Физическая строгость и математическая корректность модели интеллектуального робота: адекватность реальному объекту и точность уравнений движения динамической системы - метод глубокого обучения на лагранжевых нейронных сетях
Автор: Ульянов Сергей Викторович, Ульянов Виктор Сергеевич, Решетников Андрей Геннадьевич, Ульянова Ксения Викторовна
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Статья в выпуске: 1, 2022 года.
Бесплатный доступ
На примере широко известной лабораторной системы, представленной как механический, динамически неустойчивый объект управления - каретка-маятник (шест), рассматриваются основные подходы и упрощения в создании нелинейной математической модели и структуры компьютерного моделирования ее системы управления. Обсуждаются методы создания математической модели с учетом упрощений физической модели и ее параметров, а также аспектов, связанных с математической точностью и физической строгостью математического описания динамического объекта и применения технологий создания интеллектуальных самообучающихся систем управления.
Нелинейная механика, робототехника, интеллектуальные системы управления
Короткий адрес: https://sciup.org/14124328
IDR: 14124328 | УДК: 004.415.2,
Physical rigidity and mathematical correctness of the intelligent robot model: adequacy to a physical object and accuracy of motion dynamic system equations - method of deep machine learning based on Lagrangian neural networks
On the example of a well-known laboratory system represented as a mechanical, dynamically unstable control object - cart-pole, the main approaches and simplifications in creating a nonlinear mathematical model and the structure of computer modeling of its control system are considered. Methods for creating a mathematical description using simplifications of the physical model and its parameters, as well as aspects related to the mathematical accuracy and physical rigor of the dynamic object mathematical description and use of technologies for creating intelligent self-learning control systems are discussed.
Список литературы Физическая строгость и математическая корректность модели интеллектуального робота: адекватность реальному объекту и точность уравнений движения динамической системы - метод глубокого обучения на лагранжевых нейронных сетях
- Основы применения квантовых сквозных ИТ в робототехнике и интеллектуальном когнитивном управлении: стохастическая механика, квантовая информационная физика и информационная геометрия / П. В. Зрелов, В. В. Кореньков, О. Ю. Тятюшкина, С. В Ульянов // Системный анализ в науке и образовании: сетевое научное издание. 2021, №2. – C. 83–117. – URL : http://sanse.ru/download/439.
- Hamil P. Lagrangians and Hamiltonians. Cambridge Univ. Press, UK, 2014.
- Flannery M.R. d’Alembert-Lagrange analytical dynamics for nonholonomic systems // Journal of Mathematical Physics. – 2011, №52, 032705. – DOI: 10.1063/1.3559128
- Ulyanov S.V. Self-organizing control system . Patent No.: US 6,411,944 Bl. Date of Patent: Jun. 25, 2002 (Filed: Mar. 17, 1998; Foreign Application Priority Data Mar. 21, 1997 (JP) 9-087426).
- Ульянов В. С. Моделирование неголономных, существенно нелинейных динамических систем с использованием методов мягких вычислений с приложениями : диссертация к.т.н. – Тверь: ТвГУ, 2001.
- Ulyanov S. V. Optimization Control Method for Shock Absorber. Patent No.: US 6,212,466 Bl. Date of Patent: Apr. 3, 2001 (Filed: Jan. 18, 2000).
- Ulyanov S. V. , Panfilov, S. System and method for stochastic simulation of nonlinear dynamic systems with a high degree of freedom for soft computing applications. USA Patent Application Publication. US 2004/0039555 Al. 2004.
- García-Garrido V. J., Wiggins S. Lagrangian Descriptors and the Action Integral of Classical Mechanics // arXiv:2204.04728v1 [math.DS] 10 Apr 2022.
- Green C. D. Equations of Motion for the Cart and Pole Control. – Colin Green, 2020. – Дата публикации: 04.01.2020.–URL: https://sharpneat.sourceforge.io/research/cart-pole/cart-pole-equations.html#appendixB/.
- Момент инерции // Википедия : свободная энциклопедия. – URL : https://ru.wikipedia.org/wiki/Момент_инерции
- Векторное произведение // Википедия : свободная энциклопедия. – URL : https://ru.wikipedia.org/wiki/Векторное_произведение
- Момент силы // Википедия : свободная энциклопедия. – URL : https://ru.wikipedia.org/wiki/Момент_силы
- Таблица моментов инерции // Википедия : свободная энциклопедия. – URL : https://en.wikipedia.org/wiki/List_of_moments_of_inertia
- Технология мягких вычислений : Учебно-методическое пособие. Часть 3: Введение в Интеллектуальную Робототехнику / А. В. Николаева, А. Г. Решетников, С. В. Ульянов, В. С. Ульянов . – Mосква: КУРС, 2020. – 408 с.
- Robust Fuzzy Control of Non-Linear Dynamic Systems Based on Soft Computing with Minimum of Entropy Production Rate / S. A. Panfilov [et al.] // Proc. Int. Conf. ICAFS 2000, Siegen, Germany. – 2000.
