Diseño del software de control de un UUV para monitorización oceanográfica usando un modelo de componentes y framework con despliegue flexible

Francisco Ortiz, Antonio Guerrero, Francisco Sánchez Ledesma, Francisco García Córdova, Diego Alonso, Javier Gilabert

Resumen

Los vehículos submarinos no tripulados (Unmanned Underwater Vehicles, UUVs) se diseñan para misiones de monitorización, inspección e intervención. En estudios oceanográficos y de monitorización ambiental son cada vez más demandados por las innumerables ventajas que presentan con respecto a las tecnologías tradicionales. Estos vehículos son desarrollados para superar los retos científicos y los problemas de ingeniería que aparecen en el entorno no estructurado y hostil del fondo marino en el que operan. Su desarrollo no solo conlleva las mismas dificultades que el resto de los robots de servicio (heterogeneidad en el hardware, incertidumbre de los sistemas de medida, complejidad del software, etc.), sino que además se les unen las propias del dominio de aplicación, la robótica submarina: condiciones de iluminación, incertidumbre en cuanto a posición y velocidad, restricciones energéticas, etc. Este artículo describe el UUV AEGIR, un vehículo utilizado como banco de pruebas para la implementación de estrategias de control y misiones oceanográficas. También describe el desarrollo de una cadena de herramientas que sigue un enfoque dirigido por modelos, utilizada en el diseño del software de control del vehículo, así como un framework basado en componentes que proporciona el soporte de ejecución de la aplicación y permite su despliegue flexible en nodos, procesos e hilos y pre-verificación del comportamiento concurrente. Su diseño ha permitido desarrollar, comprobar y añadir los componentes que proporcionan el comportamiento necesario para que el UUV AEGIR pudiera completar con éxito distintos tipos de misiones oceanográficas.

Palabras clave

UUV Unmanned Underwater Vehicle; monitorización oceanográfica; framework de componentes; modelo de componentes; configuración de despliegue; análisis de concurrencia

Texto completo:

PDF

Referencias

Alonso, D., Pastor, J., Sánchez, P., Álvarez, B., Vicente-Chicote, C., 2012. Generación Automática de Software para Sistemas de Tiempo Real: Un Enfoque basado en Componentes, Modelos y Frameworks. Revista Iberoamericana de Automática e Informática Industrial RIAI. Vol, 9, Num. 2, págs 170–181, doi: 10.1016/j.riai.2012.02.010.

Alonso, D., Vicente-Chicote, C., Ortiz, F., Pastor, J., Álvarez, B., 2010. V3CMM: a 3-View Component Meta-Model for Model-Driven Robotic Software Development. Journal of Software Engineering for Robotics, Vol.1, no 1, pp. 3-17.

Antonelli, G., Chiaverini, S., Sarkar,N., West, M., 2001. Adaptive control of an autonomous underwater vehicle: experimental results on ODIN, IEEE Trans Control Syst. Technol., vol. 9, Issue: 5, Sep. 2001, pp. 756-765.

Auke Jan Ijspeert, 2008. Central pattern generators for locomotion control in animals and robots: A review. Neural Networks, Volume 21 Issue 4, pp. 642-653.

Ben-Ari, M., 2008. Principles of the Spin Model Checker. Springer-Verlag.

Bengtsson, J., Yi, W., 2004. Timed Automata: Semantics, Algorithms and Tools. In: Lectures on concurrency and Petri nets, Springer-Verlag, vol. 3098, pp. 87-124.

Behrmann, G., Larsen, K., Moller, O., David, A., Pettersson, P., Wang, Y., 2001. UPPAAL - present and future. Proc. of the 40th IEEE Conf. on Decision and Control.

Bruyninckx, H., 2008. Robotics Software: The Future Should Be Open. In: IEEE Robotics & Automation Magazine, Vol. 15, No. 1, pp. 9-11.

Carreras, M., Yuh, J., Batlle, J., Ridao, P., 2005. A behavior-based scheme Using Reinforcement Learning for Autonomous Underwater Vehicles. In: IEEE Journal of Oceanic Engineering, Vol. 30, No. 2.

Chang, C., and Gaudiano, P., 1998. Application of biological learning theories to mobile robot avoidance and approach behaviors. J. Complex Systems, vol. 1, pp. 79–114.

Eickstedt, D.P., Sideleau, S.R., 2009. The backseat control architecture for autonomous robotic vehicles: A case study with the Iver2 AUV. In: OCEANS 2009, MTS/IEEE Biloxi - Marine Technology for Our Future: Global and Local Challenges. 1-8.

