1. Научни трудове, включени - Технически Университет - София

Проложената обработка имаше за цел да проследи евентуалното изменение на цвета на небето повреме на затъмнението.2.26 A. V. Topalov and D. D. Tsankova, “A Hybrid System for Mobile Robot Path-Planningand Control”, Proc. of International Workshop on Intelligent Control, INCON’97, pp. 57-62,Oct. 13-15, 1997, Sofia, Bulgaria.Резюме. Една от изследователските задачи в мобилната роботика е да бъде придвижен мобилнияробот в навигационното пространство без стълкновения от началната си позиция до дадена целевапозиция. В този доклад е предложен интелигентен хибриден подход за планиране на пътя и управлениена движението на колесен мобилен робот в частично известна околна среда. Първоначално свободниятот стълкновения път се изчислява от невронен планировчик на движението (motion planner). Вслучаите, когато мобилният робот срещне по пътя си неочаквани препятствия, за избягването им сеактивира допълнителна експертна система за навигация, която променя постъпващата от невроннияпланировчик информация за движението с цел заобикалянето им. Изходният сигнал от планиращотониво се трансформира в индексирана по време последователност от данни, която се подава на входа насхема за траекторно управление, отчитаща цялостната динамика на мобилната платформа. Нейнатаструктура е изградена върху интеграцията на кинематичен (отчитащ само кинематичния модел наробота) и адаптивен невронно-размит регулатор на въртящия момент.2.27 A. V. Topalov, K. -Ch. Kim, and J. -H. Kim, “An On-line Tuned Neuro-Genetic PIDtypeController”, Proc. of Korean Automatic Control Conference, pp. 195-198, March 29-30,1996, Seoul, South Korea.Резюме. В този доклад е предложена нова структура на адаптивна ПИД система за управление. Тяможе да бъде разглеждана като схема реализираща индиректно адаптивно управление с използване наработещ с една стъпка напред невронен предиктор позволяващ адаптивна настройка на параметритена регулатора при наличие на неопределености в динамичния модел на обекта. В предложената схемаза управление се прилага нов бърз онлайн метод за обучение, който използва съвместно генетиченалгоритъм и динамичен алгоритъм за обучение с обратно разпространение на грешката (dynamic backpropagation). Показано е, чрез провеждане на симулационни експерименти, че предложеният алгоритъмза обучение се характеризира с бърза сходимост и по-добри характеристики по отношение нанамаляване на грешката на съответствие в онлайн обучаващите се невронни структури. Освен това,той води до подобряване на преходната характеристика на адаптивната система.2.28 A. V. Topalov, J. -H. Kim, and T. Ph. Proychev, “Neuro-Adaptive PID Control withApplication to Robotic Manipulators”, Proc. of Korean Automatic Control Conference, pp.415-420, March 29-30, 1996, Seoul, South Korea.Резюме. В областта на гъвкавото автоматизирано производство ролята на роботите манипулаторивсе повече нараства. Възможността да изпълняват задачи за траекторно следене с високата скорости точност е особено важна с оглед на многоцелевото им приложение. Необходимостта отудовлетворяване на високите изисквания по отношение на управлението, в условията на нарастващасложност на динамичните системи и при наличието на значителни неопределености, водят къмпроектиране на интелигентни манипулационни роботи. В този доклад е представена нова схема заадаптивно ПИД управление с използване на конекционистски архитектури. Тя е приложена зауправление на движението на робот манипулатор. Проектираната стратегия на управление едецентрализирана и позволява прилагането на независими ставни управления. Предложенатаархитектура може да бъде разглеждана като индиректно адаптивно управление. Две свързанимногослойни невронни мрежи се използват за предсказване на позицията на ставата на робота.Динамичен алгоритъм за обучение с обратно разпространение на грешката (dynamic back propagation)се използва за адаптация на мрежовите тегла, като тренирането се осъществява онлайн по време наизпълняваните от робота движения. Използвано е обратно разпространение на траекторната грешкапрез правия динамичен модел на манипулатора за да бъде изчислена оценка на грешката в управляващиясигнал на изхода на регулатора. Последната се използва за адаптация на неговите параметри.Разработената схема за управление е симулирана и е оценен нейния ефект върху качеството натраекторно следене при прост робот манипулатор с две степени на свобода.Публикувани в интернет доклади за резултати от ръководени международнинаучни проекти (цитирани в научни публикации от други автори).2.29 H. L. Akın, E. Başaran, T. Demir, O. Dikmen, Ç. Gündüz, O. Kaynak, H. Köse, A. A.Salah, Ö. Tombuş, O. T. Yıldız, I. Kalvachev, P.E. Pavlova, Ch. I. Radev, A. Ch. Radeva, N.G. Shakev, J. K. Tombakov, and A. V. Topalov, Cerberus 2001 Team Report, Bogazici15