Інтегрована симуляційна модель ройового управління й адаптивної маршрутизаціі БпЛА в умовах змінного повітрянного середовища

Автор(и)

  • Максим Єна Національний аерокосмічний університет "Харківський авіаційний інститут", Україна https://orcid.org/0009-0006-0664-3244
  • Ольга Погудіна Національний аерокосмічний університет "Харківський авіаційний інститут", Україна https://orcid.org/0000-0001-5689-2552

DOI:

https://doi.org/10.30837/2522-9818.2025.4.032

Ключові слова:

безпілотні літальні апарати; ройове управління; адаптивна маршрутизація; PID-регулювання; оброблення інформації в реальному часі; оптимізація маршрутів.

Анотація

Предмет дослідження – процеси ройового управління й адаптивної маршрутизації безпілотних літальних апаратів (БпЛА) у складних і динамічно змінних повітряних умовах із використанням адаптивних алгоритмів. Мета – розробити інтегровану симуляційну модель, що поєднує методи ройового управління, адаптивного PID-контролю та алгоритмів адаптивної маршрутизації для забезпечення безпеки, оптимальності й ефективності руху флотилій БпЛА в умовах мінливого повітряного середовища. Завдання: проаналізувати наявні підходи до ройового управління та адаптивної маршрутизації БпЛА; розробити математичну модель інтегрованої системи, яка бере до уваги особливості взаємодії між БпЛА, уникнення зіткнень та динамічні зміни повітряного середовища; створити алгоритм ройового управління, оснований на адаптивному PID-регулюванні параметрів руху БпЛА; розробити та впровадити алгоритм адаптивної маршрутизації, що реагує на зміни трафіку, погодних умов та інших факторів повітряного простору; реалізувати інтегровану модель у симуляційному середовищі та протестувати її ефективність; проаналізувати й порівняти ефективність роботи БпЛА з розробленими алгоритмами та без них. Методи: упровадження методів адаптивного PID-контролю для динамічного регулювання траєкторій руху БпЛА та забезпечення точності й стабільності польотів; застосування алгоритмів ройового управління (методи типу boids) для синхронізації руху та уникнення зіткнень у групах БпЛА; нелінійна оптимізація маршрутів з огляду на динамічно змінні уми, що дає змогу мінімізувати ризики зіткнень, витрати енергії та час польоту; побудова теоретико-графової моделі повітряного простору для ефективного планування маршрутів і прогнозування ситуацій; створення цифрових двійників повітряного середовища для проведення симуляційних експериментів. Результати: розроблено інтегровану симуляційну модель ройового управління та адаптивної маршрутизації БпЛА, яка зважає на зміни повітряного середовища; алгоритми адаптивного PID-контролю та ройового управління забезпечили зменшення середньої похибки позиціювання та уникнення зіткнень БпЛА; за результатами симуляційних експериментів досягнуто збільшення нагороди агентів на 50%, збільшення успішного завершення епізодів на 50%, а також зменшення помилок агентів на шляху до цілі на 10%. Висновки: створена інтегрована модель дає змогу ефективно управляти флотиліями БпЛА в умовах мінливого повітряного середовища й водночас значно підвищити безпеку та оптимальність маршрутів; використання адаптивних алгоритмів і теоретико-графових моделей забезпечує
високу точність прогнозування та мінімізацію ризиків; результати дослідження підтверджують перспективність упровадження розроблених алгоритмів для управління БпЛА в міських і регіональних умовах.

Біографії авторів

Максим Єна, Національний аерокосмічний університет "Харківський авіаційний інститут"

аспірант кафедри інформаційних технологій проєктування

Ольга Погудіна, Національний аерокосмічний університет "Харківський авіаційний інститут"

кандидат технічних наук, доцент, доцент кафедри інформаційних технологій проєктування

Посилання

References

Debnath, D., Vanegas, F., Sandino, J., Hawary, A. F., Gonzalez, F. (2024), "A review of UAV path-planning algorithms and obstacle avoidance methods for remote sensing applications". Remote Sensing, № 16 (21), 4019 р. DOI: 10.3390/rs16214019

Martins, F. G., Coelho, M. A. N. (2000), "Application of feedforward artificial neural networks to improve process control of PID-based control algorithms". Computers & Chemical Engineering, № 24 (2–7). Р. 853-858. DOI: https://doi.org/10.1016/S0098-1354(00)00339-2

Liu, X., Peng, Z.R., Zhang, L.Y. (2019), "Real-time UAV rerouting for traffic monitoring with decomposition based multi-objective optimization". Journal of Intelligent & Robotic Systems, № 94, Р. 491–501. DOI: 10.1007/s10846-018-0806-8

