Прогнозування рухомих цілей та адаптивне уникнення в гібридному PSO-MPC для рою БПЛА
DOI:
https://doi.org/10.18372/1990-5548.84.20197Ключові слова:
рої БПЛА, уникнення рухомих перешкод, алгоритм рою часток, модель прогнозного керування, прогнозування траєкторії, формування формації, сили відштовхування, адаптивне керування, згуртований політ, формування та уникнення, безпека польотів, алгоритми рою, інтелектуальні системи, дистанційне прогнозування, кооперативне керуванняАнотація
У статті запропоновано гібридний підхід до безпечного керування роєм мультикоптерів за наявності двох рухомих перешкод, заснований на комбінації алгоритму рою частинок та моделі прогнозного керування. Перший етап алгоритму – це глобальний пошук нових цільових позицій центрів підгруп за допомогою алгоритму рою часток на основі прогнозованих даних, що дозволяє передній підгрупі плавно підніматися та уникати небезпечної зони. Другий етап – це локальне коригування руху кожного транспортного засобу в межах моделі прогнозного керування з урахуванням динамічних обмежень, що забезпечує точне дотримання розрахованих цілей та запобігає порушенню формації. Моделювальні експерименти демонструють, що розроблений алгоритм забезпечує скоординовані маневри всіх підгруп, своєчасне уникнення обох рухомих загроз та повернення до початкової формації без різких стрибків висоти або хаотичної поведінки.
Посилання
M. D. Phung, & Q. P. Ha, Motion-Encoded Particle Swarm Optimization for Moving Target Search Using UAVs, 2020. arXiv preprint arXiv:2010.02039. https://doi.org/10.1016/j.asoc.2020.106705
B. Lindqvist, S. S. Mansouri, A. Agha-mohammadi, & G. Nikolakopoulos, Nonlinear MPC for Collision Avoidance and Control of UAVs with Dynamic Obstacles, 2020. arXiv preprint arXiv:2008.00792. https://doi.org/10.1109/LRA.2020.3010730
Y. Li, W. Chen, B. Fu, Z. Wu, L. Hao, & G. Yang, “Research on Dynamic Target Search for Multi-UAV Based on Cooperative Coevolution Motion-Encoded Particle Swarm Optimization. Applied Sciences,” 14(4), 1326, 2024. https://doi.org/10.3390/app14041326
J. Tordesillas, & J. P. How, PANTHER: Perception-Aware Trajectory Planner in Dynamic Environments. 2021. arXiv preprint arXiv:2103.06372. https://doi.org/10.1109/ACCESS.2022.3154037
B. Lindqvist, P. Sopasakis, & G. Nikolakopoulos, A Scalable Distributed Collision Avoidance Scheme for Multi-agent UAV Systems. 2021. arXiv preprint arXiv:2104.03783. https://doi.org/10.1109/IROS51168.2021.9636293
Y. Zhou, B. Rao, & W. Wang, “UAV Swarm Intelligence: Recent Advances and Future Trends,” IEEE Access, 8, 2020, 176229–176256. https://doi.org/10.1109/ACCESS.2020.3028865
X. Li, & Y. Wang, “A review of current studies on the unmanned aerial vehicle-based target tracking,” Sensors, 25(2), 439, 2025. https://doi.org/10.3390/s18020439
J. Wu, & S. Mei, “A Novel MPC Formulation for Dynamic Target Tracking With Evacuation Model, International Journal of Control, Automation and Systems, 22, 1234–1247, 2024.
L. Wang,, & Q. Zhang, “UAV Swarm Formation Reconfiguration Control Based on Variable Topology,” Frontiers of Information Technology & Electronic Engineering, 23(6), 1908–1923, 2022.
K. Panjavarnam, Z. H. Ismail, C. H. H. Tang, & K. Sekiguchi, “Model Predictive Control for Autonomous UAV Landings: A Comprehensive Review of Strategies, Applications and Challenges,” Journal of Engineering, vol. 2025, Issue 1, 2025. https://doi.org/10.1049/tje2.70085
D. Chen, X. Liu, & H. Li, “Multi-UAV Collaborative Trajectory Planning for Non-Cooperative Target Tracking,” Proceedings of the Institution of Mechanical Engineers, Part G: Journal of Aerospace Engineering, 238(10), 980–996, 2024. https://doi.org/10.1177/09544100251335357
A. Smith, B. Johnson, & C. Lee, “Decentralized Mesh-Based Model Predictive Control for Swarms of UAVs,” Sensors, 20(14), 3892, 2022.
H. Zhu et al., “Distributed Multi-Robot Formation Splitting and Merging in Dynamic Environments.” IEEE ICRA, 2019. https://doi.org/10.1109/ICRA.2019.8793765
A. Chowdhury et al., “Multi-Robot Virtual Structure Switching and Formation Changing Strategy.” IEEE/RSJ IROS, 2018.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Автори, які публікуються в цьому журналі, погоджуються з наступними умовами:
Автори зберігають авторські права та надають журналу право першої публікації роботи, одночасно ліцензованої за ліцензією Creative Commons Attribution License, яка дозволяє іншим поширювати роботу з посиланням на авторство роботи та її першу публікацію в цьому журналі.
Автори можуть укладати окремі додаткові договірні угоди щодо неексклюзивного розповсюдження опублікованої в журналі версії роботи (наприклад, розміщувати її в інституційному репозиторії або публікувати в книзі) з посиланням на її першу публікацію в цьому журналі.
Авторам дозволяється та заохочується розміщувати свої роботи онлайн (наприклад, в інституційних репозиторіях або на своєму вебсайті) до та під час процесу подання, оскільки це може призвести до продуктивного обміну, а також до більш раннього та більшого цитування опублікованих робіт (див. Вплив відкритого доступу).
