RU78456U1

RU78456U1 - AUTONOMOUS ADAPTIVE DEVICE FOR MOBILE OBJECT MANAGEMENT

Info

Publication number: RU78456U1
Application number: RU2008127291/22U
Authority: RU
Inventors: Олег Владимирович Толстель; Андрей Маратович Арзуметов
Original assignee: Олег Владимирович Толстель
Priority date: 2008-07-04
Filing date: 2008-07-04
Publication date: 2008-11-27

Abstract

Полезная модель относится к области управления мобильными объектами и может быть использована при создании систем управления положением материального объекта в пространстве в режиме реального времени, например, для полуавтоматической или автоматической парковки автомобиля, для посадки самолета, в системах причаливания судов, в управлении закрыванием и открыванием ворот и дверей, на производстве (погрузочно-разгрузочные работы) и др. Функционально устройство управления мобильным объектом содержит три части: нейропроцессорную, состоящую из нейропроцессора, внешнего постоянного запоминающего устройства и внешнего оперативного запоминающего устройства, коммутационную, включающую блок коммутации, и контроллерную, включающую контроллер с нечеткой логикой, состоящий из аналого-цифрового преобразователя, цифро-аналогового преобразователя и встроенных постоянного запоминающего устройства и оперативного запоминающего устройства, и внешнее постоянное запоминающее устройство, причем выходы датчиков, установленных на мобильном объекте, и выходы датчиков, механизмов приводов соединены со входом аналого-цифрового преобразователя контроллера, входы датчиков. механизмов приводов соединены с выходом цифро-аналогового преобразователя контроллера, а входы и выходы блока коммутации соединены со входами и выходами контроллера, внешнего постоянного запоминающего устройства контроллера, нейропроцессора и внешнего постоянного запоминающего устройства нейропроцессора. Применение данного устройства позволяет исключить установку компьютера на мобильном объекте при одновременном обеспечении управления объектом в автоматическом режиме. Одновременное использование нечеткого контроллера, принимающего решения, и нейропроцессора, его обучающего, позволяет повысить точность и увеличить надежность устройства управления. Автономное устройство управления может производиться серийно, что значительно удешевляет его стоимость.The utility model relates to the field of managing mobile objects and can be used to create systems for controlling the position of a material object in space in real time, for example, for semi-automatic or automatic parking of a car, for boarding an aircraft, in mooring systems for ships, in controlling closing and opening gates and doors, in production (loading and unloading), etc. Functionally, the mobile object control device contains three parts: neuroprocessor, consisting of consisting of a neuroprocessor, external read-only memory and external random access memory, switching, including a switching unit, and controller, including a controller with fuzzy logic, consisting of an analog-to-digital converter, digital-to-analog converter and built-in read-only memory and random access memory, and external permanent storage device, and the outputs of sensors installed on a mobile object, and the outputs of sensors, mechanisms, etc. the drives are connected to the input of the analog-to-digital converter of the controller, the inputs of the sensors. drive mechanisms are connected to the output of the digital-to-analog converter of the controller, and the inputs and outputs of the switching unit are connected to the inputs and outputs of the controller, the external read-only memory of the controller, the neuroprocessor and the external read-only memory of the neuroprocessor. The use of this device allows you to exclude the installation of a computer on a mobile object while providing automatic control of the object. The simultaneous use of a fuzzy controller making decisions, and a neuroprocessor training him, allows to increase accuracy and increase the reliability of the control device. Autonomous control device can be produced in series, which significantly reduces its cost.

Description

Полезная модель относится к области управления мобильными объектами и может быть использована при создании систем управления положением материального объекта в пространстве в режиме реального времени, например, для полуавтоматической или автоматической парковки автомобиля, для посадки самолета, в системах причаливания судов, в управлении закрыванием и открыванием ворот и дверей, на производстве (погрузочно-разгрузочные работы) и др.The utility model relates to the field of managing mobile objects and can be used to create systems for controlling the position of a material object in space in real time, for example, for semi-automatic or automatic parking of a car, for boarding an aircraft, in mooring systems for ships, in controlling closing and opening gates and doors, in production (loading and unloading), etc.

В настоящее время в системах автоматического управления сложными объектами в условиях большой неопределенности и неполноты знаний об объекте и внешней среде применяют несколько методов, ориентированных на моделирование на основе экспертных знаний и принятие решений в условиях нечеткости и неопределенности.Currently, in automatic control systems for complex objects in conditions of great uncertainty and incompleteness of knowledge about the object and the external environment, several methods are used that focus on modeling based on expert knowledge and decision-making under conditions of fuzziness and uncertainty.

