) может служить
основой для разделения их на поколения. В основе систем управ-
ления КИР первого поколения лежит принцип ЧПУ. Соответ-
ственно КИР второго и третьего поколений управляются от
микропроцессоров и ЭВМ, реализующих принципы адаптивного
и интеллектуального управления. В настоящее время большин-
ство КИР (КИР-2,2, 2.3, 3.2, 3.3, табл. 8.1) имеют системы ЧПУ и
АПУ. Что же касается КИР с интеллектуальным управлением
(КИР-2.4, 3.4, табл. 8.1), то они пока находятся в стадии разра-
ботки и лабораторных испытаний.
8.4. РЕЖИМЫ РАБОТЫ ИЗМЕРИТЕЛЬНЫХ РОБОТОВ
И ЗАДАЧИ УПРАВЛЕНИЯ
Рассмотрим основные режимы работы КИР и связанные с ними
особенности программного, адаптивного и интеллектуального
управления. С позиции общей теории управления можно выделить
следующие режимы функционирования и управления КИР:
1)	наведение (или самонаведение) измерительного наконечника
в заданные точки детали;
2)	стабилизацию заданного программного движения измери-
тельного наконечника;
287
3)	отслеживание измерительным наконечником детали по кон-
туру или поверхности.
Цель наведения (самонаведения) заключается в приведении
наконечника в е-окрестность заданной точки измеряемой детали.
В момент соприкосновения наконечника с деталью производится
считывание фактических координат выбранной точки и их сравне-
ние с ожидаемыми (эталонными) координатами. Важнейшими тре^
бованиями, предъявляемыми к системе управления КИР в данном
режиме, являются точность и быстрота наведения (самонаведения).
Цель управления в режиме стабилизации заключается в обес-
печении асимптотической устойчивости заданной программы изме-
рения, формализованной в виде программного движения испол-
нительного механизма КИР. На практике важно обеспечить не
только асимптотическую устойчивости программного движения,
гарантирующую компенсацию динамических ошибок, но и задан-
ный характер переходного процесса. Это требование усложняет
расчет системы управления.
Цель управления в режиме отслеживания заключается в об-
ходе детали по контуру или. поверхности, причем этот контур или
измеряемая поверхность могут быть заранее неизвестны. По суще-
ству в этом режиме система управления КИР работает как следя-
щая система, причем роль уставки или «копира» здесь играет кон-
тур или поверхность измеряемой детали.
Алгоритмическое и программное обеспечение систем управле-
ния КИР существенно зависит не только от режимов работы, но
и от типа используемых измерительных головок. Поэтому для
каждого режима работы КИР должны разрабатываться свои
алгоритмы отработки информации и управления, учитывающие
конструктивные и функциональные особенности измерительной
головки (см. рис. 8.5).
Управление КИР с дифференциальной головкой осуще-
ствляется аналогично управлению станком или роботом с контур-
ной системой ЧПУ или АПУ. В процессе предварительного обуче-
ния (программирования) исполнительный механизм КИР, несу-
щий измерительную головку и измеряемую деталь, перемещался
так, чтобы измерительный наконечник двигался по заданной
траектории на эталонной детали. Соответствующий этому пере-
мещению закон изменения управляемых координат представляет
собой программное движение, которое записывается в память
системы ЧПУ.
В КИР с адаптивным и интеллектуальным управлением про-
граммирование движений измерительной головки осуществляется
в автоматическом режиме. При этом эталонная траектория изме-
рительного наконечника задается аналитически или генерируется
с помощью некоторого алгоритма. По этой траектории автома-
тически рассчитывается (а в ряде случаев оптимизируется) про-
граммное движение исполнительного механизма с учетом кинема-
тических и динамических ограничений.
288
Рис. 8.10. Схема контурного измере-
ния с помощью дифференциальной
головки
В процессе автоматиче-
ского управления программ-
ное движение считывается из
памяти и подается как мно-
гомерная «уставка» на си-
стему сервоприводов, обеспе-
чивающих их фактическое
осуществление. Отклонение
реальной траектории измерительного наконечника от программ-
ной регистрируется и используется для оценки погрешности из-
готовления детали.
Схема контурного измерения с помощью системы ЧПУ пред-
ставлена на рис. 8.10. Контур измеряемой детали отличается от
заданного контура эталонной детали. Дифференциальная головка
регистрирует отклонение 6, которое автоматически регистрируется
и обрабатывается. В качестве программной траектории измери-
тельной головки используется траектория, эквидистантная к за-
данному (эталонному) контуру на величину радиуса измеритель-
ного наконечника. Обход детали по контуру производится с опре-
деленным усилием, необходимым для точного измерения погреш-
ностей обработки.
Измерительный наконечник устанавливается по нормали к кон-
туру (или поверхности) детали и отклоняется от нулевого поло-
жения на величину, пропорциональную погрешности 6. Текущее
отклонение измерительного наконечника преобразуется в элек-
трический сигнал, который регистрируется и передается в блок
обработки результатов измерений.
При обходе детали по плоскому контуру управление осуще-
ствляется по двум координатам, а при обходе по сложным про-
странственным кривым — по трем координатам. Для измерения
деталей сложной конфигурации управление иногда производится
по четырем или пяти координатам. В ряде случаев траектория
измерительного наконечника программируется прямо по эталон-
ной траектории на детали. При этом отпадает необходимость опре-
делять диаметр измерительного наконечника для расчета экви-
дистантной траектории.
Контурное управление дифференциальной головкой может
использоваться не только при непрерывном измерении, но и при
измерении детали в отдельных точках. В последнем случае не-
обходимо предварительно построить программное движение, обес-
печивающее последовательное приведение измерительного на-
конечника в контрольные точки.
Точность измерений зависит от точности осуществления про-
граммного движения. Отклонение реального движения измери-
289
Рис. 8.11. Схема дискретного измерения в контроль-
ных точках эквидистантной поверхности:
1 — эквидистанта РП: 2 — эквидистанта ЭП; 3 — реаль-
ная поверхность (РП); 4 — эталонная поверхность (ЭП)
тельного наконечника от программного
представляет собой динамическую ошибку.
Для компенсации динамических ошибок
и обеспечения желаемого характера пере-
ходных процессов используются различные
серворегуляторы и адаптивные системы
управления приводами исполнительных
механизмов КИР. Наилучшее качество
переходных процессов при непредска-
зуемом дрейфе параметров и условий эксплуатации КИР обеспе-
чивают цифровые адаптивные серворегуляторы, осуществляющие
самонастройку системы ЧПУ [47].
Широкое практическое применение имеют системы управле-
ния КИР, ориентированные на использование нулевых измери-
тельных головок. Интерес к этим головкам возродился после
появления КИМ UMM-500 фирмы «Оптон» (Opton) и РММ-12106
фирмы «Лайтц» (Leitz, ФРГ) и их модификаций, которые хорошо
зарекомендовали себя при измерениях деталей сложной конфи-
гурации.
Автоматизация управления такими КИМ и КИР требует раз-
работки специальных алгоритмов отработки измерительной ин-
формации, обеспечивающих решение следующих задач:
1)	выбор сетки контрольных точек на поверхности эталонной
детали и расчет их координат;
2)	определение в процессе измерений соответствия между
контрольными точками поверхностей измеряемой и эталонной
детали;
3)	аппроксимацию (интерполяция) реальной поверхности де-
тали по результатам измерений в контрольных точках.
Система управления обычно работает в режиме последова-
тельного наведения (самонаведения) на контрольные точки вы-
бранной сетки, т. е. измерения осуществляются дискретно по
принципу позиционирования «от точки к точке».
Рассмотрим особенности управления в режиме наведения на
контрольные точки на примере измерения погрешностей изготов-
ления зуба конического косозубого колеса с помощью КИР
UMM-500. Схема измерения иллюстрируется рис. 8.11.
Перед началом измерения специальный программный модуль
выбирает сетку контрольных точек на измеряемой поверхности
эталонной детали, определяет их декартовы координаты и направ-
ляющие косинусы нормалей к поверхности в этих точках, а затем
по полученным данным вычисляет сетку контрольных точек
поверхности, эквидистантной эталонной на величину радиуса
измерительного наконечника.	. u t
290
Система ЧПУ с высокой точностью (около 0,5 мкм) последо-
вательно наводит нулевую головку в контрольные точки измеряе-
мой детали. При этом фиксируются горизонтальные координаты
х0 и у0 и регулируется вертикальная координата центра измери-
тельного наконечника г0 в момент соприкосновения с поверхностью
детали. Погрешность по оси z определяется как разность 62 =
= z0 — zB, а погрешность, приведенная к нормали эталонной
поверхности в точке А, вычисляется по формуле 6П = 6г cos ос.
В ряде случаев система ЧПУ ориентирует измеряемую деталь
так, чтобы направление нормали и эталонной поверхности совпа-
дало с выбранным направлением измерения.
Нулевые головки могут применяться и при непрерывных изме-
рениях, когда поверхность эталонной детали и эквидистантную
к ней поверхность удается задать аналитически. Однако для слож-
ных аналитически заданных поверхностей расчет соответствующих
программных движений измерительного наконечника представ-
ляет собой трудоемкую задачу. Тем не менее в ряде случаев (на-
пример, при непрерывном измерении эвольвентных зубчатых
колес) такой подход оказывается достаточно эффективным.
Более универсальным и удобным является способ аппроксима-
ции (интерполяции) реальной поверхности детали по результатам
ее измерения в отдельных контрольных точках. Этот способ ис-
пользуется в КИМ и КИР для измерения плоских контуров дета-
лей. Его суть заключается в следующем. Через три последователь-
ных положения центра измерительного наконечника, снятых
с помощью нулевой головки, проводят параболу, которую при-
нимают за эквидистантный контур. На пересечении этой параболы
с нормалью к эталонному контуру в контрольной точке фикси-
руют точку и вычисляют расстояние между этими точками. Вычи-
тая из полученной величины радиус измерительного наконечника,
получают искомую погрешность обработки в контрольной точке.
Описанный алгоритм определения погрешностей реализован
в системе ЧПУ КИМ UMM-500. Он обладает определенной гиб-
костью при переходе на измерение новых деталей со сложной кон-
фигурацией.
8.5.	АДАПТИВНОЕ УПРАВЛЕНИЕ
КООРДИНАТНЫМИ ИЗМЕРЕНИЯМИ
Характерная особенность функционирования КИР заклю-
чается в том, что целый ряд параметров и условий, определяющих
динамику процесса измерений, заранее неизвестен и может не-
предсказуемо изменяться в ходе управления. К неопределенным
параметрам и нестационарным условиям можно отнести упругие
деформации и силы трения в исполнительных механизмах, есте-
ственный разброс и дрейф характеристик приводов, параметры
измеряемой детали, разного рода помехи и неконтролируемые
возмущения.
291
Одним из наиболее эффективных средств компенсации имею-
щейся неопределенности и постоянно действующих возмущений
является адаптивное программирование и управление КИР. Важ-
ным преимуществом КИР с адаптивным управлением является,
в частности, возможность компенсации неблагоприятного влияния
на точность измерений массы аттестуемой детали, а также масса
вертикальной каретки вместе с устанавливаемой на ней совокуп-
ностью измерительных головок со сменными механическими, опти-
ческими и электронными наконечниками. Это достигается за счет
некоторого усовершенствования структуры системы управления
и самонастройки ее параметров. Благодаря такой адаптивной
нейтрализации действия указанных динамических факторов отпа-
дает необходимость в сложных электромеханических и пневмати-
ческих противовесах, используемых во многих КИМ и
КИР.
Переход от традиционного программного управления к более
совершенному адаптивному (а в перспективе и к интеллектуаль-
ному) управлению КИР требует автоматизации как процесса
программирования измерений с учетом метрологических требова-
ний и технологических условий, так и процесса управления про-
граммой с заданным качеством ее отработки в изменяющейся
производственной обстановке. Рассмотрим особенности синтеза
адаптивного управления процессом координатных измерений на
примере КИР УИМ-28, разработанного Ленинградским оптико-
механическим объединением им. В. И. Ленина [621. В состав
КИР УИМ-28 входит управляющий вычислительный комплекс и
собственно измерительная машина, включающая измерительную
головку, исполнительные механизмы и систему электрических
приводов со встроенными датчиками сигналов обратной связи.
Управляющий вычислительный комплекс представляет собой
стойку управления на базе микроЭВМ с необходимым программным
обеспечением, средства цифровой индикации и алфавитно-цифро-
вое печатающее устройство.
Управление КИР УИМ-28 может производиться как в ручном,
так и в автоматическом режимах. Ручное управление применяется
в процессе наладки и обучения КИР требуемым измерительным
операциям. В процессе измерения управление координатными
перемещениями измерительной головки осуществляется по задан-
ной программе в автоматическом режиме.
Процесс управления заключается в наведении измерительной
головки в контрольные точки, в перемещении по заданной про-
грамме или в отслеживании детали по контуру. Считывание коор-
динат точек касания измерительного наконечника с аттестуемой
поверхностью детали осуществляется автоматически в процессе
движения, т. е. без остановок измерительной головки. По резуль-
татам координатных измерений рассчитываются действительные
размеры аттестуемой детали и их отклонения от номинальных
(эталонных) значений. Протокол автоматических измерений вы-
002
дается с помощью алфавитно-цифрового печатающего устройства
«Консул».
По своим техническим характеристикам УИМ-28 является уни-
версальным прецизионным КИР с широкими функциональными
и адаптационными возможностями. Точность измерений лими-
тируется разрешающей способностью датчиков (около 0,2 мкм),
Рис. 8.12. Конструкция КИР
в качестве которых используются лазерные интерферометры.
Скорость координатных перемещений составляет 0,025—25 мм/с,
область достижимости (пределы координатных перемещений) —
315x160x160 мм3. Масса измеряемых деталей не должна пре-
вышать 75 кг.
Конструкция КИР УИМ-28 видна из рис. 8.12. В ее состав
входит жесткая Т-образная станина, имеющая направляющие
с роликами. По этим направляющим перемещается вдоль оси Ох
каретка-стол, несущая измеряемую деталь. Перпендикулярно
к оси Ох в горизонтальной плоскости на станине закреплена жест-
кая стойка. Она имеет направляющие с роликами, по которым
293
перемещается вдоль оси Оу каретка, несущая на себе жесткую
стойку с вертикальными направляющими того же типа. По верти-
кальным направляющим перемещается вдоль оси Ог каретка
с устройством для установки измерительной головки. Все каретки
приводятся в движение с помощью однотипных двигателей по-
стоянного тока с печатным якорем через редуктор и шарико-
винтовую пару.