Almeida, E. N., Campos, R., Ricardo, M. (2022), "Traffic-aware UAV placement using a generalizable deep reinforcement learning methodology". 2022 IEEE Symposium on Computers and Communications (ISCC), Р. 1–6. DOI: 10.48550/arXiv.2203.08924

Madani, A., Engelbrecht, A. Ombuki-Berman, B., (2023), "Cooperative coevolutionary multi-guide particle swarm optimization algorithm for large-scale multi-objective optimization problems". Swarm and Evolutionary Computation. № 82. 101262 р. DOI: https://doi.org/10.1016/j.swevo.2023.101262

Luo, J., Tian, Y., Wang, Z. (2024), "Research on unmanned aerial vehicle path planning". Drones, № 8(2). 51 р. DOI: 10.3390/drones8020051

Li, C. Lian, J., (2007), "The Application of Immune Genetic Algorithm in PID Parameter Optimization for Level Control System". Proceedings of the 2007 IEEE International Conference on Automation and Logistics (ICAL), Jinan, China, Р. 2670–2674. DOI: https://doi.org/10.1109/ICAL.2007.4338670

Yang, F., Lu, Q., Li, R., Xu, Y., Yuan, W., Wu, X. (2023), "Real-time optimal path planning and fast autonomous flight for UAV in unknown environments". IEEE. DOI: 10.23919/CCC58697.2023.10240971

Li, Q., Li, R., Ji, K., Dai, W. (2015), "Kalman filter and its application". IEEE. DOI: 10.1109/ICINIS.2015.35

Hooshyar, M., Huang, Y.M. (2023), "Meta-heuristic algorithms in UAV path planning optimization: A systematic review (2018–2022)". Drones, № 7(12), 687 р. DOI: 10.3390/drones7120687

Li, H., Zhang, Z.-y. (2012), "The application of immune genetic algorithm in main steam temperature of PID control of BP network". Physics Procedia, № 25, Р. 80-86. DOI: https://doi.org/10.1016/j.phpro.2012.02.013

Zhang, M., Liu, Y., Wang, Y., Li, F., Chen, L. (2023), "Real-time path planning algorithms for autonomous UAV". IEEE. DOI: 10.1109/CAC57257.2022.10054770

Kim, D. H. (2003), "Comparison of PID controller tuning of power plant using immune and genetic algorithms". The 3rd International Workshop on Scientific Use of Submarine Cables and Related Technologies, Lugano, Switzerland, Р. 358–363. DOI: 10.1109/CIMSA.2003.1227222

Zhang, G. (2023), "6G enabled UAV traffic management models using deep learning algorithms". Wireless Networks, № 30, Р. 6709–6719. DOI: 10.1007/s11276-023-03485-4

Bezkorovainyi, V., Binkovska, A., Noskov, V., Gopejenko, V., Kosenko, V. (2025), "Adaptation of logistics network structures in emergency situations", Advanced Information Systems, Vol. 9, No. 4, P. 39–50. DOI: https://doi.org/10.20998/2522-9052.2025.4.06

Kuchuk, N., Kashkevich, S., Radchenko, V., Andrusenko, Y. Kuchuk, H. (2024), "Applying edge computing in the execution IoT operative transactions", Advanced Information Systems. Vol. 8, No. 4, P. 49–59. DOI: https://doi.org/10.20998/2522-9052.2024.4.07

Yena, M. (2024), "Optimizing air traffic control: Innovative approaches to collision avoidance in UAV operations". Integrated Computer Technologies in Mechanical Engineering – 2023 (ICTM 2023). Р. 543–553. DOI: 10.1007/978-3-031-60549-9_41

Saadi, A. A., Soukane, A., Meraihi, Y., Benmessaoud Gabis, A., Mirjalili, S., Ramdane-Cherif, A. (2022), "UAV path planning using optimization approaches: a survey". Archives of Computational Methods in Engineering. № 29. Р. 4233–4284. DOI: 10.1007/s11831-022-09742-7

##submission.downloads##

Опубліковано

2025-12-28

Як цитувати

Єна, М., & Погудіна, О. (2025). Інтегрована симуляційна модель ройового управління й адаптивної маршрутизаціі БпЛА в умовах змінного повітрянного середовища. СУЧАСНИЙ СТАН НАУКОВИХ ДОСЛІДЖЕНЬ ТА ТЕХНОЛОГІЙ В ПРОМИСЛОВОСТІ, (4(34), 32–43. https://doi.org/10.30837/2522-9818.2025.4.032