Управление робототехническим комплексом в стохастической неопределенной динамической среде с использованием аппарата сетей Петри

Ф. В. Девяткин, Д. И. Арабаджиев, М. А. Шереужев, А. И. Дышеков

---

Аннотация. Научная новизна данной работы заключается в развитии подхода интеграции байесовской фильтрации сенсорных данных и цветных сетей Петри, впервые реализованной в виде иерархической программной архитектуры, где апостериорные вероятности отображаются в динамическую маркировку сети, определяющую разрешение переходов.

Цель исследования – формализация, программная реализация и экспериментальная проверка иерархической системы управления промышленным робототехническим комплексом в условиях
стохастической неопределенности динамической среды.

Методы исследования. В качестве объекта управления использован робототехнический комплекс, включающий шестизвенный манипулятор со схватом и систему технического зрения на основе видеокамеры. Задача комплекса – перемещение разноцветных объектов (кубиков красного, желтого, зеленого и синего цветов) из четырех начальных позиций в соответствующие конечные позиции согласно заданной конфигурации. Для формализации дискретно-событийной логики управления применены цветные сети Петри, описывающие параллелизм операций и ресурсные ограничения. Обработка визуальной информации реализована на основе рекурсивного байесовского фильтра с учетом матрицы зашумления размерностью 6×6 и механизма подтверждения измерений (k = 10 последовательных совпадений), что обеспечивает устойчивость к стохастическим возмущениям. Программная реализация выполнена на языке Python 3 с использованием библиотек OpenCV, NumPy и SciPy. Экспериментальная верификация проведена в 500 симуляциях в среде Gazebo и 30 натурных испытаниях при варьировании уровня шума σ = 0,05…0,2 с оценкой метрик RMSE, вероятности ложных срабатываний и времени выполнения цикла манипуляции.

Результаты. В статье предложен метод управления робототехническим манипуляционным комплексом в условиях стохастической неопределенности динамической среды, обусловленной шумами сенсоров, задержками передачи данных, частичной наблюдаемостью и непредсказуемыми изменениями расположения объектов. Разработана стохастическая модель сенсорной системы, обеспечивающая устойчивое распознавание объектов при наличии шумов и динамических возмущений. Предложена архитектура системы управления, включающая модуль фильтрации данных и дискретно-событийный уровень принятия решений. Проведена экспериментальная верификация в симуляционной и натурной среде с использованием шестизвенного манипулятора.

Заключение. Полученные результаты показали снижение вероятности ложного распознавания состояний до 0,024 % и уменьшение времени выполнения манипуляционных операций на 15 % по сравнению с базовым детерминированным подходом.

Ключевые слова: цветная сеть Петри, управление робототехническим комплексом, стохастическая неопределенность, адаптивное управление, байесовская фильтрация данных

Для цитирования. Девяткин Ф. В., Арабаджиев Д. И., Шереужев М. А., Дышеков А. И. Управление робототехническим комплексом в стохастической неопределенной динамической среде с использованием аппарата сетей Петри // Известия Кабардино-Балкарского научного центра РАН. 2026. Т. 28. № 1. С. 25–38. DOI: 10.35330/1991-6639-2026-28-1-25-38