Известен микроконтроллер Motorola 68HC08, использующий нечеткую логику, который может быть применен в самых разных системах управления. Общая структура микроконтроллера содержит блок фазификации, базу знаний, блок решений и блок дефазификации. Блок фазификации преобразует четкие величины, измеренные на выходе объекта управления, в нечеткие величины, описываемые лингвистическими переменными в базе знаний. Блок решений использует нечеткие условные правила, заложенные в базе знаний, для преобразования нечетких входных данных в требуемые управляющие воздействия также нечеткого характера. Блок дефазификации преобразует нечеткие данные с выхода блока решения в четкую величину, которая используется для управления объектом [журнал PC WEEK/RE №37, 2004 г., с.38].The well-known microcontroller Motorola 68HC08, using fuzzy logic, which can be used in a variety of control systems. The general structure of the microcontroller contains a phasing unit, a knowledge base, a decision unit, and a dephasing unit. The phasing unit converts the clear values measured at the output of the control object into fuzzy values described by linguistic variables in the knowledge base. The decision block uses fuzzy conditional rules embedded in the knowledge base to convert fuzzy input data to the required control actions of also a fuzzy nature. The dephasification unit converts fuzzy data from the output of the solution unit to a clear value, which is used to control the object [PC magazine WEEK / RE No. 37, 2004, p. 38].

Однако нечеткие системы управления в основном применимы для класса задач, в которых количество внешних параметров и параметров управления невелико и не являются в полной мере самонастраивающимися.However, fuzzy control systems are mainly applicable for a class of tasks in which the number of external parameters and control parameters is small and are not fully self-adjusting.

Известна система управления процессом бурения, принятая за прототип, содержащая забойный двигатель, забойный насос для прокачки промывочной жидкости, телеметрическую систему с датчиками контроля параметров в забое, наземные датчики контроля технологических параметров, блок передачи информации и управляющий компьютер с программным обеспечением, базой данных управления, которая содержит проектную траекторию скважины, и базой данных САПР, которая содержит проектные данные по конструкции скважины, характеристики оборудования, технологии процесса бурения, геологические и геофизические данные, при этом программное обеспечение выполнено с возможностью самообучения путем учета данных САПР(система автоматического проектирования) скважины и учета предшествующего, полученного A known drilling process control system adopted for the prototype, comprising a downhole motor, a downhole pump for pumping flushing fluid, a telemetry system with sensors for monitoring parameters in the bottom, ground sensors for monitoring technological parameters, an information transfer unit and a control computer with software, a control database, which contains the design trajectory of the well, and a CAD database that contains design data on the design of the well, characteristics of the equipment, technologist the drilling process, geological and geophysical data, while the software is self-learning by accounting for CAD data (automatic design system) of the well and accounting for the previous

ранее при бурении скважин того же куста или месторождения, опыта при принятии решения и реализовано с использованием искусственных нейронных сетей, эмулированных на нейропроцессере. Выходы из компьютера подключены к соответствующим исполнительным механизмам [патент РФ №2208153, МПК Е21В 44/00, 2001 г.].earlier, while drilling wells of the same cluster or field, the experience in making decisions was realized using artificial neural networks emulated on a neuroprocessor. The outputs from the computer are connected to the appropriate actuators [RF patent No. 2208153, IPC ЕВВ 44/00, 2001].

Однако использование для управления только обученной нейронной сети не всегда позволяет достигнуть нужный результат, т.к. обучение нейронной сети и определение необходимого объема обучающей выборки являются достаточно сложным процессом. Соответственно, нейронная сеть не всегда корректно обучается. Также известная система обязательно требует наличия компьютера.However, using only a trained neural network for control does not always allow achieving the desired result, since training the neural network and determining the required size of the training sample is a rather complicated process. Accordingly, a neural network is not always correctly trained. Also, a well-known system necessarily requires a computer.

При создании полезной модели решалась задача создания автономного малогабаритного адаптивного устройства управления мобильным объектом, предварительно обучаемого оператором, а также задача удешевления изготовления устройства управления.When creating a utility model, the problem of creating an autonomous small-sized adaptive device for controlling a mobile object, previously trained by the operator, and the task of reducing the cost of manufacturing a control device were solved.

