Koncepcja algorytmu antykolizyjnego bezzałogowych statków powietrznych

• Autorzy: Tatko Sebastian , Konatowski Stanisław

Identyfikatory

DOI

10.5604/01.3001.0053.6747

Warianty tytułu

EN

Concept of anti-collision algorithm for unmanned aerial vehicles

• Języki publikacji: PL

Abstrakty

PL

Podstawą nowatorskiego algorytmu antykolizyjnego jest implementacja programowa umożliwiająca unikanie kolizji przez BSP z przeszkodami otoczenia, a także z innymi obiektami latającymi. W artykule wykorzystano uproszczone równania opisujące dynamikę czterowirnikowca ułatwiające modelowanie struktury symulacyjnej. Programowa realizacja modelu czterowirnikowca wraz z kontrolerem jest podstawą działania algorytmu antykolizyjnego. W układzie sterowania modelem zastosowano trójstopniowy kontroler proporcjonalno-całkująco-różniczkujący. Inspiracją powstałego programu jest oddziaływanie magnetyczne. Algorytm omijania przeszkód bazuje na pomiarze wartości kątowych i doborze proporcjonalnej siły wirtualnej. Siła odpychająca czterowirnikowiec od przeszkody jest parametrem zależnym od jego składowych prędkości liniowych, namiaru na przeszkodę oraz odległości od niej. Uzyskane mapy ciepła odzwierciedlają skalowanie wartości oraz kierunku oddziaływania siły odpychającej. Po zdefiniowaniu punktu docelowego oraz położenia przeszkody na pokładzie czterowirnikowca dokonuje się pomiaru niezbędnych parametrów oraz doboru współrzędnych korygujących kurs kolizyjny. Analizie poddano parametry lotu czterowirnikowca oraz współczynniki kontroli algorytmu antykolizyjnego. Poprawność działania programu została sprawdzona w sposób symulacyjny z wykorzystaniem licznych charakterystyk.

EN

The basis of the novel anti-collision algorithm is a software implementation that allows the UAV to avoid collisions with environmental obstacles, as well as with other flying objects. The paper uses simplified equations describing the dynamics of the quadcopter to facilitate the modelling of the simulation structure. The software implementation of the quadcopter model together with the controller is the basis for the operation of the anti-collision algorithm. The model control system uses a three-stage proportional-integral-differential controller. The inspiration of the resulting program is magnetic interaction. The obstacle avoidance algorithm is based on the measurement of angular values and the selection of a proportional virtual force. The force repelling a quadcopter from an obstacle is a parameter that depends on its linear velocity, bearing on the obstacle and distance to the obstacle. The heat maps obtained reflect the scaling of the value and direction of the repulsive force. After defining the target point and the position of the obstacle, the necessary parameters are measured and the collision course correcting coordinates are selected onboard the quadcopter. The flight parameters of the quadcopter and the control coefficients of the anti-collision algorithm were analysed. The correctness of the program’s operation was checked by simulation using numerous characteristics.

Słowa kluczowe

PL

BSP; bezzałogowy statek powietrzny; omijanie przeszkód; algorytmy antykolizyjne; model dynamiki BSP; czterowirnikowiec

EN

UAV; Unmanned Aerial Vehicle; obstacle avoidance; anticollision algorithms; UAV dynamics model; quadcopter

• Wydawca: Wojskowa Akademia Techniczna im. Jarosława Dąbrowskiego
• Czasopismo: Biuletyn Wojskowej Akademii Technicznej
• Rocznik: 2022
• Tom: Vol. 71, nr 3
• Strony: 113--128
• Opis fizyczny: Bibliogr. 13 poz., rys., wykr.

Twórcy

autor

Tatko Sebastian

• Wojskowa Akademia Techniczna, Wydział Elektroniki, ul. gen. S. Kaliskiego 2, 00-908 Warszawa

• https://orcid.org/0000-0001-9603-427X

autor

Konatowski Stanisław

• Wojskowa Akademia Techniczna, Wydział Elektroniki, ul. gen. S. Kaliskiego 2, 00-908 Warszawa

• https://orcid.org/0000-0002-3871-926X

Bibliografia

• [1] Myungseok K., Jihun Ch., Hyeonsu L., Detect and Avoid System Based on Multi Sensor Fusion for UAV, 2018 International Conference on Information and Communication Technology Convergence (ICTC), 2018.
• [2] Roberts J.F., Stirling T., Zufferey J.-C., Floreano D., Quadrotor Using Minimal Sensing for Autonomous Indoor Flight, European Micro Air Vehicle Conference and Flight Competition (EMAV), 2007.
• [3] Bry A., Bachrach A., Roy N., State Estimation for Aggressive Fight in GPS-denied Environments Using Onboard Sensing, Proceedings - IEEE International Conference on Robotics and Automation (ICRA), 2012.
• [4] Achtelik M., Bachrach A., He R., Prentice S., Roy N., Stereo Vision and Laser Odometry for Autonomous Helicopters in GPS-denied Indoor Environments, Proceedings of SPIE – The International Society for Optical Engineering, 2009.
• [5] Fraundorfer F., Heng L., Honegger D., Lee G.H., Meier L., Tanskanen P., et al., Vision-based Autonomous Mapping and Exploration Using a Quadrotor MAV, Conference: Intelligent Robots and Systems (IROS), 2012.
• [6] Ross S., Melik-Barkhudarov N., Shankar K.S., Wendel A., Dey D., Bagnell J.A., et al., Learning Monocular Reactive UAV Control in Cluttered Natural Environments, International Conference on Robotics and Automation (ICRA), 2012.
• [7] Giusti A., Guzzi J., Cireşan D.C., He Fang-Lin, Rodríguez J. P., Fontana F., Faessler M., Forster C., Schmidhuber J., Di Caro G., Scaramuzza D., Gambardella L. M., A Machine Learning Approach to Visual Perception of Forest Trails for Mobile Robots, IEEE Robotics and Automation Letters, 1, 2, July 2016.
• [8] Sabatino F., Quadrotor Control: Modelling, Nonlinear Control Design, and Simulation, Master’s Degree Project, Stockholm, 2015.
• [9] Tatko S., Projekt układu sterowania bezpilotowym statkiem powietrznym, Wojskowa Akademia Techniczna, Warszawa 2021.
• [10] Jiinec T., Stabilization and Control of Unmanned Quadcopter, Master Thesis, Luleå University of Technology, 2011.
• [11] Gruszka M., DJI Mavic Pro: przetestowaliśmy dron idealny, Mobility News, https://mobilitynews.pl/dji-mavic-pro-test-recenzja/, [dostęp: 10.01.2022].
• [12] Corrigan f., 12 Top Collision Avoidance Drones and Obstacle Detection Explained, 9.05.2020, Dronezon.com, https://www.dronezon.com/learn-about-drones-quadcopters/top-drones-with-obstacle-detection-collision-avoidance-sensors-explained/, [dostęp: 10.01.2022].
• [13] Agrawal M., What is Model Predictive Control (MPC)?, 10.08.2020, https://control.com/technical-articles/what-is-model-predictive-control-mpc/, [dostęp: 10.01.2022].

Uwagi

Opracowanie rekordu ze środków MEiN, umowa nr SONP/SP/546092/2022 w ramach programu "Społeczna odpowiedzialność nauki" - moduł: Popularyzacja nauki i promocja sportu (2022-2023).