ҒЫЛЫМ, БІЛІМ БЕРУ ЖӘНЕ ПРАКТИКАДА АҚПАРАТТЫҚ  ТЕХНОЛОГИЯЛАРДЫҢ ДАМУ ЖОЛДАРЫ

ҒЫЛЫМ, БІЛІМ БЕРУ ЖӘНЕ ПРАКТИКАДА АҚПАРАТТЫҚ  ТЕХНОЛОГИЯЛАРДЫҢ ДАМУ ЖОЛДАРЫ 
ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В НАУКЕ, ОБРАЗОВАНИИ И ПРАКТИКЕ 
 
277 
 
Литература: 
1.  Адамов А.А. Процессы протаивания грунта  // Доклады  НАН РК. -2007. -№1. - С. 16-19. 
2.  Жумагулов Б.Т., Рысбайұлы Б., Адамов А.А. Сходимость разностной схемы для обобщенной 
задачи Стефана конвективного распространения влаги // Вестник НАН РК. 2007. - №5. - С. 30-41.  
3.  Рысбайұлы Б., Адамов А.А. Исследование изменений теплоемкости фазовой зоны в много-
слойном грунте  // Доклады  НАН РК. 2007. -№4. - С. 14-17. 
4.  Рысбайұлы Б., Адамов А.А. Исследование теплопроводности фазовой зоны в многослойном 
грунте  // Вестник НАН РК. 2007. -№4. - С. 30-33. 
5.  Мартынов Г.А. Тепло - и влагоперенос в промерзающих и оттаивающих грунтах. Основы гео-
крилогии (мерзлотоведения). – М.: 1959, под. ред. Н.А. Цытович. гл. VI стр. 153-192.  
6.  Рысбайұлы  Б.,  Адамов  А.А.  Зависимость  влаги  от  толщины  слоя  при  промерзаний  много-
слойного грунта // Известия НАН РК. Серия физика, математика. 2007. -№5. - С. 15-18. 
7.    Чудновский А.Ф. Теплобмен в дисперсных средах. – М. Гостехиздат, 1954, 444 с 
8.  Рысбайулы  Б.  Идентификация  коэффициента  теплопроводности  распространения  тепла  в 
неоднородной среде. Вестник КБТУ, 2008, №1, ст. 62-65 
9.  Рысбайулы Б., Махамбетова Г.И. Разностная схема для обратной задачи кондуктивного рас-
пространения тепла в однородной среде. ДАН РК, 2008, №1, ст. 15-18. 
 
 
 
УДК 004.942 
 
AUTONOMOUS MULTICOPTER IN INDOOR ENVIRONMENTS 
 
Salykova O. S -  of a.baitursynov kostanay state university 
Podgornov R -  student,  of a.baitursynov kostanay state university 
 
Article describes results of mathematical  modeling of flights of  the UAV in the  closed spaces.  Prob-
lems of optimization of algorithm of search in extensive territories are also described. 
Keywords: UAV, path algorithm, multicopter, algorithm optimization. 
 
A multirotor is a type of aircraft that has a lot of attention for research in recent years due to their sim-
ple construction,maneuverability, flexibility and ability to take a payload. When flying autonomously outdoors 
the GPS or GLONASS is usually the main source of information for position estimation, making navigation 
indoors a complex task since no any positioning system signal is available. 
Multicopters are similar to traditional helicopters but with more than two rotors and all of them has the 
same angle. The most common amount of rotors are 3 (tricopter), 4 (quadcopter), 6 (hexacopter) or 8 (octo-
copter), but different configuration is possible. More rotors give a higher maximal lifting capacity but are more 
expensive  to  build,  have  a  low  maneuverabilityand  need  a  higher  current  output  from  the  batteries.  If  the 
multicopters carrying expensive equipment six or especially eight rotors can be recommended since a crash 
can be avoided even if one motor fails during flight. This high fault tolerance is the reason why logistics com-
panies make many researches for this types of UAV. Today main commercial use of UAVsis related to aerial 
photography,  surveillance  and  remote  sensing.However,  there  is  some  perspective  promising  areas  as 
commercial packages transportation and rescue missions for missing people. [1] 
Path  planning  is  a  complicated  task,  which  involves  gathering  the  physical  constraints  of  the  UAVs, 
constraints from the  environment and other operational requirements.The main constraint to be met is that 
the paths must be flyable for given parameters of the drone. Flyable paths are those that satisfy the kinemat-
ic  constraints  of  the  UAV.Satisfying  this  inhibition  ensures  that  the  motion  of  multicopter  stays  within  the 
maximum  bounds  on  maneuver  curvature.  The  path  must  maintain  collision  avoidance  with  other  friendly 
UAVs or other flying objects and also must be flexible enough to avoid environmental obstacles and threats. 
Thus,  the  safety  of  the  path  is  measured  by  the  ability  of  the  path  to  avoid  threats,  obstacles  and  other 
UAVs. 
 