Поставленная задача решена за счет того, что в известном устройстве, содержащем нейронный процессор с эмулированной на нем нейронной сетью, базу данных об объекте управления и окружающих условиях, датчики, установленные на мобильном объекте, и датчики исполнительных механизмов, согласно полезной модели, функционально устройство содержит три части: нейропроцессорную, состоящую из нейропроцессора, внешнего постоянного запоминающего устройства и внешнего оперативного запоминающего устройства, коммутационную, включающую блок коммутации, и контроллерную, включающую контроллер с нечеткой логикой, состоящий из аналого-цифрового преобразователя, цифро-аналогового преобразователя и встроенных постоянного запоминающего устройства и оперативного запоминающего устройства, и внешнее постоянное запоминающее устройство, причем выходы датчиков, установленных на мобильном объекте, и выходы датчиков механизмов приводов соединены со входом аналого-цифрового преобразователя контроллера, входы датчиков. механизмов приводов соединены с выходом цифро-аналогового преобразователя контроллера, а входы и выходы блока коммутации соединены со входами и выходами контроллера, внешнего постоянного запоминающего устройства контроллера, нейропроцессора и внешнего постоянного запоминающего устройства нейропроцессора.The problem is solved due to the fact that in a known device containing a neural processor with a neural network emulated on it, the database of the control object and environmental conditions, sensors installed on the mobile object, and sensors of actuators, according to the utility model, the device functionally contains three parts: neuroprocessor, consisting of a neuroprocessor, external permanent storage device and external random access memory, switching, including a switching unit and a controller, including a controller with fuzzy logic, consisting of an analog-to-digital converter, a digital-to-analog converter and built-in read-only memory and random access memory, and an external read-only memory, the outputs of sensors installed on a mobile object and the outputs of sensors of mechanisms drives are connected to the input of the analog-to-digital converter of the controller, sensor inputs. drive mechanisms are connected to the output of the digital-to-analog converter of the controller, and the inputs and outputs of the switching unit are connected to the inputs and outputs of the controller, the external read-only memory of the controller, the neuroprocessor and the external read-only memory of the neuroprocessor.

Применение данного устройства позволяет исключить установку компьютера на мобильном объекте при одновременном обеспечении управления объектом в автоматическом режиме. Одновременное использование нечеткого контроллера, принимающего решения, и нейропроцессора, его обучающего, позволяет повысить точность и увеличить надежность устройства управления.The use of this device allows you to exclude the installation of a computer on a mobile object while providing automatic control of the object. The simultaneous use of a fuzzy controller making decisions, and a neuroprocessor training him, allows to increase accuracy and increase the reliability of the control device.

Также заявляемое устройство может производиться серийно, что значительно удешевляет его стоимость.Also, the inventive device can be produced in series, which significantly reduces its cost.

Полезная модель иллюстрируется чертежами, где на фиг.1 показана общая схема The utility model is illustrated by drawings, where in Fig.1 shows a General diagram

устройства; на фиг.2 - графики функций принадлежности термов лингвистических переменных:devices figure 2 - graphs of membership functions of the terms of linguistic variables:

а) входной - «расстояние до препятствия»; б) выходной - «угол поворота руля»; на фиг.3 - схема парковки автомобиля из различных положений.a) input - “distance to the obstacle”; b) output - “steering angle”; figure 3 is a diagram of a car parking from various positions.

