В статье предлагается отслеживать и прогнозировать траекторию движения автономного неголономного трехколесного мобильного робота в среде со статическими препятствиями с помощью нейро-предиктивной системы управления. Данная система состоит из модифицированной нейронной сети Элмана (для отслеживания положения и ориентации робота), нейросетевой модели препятствия (для определения облака точек препятствия) и методов интерполяции кривой кубическими сплайнами и PSO-алгоритма (для сглаживания кривой обхода препятствия и обеспечения наименьшего расстояния). Новая траектория движения для объезда препятствия строится по трем точкам (до препятствия, центр препятствия, после препятствия). Предложенная система управления повышает эффективность управления мобильным роботом и обеспечивает наименьшее отклонение от траектории движения, в целом, и в месте обхода препятствия, в частности. Нейро-предиктивная система управления сравнивается с классическим PSO-алгоритмом, а также, внутри самой системы сравниваются методы сглаживания кривой обхода препятствия (интерполяция кубическими сплайнами и PSO-алгоритм). Алгоритмы сравниваются по таким критериям, как среднее расстояние робота от препятствия при перестройке траектории движения, скорость движения, время выполнения обхода препятствия. Также проверяется отклонение от заданной траектории движения: движения по лемнискате и по квадрату. Результаты моделирования показали, что нейро-предиктивная система эффективнее (в среднем, на 28,1 %) объезжает препятствие (обеспечивает наименьшее расстояние) и быстрее (в среднем, на 17,2 %) выполняет данный маневр, чем классический PSO-алгоритм. Также внутри самой системы для построения кривой обхода препятствия эффективнее работает PSO-алгоритм (на 3,3 % ближе к препятствию и, в среднем, на 88,2 % меньше среднеквадратичная ошибка), чем интерполяция кубическими сплайнами. При этом нейро-предиктивная система управления значительно лучше справляется со следованием по желаемой траектории, чем классический PSO-алгоритм.
This article proposes to track and predict the trajectory of an autonomous nonholonomic three-wheeled mobile robot in an environment with static obstacles using a neuro-predictive control system. This system consists of a modified Elman neural network (to track the position and orientation of the robot), a neural network model of an obstacle (to determine the point cloud of an obstacle) and cubic spline curve interpolation methods and a PSO algorithm (to smooth the obstacle avoidance curve and ensure the shortest distance). A new trajectory for avoiding an obstacle is built on three points (before the obstacle, the center of the obstacle, after the obstacle). The proposed control system improves the efficiency of mobile robot control and provides the smallest deviation from the movement trajectory, in general, and in the place where the obstacle is bypassed, in particular. The neuro-predictive control system is compared with the classical PSO algorithm, and, within the system itself, methods for smoothing the obstacle avoidance curve (cubic spline interpolation and PSO algorithm) are compared. Algorithms are compared according to such criteria as the average distance of the robot from the obstacle when rebuilding the trajectory, the speed of movement, the time it takes to bypass the obstacle. In addition, the deviation from the given trajectory of movement is checked: movements along the lemniscate and along the square. The simulation results showed that the neuro-predictive system is more efficient (by 28.1 % on average) in avoiding an obstacle (provides the shortest distance) and performs this maneuver faster (by 17.2 % on average) than the classical PSO algorithm. Also, within the system itself, the PSO-algorithm works more efficiently to construct an obstacle avoidance curve (3.3 % closer to the obstacle and, on average, 88.2 % less root-mean-square error) than cubic spline interpolation. At the same time, the neuro-predictive control system copes much better with following the desired trajectory than the classical PSO algorithm.
The authors declare that there are no conflicts of interest present.