- Principle of minimum entropy production in applied soft computing for advanced intelligent robotics and mechatronics/ V. S. Ulyanov, S. A. Panfilov, S. V. Ulyanov etc. // Soft Computing. –2000. – Vol. 2.
- Computational intelligence with new physical controllability measure for robust control algorithms of extension-cableless robotic unicycle/ V. S. Ulyanov [et al.] // Journal of Advanced Computational Intelligence. – 1999. – Vol.3. – No.2.
- A new physical measure for mechanical controllability and intelligent control of a robotic unicycle on basis of intuition, instinct and emotion computing / S. V. Ulyanov [et al.] // Proc. 2nd Intern. Conf. on Application on Fuzzy Systems and Soft Computing (ICAF’96), Siegen, Germany. – 1996. – Pp. 49-58.
- Soft computing for the intelligent control of a robot unicycle based on a new physical measure for mechanical controllability / / S. V. Ulyanov [et al.] // Soft Computing. – 1998. – Vol. 2. – No.2.
- Computational intelligence for robust control algorithms of complex dynamic systems with minimum entropy production. Part1: simulation of entropy-like dynamic behavior and Lyapunov stability / S. V. Ulyanov [et al.] // Journal of Advanced Computational Intelligence. – 1999. – Vol.3. – No. 2.
- Green C. D. Equations of Motion for the Cart and Pole Control. – Colin Green, 2020. – Дата публикации: 04.01.2020.–URL: https://sharpneat.sourceforge.io/research/cart-pole/cart-pole-equations.html#appendixB/.
- Голономные ограничения - Holonomic constraints // abcdef.wiki : [веб-сайт]. – URL : https://ru.abcdef.wiki/wiki/Holonomic_constraints
- Неголономная система - Nonholonomic system // abcdef.wiki : [веб-сайт]. – URL : https://ru.abcdef.wiki/wiki/Nonholonomic_system
- Борисов А. В. Негологомые динамические системы. Интегрируемость, хаос, странные аттракторы / А. В. Борисов; под ред. И. С. Мамаев. – Москва ; Ижевск: Институт компьютерных исследований, 2002. – 328 с. – URL : http://window.edu.ru/resource/932/67932/files/ics4.pdf.
- Шмутцер Э. Основные принципы классической механики и классической теории поля (канонический аппарат) / Э. Шмутцер. Москва: Мир. 1976.
- An Approach to the Dynamics and Control of Uncertain Robot Manipulators / X. Yang [et al.] // Algorithms. – 2019. – Vol. 12. – P. 66. – DOI : 10.3390/a12030066. – URL: www.mdpi.com/journal/algorithms
- Komoda K., Wagatsuma H. Energy-efficacy comparisons and multibody dynamics analyses of legged robots with different closed-loop mechanisms // Multibody Systems Dynamic. – 2017. – Vol. 40. – P. 123–153. – DOI: 10.1007/s11044-016-9532-9
- Exploiting Null Space in Aerial Manipulation through Model-In-The-Loop Motion Planning / A. Ivanovic A. [et al.] // arXiv:2204.13540v1 [cs.RO] 28 Apr. 2022.
- Wei S.X. , Harderup P., Burdick J. W. Differential Flatness and Flatness Inspired Control of Aerial Manipulators based on Lagrangian Reduction // arXiv:2111.01302v1 [cs.RO] 2 Nov 2021.
- Rouch N. Stability Theory by Lyapunov's Direct Method / N. Rouch, P. Habets, M. Laloy. – Berlin : Springer. – 1977.
- Ulyanov S.V. Self-organizing control system. Patent No.: US 6,411,944 Bl. Date of Patent: Jun. 25, 2002 (Filed: Mar. 17, 1998; Foreign Application Priority Data Mar. 21, 1997 (JP) 9-087426).
- Dynamic Grasping with a “Soft” Drone: From Theory to Practice / J. Fishman [et al.] // arXiv:2103.06465v1 [cs.RO] 11 Mar 2021.
- Building healthy Lagrangian theories with machine learning / С. Valelis [et al.] // arXiv:2002.00049v3 [physics.comp-ph] 20 Jun 2021.
- Lagrangian neural networks / Cranmer M. [et al.] // arXiv:2003.04630v2 [cs.LG] 30 Jul 2020.
- Machine-Learning Non-Conservative Dynamics for New-Physics Detection / Liu Z. [et al.] // arXiv:2106.00026v2 [cs.LG] 2 Jun 2021.
- Physics- informed machine learning / G. E. Karniadakis [et al.] // NATURE REVIEWS. – 2021. – Vol. 3 – Pp. 423-440.
- Scientific Machine Learning through Physics-Informed Neural Networks: Where we are and What’s next / S. Cuomo [et al.] // arXiv:2201.05624v3 [cs.LG] 13 Feb 2022.
- When physics meets machine learning: a survey of physics-informed machine learning / C. Meng et al. // arXiv:2203.16797v1 [cs.LG] 31 Mar 2022.
