Системный анализ требований и оптимизация состава группы роботов в задаче мониторинга окружающей среды

Автор: Капустян Сергей Григорьевич, Мельник Эдуард Всеволодович

Журнал: Вестник Южно-Уральского государственного университета. Серия: Математика. Механика. Физика @vestnik-susu-mmph

Статья в выпуске: 2 т.16, 2024 года.

Бесплатный доступ

Для решения задач мониторинга удаленных больших территорий и областей целесообразно применение групп роботов как мобильных компонентов систем мониторинга. Рассматриваются концептуальные вопросы организации автономного функционирования таких групп роботов. Эффективность решения задач мониторинга группой роботов во многом определяется ее составом. Предлагается подход к решению задачи формирования состава групп роботов для решения задач мониторинга, базирующийся на принципах самоорганизации технических систем, технологиях мультиагентных систем и распределенного реестра.

Система мониторинга, мобильный компонент, группа роботов, мультиагентная система, принципы самоорганизации, распределенный реестр, оптимальный состав группы

Короткий адрес: https://sciup.org/147243211

IDR: 147243211 | DOI: 10.14529/mmph240202

Список литературы Системный анализ требований и оптимизация состава группы роботов в задаче мониторинга окружающей среды

Катун, Е.С. Основные виды роботов и направления их дальнейшего развития / Е.С. Катун // Материалы XXXVIII Международной научно-практической конференции «Научные открытия 2018». – 2018. – С. 60–64.
Поляков, Р.Ю. Робот-инсекоптер для мониторинга окружающей среды / Р.Ю. Поляков, С.В. Ефимов, С.Ф. Яцун // Вестник Воронежского института ГПС МЧС России. – Вып. 3(15). – 2015. – С. 48–51.
Bogue, R. The role of robots in environmental monitoring / R. Bogue // Industrial Robot. – 2023. – Vol. 50, no. 3. – P. 369–375.
Давид, Б. Роботы для мониторинга окружающей среды: эффективные инструменты для контроля и охраны природы // URL https://nauchniestati.ru/spravka/roboty-dlya-monitoringa-okruzhayushhej-sredy/ (дата обращения: 25.02.2024).
Шевченко, О.Ю. Использование беспилотных летательных аппаратов для ведения мониторинга использования территорий / О.Ю. Шевченко, А.Б. Боричевский // Экономика и экология территориальных образований. – 2015. – № 3. – С. 150–152.
Опыт использования АНПА типа MT-2010 для экологических исследований в бухте Золотой Рог / А.В. Инзарцев, А.А. Борейко, А.И. Боровик и др. // Экологические системы и приборы. – 2018. – № 12. – С. 38–45.
Разработка группы мобильных роботов для мониторинга окружающей среды / И.О. Берестнев, Д.В. Зезюлин, Д.Ю. Тюгин и др. // Транспортные системы. – 2018. – № 2(8). – С. 19–24.
Сафаров, Д.И. Мониторинг гидросферы группой роботов / Д.И. Сафаров, С.В. Ефимов, С.Ф. Яцун // Информационные технологии и нанотехнологии (ИТНТ-2021). Сборник трудов по материалам VII Международной конференции и молодежной школы. Том 3. г. Самара, 20–24 сентября 2021 г. – Самара, 2021. – Т. 3. – С. 33753.
Куличенко, А.Д. Исследование возможностей применения гетерогенной группы роботов для поиска и локализации источников ионизирующего излучения / А.Д. Куличенко, Е.Ю. Смирнова // Экстремальная робототехника. – 2018. – № 1 (29). – № 1. – С. 171–179.
Каляев, И.А. Модели и алгоритмы коллективного управления в группах роботов. / И.А. Каляев, А.Р. Гайдук, С.Г. Капустян. – М.: ООО Издательская фирма «Физико-математическая литература», 2009. – 280 c.
Каляев, И.А. Самоорганизующиеся системы группового управления интеллектуальными роботами / И.А. Каляев, А.Р. Гайдук, С.Г. Капустян // Мехатроника, автоматизация, управление. – 2010. – № 12. – С. 47–52.
