Предотвращение столкновений при круговом движении группы дронов самолетного типа на основе вращательной модификации искусственного потенциального поля
Ключевые слова:
предотвращение столкновений, группы дронов, система из нескольких БПЛА, метод искусственного потенциального поля, вихревое векторное полеАннотация
При согласованном круговом движении группы автономных беспилотных летательных аппаратов (БПЛА или дронов) важно обеспечить предотвращение столкновений между ними. Характерная ситуация возникает в том случае, если один из дронов круговой формации должен обогнать впереди летящего. Причина необходимости такого обгона может заключаться в заданной геометрии формации БПЛА, когда эта конфигурация заданного взаимного положения дронов поменялась по какой-либо причине. При этом ограниченная маневренность БПЛА именно самолетного требует учета особенностей их динамики при синтезе алгоритма предотвращения столкновений. Здесь также играет роль невозможность падения воздушной скорости БПЛА самолетного типа ниже определенного минимального значения. В данной статье предлагается использовать подход на основе вихревых векторных полей, которые по сути являются вращательной модификацией метода искусственного потенциального поля (APF). При этом круговое движение обеспечивается разработанным в предыдущих наших работах алгоритмом следования вдоль линии пути. В итоге был предложен алгоритм предотвращения столкновений, который работает эффективно, сохраняя согласованное круговое движение автономной формации дронов без излишних разворотов. Данный алгоритм был назван «Artificial Potential Field for Circular Motion» (сокращенно APFfCM). С помощью прямого метода Ляпунова показано, что траектории системы формации обладают равномерной ограниченностью при использовании предлагаемого алгоритма управления. За счет ограниченности кандидата на функцию Ляпунова при этом гарантировано, что не произойдет события столкновения между дронами. Таким образом, цель управления по обеспечению согласованного кругового движения без столкновений для автономной группы дронов самолетного типа достигается. Эффективная работа предлагаемого алгоритма продемонстрирована на моделях БПЛА самолетного типа («летающее крыло») в среде MATLAB/Simulink. Эти модели обладают как полной нелинейной динамикой, так и реализацией настроенных автопилотов, стабилизирующих угловое и траекторное движение.
Литература
2. Khatib O. Real-Time Obstacle Avoidance for Manipulators and Mobile Robots. The international journal of robotics research. 1986. vol. 5. no. 1. pp. 90–98.
3. Bojian L., Jun F., Yunxiao Q., Aijun L. Precise Formation Control for the Multi-agent Systems Based on Tilted Potential Field with Collision Avoidance. International Conference on Guidance, Navigation and Control. Lecture Notes in Electrical Engineering. 2023. vol. 845. pp. 84–93. DOI: 10.1007/978-981-19-6613-2_10.
4. Alhaddad M., Mironov K., Staroverov A., Panov A. Neural Potential Field for Obstacle-Aware Local Motion Planning. 2023. arxiv preprint arXiv:2310.16362. DOI: 10.48550/arXiv.2310.16362.
5. Filimonov A.B., Filimonov N.B. The Concept of Fairway in Problems of Potential Guidance of Mobile Robots. Optoelectronics, Instrumentation and Data Processing. 2022. vol. 58. no. 4. pp. 366–372. DOI: 10.3103/S8756699022040057.
6. Szczepanski R., Tarczewski T., Erwinski K. Energy Efficient Local Path Planning Algorithm Based on Predictive Artificial Potential Field. IEEE Access. 2022. vol. 10. pp. 39729–39742. DOI: 10.1109/ACCESS.2022.3166632.
7. Микишанина Е.А., Платонов П.С. Алгоритмизация управления мобильным колесным роботом в среде с препятствиями методом потенциальных полей. Мехатроника, автоматизация, управление. 2024. Т. 25. № 2. С. 93–100.
8. Xi Z., Han H., Cheng J., Lv M. Reducing Oscillations for Obstacle Avoidance in a Dense Environment Using Deep Reinforcement Learning and Time-Derivative of an Artificial Potential Field. Drones. 2024. vol. 8. no. 3. DOI: 10.3390/drones8030085.
