ДОСЛІДЖЕННЯ МЕТОДІВ ПЛАНУВАННЯ ПОЛЬОТІВ БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ В СКЛАДНИХ УМОВАХ ПОЛЬОТУ ДЛЯ МОНІТОРИНГУ СТАНУ ЕЛЕМЕНТІВ КРИТИЧНОЇ ІНФРАСТРУКТУРИ

Ruslan Kulish

doi:10.26906/SUNZ.2025.4.012

Автор(и)

Ruslan Kulish

DOI:

https://doi.org/10.26906/SUNZ.2025.4.012

Ключові слова:

безпілотний літальний апарат, маршрутизація, моніторинг, об’єкти критичної інфраструктури, планування маршрутів

Анотація

Актуальність. Переважна більшість сучасних алгоритмів планування маршруту польоту БпЛА, призначених для бортового застосування в режимі реального часу, не враховують динаміку БпЛА, що негативно позначається на точності та оптимальності планування маршруту, особливо при спостереженні за рухомими об'єктами. Об’єкт дослідження: процеси моніторингу елементів критичної інфраструктури безпілотними літальними апаратами Мета статті: оцінювання методів планувальників польотів безпілотних літальних апаратів в складних умовах польоту для моніторингу стану елементів критичної інфраструктури. Результати дослідження. У статті проведено порівняльний аналіз існуючих методів побудови маршруту польоту БпЛА під час спостереження за об'єктами – елементами об’єктів критичної інфраструктури, а саме методу повного перебору та жадібного алгоритму із запропонованим автором удосконаленим алгоритмом. При моделюванні емуляції польоту БпЛА за допомогою пакету MATLAB було розроблено двадцять сценаріїв. Для кожного сценарію було обрано список із п’яти об'єктів, які підлягають моніторингу. Об’єкти обирались як динамічні, так і стаціонарні. На підставі аналізу розглянутих сценаріїв були сформульовані висновки про ефективність удосконаленого методу. Висновки. Маршрути, побудовані за допомогою удосконаленого методу, повністю збіглися з маршрутами, побудованими за допомогою методу повного перебору. При цьому час обчислень суттєво нижчий за існуючі методи, що дозволяє використовувати удосконалений алгоритм у складі комплексу бортового програмного забезпечення та оперативно будувати й змінювати маршрут залежно від обстановки щодо об’єктів моніторингу. Використання ідентифікатора у контурі системи управління для компенсації впливу вітру час польоту маршрутом дозволяє скоротити на 15%.

Завантаження

Дані завантаження ще не доступні.

Посилання

1. Галінський Д.О., Куліш Р.В. Метод моніторингу стану стаціонарних елементів об’єктів критичної інфраструктури безпілотними літальними апаратами з використанням динамічного програмування. Системи управління, навігації та зв’язку. Полтава, 2023. Вип. 1(71). С. 10-15. https://doi.org/10.26906/SUNZ.2023.1.010

2. Kulish R. Модель маршрутизації обльоту мобільних об'єктів безпілотним літальним апаратом / R. Kulish, O. Matiushrnko // Системи управління, навігації та зв’язку. Полтава: ПНТУ, 2023. Т. 2(72). С. 20-25. https://doi.org/10.26906/SUNZ.2023.2.020

3. Latombe, J. C. 1991. Robot Motion Planning. Kluwer Academic. https://doi.org/10.1007/978-1-4615-4022-9

4. Ait Saadi, A.; Soukane, A.; Meraihi, Y.; Benmessaoud Gabis, A.; Mirjalili, S.; Ramdane-Cherif, A. UAV path planning using optimization approaches: A survey. Arch. Comput. Methods Eng. 2022, 29, 4233–4284. https://doi.org/10.1007/s11831-022-09742-7

5. Bal, M. An overview of path planning technologies for unmanned aerial vehicles. Therm. Sci. 2022, 26, 2865–2876. Електронний ресурс. Режим доступу https://doi.org/10.2298/TSCI2204865B

6. Wu, Y. A survey on population-based meta-heuristic algorithms for motion planning of aircraft. Swarm Evol. Comput. 2021, 62, 100844. Електронний ресурс. Режим доступу https://doi.org/10.1016/j.swevo.2021.100844

7. Majeed, A.; Hwang, S.O. A multi-objective coverage path planning algorithm for UAVs to cover spatially distributed regions in urban environments. Aerospace 2021, 8, 343. https://doi.org/10.3390/aerospace8110343

8. Saeed, R.A.; Omri, M.; Abdel-Khalek, S.; Ali, E.S.; Alotaibi, M.F. Optimal path planning for drones based on swarm intelligence algorithm. Neural Comput. Appl. 2022, 34, 10133–10155. https://doi.org/10.1007/s00521-022-06998-9

9. Xu, C.; Duan, H.; Liu, F. Chaotic artificial bee colony approach to Uninhabited Combat Air Vehicle (UCAV) path planning. Aerosp. Sci. Technol. 2010, 14, 535–541. https://doi.org/10.1016/j.ast.2010.04.008

10. Zhang, Y.; Wu, L.; Wang, S. UCAV path planning based on FSCABC. Inf.-Int. Interdiscip. J. 2011, 14, 687–692. Електронний ресурс. Режим доступу https://www.academia.edu/7461343/UCAV_path_planning_based_on_FSCABC

11. Zhang, Y.; Wu, L.; Wang, S. UCAV path planning by fitness-scaling adaptive chaotic particle swarm optimization. Math. Probl. Eng. 2013, 2013. Електронний ресурс. Режим доступу http://dx.doi.org/10.1155/2013/705238

12. Wang, G.G.; Guo, L.; Duan, H.; Liu, L.; Wang, H. A modified firefly algorithm for UCAV path planning. Int. J. Hybrid Inf. Technol. 2012, 5, 123–144. https://www.researchgate.net/publication/266884589_A_Modified_Firefly_Algorithm_for_UCAV_Path_Planning

13. Wang, G.G.; Guo, L.; Duan, H.; Wang, H.; Liu, L.; Shao, M. A hybrid metaheuristic DE/CS algorithm for UCAV threedimension path planning. Sci. World J. 2012, 2012, 583973. https://doi.org/ 10.1100/2012/583973

14. Timochko, A; Fustii, V; Kolesnyk, A; Olizarenko, S; Kalashnyk, G; Kulish, R; Tymoschuk, O, Galinskyi, D; Inter-Object Navigation of Unmanned Aerial Vehicles to Increase the Efficiency and Accuracy of Inspection of Power Lines, Problemele Energeticii Regionale Nr. 1(57) / 2023 / ISSN 1857-0070. https://doi.org/10.52254/1857-0070.2023.1-57.03