Vision 
To be able to navigate indoors computer vision can be a solution and in a previous implementation, a 
simple camera was used to estimate the multicopter’s motion by looking at the ground below [2]. In this the-
sis it will be investigated if improved navigation can be achieved by using information from an Internal Meas-
urement Unit (IMU). The IMU contains accelerometers and gyros to measure the multicopters acceleration 
and angular rotation in three dimensions. 
Sensor fusion 
Sensor fusion is the combining of data from different sensors to receive better results than if the sen-
sors would have been used individually. A dynamic model of the multicopter will be used together with infor-

ҒЫЛЫМ, БІЛІМ БЕРУ ЖӘНЕ ПРАКТИКАДА АҚПАРАТТЫҚ  ТЕХНОЛОГИЯЛАРДЫҢ ДАМУ ЖОЛДАРЫ 
ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В НАУКЕ, ОБРАЗОВАНИИ И ПРАКТИКЕ 
 
278 
 
mation from the camera and the IMU to estimate the UAV’s position and velocity [3]. The mathematical algo-
rithm is known as a linear quadratic estimation (LQE). 
Simulink model 
The design follows a model (pic 1), based approach in Matlab Simulink were the system could be sim-
ulated by using different blocks in a graphical interface. To control the real multicopter, the model running on 
a software development platform called “PandaBoard” after automatic code generation into C-code. Position 
and altitude is controlled by sending setpoints from higher level controllers on the “PandaBoard” to a control-
ler that communicates with the motors.A model has been developed where the search area is divided into 
smaller sub-areas, which are prioritized according to how likely it is to find someone in that area. This is es-
timated from the terrain and external factors such as the position where the person was last seen and if any 
other  traces  have  been  found.  The  search  path,  which  gives  the  order  in  which  all  the  sub-areas  are 
scanned, has to be optimized to minimize the expected search time. 
In some optimization problems, where the optimum solution is unknown, the optimal value can be es-
timated and compared to the achieved value in order determine how good the solution is. But in these kind of 
problems it is not possible to estimate the optimum value E
∗[T], though some other values can be used to 
evaluate the solutions. One interesting case is if all areas were searched in an order so no traveling distanc-
es are needed and the priorities are not considered. This could be considered as taking an average over the 
whole search area, as done when calculating ˆ EAi[T] in Equation, but with Ai empty. This value is denoted ˆ 
E0[T] and is calculated ˆ E0[T] =Ntc 2 ·1 nH, where N is the total number of sub-areas, tc is the time needed 
to search through one sub-area and nH is the number of UAVs used in the search mission. Ntc is the time 
required to search all the sub-areas and the expected search time is given by dividing by 2, this so since the 
person is on average found when half the search area is scanned. Division by the number of UAVs assumes 
all UAVs search over  equally  large  areas. This  is equivalent to only  consider the  last term in Equation (7) 
with all sub-areas included in this term. During the distribution of sub-areas with the nearest neighbor algo-
rithm, ˆ E[T] is calculated and should decrease as more sub-areas are given out. If A1, A2 and A3 are given 
out, the search time is ˆ EA1,A2,A3[T] = pA1tA1 + pA2tA2 + pA3tA3 + prtr. 
The optimum value E
∗[T] is a lower bound but unknown and cannot be calculated. It can be approxi-
mated with a lower value denoted e E
∗[T]. In this approximation it is assumed the sub-areas are searched in 
the order of decreasing pi and with no traveling time. With nHUAVs, the nH sub-areas with highest priority 
are searched at tc/2, the next nH sub-areas at 3tc/2 and so on. Equation (5) is then used to calculate e E
∗[T]. 
This lower bound is not possible to reach since the sub-areas are usually not placed in such a way that they 
can be searched in the right order without any traveling. 
 
 
 
Picture 1. Simulink multicopter model. 
 
Results 
Tests show that the sensor fusion approach is able to provide increased stability and less drift, mainly 
by improved velocity estimates. The UAV can now hover for a minute without user interaction. The downside 
is  that  the  multicopter  is  still  restricted  to  very  slow  movement  for  the  computer  vision  algorithm  to  work 
properly  and  that  delays  in  the  system  can  cause  problems  in  some  situations.To  get  a  start  solution  for 

ҒЫЛЫМ, БІЛІМ БЕРУ ЖӘНЕ ПРАКТИКАДА АҚПАРАТТЫҚ  ТЕХНОЛОГИЯЛАРДЫҢ ДАМУ ЖОЛДАРЫ 
ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В НАУКЕ, ОБРАЗОВАНИИ И ПРАКТИКЕ 
 
279 
 
path,  a  variant  of  the  nearest  neighbor  algorithm  is  used,  where  the  next  point  minimizes  the  expected 
search time instead of distance. 
 
