Thiết lập đường bay cho trực thăng nhiều cánh không người lái ứng dụng giải thuật TS-TLBO
303 lượt xemDOI:
https://doi.org/10.54939/1859-1043.j.mst.87.2023.32-39Từ khóa:
Thiết lập quỹ đạo; Tối ưu dạy-học; Chướng ngại; Máy bay không người lái; Trực thăng bốn cánh.Tóm tắt
Thiết lập đường bay cho máy bay không người lái (UAV) là một quy trình phức tạp để tạo ra quỹ đạo tối ưu và đồng thời đáp ứng các ràng buộc quy định cho nhiệm vụ cụ thể. Bài báo này đề xuất thuật toán lập quỹ đạo bay tối ưu đa nhiệm bằng phương pháp sử dụng giải thuật Tutorial Training and Self Learning Inspired Teaching-Learning-based Optimization (TS-TLBO) để tạo ra đường bay khả thi và an toàn. Thuật toán này được áp dụng cho loại UAV trực thăng nhiều cánh trong ứng dụng khảo bề mặt hạ tầng. Ở đây, trước tiên chúng tôi giới thiệu một hàm chi phí chung bao gồm nhiều hàm ràng buộc khác nhau để nâng cao độ an toàn và đồng thời đáp ứng yêu cầu nhiệm vụ. Sau đó, đường bay tối ưu tạo ra được áp dụng trên một dạng quadcopter để xác minh giải thuật. Kết quả thử nghiệm cho thấy tính khả thi của thuật toán lập thiết đường bay đề xuất.
Tài liệu tham khảo
[1]. N. Motlagh, T. Taleb, and O. Arouk, “Low-altitude unmanned aerial vehicles-based internet of things services: Comprehensive survey and future perspectives,” IEEE Internet of Things Journal, Vol. 3, no. 6, pp. 899–922, (2016). DOI: https://doi.org/10.1109/JIOT.2016.2612119
[2]. V. T. Hoang, M. D. Phung, T. H. Dinh, and Q. P. Ha, "System architecture for real-time surface inspection using multiple UAVs," IEEE Systems Journal, Vol. 14, no. 2, pp. 2925-2934, (2020). DOI: https://doi.org/10.1109/JSYST.2019.2922290
[3]. Y. Chen, J. Yu, X. Su, and G. Luo, “Path planning for multi-UAV formation,” Journal of Intelligent & Robotic Systems, Vol. 77, no. 1, pp. 229–246, (2015). DOI: https://doi.org/10.1007/s10846-014-0077-y
[4]. T. T. Mac, C. Copot, D. T. Tran, and R. De Keyser, “Heuristic approaches in robot path planning: A survey,” Robotics and Autonomous Systems, Vol. 86, pp. 13–28, (2016). DOI: https://doi.org/10.1016/j.robot.2016.08.001
[5]. Y. V. Pehlivanoglu, “A new vibrational genetic algorithm enhanced with a voronoi diagram for path planning of autonomous UAV,” Aerospace Science and Technology, Vol. 16, no. 1, pp. 47–55, (2012). DOI: https://doi.org/10.1016/j.ast.2011.02.006
[6]. B. Englot and F. Hover, “Multi-goal feasible path planning using ant colony optimization,” Robotics and Automation, IEEE International Conference on, pp. 2255–2260, (2011). DOI: https://doi.org/10.1109/ICRA.2011.5980555
[7]. G. Yu, H. Song, and J. Gao, “Unmanned aerial vehicle path planning based on TLBO algorithm.” International Journal on Smart Sensing & Intelligent Systems, Vol. 7, no. 3, (2014). DOI: https://doi.org/10.21307/ijssis-2017-707
[8]. Z. Zhai, G. Jia, and K. Wang, “A novel teaching learning-based optimization with error correction and cauchy distribution for path planning of unmanned air vehicle,” Computational intelligence and neuroscience, Vol., (2018). DOI: https://doi.org/10.1155/2018/5671709
[9]. R. Rao, V. Savsani, and D. Vakharia, “Teaching learning-based optimization: A novel method for constrained mechanical design optimization problems,” Computer-Aided Design, Vol. 43, no. 3, pp. 303 – 315, (2011). DOI: https://doi.org/10.1016/j.cad.2010.12.015
[10]. Bansi D. Raja, R.L. Jhala, Vivek Patel, “Multi-objective optimization of a rotary regenerator using tutorial training and self-learning inspired teaching-learning based optimization algorithm (TS-TLBO),” Applied Thermal Engineering, Vol. 93, pp. 456 – 467, (2016). DOI: https://doi.org/10.1016/j.applthermaleng.2015.10.013
[11]. V. T. Hoang, M. D. Phung, T. H. Dinh, and Q. P. Ha, “Angle-Encoded Swarm Optimization for UAV Formation Path Planning,” In 2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (pp. 5239-5244). IEEE. DOI: https://doi.org/10.1109/IROS.2018.8593930
[12]. V. T. Hoang, M. D. Phung, "Enhanced Teaching-Learning-Based Optimization for 3D Path Planning of Multicopter UAVs." Lecture Notes in Mechanical Engineering, Springer, pp. 743-753, (2022). DOI: https://doi.org/10.1007/978-3-030-99666-6_107
