Визначено вимоги до мобільної роботехнічної платформи (МРТП) з інтелектуальною системою управління рухом і захистом передачі даних, основними з яких є забезпечення: зменшення габаритів, енергоспоживання та вартості; дистанційного та інтелектуального автономного управління рухом; криптографічного захисту передачі даних у реальному часі; збереження працездатності в умовах дії зовнішніх чинників; адаптації до вимог замовника; здатність самостійно виконувати завдання в умовах невизначеності зовнішньої обстановки. Запропоновано розробку мобільної роботехнічної платформи виконувати на базі інтегрованого підходу, який охоплює: методи навігації, методи попереднього опрацювання та розпізнавання зображень; сучасні методи та алгоритми інтелектуального управління, штучні нейронні мережі та нечітку логіку; нейроподібні методи криптографічні захисту передачі даних; сучасні компоненти та сучасну елементну базу; методи інтелектуального опрацювання та оцінювання даних із давачів в умовах завад і неповної інформації; методи та засоби автоматизованого проектування апаратних і програмних засобів МРТП. Вибрано для розроблення мобільної робототехнічної платформи з інтелектуальною системою управління та криптографічним захистом передачі даних такі принципи: ієрархічності побудови інтелектуальної системи управління; системності; змінного складу обладнання; модульності; відкритості програмного забезпечення; сумісності; спеціалізації та адаптації апаратно-програмних засобів до структури алгоритмів опрацювання та захисту даних; використання комплексу базових проектних рішень. Розроблено базову архітектуру мобільної роботехнічної платформи з інтелектуальною системою управління рухом і захистом передачі даних, яка є основою для побудови мобільних роботехнічних платформ із заданими техніко-експлуатаційними параметрами. З метою реалізації нейроподібних засобів вдосконалено метод таблично-алгоритмічного обчислення скалярного добутку, який за рахунок одночасного формування k макрочасткових добутків забезпечує зменшення в k рази часу обчислення скалярного добутку.
- Aleksandrov, V., Vetlugin, R., & Makarenko, A. (2018). Vzgliady voennykh spetcialistov SShA na boevoe primenenie nazemnykh robotekhnicheskikh kompleksov. Zarubezhnoe voennoe obozrenie, 6, 39–43. [In Russian].
- Alves, R. M. F., & Lopes, C. R. (2016). Obstacle avoidance for mobile robots: A hybrid intelligent system based on fuzzy logic and artificial neural network. In Proc. of the 2016 IEEE Intern. Conf. on Fuzzy Systems (FUZZ-IEEE), Vancouver, BC, Canada, 24-29 July 2016, 1038-1043. https://doi.org/10.1109/FUZZ-IEEE.2016.7737802
- Bodiansьkii, Ye. V. ta in. (2016). Analiz ta obroblennia potokiv danikh zasobami obchisliuvalьnogo intelektu. Monografiia. Lьviv: Vid-vo Lьviv. politekhniki. [In Ukrainian].
- Chen, C. L. P., Yu, D., & Liu, L. (2019). Automatic leader-follower persistent formation control for autonomous surface vehicles. IEEE Access, 7, 12146-12155. https://doi.org/10.1109/ACCESS.2018.2886202
- Denysyuk, P., Teslyuk, V., & Chorna, I. (2018). Development of mobile robot using LIDAR technology based on Arduino controller. 14th International Conference on Perspective Technologies and Methods in MEMS Design, MEMSTECH 2018, Proceedings, 240–244. https://doi.org/10.1109/MEMSTECH.2018.8365742
- Dusan, Glavaski, Volf, Mario, & Bonkovic, Mirjana (2009). Robot motion planning using exact cell decomposition and potential field methods. Proceedings of the 9th WSEAS International conference on Simulation, modelling and optimization, World Scientific and Engineering Academy and Society (WSEAS).
- Hoy, M., Matveev, A. S., & Savkin, A. V. (2015). Algorithms for collision free navigation of mobile robots in complex cluttered environments: a survey. Robotica, 33(3), 463–497. https://doi.org/10.1017/S0263574714000289
- Ignatov, A. V., Bogomolov, S. N., & Fedianin, N. D. (2018). K voprosu o razvitii boevykh nazemnykh robototekhnicheskikh kompleksov. Tekhnologiia proizvodstva sistem i kompleksov. Izvestiia TulGU. Tekhnicheskie nauki, 11, 353-358. [In Russian].
- Kellman, M., Rivest, F., Pechacek, A., Sohn, L., & Lustig, M. (2017). Barker-Coded node-pore resistive pulse sensing with built-in coincidence correction. 2017 IEEE Intern. Conf. on Acoustics, Speech and Signal Processing (ICASSP), New Orleans, LA, 1053-1057. https://doi.org/10.1109/ICASSP.2017.7952317
- Matviichuk, K., Teslyuk, V., & Teslyuk, T. (2016). Vision system model for mobile robotic systems. Proceeding of the KhIIh International Conference "Perspective Technologies and Methods in MEMS Design", MEMSTECH2016, 20-24 April 2016, Polyana, Lviv, Ukraine, 104-106. https://doi.org/10.1109/MEMSTECH.2016.7507529
- Medina-Santiago, A., Morales-Rosales, L. A., Hernández-Gracidas, C. A., Algredo-Badillo, I., Pano-Azucena, A. D., & Orozco Torres, J. A. (2021). Reactive Obstacle – Avoidance Systems for Wheeled Mobile Robots Based on Artificial Intelligence. Applied Sciences, 11(14), 6468. https://doi.org/10.3390/app11146468
- Palagin, A. V., & Iakovlev, Iu. S. (2017). Osobennosti proektirovaniia kompьiuternykh sistem na kristalle PLIS. Matematicheskie mashiny i sistemy, 2, 3-14. [In Russian].
- Pentagon Unmanned Systems Integrated Roadmap 2017-2042 (2018). USNI News. Retrieved from: https://news.usni.org/2018/08/30/pentagon-unmanned-systems-integrated-roadmap-2017-2042
- Pilsu, Kim, Eunji, Jung, Sua, Bae, Kangsik, Kim & Taikyong, Song, (2016). Barker-sequence-modulated golay coded excitation technique for ultrasound imaging. 2016 IEEE International Ultrasonics Symposium (IUS), Tours, 1-4. https://doi.org/10.1109/ULTSYM.2016.7728737
- Tsmots, I., Teslyuk, V., & Vavruk, I. (2013). Hardware and software tools for motion control of mobile robotic system. 12th International Conference "The Experience of Designing and Application of CAD Systems in Microelectronics", CADSM 2013, 368.
- Yang, L., Qi, J., Song, D., Xiao, J., Han, J., & Xia, Y. (2016). Survey of robot 3D path planning algorithms / J Control Sci Eng , p. 5. https://doi.org/10.1155/2016/7426913
- Yusof, Y., Mansor, H. M. A. H., & Ahmad, A. (2016). Formulation of a lightweight hybrid ai algorithm towards self-learning autonomous systems. In Proc. of the 2016 IEEE Confer. on Systems, Process and Control (IC-SPC), Melaka, Malaysia, 16-18 December 2016, 142-147. https://doi.org/10.1109/SPC.2016.7920719