Предметный стол, жестко связанный с ходовой гайкой, пере-
мещается по роликовым направляющим станины вдоль оси Ох.
Он приводится в движение двигателем постоянного тока. Вращение
вала двигателя через муфту передается валу промежуточного
редуктора, выходной вал которого через другую муфту вращает
ходовой винт. Последний вместе с ходовой гайкой образуют ша-
рико-винтовую пару, которая преобразует вращательное движе-
ние ходового винта в поступательное движение каретки-стола.
Механизмы передачи движения вдоль осей Оу и Oz аналогичны
механизму перемещения предметного стола. Отличие заключается
лишь в том, что выходной вал промежуточного редуктора образует
одно целое с ходовым винтом, причем механизм вертикального
перемещения имеет еще и разгрузочное устройство, которое ком-
пенсирует массу каретки с измерительной головкой.
Динамика и управление по каждой из координат не зависят
от двух других. Это обстоятельство существенно упрощает синтез
и анализ как программного, так и адаптивного управления КИР.
Достаточно разработать метод и средства управления по одной
координате, а использовать их можно и для управления по двум
другим координатам. Исходя из этого, рассмотрим динамические
свойства и возможности систем программного и адаптивного
управления КИР УИМ-28 на примере управления столом-ка-
реткой. С этой целью составим уравнение, описывающее динамику
механизма перемещения стола-каретки вместе с измеряемой де-
талью. Обозначим через х линейное перемещение стола-каретки,
а через ср. q, и <р2 — углы поворота вала двигателя, ходового
винта и вала редуктора соответственно. Эти переменные связаны
между собой следующими уравнениями кинематики:
Ф1 - 1хХ\ ф2 Z;!<pt --= z.,.c,	(8.1)
где ix, i2, z3 — передаточные отношения шарико-винтовой пере-
дачи, редуктора привода и промежуточного редуктора, причем
ix = 2 л/г1, z2 = h — шаг ходового винта.
С учетом трения и упругих деформаций в редукторе имеем
(ф — i2x) - Мя,	(8.2)
где М„ — моменты нагрузки на валу двигателя; kR — коэффици-
енты упругих деформаций в приводе.
Динамика механизма перемещения стола-каретки описывается
дифференциальным уравнением второго порядка
тх -j- kBx = Л4Н,	(8.3)
294
где т — приведенная масса стола-каретки вместе с измеряемой
деталью; &в — коэффициент вязкого трения в исполнительном
механизме.
Уравнение моментов на валу двигателя имеет вид
/ф + Лтф iJ'u'Wh = Мн,	(8.4)
где J — приведенный момент инерции двигателя; kT — коэффи-
циент трения; т] — КПД редуктора; Мк — вращающий момент,
определяемый формулой
Мк = kla-	(8.5)
k — параметр; I — сила тока в цепи якоря.
Уравнение электрических процессов в цепи якоря имеет вид
£/я + /?/я + М = ^я>	(8.6)
где L и R — индуктивность и сопротивление в цепи якоря; Ua —
напряжение в обмотке якоря. Управляющий сигнал (управле-
ние) и и пропорционально Ua. Точнее говоря, имеет место соот-
ношение
Пя = kmkyu,	(8.7)
где km, ky — коэффициенты усиления широтно-импульсного пре-
образователя (ШИП) и усилителя постоянного тока. Поскольку
частота коммутации ШИП достаточно велика (около 15 кгц) и зна-
чительно больше частоты среза, то можно считать (по теореме
Котельникова), что ШИП практически не влияет на динамические
свойства системы перемещения стола-каретки.
Из анализа системы уравнений (8.1)—(8.7) следует, что теку-
щее состояние КИР по координате х полностью определяется
вектором
z = |х, х, ф, ф, /я|г.	(8.8)
Динамика КИР в терминах вектора состояний описывается
следующей обобщенной математической моделью:
z = Аг + Ьи,	(8.9)
где
	0	10	0	0		0	
	^21	@22	@23 0	0		0	
А =	0	0	0	1	0	; Ь =	0	;	(8.Ю)
	С41	0	@43	@44	@45		0	
	0	0	0 Cs4 G55		Ьъ	
o2i = — т	^22 — /П 1 (Ат	^23 —			
а4] =	а43 =	а44 — —J"1 (&т + Лт121'>1);
1^.6 ^45	»	^54	7. Сбб —	~— 7.
295
Остановимся на динамических свойствах модели (8.9). Эта
модель линейна и вполне управляема, т. е. матрица управляе-
мости 5 = ||Ь, АЬ, А2Ь, А*Ь, А*Ь || не вырождена. Вследствие
этого существует невырожденное линейное преобразование [107]
z = Sox,	(8.10)
приводящее уравнение (8.9) к каноническому виду
х = Аох + Ьои,	(8.11)
где
	0 10 0 0		0	
	0 0 10 0		0	
Ao = SoMS0 =	0 0 0 1 0	; Ьо = So'b	0	
	0 0 0 0 1		0	
	a? al а3 а?		1	
х = (х, х, х, х, х)г —	вектор канонических переменных,			а пара
метры а°, ..., al выражаются через параметры матрицы А и век-
торов Ь.
Разрешая уравнение (8.11) относительно управления, получим
и — bl (х — Аох) ~ GT (х, х)т(А0, Ьо),	(8.12)
где G и т — некоторые вектор-функцйи 12. Структура этого урав-
нения подсказывает структуру регулятора, обеспечивающего
асимптотическую устойчивость заданного ПД хр (0. Тогда иско-
мый закон управления (ЗУ) имеет вид [107]
и = Ы [хр + Го (х — хр) — Аох] ~ GT [х, хр + Го (х — хр)] т (Ао, Ьо),
(8.13)
где матрица коэффициентов усиления Го устойчива (гурвицева)
и имеет каноническую	структуру. Последнее означает, что	
	0 10 0 0	
ч	- £j p'f'j Г	0 0 10 0	
у. 	- > Г'о =	0 0 0 1 0	»	(8.14)
	0 0 0 0 1	
г	71 Тг 7з 74 7s	
причем вещественная часть собственных чисел Хг (Го), i = 1, ...
..., 5, матрицы Го отрицательная, т. е. корни уравнения
det (V — Го) — 0 лежат на комплексной плоскости слева от
мнимой оси.
Выбором параметров ..., у5 матрицы Го можно обеспечить
не только асимптотическую устойчивость ПД хр (0, но и экспо-
ненциальный характер затухания переходных процессов. Это
позволяет осуществлять автоматические измерения по программе
296
без колебаний, избегая больших усилий на измерительный на-
конечник.
Для обоснования сформулированных свойств синтезированного
регулятора подставим ЗУ (8.13) в уравнение динамики (8.9).
Тогда получим следующее уравнение переходных процессов при
перемещениях каретки-стола КИР:
ё = Гое; [е = х (/) — хр (/)].	(8.15)
Отсюда непосредственно следует, что переходные процессы
в замкнутой системе (8.9), (8.13) затухают со следующей экспо-
ненциальной оценкой:
k(O||<coexp[-Vo(/-Q] ИМ.	(8.16)
где с0, Уо — положительные параметры, зависящие только от
выбора матрицы Го, причем у0 = —max Re Хг.
Регулятор в канонических переменных (8.13) замечателен тем,
что для его реализации достаточно использовать только один пре-
цизионный датчик — лазерный интерферометр (разрешающая спо-
собность 0,2 мкм), остальные компоненты вектора состояния легко
вычислить с помощью формул численного дифференцирования.
Однако, если измеряются все компоненты вектора z, то целесо-
образно синтезировать регулятор в физических переменных.
Для этого нужно в формуле (8.13) сделать замену переменных
(8.10) и использовать сигналы обратной связи от соответствующих
датчиков и преобразователей информации.
На практике зачастую не удается измерить все компоненты
вектора состояний. Так, например, в КИР УИМ-28 непосред-
ственно измеряются только переменные х, ф и /я. Поэтому и регу-
лятор здесь синтезируется как линейная комбинация указанных
переменных, а также программной уставки хр с коэффициентами
усиления, настраиваемыми вручную.
Такой регулятор не обеспечивает асимптотической устойчи-
вости программного движения каретки-стола, причем переходные
процессы имеют колебательный характер. Неизбежные в процессе
эксплуатации КИР возмущения и неопределенности (изменения
массо-инерционных характеристик измеряемых деталей, дрейф
коэффициентов трения и упругих деформаций) приводят к суще-
ственной потере точности наведения измерительной головки,
уменьшению быстродействия, а в ряде случаев и к аварийным
ситуациям (поломка наконечника измерительной головки и т. п.).
В результате снижается точность измерений, производительность
и надежность КИР.
Эти обстоятельства диктуют необходимость перехода к более,
совершенным стабилизирующим регуляторам типа (8.13) и на их
основе к адаптивным регуляторам 147, 107]. Последние одновре-
менно осуществляют как сигнальную, так и параметрическую
самонастройку стабилизирующего закона управления с целью
обеспечения желаемого характера переходных процессов при всех
297
возмущениях и неопределенностях, возникающих в процессе
эксплуатации КИР.
Рассмотрим методику расчета и проектирования адаптивных
регуляторов применительно к задаче управления кареткой сто-
лом КИР УИМ-28. Динамика объекта управления описывается
дифференциальным уравнением (8.9), связывающим, с одной
стороны, перемещение каретки х с вращающим моментом Мк на
валу двигателя, а, с другой, — этот момент с управляющим на-
пряжением и. Это уравнение зависит от ряда параметров (коэф-
фициенты трения и упругих деформаций, электромеханические
параметры привода и т. д.), многие из которых не только неиз-
вестны, но и могут дрейфовать непредсказуемым образом в широ-
ком диапазоне. В этих условиях непосредственно воспользоваться
формулой (8.13), описывающей идеальный стабилизирующий ре-
гулятор, нельзя, поскольку она зависит от неопределенных пара-
метров. Представим формулу регулятора в виде
u = Gr(x, хр 4- Го (х — хр)) х (Ао, Ьо), (8.17)
где G, х — некоторые заданные р-вектор-функции, определяемые
соотношениями (8.16) и (8.17).
Идея адаптивного управления заключается в замене неизвест-
ного вектора = х (Ао, Ьо) в аналитическом представлении иде-
ального регулятора (8.17) его оценкой т, которая формируется
в процессе самонастройки согласно некоторому алгоритму, на-
зываемому алгоритмом адаптации. Для синтеза этого алгоритма
можно воспользоваться методом адаптивного управления про-
граммным движением, описанным в гл. 3. Согласно этому методу
алгоритм адаптации строится как алгоритм решения эстиматорных
неравенств вида
Ф(т, 0 = 8-\u-GT(x, х)т|>6,	(8.18)
где 6 — Параметр, определяющий точности эстиматора (т. е.
точность контроля за качеством отработки программного движе-
ния каретки). В качестве искомого алгоритма в принципе можно
использовать любые рекуррентные и многошаговые алгоритмы
решения неравенств вида (8.18), синтезированные в гл. 3.
В качестве примера приведем рекуррентный локально-опти-
мальный алгоритм адаптации градиентного (по отношению к эсти-
маторной функции ср) типа. Этот алгоритм определяется форму-
лами:
т (/) = тй; t С (tki th+i = t'k + 9;
тй+1 = Th + (uh - l|Ghr. i !'	(8.19)
где Gk = G [x (t'k), * (/*)J; = GTkxk-, uk = GT [x (t'k), xp (tk) 4-
4- Г (x (tk) = xp (tk)) ] Tfej параметр 0 определяет время вычисле-
ния новой оценки тй+1 по старой xh, т. е. характеризует быстро-»
действие адаптатора.	с-хт1<ь‘.;лнц:я*.с.ь ннт
298
Правильный выбор точности эстиматора 6, быстродействия
адаптатора 0 и коэффициентов усиления регулятора Го позволяет
реализовать заданное программное движение каретки КИР с лю-
бой наперед заданной точностью при любом уровне ограниченных
параметрических возмущений. В этом заключается практическая
ценность адаптивного программного управления КИР.
Важную роль при автоматизации измерений играют алгоритмы
построения программных движений исполнительных механизмов
КИР. Эффективным методом синтеза таких алгоритмов может
служить метод параметрического синтеза и оптимизации, описан-
ных в гл. 2. Проиллюстрируем преимущества этого метода на
примере задачи автоматического перемещения каретки-стола из
заданного начального состояния х0 в желаемое конечное состоя-
ние Xj. Будем искать программное движение в виде
м
хр (О = а0 (0 + S (0; t е Uo, tT\- (8-20)
/=1
В качестве -базисных функций можно взять функции:
а0 (0 = *о + (%1 - хп) (t -	Т-1-, а3 (t) = а0 (t) (t - t0)!	(8.21)
Зная множества Qx и Qx, определяющие конструктивные ограни-
чения на хр и и задавшись функционалом качества J [хр(-) ],
искомые параметры xt, ...x,v программного движения можно найти
с помощью алгоритмов, описанных в гл. 2.
Рассмотрим простейший вариант задачи приведения каретки
в заданное состояние хг за минимальное время. Пусть ограниче-
ния на х (t), х (t) имеют вид
||х(01Ксх> II * (Oil < сх при всех teUo> tT]. (8.22)
Программное движение будем искать в виде
х7, (0 = х0 К (хг - х0)‘-‘° Т-\	'	(8.23)
Дифференцируя (8.23) и учитывая (8.22), получим
||x(0||=--ki-xo||T"1<Cx.	(8.24)
Отсюда следует, что Т^>сх1^х1 — х01|. Значит, оптимальное по
быстродействию программное движение имеет вид
х°р (t) = х0 + Ci (/ - f0).	(8.25)
Процесс автоматического программирования движения КИР
в соответствии с описанными гибкими алгоритмами производится
следующим образом. На первом (предварительном) этапе по чер-
тежу детали определяется минимальное число точек, подлежа-
щих измерению, и уточняются место и способ крепления детали,
тип измерительного наконечника, форма протокола измерений
299
и т. п. Измеряемые точки нумеруются на чертеже (в порядке
наведения на них измерительного наконечника) и кодируются
своими координатами (в системе координат детали). На втором
этапе по этим данным строится в аналитическом виде программное
движение исполнительных механизмов КИР. При этом центр
измерительного наконечника наводится на выбранную точку
детали, заданную своими координатами. В момент соприкоснове-
ния наконечника с деталью происходит автоматическое считыва-
ние измеряемых координат.