9. De Medio C., Nicolò F., Oriolo G. Robot Motion Planning Using Vortex Fields. New Trends in Systems Theory. Progress in Systems and Control Theory. Boston: Birkhäuser Boston. 1991. vol. 7. pp. 237–244.
10. De Medio C., Oriolo G. Robot Obstacle Avoidance Using Vortex Fields. Advances in Robot Kinematics. Vienna: Springer Vienna. 1991. pp. 227–235. DOI: 10.1007/978-3-7091-4433-6_26.
11. De Luca A., Oriolo G. Local incremental planning for nonholonomic mobile robots. Proc. IEEE Int. Conf. Robot. Autom. 1994. pp. 104–110. DOI: 10.1109/ROBOT.1994.351003.
12. Martis W.P., Rao S. Cooperative Collision Avoidance in Mobile Robots using Dynamic Vortex Potential Fields. 9th Int. Conf. Autom. Robot. Appl. (ICARA 2023). 2023. pp. 60–64. DOI: 10.1109/ICARA56516.2023.10125851.
13. Choi D., Lee K., Kim D. Enhanced Potential Field-Based Collision Avoidance for Unmanned Aerial Vehicles in a Dynamic Environment. AIAA Scitech 2020 Forum. 2020. DOI: 10.2514/6.2020-0487.
14. Choi D., Kim D., Lee K. Enhanced Potential Field-Based Collision Avoidance in Cluttered Three-Dimensional Urban Environments. Appl. Sci. 2021. vol. 11. no. 22. DOI: 10.3390/app112211003.
15. Choi D., Chhabra A., Kim D. Intelligent cooperative collision avoidance via fuzzy potential fields. Robotica. 2022. vol. 40. no. 6. pp. 1919–1938. DOI: 10.1017/S0263574721001454.
16. Batinovic A., Goricanec J., Markovic L., Bogdan S. Path Planning with Potential Field-Based Obstacle Avoidance in a 3D Environment by an Unmanned Aerial Vehicle. International Conference on Unmanned Aircraft Systems (ICUAS). 2022. pp. 394–401. DOI: 10.1109/ICUAS54217.2022.9836159.
17. Goricanec J., Milas A., Markovic L., Bogdan S. Collision-Free Trajectory Following With Augmented Artificial Potential Field Using UAVs. IEEE Access. 2023. vol. 11. pp. 83492–83506. DOI: 10.1109/ACCESS.2023.3303109.
18. Szczepanski R. Safe Artificial Potential Field – Novel Local Path Planning Algorithm Maintaining Safe Distance From Obstacles. IEEE Robot. Autom. Lett. 2023. vol. 8. no. 8. pp. 4823–4830. DOI: 10.1109/LRA.2023.3290819.
19. Su Y.-H., Bhowmick P., Lanzon A. A Fixed-time Formation-containment Control Scheme for Multi-agent Systems with Motion Planning: Applications to Quadcopter UAVs. IEEE Transactions on Vehicular Technology. 2024. vol. 73. no. 7. pp. 9495–9507. DOI: 10.1109/TVT.2024.3382489.
20. Muslimov T. Curl-Free Vector Field for Collision Avoidance in a Swarm of Autonomous Drones. Lecture Notes in Computer Science. Interactive Collaborative Robotics (ICR 2023). 2023. vol. 14214. pp. 369–379.
21. Muslimov T., Kozlov E., Munasypov R. Drone Swarm Movement without Collisions with Fixed Obstacles Using a Hybrid Algorithm Based on Potential Functions. International Russian Automation Conference (RusAutoCon). 2023. pp. 781–785.
22. Gao Y., Bai C., Fu R., Quan Q. A non-potential orthogonal vector field method for more efficient robot navigation and control. Rob. Auton. Syst. 2023. vol. 159. DOI: 10.1016/j.robot.2022.104291.
23. Park C., Cho N., Lee K., Kim Y. Formation Flight of Multiple UAVs via Onboard Sensor Information Sharing. Sensors. 2015. vol. 15. no. 7. pp. 17397–17419.
24. Kim S., Cho H., Jung D. Circular Formation Guidance of Fixed-Wing UAVs Using Mesh Network. IEEE Access. 2022. vol. 10. pp. 115295–115306. DOI: 10.1109/ACCESS.2022.3218673.
