МОДЕЛЮВАННЯ ДИНАМІКИ МОБІЛЬНИХ РОБОТІВ В УМОВАХ НЕВИЗНАЧЕНОСТІ

Анотація

Сучасні автономні мобільні роботи функціонують у середовищах із суттєвою невизначеністю, що виникає внаслідок неточностей динамічних моделей, стохастичних збурень, невідомих параметрів взаємодії з поверхнею та непередбачуваних зовнішніх впливів. Метою роботи є розробка конкретизованої математичної моделі адаптивної ідентифікації динаміки мобільних роботів з явною специфікацією архітектур нейромережевих компонент, функцій втрат та методів навчання, а також верифікація працездатності через чисельний експеримент з аналізом чутливості. На основі аналізу наукових публікацій 2018–2025 років виконано порівняння дев'яти методологічних підходів за критеріями точності, обчислювальної складності, здатності до кількісного оцінювання невизначеності та придатності для роботи в реальному часі. Запропоновано гібридну модель, що інтегрує номінальну модель Ейлера–Лагранжа з ансамблевим фільтром Калмана (N = 50) для параметричної адаптації, нейромережеву корекцію на основі Deep Lagrangian Network (двошарова повнозв'язна мережа з 128 нейронами та функцією втрат з енергетичним регуляризатором) для компенсації структурної невизначеності, а також контекстно-залежну адаптивну стохастичну компоненту. Розроблено трирівневу архітектуру (PLC → Edge GPU → Edge CPU) з формалізованими інтерфейсами OPC UA та ROS2 DDS, що забезпечує час циклу 4,8 мс/крок та режим graceful degradation. Працездатність підтверджено чисельним експериментом на задачі моделювання динаміки диференціального робота на трьох поверхнях (суха, мокра, промаслена): показано зниження RMSE позиції у 5,9 разів (з 0,142 м до 0,024 м) та підвищення каліброваності 95 % довірчого інтервалу з 62,3 % до 94,1 % порівняно з детермінованою моделлю.