Fossen, T., 1994. Guidance and control of ocean vehicles. John Wiley and Sons Ltd.

Fujii, T., Arai, Y., Asama, H., and Endo, I., 1998. Multilayered reinforcement learning for complicated collision avoidance problems. In: Proceedings IEEE International Conference on Robotics and Automation, vol. 3, pp. 2186-2191, Leuven, Belgium.

García-Córdova, F., 2007. A cortical network for control of voluntary movements in a robot finger. In: Neurocomputing, vol. 71, 2007, pp. 374- 391.

Gonzalez, J. et al, 2012. AUV Based Multi-vehicle Collaboration: Salinity Studies in Mar Menor Coastal Lagoon. In IFAC Workshop on Navigation, Guidance and Control of Underwater Vehicles (NGCUV).

Guerrero-González, A., García-Córdova, F., Ruz-Vila, F., 2010. A Solar Powered Autonomous Mobile Vehicle for Monitoring and Surveillance Missions of Long Duration. In: International Review of Electrical Engineering, Part A, vol. 5, n. 4, pp. 1580-1587.

Guerrero-González, A., García-Córdova, F., Gilabert, J., 2011. A Biologically inspired neural network for navigation with obstacle avoidance in autonomous underwater and surface vehicles. In: OCEANS 2011 IEEE. Doi. 10.1109/Oceans-Spain.2011.6003432

Medina, J., González-Harbour, M., and Drake, J., 2001. MAST real-time view: A graphic UML tool for modeling object-oriented real-time systems. Proc. of the 22nd IEEE Real-Time Systems Symposium (RTSS), December, pp. 245–256. IEEE.

Pérez-Ruzafa, A., Marcos, C., Gilabert, J., 2005. The Ecology of the Mar Menor coastal lagoon: a fast-changing ecosystem under human pressure. In: Coastal lagoons. Ecosystem processes and modelling for sustainable use and development. CRC press. pp.: 392-422.

Ridao, P., Yuh, J., Sugihara, K., Batlle, J., 2000. On AUV control architecture. In: Proc. Int. Conf. Robots and Systems.

Ritter, H., Martinez, T., Schulten, K., 1989. Topology-conserving maps for learning visuo-motor coordination, Neural Networks, vol. 2, 1989, pp. 159-168.

Schlegel, C., 2006. Communication patterns as key towards component-based robotics. In: International Journal on Advanced Robotics Systems 3 (1), 49–54.

Schlegel, C., Steck, C., Lotz, A., 2011. Model-driven software development in robotics: Communication patterns as key for a robotics component model, En: Introduction to Modern Robotics. iConcept Press (ed.on-line)

Stutters, L., Liu, H., Tiltman, C., Brown, D., 2008. Navigation technologies for autonomous underwater vehicles. In: IEEE Transactions on Systems, Man and Cybernetics, Part C: Applications and Reviews, Vol. 38, 581- 589.

OMG, 2009. UML profile for MARTE: Modeling and analysis of real-time embedded systems, formal/2009-11-02.

RoSta: Robot Standards and Reference Architectures, Coordination Action (CA) funded under the European Union’s Sixth Framework Programme (FP6), http://www.robot-standards.org/. Last accessed 05/2013.

Singhoff, F., Plantec, A., Dissaux, P., Legrand, J., 2009. Investigating the usability of real-time scheduling theory with the cheddar project. Journal of Real Time Systems, 43, 259–295.

Abstract Views

980
Metrics Loading ...

Metrics powered by PLOS ALM


 

Citado por (artículos incluidos en Crossref)

This journal is a Crossref Cited-by Linking member. This list shows the references that citing the article automatically, if there are. For more information about the system please visit Crossref site

1. Muestreo adaptativo aplicado a la robótica: Revisión del estado de la técnica
Ignacio Pastor, João Valente
Revista Iberoamericana de Automática e Informática Industrial RIAI  vol: 14  num.: 2  primera página: 123  año: 2017  
doi: 10.1016/j.riai.2016.09.009



Creative Commons License

Esta revista se publica bajo una Licencia Creative Commons Attribution-NonCommercial-CompartirIgual 4.0 International (CC BY-NC-SA 4.0)

Universitat Politècnica de València     https://doi.org/10.4995/riai

e-ISSN: 1697-7920     ISSN: 1697-7912