Цифровое моделирование и реализация синтезированного адап-
тивного управления ПД в канонических координатах требуют
формирования производных до пятого порядка от программного
и реального перемещения каретки хр (/), х (i). Учитывая высокую
точность датчиков положения (0,2 мкм), эти производные можно
формировать численно. При этом отпадает необходимость в слож-
ных и ненадежных каналах обратной связи через сигналы тахо-
генератора и ток якоря, используемых в системе сервоуправле-
ния КИР УИМ-28. В общем случае для восстановления канони-
ческого вектора состояний х (/) по сигналам от датчиков можно
воспользоваться теорией и известными схемами наблюдателей
(19, 31, 58], обеспечивающими асимптотическую идентификацию
вектора состояний.
8.6.	МУЛЬТИМИКРОПРОЦЕССОРНАЯ РЕАЛИЗАЦИЯ
И МОДЕЛИРОВАНИЕ АДАПТИВНОГО УПРАВЛЕНИЯ
ИЗМЕРИТЕЛЬНЫМ РОБОТОМ
Рассмотрим проектирование мультимикропроцессорной си-
стемы для реализации адаптивного управления КИР типа УИМ-28.
В качестве базовой структурно-функциональной схемы такой
системы можно взять схему, описанную в п. 3.10 и представленную
на рис. 3.4. Для организации параллельно-последовательных
вычислений в соответствии с этой схемой на i-м такте цифрового
адаптивного управления производятся следующие операции:
1)	формирование ПД хр (i() и его производной хр (/J;
2)	синтез управляющего воздействия и (/t);
3)	оценка качества управления с помощью эстиматорной
функции <р (rft, /,);
4)	вычисление новой оценки параметров rft+1.
Все указанные операции должны осуществляться в реальном
масштабе времени. Это обстоятельство определяет требования
к реализующим их программатору, регулятору, эстиматору и
адаптатору. При этом вычисление программы измерений програм-
матором (расчет и оптимизация коэффициентов х^ в параметриче-
ском представлении ПД) и автоматическая регулировка качества
переходных процессов (расчет коэффициентов усиления Го в ка-
налах обратной связи и точности 6 решения эстиматорных не-
равенств) могут, осуществляться на микроЭВМ типа «Электро-
300
ника-60» до начала управления. Функции регулятора, эстиматора
и адаптатора естественно возложить на запрограммированные
соответствующим образом микропроцессоры.
Благодаря такому алгоритмическому распараллеливанию ока-
зывается возможным не только произвести заранее необходимые
трудоемкие расчеты, но и распараллелить процессы адаптации
и собственно управления. Следует отметить, что возможно даль-
нейшее распараллеливание вычислений при реализации отдель-
ных алгоритмов, основанное на использовании параллельных
сумматоров, параллельных умножителей и т. д.
Для реализации описанной мультимикропроцессорной системы
можно использовать серийно выпускаемые микропроцессоры.
С учетом высоких требований к быстродействию системы адаптив-
ного управления (и, особенно, к адаптивному), а также необхо-
димость изменения разрядности при автоматической регулировке
точности были выбраны микропроцессоры серии К-580 с исполь-
зованием буферного запоминающего устройства (БЗУ) на микро-
схемах К589ИР12 и К155ТМ7 для организации обмена между
модулями и арифметического расширителя (БАР) на серийно
выпускаемых микросхемах К155ИПЗ.
Микропроцессорная система адаптивного управления вклю-
чает следующие блоки: блок идентификации состояний ЭМР
(БИС), блок формирования управляющего воздействия (БФУВ),
блок проверки качества управления (БПКУ), блок адаптации
(БА). Каждый из этих блоков представляет собой микропроцессор
и оперативное запоминающее устройство типа К565РУ2А, полу-
постоянное запоминающее устройство типа К558РР1, БЗУ и БАР
указанных типов, а также цифроаналоговые и аналого-цифровые
преобразователи. Число этих блоков зависит от числа степеней
свободы т исполнительного механизма КИР и сложности алго-
ритмов адаптивного управления.
Другой вариант мультимикропроцессорной реализации адап-
тивного управления УИМ-28 основывается на использовании
микропроцессорного набора серии К-589. В состав этого набора
входят блок управления памятью, один-два модуля ПЗУ, 2-раз-
рядные наращиваемые модули арифметико-логического устройства
(АЛУ), четыре-пять регистров. Быстродействие АЛУ в конвейер-
ном режиме составляет 0,1 мкс на микрокоманду, сложение мо-
дулей 32-разрядных чисел в ПЗУ выполняется за 0,1 мкс, умноже-
ние— за 2 мкс. Как показывают расчеты [471, для вычисления
одного такта цифрового адаптивного управления КИР за время,
не превышающее 256 мкс. требуется восемь микропроцессоров
типа К-589. Такое быстродействие мультимикропроцессорной
системы адаптивного управления позволяет не только полностью
автоматизировать процесс наведения ИГ, по и гарантировать
высокое качество переходных процессоров в условиях значитель-
ной неопределенности и непредсказуемого дрейфа параметров
КИР и измеряемой детали.
301
В заключение опишем экспериментальные результаты моде-
лирования на ЭВМ неадаптивного и адаптивного управления КИР
типа УИМ-28. Ввиду того что коэффициент при старшей производ-
ной весьма мал, порядок уравнения динамики (8.11) понижается
до четвертого. Соответственно упрощаются и законы неадаптив-
ного и адаптивного управления.
Рассмотрим сначала режим стабилизации ПД. Были проведены
две серии экспериментов, в которых программный закон пере-
мещения каретки формировался по формуле
хр (0 = 4" sin 4я V ~
В первой серии исследовалось влияние начальных и пара-
метрических возмущений на качество неадаптивного стабилизи-
рующего управления КИР. Управление формировалось по фор-
муле (8.13), где вместо неизвестных параметров использовались
некоторые их оценки, а в качестве матрицы коэффициентов усиле-
ния Го была взята устойчивая (4x4) матрица канонического вида
с собственными числами: = —11, = —12, — —13, =
= -^-14. Длина такта управления и шаг интегрирования уравне-
ний динамики равнялись 0,005 с.
В идеальных условиях, когда все параметры, входящие в закон
управления (8.13), известны, переходные процессы имеют экспо-
ненциальный характер. Этим обеспечивается точное и быстрое
отслеживание ПД. В действительности ряд параметров КИР
неизвестен, причем некоторые из них изменяются в широком диа-
пазоне. Прежде всего это относится к массо-инерционным харак-
теристикам измеряемой детали, силам трения, коэффициентам
упругих деформаций в редукторе, электрическим параметрам
двигателей. В результате возникают параметрические возмущения,
величина ||т* — т0|| которых варьировалась в различных экспе-
риментах в пределах от 5,25-10-2 до 5,25.
Характер переходных процессов в замкнутом КИР в типичном
эксперименте изображен в канонических и физических коорди-
натах на рис. 8.13, а, б штриховой линией. Как видно из
этого рисунка, даже небольшие параметрические возмущения
(рис. 8.13, в) могут приводить при неадаптивном управлении
к существенной потере точности при отработке ПД (около 10"2 м)
и к колебаниям измерительного наконечника вблизи траектории,
определяемой ПД.
В этих же условиях во второй серии экспериментов моделиро-
валось адаптивное управление (8.17)—(8.19). Оно фактически
обеспечивает осуществление ПД с наперед заданной точностью
(около 10'7 м). Это видно из того же рис. 8.13, а, б, где переходные
процессы в КИР с адаптивным управлением выделены сплошной
линией.
В качестве алгоритма адаптации (АА) в этом эксперименте
использовался рекуррентный локально-оптимальный алгоритм
302
вида (8.19). Отвечающий ему процесс адаптации иллюстрируется
рис. 8.13, в, откуда видно, что время адаптации составляет при-
мерно 0,8 с, причем оценка т (t) лишь приближается к неизвест-
ному т#, но фактически его не идентифицирует. Использование
в качестве АА многошагового оптимального алгоритма, описанного
в п. 3.7, обеспечило практически точную идентификацию вектора
параметров т*, причем время адаптации уменьшилось и соста-
вило 0,07 с.
Рис. 8.13. Адаптивная стабилизация про-
граммных движений КИР
Рис. 8.14. Адаптивное самонаведение из-
мерительной головки КИР
Рассмотрим теперь экспериментальные результаты по адаптив-
ному самонаведению наконечника ИГ. В описываемых экспери-
ментах закон управления также формировался по формуле (8.13)
или (8.17). Однако ПД строилось иначе: в качестве хр (?) бралось
требуемое состояние измерительного наконечника. Обычно это
состояние таково: хр (0 = (хь 0, 0, 0)г, т. е. наконечник должен
занять положение с нулевыми скоростью и ускорением. Программ-
ное положение Xi измерительного наконечника определялось
исходя из чертежа аттестуемой детали.
В первой серии экспериментов исследовалось влияние пара-
метрических возмущений на процесс самонаведения щупа по
формуле (8.13), где в качестве неизвестного вектора параметров т*
303
использовалась некоторая его оценка т0. Переходные процессы
для различных уровней параметрических возмущений (около
24,8 и 5,19), характеризующих априорную неопределенность,
изображены на рис. 8.14 штриховой линией. Сравнительно низ-
кая точность наведения измерительного наконечника в этих экс-
периментах является следствием априорной неопределенности
Рис. 8J5. Структурно-функциональная схема мультимикропроцессорпой системы
адаптивного управления трехкоординатным измерительным роботом
параметров КИР, которая в процессе самонаведения не умень-
шается, так как в данном законе самонаведения не предусмотрена
адаптация.
Во второй серии экспериментов моделировалось адаптивное
самонаведение ИГ в соответствии с формулами (8.17)—(8.19)
при различном уровне параметрических возмущений. В этом
случае благодаря адаптивной подстройке параметров закона
самонаведения (8.17) в силу АА (8.19) точность приведения изме-
рительного наконечника в требуемое состояние достигала задан-
ной величины (около 10-7 м). Это видно из рис. 8.14, а, где пере-
ходные процессы самонаведения при различном уровне возму-
щений (около 25 и 5,2) изображены сплошными линиями. На гра-
304
фиках рис. 8.14, б представлены процессы адаптации в силу
рекуррентного АА вида (8.19). Этот АА не приводит к точной
идентификации неизвестного вектора т*. Тем не менее именно АА
(8.19) в сочетании с законом самонаведения (8.17) обеспечивает
требуемую точность наведения наконечника ИГ в контрольные
точки. Отметим, что использование в качестве АА оптимального
mhos ^шагового алгоритма, описанного в п. 3.7, приводит к прак-
тиче ки мгновенной идентификации (время адаптации составляет
0,05 с) и к точному приведению измерительного наконечника
в заданную контрольную точку.
Структурно-функциональная схема КИР с адаптивным управ-
лением представлена на рис. 8.15. Неотъемлемой частью мульти-
микропроцессорной системы управления этого КИР является
описанное выше алгоритмическое и программное обеспечение.
На основании полученных теоретических и эксперименталь-
ных результатов можно сделать общий вывод о том, что переход
к адаптивному управлению КИР и использование микропроцес-
соров и микроЭВМ для его реализации позволяют полностью
автоматизировать как процесс формирования программы измере-
ний, так и процесс ее отработки в нестационарных и неопределен-
ных условиях. При этом достигается высокое качество управления
(точность и производительность КИР приближаются к предельно
возможным величинам), увеличивается гибкость и надежность
КИР, что особенно важно в условиях ГАП.
Г л а в а 9
ПЕРСПЕКТИВЫ РАЗВИТИЯ
АДАПТИВНЫХ РТК
9.1.	АДАПТИВНЫЕ РТК
ДЛЯ ГИБКИХ АВТОМАТИЧЕСКИХ ПРОИЗВОДСТВ
Комплексная роботизация технологических процессов лежит
в основе гибких автоматических производств (ГАП). Характер-
ной чертой этой принципиально новой формы организации про-
изводства является широкое использование современных средств
вы ислительной техники и РТК- Однако обычные РТК с программ-
ным управлением, хотя и обладают определенной гибкостью и
высокой производительностью, не обеспечивают полной автома-
тизации производства. Как правило, они требуют участия чело-
века на этапе программирования, наладки и настройки роботов
и технологического оборудования. Кроме того, человеку прихо-
дится иногда вмешиваться и на этапе эксплуатации РТК- Необ-
ходимость в этом может возникнуть даже при малейших измене-
11 Заказ 2Б0
305
ниях в рабочей зоне (например, при изменении положения или
ориентации деталей). Другой причиной вмешательства человека
является естественный дрейф параметров РТК и неконтролируе-
мые производственные возмущения.
Эффективным средством повышения уровня автоматизации
РТК при одновременном расширении их функциональных воз-
можностей и надежности является адаптивное управление. Пере-
ход от традиционных систем ЧПУ к микропроцессорным системам
АПУ позволяет полностью автоматизировать не только технологи-
ческие операции, возлагаемые на РТК, но и процесс программи-
рования и настройки используемого оборудования.
РТК с адаптивным управлением отличаются высокой надеж-
ностью и живучестью в изменяющейся производственной обста-
новке. Это свойство адаптивных РТК делает их незаменимым эле-
ментом ГАП. В составе ГАП такие РТК работают совершенно
автономно. Роль человека сводится в основном только к «озада-
чиванию» РТК и к эпизодическому контролю за ходом исполне-
ния технологических процессов.
Организация адаптивного управления РТК сводится к по-
строению микропроцессорных систем АПУ для роботов и техноло-
гического оборудования, входящего в состав РТК, и обеспечению
их согласованной работы с помощью координирующей микро-
или мини-ЭВМ. Принципы построения и особенности программно-
аппаратной реализации систем АПУ на базе микропроцессоров
для станков, манипуляционных роботов, транспортных и кон-
трольно-измерительных средств подробно изложены в предыдущих
главах. Поэтому в настоящей главе рассмотрим только вопросы
компоновки и координации работы указанного автоматического
оборудования в составе адаптивных РТК различного назначения.