Автономное адаптивное устройство управления для, например, автоматической парковки автомобиля, по функциям содержит три части: 1 - контроллерную, принимающую решения, 2 -нейропроцессорную, 3 - коммутационную. Контроллерная часть 1 состоит из контроллера с нечеткой логикой 4, включающего аналого-цифровой преобразователь (АЦП) 5, цифро-аналоговый преобразователь (ЦАП) 6, встроенное постоянное запоминающее устройство (ПЗУ) 7 и встроенное оперативное запоминающее устройство (ОЗУ) 8, из внешнего постоянного запоминающего устройства (ПЗУ) контроллера 9 и внешнего оперативного запоминающего устройства (ОЗУ) контроллера 10. Нейропроцессорная часть 2 содержит нейропроцессор 11, выполненный, например, например, на базе микросхемы NM6403, внешнее постоянное запоминающее устройство (ПЗУ) нейропроцессора 12 и внешнее оперативное запоминающее устройство (ОЗУ) нейропроцессора 13. Коммутационная часть 3 содержит блок коммутации 14, выполненный, например, на базе программируемой логической интегральной схемы (ПЛИС), и порт USB 15, предназначенный для подсоединения к компьютеру 16. Входы и выходы блока коммутации 14 соединены со входами и выходами контроллера 4, внешнего постоянного запоминающего устройства контроллера 9, нейропроцессора 11 и внешнего постоянного запоминающего устройства нейропроцессора 12. АЦП 5 контроллера 4 имеет входы для подсоединения внешних аналоговых датчиков расстояния до препятствия 17, установленных на автомобиле 18, ЦАП 6 имеет выходы для связи с механизмом поворота руля 19 и с переключателем привода «вперед-назад» 20, которые имеют выходы на АЦП 5. Контроллер 4 имеет выходы на цифровой датчик угла поворота руля 21 и цифровой датчик направления движения 22.An autonomous adaptive control device for, for example, automatic parking of a car, according to its functions contains three parts: 1 - controller, making decisions, 2 - neuroprocessor, 3 - switching. The controller part 1 consists of a controller with fuzzy logic 4, including an analog-to-digital converter (ADC) 5, digital-to-analog converter (DAC) 6, built-in read-only memory (ROM) 7 and built-in random access memory (RAM) 8, from external read-only memory (ROM) of the controller 9 and an external random access memory (RAM) of the controller 10. The neuroprocessor part 2 contains a neuroprocessor 11, made, for example, based on the chip NM6403, external constant the detecting device (ROM) of the neuroprocessor 12 and the external random access memory (RAM) of the neuroprocessor 13. The switching part 3 includes a switching unit 14, made, for example, based on a programmable logic integrated circuit (FPGA), and a USB port 15 for connecting to a computer 16. The inputs and outputs of the switching unit 14 are connected to the inputs and outputs of the controller 4, the external read-only memory of the controller 9, the neuroprocessor 11 and the external read-only memory of the neuroprocessor 12. ADC 5 of controller 4 has inputs for connecting external analog sensors of distance to obstacles 17 installed on vehicle 18, the DAC 6 has outputs for communication with the steering mechanism of the steering wheel 19 and with the drive switch "forward-backward" 20, which have outputs to the ADC 5. Controller 4 has outputs to a digital steering angle sensor 21 and a digital motion direction sensor 22.

Программирование и эксплуатация автономного устройства осуществляется следующим образом:The programming and operation of the stand-alone device is as follows:

На первоначальном этапе (на заводе-изготовителе) изготавливают эталонное устройство, через порт USB 15 соединяют его его с компьютером 16 и с него загружают в блок коммутации 14 программу, программирующую саму ПЛИС 14, которая после этого распределяет последующие программы по остальным блокам. Во внешнее ПЗУ 9 контроллера 4 загружают программу, содержащую нечеткие и лингвистические переменные и графики их функций принадлежности (см. фиг.2). На графике 2а приведены графики нечетких переменных (термов) «Очень близко», «Близко», «Недалеко», «Далеко» и «Очень далеко», представленные в виде треугольных и трапециевидных нечетких чисел, и составляющие входную лингвистическую переменную «Расстояние до препятствия». На графике 26 аналогичным образом представлены термы, образующие выходную лингвистическую переменную «Угол поворота руля». Во встроенное ПЗУ 7 контроллера 4 загружают правила управления в виде нечетких продукций.At the initial stage (at the factory), a reference device is made, through a USB port 15 it is connected to a computer 16 and a program programming the FPGA 14 itself is downloaded to the switching unit 14, which then distributes the subsequent programs to the remaining blocks. In the external ROM 9 of the controller 4 download a program containing fuzzy and linguistic variables and graphs of their membership functions (see figure 2). Graph 2a shows the graphs of fuzzy variables (terms) “Very close”, “Close”, “Near”, “Far” and “Very far”, presented in the form of triangular and trapezoidal fuzzy numbers, and constituting the input linguistic variable “Distance to obstacles” ". Graph 26 likewise shows the terms that form the output linguistic variable “Steering angle”. In the internal ROM 7 of the controller 4 load control rules in the form of fuzzy products.

