Visualización de Riesgo-Campo y Planificación de Rutas para Reabastecimiento de Combustible de UAV Considerando Efectos de Vórtice de Estela
Autores: Pan, Weijun; Xu, Gaorui; Zhang, Chen; Deng, Leilei; Zhu, Yingwei; Jiang, Yanqiang; Dai, Zhiyuan
Idioma: Inglés
Editor: MDPI
Año: 2026
Acceso abierto
Artículo científico
2026
Visualización de Riesgo-Campo y Planificación de Rutas para Reabastecimiento de Combustible de UAV Considerando Efectos de Vórtice de Estela
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Robótica
Palabras clave
Autónomo
Reabastecimiento aéreo
Vórtice de estela
UAV
Planificación de rutas
Mapa de riesgos
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
El reabastecimiento aéreo autónomo es una tecnología clave para mejorar la resistencia de los vehículos aéreos no tripulados; sin embargo, los vórtices en las puntas de las alas generados por el tanque crean un fuerte campo de flujo de vórtices tridimensional, cuyo descenso y flujo de aire lateral pueden imponer momentos de rodadura significativos en el vehículo aéreo no tripulado (UAV), lo que representa una seria amenaza para la seguridad del vuelo. Para abordar este problema, este estudio propone un marco integrado que combina la modelización del campo de riesgo de vórtices con la planificación óptima de rutas. El modelo clásico de Hallock-Burnham (HB) se emplea primero para predecir el descenso de vórtices y el transporte lateral, mientras que se utiliza un modelo de dos fases para caracterizar la decadencia temporal de la circulación del vórtice. Los parámetros de vórtice predichos se acoplan luego con las características aerodinámicas del UAV, y se introduce el coeficiente de momento de rodadura (RMC) como una métrica de riesgo para calcular su distribución espaciotemporal en tres dimensiones, transformando así la perturbación de vórtices invisible en un mapa de riesgo dinámico tridimensional visualizable y cuantificable. Sobre esta base, se desarrolla un algoritmo de planificación de rutas consciente de vórtices basado en optimización por enjambre de partículas (PSO), incorporando estrategias de ponderación adaptativa y mutación elitista. Se construye además una función de costo multiobjetivo que considera la longitud de la ruta, la seguridad y la suavidad para buscar una ruta segura óptima bajo la influencia de vórtices. Los resultados de simulación indican que, en comparación con los algoritmos clásicos A* y Rapidly-Exploring Random Tree (RRT), el método propuesto reduce la exposición al riesgo acumulativo en aproximadamente un 90% y un 75%, respectivamente, mientras limita el aumento en la longitud de la ruta a alrededor del 8% (significativamente menor que los aumentos del 40% para A* y del 44% para RRT). Además, el ángulo de giro máximo se restringe dentro de 10 grados, y el tiempo de cálculo se mantiene alrededor de 0.052 s, satisfaciendo los requisitos en tiempo real. Estos resultados demuestran que el método propuesto puede generar rutas seguras, eficientes y dinámicamente viables para el reabastecimiento aéreo de UAV y proporcionar una referencia valiosa para la evitación de vórtices en misiones aeroespaciales similares.
Descripción
El reabastecimiento aéreo autónomo es una tecnología clave para mejorar la resistencia de los vehículos aéreos no tripulados; sin embargo, los vórtices en las puntas de las alas generados por el tanque crean un fuerte campo de flujo de vórtices tridimensional, cuyo descenso y flujo de aire lateral pueden imponer momentos de rodadura significativos en el vehículo aéreo no tripulado (UAV), lo que representa una seria amenaza para la seguridad del vuelo. Para abordar este problema, este estudio propone un marco integrado que combina la modelización del campo de riesgo de vórtices con la planificación óptima de rutas. El modelo clásico de Hallock-Burnham (HB) se emplea primero para predecir el descenso de vórtices y el transporte lateral, mientras que se utiliza un modelo de dos fases para caracterizar la decadencia temporal de la circulación del vórtice. Los parámetros de vórtice predichos se acoplan luego con las características aerodinámicas del UAV, y se introduce el coeficiente de momento de rodadura (RMC) como una métrica de riesgo para calcular su distribución espaciotemporal en tres dimensiones, transformando así la perturbación de vórtices invisible en un mapa de riesgo dinámico tridimensional visualizable y cuantificable. Sobre esta base, se desarrolla un algoritmo de planificación de rutas consciente de vórtices basado en optimización por enjambre de partículas (PSO), incorporando estrategias de ponderación adaptativa y mutación elitista. Se construye además una función de costo multiobjetivo que considera la longitud de la ruta, la seguridad y la suavidad para buscar una ruta segura óptima bajo la influencia de vórtices. Los resultados de simulación indican que, en comparación con los algoritmos clásicos A* y Rapidly-Exploring Random Tree (RRT), el método propuesto reduce la exposición al riesgo acumulativo en aproximadamente un 90% y un 75%, respectivamente, mientras limita el aumento en la longitud de la ruta a alrededor del 8% (significativamente menor que los aumentos del 40% para A* y del 44% para RRT). Además, el ángulo de giro máximo se restringe dentro de 10 grados, y el tiempo de cálculo se mantiene alrededor de 0.052 s, satisfaciendo los requisitos en tiempo real. Estos resultados demuestran que el método propuesto puede generar rutas seguras, eficientes y dinámicamente viables para el reabastecimiento aéreo de UAV y proporcionar una referencia valiosa para la evitación de vórtices en misiones aeroespaciales similares.