Науковий вісник НГУ

Моделювання стратегій уникнення перешкод у групах БПЛА

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №2 2025

Останнє оновлення: 28 квітня 2025

Опубліковано: 30 листопада -0001

Перегляди: 1438

Authors:

Т. Керiбаєва, orcid.org/0000-0001-7380-098x, Академія цивільної авіації, м. Алмати, Республіка Казахстан

К. Кошеков, orcid.org/0000-0002-9586-2310, Академія цивільної авіації, м. Алмати, Республіка Казахстан

К. Алібеккизи*, orcid.org/0000-0002-6732-4363, Східно-Казахстанський технічний університет імені Д. Серікбаєва, м. Оскемен, Республіка Казахстан

А. Кошеков, orcid.org/0000-0001-7373-1494, Академія цивільної авіації, м. Алмати, Республіка Казахстан

М. Іванова, orcid.org/0000-0002-1130-0186, Національний технічний університет «Дніпровська політехніка», м. Дніпро, Україна

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2025, (2): 206 - 213

https://doi.org/10.33271/nvngu/2025-2/206

Abstract:

Мета. Моделювання стратегій підвищення ефективності безпілотних технологій шляхом об’єднання малих безпілотних літальних апаратів у групи, розробка методів і алгоритмів децентралізованого управління режимами роботи, використовуючи внутрішні канали передачі даних на основі лазерних технологій VLC.

Методика. Це дослідження виконане із використанням системного аналізу, математичного й комп’ютерного моделювання, апаратної реалізації оптико-електронних пристроїв. Розглядалося ефективне уникнення перешкод зграями безпілотних літальних апаратів (БПЛА). Моделювання комплексного руху роя БПЛА базувалося на другому законі Ньютона з розпізнаванням перешкод уздовж траєкторії. Для чисельного моделювання використовувалася тривимірна область із фіксованими перешкодами. Були розглянуті тринадцять БПЛА в положенні куба, що рухалися синхронно від лівої стінки (від входу до випуску), уникаючи перешкод на своєму шляху. Кожен дрон приймав рішення про уникнення, ураховуючи положення перешкоди та її поточне положення у просторі. Візуалізація здійснена за допомогою графіків різних видів уникнення перешкод. Цей процес повторювався 10 разів, після чого траєкторії БПЛА аналізувалися й порівнювалися. Отримані результати продемонстрували ефективність запропонованого алгоритму.

Результати. Аналіз взаємодії компонентів системи з урахуванням їх взаємного впливу та залежностей дозволило розробити ефективні стратегії керування й координації кількох БПЛА. Цей напрям досліджень є важливим для підвищення ефективності й надійності групових БПЛА в різних умовах і задачах, що відображає сучасні вимоги до автономних систем і управління ними.

Наукова новизна. Уперше запропоновано обґрунтований підхід до підвищення ефективності й надійності групових БПЛА з урахуванням їх взаємодії та залежностей для розробки ефективної стратегії управління ними, ураховуючи поточне положення у просторі й координати перешкод.

Практична значимість. Практичне застосування запропонованого алгоритму забезпечить підвищення ефективності БПЛА на основі використання ІГ (інтегрована група) БПЛА із приймально-передавальними системами на основі лазерних технологій VLC для вирішення широкого кола прикладних завдань: моніторингу земельних ресурсів, аварійно-рятувальних робіт, картографії та транспортного обслуговування, у військовій справі.

Ключові слова: БПЛА, стратегія, управління, моделі, траєкторія, виявлення перешкод, види трансформації

References.

1. Koshekov, K., Pirmanov, I., Alibekkyzy, K., Belginova, S., Karymsakova, I., Karmenova, M., & Baidildina, A. (2023). Digital twins technology in the educational process of the aviation equipment repair. Indonesian Journal of Electrical Engineering and Computer Science (IJEECS), 32(2), 752-762. https://doi.org/10.11591/ijeecs.v32.i2.pp752-762

2. Kushleyev, A., Mellinger, D., & Kumar, V. (2012). Towards a swarm of agile micro quadrotors. Conference: Robotics: Science and Systems. Auton, Robo. https://doi.org/10.15607/RSS.2012.VIII.028

3. Cicala, M., D’Amato, E., Notaro, I., & Mattei, M. (2020). Scalable Distributed State Estimation in UTM Context. Sensors, 20(9), 2682. https://doi.org/10.3390/s20092682

4. Bassolillo, S. R., D’Amato, E., Notaro, I., Ariante, G., Del Core, G., & Mattei, M. (2022). Enhanced Attitude and Altitude Estimation for Indoor Autonomous UAVs. Drones, 6(1), 18. https://doi.org/10.3390/drones6010018

