ISSN 0236-3933. Вестник МГТУ им. Н.Э. Баумана. Сер. “Приборостроение”. 2012
67
ошибки. Обучающая выборка состояла из 1450 значений, получен-
ных для различных ситуаций, таких как отсутствие контакта инстру-
мента с материалом, момент контакта, фаза резания, заклинивание
инструмента, момент отрыва инструмента от поверхности и различ-
ных типов материалов (рис. 6,
б
).
Выборка была разделена на обуча-
ющую (90 % значений) и контрольную (10 %). Ошибка распознава-
ния на контрольной выборке после обучения составила 8 %, включая
отказы от классификации.
На основе проведенных исследований можно сделать следующие
выводы:
•
метод ситуационного управления показывает свою эффектив-
ность в задачах управления технологическими операциями с механи-
ческим взаимодействием объектов работ;
•
выбранная структура нейронной сети позволяет с достаточной
для решаемой задачи достоверностью распознавать тактильный образ
и, как следствие, возникающую в процессе работы ситуацию;
•
дальнейшее улучшение системы распознавания тактильного
образа (снижение процента ошибок, повышение скорости распозна-
вания и обучения новым ситуациям) требует применения более
сложных методов машинного обучения, таких как бустинг или ма-
шины опорных векторов.
Проведенные исследования показали возможность применения
предложенного подхода при роботизации сложных технологических
операций с механическим взаимодействием объектов работ.
СПИСОК ЛИТЕРАТУРЫ
1.
В о р о т н и к о в С. А. Информационные устройства робототехнических си-
стем. – М.: Изд-во МГТУ им. Н.Э. Баумана, 2005.
2.
П о с п е л о в Д. А. Ситуационное управление. Теория и практика. – М.:
Наука, 1986.
3.
Х а й к и н С. Нейронные сети: полный курс. – М.: Вильямс, 2006.
Статья поступила в редакцию 28.06.2012