References: 
1. M. Goodrich, B. Morse, D. Gerhardt, J. Cooper, M. Quigley, J. Adams, and C. Humphrey, “Suppor-
ting  wilderness  search  and  rescue  using  a  camera-equipped  mini  uav:  Research  articles,”  J.  Field  Robot., 
vol. 25, no. 1-2, pp. 89–110, 2008 
2.  A. Symington, S. Waharte, S. J. Julier, and N. Trigoni, “Probabilistic target detection by camera-
equipped uavs,” in ICRA, 2010 
3. J. Roberts, T. Stirling, J.-C. Zufferey, and D. Floreano, “Quadrotor using minimal sensing for auton-
omous indoor flight,” in EMAV, 2007 
 
 
 
УДК 681.5 
ОБРАЗОВАТЕЛЬНАЯ РОБОТОТЕХНИКА 
 
Сатмаганбетова  Ж.З,  -  ст.преподаватель,  Костанайский  государственный  университет 
им. А.Байтурсынова 
Сулейменов  С.Н.  -  студент,  Костанайский  государственный  университет  им.  А.Байтур-
сынова 
 
В  данной  работе  рассматривается  основные  тенденции  развития  образовательной  ро-
бототехники.  Авторы  дают  анализ  современного  рынка  образовательных  конструкторов  и 
наборов  робототехники,  дает  практические  рекомендации  использования  учебных  моделей  в 
образовательном процессе. 
Ключевые  слова:  Образовательная  робототехника,  научно-техническое  творчество, 
обучающие роботы, программируемые конструкторы. 
 
  На сегодняшний день, робототехника  является одним из важнейших направлений научно- 
технического прогресса, в котором проблемы механики и новых технологий соприкасаются с пр о-
блемами  искусственного  интеллекта.  Активное  участие  и  поддержка  казахстанских  и  междуна-
родных научно-технических и образовательных проектов в области робототехники и мехатроники 
позволит  ускорить  подготовку  кадров,  развитие  новых  научно-технических  идей,  обмен  техниче-
ской  информацией  и  инженерными  знаниями,  реализацию  инновационных  разработок  в  области 
робототехники по всему миру. 
   Первый человекоподобный рыцарь был предложен Леонардо да Винчи в 1495 г., в 1738 г. 
французский механик Жак де Вакансон создал первого андроида, а в 1921 году чешский писатель 
Карел Чапек придумал слово «робот»[1].  
Бурными темпами робототехника вошла в мир в середине XX века. Это было одно из самых 
передовых,  престижных,  дорогостоящих  направлений  машиностроения.  Основой  робототехники 
были  техническая  физика,  электроника,  измерительная  техника  и  многие  другие  технические  и 
научные дисциплины. 
В  начале  XXI  века  робототехника  является  одним  из  приоритетных  направлений  в  сфере 
экономики,  машиностроения,  здравоохранения,  военного  дела  и  других  направлений 
деятельности  человека.  Человечество  остро  нуждается  в  роботах,  которые  могут  без  помощи 
оператора  тушить  пожары,  самостоятельно  передвигаться  по  заранее  неизвестной,  реальной 
пересеченной  местности,  выполнять  спасательные  операции  во  время  стихийных  бедствий, 
аварий  атомных  электростанций,  в  борьбе  с  терроризмом.  Кроме  того,  по  мере  развития  и 
совершенствования робототехнических устройств возникла необходимость в мобильных роботах, 
предназначенных  для  удовлетворения  каждодневных  потребностей  людей:  роботах  –  сиделках, 
роботах  –  нянечках,  роботах  –  домработницах,  роботах  –  всевозможных  детских  и  взрослых 
игрушках  и  т.д.  И  уже  сейчас  в  современном  производстве  и  промышленности  востребованы 
специалисты, обладающие знаниями в этой области.  
Робототехника - одно из самых передовых направлений науки и техники, а образовательная 
робототехника  –  это  новое  междисциплинарное  направление  обучения.  Она  направлена  на 
популяризацию  научно-технического  творчества  и  повышение  престижа  инженерных  профессий 
среди  молодежи,  развитие  у  молодежи  навыков  практического  решения  актуальных  инженерно -
технических задач и работы с техникой.  
Одной  из  важных  особенностей  работы  с  образовательной  робототехникой  должно 

