Аналіз та моделювання методів управління роєм безпілотних літальних апаратів
DOI:
https://doi.org/10.30837/2522-9818.2024.4.067Ключові слова:
автоматизована система; управління; роботи; продуктивність; надійність; генетичні алгоритми; ройові алгоритми; централізоване управління; децентралізоване управління; розподілене управління.Анотація
Предметом дослідження є методи управління для автоматизованої мобільної системи, зокрема роєм БпЛА. Мета роботи – порівняльний аналіз централізованих, децентралізованих і розподілених методів управління для виявлення їх переваг і недоліків. Завдання: аналіз різних підходів до управління роєм БпЛА, оцінювання їх ефективності, надійності та застосовності в різних галузях. Методи: теоретичний аналіз наявних підходів, моделювання й симуляція для оцінювання їх продуктивності та надійності. Дослідження передбачають використання генетичних алгоритмів, ройових алгоритмів і штучних потенційних полів для управління траєкторіями БпЛА. Результати. Проведений аналіз демонструє, що централізовані методи забезпечують високу точність і координацію, але їм притаманні обмежені стійкість до збоїв і масштабованість. Децентралізовані методи забезпечують більшу гнучкість та стійкість, проте вони можуть мати проблеми з координацією між вузлами. Розподілені методи надають високу автономію та адаптивність, але потребують надійної комунікаційної інфраструктури. Генетичні алгоритми та ройові алгоритми ефективні для планування траєкторій БпЛА, однак мають високі обчислювальні витрати. Висновки. Упровадження різних методів управління залежить від конкретних вимог та умов завдання. Централізовані методи ефективні для завдань, де важливі точність і координація, децентралізовані – для завдань, де необхідні гнучкість та стійкість, а розподілені – для завдань, що потребують автономності та адаптивності. Подальші дослідження мають зосередитися на інтеграції різних підходів для підвищення ефективності та надійності систем управління роєм ботів.
Посилання
Список літератури
Fu Z., Mao Y., He D., Yu J., Xie G. Secure Multi-UAV Collaborative Task Allocation. IEEE Access, 7, 2019. Р. 35579–35587. DOI: https://doi.org/10.1109/ACCESS.2019.2902221
Yavuz H.S., Goktas H., Cevikalp H., Saribas H. Optimal Task Allocation for Multiple UAVs. In Proceedings of the 2020 28th Signal Processing and Communications Applications Conference (SIU), Gaziantep, Turkey, 5–7 October 2020; 2020. Р. 1–4. DOI: https://doi.org/10.1109/SIU49456.2020.9302360
Roberge V., Tarbouchi M., Labonté G. Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-Time UAV Path Planning. IEEE Transactions on Industrial Informatics, 9(1), 2013. Р. 132–141. DOI: https://doi.org/10.1109/TII.2012.2198665
Bai W., Wu X., Xie Y., Wang Y., Zhao H., Chen K., Li Y., Hao Y. A Cooperative Route Planning Method for Multi-UAVs Based on the Fusion of Artificial Potential Field and B-spline Interpolation. In Proceedings of the 2018 37th Chinese Control Conference (CCC), Wuhan, China, 25–27 July 2018; 2018. Р. 6733–6738. DOI: https://doi.org/10.23919/ChiCC.2018.8483665
Wang W., Lv M., Ru L., Lu B., Hu S., Chang X. Multi-UAV Unbalanced Targets Coordinated Dynamic Task Allocation in Phases. Aerospace, 9(9), 2022. 491 р. DOI: https://doi.org/10.3390/aerospace9090491
Wang X., Bai Y., Sun Z., et al. Deep Reinforcement Learning-Based Air Combat Maneuver Decision-Making: Literature Review, Implementation Tutorial, and Future Direction. Artificial Intelligence Review, 57(1), 2024. Р. 1–25. DOI: https://doi.org/10.1007/s10462-023-10620-2
Yavuz H.S., Goktas H., Cevikalp H., Saribas H. Optimal Task Allocation for Multiple UAVs. In Proceedings of the 2020 28th Signal Processing and Communications Applications Conference (SIU), Gaziantep, Turkey, 5–7 October 2020; Р. 1–4. DOI: https://doi.org/10.1109/SIU49456.2020.9302360
Roberge V., Tarbouchi M., Labonté G. Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-Time UAV Path Planning. IEEE Transactions on Industrial Informatics, 9(1), 2013. Р. 132–141. DOI: https://doi.org/10.1109/TII.2012.2198665
Jia G.W., Wang J.F. Research Review of UAV Swarm Mission Planning Method. Systems Engineering and Electronics, 43(1), 2021. Р. 99–111.