©   Девяткин Ф. В., Арабаджиев Д. И., Шереужев М. А., Дышеков А. И., 2026

Список литературы

1. Thrun S., Burgard W., Fox D. Probabilistic robotics. MIT Press, 2005. 647 p. DOI: 10.1162/artl.2008.14.2.227
2. Lima P.U. A Bayesian approach to sensor fusion in autonomous sensor and robot networks. IEEE Instrumentation & Measurement Magazine. 2007. Vol. 10. No. 3. Pp. 22–27. DOI: 10.1109/MIM.2007.4284253
3. Park B.H., Kuc T.Y., Lee J.S. Adaptive learning control of uncertain robotic systems. International Journal of Control. 1996. Vol. 65. No. 5. Pp. 725–744. DOI: 10.1080/00207179608921719
4. Zhang Y.Y. et al. Adaptive control for robots to handle uncertainties, delays and state constraints. IFAC PapersOnLine. 2023. Vol. 56. No. 2. Pp. 1234–1240. DOI: 10.1109/TCYB.2015.2411285
5. Ziparo V.A. et al. Petri net plans: A framework for collaboration and coordination in multirobot systems. Autonomous Agents and Multi-Agent Systems. 2011. Vol. 23. No. 3. Pp. 344–383. DOI: 10.1007/s10458-010-9146-1
6. Westergaard M. Verifying parallel algorithms and programs using coloured petri nets. Transactions on Petri Nets and Other Models of Concurrency VI — Berlin, Heidelberg: Springer Berlin Heidelberg, 2012. Pp. 146–168. DOI: 10.1007/978-3-642-35179-2_7
7. Westergaard M., Maggi F.M. Modeling and verification of a protocol for operational support using coloured Petri nets. International Conference on Application and Theory of Petri Nets and Concurrency. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011. Pp. 169–188. DOI: 10.1007/978-3-642-21834-7_10
8. Wang R., Kristensen L.M., Stolz V. MBT/CPN: a tool for model-based software testing of distributed systems protocols using coloured Petri nets. International Conference on Verification and Evaluation of Computer and Communication Systems. Cham: Springer International Publishing, 2018. Pp. 97–113. DOI: 10.1007/978-3-030-00359-3_7
9. Liu Q. et al. A Logic Petri net model for dynamic multi agent game decision making. Engineering Applications of Artificial Intelligence. 2024. Vol. 127. Pp. 107–120. DOI: 10.1016/j.dajour.2023.100320
10. Pająk M. Assessment of using bayesian nets and Petri nets in additive manufacturing technology selection. Procedia CIRP. 2021. Vol. 99. Pp. 123–130. DOI: 10.35784/acs-2021-01
11. Hu F., Wang W., Zhou J. et al. Petri nets based digital twin drives dual arm cooperative manipulation. Computers in Industry. 2023. Vol. 147. Art. 103880. DOI: 10.1016/j.compind.2023.103880
12. Castellano-Quero M., Castillo-López M., Fernández-Madrigal J.A. et al. A multidimensional Bayesian architecture for real time anomaly detection and recovery in mobile robot sensory systems. Engineering Applications of Artificial Intelligence. 2023. Vol. 125. Art. 106673. DOI: 10.1016/j.engappai.2023.106673
13. Zhong X., Zhong X., Hu H., Peng X. A nonparametric learning visual servoing framework for robot manipulator in unstructured environments. Neurocomputing. 2021. Vol. 452. Pp. 1–12. DOI: 10.1016/j.neucom.2021.01.02
14. Lv P., Luo G., Ma Z., Li S., Yin X. Optimal multi robot path planning for cyclic tasks using Petri nets. Control Engineering Practice. 2023. Vol. 138. Art. 105600. DOI: 10.1016/j.conengprac.2023.105600

Информация об авторах

Девяткин Фёдор Владимирович, аспирант СМ7, Московский государственный технический университет имени Н. Э. Баумана;
105005, Россия, Москва, ул. 2-я Бауманская, 5, с. 1;
инженер (НТР), Московский государственный технологический университет «СТАНКИН»;
127055, Россия, Москва, Вадковский переулок, 1;
feodor-dev@ya.ru, ORCID: https://orcid.org/0009-0000-2639-9521, SPIN-код: 7738-5724
Арабаджиев Денис Игоревич, аспирант СМ7, Московский государственный технический университет имени Н. Э. Баумана;
105005, Россия, Москва, ул. 2-я Бауманская, 5, с. 1;
инженер (НТР), Московский государственный технологический университет «СТАНКИН»;
127055, Россия, Москва, Вадковский переулок, 1;
denisarabadzhiev13@gmail.com, ORCID: https://orcid.org/0009-0000-5023-4073
Шереужев Мадин Артурович, канд. тех. наук, доцент, заведующий лабораторией, Московский государственный технологический университет «СТАНКИН»;
127055, Россия, Москва, Вадковский переулок, 1;
доцент кафедры «Робототехнические системы и мехатроника», Московский государственный технический университет имени Н. Э. Баумана;
105005, Россия, Москва, ул. 2-я Бауманская, 5, с. 1;
shereuzhev@gmail.com, ORCID: https://orcid.org/0000-0003-2352-992X, SPIN-код: 1734-9056
Дышеков Артур Изнаурович, канд. тех. наук, ведущий инженер, Московский государственный технологический университет «СТАНКИН»;
127055, Россия, Москва, Вадковский переулок, 1;
a.I.dyshekov@gmail.com, ORCID: https://orcid.org/0009-0002-4865-5041, SPIN-код: 1159-0974

Финансирование

Работа выполнена при финансовой поддержке Министерства науки и высшего образования Российской Федерации (проект FSFS-2024-0012).