ҒЫЛЫМ, БІЛІМ БЕРУ ЖӘНЕ ПРАКТИКАДА АҚПАРАТТЫҚ  ТЕХНОЛОГИЯЛАРДЫҢ ДАМУ ЖОЛДАРЫ 
ПЕРСПЕКТИВЫ РАЗВИТИЯ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В НАУКЕ, ОБРАЗОВАНИИ И ПРАКТИКЕ 
 
280 
 
стать создание непрерывной системы - робототехника должна работать на развитие технического 
творчества, воспитание будущего инженера, начиная с среднего  образования и до момента полу-
чения профессии и даже выхода на производство. 
Образовательная  робототехника  представляет  собой  новую,  актуальную  педагогическую 
технологию. Робототехника находится на стыке перспективных областей знания: механика, эле к-
троника,  автоматика,  конструирование,  программирование,  схемотехника  и  технический  дизайн. 
Если говорить коротко, то смысл рассматриваемой технологии, ее ядро  – приобретение знаний в 
процессе  изготовления  робота.  Таким  образом,  образовательная  робототехника  совмещает  два 
вектора действия[2]:  
-  образовательный вектор  
-  технологический вектор. 
Основанием для каждого движения в каждом направлении является некая технологиче ская 
задача,  которую
 
решая
 
конструктор  развивается  в  когнитивно-деятельной  плоскости,  которая,  с 
одной  стороны, складывается  из:  стремления  приобрести  необходимые для  решения  проблемы, 
теоретические  знания,  привлекая  достижения  широкого  комплекса  наук,  а,  с  другой  стороны, 
имеет под собой направленность молодого разработчика на представленность решения технол о-
гической проблемы в конечном изделии.  
Эта  плоскость,  являющаяся  пространством  для  развертывания  личной  образовательной 
траектории обучающегося, таким образом взаимообогощается сплавом теории и практики на сты-
ке перспективных областей знаний. На наш взгляд, это является критически актуальным, особе н-
но в настоящий момент, когда в нашей стране прикладываются целенаправленные усилия по п е-
реводу  на    Государственного  программы  индустриально-инновационного  развития  Республики 
Казахстан.
  
Необходимо отметить, что образовательная робототехника, как педагогическая технология, 
основывается на использовании предметов естественнонаучного цикла. Для решения конкретно й 
задачи,  а  именно  –  разработки,  проектирования и  создания  робота необходимо  интегрировать  в 
одном процессе когнитивные достижения ряда дисциплин, преподаваемых в учебных заведениях 
(математика, физика, химия, информатика, технология и др.). При этом форми руется чёткая связь 
между  вышеуказанными  дисциплинами,  возникает  понимание  смысла  обучения,  формируется 
умение достигать конкретного результата.  
Основная  идея  образовательного  комплекса  состоит  в  интеграции  учебных  дисциплин  для 
решения  конкретной  практической  задачи  -  создания  робота,  с  последовательным  освоением 
всех этапов технологического процесса:  
-  разработка концепции и определение конструктивных особенностей робота;  
-  разработка модели робота на компьютере; 
-  изготовление частей и механизмов робота; 
-  сборка и отладка механической части робота; 
-  разработка алгоритмов управления и написание программ управления роботом;   
-  комплексная отладка всех узлов, механизмов робота и программного обеспечения;  
-  проведение испытаний. 
Таким  образом,  утверждается  понимание  робототехники  как  комплекса  единого  знания. 
Описы-ваемая образовательная технология отвечает основным дидактическим принципам обуч е-
ния[3]: 
-  научность  и  мировоззренческая  направленность  обучения  -  обеспечивается  непосредст-
венной связью с наукой, а также всемерным акцентированием примата Человека и Природы над 
Механизмом;  
- проблемность — реализуемая как постановка научно-творческой задачи, имеющая, может 
быть не одно возможное решение;  
-  наглядность,  объективно  вытекающая  из  самой  сути  занятий  по  робототехнике:  чертежи, 
схемы, реальные механизмы и конструкции;   
-  активность  и  сознательность  учащихся  в  процессе  обучения  -  обеспечивающаяся  само-
стоятельным переводом теоретических положений в готовый технический продукт  – робот;  
- доступность - как вариативность в выборе уровня сложности решаемой технической зада-
чи   
- систематичность и последовательность, заложенная в нацеленности на изготовление те х-
нического изделия — робота;  
-  прочность  обучения  и  его  цикличность,  проявляющаяся  в  проверке  достигнутого  на  каж-
дом  последующем  этапе  изготовления  робота,  проработка,  углубление  и  увеличение  широты 
охвата круга знаний, необходимых на каждом новом этапе;  
- единство образовательных, развивающих и воспитательных функций обучения, реализую -
щихся через коллективный интеллектуальный и физический труд, общение с педагогами, заинт е-

жүктеу/скачать 8,81 Mb.

Достарыңызбен бөлісу: