Fusión de Aprendizaje Profundo y Control Predictivo para la Operación Segura de Sistemas Aéreos Tripulados y No Tripulados
Autores: Pan, Xiangyu; Chang, Xiaofei; Zhou, Yixuan; Xu, Xinkai; Yan, Jie
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Fusión de Aprendizaje Profundo y Control Predictivo para la Operación Segura de Sistemas Aéreos Tripulados y No Tripulados
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Desarrollo rápido
Vehículos aéreos no tripulados
Vuelos colaborativos
Seguridad en vuelo
Predicción de trayectorias
Evitación de colisiones
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Con el rápido desarrollo de la economía de baja altitud, el despliegue de vehículos aéreos no tripulados (VANT) en muchos campos está aumentando continuamente, y la demanda de vuelos colaborativos también está creciendo. Sin embargo, el problema de la seguridad en el vuelo en espacios aéreos complejos sigue siendo una preocupación urgente. La predicción precisa de la trayectoria de vuelo, la detección de colisiones y la evitación son fundamentales para operaciones colaborativas seguras. Este estudio propone un marco integrado que combina un modelo EKF-LSTM para la predicción de trayectorias, un método de Cono de Dispersión de Trayectorias (TDC) para la evaluación del riesgo de colisión probabilística, y una estrategia de Control Predictivo de Modelo de Obstáculo de Velocidad (VO-MPC) para la evitación dinámica de colisiones. Los resultados experimentales demuestran las ventajas de nuestro enfoque: el modelo EKF-LSTM reduce los errores de predicción en estados de vuelo complejos. Además, el método VO-MPC logra una tasa de éxito del 99.8% en la evitación de colisiones en condiciones de bajo ruido, una mejora del 8.6% en comparación con el MPC tradicional, mientras reduce la probabilidad promedio de colisión en un 66.7%. También mantiene un rendimiento estable en condiciones de ruido medio y alto, reduciendo la probabilidad de colisión a solo el 27.7% y el 34.2% de la del MPC convencional, respectivamente. El marco propuesto ofrece una solución para la colaboración segura entre tripulados y no tripulados en entornos complejos. El trabajo futuro ampliará estos métodos a escenarios de cooperación entre múltiples aeronaves.
Descripción
Con el rápido desarrollo de la economía de baja altitud, el despliegue de vehículos aéreos no tripulados (VANT) en muchos campos está aumentando continuamente, y la demanda de vuelos colaborativos también está creciendo. Sin embargo, el problema de la seguridad en el vuelo en espacios aéreos complejos sigue siendo una preocupación urgente. La predicción precisa de la trayectoria de vuelo, la detección de colisiones y la evitación son fundamentales para operaciones colaborativas seguras. Este estudio propone un marco integrado que combina un modelo EKF-LSTM para la predicción de trayectorias, un método de Cono de Dispersión de Trayectorias (TDC) para la evaluación del riesgo de colisión probabilística, y una estrategia de Control Predictivo de Modelo de Obstáculo de Velocidad (VO-MPC) para la evitación dinámica de colisiones. Los resultados experimentales demuestran las ventajas de nuestro enfoque: el modelo EKF-LSTM reduce los errores de predicción en estados de vuelo complejos. Además, el método VO-MPC logra una tasa de éxito del 99.8% en la evitación de colisiones en condiciones de bajo ruido, una mejora del 8.6% en comparación con el MPC tradicional, mientras reduce la probabilidad promedio de colisión en un 66.7%. También mantiene un rendimiento estable en condiciones de ruido medio y alto, reduciendo la probabilidad de colisión a solo el 27.7% y el 34.2% de la del MPC convencional, respectivamente. El marco propuesto ofrece una solución para la colaboración segura entre tripulados y no tripulados en entornos complejos. El trabajo futuro ampliará estos métodos a escenarios de cooperación entre múltiples aeronaves.