В принципе компоновка таких РТК аналогична компоновке РТК
с программным управлением. Вследствие этого адаптивные РТК
могут использоваться как в обычном режиме программного
управления, так и в адаптивном режиме. Переход от одного режима
управления к другому осуществляется автоматически.
Компоновка адаптивных РТК весьма разнообразна. Она за-
висит от технологии, состава оборудования и функциональных
возможностей роботов. При использовании РТК в составе ГАП
существенное влияние на выбор компоновки оказывает автомати-
ческий склад.
Рассмотрим особенности компоновки адаптивных РТК меха-
нической обработки в ГАП. В состав таких РТК входят:
1)	адаптивные станки со сменным инструментом (токарные,
фрезерные и другие металлообрабатывающие станки с АПУ,
обрабатывающие центры, прессы с АПУ и т. п.);
2)	манипуляционные роботы со сменными захватами;
3)	промежуточные накопители (перегрузочный стол, стойка,
спутник и т. п.);
4)	автоматические системы смены спутников;
306
5)	адаптивные транспортные средства (транспортный робот
с АПУ или самонаведением на трассу, конвейер с автоматическим
адресованием грузов и т. п.).
Что же касается управляющих ЭВМ и систем активного кон-
троля, то они обычно встраиваются в оборудование РТК или
жестко с ним связаны.
На рис. 9.1, а изображена роботизированная токарная ячейка
с АПУ. На ее основе с помощью дополнительного оборудования
Рис. 9.1. Схемы компоновок адаптивных РТК и ГАП на базе станков с АПУ:
1 — станок с АПУ; 2 — манипуляционный робот; 3 — накопитель; 4 — конвейер; 5 —
транспортный робот; 6 — автоматический склад; 7 — робот-штабелер
Рис. 9.2. Схема компоновок адаптивных РТК и ГАП на базе обрабатывающих
центров и станков с АПУ:
1 — обрабатывающий центр с АПУ; 2 — система смены спутников; 3 — спутник; 4 —
транспортный робот; S — манипуляционный робот; 6 — станок с АПУ; 7 — робот-штабе-
лер; 8 — автоматический склад
(транспортеров, промежуточных накопителей) можно строить
адаптивные РТК, один из вариантов которых представлен на
рис. 9.1, б. Комбинируя такие РТК с автоматическим складом,
получаем компоновку ГАП. Простейшая схема компоновки ГАП
представлена на рис. 9.1, в.
Аналогичным образом компонуются адаптивные РТК и ГАП
на базе обрабатывающих центров. Отличие заключается в том,
что вместо манипуляционных роботов для загрузки и разгрузки
обрабатывающих центров используются автоматические системы
смены спутников с заготовками и деталями (рис. 9.2, а). На базе
этих обрабатывающих ячеек с АПУ можно строить различные
и»	307
компоновки адаптивных РТК, в состав которых могут входить
и роботизированные токарные ячейки, как это изображено на
рис. 9.2, б. Объединяя адаптивные РТК с автоматическим складом,
получаем различные компоновки ГАП. Пример такой компо-
новки ГАП представлен на рис. 9.2, в.
Системы управления ГАП представляют собой локальную
вычислительную сеть, включающую системы АПУ роботов и тех-
нологического оборудования, микроЭВМ, координирующую ра-
боту РТК со складом, и центральную мини-ЭВМ. Поэтому эти
системы группового управления оборудованием ГАП, имеющие
иерархическую структуру, также являются адаптивными.
Первые адаптивные РТК создавались на основе РТК с про-
граммным управлением посредством совершенствования их ин-
формационно-управляющей системы. Необходимость такого усо-
вершенствования связана с тем, что РТК с ЧПУ обладают рядом
недостатков. Их информационная система состоит только из датчи-
ков внутренней информации, сигнализирующих в лучшем случае
о состоянии исполнительных механизмов, рабочих органов и
инструментов. Поэтому такие РТК не способны реагировать на
возможные изменения производственной обстановки.
Необходимым условием работоспособности РТК с программным
управлением является исключение всех источников неопределен-
ности и нестационарности. На практике это достигается специаль-
ным упорядочиванием рабочей обстановки посредством предвари-
тельного позиционирования и ориентирования деталей, устранения
препятствий на пути рабочих органов и т. п. Однако, как уже
отмечалось, такое упорядочивание требует значительных допол-
нительных затрат на проектирование и изготовление соответ-
ствующей технологической оснастки и приспособлений. Создавае-
мая оснастка обычно узко специализирована и дорога, поэтому
ее изготовление и применение экономически оправдано лишь в ус-
ловиях массового производства. Все это сужает область примене-
ний РТК и делает их нерентабельными в условиях мелкосерийного
и единичного производства.
Важным резервом увеличения гибкости и расширения функ-
циональных возможностей РТК является «очувствление» их дат-
чиками внешней информации и введение в систему управления
элементов (алгоритмов) адаптации. При помощи таких датчиков
РТК может автоматически определять тип, положение и ориента-
цию деталей в рабочей зоне, оценивать качество узлов и изделий,
сортировать изделия (например, при обнаружении ошибок, до-
пущенных в процессе их сборки), адаптироваться к неизвестной
форме деталей и т. д. Адаптивный РТК также способен на осно-
вании сигналов с датчиков внешней информации определить целе-
вое положение рабочего органа (например, путем самонаведения
на идентифицированную деталь), скорректировать имеющиеся
или синтезировать новые программы движения исполнительных
механизмов, выбрать ту или иную последовательность технологи-
308
ческих операций в зависимости от фактической обстановки в ра-
бочей зоне.
Таким образом, снабжение РТК средствами очувствления и
адаптации позволяет решать широкий класс технологических
задач в существенно неопределенных и нестационарных произ-
водственных условиях без изготовления специализированной
оснастки и приспособлений. Этим и определяются преимущества
адаптивных РТК по сравнению с обычными РТК с программным
управлением.
Основные технологические функции в адаптивных РТК меха-
нической обработки возлагаются на многооперационные станки
и обрабатывающие центры. Характерной особенностью этих стан-
ков является развитый интерфейс, который служит для связи и
интеграции с другим оборудованием РТК- Последнее выступает
в роли своеобразной «станочной периферии».
В общем случае к периферийным системам относятся манипуля-
ционные роботы, автоматические транспортные средства, системы
автоматического контроля, автоматические средства смены ин-
струмента и уборки технологических отходов. Прямая и обрат-
ная связь станка с указанной «периферией» осуществляется через
микропроцессорную систему АПУ. Необходимость организации
согласованной работы станков с другим оборудованием РТК
усложняет и без того сложные функции станочной системы АПУ,
включающие: управление инструментом и точностью обработки;
обращение к банку управляющих программ обработки; коррекцию
и формирование новых программ обработки; накопление инфор-
мации о процессе обработки; формирование модели рабочей зоны
и динамики станка; контроль качества обработки с целью профи-
лактики брака; диагностику состояния инструмента и двигатель-
ной системы станка; распознавание заготовок или деталей и иден-
тификацию их характеристик; координацию работы станков и
другого оборудования РТК. Перечисленные функции определяют
не только адаптационные, но и интеллектуальные возможности
станков. Как уже отмечалось, реализация последних требует
введения в систему АПУ соответствующих элементов искусствен-
ного интеллекта.
Рассмотрим на ряде примеров особенности адаптивных РТК
механической обработки. Обычно такие РТК создаются на базе
имеющегося на предприятии действующего оборудования с ЧПУ
путем введения необходимых элементов очувствления, адаптации
и искусственного интеллекта. Вместе с тем развивается и другой
подход, связанный с разработкой принципиально новых техноло-
гий и специализированных адаптивных РТК для их реализации,
сдаваемых потребителю «под ключ».
В СССР на ряде заводов станкоинструментальной промышлен-
ности за последние десять лет разработано и внедрено семейство
РТК с элементами адаптации типа АСК 133, 34). Наиболее высокий
уровень автоматизации достигнут в РТК гибкой производственной
309
системы АСК-20, запущенной в промышленную эксплуатацию на
Ивановском станкостроительном объединении в 1981 г. В состав
этого РТК входят четыре многооперационных станка с ЧПУ
ИР-500 со встроенными измерительными головками, один станок
с ЧПУ ИР-800 с приставочными накопителями и транспортный
робот, курсирующий между РТК, автоматическим складом и из-
мерительной машиной. Транспортировка, установка и снятие
заготовок деталей и инструментов осуществляются автоматически
с помощью специального приспособления, размещаемого на плите-
спутнике и позволяющего перегрузить инструмент из приспособле-
ния в магазин станка. Стружка удаляется посредством автомати-
ческого отсоса. Станки оборудованы датчиками контроля фиксации
спутников на координатном столе и измерительными головками.
Это позволяет осуществлять адаптивную коррекцию управляющих
программ в системе ЧПУ в зависимости от точности базирования
деталей на спутнике и припуска заготовок.
Другим примером адаптивного РТК механической обработки
может служить автоматический комплекс, используемый в со-
ставе гибкой производственной системы АСК-Ю на Вильнюсском
станкостроительном объединении «Жальгирис» [341. В его состав
входят станки с ЧПУ модели МА6907ПМФ4, станок с ЧПУ для
подготовки баз, координатно-разметочная машина ВЕ-111А, кон-
трольно-измерительная машина BE-140 и автоматическая транс-
портно-накопительная система, включающая трехъярусный стел-
лаж с роботом-штабелером и рольганги для подачи спутников
с заготовками на приставочные накопители станков.
Система управления РТК реализована на ЭВМ М-6000 и
«Электроника-60». Она осуществляет подготовку и редактирование
управляющих программ, оперативно (за один сеанс связи с ЭВМ)
передает их на станки с ЧПУ, контролирует обработку программ
и качество механической обработки деталей, а также осуществляет
оперативно-календарное планирование, анализ состояния обору-
дования РТК, учет продукции и т. п.
Мощный РТК с элементами адаптации создан в 1982 г. на
Ульяновском заводе тяжелых уникальных станков в составе гиб-
кого участка механической обработки АСК-30 [34]. В его состав
входят многоцелевой станок модели УФ0856; горизонтально-
расточный станок с ЧПУ и автоматизированной системой измере-
ний модели ЛР35ЭФ2; контрольно-измерительная машина
ЛР356К и автоматическая транспортно-накопительная система,
включающая стенды для монтажа приспособлений и установки
заготовок на спутниках и для хранения спутников; транспортный
робот для перевозки спутников от стендов к станкам и обратно;
тележка с бортовым манипулятором для перевозки спутников на
столы станков через специальные мосты.
Система управления АСК-30 в основном аналогична системам
управления АСК-Ю и АСК-20. Однако имеются и отличия. Так,
например, после закрепления заготовки на спутнике на последнем
310
устанавливается кодовый ключ, соответствующий данной заго-
товке и выполняемой технологической операции. Кроме того,
каждый стенд и транспортный робот снабжаются датчиком, иден-
тифицирующим заготовку по ее кодовому ключу.
Ряд адаптивных РТК для механической обработки разработан
в Ленинграде в рамках территориально-отраслевой программы
«Интенсификация-90». Один из этих РТК, схематично изображен-
ный на рис. 9.3, предназначен для токарной обработки деталей
типа тел вращения [34]. В его состав входят двенадцать адап-
тивных станков со встроенными манипуляторами и средствами
Рис. 9.3. Компоновка адаптивного РТК для механической обработки тел
вращения:
1 — автоматический склад РСК-50-ЛИ; 2 — манипуляционно-транспортный робот
МП-14Т; 3 — токарные роботизированные ячейки на базе станков 16К20ФЗ; 4 — система
адаптивного программного управления на базе СМ-1401; 5 — токарные роботизированные
ячейки на базе Станков 16Б16ФЗ
активного контроля, пластинчатые транспортеры для автомата-
ческой уборки стружки и транспортный робот с бортовым мани-
пулятором МП-14Т, служащий для транспортировки спутников
с заготовками, деталями и инструментом от автоматического
склада РСК-50-ЛИ к станкам и обратно.
Особенностью данного РТК является то, что в нем исполь-
зуются серийно выпускаемые станки с ЧПУ, которые путем
соответствующей модернизации были переделаны в адаптивные
станки. Модернизация заключалась, во-первых, в установке
на передней бабке станка манипуляционного робота для загрузки
заготовок и выгрузки обработанных деталей, во-вторых, в исполь-
зовании встроенной системы активного контроля для оперативного
измерения геометрических параметров детали и режущей кромки
инструмента, и, в-третьих, в замене системы ЧПУ станков адап-
тивной системой типа 2С85-63.
Решению этой задачи предшествовал системный анализ отече-
ственных роботов, предназначенных для обслуживания основного
технологического оборудования, с целью выбора наиболее под-
ходящего робота для данного РТК с учетом конкретных условий
его работы. В результате был взят робот «Электроника» НЦТМ-01,
который позволил манипулировать с заготовками и деталями
с помощью унифицированно й тары без применения сложных
311
накопителей и приспособлений для поштучной выдачи и предва-
рительной ориентации деталей. Другим достоинством выбранного
робота является то, что он практически не требует дополнительных
производственных площадей и обладает высокой эксплуатацион-
ной надежностью. Наличие у робота двух схватов ускоряет про-
цесс установки заготовки и снятия обработанной детали. Система
управления робота построена на базе микроЭВМ НМС11100,
которая позволяет легко стыковаться с системами ЧПУ и ЭВМ
более высокого уровня.
Система активного контроля включает датчики-индикаторы
контакта типа БВ4271. Принцип действия системы основан на
формировании электрического сигнала при размыкании цепи
в момент контакта измерительного наконечника с контролируемой
поверхностью детали или инструмента и преобразовании получен-
ного сигнала в соответствующую коррекцию с системы АПУ.
Обычно датчики устанавливаются на передней бабке станка или
на станине непосредственно в зоне резания. Они позволяют оце-
нить точность установки заготовки и погрешность обработки,
а также проконтролировать состояние (износ) инструмента.
