Disertacija ginama viešame Mechanikos inžinerijos mokslo krypties disertacijos gynimo tarybos posėdyje 2024 m. birželio 3 d. 14 val. Vilniaus Gedimino technikos universiteto SRA–I posėdžių salėje.
Disertacijoje nagrinėjama robotų pozicijos klaidų problema. Pagrindinis tyrimo objektas yra mašininio mokymosi metodų panaudojimas roboto (ar robotinės sistemos) kinematiniams parametrams nustatyti ir klaidų kompensavimo metodui sukurti. Pagrindinis disertacijos tikslas – pasitelkiant mašininio mokymosi metodus sukurti robotinės sistemos, naudojančios inercinius jutiklius, trajektorijos tikslumo vertinimo sistemą, skirtą geriausioms sistemos kinematinių parametrų kompensacinėms reikšmėms nustatyti ir pritaikyti ją trajektorijos tikslumui įvertinti. Disertacijoje sprendžiami trys pagrindiniai uždaviniai: taikant mašininio mokymosi qiliojo Q-mokymosi algoritmą sukurti metodą roboto kinematinėms klaidoms kompensuoti, sukurtą kompensavimo procesą realizuoti ir įvertinti jo efektyvumą. Disertaciją sudaro įvadas, trys skyriai, bendrosios išvados, naudotos literatūros ir autoriaus publikacijų disertacijos tema sąrašai. Įvadiniame skyriuje aptariama tiriamoji problema, darbo aktualumas, aprašomas tyrimų objektas, formuluojamas darbo tikslas bei uždaviniai, aprašoma tyrimų metodika, darbo mokslinis naujumas, darbo rezultatų praktinė reikšmė, ginamieji teiginiai. Įvado pabaigoje pristatomos disertacijos tema autoriaus paskelbtos publikacijos ir pranešimai mokslinėse konfe-rencijose bei disertacijos struktūra. Pirmame skyriuje pateikiama mašininio mokymosi tipų ir algoritmų apžvalga, pristatoma mokslinėje literatūroje aptinkama roboto klaidų ir inercinių jutiklių panaudojimo robotikoje analizė. Skyriaus pabaigoje formuluojamos išvados ir tikslinami disertacijos uždaviniai. Antrajame skyriuje pateikiamos roboto pozicionavimo klaidų tyrimo metodikos, analizė ir rezultatai. Aprašomi skirtingi roboto darbo režimai ir aplinkos veiksniai, darantys įtaką roboto padėties tikslumui. Trečiajame skyriuje pateikiamas eksperimentinio tyrimo stendo aprašymas, mechanizmo roboto pozicijos klaidoms kompensuoti panaudojant giliojo Q-mokymosi algoritmą eksperimentinių tyrimų metodika ir gauti tyrimų rezultatai, leidžiantys įvertinti siūlomo mašininio mokymosi algoritmo robotinės sistemos (roboto) klaidoms kompensuoti efektyvumą. Disertacijos tema publikuoti aštuoni moksliniai straipsniai: du – mokslo žurnaluose, įtrauktuose į Clarivate Analytics Web of Science duomenų bazės su cituojamumo rodikliu sąrašą; vienas – konferencijų medžiagoje, referuotoje Clarivate Analytics Web of Science duomenų bazėje, penki – žurnaluose, įtrauktuose į kitas tarptautines duomenų bazes. Disertacijoje atliktų tyrimų rezultatai buvo paskelbti trijose tarptautinėse mokslinėse kon-ferencijose Lietuvoje ir užsienyje.
Mokslo darbą galite rasti VILNIUS TECH Virtualiojoje bibliotekoje.
Galerija
