Details

Предметом исследования является алгоритмическое и программное обеспечение системы интеллектуального управления 7-осевым манипулятором в условиях сборочного технологического процесса. Основной целью магистерской диссертации является разработка распределённой интеллектуальной системы управления, обеспечивающей безопасную сборку и разрешение кинематической избыточности манипулятора при обходе препятствий. В работе проведено исследование существующих методов разрешения избыточности, спроектирована семантическая база знаний сборочной ячейки, разработан и обучен гибридный алгоритм планирования траекторий на базе предиктивной нейронной сети и локальной градиентной оптимизации, создана имитационная модель цифрового двойника для превентивной верификации коллизий. Реализован промышленный контур управления на базе ПЛК АБАК и спроектирован человеко-машинный интерфейс диспетчеризации оператора. Практической значимостью работы является создание отказоустойчивой архитектуры управления на базе гибридного метода планирования траекторий, интеграция семантической базы знаний, предиктивной нейронной сети и локального градиентного оптимизатора. Предложенный метод решает проблему попадания в локальные минимумы при расчёте обратной кинематики и минимизирует вычислительную нагрузку. Разработанный аппаратно-программный комплекс успешно решает задачу автоматизированного обхода препятствий с высокой точностью для успешной интеграции в роботизированные технологические процессы.

The subject of the research is the algorithmic and software of the intelligent control system of a 7-axis manipulator in the conditions of an assembly technological process. The main goal of the masters thesis is to develop a distributed intelligent control system that ensures safe assembly and resolution of kinematic redundancy of the manipulator while avoiding obstacles. The paper investigates existing redundancy resolution methods, designs a semantic knowledge base for the assembly cell, develops and trains a hybrid trajectory planning algorithm based on a predictive neural network and local gradient optimization, and creates a digital twin simulation model for preventive collision verification. An industrial control circuit based on the ABAC PLC has been implemented and a human-machine interface for operator dispatching has been designed. The practical significance of the work is the creation of a fault-tolerant control architecture based on a hybrid trajectory planning method, the integration of a semantic knowledge base, a predictive neural network and a local gradient optimizer. The proposed method solves the problem of hitting local minimum when calculating the inverse kinematics and minimizes the computational load. The developed hardware and software package successfully solves the problem of automated obstacle avoidance with high accuracy for successful integration into robotic technological processes.