Одним из важных элементов адаптивного РТК является транс-
портный робот МП-14Т с бортовым электромеханическим манипу-
лятором ПРЭМ-5. Его технические характеристики описаны
в гл. 6. Здесь отметим только, что этот робот имеет оптико-элек-
тронное устройство самонаведения на трассу в виде светоотража-
ющей полосы. Система управления робота построена по модуль-
ному принципу на базе микроЭВМ «Электроника-60». Она вклю-
чает подсистему контроля и диагностики неисправностей,
предназначенную для обеспечения безотказной работы и экс-
плуатационной надежности РТК- При возникновении серьезных
неисправностей, столкновении с препятствиями или сходе с трассы
происходит автоматическая остановка робота с одновременным
включением звуковой и световой сигнализации.
Адаптивный РТК для механической обработки деталей типа
тел вращения управляется от центральной мини-ЭВМ типа
СМ-1401 с объемом оперативной памяти 96Кбайт. По команде
ЭВМ транспортный робот, взаимодействуя с автоматическим
складом, загружается спутниками с нужными заготовками и ин-
струментом. Затем под управлением бортовой микроЭВМ он
следует по определенному маршруту к станку с АПУ, где осуще-
ствляет соответствующие погрузочно-разгрузочные операции.
После этого робот возвращается на автоматический склад, сгру-
жает там спутник с готовыми деталями и сообщает мини-ЭВМ
более высокого уровня о выполнении задания. Центральная ЭВМ
формирует новое задание, и цикл повторяется.
Аналогичный РТК с элементами адаптации создан на произ-
водственном объединении «Завод им. М. И. Калинина» [34].
В состав этого РТК входят четыре станка модели 16К20Т1 с АПУ
«Электроника НЦ-31», четыре манипуляционных робота «Электро-
312
ника НЦТМ-01» для их обслуживания и транспортный робот
«Электроника НЦТМ-25», осуществляющий взаимодействие РТК
с автоматическим складом РСК-5С. Общее управление и коорди-
нация работы указанного оборудования осуществляется от ЭВМ
СМ-4.
Адаптивные РТК для механической обработки разрабаты-
ваются и в странах СЭВ [341. Так, в НРБ в 1982 г. создана серия
РТК, названная автоматическими технологическими модулями
(ATM). В состав этих РТК входят унифицированные модели
токарных и фрезерных станков и обрабатывающих центров с ЧПУ
типа CNC, манипуляционные и транспортные роботы, устройства
автоматической смены спутников, конвейеры и контрольно-изме-
рительные средства. Примером может служить РТК с элементами
адаптации типа АТЛ-23, предназначенная для среднесерийного
производства электроприводов электрокаров.
Ряд адаптивных РТК для механической обработки для ГАП
создан в капиталистических странах. Например, РТК в составе
ГАП «Коронекс» (Koroneks) фирмы «Георг Фишер» (Georg Fischer,
Швейцария) производит автоматическое фрезерование и вибро-
очистку чугунных и стальных отливок массой до 100 кг. Обучение
системы управления производится по первой детали данной
серии. Адаптация заключается в коррекции управляющих про-
грамм по информации от измерительных головок встроенной
системы активного контроля. Эта же фирма разработала и вне-
дрила адаптивные РТК токарной обработки, состоящие из двух
токарных станков, цепного транспортера-накопителя, портальных
роботов и системы активного контроля. Координированная работа
оборудования обеспечивается системой АПУ, осуществляющей
адаптивную коррекцию управляющих программ на основании
информации, получаемой по шести каналам контроля качества
обработки.
Большое число адаптивных РТК для механической обработки
создано в Японии, Примером таких РТК, используемых в составе
ГАП, могут служить адаптивные РТК фирмы «Дайфуку» (Dai-
fuku).
Отличительной чертой этих РТК является то, что в их состав
входят транспортные роботы с АПУ типа «Конвой» (Convoy) или
«Пронтоу» (Prontow). Основу РТК составляют роботизированная
токарная ячейка с АПУ, представленная на рис. 9.4, и адаптивная
обрабатывающая ячейка, представленная на рис. 9.5.
Роботизированная токарная ячейка состоит из станка с систе-
мой АПУ типа CNC, обеспечивающего токарную обработку,
сверление и нарезание резьбы, манипулятора «Фанук» (Fanuc)
серии М, накопителя спутников, снабженного автоматической
системой загрузки, позиционирования и разгрузки спутников
с заготовками и деталями, и транспортного робота «Конвой»
серии CV-100 с бортовой системой загрузки и разгрузки спутни-
ков. Ячейка работает в автоматическом режиме в следующем
313
порядке. Транспортный робот подвозит к позиции загрузки на-
копителя спутник с заготовками. После загрузки спутник пози-
ционируется в рабочей зоне манипулятора, который подает за-
готовки в станок, а после обработки возвращает их в спутник.
Затем спутник перемещается в позицию разгрузки и подается на
борт транспортного робота, который ведет его дальше в соответ-
ствии с технологическим маршрутом.
Рис. 9.5. Адаптивная обрабатывающая ячейка:
1 — обрабатывающий центр; 2 — спутник; 3 — система автоматической смеиы спутников;
4 — траиспортиый робот
Адаптивная обрабатывающая ячейка, как видно из рис. 9.5,
состоит из обрабатывающего центра, системы автоматической
смены спутников и транспортного робота типа CV-100-1 с АПУ.
Робот подвозит спутник с заготовками. Система автоматической
смены спутников перемещает спутник с заготовками на обраба-
тывающий центр, а спутник с обработанными деталями на транс-
портный робот, который везет его к следующему адресату на
дальнейшую обработку или на склад готовых деталей.
Значительные достижения в области разработки и внедрения
адаптивных РТК для механической обработки для ГАП достиг-
315
314
Рис. 9.6. Компоновка адаптив-
ного РТК на базе двух обраба-
тывающих центров и транспорт-
ных роботов:
1 — обрабатывающие центры; 2 —•
система смены спутников; 3 —
спутники; 4 — транспортные ро-
боты
нуты в США [33, 34]. В
качестве примера можно
указать на РТК фирмы
«Цинцинати» (Cincinati, США) [100], состоящий из двух однотип-
ных обрабатывающих центров, обслуживаемых двумя транс-
портными роботами с АПУ. Общая компоновка этого РТК пред-
ставлена на рис. 9.6.
Одной из важнейших технологических операций, подлежащих
автоматизации, является нанесение покрытий как на отдельные
детали, так и на изделия в целом. С появлением окрасочных
роботов стало возможным создавать адаптивные РТК для окраски
и нанесения Порошковых, химических и гальванических покрытий
без участия человека. Один из первых отечественных адаптивных
РТК для окраски деталей описан в работе [102]. В его состав
входят подвесной конвейер, транспортирующий детали, два окра-
сочных робота типа РП1-1600, стойка с фотоприемниками, игра-
ющая роль системы технического зрения, и связанная с ней си-
стема группового управления роботами на базе вычислительного
устройства 15ВСМ-5.
Отличительной особенностью описанного РТК является его
адаптация к окрашиваемой детали, что позволяет быстро пере-
ключать программу работы краскораспылителя в зависимости
от типа очередной детали. Тем самым обеспечивается большая
гибкость РТК- Данный РТК особенно эффективен в условиях
мелкосерийного многономенклатурного производства, поэтому
адаптивные РТК для окраски изделий все шире применяются
в ГАП [34].
Важную роль при автоматизации процессов сварки играют
роботы с АПУ и создаваемые на их основе адаптивные РТК-
Конкретные примеры таких РТК (адаптивные РТК дуговой
сварки, микросварки и др.), а также особенности их применения
в составе ГАП рассмотрены в гл. 5.
Эффективным средством комплексной автоматизации сбо-
рочных операций являются адаптивные сборочные РТК. Отли-
чительными чертами этих РТК являются адаптивность, т. е.
способность автоматически приспосабливаться к непредсказуемым
изменениям условий в зоне сборки, и гибкость, т. е. способность
быстро перенастраиваться на сборку новых изделий. Эти важные
свойства обеспечиваются главным образом за счет замены обычных
систем программного управления принципиально новыми мульти-
процессорными адаптивными системами.
316
Адаптивные сборочные РТК состоят, как правило, из несколь-
ких манипуляционных роботов с адаптивным управлением
(рис. 9.7). При этом на роботы возлагаются как основные техно-
логические операции, связанные непосредственно со сборкой
изделий, так и некоторые вспомогательные операции по манипу-
лированию деталями и обслуживанию оборудования.^ Для после-
довательного присоединения комплектующих деталей к базовым
Рис. 9.7. Адаптивный сборочный РТК на
базе роботов «Прагма>
деталям или узлам робот снабжается набором инструментов
и захватных механизмов, которые могут автоматически сменяться
в зависимости от решаемой задачи.
Планирование процесса сборки и выбор соответствующей
технологии для РТК начинается с анализа разрешимости задачи
сборки и связанной с ней задачи синтеза и оптимизации техноло-
гических маршрутов. В результате решения этих задач должны
быть получены ответы на следующие вопросы:
1)	возможно ли осуществить сборку данного изделия на име-
ющемся оборудовании РТК?
2)	если сборка возможна, то как выбрать технологический
маршрут, удовлетворяющий требованию технологичности?
3)	как среди множества технологических маршрутов выбрать
оптимальный по заданному критерию качества?
При синтезе и оптимизации маршрута сборки необходимо
сразу же исследовать возможность его реализации на данном
РТК- В практике проектирования совместное решение названных
задач называется отработкой на технологичность. Анализ техно-
логичности осуществляется путем сравнительного анализа раз-
317
личных маршрутов по ряду показателей в соответствии с приня-
тыми нормативами.
Традиционные эвристические методы анализа и синтеза марш-
рутов сборки, основанные на интуиции технолога, в условиях
РТК и ГАП становятся недостаточно эффективными. Возникает
необходимость в разработке специального формального аппарата,
позволяющего с помощью ЭВМ решать сложные задачи определе-
ния возможности осуществления сборки некоторого класса изде-
лий на данном РТК.
Задача технологического анализа формируется следующим
образом. Даны: описание изделия, включающее сведения о его
конструкции и технологических условиях на сборку; описание
РТК, включающее информацию о технологических возможностях
и технических параметрах используемого оборудования; технико-
экономические требования к процессу сборки. Требуется опре-
делить принципиальную возможность осуществления автомати-
ческой сборки на данном РТК, удовлетворяющей заданным
технико-экономическим условиям.
Одним из эффективных путей решения этой задачи является
структурно-функциональный синтез, сводящийся к автомати-
зированному проектированию структуры сборочного РТК и опти-
мизации функций используемого • оборудования и инструмента
с учетом требования технологичности. Такой подход позволяет
не только судить о принципиальной возможности сборки путем
синтеза соответствующего технологического маршрута, но и ре-
шить ряд задач автоматизированной технологической подготовки
процесса сборки с помощью РТК.
Особенностью автоматической сборки с помощью РТК яв-
ляется то, что здесь в качестве сборочного оборудования выби-
раются роботы вместе с необходимыми инструментами и при-
способлениями.
В отличие от жестких (однопрограммных) сборочных автоматов
и автоматических линий адаптивные роботы и РТК имеют само-
настраивающуюся систему программного управления.
Рассмотрим особенности адаптивных РТК для автоматической
сборки различных изделий. Важнейшим элементом этих РТК
являются роботы, снабженные необходимыми датчиками и сред-
ствами адаптации. Конкретные образцы адаптивных роботов для
многооперационной сборки и микросварки (т. е. сборки мини-
атюрных изделий методом ультразвуковой сварки) подробно
описаны в п. 5.7 и 5.8.
Характерным примером адаптивного РТК может служить
РТК для сборки контурных катушек радиоприемников, пред-
ставленный на рис. 9.8 [100].
В состав этого РТК входят: десять манипуляционных роботов
типа МП-9С с локальными системами управления типа
ЭЦПУ-6030; станок с числовым программным управле-
нием типа 6520ФЗ и координатным столом; загрузочные, ориенти-
318
рующие и разгрузочные устройства; поворотный стол; ванна для
пайки; информационная система встроенных датчиков; система
связи (интерфейс); адаптивная система группового управления
оборудованием РТК.
Технологический процесс основан на принципе последова-
тельно-параллельной сборки, согласно которому изделия
(в данном случае контурная катушка) собираются одновременно
на всех позициях с последовательной передачей собираемого узла
от одной позиции к другой. К основным технологическим опера-
Рис. 9.8.' Адаптивный РТК сборки контурных катушек радиоприемников:
/ — роботы; 2 — вибробуикеры; 3 — поворотный стол; 4 — ванна для очистки; 5 —
?	.	ванна для пайки; 6 — координатный стол с кассетами ‘
циям можно отнести следующие действия: извлечения каркасов
катушек из кассеты; флюсование и пайку; промывку выводов;
установку каркасов катушек в гнезда поворотного стола; надева-
ние кольца; навинчивание буксы; закручивание сердечника;
приклейку экрана; маркировку; установку в кассеты готовой
продукции.
За один рабочий цикл выполняются все технологические
операции. После этого координатный стол подает очередную
ячейку кассеты в позицию захвата первого робота, а приемную
кассету — в позицию загрузки готовыми изделиями, которую
выполняет десятый робот. Автоматическая сборка катушек проис-
ходит на специальных ложементах поворотного стола, который
через равные промежутки времени поворачивается на один шаг.
В качестве устройства механической адаптации в РТК служат
вибромодули, осуществляющие автопоиск деталей. Для автома-
319
тической ориентации, накопления и штучной выдачи деталей
используется вибробункерное загрузочное устройство.
Функция адаптивного группового управления оборудова-
нием РТК возлагается на управляющую микроЭВМ. Она коорди-
нирует работу сборочного оборудования, оперативно корректирует
программы движения исполнительных механизмов в случае на-
рушений одного из условий сборки изделия. Обрабатывая ин-
формацию от тактильных датчиков и датчиков тока холостого
хода собираемых трансформаторов, система управления контро-
лирует наличие необходимых деталей на позициях сборки и
качество собранного узла или изделия, реагирует на нестандарт-
ные ситуации путем изменения управления в зависимости от
полученной информации. Использование алгоритмов и средств
адаптации в системе группового управления обеспечивает на-
дежную и безаварийную работу РТК при многооперационной
сборке контурных катушек радиоприемников.
Для увеличения гибкости и производительности автомати-
ческого сборочного производства целесообразно использовать
несколько типовых РТК. Такие роботизированные сборочные
участки являются важным элементом ГАП. Переналадка участка
на сборку новых изделий из некоторого класса сводится в основ-
ном к замене алгоритмов и программ управления роботами и дру-
гим оборудованием.
