Память-центрические модели систем управления движением промышленных роботов

Машиностроение и машиноведение

2021. Т. 28. № 4. С. 245-256.

DOI: 10.34759/vst-2021-4-245-256

Авторы

Зеленский А. А.*, Илюхин Ю. В.**, Грибков А. А.***

Московский государственный технологический университет «Станкин», 127994, г. Москва, Вадковский пер., д.1

*e-mail: zelenskyaa@gmail.com
**e-mail: y.ilyukhin@stankin.ru
***e-mail: a.gribkov@stankin.ru

Аннотация

Рассказывается о значении систем управления движением в режиме реального времени для обеспечения глобальной конкурентоспособности и технологической безопасности страны в условиях реализации четвертой промышленной революции. Рассмотрены актуальные задачи повышения производительности вычислений, которые могут быть решены за счет совершенствования архитектуры вычислительных машин: уменьшения объема потока обрабатываемых данных, увеличения скорости передачи данных между элементами вычислительной машины, устранения очередей при одновременном обращении к одной памяти нескольких вычислительных устройств. На основе анализа возможных путей решения поставленных задач предлагается концептуальная модель системы управления движением промышленным роботом. В системе, построенной согласно предлагаемой концептуальной модели, задача уменьшения объема обрабатываемого потока данных решается за счет использования дополнительных вычислительных модулей — сопроцессоров и ускорителей, выполняющих параллельные вычисления. При этом основная часть вычислений осуществляется без управления из ядра системы. Для описания работы системы управления движением промышленного робота, построенной в соответствии с данной концептуальной моделью, выбирается акторная инструментальная модель, обеспечивающая эмуляцию параллельных вычислений и взаимодействия функциональных модулей.

Ключевые слова:

промышленные роботы, система управления промышленных роботов, мехатонные системы контурной обработки, станки с ЧПУ, память-центрическая архитектура управления, высокопроизводительные вычисления в памяти, концептуальная модель систем управления движением, акторная модель управления

