Diseño conceptual de un novedoso UAV de muestreo de agua autónomo con efecto suelo (WIGE) y optimización del rendimiento de seguimiento de trayectoria para la evitación de obstáculos
Autores: Eraslan, Yüksel
Idioma: Inglés
Editor: MDPI
Año: 2024
Acceso abierto
Artículo científico
2024
Diseño conceptual de un novedoso UAV de muestreo de agua autónomo con efecto suelo (WIGE) y optimización del rendimiento de seguimiento de trayectoria para la evitación de obstáculos
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Muestreo de agua
Tecnologías de UAV
Muestreo de agua autónomo
Investigaciones aerodinámicas
Evitación de obstáculos
Inteligencia artificial
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Como parte fundamental de la gestión del agua, los tratamientos de muestreo de agua se han integrado recientemente en tecnologías de vehículos aéreos no tripulados (VANT) y ofrecen soluciones ecológicas, rentables y que ahorran tiempo, al tiempo que reducen la necesidad de personal calificado. Sin embargo, la mayoría de las aplicaciones se han realizado con configuraciones de ala rotativa, que carecen de alcance y capacidad de muestreo (es decir, carga útil), lo que lleva a los científicos a buscar diseños alternativos o configuraciones especiales para permitir evaluaciones de agua más completas. Por lo tanto, en este documento se presenta en detalle el diseño conceptual de un nuevo VANT WIGE de largo alcance y alta capacidad capaz de muestreo autónomo de agua. El proceso de diseño incluyó un solucionador de red de vórtices para investigaciones aerodinámicas, mientras que se utilizaron métodos analíticos y empíricos para estimaciones de peso y dimensiones. Dado que la misión implicaba operar dentro del tráfico marítimo, se discutieron escenarios potenciales de evitación de obstáculos en términos de seguridad operativa, y el objetivo era mejorar el rendimiento de seguimiento de trayectoria autónoma mediante un algoritmo de optimización estocástica. Para este propósito, se aplicó un enfoque de ingeniería concurrente integrado con inteligencia artificial para el diseño del sistema de control autónomo y la determinación de la altitud de vuelo, simultáneamente. Durante la optimización, se predijeron la estabilidad y los derivados de control de los modelos dinámicos de aeronaves longitudinales y laterales constituidos a través de una red neuronal artificial (ANN) entrenada. Los resultados de la optimización mostraron una mejora del rendimiento aerodinámico del 3.92%, y una mejora notable en el rendimiento de seguimiento de trayectoria tanto para el modo de sobrevuelo como para el modo de evitación de obstáculos, del 89.9% y 19.66%, respectivamente.
Descripción
Como parte fundamental de la gestión del agua, los tratamientos de muestreo de agua se han integrado recientemente en tecnologías de vehículos aéreos no tripulados (VANT) y ofrecen soluciones ecológicas, rentables y que ahorran tiempo, al tiempo que reducen la necesidad de personal calificado. Sin embargo, la mayoría de las aplicaciones se han realizado con configuraciones de ala rotativa, que carecen de alcance y capacidad de muestreo (es decir, carga útil), lo que lleva a los científicos a buscar diseños alternativos o configuraciones especiales para permitir evaluaciones de agua más completas. Por lo tanto, en este documento se presenta en detalle el diseño conceptual de un nuevo VANT WIGE de largo alcance y alta capacidad capaz de muestreo autónomo de agua. El proceso de diseño incluyó un solucionador de red de vórtices para investigaciones aerodinámicas, mientras que se utilizaron métodos analíticos y empíricos para estimaciones de peso y dimensiones. Dado que la misión implicaba operar dentro del tráfico marítimo, se discutieron escenarios potenciales de evitación de obstáculos en términos de seguridad operativa, y el objetivo era mejorar el rendimiento de seguimiento de trayectoria autónoma mediante un algoritmo de optimización estocástica. Para este propósito, se aplicó un enfoque de ingeniería concurrente integrado con inteligencia artificial para el diseño del sistema de control autónomo y la determinación de la altitud de vuelo, simultáneamente. Durante la optimización, se predijeron la estabilidad y los derivados de control de los modelos dinámicos de aeronaves longitudinales y laterales constituidos a través de una red neuronal artificial (ANN) entrenada. Los resultados de la optimización mostraron una mejora del rendimiento aerodinámico del 3.92%, y una mejora notable en el rendimiento de seguimiento de trayectoria tanto para el modo de sobrevuelo como para el modo de evitación de obstáculos, del 89.9% y 19.66%, respectivamente.