Комплексний підхід до управління формуванням групи роботів

Автор(и)

  • Ігор Бінько Національний аерокосмічний університет ім. М. Є. Жуковського "Харківський авіаційний інститут", Україна https://orcid.org/0009-0007-5638-4292
  • Володимир Шевель Національний аерокосмічний університет ім. М. Є. Жуковського "Харківський авіаційний інститут", Україна https://orcid.org/0000-0003-0534-0242
  • Дмитро Крицький Національний аерокосмічний університет ім. М. Є. Жуковського "Харківський авіаційний інститут", Україна https://orcid.org/0000-0003-4919-0194

DOI:

https://doi.org/10.30837/2522-9818.2024.2.017

Ключові слова:

безпілотні літальні апарати; рій; модель

Анотація

Предмет дослідження – розроблення методів управління роями безпілотних літальних апаратів (БпЛА) за моделлю "провідничий – ведений". Вивчення наявних класифікацій та взаємодій між безпілотними апаратами в різних формаціях, таких як групи, зграї, асоціації та рої, з метою створення ефективної системи управління. Мета роботи – покращення якості взаємодії між безпілотними літальними апаратами за моделлю "провідничий – ведений" під час виконання польотної місії унаслідок постійного контролю між об’єктами. Забезпечення надійного виконання польотних місій способом упровадження нових методів управління, що беруть до уваги різні режими взаємодії між апаратами. Завдання: проаналізувати класифікацію наявних БпЛА; дослідити параметри та модель взаємодії безпілотних літальних апаратів у групах, зграях, асоціаціях, роях; створити сценарій взаємодії двох БпЛА за моделлю "провідничий – ведений"; розробити програму для візуалізації польоту безпілотних літальних апаратів за моделлю "провідничий – ведений"; випробувати політ за запропонованою моделлю на етапах, де є різні геопросторові об’єкти. Методи: моделювання для розроблення підсистеми візуалізації польоту БпЛА; графічне моделювання для створення моделі безпілотного літального апарата типу літак; теорія алгоритмів для розроблення сценарію взаємодії двох БпЛА; використання спеціалізованих програмних засобів для візуалізації та симуляції поведінки безпілотних літальних апаратів в умовах реального часу. Результати: розроблено класифікацію безпілотних літальних апаратів; створено графічну модель літака Mini-Flight-M; запропоновано схему взаємодії двох БпЛА в режимах "учитель" або "наставник"; створено програму для візуалізації польоту БпЛА за моделлю "провідничий – ведений"; випробувано політ за запропонованою моделлю на етапах, де є різні геопросторові об’єкти. Результати підтвердили ефективність розробленої моделі та показали можливість її застосування в різних сферах, зокрема екологічний моніторинг, рятувальні операції та інші автономні місії. Висновки. Запропонований підхід до управління роєм БпЛА за моделлю "провідничий – ведений" дає змогу покращити якість взаємодії між апаратами та забезпечити надійне виконання польотних місій. Подальші дослідження мають зосередитися на оптимізації енергоспоживання та забезпеченні надійного зв’язку між агентами рою. Також важливо розробити методи захисту роїв БпЛА від кібератак та інших загроз, щоб підвищити їх стійкість і надійність під час виконання складних місій.

Біографії авторів

Ігор Бінько, Національний аерокосмічний університет ім. М. Є. Жуковського "Харківський авіаційний інститут"

аспірант кафедри інформаційних технологій проєктування

Володимир Шевель, Національний аерокосмічний університет ім. М. Є. Жуковського "Харківський авіаційний інститут"

кандидат технічних наук, доцент, доцент кафедри інформаційних технологій проєктування

Дмитро Крицький, Національний аерокосмічний університет ім. М. Є. Жуковського "Харківський авіаційний інститут"

кандидат технічних наук, доцент, доцент кафедри інформаційних технологій проєктування

Посилання

Список літератури

Jia G. W., Wang J. F. Research review of UAV swarm mission planning method. Systems Engineering and Electronics. 2021. Vol. 43. №. 1. P. 99–111. DOI: 10.3969/j.issn.1001-506X.2021.01.13

Do H. T. Formation control algorithms for multiple-uavs: a comprehensive survey / Do H. T. et al. EAI Endorsed Transactions on Industrial Networks and Intelligent Systems, 8(27), Vol. 8(27):170230. 2021. DOI: 10.4108/eai.10-6-2021.170230

Na S., Niu H., Lennox B., Arvin F. Bio-Inspired Collision Avoidance in Swarm Systems via Deep Reinforcement Learning. IEEE Transactions on Vehicular Technology, 2022, 71(3), Р. 2511–2526. DOI: 10.1109/TVT.2022.3145346

Pawełczyk M. Ł., Wojtyra M. Real World Object Detection Dataset for Quadcopter Unmanned Aerial Vehicle Detection. IEEE Access, 2020, Vol. 8, Р. 174394–174409. DOI: 10.1109/ACCESS.2020.3026192

Zhang J., et al. Perdix: A Swarm of Swarming UAVs. Journal of Field Robotics, 2019, Vol. 36(6), Р. 1240–1255.