Lizzio F.F., Capello E., Guglieri G. (2022). A Review of Consensus-Based Multi-Agent UAV Implementations. Journal of Intelligent & Robotic Systems, 106(2), 2022. 43 р. DOI: https://doi.org/10.1007/s10846-022-01391-5
Ammoniaci M., Kartsiotis S., Perria R., Storchi P. (2021). State of the Art of Monitoring Technologies and Data Processing for Precision Viticulture. Agriculture, 11(3), 2021. 201 р. DOI: https://doi.org/10.3390/agriculture11030201
Yang T., Shen X.S. Mission-Critical Search and Rescue Networking Based on Multi-Agent Cooperative Communication. Springer Singapore Pte. Limited: Singapore; 2020. Р. 55–76. DOI: https://doi.org/10.1007/978-981-15-4412-5_5
Koushik A.M., Hu F., Kumar S. Deep-Learning-Based Node Positioning for Throughput-Optimal Communications in Dynamic UAV Swarm Network. IEEE Transactions on Cognitive Communications and Networking, 5(3), 2019. Р. 554–566. DOI: https://doi.org/10.1109/TCCN.2019.2907520
Hellaoui H., Chelli A., Bagaa M., Taleb T. UAV Communication Strategies in the Next Generation of Mobile Networks. In Proceedings of the 2020 International Wireless Communications and Mobile Computing (IWCMC), Limassol, Cyprus, 15–19 June 2020; Р. 1642–1647. DOI: https://doi.org/10.1109/IWCMC48107.2020.9148312
Walter V., Staub N., Franchi A., Saska M. UVDAR System for Visual Relative Localization with Application to Leader–Follower Formations of Multirotor UAVs. IEEE Robotics and Automation Letters, 4(3), 2019. Р. 2637–2644. DOI: https://doi.org/10.1109/LRA.2019.2901683
Bala J.A., Adeshina S.A., Aibinu A.M. Advances in Visual Simultaneous Localization and Mapping Techniques or Autonomous Vehicles: A Review. Sensors, 22(22), 2022. 8943 р. DOI: https://doi.org/10.3390/s22228943
Causa F., Vetrella A.R., Fasano G., Accardo D. Multi-UAV Formation Geometries for Cooperative Navigation in GNSS-Challenging Environments. In Proceedings of the 2018 IEEE/ION Position, Location and Navigation Symposium (PLANS), Monterey, CA, USA, 23–26 April 2018; Р. 775–785. DOI: https://doi.org/10.1109/PLANS.2018.8373434
Kaleem Z., Ahmad I., Duong T.Q. UAVs Path Planning by Particle Swarm Optimization Based on Visual-SLAM Algorithm. Springer: Singapore. 2022. DOI: https://doi.org/10.1007/978-981-19-12924-7
Nguyen T.H., Nguyen T.M., Xie L. Flexible and Resource-Efficient Multi-Robot Collaborative Visual-Inertial-Range Localization. IEEE Robotics and Automation Letters, 7(2), 2021. Р. 928–935. DOI: https://doi.org/10.1109/LRA.2021.3136286
Bala J.A., Adeshina S.A., Aibinu A.M. A Modified Visual Simultaneous Localization and Mapping (V-SLAM) Technique for Road Scene Modelling. In Proceedings of the 2022 IEEE Nigeria 4th International Conference on Disruptive Technologies for Sustainable Development (NIGERCON), Lagos, Nigeria, 5–7 April 2022; Р. 1–5. DOI: https://doi.org/10.1109/NIGERCON54645.2022.9803124
