Робототехника претерпевает серьезные преобразования в масштабах и измерениях. В значительной степени доминируя в промышленности, робототехника быстро распространяется в среду обитания человека и активно участвует в новых задачах [1,2]. Чтобы работать лучше в сложных ситуациях, эти роботы мобильны и приводятся в действие батареями [3]. Мобильные роботы широко используются в современных производственных системах, в то время как их использование также распространяется на повседневную жизнь человека [4].
Мобильные роботы ограничены тяжелыми и дорогими батареями, что делает энергоэффективность ключевым ограничением производительности робота. Таким образом, моделирование и управление энергопотреблением имеет жизненно важное значение для прогнозирования срока службы и диапазона автономных платформ. Большое значение имеет изучение энергопотребления мобильных роботов [5,6]. Энергетической проблеме мобильных роботов уделяется больше внимания в целях удовлетворения требований снижения энергопотребления. Моделирование энергопотребления мобильных роботов [7] на основе математических формул может быть более научным для изучения влияния рабочих состояний на энергопотребление, что обеспечивает руководство для содействия энергосберегающим стратегиям [8]. Во-первых, сам робот может четко понимать энергию, необходимую для движения робота, и удельное потребление энергии каждой детали; следовательно, потребление энергии может быть уменьшено в соответствии с различными ситуациями, и можно оценить существующую энергетическую поддержку. Тем не менее, в недавних публикациях были приняты совершенно другие методы расчета потребления энергии. Многие авторы пытались достичь этого путем изменений в планировании траектории, управлении или механическом проектировании [9,10,11,].
В этой работе предлагается новый метод моделирования энергопотребления. Метод включает в себя разделение потребления энергии роботом на три части: система датчиков, система управления и система движения. Блок-схема системы показана на рисунке 1. На рисунке 1(а) представлена передача электрической энергии, а на рисунке 1(б) показана передача сигнала во время работы робота.
Рис. 1. Блок-схема системы (а) передаче электрической энергии; (б) передача сигнала
Инструменты измерения электрической мощности точно измеряют удельную электрическую мощность трех частей, а затем дают полную математическую формулу для суммирования потребления энергии роботом в различных ситуациях.
Эта модель была использована и экспериментально протестирована на четырехколесном мобильном роботе. Эти типы роботов могут перемещаться вбок, поворачиваться на месте и следовать сложным траекториям. Эти роботы способны легко выполнять задачи в средах со статическими и динамическими препятствиями и узкими проходами. Электрическая мощность сенсорной системы и системы управления находилась на уровне милливатт, и для точного измерения электрической мощности систем использовался монитор мощности муссонов. Электрическая мощность системы движения была на ваттном уровне, и для измерения системы движения использовался программируемый источник питания постоянного тока (DC) Rigol.
С целью минимизации потребления энергии роботами во многих опубликованных работах описаны эффективные методы достижения этой цели.
Метод энергетического моделирования путем измерения общей мощности промышленного робота был предложен Сюй Ш. [8]. Этот метод устраняет проблему непосредственного измерения соответствующих параметров внутри робота. Основное содержание этого метода — совместное моделирование крутящего момента, а оценка параметров является одним из наиболее важных этапов в процессе моделирования крутящего момента.
Верстратен Т. и соавт. [9] изучили, насколько хорошо различные подходы к моделированию, обычно встречающиеся в литературе, могут предсказать потребление энергии мотор-редуктором постоянного тока, выполняющим динамическую задачу. Результаты их работы помогают проектировщикам решить, какие элементы включить в их модель, является ли их целью сравнение конструкций или получение фактической оценки потребляемой мощности.
В работах оптимизация энергопотребления исследовалась путем замены аппаратных средств. Использование аппаратного обеспечения с низким энергопотреблением может снизить общее потребление электроэнергии роботом.
Буката и соавт. изучали энергетическую оптимизацию промышленных роботизированных ячеек, которая необходима для устойчивого производства в долгосрочной перспективе. Для минимизации энергопотребления был предложен целостный подход, который рассматривает роботизированную ячейку как целостного робота. Математическая модель, которая учитывает различные скорости, положения робота, режимы энергосбережения и альтернативные порядки операций, может быть преобразована в смешанную целочисленную формулировку линейного программирования, которая, однако, подходит только для небольших случаев. Для оптимизации сложных роботизированных ячеек был реализован гибридный эвристический ускоренный метод с использованием многоядерных процессоров и метод Gurobi simplex для кусочно-линейных выпуклых функций.
Исследовательский проект, финансируемый Европейской комиссией, разработал метод нового поколения для энергоэффективных роботов с постоянным током (DC), чтобы преодолеть энергетические ограничения современных промышленных роботов и использовать обмен, хранение и рекуперацию энергии на заводском уровне. Новые роботы с постоянным током, разработанные в рамках проекта AREUS, могут обеспечить использование интеллектуальных промышленных сетей постоянного тока с полным рекуперативным двунаправленным потоком постоянного тока и бесшовной интеграцией возобновляемых источников энергии.
