Planificación de Rutas de Cobertura Basada en la Estrategia de Optimización de Múltiples Vehículos Aéreos No Tripulados Alimentados por Energía Solar
Autores: Le, Wenxin; Xue, Zhentao; Chen, Jian; Zhang, Zichao
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Planificación de Rutas de Cobertura Basada en la Estrategia de Optimización de Múltiples Vehículos Aéreos No Tripulados Alimentados por Energía Solar
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Drones
Planificación de rutas de cobertura
Eficiencia energética
Modelo de optimización
Experimento de simulación
Drones alimentados por energía solar
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
En algunas condiciones específicas, se requiere que los UAV obtengan información completa de un área o que operen en el área de manera integral. En este caso, se requiere la planificación de la ruta de cobertura (CPP). Este documento propone una solución para resolver el problema del corto tiempo de resistencia en el problema de planificación de rutas de cobertura (CPP) de vehículos aéreos no tripulados (UAV) solares múltiples. En primer lugar, se propone la eficiencia del flujo de energía basada en el modelo de energía para evaluar la eficiencia de utilización de la energía durante la operación. Además, para las áreas con y sin obstáculos, se propone un modelo de optimización de la ruta de cobertura basado en el método de búsqueda de grafos no dirigidos. Se define la ecuación de restricción para limitar el acceso del UAV al grafo no dirigido de acuerdo con ciertas reglas. Se propone un modelo de programación lineal entera mixta (MILP) para determinar la trayectoria de vuelo de cada UAV con el objetivo de minimizar el tiempo de operación. A través del experimento de simulación, en comparación con el método de Descomposición Celular Boustrophedon para la planificación de rutas de cobertura, se observa que el tiempo de finalización mejora considerablemente. Además, considerando el impacto del ángulo de actitud del UAV solar al girar, se definen el tiempo de operación y la eficiencia total del flujo de energía como el objetivo de optimización. Se establece la ecuación del modelo biobjetivo para resolver el problema del CPP. Un gran número de experimentos de simulación muestran que el modelo de optimización en este documento selecciona diferentes objetivos de optimización y se aplica a diferentes formas de áreas a cubrir, lo que tiene una amplia aplicabilidad y una fuerte viabilidad.
Descripción
En algunas condiciones específicas, se requiere que los UAV obtengan información completa de un área o que operen en el área de manera integral. En este caso, se requiere la planificación de la ruta de cobertura (CPP). Este documento propone una solución para resolver el problema del corto tiempo de resistencia en el problema de planificación de rutas de cobertura (CPP) de vehículos aéreos no tripulados (UAV) solares múltiples. En primer lugar, se propone la eficiencia del flujo de energía basada en el modelo de energía para evaluar la eficiencia de utilización de la energía durante la operación. Además, para las áreas con y sin obstáculos, se propone un modelo de optimización de la ruta de cobertura basado en el método de búsqueda de grafos no dirigidos. Se define la ecuación de restricción para limitar el acceso del UAV al grafo no dirigido de acuerdo con ciertas reglas. Se propone un modelo de programación lineal entera mixta (MILP) para determinar la trayectoria de vuelo de cada UAV con el objetivo de minimizar el tiempo de operación. A través del experimento de simulación, en comparación con el método de Descomposición Celular Boustrophedon para la planificación de rutas de cobertura, se observa que el tiempo de finalización mejora considerablemente. Además, considerando el impacto del ángulo de actitud del UAV solar al girar, se definen el tiempo de operación y la eficiencia total del flujo de energía como el objetivo de optimización. Se establece la ecuación del modelo biobjetivo para resolver el problema del CPP. Un gran número de experimentos de simulación muestran que el modelo de optimización en este documento selecciona diferentes objetivos de optimización y se aplica a diferentes formas de áreas a cubrir, lo que tiene una amplia aplicabilidad y una fuerte viabilidad.