Smith J., et al. LOCUST: Low-Cost UAV Swarm Technology for Tactical Operations. Defense Technology, 2020, Vol. 16(3), Р. 205–215.

Sytsma J., Thompson D., Sicoli J. Drone Ultrasonic Detection. Australian International Aerospace Congress, 2023. URL: https://search.informit.org/doi/abs/10.3316/informit.063769306863002 (last accessed 17 May 2024).

Kritsky D. N., Ovsiannik V. M., Pogudina O. K., Shevel V. V., Druzhinin, E. A. Model for intercepting targets by the unmanned aerial vehicle. Advances in Intelligent Systems and Computing. 2019. Р. 197–206. DOI: https://doi.org/10.1007/978-3-030-25741-5_20

Pohudina O. et al. Assessing unmanned traffic bandwidth. Integrated Computer Technologies in Mechanical Engineering: Synergetic Engineering. Cham: Springer International Publishing, 2020. Р. 447–458. DOI:10.1007/978-3-030-37618-5_38

Petersen K. Tackling air pollution with autonomous drones. MIT School of Engineering, 2021. URL: https://news.mit.edu/2021/tackling-air-pollution-with-autonomous-drones-0624 (дата звернення 17.05.2024)

Chu J. New traffic cop algorithm helps a drone swarm stay on task. MIT News Office, 2023. URL: https://news.mit.edu/2023/new-traffic-cop-algorithm-drone-swarm-wireless-0313 (дата звернення 17.05.2024).

Lizzio F. F., Capello E., Guglieri G. A Review of Consensus-based Multi-agent UAV Implementations. Journal of Intelligent & Robotic Systems, 2022, Vol. 106, (43). 1719 р. DOI: https://doi.org/10.1007/s10846-022-01743-9

Padmaja B., Moorthy Ch V K N S N Moorthy, Venkateswarulu N., Bala M.M. Exploration of issues, challenges and latest developments in autonomous cars. Journal of Big Data, 2023. Vol. 10(1). Р. 1–24. DOI: https://doi.org/10.1186/s40537-023-00701-y

Enwerem C., Baras J.S. Consensus-Based Leader-Follower Formation Tracking for Control-Affine Nonlinear Multiagent Systems. Electrical Engineering and Systems Science. 2023. DOI: https://doi.org/10.48550/arXiv.2309.09156

Xu Z., Yan T., Yang S.X., Gadsden S.A. Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter. IEEE Transactions on Industrial Informatics, 2023. DOI: https://doi.org/10.1109/TII.2023.3272666

Ye Y., Hu S., Zhu X., Sun Z. An Improved Super-Twisting Sliding Mode Composite Control for Quadcopter UAV Formation. Machines, 2024, 12(1), 32. DOI: https://doi.org/10.3390/machines12010032

Hadi B., Khosravi A., Sarhadi P. Adaptive formation motion planning and control of autonomous underwater vehicles using deep reinforcement learning. IEEE Journal of Oceanic Engineering. 2023. Р. 1–33. URL: https://arxiv.org/ftp/arxiv/papers/2304/2304.00225.pdf (дата звернення 17.05.2024).

Kritskiy D., Yashin S., Koba S. Unmanned aerial vehicle mass model peculiarities. International scientific-practical conference. Cham: Springer International Publishing, 2020. Р. 299–308. DOI: https://doi.org/10.1007/978-3-030-58124-4_29

Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter. 2023. URL: https://arxiv.org/pdf/2301.01234.pdf (дата звернення 17.05.2024).

References

Jia, G. W., Wang, J. F. (2021), "Research review of UAV swarm mission planning method". Systems Engineering and Electronics. 2021. Vol. 43. №. 1. P. 99–111. DOI: 10.3969/j.issn.1001-506X.2021.01.13

Do, H. T. (2021), "Formation control algorithms for multiple-uavs: a comprehensive survey" / Do H. T. et all. EAI Endorsed Transactions on Industrial Networks and Intelligent Systems, 8(27), Vol. 8(27):170230. DOI:10.4108/eai.10-6-2021.170230

Na, S., Niu, H., Lennox, B., Arvin, F. (2022), "Bio-Inspired Collision Avoidance in Swarm Systems via Deep Reinforcement Learning", IEEE Transactions on Vehicular Technology, Vol. 71, No. 3, Р. 2511–2526. DOI: 10.1109/TVT.2022.3145346

Pawełczyk, M. Ł., Wojtyra, M. (2020), "Real World Object Detection Dataset for Quadcopter Unmanned Aerial Vehicle Detection", IEEE Access, Vol. 8, Р. 174394–174409. DOI: 10.1109/ACCESS.2020.3026192

Zhang, J., et al. (2019), "Perdix: A Swarm of Swarming UAVs", Journal of Field Robotics, Vol. 36, No. 6, Р. 1240–1255.

