Planificación y Optimización de Trayectorias para que un Drone Siguiendo se Reúnan con un Drone Líder mediante Estimación de Estado con Horizonte de Tiempo Adaptativo
Autores: Lee Hongrui, Javier; Srigrarom, Sutthiphong
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Planificación y Optimización de Trayectorias para que un Drone Siguiendo se Reúnan con un Drone Líder mediante Estimación de Estado con Horizonte de Tiempo Adaptativo
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Uso de drones
Tecnología contra drones
Operaciones de seguridad
Estrategias de interceptación
Código de trayectoria predictiva
Horizonte temporal adaptativo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 31
Citaciones: Sin citaciones
Con la creciente proliferación del uso de drones para muchos propósitos, la tecnología de contra-drones se ha vuelto crucial. Esta rápida expansión ha introducido inherentemente oportunidades y aplicaciones significativas. Esto crea aplicaciones como vigilancia aérea, servicios de entrega, monitoreo agrícola y, lo más importante, operaciones de seguridad. Debido a la relativa simplicidad de aprender y operar un UAV de pequeña escala, organizaciones maliciosas pueden desplegar y utilizar UAVs (drones) para formar amenazas sustanciales. Su interceptación puede verse obstaculizada por maniobras evasivas realizadas por el UAV malicioso (mUAV). Los operadores novatos también pueden, sin querer, volar UAVs en espacio aéreo restringido como aeropuertos civiles, lo que representa un peligro para otras operaciones aéreas. Este documento explora el código de trayectoria predictiva y métodos para la neutralización de mUAVs siguiendo drones, utilizando técnicas de estimación de estado como el filtro de Kalman extendido (EKF) y el filtro de partículas (PF). Se analizan estrategias de interceptación y técnicas de optimización para mejorar la eficiencia y robustez de la interceptación. La novedad introducida por este documento es la implementación de un horizonte de tiempo adaptativo (ATH) y control de velocidad (VC) en el proceso predictivo. Se utilizaron simulaciones en MATLAB para evaluar la efectividad de los modelos de predicción de trayectoria y estrategias de interceptación contra maniobras evasivas. Las pruebas discutidas en este documento demostraron lo siguiente: el método predictivo EKF logró una tasa de neutralización significativamente más alta (41%) en comparación con el método PF (30%) en escenarios de trayectoria lineal, y una tasa de neutralización similar del 5% en escenarios de trayectoria estocástica. Más tarde, después de incorporar medidas de horizonte de tiempo adaptativo (ATH) y control de velocidad (VC), el método EKF logró una tasa de neutralización del 98%, demostrando una mejora significativa en el rendimiento.
Descripción
Con la creciente proliferación del uso de drones para muchos propósitos, la tecnología de contra-drones se ha vuelto crucial. Esta rápida expansión ha introducido inherentemente oportunidades y aplicaciones significativas. Esto crea aplicaciones como vigilancia aérea, servicios de entrega, monitoreo agrícola y, lo más importante, operaciones de seguridad. Debido a la relativa simplicidad de aprender y operar un UAV de pequeña escala, organizaciones maliciosas pueden desplegar y utilizar UAVs (drones) para formar amenazas sustanciales. Su interceptación puede verse obstaculizada por maniobras evasivas realizadas por el UAV malicioso (mUAV). Los operadores novatos también pueden, sin querer, volar UAVs en espacio aéreo restringido como aeropuertos civiles, lo que representa un peligro para otras operaciones aéreas. Este documento explora el código de trayectoria predictiva y métodos para la neutralización de mUAVs siguiendo drones, utilizando técnicas de estimación de estado como el filtro de Kalman extendido (EKF) y el filtro de partículas (PF). Se analizan estrategias de interceptación y técnicas de optimización para mejorar la eficiencia y robustez de la interceptación. La novedad introducida por este documento es la implementación de un horizonte de tiempo adaptativo (ATH) y control de velocidad (VC) en el proceso predictivo. Se utilizaron simulaciones en MATLAB para evaluar la efectividad de los modelos de predicción de trayectoria y estrategias de interceptación contra maniobras evasivas. Las pruebas discutidas en este documento demostraron lo siguiente: el método predictivo EKF logró una tasa de neutralización significativamente más alta (41%) en comparación con el método PF (30%) en escenarios de trayectoria lineal, y una tasa de neutralización similar del 5% en escenarios de trayectoria estocástica. Más tarde, después de incorporar medidas de horizonte de tiempo adaptativo (ATH) y control de velocidad (VC), el método EKF logró una tasa de neutralización del 98%, demostrando una mejora significativa en el rendimiento.