перевод
Soulignac presented a warefront expansion type path planner for small UAVs that provides a feasible and minimum-time optimal path in the presence of strong current fields. Unfortunately, the research is performed in 2D and does not include other objectives such as fuel or risk. Desada-Portas et.al. presented an evolutionary algorythm based on-line planner for multiple UAVs in 3D that includes optimization of multiple mission objectives such as path length, fuel and several flight risks but has no mention of wind. McManus developed a wavefront expansion type planner with multiple objectives (distance traveled, time taken, fuel consumed) for a UAV in 3D/ In the work, wind is added as a disturbance only and does not apply dynamic constraints to potential paths. Al-Sabban et.al. presents a Markov Decision Process based fixed-wing UAV path planner that exploits wind energy to minimize energy consumption in an uncertain and time-varying wind field. the simulation results showed almost 30% energy savings to a straight line path but was only conducted for one variable field sample. Also, the study was conducted in 2D with a constant vehicle speed relative to the wind. Perhaps the most relevant work in this field is by Wu et. al. who present an on-line, multi-objective, warefrontexpansion based mission planner for fixed-wing UAVs in 3D that includes time, fuel, and several risk objectives in the presence of planar wind fields from weather forecasts. However, their path planner uses a nodal resolution of 1 nautical mile with interpolated 10 nautical mile resolution wind fields to generate long range paths which cannot account for local terrain features.
Although there are many different path planning algorithms, many path planners (and path followers) found in the literature are based on uniform WVFs (63-66) (if they consider wind at all) or constant vehicle velocities (i.e. path planning) (51, 53, 61, 67, 68). The few planners that account for variable wind conditions simplify the environment to two dimensions by assuming a fixed cruise altitude (51, 67, 68) or assume that the WFV is horizontally planar (50, 69, 70) with coarse resolution discretization of the flight space (>1 km). Coarse resolutions can oversimplify wind, obstacle and path data which can create issues for limited power, small scale airships.
The goal of this study is to develop a trajectory planner for a lighter-tha-air UAV that, (i) provides minimal energy consumption flight trajectories, (ii) that are realistic and feasible in large, high resolution, 3D environments (iii) and are computed faster than they are predicted to be flown. The optimal flight trajectory is defined to be the one that reaches the goal position within the desired time while consuming the minimum amoun of energy and avoiding obstacles at a sufficiently safe distance. The importance of each of these criteria should also be scalable based on the specific mission objectives. the trajectory planner is considered to operate in real-time if the trajectories are computed faster than the UAV traverses them.
In this chapter, a cost wavefront expansion type trajectory planner is developed that generates feasible, realistic and optimal trajectories in variable 3D wind fields. Trajectories are generated in real-time and simulated in large, higly realistic, 3D environments. A multi-objective cost function is presented using variable WVFs generated from computational fluid dynamic (CFD) analysis on digital elevation maps. The cost function includes the differentional constraints of the physical dirigible platform and is optimized for time, energy and collision avoidance.
The chapter is organised as follows, first, a background on wind modelling and current wind usage is presented. Then the trajectory planning method is outlined followed by the development of the cost function. The trajectory planner is then simulated in a set of randomly generated 3D environments and effectiveness is evaluated based on several performance metrics.
Soulignac представила планировщик маршрутов расширения типа хранилища для небольших БПЛА, который обеспечивает приемлемый и минимальный оптимальный путь при наличии сильных полей тока. К сожалению, исследование проводится в 2D и не включает другие цели, такие как топливо или риск. Desada-Portas et.al. представил эволюционный алгоритм on-line для множественных БПЛА в 3D, который включает в себя оптимизацию нескольких задач миссии, таких как длина пути, топливо и несколько полетов, но не упоминает об ветре. McManus разработал планировщик типа расширения волнового фронта с множеством целей (пройденное расстояние, время, потребление топлива) для БПЛА в 3D / В работе ветер добавляется только как нарушение и не применяет динамические ограничения к потенциальным путям. Аль-Саббан и др. представляет собой механизм планирования движения по БЛА, основанный на методе марковского решения, который использует энергию ветра для минимизации потребления энергии в неопределенном и изменяющемся во времени ветровом поле. результаты моделирования показали почти 30% экономии энергии по прямолинейному пути, но проводились только для одного образца с переменным полем. Кроме того, исследование проводилось в 2D с постоянной скоростью транспортного средства относительно ветра. Возможно, самая важная работа в этой области - Wu et. и др. которые представляют онлайн-многоплановый планировщик миссий на основе профайлов для фиксированных БПЛА в 3D, который включает время, топливо и несколько целей риска при наличии плоских ветровых полей от прогнозов погоды. Тем не менее, их планировщик пути использует узловое разрешение в 1 морскую милю с интерполированными ветрами ветра с разрешением 10 морских миль для создания дорожек дальнего радиуса действия, которые не могут учитывать местные особенности местности.
Хотя существует множество различных алгоритмов планирования маршрута, многие специалисты по планированию маршрутов (и следящие за ними пути), найденные в литературе, основаны на однородных WVF (63-66) (если они вообще рассматривают ветер) или постоянных скоростях транспортного средства (т. Е. Пути планирования) (51 , 53, 61, 67, 68). Несколько планировщиков, которые учитывают переменные условия ветра, упрощают окружающую среду до двух измерений, предполагая фиксированную высоту круиза (51, 67, 68) или предполагая, что WFV горизонтально плоский (50, 69, 70) с дискретизацией грубого разрешения полета пространство (> 1 км). Грубые резолюции могут упростить данные о ветре, препятствиях и пути, которые могут создавать проблемы для ограниченной мощности, малогабаритных дирижаблей.
Целью этого исследования является разработка планировщика траекторий для более легкого и бесшумного БПЛА, который (i) обеспечивает минимальные траектории полета энергии, (ii) реалистичные и выполнимые в больших 3D-средах с высоким разрешением (iii) и вычисляются быстрее, чем они прогнозируются. Оптимальная траектория полета определяется как та, которая достигает позиции цели в течение желаемого времени, потребляя минимальное количество энергии и избегая препятствий на достаточно безопасном расстоянии. Важность каждого из этих критериев также должна быть масштабируемой на основе конкретных целей миссии. считается, что планировщик траекторий работает в режиме реального времени, если траектории вычисляются быстрее, чем БПЛА проходит их.
В этой главе разрабатывается планировщик траекторий расширения с пространственным волновым фронтом, который генерирует возможные, реалистичные и оптимальные траектории в переменных трехмерных ветровых полях. Траектории генерируются в реальном времени и моделируются в больших, высокореалистичных трехмерных средах. Многофункциональная функция стоимости представлена с использованием переменных WVF, генерируемых на основе анализа динамических (CFD) вычислений на цифровых картах высот. Функция стоимости включает дифференцированные ограничения физической платформы дирижаблей и оптимизирована для обеспечения времени, энергии и предотвращения столкновений.
Глава организована следующим образом: во-первых, представлена информация о ветровом моделировании и текущем использовании ветра. Затем описывается метод планирования траектории, за которым следует разработка функции стоимости. Затем планировщик траектории моделируется в наборе случайно созданных 3D-сред, и эффективность оценивается на основе нескольких показателей производительности.