Wang D., Lian B., Liu Y., Gao B. A Cooperative UAV Swarm Localization Algorithm Based on Probabilistic Data Association for Visual Measurement. IEEE Sensors Journal, 22(22), Р. 19635–19644. 2022. DOI: https://doi.org/10.1109/JSEN.2022.3213324
Hellaoui H., Chelli A., Bagaa M., Taleb T. UAV Communication Strategies in the Next Generation of Mobile Networks. In Proceedings of the 2020 International Wireless Communications and Mobile Computing (IWCMC), Limassol, Cyprus, 15–19 June 2020; Р. 1642–1647. DOI: https://doi.org/10.1109/IWCMC48107.2020.9148312
Yang T., Shen X.S. Mission-Critical Search and Rescue Networking Based on Multi-Agent Cooperative Communication. Springer Singapore Pte. Limited, Singapore, 2020. Р. 55–76. DOI: https://doi.org/10.1007/978-981-15-4412-5_5
References
Fu, Z., Mao, Y., He, D., Yu, J., Xie, G. (2019), "Secure Multi-UAV Collaborative Task Allocation". IEEE Access, 7, Р. 35579–35587. DOI: https://doi.org/10.1109/ACCESS.2019.2902221
Yavuz, H.S., Goktas, H., Cevikalp, H., Saribas, H. (2020), "Optimal Task Allocation for Multiple UAVs". In Proceedings of the 2020 28th Signal Processing and Communications Applications Conference (SIU), Gaziantep, Turkey, 5–7 October 2020; Р. 1–4. DOI: https://doi.org/10.1109/SIU49456.2020.9302360
Roberge, V., Tarbouchi, M., Labonté, G. (2013), "Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-Time UAV Path Planning". IEEE Transactions on Industrial Informatics, 9(1), Р. 132–141. DOI: https://doi.org/10.1109/TII.2012.2198665
Bai, W., Wu, X., Xie, Y., Wang, Y., Zhao, H., Chen, K., Li, Y., Hao, Y. (2018), "A Cooperative Route Planning Method for Multi-UAVs Based on the Fusion of Artificial Potential Field and B-spline Interpolation". In Proceedings of the 2018 37th Chinese Control Conference (CCC), Wuhan, China, 25–27 July 2018; Р. 6733–6738. DOI: https://doi.org/10.23919/ChiCC.2018.8483665
Wang, W., Lv, M., Ru, L., Lu, B., Hu, S., & Chang, X. (2022), "Multi-UAV Unbalanced Targets Coordinated Dynamic Task Allocation in Phases". Aerospace, 9(9), 491 р. DOI: https://doi.org/10.3390/aerospace9090491
Wang, X., Bai, Y., Sun, Z., et al. (2024), "Deep Reinforcement Learning-Based Air Combat Maneuver Decision-Making: Literature Review, Implementation Tutorial, and Future Direction". Artificial Intelligence Review, 57(1), Р. 1–25. DOI: https://doi.org/10.1007/s10462-023-10620-2
Yavuz, H.S., Goktas, H., Cevikalp, H., & Saribas, H. (2020), "Optimal Task Allocation for Multiple UAVs". In Proceedings of the 2020 28th Signal Processing and Communications Applications Conference (SIU), Gaziantep, Turkey, 5–7 October 2020; Р. 1–4. DOI: https://doi.org/10.1109/SIU49456.2020.9302360
Roberge, V., Tarbouchi, M., & Labonté, G. (2013), "Comparison of Parallel Genetic Algorithm and Particle Swarm Optimization for Real-Time UAV Path Planning". IEEE Transactions on Industrial Informatics, 9(1), Р. 132–141. DOI: https://doi.org/10.1109/TII.2012.2198665
Jia, G.W., & Wang, J.F. (2021), "Research Review of UAV Swarm Mission Planning Method". Systems Engineering and Electronics, 43(1), Р. 99–111.