5. D’Amato, E., Nardi,V. A., Notaro, I., & Scordamaglia, V. A. (2021). А Particle Filtering Approach for Fault Detection and Isolation of UAV IMU Sensors: Design. Implementation and Sensitivity Analysis. Sensors, 21(9), 3066. https://doi.org/10.3390/s21093066

6. Elmokadem, T., & Savkin, A. V. (2021). Computationally-Efficient Distributed Algorithms of Navigation of Teams of Autonomous UAVs for 3D Coverage and Flocking. Drones, 5(4), 124. https://doi.org/10.3390/drones5040124

7. Koshekov, К. Т., Seidakhmetov, B. K., Savostin, А. А., Anayatova, R. K., & Fedorov, I. O. (2021). Aviation Profiling Method Based on Deep Learning Technology for Emotion Recognition by Speech Signal. Transport and Telecommunication Journal, 22(4), 471-481. https://doi.org/10.2478/ttj-2021-0037

8. Hildmann, H., Kovacs, E., Saffre, F., & Isakovic, A. (2019). Nature-inspired drone swarming for real-time aerial data-collection under dynamic operational constraints. Drones, 3(3), 71. https://doi.org/10.3390/drones3030071

9. Xu, C., Zhang, K., Jiang, Y., Niu, S., Yang, T., & Song, H. (2021). Communication Aware UAV Swarm Surveillance Based on Hierarchical Architecture. Drones, 5(2), 33. https://doi.org/10.3390/drones5020033

10.      Kalantayevskaya, N., Latypov, S., Murat, K., Koshekov, K., & Savostin, A. (2022). Design of decision-making support system in power grid dispatch control based on the forecasting of energy consumption. Cogent Engineering, 9(1). https://doi.org/10.1080/23311916.2022.2026554

11.      Bassolillo, S. R., Blasi, L., D’Amato, E., Mattei, M., & Notaro, I. (2021). Decentralized Triangular Guidance Algorithms for Formations of UAVs. Drones, 6(1), 7. https://doi.org/10.3390/drones6010007

12.      Soltan, A. M., Kopzhassarov, B. T., Belginova, S., Vais, Y. A., Azamatova, Z., & Khassenova, Z. T. (2023). Digital risk assessment and prediction in technology process stages of ore-streams. Journal of Theoretical and Applied Information Technology, 101(3), 1322-1332. ISSN: 1992-8645, E-ISSN: 1817-3195.

13.      YingKai, Ma., & ShuRong, Li (2023). UAV Path Planning Based on Improved Artificial Potential Field Method. Proceedings of 2023 Chinese Intelligent Systems Conference, 761-777. https://doi.org/10.1007/978-981-99-6882-4_62

14.      Modares, J., Mastronarde, N., & Dantu, K. (2019). Simulating Unmanned Aerial Vehicle swarms with the UB-ANC emulator. International Journal of Micro Air Vehicles, 11. https://doi.org/10.1177/1756829319837668

15.      Sanchez-Aguero, V., Valera, F., Vidal, I., & Tipantu, A. C. (2020). Hesselbach, X. Energy-Aware Management in Multi-UAV Deployments: Modelling and Strategies. Sensors, 20(10), 2791. https://doi.org/10.3390/s20102791

16.      Lu, Y., Xue, Zh., Xia, G.-S., & Zhang, L. (2018). A survey on vision-based UAV navigation. Geo-spatial information science, 21(1), 21-32. https://doi.org/10.1080/10095020.2017.1420509

17.      Alibekkyzy, K., Keribayeva, T., Koshekov, K., Baidildina, A., Bugubayeva, A., & Azamatova, Zh. (2024). Development of an algorithm for integrated UAV groups using visible light communication technology. Indonesian Journal of Electrical Engineering and Computer Science, 36(1), 41-52. https://doi.org/10.11591/ijeecs.v36.i1.pp41-52

18.      Alenezi, M. (2020). Ontology-based context-sensitive software security knowledge management modeling. International Journal of Electrical and Computer Engineering (IJECE), 10(6), 6507-6520. https://doi.org/10.11591/IJECE.V10I6.PP6507- 6520

19.      Brust, M., Danoy, G., Bouvry, P., Gashi, D., Pathak, H., & Gonchalves, M. (2017). Defending Against Intrusion of Malicious UAVs with Networked UAV Defense Swarms. IEEE 42 ^nd Conference on Local Computer Networks Workshops (LCN Workshops). https://doi.org/10.1109/LCN.Workshops.2017.71

20.      Strydom, R., Deneulle, A., & Srinivasan, M. (2016). Bio-Inspired Principles Applied to the Guidance. Navigation and Control of UAS, Aerospace, 3(3), 21. https://doi.org/10.3390/aerospace3030021

• < Попередня
• Наступна >