25. Muslimov T. Cooperative Circumnavigation with Robust Vector Field Guidance for Multiple UAVs in Unknown Wind Environments. J. Intell. Robot. Syst. 2023. vol. 109. no. 84. DOI: 10.1007/s10846-023-02000-3.
26. Муслимов Т.З. Методы и алгоритмы группового управления беспилотными летательными аппаратами самолетного типа. Системная инженерия и информационные технологии. 2024. Т. 6. № 1(16). С. 3–15.
27. Lafmejani A.S., Farivarnejad H., Sorkhabadi M.R., Zahedi F., Doroudchi A., Berman S. Collision-Free Velocity Tracking of a Moving Ground Target by Multiple Unmanned Aerial Vehicles. The 4th International Symposium on Swarm Behavior and Bio-Inspired Robotics. 2021.
28. Peters S.C., Bobrow J.E., Iagnemma K. Stabilizing a vehicle near rollover: An analogy to cart-pole stabilization. IEEE International Conference on Robotics and Automation. 2010. pp. 5194–5200. DOI: 10.1109/ROBOT.2010.5509367.
29. Beard R.W., McLain T.W. Small unmanned aircraft: Theory and practice. Princeton and Oxford: Princeton University Press. 2012. 320 p.
Collision Avoidance in Circular Motion of a Fixed-Wing Drone Formation Based on Rotational Modification of Artificial Potential Field
Abstract
In coordinated circular motion of a group of autonomous unmanned aerial vehicles (UAVs or drones), it is important to ensure that collisions between them are avoided. A typical situation occurs when one of the drones in a circular formation needs to overtake the drone ahead. The reason for such an overtake may be due to a given geometry of the UAV formation, when this configuration of a given relative position of the drones has changed for some reason. In this case, the limited maneuverability of UAVs of exactly fixed-wing type requires taking into account the peculiarities of their dynamics in the synthesis of the collision avoidance algorithm. The impossibility of the airspeed for a fixed-wing type UAV to drop below a certain minimum value also plays a role here. In this paper, we propose to use an approach based on vortex vector fields, which are essentially a rotational modification of the artificial potential field (APF) method. In this case, the path following algorithm developed in our previous works provides the circular motion. As a result, a collision avoidance algorithm has been developed that works efficiently by maintaining a coordinated circular motion of the autonomous drone formation without unnecessary turns. The proposed algorithm was named Artificial Potential Field for Circular Motion (abbreviated as APFfCM). Using the direct Lyapunov method, it is shown that the trajectories of the formation system have uniform boundedness (UB) when using the proposed control algorithm. Due to the boundedness of the candidate Lyapunov function, it is guaranteed that no collision event between drones will occur. Thus the control objective of providing coordinated circular motion for an autonomous fixed-wing type drone formation without collisions is achieved. Fixed-wing (“flying wing”) UAV models in MATLAB/Simulink environment demonstrate the effective performance of the proposed algorithm. These models have both full nonlinear dynamics and implementation of tuned autopilots stabilizing angular and trajectory motion.
Опубликован
Как цитировать
Раздел
Copyright (c) Тагир Забирович Муслимов
Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.
Авторы, которые публикуются в данном журнале, соглашаются со следующими условиями: Авторы сохраняют за собой авторские права на работу и передают журналу право первой публикации вместе с работой, одновременно лицензируя ее на условиях Creative Commons Attribution License, которая позволяет другим распространять данную работу с обязательным указанием авторства данной работы и ссылкой на оригинальную публикацию в этом журнале. Авторы сохраняют право заключать отдельные, дополнительные контрактные соглашения на неэксклюзивное распространение версии работы, опубликованной этим журналом (например, разместить ее в университетском хранилище или опубликовать ее в книге), со ссылкой на оригинальную публикацию в этом журнале. Авторам разрешается размещать их работу в сети Интернет (например, в университетском хранилище или на их персональном веб-сайте) до и во время процесса рассмотрения ее данным журналом, так как это может привести к продуктивному обсуждению, а также к большему количеству ссылок на данную опубликованную работу (Смотри The Effect of Open Access).