На втором этапе устройство управления отстыковывается от компьютера 16, устанавливается на автомобиль определенной марки, и производится его обучение опытным водителем. Водитель, руководствуясь собственным опытом, а также показаниями датчиков расстояния 17 осуществляет серию опытных припарковываний из различных положений в At the second stage, the control device is undocked from the computer 16, installed on a car of a certain brand, and it is trained by an experienced driver. The driver, guided by his own experience, as well as the readings of the distance sensors 17, carries out a series of experimental parkings from various positions in

свободный промежуток между двумя автомобилями, причем неудачные (неоптимальные) парковки исключает из накопления данных. На фиг.3 представлены два случая припарковывания, отличающиеся величиной зоны возможного маневрирования 24, например, переднего бампера автомобиля 18, без столкновения с соседними автомобилями 25, находящимися спереди и сзади от места парковки. При этом исходным положением является находящийся в левом нижнем углу сплошной контур автомобиля 18. Для случая с большей зоной маневрирования 24 конечное положение контура автомобиля 18 и путь к ней показаны штрих-пунктирной линией (правая нижняя часть рисунка), а для случая с меньшей зоной возможного маневрирования 24 - соответственно штриховой линией (правая верхняя часть рисунка). Видно, что в этом случае требуется большее количество движений «вперед-назад» для парковки.free space between two cars, and unsuccessful (non-optimal) parking excludes from data accumulation. Figure 3 presents two cases of parking, differing in the size of the zone of possible maneuvering 24, for example, the front bumper of the car 18, without collision with neighboring cars 25 located in front and behind the parking place. In this case, the initial position is the solid contour of the car located in the lower left corner 18. For the case with a larger maneuvering zone 24, the final position of the contour of the car 18 and the path to it are shown by a dashed line (lower right part of the figure), and for a case with a smaller zone maneuvering 24, respectively, with a dashed line (upper right part of the figure). It can be seen that in this case a greater number of “back and forth” movements are required for parking.

При этом данные от каждого датчика 17 преобразуются в АЦП 5 и поступают в контроллер 4. Одновременно туда же поступают аналоговые данные от механизма поворота руля 19 и переключателя привода 20. Таким образом контроллер 4 фиксирует зависимость угла поворота руля и направления движения от расстояния, поступающего от каждого датчика 17 до двух соседних стоящих автомобилей 25 для каждой парковки из некоторого начального положения автомобиля 18. Эти данные (зависимости) поступают во встроенное ПЗУ 7 и далее в блок коммутации 14. Параллельно этому процессу контроллер 4 на основе правил нечетких продукций, занесенных во встроенное ПЗУ 7, и на основе графиков функций принадлежностей лингвистических переменных, занесенных во внешнее ПЗУ 9, вырабатывает рекомендуемые значения углов поворота и направления движения и направляет эти значения наряду с истинными (экспериментальными) в блок коммутации 14, где они запоминаются. Для обработки всех информационных потоков контроллер 4 использует свое встроенное ОЗУ 8, а для ускорения обработки данных используется дополнительное внешнее ОЗУ 10. Одновременно программное обеспечение, записанное во внешнее ПЗУ нейропроцессора 12, совместно с нейропроцессором 11 формирует многослойную искусственную нейронную сеть прямого распространения. Полученная нейронная сеть обучается на данных, поступающих из блока коммутации 14, т.е. полученных в результате серии парковок и содержащих расстояние до препятствий, рекомендуемые значения углов поворота руля и фактические, используя последние в качестве целей при обучении. В процессе обучения нейронная сеть после сравнения фактических и рекомендуемых значений уточняет свои весовые коэффициенты. Уточненные (откорректированные) данные через блок коммутации 14 поступают во внешнее ПЗУ контроллера 9, где в соответствии с этим осуществляется корректировка графиков функций принадлежностей лингвистических переменных (см. штриховую линию на фиг.2б).In this case, the data from each sensor 17 is converted into an ADC 5 and fed to the controller 4. At the same time, analog data from the steering mechanism of the steering wheel 19 and the drive switch 20 is also received there. Thus, the controller 4 fixes the dependence of the steering angle and direction of movement on the distance coming from each sensor 17 to two adjacent standing cars 25 for each parking from a certain initial position of the car 18. These data (dependencies) are fed to the built-in ROM 7 and then to the switching unit 14. Parallel to this, the percentage essa controller 4, based on the rules of fuzzy products recorded in the internal ROM 7, and on the basis of graphs of the accessory functions of linguistic variables entered in the external ROM 9, generates the recommended values of the rotation angles and direction of movement and sends these values along with the true (experimental) to the block switching 14, where they are remembered. To process all the information flows, the controller 4 uses its internal RAM 8, and to accelerate data processing, an additional external RAM 10 is used. At the same time, the software written into the external ROM of the neuroprocessor 12, together with the neuroprocessor 11 forms a multilayer artificial neural network of direct distribution. The resulting neural network is trained on the data coming from the switching unit 14, i.e. obtained as a result of a series of parking lots and containing the distance to obstacles, the recommended values of the steering angle and the actual values, using the latter as training goals. In the learning process, the neural network, after comparing the actual and recommended values, refines its weight coefficients. The updated (corrected) data through the switching unit 14 is supplied to the external ROM of the controller 9, where, in accordance with this, the graphs of the functions of the accessories of linguistic variables are adjusted (see the dashed line in Fig.2b).