На базе трех адаптивных РТК рассмотренного типа создан
гибкий автоматический участок для намотки, сборки и склади-
рования контурных катушек и радиоприемников. Производитель-
ность участка — 2,5 млн контурных катушек в год сорока двух ти-
пов, различающихся конструктивными, электрическими и магнит-
ными параметрами.
В процессе сборки катушек адаптивная система управления
осуществляет текущий и выходной контроль. При текущем кон-
троле с помощью оптических и тактильных датчиков регистри-
руется поступление деталей на позиции сборки и проверяются
условия собираемости узлов или изделий. При выходном контроле
с помощью датчиков электрических параметров катушек произ-
водится их автоматическая отбраковка (в случае нарушения
хотя бы одного условия работоспособности) и сброс в браковочную
тару.
Методологической основой проектирования адаптивных сбо-
рочных РТК и ГАП на их базе является принцип модульности
с широким использованием стандартизации и унификации. Со-
гласно этому принципу РТК рассматривается как совокупность
отдельных функциональных блоков (модулей), каждый из которых
имеет свою автономную аппаратную или программную часть.
Среди аппаратных модулей большой интерес для адаптивных
РТК представляют системы технического зрения, адаптивные
сборочные головки и приспособления для завинчивания, заваль-
цовки, запрессовки, заклейки и крепления деталей.	'
320
Расширение адаптационных и интеллектуальных возможно-
стей сборочных РТК обеспечивается в основном программными
модулями, реализующими функции планирования сборочных опе-
раций и оптимизации движений, распознавания деталей и иден-
тификации их геометрических параметров, диагностики оборудо-
вания и контроля качества собираемых узлов и изделий.
Резюмируя вышеизложенное, можно утверждать, что адаптив-
ные РТК являются неотъемлемой частью ГАП различного про-
филя. На них возлагается автоматическое выполнение широкого
круга технологических операций в недетерминированных и изме-
няющихся условиях. Этим определяется роль и значение адап-
тивных РТК при создании ГАП.
9.2. ОСНОВНЫЕ НАПРАВЛЕНИЯ РАЗВИТИЯ
АДАПТИВНЫХ РТК
Адаптивные РТК и создаваемые на их основе ГАП второго
поколения являются высшей формой комплексной автоматизации
на современном этапе. Основная цель разработки таких РТК
заключается в создании полностью автоматизированных цехов
и заводов, быстро перестраиваемых на выпуск новой продукции.
Эти цеха и заводы работают круглосуточно, причем в первую
смену производится загрузка необходимых материалов и под-
готовка производства с участием людей, а во вторую и третью
смену все оборудование (включая и адаптивные РТК) эксплуати-
руется в автоматическом режиме. Если до недавнего времени
существовало мнение, что создать заводы-автоматы в условиях
многономенклатурного серийного производства невозможно,
то сейчас такие ГАП успешно работают в ряде промышленно
развитых стран. Создание заводов-автоматов сводится, в основ-
ном, к комплексированию РТК различных типов (РТК механи-
ческой обработки, сварки, сборки и т. п.) с автоматической транс-
портно-складской системой и автоматизированными средствами
контроля качества выпускаемой продукции.
Ведущую роль в мире по разработке адаптивных РТК различ-
ных типов и их комплексированию в ГАП-заводы играет Япо-
ния (34 I. Значительные результаты и опыт в этом направлении
накоплены такими ведущими японскими фирмами, как «Фанук»,
«Ямазаки», «Окима» (fikirna) и др.
В 1980 г. фирма «Фанук» ввела в эксплуатацию первый в мире
ГАП-завод, на котором РТК использовались в основном для
механической обработки деталей манипуляционных роботов и
станков с ЧПУ. Этот ГАП-завод эксплуатируется в три смены
и выпускает ежемесячно в среднем 300 роботов, 100 станков
с ЧПУ и 100 специальных станков. На заводе работает (в основном
в первую смену) 100 человек, на которых возлагаются некоторые
вспомогательные операции (загрузка спутников инструментами
и заготовками, наладка и ремонт оборудования и т. п.) и сборка.
321
Механическая обработка производится с помощью адаптивных
РТК автоматически.
В 1982 г. фирма «Фанук» в кооперации с другими фирмами
создала новый ГАП-завод, выпускающий в месяц в среднем 12 тыс.
серводвигателей 50 различных типов. На этом ГАП-заводе исполь-
зуются РТК на базе 120 роботов.
Комплексная автоматизация на базе адаптивных РТК осуще-
ствляется и на ГАП-заводах фирмы «Ямазаки» (Jtnazaki) [34].
В состав одного из таких заводов, выпускающего в месяц 120 стан-
ков с ЧПУ, входят 60 металлорежущих станков, 28 обрабатыва-
ющих центров и специализированных машин, 32 манипуляцион-
ных и транспортных робота с АПУ. Все станки оснащены CNC-си-
стемами, обеспечивающими адаптивное управление скоростью
подачи, самодиагностику неисправностей, контроль износа ин-
струмента и автоматическую коррекцию управляющих программ.
Кроме того, имеются средства обнаружения поломки инструмента
и автоматической замены инструмента или магазина инструмен-
тов. Для обеспечения условий работы РТК без обслуживающего
персонала предусмотрена автоматическая центровка инструмента
и заготовок, а также их идентификация с целью вызова из памяти
соответствующих управляющих программ.
Фирмой разработан язык программирования оборудования
РТК, позволивший не только автоматизировать процесс про-
граммирования (включая поиск ошибок и редактирование управ-
ляющих программ), но и резко сократить его продолжительность.
Управляющие ЭВМ четырех РТК рассматриваемого ГАП поз-
воляют хранить технологические маршруты и управляющие
программы для изготовления 1400 типов деталей. Центральная
ЭВМ ГАП связана по волоконно-оптическим каналам с заводскими
САПР и АСТПП, что позволяет автоматизировать процессы
проектирования изделий, унифицированной оснастки и инстру-
ментального обеспечения, подготовки управляющих программ
и планирования технологических маршрутов. При выходе из
строя центральной ЭВМ, обеспечивающей интеграцию ГАП
с САПР и АСТПП, предусмотрена возможность автономного
функционирования всех РТК и автоматических складов.
При внедрении ГАП с адаптивными РТК рассмотренного типа
достигнут значительный (в ряде случаев пятикратный) рост
производительности труда при одновременном улучшении каче-
ства выпускаемой продукции и резком сокращении обслужива-
ющего персонала [34]. Общее число таких ГАП в промышлен-
ности Японии в 1983 г. превысило 30. За последние годы созданы
более совершенные ГАП второго поколения на основе адаптивных
РТК и систем искусственного интеллекта, причем их значение
и доля в структуре японской промышленности постоянно увели-
чиваются.
Значительные достижения в области создания адаптивных РТК
для ГАП имеются также в США и странах Западной Европы [34 ].
322
По примеру Японии в этих странах разработаны и реализуются
крупные проекты ГАП. Эти проекты направлены, в первую оче-
редь, на производство средств производства и систем вооружения.
Поэтому им придается стратегическое значение и они финанси-
руются и контролируются государственными учреждениями.
Примером может служить проект ESPRIT — Европейская
стратегическая программа исследований в области информацион-
ной технологии ISTEL, предложенный странами Европейского
экономического общества в 1984 г. Общий объем финансирования
этого проекта составляет 1,5 млрд долл. В результате его осу-
ществления должен быть создан опытный завод, на котором авто-
матизировано не только производство, но и проектирование.
Другой пример — проект ICAM для ВВС США, в рамках которого
в период с 1977 по 2000 гг. должен быть создан опытный ГАП-завод
для производства узлов аэрокосмических аппаратов, проектиро-
вание которых автоматизировано с помощью, системы IPAD
Основные направления и перспективы развития адаптивных
РТК и ГАП в странах Совета экономической взаимопомощи
определены в «Комплексной программе научно-технического про-
гресса стран — членов СЭВ до 2000 года». Согласно этой про-
грамме, для достижения авангардных рубежей научно-техниче-
ского прогресса нужно в первую очередь решить следующие
задачи: создать перспективные образцы адаптивных роботов,
обладающих искусственным зрением, воспринимающих речевые
команды, программируемых и быстро приспособляемых к изменя-
ющимся условиям работы; разработать более совершенные си-
стемы адаптивного управления оборудованием ГАП, снабженные
средствами активного контроля, анализа стойкости инструмента
и диагностики неисправностей; создать унифицированные сред-
ства автоматизации транспортно-складских систем; разработать
автоматизированные системы проектирования и технологической
подготовки производства.
В результате решения этих задач будут созданы ГАП на базе
РТК с программным и адаптивным управлением от ЭВМ, которые
позволят сократить сроки и затраты при освоении новых видов
изделий в 1,5—2 раза, повысить производительность труда в 2—
5 раз, увеличить коэффициент сменности оборудования до 2,8
и резко сократить численность обслуживающего персонала. Ин-
теграция ГАП с системами автоматизированного проектирования
технологической подготовки производства под общим управлением
от ЭВМ позволит уменьшить примерно в 1,5 раза затраты на про-
ектирование и производство изделий, обеспечить широкую взаимо-
заменяемость агрегатов и модулей, изготовляемых в странах
СЭВ, снизить трудоемкость их изготовления в 2 раза, повысить
качество планирования, учета, контроля и организации произ-
водства, сократить в 1,5—2 раза сроки его технологической под-
готовки.
323
Осуществление этой программы комплексной автоматизации
окажет глубокое влияние на развитие экономики стран СЭВ.
Оно позволит соединить на деле преимущества социалистического
строя с достижениями научно-технического прогресса. В резуль-
тате удастся кардинально увеличить производительность труда
в различных отраслях промышленности (и, в первую очередь,
в машиностроении), повысить качество и конкурентоспособность
выпускаемых изделий, увеличить фондоотдачу, значительно сокра-
тить ручной и малоквалифицированный труд, поднять общий
технологический уровень и эффективность автоматизированного
производства.
СПИСОК ЛИТЕРАТУРЫ
1.	Автоматы и автоматические линии. Ч. I: Основы проектирования/Под ред.
Г. А. Шаумяна. М.: Высшая школа, 1976. 230 с.
2.	Автоматы и автоматические линии. Ч. II: Способы управления и целевые
механизмы/Под ред. Г. А. Шаумяна. М.: Высшая школа, 1976. 366 с.
3.	Адаптивное управление станками/Под ред. Б. С. Балакшина. М.: Машино-
строение, 1973. 688 с.
4.	Абрамов В. А., Гвритишвили П. П., Тернигорев М. А. Системы обработки
визуальной информации роботов//3арубежиая радиоэлектроника. 1982.
№ 8. С. 44—53.
5.	Аксенов Г. С., Воронецкая Д. К., Фомин В. Н. Построение программных
траекторий сложных манипуляционных систем//Робототехника. Л.: ЛПИ,
1979. Вып. 2. С. 41—47.
6.	Акуленко Л. Д., Болотник Н. Н., Каплунов А. А. Оптимизация режимов
управления манипуляционными роботами. — Препринт № 218. М.: Институт
проблем механики АН СССР, 1983. 72 с.
7.	Андреенко С. Н., Ворошилов М. С., Петров Б. А. Проектирование приводов
манипуляторов. Л.: Машиностроение, 1975. 312 с.
8.	Бабаев И. О., Тимофеев А. В. Система планирования поведения подвижного
робота, основанная на методе резолюций с элементами обучения//Теория,
принципы устройства и применения роботов и манипуляторов: Тр. V Все-
союзн. симпозиума. Л.: ЛПИ, 1974. С. 180—185.
9.	Барабанов А. Е., Тимофеев А. В., Усова Н. В. Алгоритмическое обеспечение
подсистемы распознавания интеллектуального робота//Робототехника. Л.:
ЛПИ, 1981. С. 58—65.
10.	Байков В. Д., Вашкевич С. Н. Решение задач интерполяции в системах ЧПУ//
Станки и инструмент. 1981. № 6. С. 16—17.
11.	Бакис К. Е. Эффективность автоматизации производства. М.: Экономика,
1982. 104 с.
12.	Барбашин Е. А. Введение в теорию устойчивости. М.: Наука, 1967. 240 с.
> 13. Баталин А. А., Камышев А. И., Черпанов Б. И. Основные принципы по-
строения системы технического диагностирования станков с ЧПУ//Станки
и инструмент. 1980. № 5. С. 5—8.
14.	Беленков В. Д., Гусев С. В., Зотов Ю. Н. Адаптивная система управле-
ния автономным подвижным роботом//Изв. АН СССР. Сер. Технич. кибер-
нетика. 1978. № 6. С. 52—63.
15.	Беленков В. Д., Гусев С. В., Зотов Ю. Н. Адаптивное управление техниче-
ской моделью автономного подвижного робота на местности с препятствиями//
Промышленные роботы. Л.: Машиностроение, 1979. С. 45—52.
16.	Белянин П. Н. Промышленные роботы и их применение. М.: Машиностроение,
1983. 310 с.
17.	Белянин П. Н., Воскресенский В. В., Пронина М. А. Построение программно-
го движения звеньев манипулятора по заданной траектории//Машиневедение.
1976. № 1. С. 6—11.
18.	Богачев Ю. П. Автоматизированное производство в японском машинострое-
нии//Станки и инструмент. 1981. № 9. С. 31—34.
19.	Болотин Н. Н., Коплунов А. А. Оптимальное прямолинейное перемещение
груза при помощи двухзвенного манипулятора//Изв. АН СССР. Сер. Технич.
кибернетика. 1982. № 1. С. 160—170.
325
20.	Борцов Ю. А., Поляхов Н. Д., Путов В. В. Электромеханические системы
с адаптивным и модельным управлением. Л.: Энергоатомиздат, 1984. 216 с.
21.	Брайсон А., Хо-Ю-Ши, Прикладная теория оптимального управления. М.:
Мир, 1972. 544 с.
22.	Браун П. Микропроцессоры и мобильность программного обеспечения. М.:
Мир, 1977. 253 с.
23.	Булашевич А. Е., Ружанский В. Н. Система алгоритмического и программного
обеспечения построения маршрута для автономного подвижного робота//
Робототехника. Л.: ЛПИ, 1977. С. 57—60.
24.	Булгаков А. А. Программное управление системами машин. М.: Наука,
1980. 264 с.