Lizzio, F.F., Capello, E., Guglieri, G. (2022), "A Review of Consensus-Based Multi-Agent UAV Implementations". Journal of Intelligent & Robotic Systems, 106(2), 43 р. DOI: https://doi.org/10.1007/s10846-022-01391-5
Ammoniaci, M., Kartsiotis, S., Perria, R., Storchi, P. (2021), "State of the Art of Monitoring Technologies and Data Processing for Precision Viticulture". Agriculture, 11(3), 201 р. DOI: https://doi.org/10.3390/agriculture11030201
Yang, T., Shen, X.S. (2020), "Mission-Critical Search and Rescue Networking Based on Multi-Agent Cooperative Communication". Springer Singapore Pte. Limited: Singapore; Р. 55–76. DOI: https://doi.org/10.1007/978-981-15-4412-5_5
Koushik, A.M., Hu, F., & Kumar, S. (2019), "Deep-Learning-Based Node Positioning for Throughput-Optimal Communications in Dynamic UAV Swarm Network". IEEE Transactions on Cognitive Communications and Networking, 5(3), Р. 554–566. DOI: https://doi.org/10.1109/TCCN.2019.2907520
Hellaoui, H., Chelli, A., Bagaa, M., Taleb, T. (2020), "UAV Communication Strategies in the Next Generation of Mobile Networks". In Proceedings of the 2020 International Wireless Communications and Mobile Computing (IWCMC), Limassol, Cyprus, 15–19 June 2020; Р. 1642–1647. DOI: https://doi.org/10.1109/IWCMC48107.2020.9148312
Walter, V., Staub, N., Franchi, A., Saska, M. (2019), "UVDAR System for Visual Relative Localization with Application to Leader–Follower Formations of Multirotor UAVs". IEEE Robotics and Automation Letters, 4(3), Р. 2637–2644. DOI: https://doi.org/10.1109/LRA.2019.2901683
Bala, J.A., Adeshina, S.A., Aibinu, A.M. (2022), "Advances in Visual Simultaneous Localization and Mapping Techniques for Autonomous Vehicles: A Review". Sensors, 22(22), 8943 р. DOI: https://doi.org/10.3390/s22228943
Causa, F., Vetrella, A.R., Fasano, G., Accardo, D. (2018), "Multi-UAV Formation Geometries for Cooperative Navigation in GNSS-Challenging Environments". In Proceedings of the 2018 IEEE/ION Position, Location and Navigation Symposium (PLANS), Monterey, CA, USA, 23–26 April 2018; Р. 775–785. DOI: https://doi.org/10.1109/PLANS.2018.8373434
Kaleem, Z., Ahmad, I., & Duong, T.Q. (2022), "UAVs Path Planning by Particle Swarm Optimization Based on Visual-SLAM Algorithm". Springer: Singapore. DOI: https://doi.org/10.1007/978-981-19-12924-7
Nguyen, T.H., Nguyen, T.M., & Xie, L. (2021), "Flexible and Resource-Efficient Multi-Robot Collaborative Visual-Inertial-Range Localization". IEEE Robotics and Automation Letters, 7(2), Р. 928–935. DOI: https://doi.org/10.1109/LRA.2021.3136286
Bala, J.A., Adeshina, S.A., Aibinu, A.M. (2022), "A Modified Visual Simultaneous Localization and Mapping (V-SLAM) Technique for Road Scene Modelling". In Proceedings of the 2022 IEEE Nigeria 4th International Conference on Disruptive Technologies for Sustainable Development (NIGERCON), Lagos, Nigeria, 5–7 April 2022; pp. 1–5. DOI: https://doi.org/10.1109/NIGERCON54645.2022.9803124
Wang, D., Lian, B., Liu, Y., &Gao, B. (2022), "A Cooperative UAV Swarm Localization Algorithm Based on Probabilistic Data Association for Visual Measurement". IEEE Sensors Journal, 22(22), Р. 19635–19644. DOI: https://doi.org/10.1109/JSEN.2022.3213324
Hellaoui, H., Chelli, A., Bagaa, M., & Taleb, T. (2020), "UAV Communication Strategies in the Next Generation of Mobile Networks". In Proceedings of the 2020 International Wireless Communications and Mobile Computing (IWCMC), Limassol, Cyprus, 15–19 June 2020; Р. 1642–1647. DOI: https://doi.org/10.1109/IWCMC48107.2020.9148312
Yang, T., Shen, X.S. (2020), "Mission-Critical Search and Rescue Networking Based on Multi-Agent Cooperative Communication". Springer Singapore Pte. Limited, Singapore, Р. 55–76. DOI: https://doi.org/10.1007/978-981-15-4412-5_5
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
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.