На третьем этапе устройство подсоединяют к компьютеру 16 и откорректированные значения из внешнего ПЗУ контроллера 9 через блок коммутации 14 порт USB 15 передаются в компьютер 16. Для различных марок и моделей автомобилей, отличающихся передаточным числом привода руля и габаритами обучают свои эталонные образцы, данные с которых также заносятся в компьютер 16, т.е. создается консолидированная база уточненных функций принадлежностей выходных лингвистических переменных для большого количества автомобилей разных марок и моделей. После этого все серийные устройства подключают к компьютеру и загружают программы аналогично первоначальному этапу, причем во внешнее ПЗУ контроллера 9 At the third stage, the device is connected to computer 16 and the adjusted values from the external ROM of controller 9 through the switching unit 14 are transmitted via USB 15 to computer 16. For various makes and models of cars that differ in the gear ratio of the steering wheel and the dimensions, they train their reference samples, the data from which also entered into the computer 16, i.e. a consolidated database of specified accessory functions of output linguistic variables is created for a large number of cars of different makes and models. After that, all serial devices are connected to a computer and download programs similar to the initial stage, and in the external ROM controller 9

записываются уточненные функции принадлежности выходных лингвистических переменных. После загрузки программ серийное устройство отстыковывается и может быть установлено на любой автомобиль. В процессе эксплуатации при парковке автомобиля контроллер 4 на основе поступающих данных от датчиков 17 вырабатывает рекомендуемые значения углов поворота руля и направления движения. В случае непосредственного управления контроллера 4 исполнительными механизмами 20, 22 полученные значения переводятся в аналоговый вид в ЦАП 6 и и поступают на эти механизмы, при этом руль сам крутится на нужный угол, а передача сама переключается с передней на заднюю (автоматическая парковка). Или же рекомендуемые значения могут поступать от датчиков 21 и 22 на информационное табло, а водитель обеспечивает выполнение этих рекомендаций (полуавтоматическая парковка).the specified membership functions of the output linguistic variables are written. After downloading the programs, the serial device is undocked and can be installed on any car. During operation, when parking the car, the controller 4, based on the incoming data from the sensors 17, generates the recommended values of the steering angle and direction of movement. In the case of direct control of the controller 4 by actuators 20, 22, the obtained values are translated into analog form in DAC 6 and supplied to these mechanisms, while the steering wheel itself rotates to the desired angle, and the gear itself switches from front to rear (automatic parking). Or the recommended values can come from sensors 21 and 22 on the information board, and the driver ensures the implementation of these recommendations (semi-automatic parking).

В случае необходимости, автономное устройство может быть установлено на автомобиль другой модели или марки, не имеющейся в списке, аналогично второму этапу, при этом водитель самостоятельно проводит дообучение устройства, осуществив серию попыток припарковать машину.If necessary, the stand-alone device can be installed on a car of another model or brand that is not on the list, similar to the second stage, while the driver independently conducts additional training of the device, making a series of attempts to park the car.

Claims

An autonomous adaptive device control device for a mobile object, containing a neural processor with a neural network emulated on it, a database of the control object and environmental conditions, sensors installed on the mobile object, and actuator sensors, characterized in that the device functionally contains three parts: neuroprocessor, consisting of a neuroprocessor, external read-only memory and external random access memory, switching, including a switching unit, and con a roller controller, including a controller with fuzzy logic, consisting of an analog-to-digital converter, a digital-to-analog converter and built-in read-only memory and random-access memory, and an external read-only memory, the outputs of sensors installed on a mobile object and the outputs of sensors of drive mechanisms connected to the input analog-to-digital converter of the controller, the inputs of the sensors of the drive mechanisms are connected to the output of the digital-to-analog converter of the control lera, and the inputs and outputs of the switching unit are connected to the inputs and outputs of the controller, the external read-only memory of the controller, the neuroprocessor and the external read-only memory of the neuroprocessor.