25.	Бурцев А. А., Солнцев В. Н. Математическое моделирование процессов сборки
с помощью манипуляционных роботов//Изв. АН СССР. Сер. Технич. кибер-
нетика. 1984. № 1. С. 148—157.
26.	Вайнштейн Г. Г., Завалишин Н. В., Мучник И. Б. Обработка визуальной
информации роботами: Обзор//Автоматика и телемеханика. 1974. № 6. С. 99—
132.
27.	Василенко В. А. Сплайн-функции: Теория, алгоритмы, программы. Ново-
сибирск: Наука, 1983. 214 с.
28.	Васильев Ф. П. Численные методы решения экстремальных задач. М.: Наука,
1980. 486 с.
29.	Верещагин А. Ф., Геперозов В. Л. Планирование траекторий исполнитель-
ного органа манипуляционного робота//Изв. АН СССР. Сер. Технич. кибер-
нетика. 1978. № 2. С. 76—87.
30.	Волчкевич А. И., Ковалев М. П., Кузнецов М. М. Комплексная автомати-
зация производства. М.: Машиностроение, 1983. 270 с.
31.	Воронов А. А. Устойчивость, управляемость, наблюдаемость. М.: Наука,
1979. 336 с.
32.	Вукобратович М,, Стокич Д, Синтез управления возмущенным движением
автоматических манипуляторов//Машиностроение. 1982. № 1. С. 9—14.
33.	Гибкие производственные комплексы/Под ред. П. Н. Белянина, В. А. Ле-
щенко. М.: Машиностроение, 1984. 384 с.
34.	Гибкое автоматическое производство/Под ред. С. А. Майорова, Г. В. Орлов-
ского, С. Н. Халкиопова. Л.: Машиностроение, 1985. 454 с.
35.	Глушков В. М. Основы безбумажной информатики. М.: Наука, 1982.
552 с.
36.	Гречановский Е. Н., Пинскер И. III. Метод планирования движений манипу-
лятора при наличии препятствий//Моделн. Алгоритмы. Принятие решений//
М.: Наука, 1979. С. 72—84.
37.	Гупта К., Рот В. Проектирование рабочего пространства манипулятора//
Конструирование и технология машиностроения. М.: Мир, 1982. № 4. С. 2—10.
38.	Гусев С. В., Тимофеев А. В., Якубович В. А. Адаптация в робототехнических
системах с искусственным интеллектом//Тр. VII Всесоюзн. совещания по
проблемам управления. Кн. I. М.: Наука, 1977. С. 279—282.
39.	Гусев С. В., Нестеров В. В. Экспериментальное исследование адаптивных
систем управления манипуляционных и транспортных роботов//Всесоюзное
совещание по робототехническим системам: Тезисы докладов. М.: Наука,
1978. С. 67—68.
40.	Гуляев Г. А., Тимофеев А. В. Автоматизация проектирования адаптивных
управляющих систем промышленных роботов//Проблемы создания и экс-
плуатации ГАП в машиностроении. М.: ВСНТО, 1984. С. 190—191.
41.	Дощенко Д. И., Белоусов А. П. Проектирование автоматических линий.
М.: Высш, школа, 1983. 328 с.
42.	Динамика управления роботами/В. В. Козлов, В. П. Макарычев,
А. В. Тимофеев; Под ред. Е. И. Юревича. М.: Наука, 1984. 328 с.
43.	Дистанционно управляемые роботы-манипуляторы/Под ред. Е. П. Попова
и М. Б. Игнатьева. М.: Мир, 1976. 443 с.
44.	Дуда Р., Харт А. Распознавание образов и анализ сцен. М.: Мир, 1976. 426 с.
45.	Дьяченко В. А., Тимофеев А. Н. Некоторые вопросы проектирования робо-
тизированных технологических комплексов. Л.: ЛПИ, 1981. 64 с.
326
46.	Емельянов С. В. Системы автоматического управления с переменной струк-
турой. М.: Наука, 1967. 397 с.
47.	Зотов Ю. Н., Тимофеев А. В., Экало Ю. А. Цифровая адаптивная система
управления координатно-измерительной машиной//Станки с ЧПУ, участки
и автоматические линии на их основе. М.: МДНТП, 1980. С. 46—50.
48.	Зотов Ю. Н., Тимофеев А. В., Гуляев Г. А. Конструирование микропроцес-
сорных систем адаптивного управления роботами//Создание и применение
промышленных автоматических манипуляторов (роботов). М.: МДНТП,
1982. С. 99—106.
49.	Зотов Ю. Н., Тимофеев А. В. Адаптивное управление электромеханическими
роботами с учетом упругости и перекрестных связей. Ч. 1//Роботы и робото-
технические системы: Материалы III Всесоюзн. конференции. Челябинск:
ЧПИ, 1983. С. 117—118.
50.	Игнатьев М. Б., Кулаков Ф. М., Покровский А. М. Алгоритмы управления
роботами-манипуляторами. Л.: Машиностроение, 1977 . 243 с.
51.	Каляев А. В., Носков В. П., Чернухин Ю. В. Алгоритм управляющей струк-
туры транспортного робота//Изв. АН СССР. Сер. Технич. кибернетика.
1980. С. 64—72.
52.	Карданский Л. Л., Найдин Ю. В., Чудаков А. Д. Централизованное управле-
ние машиностроительным оборудованием от ЭВМ. М.: Машиностроение,
1977. 260 с.
53.	Катковник В. Я., Тимофеев А. Н., Тимофеев П. Н. Оборудование гибкого
автоматизированного производства: Учебн. пособие. Л.: ЛПИ, 1984.
80 с.
54.	Козлов В. В., Тимофеев А. В., Юревич Е. И. Построение и стабилизация
программных движений автоматического манипулятора с электрическими
приводами//Робототехника, Л.: ЛПИ, 1979. С. 76—86.
55.	Козлов В. В., Тимофеев А. В., Юревич Е. И. Проектирование адаптивных
систем управления промышленными роботами//Национальн. научно-технич.
конференция с международным участием «Роботы-79». Стара Загора: Дом
техники, 1979. С. 15—16.
56.	Козырев Ю. Г. Промышленные роботы: Справочник. М.: Машиностроение,
1983. 376 с.
57.	Константинов М. Т. Расчет программ фрезерования на станках с ЧПУ.
М.: Машиностроение, 1985. 160 с.
58.	Красовский Н. Н. Теория управления движением. М.: Наука, 1966. 476 с.
59.	Красовский Н. Н. К задаче управления с неполной информацией//Изв.
АН СССР. Сер. Технич. кибернетика. 1976. № 2. С. 3—7.
60.	Крутько П. Д., Попов Е. П. Построение алгоритмов управления движением
манипуляционных роботов//ДАН СССР. 1980. Т. 255. № 1. С. 40—43.
61.	Крутько П. Д., Попов Е. П. Конструирование алгоритмов автоматического
управления силовыми операциями манипуляционных роботов//ДАН СССР.
1983. Т. 268. № 6. С. 1315—1318.
62.	Кушнер Э. М., Сойту В. А., Петраченков А. В. УИМ-28 — новый универсаль-
ный трехкоординатный измерительный прибор//Измерительиая техника.
1981. № 10. С. 20—22.
63.	Лачинов В. М., Тимофеев А. В., Якубович В. А. Адаптивное управление
манипулятором с шаговыми приводами//Робототехника. Л.: ЛПИ, 1976.
С. 66—74.
64.	Макаров И. М. Научно-технические проблемы роботизации//УШ Всесоюзн.
совещание по проблемам управления: Тезисы докладов. Кн. 3. Таллин:
Бит, 1983. С. 548—550.
65.	Малкович А. Р. Автоматическое адресование. Л.: Энергоатомиздат, 1982.
168 с.
66.	Малышев В. А., Тимофеев А. В. Динамика манипулятора и адаптивное
управление//Автоматика и телемеханика. 1981. № 8. С. 90—98.
67.	Малышев В. А., Тимофеев А. В. Представление среды, планирование, по-
строение и стабилизация программных движений роботов//!! Всесоюзн. меж-
вузовская конференция «Робототехнические системы»: Тезисы докладов
Кн. I. Киев: КПИ, 1980. С. 138—142.
327
68.	Малышев В. А., Тимофеев А. В. Алгоритмы построения программных движег
ний манипуляторов при наличии конструктивных ограничений и препятст-
вий// Изв. АН СССР. Сер. Технич. кибернетика. 1978. № 6. С. 64—72.
69.	Марчук Г. И. Методы вычислительной математики. М.: Наука, 1980. 535 с.
70.	Медведев В. С., Лесков А. Г., Ющенко А. С. Системы управления манипуля-
ционных роботов. М.: Наука, 1978. 416 с.
71.	Минский М. Фреймы для представления знаний. М. Энергия, 1979. 97 с.
72.	Микропроцессорные системы контроля и управления/Под ред. П. О. Виде-
ниенса. Рига: Зинатне, 1981. 364 с.
73.	Многоцелевые системы ЧПУ гибкой механообработкой/Под ред. В. Г. Коло-
сова. Л.: Машиностроение, 1984. 224 с.
74.	Модзелевский А. А., Соловьев А. В., Лонг В. А. Многооперационные станки:
Основы проектирования и эксплуатации. М.: Машиностроение, 1981. 261 с.
75.	Морозов В. П., Дымарский Я. С. Элементы теории управления ГАП: Матема-
тическое обеспечение. Л.: Машиностроение, 1984. 333 с.
76.	Морозов Е. Н., Скорописов Ю. И., Тимофеев А. В. Адаптивная система логи-
ческого адресования деталей на подвесном конвейере тракторного производ-
ства//Тр. Всесоюзн. научно-практического семинара «Прикладные аспекты
управления сложными системами». М.: ВНТО, 1983. С. 93—94.
77.	Михеев Ю. В., Сосоикии В. Л. Системы автоматического управления стан-
ками. М.: Машиностроение, 1978. 288 с.
78.	Мясников В. А., Игнатьев М. Б., Покровский А. М. Программное управле-
ние оборудованием. Л.: Машиностроение, 1974. 395 с.
79.	Охоцимский Д. Е., Платонов А. К.-, Пряничников В. Е. Методика моделиро-
вания робота, перемещающегося в пространственной среде//Изв. АН СССР.
Сер. Технич. кибернетика. 1980. № 1. С. 46—54.
80.	Павлов В. А., Тимофеев А. В. Об одном методе управления роботом-манипу-
лятором, способным обходить препятствия//Теория, принципы устройства
и применение роботов и манипуляторов. Л.: ЛПИ, 1974. С. 177—180.
81.	Павлов А. В., Тимофеев А, В, Построение и стабилизация программных
движений подвижного робота-манипулятора//Изв. АН СССР. Сер. Технич.
кибернетика. 1976. № о. С. 91—101.
82.	Патои Б. Е., Спыиу Г. А., Тимошенко В. Г. Промышленные роботы Для
сварки. Киев: Наукова думка, 1977. 290 с.
83.	Пенев Г. Д. Адаптивная стабилизация одного класса нелинейных и нестацио-
нарных динамических систем//Вопросы кибернетики. Адаптивные системы.
М.: Научн. совет по комплексн. проблеме «Кибернетика» АН СССР, 1976.
С. 94—99.
84.	Петров Б. Н., Крутько П. Д., Попов Е. П. Построение алгоритмов управле-
ния как обратная задача динамики/ДАН СССР. 1979. Т. 247. № 5. С. 235—239.
85.	Пол Р. Моделирование, планирование траекторий и управление движением
робота-манипулятора. М.: Наука, 1976. 104 с.
86.	Пономарев В. М., Лескии А. А., Халкиопов С. Н. Системотехнический синтез
гибких автоматических производств//Системы автоматизации в науке и про-
изводстве. М.: Наука, 1984. С. 196—208.
87.	Пономарев В. М. Лескин А. А., Смирнов А. В. Принципы автоматизирован-
ного проектирования технологических структур ГАП//Системы автомати-
зации в науке и производстве. М.: Наука, 1984. С. 209—217.
88.	Попов Е. П., Верещагин А. Ф., Зенкекич С. Л. Манипуляционные роботы:
Динамика и алгоритмы. М.: Наука, 1978. 400 с.
89.	Попов Е. П., Тимофеев А. В. Принципы скоростного управления в задаче
аналитического синтеза автоматов стабилизации//ДАН СССР. 1981. Т. 256.
№ 5. С. 1073—1076.
90.	Попов Е. П., Тимофеев А. В. Управляемость на подпространстве и адаптив-
ные модальные регуляторы//ДАН СССР. 1983. Т. 273. № 5. С. 1070—1073.
91.	Попов Е. П., Тимофеев А. В. Параметрическая оптимизация и самонастройка
автоматов управления программным движением//ДАН СССР. 1984. Т. 274.
№ 2. С. 1068—1074.
92.	Попов Э. В., Фридман Г. Р. Алгоритмические основы интеллектуальных робо-
тов и искусственного интеллекта. М.: Наука, 1976. 400 с.
328
93.	Поспелов Г. С. О принципах построения некоторых видов самонастраиваю-
щихся систем автоматического управления//Самонастраивающиеся автомати-
ческие системы. М.. Наука, 1964. С. 87—92.
94.	Поспелов Г. С. Возникновение и развитие методов искусственного интеллек-
та//Вопросы кибернетики. Проблемы искусственного интеллекта. М.: Научн.
совет по комплексн. проблеме «Кибернетика» АН СССР. 1980. С. 5—12.
95.	Прангишвили И. В. Микропроцессоры и локальные сети микроЭВМ в рас-
пределенных системах управления. М.: Энергоатомиздат, 1985. 272 с.
96.	Программное управление станками/Под ред. В. Л. Сосонкина. М.: Машино-
строение, 1981. 398 с.
97.	Промышленная робототехника и гибкие автоматизированные производства:
Опыт разработки и внедрения/Под ред. Е. И. Юревича. Л.: Лениздат, 1984.
223 с.
98.	Серков Н. И. Измерение пространственно-сложных поверхностей иа коорди-
натных измерительных машинах//Станки и инструмент. 1982. № 11. С. 20—24.
99.	Системы очувствления и адаптивные промышленные роботы/Под ред. Е. П. По-
пова, В. В. Клюева. М.: Машиностроение, 1985. 256 с.
100.	Сосоикин В. Л. Микропроцессорные системы числового программного упра-
вления станками. М.: Машиностроение, 1985. 288 с.