Попов, С.Г. Исследование алгоритма обследования местности гетерогенной группой автономных мобильных роботов / С.Г. Попов, А.С. Крашенников, М.В. Чуватов // Робототехника и техническая кибернетика. – Т. 7, № 4. – 2019. – С. 278–290.
Дивеев, А.И. Применение эволюционного алгоритма «серого волка» для решения задачи оптимального мониторинга местности группой роботов / А.И. Дивеев, Е.Ю. Шмалько // Cloud of science. – 2018. – Т. 5, № 4. – С. 638–648.
Концепция формирования оперативной группы РТК / В.Х. Пшихопов, А.Р. Гайдук, М.Ю. Медведев и др. // Известия ЮФУ. Технические науки. – 2020. – № 1 (211). – С. 6–16.
Orda-Zhigulina, M.V. Combined Method of Monitoring and Predicting of Hazardous Phenome-na / M.V. Orda-Zhigulina, E.V. Melnik, D.Y. Ivanov et al. – In: Silhavy, R. (eds) Software Engineering Methods in Intelligent Algorithms. CSOC 2019. Advances in Intelligent Systems and Computing. – Vol. 984. – Springer, Cham, 2019. – P. 55–61.
Комбинированный подход к построению средств мониторинга и прогнозирования опа-ных природных явлений / М.В. Орда-Жигулина, Э.В. Мельник, Д.Я. Иванов и др. // Известия Тульского государственного университета. Технические науки. – 2018. – № 9. – С. 107–116.
Применение когнитивного анализа при построении имитационной модели системы мониторинга и прогнозирования поведения гидроэкосистемы / Г.В. Горелова, Э.В. Мельник, М.В. Орда-Жигулина, С.Г. Капустян // Системный анализ в проектировании и управлении: сборник научных трудов XXVI Международной научно-практической конференции, 13–14 октября 2022 года: [в 3 частях]. – СПб: ПОЛИТЕХ-ПРЕСС. – 2023. – Ч. I. – С. 205–215.
Помазкова, Е.Е. Сравнительный анализ блокчейна и альтернативных технологий распределенного реестра / Е.Е. Помазкова // Международный журнал гуманитарных и естественных наук. – 2019. – № 4–2. – С. 43–50.
Мельник, Э.В. Метод обеспечения функционирования мобильных компонентов для систем мониторинга и диагностики на базе распределенного реестра / Э.В. Мельник, М.В. Орда-Жигулина // Известия Тульского государственного университета. Технические науки. – 2023. – Вып. 2. – С. 36–41.
Разработка распределенной архитектуры поиска в задачах оптимизации / З.В. Нагоев, А.Н. Дуккардт, М.И. Анчеков и др. // Известия Кабардино-Балкарского научного центра РАН. – 2015. – № 1 (63). – С. 16–22.
Multi-agent Neurocognitive Architecture of an Intelligent Agent Pattern Recognition System / Z. Nagoev, I. Pshenokova, K. Bzhikhatlov et al. // Procedia Computer Science. – 2022, Vol. 213. – P. 504–509.
Формальная модель мультиагентного поиска оптимального плана поведения интеллектуального агента на основе самоорганизации распределенных нейрокогнитивных архитектур / З.В. Нагоев, И.А. Пшенокова, С.А. Канкулов и др. // Известия Кабардино-Балкарского научного центра РАН. – 2021. – № 3(101). – С. 21–31.
Иванов, Д.Я. Искусственные нейронные сети в группах микророботов / Д.Я. Иванов, В.Б. Шабанов // Вестник науки и образования. – 2019. – № 20-2 (74). – С. 23–29.
Косарев, Н.И. Продукционная модель представления знаний в системах поддержки принятия решения / Н.И. Косарев // Вестник Сибирского юридического института ФСКН России. – 2012. – №2(13). – С. 136–140.
Талипов, Н.Г. Методы построения и оценки нечётко-продукционной модели распределения заданий в системе электронного документооборота Роскомнадзора / Н.Г. Талипов, А.С. Катасёв, А.П. Кирпичников // Вестник Казанского технологического университета. – 2017. – Т. 20, № 2. – С. 100–106.
Kalyaev, I.A. Multiagent Management of Smart Internet Production / I.A. Kalyaev, A.A. Dyachenko, L.Zh. Usachev, S.G. Kapustyan // Proceedings of 2018 Global Smart Industry Confer-ence (GloSIC). IEEE. – 2018. – P. 1–8.

Еще

Статья научная