Многие исследовательские работы достигли цели экономии энергии за счет оптимизации траектории. Се. и другие. изучал онлайн-планирование траектории минимальной энергии как неголономных, так и голономных движений по прямой линии. Их функция стоимости энергии представляет собой суммарную энергию, получаемую от бортовых батарей, и включает в себя рассеяние энергии якорем двигателя, энергию, возникающую при трении, и кинетическую энергию робота. Закрытое решение траектории скорости вращения с минимальной энергией было найдено с использованием принципа минимума Понтрягина, а траектория скорости вращения с минимальной энергией была найдена с использованием нового алгоритма исследования. Их результаты показали, что при прохождении одной и той же прямой линии через разные профили скорости потребляется разное количество энергии. Тем не менее, их исследования были ограничены прямыми путями и стационарными состояниями в начале и в конце. Бартлетт и соавт. предложил вероятностный, управляемый данными подход к оценке энергопотребления мобильного робота на наборе траекторий, независимо от того, пройдены они или нет. В частности, робот рассматривался как черный ящик, что исключало зависимость от часто недоступных характеристик системы. Они измеряли потребление непосредственно на пройденных маршрутах и использовали функции, полученные из общедоступных карт, для экстраполяции на потребление энергии на реальных маршрутах. Был представлен подход с самоконтролем, который учитывает геометрию местности и типы почвы. В частности, в этой статье были проанализированы типы почв, которые влияют на модели использования энергии, затем была предложена схема прогнозирования, основанная на распознавании типов местности и простом моделировании потребления.
Во многих статьях обсуждается энергопотребление механической конструкции робота. Общее энергопотребление робота состоит из энергопотребления механизма и дополнительных потерь электроэнергии. Капонетто и соавт. использовали нейронную сеть для разработки нелинейной динамической модели батареи топливных элементов, которая может использоваться в качестве компонента сложных систем управления для управления потоками энергии между батареей топливных элементов, блоком батарей, вспомогательными системами и электрическим двигателем.
Поскольку мобильные роботы обычно получают энергию от батарей, которые накапливают ограниченную энергию, большинство существующих исследований энергоэффективности направлены на минимизацию потребления энергии вместо потребления энергии. Потребление энергии роботом для выполнения задачи является интегралом от его энергопотребления за время выполнения задачи. Потребляемая мощность, то есть энергия, затрачиваемая за единицу времени, также является критическим критерием для разработки и управления мобильными роботами с автономными источниками питания.
Литература:
- Burghardt, A.; Kurc, K.; Szybicki, D.; Мушинская, М.; Щенч Т. Контроль параметров процесса контроля качества, управляемого роботом. Adv. Sci. Technol. Местожительство J. 2017, 11, 232–236.
- Cafolla, D.; Чеккарелли М. Экспериментальная проверка нового гуманоидного туловища. Робот. Auton. Сист. 2017, 91, 299–313.
- Тампуболон, М.; Памунгкас, Л.; Chiu, HJ; Лю, YC; Hsieh, YC Динамическая беспроводная передача энергии для логистических роботов. Энергии 2018, 11, 527.
- Clotet Bellmunt, E.; Мартинес Лакаса, Д.; Moreno Blanc, J.; Tresánchez Ribes, M.; Паласин Рока, J. Assistant Personal Robot (APR): Концепция и применение телеуправляемого живого робота с дистанционным управлением. Датчики 2016, 16, 610.
- Canfield, SL; Хилл, TW; Цуккаро С. Г. Прогнозирование и экспериментальная проверка энергопотребления мобильных роботов с бортовым поворотом в производственных условиях. J. Intell. Робот. Сист. 2018, 1–15.
- Chuy, O.; Коллинз, EGJ; Ю, Ш.; Ордонез, C. Энергетическое моделирование колесного роботизированного наземного транспортного средства с бортовым поворотом. В материалах Международной конференции IEEE по робототехнике и автоматизации, Кобе, Япония, 12–17 мая 2009 г.; С. 4118–4123.
- Лю, С.; Sun, D. Моделирование и экспериментальное исследование для минимизации энергопотребления мобильного робота. В материалах Международной конференции по современной интеллектуальной мехатронике, Качюн, Тайвань, 11–14 июля 2012 г.; С. 708–713.
- Сюй, Ш.; Лю, Х.; Лю, Дж.; Zhou, Z.; Фам Д. Т. Практический метод энергетического моделирования для промышленных роботов в производстве. В проблемах и возможности с большими данными; Monterey Workshop 2016. Конспект лекций в области компьютерных наук; Чжан Л., Рен Л., Кордон Ф., Эдс.; Springer: Cham, Нидерланды, 2017; Том 10228.
- Verstraten, T.; Furnémont, R.; Mathijssen, G.; Vanderborght, B.; Лефебер, Д. Энергопотребление редукторных двигателей постоянного тока в динамических приложениях: сравнение подходов моделирования. IEEE Робот. Автом. Lett. 2016, 1, 524–530.
- Лу, Б.; Ян, Л.; Ян Ю. Н. Контроль клеточных делений в нервной системе: симметрия и асимметрия. Annu. Преподобный Neurosci. 2000, 23, 531.
- Martin, D.; Caballero, B.; Хабер Р. Оптимальная настройка сетевого линейного контроллера с использованием многоцелевого генетического алгоритма. Применение к сложному электромеханическому процессу. В материалах Международной конференции по инновационной вычислительной информации и контроля, Далянь, Китай, 18–20 июня 2008 г.; Том 91.
