ISSN 2071-8594

Российская академия наук

Главный редактор

Академик С. В. Емельянов

В.Б. Мелехин, М.В. Хачумов "Планирование поведения интеллектуального беспилотного летательного аппарата в недоопределенной среде. Часть I. Структура и применение фрейм-микропрограмм поведения"

Аннотация.

В работе на основе логики условно-зависимых предикатов построена модель представления процедурных знаний интеллектуального беспилотного летательного аппарата безотносительно к конкретной предметной области, состоящая из множества фрейм-микропрограмм поведения. Предложены процедуры планирования целенаправленной деятельности беспилотного летательного аппарата в недоопределенных проблемных средах.туальных систем в недоопределенных средах на основе фрейм-микропрограмм поведения.

Ключевые слова:

беспилотный летательный аппарат, проблемная среда, планирование целенаправленной деятельности, типовая фрейм-микропрограмма поведения.

Стр. 73-83.

Литература

1. Pandey A., Parhi D.R. Multiple mobile robots navigation and obstacle avoidance using minimum rule based ANFIS network controller in the cluttered environment // International journal of Advanced Robotics and Automation, 2016, no. 1, pp. 1-11.
2. Veselov G., Sklyarov A., Sklyarov S. Synergetic approach to the quadrotor helicopter control in an environment with external disturbances // Proceedings of 2016 International Siberian Conference on Control and Communications «SIBCON-2016» (May 12-14, 2016 Russia, Moscow). 2016. DOI: 10.1109/SIBCON.2016.7491680 3. Demir B.E, Bayir R., Duran F. Real-time trajectory tracking of an unmanned aerial vehicle using a self-tuning fuzzy proportional integral derivative controller // International Journal of Micro Air Vehicles, 2016, Vol. 8(4) 252–268;
4. Zhang C., Hu H., Wang J. An adaptive neural network approach to the tracking control of micro aerial vehicles in constrained space // International Journal of Systems Science, 2017, 48 (1). pp. 84-94
5. Santoso F., Garratt M.A., Anavatti S.G. State-of-the-Art Intelligent Flight Control Systems in Unmanned Aerial Vehicles // IEEE Transactions on Automation Science and Engineering, 2017, pp. 1–15
6. Allgeuer P., Behnke S. Hierarchical and state-based architectures for robot behavior planning and control // In proceedings of 8th Workshop on Humanoid Soccer Robots, IEEE-RAS International Conference on Humanoid Robots (Humanoids), Atlanta, October 2013
7. Xavier J.A., Selvakumari S.R. Behavior architecture controller for an autonomous robot navigation in an unknown environment to perform a given task, International Journal of Physical Sciences, 2015, vol.10, pp. 182-191
8. Khachumov M.V. Controlling the motion of a group of unmanned flight vehicles in a perturbed environment based on the rules // 2017 International Siberian Conference on Control and Communications (SIBCON) (June 29-30, 2017, Astana, Kazakhstan), 2017, 5 p. – ISBN: 978-1-5090-1081-3 – URL: http://ieeexplore.ieee.org/document/7998587/
9. Filippis L.De, Guglieri G., Quagliotti F. Path planning strategies for UAVS in 3D environments // Journal of Intelligent & Robotic Systems, 2012, 65(1–4), p. 247–264
10. Kothari, M., Postlethwaite I. A probabilistically robust path planning algorithm for UAVs using rapidly-exploring random trees. Journal of Intelligent & Robotic Systems, 2103, 71(2), p. 231–253
11. Ефимов Е.И. Решатели интеллектуальных задач. – М.: Наука, 1982. – 320 с.
12. Вагин В.Н. Дедуктивный вывод на знаниях. – В кн. Искусственный интеллект. В 3-х кн. Кн.2. Методы и модели: Справочник / Под ред. Д.А. Поспелова. – М.: Радио и связь, 1990, с. 89 - 105.
13. Норвиг П. Искусственный интеллект. Современный подход. Руководство. – М.: Диалектика / Вильямс, 2015. – 1408 c.
14. Kelly A. Mobile Robotics: Mathematics, Models, and Methods. – Cambridge: Cambridge University Press, 2013. – 808 p.
15. Kober J., Peters J. Learning Motor Skills: From Algorithms to Robot Experiments. – Cham: Springer, 2014.–201 p.
16. Нильсон Н. Принципы искусственного интеллекта. – М.: Книга по требованию, 2012.–369 с.
17. Люггер Дж. Ф. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е изд. – М.: Ви- льямс, 2005. – 863 с.
18. Kilani Y., Bsoul M., A. Alsarhan A., Al-Khasawneh A. A Survey of the Satisfiability-Problems Solving Algorithms. // Intern. J. Advanced Intelligence Paradigms. 2013. №.3.
V.5. Pp. 233 –256. 19. Вагин В.Н., Деревянко А.В., Кутепов В.П. Алгоритмы параллельного логического вывода и исследование их эффективности на компьютерных системах // Искус-
ственный интеллект и принятие решений. 2017, № 1, с. 3-9.
20. Сорокин Д.Е. Методологические аспекты искусственного интеллекта. – М.: Машиностроение, 2014. –262 с.
21. Осипов Г.С. Лекции по искусственному интеллекту. – М.: Либерком, 2014. – 272.
22. Берштейн Л.С., Мелехин В.Б. Планирование поведения интеллектуального робота. – М.: Энергоатомиздат, 1994. – 240 c.
23. Рудковская Д., Пилиньский М., Рудковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы / 2-е. изд.– М. Горячая линия - Телеком, 2013. – 384 с.
24. Варламов О.О., Лазарев В.М., Чувиков Д.А., Пунам Д. О перспективах создания автономных интеллектуальных роботов на основе миварных технологий// Радиопромышленность, 2016, №4, с. 96-105.
25. Абросимов В.К. Коллективы интеллектуальных летательных аппаратов. – М.: Наука, 2017. – 304 с.
26. Берштейн Л.С., Мелехин В.Б. Структура процедурного представления знаний интегрального робота. 1. Фрейм микропрограммы поведения // Изв. АН СССР. Техн. Кибернетика, 1988, № 5, с. 190-194.
27. Берштейн Л.С., Мелехин В.Б. Структура процедурного представления знаний интегрального робота. 1. Расплывчатые семантические сети // Изв. АН СССР. Техн. Кибернетика, 1988, №6, с. 119-124.
28. Мелехин В.Б. Логика условно-зависимых рассуждений: представление знаний и правила вывода умозаключений // Искусственный интеллект и принятие решений, 2016, №1, с 65–74.
29. Алферова З.В. Теория алгоритмов. – М.: Статистика, 1973. – 137 с.