Библиографический список

  1. Указ Президента Российской Федерации от 01.12.2016 № 642 «О Стратегии научно-технологического развития Российской Федерации». URL: http://www.kremlin.ru/acts/bank/41449
  2. Гришин Д.В. Разработка эффективных форм кадрового обеспечения производственного процесса в авиастроительной отрасли // Вестник Московского авиационного института. 2018. Т. 25. № 1. С. 209-219.
  3. Ребров С.Г., Янчур С.В., Дрондин А.В., Зернов О.Д. Разработка концепции роботизированной сборки солнечных энергоустановок на орбите // Вестник Московского авиационного института. 2019. Т. 26. № 1. С. 201-211.
  4. Tay S., Chuan L., Aziati A., Ahmad A. An Overview of Industry 4.0: Definition, Components, and Government Initiatives // Journal of Advanced Research in Dynamical and Control Systems. 2018. Vol. 10. Special Issue 14, pp. 1379-1387.
  5. Leiserson C.E., Thompson N.C., Emer J.S. et al. There’s plenty of room at the Top: What will drive computer performance after Moore’s law? // Science. 2020. Vol. 368. No. 6495. DOI: 10.1126/science.aam9744
  6. Flynn M. Some Computer Organizations and Their Effectiveness // IEEE Transactions on Computers. 1972. Vol. 21. No. 9, pp. 948-960 DOI: 10.1109/TC.1972.5009071
  7. Ежова Н.А., Соколинский Л.Б. Обзор моделей параллельных вычислений // Вестник ЮУрГУ. Серия «Вычислительная математика и информатика». 2019. Т. 8. № 3. С. 58-91. DOI: 10.14529/cmse190304
  8. Connolly M. A Programmable Processing-in-Memory Architecture for Memory Intensive Applications. Master’s Thesis on Computer Engineering. Rochester Institute of Technology, 2021, 42 p.
  9. Ghose S., Hsieh K., Boroumand A., Ausavarungnirun R., Mutlu O. Enabling the Adoption of Processing-in-Memory: Challenges, Mechanisms, Future Research Directions. 2018, 45 p. URL: CoRR abs/1802.00320
  10. Бахур В. Intel представила большие архитектурные изменения в новых поколениях процессоров. 2021. URL: https://www.cnews.ru/news/line/2021-08-19_intel_predstavila_bolshie_arhitekturnye
  11. Estefan J.A. Survey of model-based systems engineering (MBSE) methodologies // Incose MBSE Focus Group. 2008, 70 p. URL: http://www.omgsysml.org/MBSE_Methodology_Survey_RevB.pdf
  12. Suh S.H., Kang S.K., Chung D.H., Stroud I. Theory and design of CNC systems. — Springer Science & Business Media, 2008. — 476 p.
  13. Зеленский А.А., Харьков М.А., Ивановский С.П., Абдуллин Т.Х. Высокопроизводительная система числового программного управления на базе программируемых логических интегральных схем // Вестник Воронежского государственного технического университета. 2018. Т. 14. № 5. С. 8-12.
  14. Мартинов Л.И., Мартинов Г.М. Организация межмодульного взаимодействия в распределенных системах ЧПУ. Модели и алгоритмы реализации // Мехатроника, автоматизация, управление. 2010. № 11. С. 50-55.
  15. Фу К., Гонсалес Р., Ли К. Робототехника / Пер. с англ. А.А. Сорокина и др.; Под ред. В.Г. Градецкого. — Мир, 1989. — 620 с.
  16. Ruishu Z., Chang Z., Weigang Z. The status and development of industrial robots // 4th International Conference on Applied Materials and Manufacturing Technology (25–27 May 2018, Nanchang, China). 2018. Vol. 423. No. 1. DOI: 10.1088/1757-899X/423/1/012051
  17. Романов А.М. Обзор аппаратно-программного обеспечения систем управления роботов различного масштаба и назначения. Часть 1. Промышленная робототехника // Российский технологический журнал. 2019. Т. 7. № 5(31). С. 30–46. DOI: 10.32362/2500-316X-2019-7-5-30-46
  18. Зеленский А.А., Абдуллин Т.Х., Илюхин Ю.В., Харьков М.А. Высокопроизводительная цифровая система на основе ПЛИС для управления движением многокоординатных станков и промышленных роботов // СТИН. 2019. № 8. С. 5-8.
  19. Илюхин Ю.В. Синергетический (мехатронный) подход к проектированию систем управления технологических роботов // Мехатроника. 2000. № 2. С. 7-12.
  20. Zelenskii A.A., Pismenskova M.M., Voronin V.V. Control of collaborative robot systems and flexible production cells on the basis of deep learning // Russian Engineering Research. 2019. Vol. 39. No. 12, pp. 1065-1068 DOI:10.3103/S1068798X19120256
  21. Модели параллельных вычислений. URL: http://www.ccas.ru/paral/prog/models.html
  22. Зеленский А.А., Шадрин Н.Г., Абдуллин Т.Х., Харьков М.А. Высокоскоростная промышленная сеть реального времени киберфизических систем // Вестник компьютерных и информационных технологий. 2019. № 11. С. 46-52.
  23. Попова Н.В. Математические методы: электронный учебник. URL: http://matmetod-popova.narod.ru/Index1.htm
  24. Burgin M. Systems, Actors and Agents: Operation in a multicomponent environment. 2017, 28 p. URL: arXiv:1711.08319
  25. Rinaldi L., Torquati M., Mencagli G., Danelutto M., Menga T. Accelerating Actor-based Applications with Parallel Patterns // 27th Euromicro International Conference on Parallel, Distributed and Network-Based Processing. 2019, pp 140-147. DOI: 10.1109/EMPDP.2019.8671602
  26. Shah V., Vaz Salles M.A. Reactors: A case for predictable, virtualized actor database systems // International Conference on Management of Data. 2018, pp. 259-274. DOI: 10.1145/3183713.3183752
  27. Lohstroh М., Menard С., Bateni S., Lee E. Toward a Lingua Franca for Deterministic Concurrent Systems // ACM Transactions on Embedded Computing Systems.2021. Vol. 20. No. 4, pp. 1-27. DOI:10.1145/3448128
  28. Laigner R., Lifschitz S., Kalinowski M., Poggi M., Vaz Salles M.A. Towards a Technique for Extracting Relational Actors from Monolithic Applications // Anais do XXXIV Simpósio Brasileiro de Banco de Dados. 2019, pp. 133-144. DOI: 10.5753/sbbd.2019.8814

mai.ru — информационный портал Московского авиационного института

© МАИ, 1994-2023