Алгоритм 3d навигации мобильного робота в среде промышленного интернета вещей на основе 5g мобильной коммуникации

При значительным развитии полупроводниковой техники, создающей миниатюрные устройства с мощной способностью в обработке данных и обладающими сетевыми возможностями, в настоящее время Интернет вещей (Internet of Things) (IoT) стал одной из самых горячих тем в промышленности и в коммуникации. Идея IoT состоит в том, чтобы постоянно соединять физические объекты, такие как микроволновая печь, двери, отопительные приборы, освещение, холодильники и так далее-все, что среди нас. Техническое понятие IoT позволяет этим различным физическим объектам быть представленными информацией о себе за счет сигналов датчиков и хранить эту информацию на сервере. Промышленный Industrial IIoT должен объединить различные технологии, чтобы улучшить коммуникации от машины к машине. У каждого из промышленных элементов IoT есть свои собственные коммуникационные требования, которые характеризуют надежность и качество обслуживания (QoS). Согласно развитию промышленной автоматизации, промышленный Интернет вещей IIoT широко используется на “умных” предприятиях, чтобы собрать данные, обработать их и оптимально управлять производством. Один из самых важных компонентов IIoT-беспроводная сеть датчиков, которую легко развернуть в уже имеющихся производственных условиях для решения большого количества задач, таких как контроль хода производственного процесса и контроль окружающей среды.

В статье сосредоточено внимание на 3D-навигации мобильного робота в 5G-коммуникации совместно с сетью датчиков для планирования пути робота. Мобильный робот может быстро перемещаться в трехмерной (3D) внутренней промышленной среде для решения многих задач, таких как мониторинг возможных поломок оборудования на предприятии [3], сбор данных и их передача по каналам беспроводной связи [4], решение транспортных задач [5].

1. Li, S. Compressed sensing signal and data acquisition in wireless sensor networks and Internet of things. / S. Li, L. D. Xu, X. Wang, – IEEE Trans. Ind. Informat., – 2013. Vol. 9. No. 4, p. 2177–2186.

2. Yan, H. Superframe planning and access latency of slotted MAC for industrial WSN in IoT environment. / H. Yan, Y. Zhang, Z. Pang, L.D. Xu, – IEEE Trans. Ind. Informat., 2014. Vol. 10. No. 2, p. 1242–1251.

3. Moranduzzo T. Monitoring structural damages in big industrial plants with UAV images. / T. Moranduzzo and F. Mel- gani, in Proc. – 2014 IEEE Geosci. Remote Sens. Symp., – Quebec City, Canada, –2014, p. 4950–4953.

4. Dong, M. UAV-assisted data gathering in wireless sensor networks. / M. Dong, K. Ota, M. Lin, Z. Tang, S. Du, H. Zhu, J. Supercomput., – 2014. Vol. 70. No. 3, p. 1142–1155.

5. Harik, E. H. C. UAV-UGV cooperation for objects transportation in an industrial area. / E. H. C. Harik, F. Gu´erin, F. Guinand, J. F. Breth´e, and H. Pelvillain, Proc. – 2015 IEEE Int. Conf. Ind. Technol – Seville, Spain, – 2015. p. 547–552.

6. Kreibich, O. Quality-based multiple-sensor fusion in an industrial wireless sensor network for MCM,” / O. Kreibich, J. Neuzil, and R. Smid – IEEE Trans. Ind. Electron., – 2014. Vol. 61, no. 9, p. 4903–4911.

7. Iqbal, Z. A cooperative wireless sensor network for indoor industrial monitoring. / Z. Iqbal, K. Kim, and H. N. Lee, IEEE Trans. Ind. Informat., – 2017. Vol. 13, no. 2, p. 482–491.

8. Matveev, A. S. A method of reactive 3D navigation for a tight surface scan by a nonholonomic mobile robot. / A. S. Mat- veev, K. S. Ovchinnikov, and A.V. Savkin, – Automatica, – 2017. Vol. 75, p. 119–126.

9. Ping, P. Flexible Multiple Access Control Algorithm in 5g Mobile Wireless System. / P. Ping, Y.N. Petrenko, Информатика Journal, – 2018. Vol. 15, No. 3 p. 93–101.

10. Ping P. The physical layer technologies in 5g mobile communication system. / P. Ping, Y.N. Petrenko, – International Conference on Physics, Computing and Mathematical Modeling (PCMM). – Shanghai, China, – 2018. p. 111–117.

11. Ai, B. Occupancy estimation for smart buildings by an auto-regressive hidden Markov model. / B. Ai, Z. Fan, and R. X. Gao, in Proc. – 2014 Amer. Control Conf., – Portland, OR, USA, – 2014, p. 2234–2239.

12. Wang, C. A strategy for safe 3D navigation of non-holonomic robots among moving obstacles. / C. Wang, A. V. Savkin, and M. Garratt, – Robotica, – 2018. Vol. 36, No. 2, p. 275–297.

13. Hang, L. Wireless Sensor Network Based Navigation of Micro Flying Robots in the Industrial Internet of Things. / L. Hang, and A. V. Savkin. – IEEE Transactions on industrial informatics, – 2018. Vol. 14. No. 8, p. 3524–3533.

14. Olivka, P. The design of 3D laser range finder for robot navigation and mapping in industrial environment with point clouds preprocessing. / P. Olivka, M. Mihola, P. Nov´ak, T. Kot, and J. Babjak. – in Modelling and Simulation for Autonomous Systems. – Rome, Italy: Springer-Verlag, – 2016, p. 371–383.

15. Aleny`a, G. Using ToF and RGBD cameras for 3D robot perception and manipulation in human environments. / G. Aleny`a, S. Foix, and C. Torras. – Intell. Service Robot. – 2014, Vol. 7, No. 4, p. 211–220.

16. Shih, C. Y. COLA: Complexity-reduced trilateration approach for 3D localization in wireless sensor networks. / C. Y. Shih and P. J. – 4th Int. Conf. Sensor Technol. Appl. Mestre, Italy, – 2010, p. 24–32.

17. Held, D. Robust real-time tracking combining 3D shape, color, and motion. / D. Held, J. Levinson, S. Thrun, and S. Savarese. – Int. J. Robot. Res. – 2016. Vol. 35, No. 1–3, p. 30–49.

18. Rosmann, C. Integrated online trajectory planning and optimization in distinctive topologies. / C. Rosmann, F. Hoffmann, and T. Bertram. – Robot. Auton. Syst. – 2017. Vol. 88, p. 142–153.

19. Indiveri, G. A proof of concept for the guidance of 3D underactuated vehicles subject to constant unknown disturbances. / G. Indiveri, S. Cret´ı, and A. A. Zizzari. – IFAC Proc. – 2012. Vol. 45, No. 27, p. 307–312.

20. Wang, F. An efficient UAV navigation solution for confined but partially known indoor environments. / F. Wang, K. Wang, S. Lai, S. K. Phang, B. M. Chen, and T. H. Lee. – in Proc. 11th IEEE Int. Conf. Control Autom. – Taichung, Taiwan. – 2014, p. 1351–1356.