رهگیری گروهی هواپیماهای بدون سرنشین با الگوریتم اصلاح شده دینامیکی برای چند هدف متحرک

نوع مقاله : مقاله پژوهشی

نویسندگان

1 کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه اصفهان، اصفهان، ایران

2 استادیار، دانشکده مهندسی مکانیک، دانشگاه اصفهان، اصفهان، ایران

چکیده

در این مقاله، الگوریتم طراحی مسیر دینامیکی توسعه یافته (روش برداری-مماسی توسعه یافته) بیان می‌شود. از خصوصیات و قابلیت‌های این الگوریتم می‌توان به توانایی آن در پیدا کردن تمامی مسیرهای مجاز در مأموریت‌های مختلف پروازی از جمله زمانی که موانع (مثلا مناطق پرواز ممنوع) با هم همپوشانی دارند اشاره نمود. این الگوریتم، برای رهگیری چند هدف متحرک درحضور موانع متحرک با هم پوشانی و همچنین در پرواز گروهی پیاده‌سازی شده است. در الگوریتم‌های طراحی شده پیشین زمانی که بدون سرنشین در داخل دایره مقصد قرار می‌گرفت الگوریتم دچار مشکل می‌شد و امکان طراحی مسیر وجود نداشت. در الگوریتم ارائه شده در این مقاله امکان طراحی مسیر با در نظر گرفتن موانعی مجازی برای مواقعی که مسیر موجود نمی‌باشد وجود دارد. از مزایای دیگر این الگوریتم می‌توان به قابلیت محاسباتی و همچنین برخط بودن این روش اشاره نمود.

کلیدواژه‌ها

موضوعات


[1]   Ardakani M.K. and Tavana M., A decremental approach with the A∗ algorithm for speeding-up the optimization process in dynamic shortest path problems. Measurement, 2015. 60: p. 299-307.
[2]  Shaoa M., Shin D. and Shin K., Autonomous Navigation of Nonholonomic Mobile Robots Using Generalized Voronoi Diagrams. Journal of the Korean Society of Manufacturing Technology Engineers, 2015. 24(1): p. 98-102.
[3]  Curtis A.B., Path planning for unmanned air and ground vehicles in urban environments. 2008, Brigham Young University.
[4]  Moon C.b. and Chung W., Kinodynamic Planner Dual-Tree RRT (DT-RRT) for Two-Wheeled Mobile Robots Using the Rapidly Exploring Random Tree. IEEE Transactions on Industrial Electronics, 2015. 62(2): p. 1080-1090.
[5]  Yao P., Wang H. and Su Z., Hybrid UAV path planning based on interfered fluid dynamical system and improved RRT. in IECON 2015 - 41st Annual Conference of the IEEE Industrial Electronics Society. 2015.
[6]  Ni J., et al., Robot path planning based on an improved genetic algorithm with variable length chromosome. in 2016 12th International Conference on Natural Computation, Fuzzy Systems and Knowledge Discovery (ICNC-FSKD). 2016.
[7]  Cheng J., et al., An improved ACO algorithm for mobile robot path planning. in 2016 IEEE International Conference on Information and Automation (ICIA). 2016.
[8]  Zhu W. and Duan H., Chaotic predator–prey biogeography-based optimization approach for UCAV path planning. Aerospace Science and Technology, 2014. 32(1): p. 153-161.
[9]  Horner D.P. and Healey A.J., Use of artificial potential fields for UAV guidance and optimization of WLAN communications. in 2004 IEEE/OES Autonomous Underwater Vehicles (IEEE Cat. No.04CH37578). 2004.
[10]             Nieuwenhuisen M., Schadler M. and Behnke S., Predictive potential field-based collision avoidance for multicopters. Int. Arch. Photogramm. Remote Sens. Spatial Inf. Sci, 2013.
[11]             Paul T., Krogstad T.R. and Gravdahl J.T., UAV formation flight using 3D potential field. in 2008 16th Mediterranean Conference on Control and Automation. 2008.
[12]             Patil S., et al., Directing Crowd Simulations Using Navigation Fields. IEEE Transactions on Visualization and Computer Graphics, 2011. 17(2): p. 244-254.
[13]             Ye B.Q., Zhao M.F. and Wang Y., Research of path planning method for mobile robot based on artificial potential field. in 2011 International Conference on Multimedia Technology. 2011.
[14]             Lawrence D., Lyapunov Vector Fields for UAV Flock Coordination, in 2nd AIAA "Unmanned Unlimited" Conf. and Workshop & Exhibit. 2003, American Institute of Aeronautics and Astronautics.
[15]              Frew E. and Lawrence D., Cooperative Stand-off Tracking of Moving Targets by a Team of Autonomous Aircraft, in AIAA Guidance, Navigation, and Control Conference and Exhibit. 2005, American Institute of Aeronautics and Astronautics.
[16]             Chen H., Chang K. and Agate C.S., A dynamic path planning algorithm for UAV tracking. in SPIE Defense, Security, and Sensing. 2009. International Society for Optics and Photonics.
[17]             Chen H., Chang K. and. Agate C.S., UAV Path Planning with Tangent-plus-Lyapunov Vector Field Guidance and Obstacle Avoidance. IEEE Transactions on Aerospace and Electronic Systems, 2013. 49(2): p. 840-856.
[18]             Winstrand M., Mission planning and control of multiple UAVs. 2004: System Technology Division, Swedish Defence Research Agency..