НЕПРЕРЫВНЫЕ РОБОТЫ: МЕТОДЫ ПРОЕКТИРОВАНИЯ, УПРАВЛЕНИЯ И ПЕРСПЕКТИВЫ ПРАКТИЧЕСКОГО ПРИМЕНЕНИЯ
DOI:
https://doi.org/10.52167/1609-1817-2025-139-4-367-380Ключевые слова:
биоинспирированные системы, математическое моделирование, алгоритмы управления, искусственный интеллект, сенсорные технологии, малоинвазивная хирургия, поисково-спасательные операцииАннотация
В данном исследовании рассматривается возможность использования электрогрузовиков в Республике Казахстан. Актуальность данной темы обусловлена тем, что значительный рост интереса к электромобилям и экологичности транспорта вызывает необходимость в поиске альтернативных источников энергии для грузовых автомобилей. Электрогрузовики являются одним из перспективных вариантов замены традиционных грузовиков, работающих на бензине или дизеле, в Казахстане. Главное преимущество электрогрузовиков заключается в низких эксплуатационных издержках и отсутствии выбросов вредных веществ в атмосферу, что улучшает качество воздуха и способствует экологической устойчивости городов. Предметом данного исследования являются аспекты внедрения электрогрузовиков в Казахстане, а также зарядной инфраструктуры, проблемы логистики и возможности государственной поддержки. Целью данного исследования стало определение возможности использования электрогрузовиков в Республике Казахстан. Для достижения данной цели был проведён анализ деятельности транспортных компаний, а также проведён сравнительный анализ грузового транспорта с двигателем внутреннего сгорания и электрическим двигателем. Методологической основой данного исследования стали логический и структурный анализы. В ходе работы был использован системно-структурный анализ, основанный на общетеоретических, статистических, научных источниках. По полученным результатам можно сделать вывод, что использование электрогрузовиков выгодно как для транспортных компаний, так и для окружающей среды, но недостаточно развитая транспортная инфраструктура сдерживает использование экологического транспорта.
Библиографические ссылки
[1] Bai, H.; Lee, B.G.; Yang, G.; Shen, W.; Qian, S.; Zhang, H.; Zhou, J.; Fang, Z.; Zheng, T.; Yang, S.; et al. Unlocking the Potential of Cable-Driven Continuum Robots: A Comprehensive Review and Future Directions. Actuators 2024, 13, 52. https://doi.org/10.3390/act13020052
[2] Sokolov, O.; Hošovský, A.; Trojanová, M. Design, Modelling, and Control of Continuum Arms with Pneumatic Artificial Muscles: A Review. Machines 2023, 11, 936. https://doi.org/10.3390/machines11100936
[3] Liu, H.; Meng, Q.; Wang, J. An Anti-Interference Control Algorithm for Continuum Robot Arm. Actuators 2024, 13, 452. https://doi.org/10.3390/act13110452
[4] Xu, S. Disturbance Observer-Based Adaptive Fault Tolerant Control with Prescribed Performance of a Continuum Robot. Actuators 2024, 13, 267. https://doi.org/10.3390/act13070267
[5] Yilmaz, C.T.; Watson, C.; Morimoto, T.K.; Krstic, M. Adaptive Model-Free Disturbance Rejection for Continuum Robots. Automatica 2025, 171, 111949. https://doi.org/10.1016/j.automatica.2024.111949.
[6] Jabari, M.; Botta, A.; Tagliavini, L.; Visconte, C.; Quaglia, G. A Safe, High-Precision Reinforcement Learning-Based Optimal Control of Surgical Continuum Robots: A Monotone Tube Boundary Approach with Prescribed-Time Control Capability. Robotics and Autonomous Systems 2025, [volume], 104992. https://doi.org/10.1016/j.robot.2025.104992.
[7] Djeffal, S.; Ghoul, A.; Morakchi, M.R.; Mahfoudi, C.; Belkedari, M. Optimized Computer Torque Control and Dynamic Model of a Spatial Single Section Continuum Robot. Results in Control and Optimization 2023, 12, 100264. https://doi.org/10.1016/j.rico.2023.100264.
[8] Pierallini, M.; Stella, F.; Angelini, F.; Deutschmann, B.; Hughes, J.; Bicchi, A. A Provably Stable Iterative Learning Controller for Continuum Soft Robots. IEEE Robotics and Automation Letters 2023, 8, 6427–6434. https://doi.org/10.1109/LRA.2023.3307007.
[9] Galeta, E.V.; Nada, A.A.; Hameed, I.; El-Hussieny, H. Curvature Sensing and Control of Soft Continuum Robots Using e-Textile Sensors. Appl. Syst. Innov. 2024, 7, 84. https://doi.org/10.3390/asi7050084
[10] Osman, D.; Du, X.; Minton, T.; Noh, Y. Shape Sensing for Continuum Robotics Using Optoelectronic Sensors with Convex Reflectors. Electronics 2024, 13, 1253. https://doi.org/10.3390/electronics13071253
[11] Kołota, J.; Kargin, T.C. Comparison of Various Reinforcement Learning Environments in the Context of Continuum Robot Control. Appl. Sci. 2023, 13, 9153. https://doi.org/10.3390/app13169153
[12] Cheng, Q.; Liu, H.; Gao, X.; Zhang, Y.; Hao, L. Sim-to-Real Transfer Reinforcement Learning for Position Control of Pneumatic Continuum Manipulator. IEEE Access 2023, 11, 126110–126118. https://doi.org/10.1109/ACCESS.2023.3330782.
[13] Sahoo, A.R.; Chakraborty, P. A Study on Position Control of a Continuum Arm Using MAML (Model-Agnostic Meta-Learning) for Adapting Different Loading Conditions. IEEE Access 2022, 10, 14980–14992. https://doi.org/10.1109/ACCESS.2022.3147797.
[14] Dai, Y.; Zhang, S.; Cheng, W.; Li, P. Neural Network-Based Shape Analysis and Control of Continuum Objects. Biomimetics 2024, 9, 772. https://doi.org/10.3390/biomimetics9120772
[15] Xu, S.; He, B.; Zhou, Y.; Wang, Z.; Zhang, C. A Hybrid Position/Force Control Method for a Continuum Robot with Robotic and Environmental Compliance. IEEE Access 2019, 7, 100467–100479. https://doi.org/10.1109/ACCESS.2019.2928572.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2025 Марина Калекеева, Кайрат Кошеков, Ольга Гармаш, Гульжан Муратбекова, Мадина Гожахметова
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