Smith, J., et al. (2020), "LOCUST: Low-Cost UAV Swarm Technology for Tactical Operations," Defense Technology, Vol. 16, No. 3, Р. 205–215.

Sytsma, J., Thompson, D., and Sicoli, J. (2023), "Drone Ultrasonic Detection", Australian International Aerospace Congress. available online: https://search.informit.org/doi/abs/10.3316/informit.063769306863002 (last accessed 17 May 2024).

Kritsky, D. N., Ovsiannik, V. M., Pogudina, O. K., Shevel, V. V., and Druzhinin, E. A. (2019), "Model for intercepting targets by the unmanned aerial vehicle", Advances in Intelligent Systems and Computing. Р. 197–206. DOI: https://doi.org/10.1007/978-3-030-25741-5_20

Pohudina, O., Kritskiy, D., Koba, S., and Pohudin, A. (2020), "Assessing unmanned traffic bandwidth", Integrated Computer Technologies in Mechanical Engineering: Synergetic Engineering. Р. 447–458. DOI: https://doi.org/10.1007/978-3-030-37618-5_38

Petersen, K. (2021), "Tackling air pollution with autonomous drones", MIT School of Engineering. available online: https://news.mit.edu/2021/tackling-air-pollution-with-autonomous-drones-0624 (last accessed 17 May 2024).

Chu, J. (2023), "New traffic cop algorithm helps a drone swarm stay on task", MIT News Office. available online: https://news.mit.edu/2023/new-traffic-cop-algorithm-drone-swarm-wireless-0313 (last accessed 17 May 2024).

Lizzio, F. F., Capello, E., and Guglieri, G. (2022), "A Review of Consensus-based Multi-agent UAV Implementations", Journal of Intelligent & Robotic Systems, Vol. 106, (43). 1719 р. DOI: https://doi.org/10.1007/s10846-022-01743-9

Padmaja, B., Moorthy, C.H.V.K.N.S.N., Venkateswarulu, N., and Bala, M.M. (2023), "Exploration of issues, challenges and latest developments in autonomous cars", Journal of Big Data, Vol. 10(1). Р. 1–24. DOI: https://doi.org/10.1186/s40537-023-00701-y

Enwerem, C. and Baras, J.S. (2023), "Consensus-Based Leader-Follower Formation Tracking for Control-Affine Nonlinear Multiagent Systems", Electrical Engineering and Systems Science. DOI: https://doi.org/10.48550/arXiv.2309.09156

Xu, Z., Yan, T., Yang, S.X., and Gadsden, S.A. (2023), "Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter", IEEE Transactions on Industrial Informatics. DOI: https://doi.org/10.1109/TII.2023.3272666

Ye, Y., Hu, S., Zhu, X., and Sun, Z. (2024), "An Improved Super-Twisting Sliding Mode Composite Control for Quadcopter UAV Formation", Machines, 12(1), 32. DOI: https://doi.org/10.3390/machines1201003

Sarhadi, P., et al. (2023), "Adaptive formation motion planning and control of autonomous underwater vehicles using deep reinforcement learning", IEEE Journal of Oceanic Engineering. Р. 1–33. available online: https://arxiv.org/ftp/arxiv/papers/2304/2304.00225.pdf (last accessed 17 May 2024).

Kritskiy, D., Yashin, S., and Koba, S. (2021), "Unmanned aerial vehicle mass model peculiarities". Р. 299–308. DOI: https://doi.org/10.1007/978-3-030-58124-4_29

"Distributed Leader Follower Formation Control of Mobile Robots based on Bioinspired Neural Dynamics and Adaptive Sliding Innovation Filter" (2023), available online: https://arxiv.org/pdf/2301.01234.pdf (last accessed 17 May 2024).

##submission.downloads##

Опубліковано

2024-06-30

Як цитувати

Бінько, І., Шевель, В., & Крицький, Д. (2024). Комплексний підхід до управління формуванням групи роботів. СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ, (2(28), 17–32. https://doi.org/10.30837/2522-9818.2024.2.017

Номер

№ 2(28) (2024): Сучасний стан наукових досліджень та технологій в промисловості

Розділ

ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ

Ліцензія

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

  • Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.

  • Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.

  • Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.