101.	Срагович В. Г. Адаптивное управление. М.: Наука, 1981. 384 с.
102.	Рапопорт Г. Н., Подкамииер Л. Л., Ипатов М. А. Системы управления
автоматизированными комплексами с роботами на базе вычислительного
устройства 15ВСМ//Промышленные роботы. Л.: Машиностроение, 1977.
С. 121 — 129.
103.	Скорописов Ю. И., Тимофеев А. В. Логический распознаватель деталей
подвесных конвейеров//Автоматизированные траиспортно-складские си-
стемы. Л.: ЛДНТП, 1982. С. 42—49.
104.	Следящие приводы/Под ред. Б. К. Чемодаиова. М.: Машииостроеиие,
1976. 480 с.
105.	Смехов А. А. Автоматизированные склады. 3-е изд. М.: Машиностроение,
1979. 287 с.
106.	Станки с программным управлением: Справочник. М.: Машиностроение,
1975. 288 с.
107.	Тимофеев А. В. Построение адаптивных систем управления программным
движением. Л.: Энергия, 1980. 88 с.
108.	Тимофеев А. В. Роботы и искусственный интеллект. М.: Наука, 1978. 192 с.
109.	Тимофеев А. В. Конечно-сходящиеся локально оптимальные алгоритмы
решения целевых неравенств, возникающих в задачах синтеза адаптивных
систем//Изв. АН СССР. Сер. Технич. кибернетика. 1975. № 4. С. 76—
84.
ПО. Тимофеев А. В. Адаптивное управление робототехническими системами на
базе микропроцессоров и микроЭВМ//Микропроцессорные системы управле-
ния в робототехнике/Под ред. И. М. Макарова. М.: Наука, 1984. С. 112—
122.
111.	Тимофеев А. В. Адаптивная стабилизация программных движений и оценка
времени адаптации//ДАН СССР. 1979. Т. 248. № 3. С. 545—549.
112.	Тимофеев А. В. Построение программных движений и управление роботом-
манипулятором с учетом его кинематической избыточности и динамики//
Автоматика. 1976. № 1. С. 71—81.
113.	Тимофеев А. В. Параметрическая оптимизация программных движений и
адаптивное терминальное управлеиие//ДАН СССР.7 1981. Т. 256. № 2.
С. 310—312.
114.	Тимофеев А. В. Адаптация и обучение в системах управления роботов//
Тр. IX Всесоюзн. школы-семинара по адаптивным системам. Алма-Ата:
КПИ, 1979. С. 134-138.
115.	Тимофеев А. В. Принципы и алгоритмы построения адаптивных систем
управления роботов//Робототехника. Л.: ЛПИ, 1977. С. 35—43.
116.	Тимофеев А. В. Системы инвариантного опознавания и их реализация мето-
дами когерентной и некогерентной оптики//Изв. АН СССР. Сер. Технич.
кибернетика. 1971. № 6. С. 155—163.
329
117.	Тимофеев А. В., Эка л о Ю. В. Устойчивость и стабилизация программных
движений робота-манипулятора//Автоматнка н телемеханика. 1976. № 10.
С. 148—156.
118.	Тимофеев А. В. Робототехника н гибкие производственные системы. Л.:
Знание, 1985. 29 с.
119.	Тимофеев А. В. Управление роботами. Л.: ЛГУ, 1985. 217 с.
120.	Тимофеев А. В. Системы искусственного интеллекта для гибких автомати-
ческих производств. Л.: ЛДНТП, 1985. 14 с.
121.	Тимофеев А. В. Математическая модель инвариантного восприятия и опозна-
вания по группам преобразований//Кибернетика и вычислительная техника.
Киев: Наукова думка, 1973. С, 48—54.
122.	Тимофеев А. В. Об одном классе полиномиальных разделяющих функций
в задачах опознавания и диагностики//Методы вычислений. Л.: ЛГУ, 1971.
Вып. 7. С. 106—121.
123.	Тимофеев А. В. Адаптивная система логического вывода и оптимальные
опознающие графы//Вопросы кибернетики: Адаптация в системах со слож-
ной организацией. М.: Научн. совет по комплексн. проблеме «Кибернетика»
АН СССР. 1977. С. 33—35.
124.	Тимофеев А. В. Алгоритмы интеллектуального управления робототехниче-
скими системами//1Х Всесоюзн. совещание по проблеме управления. М.:
ИПУ, 1983. С. 250—251.
125.	Тимофеев А. В. Адаптивное управление робототехническими системами//
Вопросы кибернетики: Актуальные задачи адаптивного управления. М.:
Научн. совет по комплексн. проблеме «Кибернетика» АН СССР, 1982.
С. 146—163.
126.	Тимофеев А. В. Адаптивные роботы и системы искусственного интеллекта
для ГАП//Конспект лекций Всесоюзн. школы «Проблемы создания ГПС
в приборостроении». М.: ВСНТО, 1984. С. 74—83.
127.	Тимофеев А. В., Шишлов А. В. Адаптивная система программирования
движений манипулятора в среде с препятствиями//Всесоюзн. конференция
«Теория адаптивных систем и ее применения». М.: Научн. советпо комплексн.
проблеме «Кибернетика» АН СССР, 1983. С. 239—241.
128.	Труды института инженеров по электротехнике и радиотехнике. М.: Мир,
1983. Т. 71. 278 с.
129.	Управляющие системы промышленных роботов/Под ред. И. М. Макарова
и В. А. Чиганова. М.: Машиностроение, 1984. 288 с.
130.	Управление роботами от ЭВМ/Под ред. Е. И. Юревича. Л.: Энергия, 1980.
264 с.
131.	Фомин В. Н., Фрадков А. Л., Якубович В. А. Адаптивное управление дина-
мическими объектами. М.: Наука, 1981. 447 с.
132.	Фролов К- В. Методы совершенствования машин и современные проблемы
машиностроения. М.: Машиностроение, 1984. 224 с.
133.	Хант 3. Искусственный интеллект. М.: Мир, 1978. 500 с.
134.	Шаумяи Г. А. Комплексная автоматизация производственных процессов.
М.: Машиностроение, 1973. 395 с.
135.	Шаумяи Г. А., Кузнецов М. М., Волчкевич Л. И. Автоматизация производ-
ственных процессов. М.: Высш, школа, 1967. 367 с.
136.	Цыпкии Я. 3. Адаптация и обучение в автоматических системах. М.: Наука,
1978. 309 с.
137.	Электроника. Т. 56. № 22. 1983.
138.	Электроника. Т. 56. № 23. 1983.
139.	Юревич Е. И. Функциональные схемы роботов трех поколений//Изв.
АН СССР. Сер. Технич. кибернетика. 1974. № 6. С, 51—55.
140.	Юревич Е. И. Интегральный робот ЛПИ-2//Робототехника Л.: ЛПИ, 1977.
С. 3—9.
141.	Якубович В. А. Метод рекуррентных целевых неравенств в теории адаптив-
ных систем//Вопросы кибернетики: Адаптивные системы. М,: Научн. совет
по комплексн. проблеме «Кибернетика» АН СССР, 1976. С. 33—34.
142.	Яиг Дж. Ф. Робототехника. М.: Машиностроение, 1979. 300 с.
330
ОГЛАВЛЕНИЕ
Предисловие.....................................................  3
Глава 1
ОБЩАЯ КОНЦЕПЦИЯ И ПРИНЦИПЫ ПОСТРОЕНИЯ АДАП-
ТИВНЫХ РТК....................................................... 6
1,1.	Гибкая автоматизация	и интеграция производства.............. —
1.2.	Структура и роль робототехнических комплексов в гибком автома-
тическом производстве	....................................... 12
1.3.	Эволюция роботов и РТК ..................................... 16
1.4.	Этапы и тенденции развития гибких автоматических производств 23
1.5.	Проблемы и принципы построения адаптивных РТК с элементами
искусственного интеллекта . . .................................. 30
Глава 2
ГИБКОЕ ПРОГРАММИРОВАНИЕ РТК ...................................  35
2.1.	Принципы и средства гибкого программирования ............... —
2.2.	Формализация задачи построения и оптимизации программных дви-
жений роботов................................................... 38
2.3.	Алгоритмы определения положения исполнительных механизмов и
рабочих органов ................................................ 42
2.4.	Метод кинематического синтеза программных траекторий ....	48
2.5.	Скоростные алгоритмы программирования траекторий........... 50
2.6.	Гибкие алгоритмы параметрического синтеза и оптимизации про-
. граммных движений............................................. 51
Глава 3
АДАПТИВНОЕ ПРОГРАММНОЕ УПРАВЛЕНИЕ РТК........................... 57
3.1.	Цели и задачи адаптивного программного управления........... —
3.2.	Анализ влияния возмущений и неопределенностей на качество про-
граммного управления .......................................... 67
3.3.	Идентификационный подход к адаптивному программному управле-
нию ........................................................... 70
3.4.	Концепция алгоритмического конструирования адаптивных систем
программного	управления................................... 73
3.5.	Непрерывные	алгоритмы самонастройки ...................... 77
3.6.	Рекуррентные	алгоритмы адаптации........................... 80
3.7.	Оптимизация	и акселеризация алгоритмов адаптации.......... 83
3.8.	Методы и режимы адаптивного программного управления ...	86
3.9.	Автоматизация проектирования адаптивных систем программного
управления...................................................... 90
3.10.	Принципы построения и архитектура мультимикропроцессориых
систем адаптивного программного	управления.................... 94
Глава 4
СТАНКИ С АДАПТИВНЫМ ПРОГРАММНЫМ	УПРАВЛЕНИЕМ . .	104
4.1.	Эволюция принципов и систем управления станками............. —
4.2.	Автоматизация программирования	станков	................... 116
331
4.3.	Системы адаптивного программного управления и диагностики
станков....................................................... 119
4.4.	Примеры адаптивных станков.................................... 122
4.5.	Концепция и перспективы развития интеллектуальных станков . .	127
Глава 5
МАНИПУЛЯЦИОННЫЕ РОБОТЫ С АДАПТИВНЫМ УПРАВЛЕНИЕМ 132
5.1.	Сравнительный анализ систем программного и адаптивного управле-
ния ............................................................ —
5.2.	Алгоритмический синтез адаптивных систем контурного и позицион-
ного управления............................................... 138
5.3.	Программное обеспечение и цифровое моделирование адаптивного
управления манипулятором ..................................... 142
5.4.	Адаптивное управление роботом с шаговыми двигателями.......... 151
5.5.	Адаптивное управление роботами с двигателями постоянного тока 158
5.6.	Сварочные роботы с адаптивным контурным управлением........... 171
5.7.	Сборочные центры и роботы с адаптивным управлением............ 176
5.8.	Адаптивные роботы для прецизионной микросварки................ 180
Глава 6
АДАПТИВНЫЕ ТРАНСПОРТНЫЕ СРЕДСТВА................................... 182
6.1.	Задачи и средства автоматической транспортировки грузов ....	—
6.2.	Транспортные роботы с самонаведением иа трассу................ 189
6.3.	Транспортные роботы с адаптивным управлением.................. 193
6.4.	Адаптивные манипуляционно-транспортные роботы с элементами
искусственного интеллекта ...................................  207
6.5.	Роботизированный конвейерный транспорт с автоматическим рас-
познаванием и адресованием грузов ............................ 216
Глава 7
РОБОТОТЕХНИЧЕСКИЕ СИСТЕМЫ ИСКУССТВЕННОГО ИНТЕЛ-
ЛЕКТА ............................................................. 228
7.1.	Элементы интеллекта РТК......................................... —
7.2.	Интеллектуальное программирование и	интеллектуальный интерфейс	232
7.3.	Язык предикатов и адаптивный поиск логического вывода......... 234
7.4.	Автоматическое формирование понятий и аксиоматическое представле-
ние знаний ................................................... 241
7.5.	Адаптивные решающие правила и фреймы ......................... 248
7.6.	Логический анализ и распознавание сцен ....................... 255
7.7.	Системы искусственного зрения и распознавания в адаптивных
робототехнических комплексах ................................. 262
Глава 8
СИСТЕМЫ АДАПТИВНОГО КОНТРОЛЯ И ИЗМЕРИТЕЛЬНЫЕ
РОБОТЫ............................................................. 271
8.1.	Цели и	задачи	адаптивного	контроля............................. —
8.2.	Встроенные системы адаптивного контроля для механической обра-
ботки	............................................. 274
8.3.	Измерительные	машины	и	роботы................................. 278
8.4.	Режимы работы измерительных роботов и задачи управления . . .	287
8.5.	Адаптивное управление координатными измерениями............... 291
8.6.	Мультимикропроцессорная реализация и моделирование адаптивного
управления измерительным роботом.............................. 300
Глава 9
ПЕРСПЕКТИВЫ РАЗВИТИЯ АДАПТИВНЫХ РТК................................ 305
9.1. Адаптивные РТК для гибких автоматических производств. ...	—
9.2. Основные направления развития адаптивных РТК.................. 321
Список литературы.................................................. 325
332
ПРОИЗВОДСТВЕННОЕ ИЗДАНИЕ
Тимофеев Адиль Васильевич
АДАПТИВНЫЕ
РОБОТОТЕХНИЧЕСКИЕ КОМПЛЕКСЫ
Редактор Р. Н. Михеева
Переплет художника А. А. Ларушкина
Художественный редактор Н. В. Зимаков
Технический редактор П. В. Шиканова
Корректоры: И. Г. Иванова, Н. В. Соловьева
ИБ № 5067
Сдано в набор 15.09.87. Подписано в печать 17.12.87. М-1861! Формат бОХОО1/^-
Бумага офсетная № 2. Гарнитура литературная, Печать офсетная.
Усл. печ. л. 21,0. Усл. кр.-птг. 21,0. Уч -над. л. 23f38.
Тираж 17500 эка, Зака* 230 Цена I р. 50 к.
Ленинградское отделение ордена Грудоного Красного Знамени
издательства «Машиностроение». 191065. Ленинград, ул Дзержинского. 50
Ленинградская типография № 6 ордена Трудового Красного Знамени
Ленинградского объединения «Техническая книга» им Евгении Соколовой
Союзполиграфпрома при 1 осударстиенном комитете СССР
по делам издательств, полиграфии и книжной торговли.
193144. г. Ленинград, ул. Моисеенко, 10,