Застосування моделей штучного інтелекту для вирішення проблеми втрати контролю над дроном

Автор(и)

  • А. Ахаладзе КПІ ім. Ігоря Сікорського, Ukraine
  • О. Лісовиченко КПІ ім. Ігоря Сікорського, Ukraine
  • Н. Богданова КПІ ім. Ігоря Сікорського, Ukraine

DOI:

https://doi.org/10.20535/1560-8956.43.2023.292245

Ключові слова:

керування дронами, Azure, Azure IoT Hub Edge

Анотація

Об’єктом дослідження є процес управління роєм дронів з можливим розривом каналу комунікації з управляючим хабом, що дозволить зменшити ризики втрати членів рою у випадку втрати зв'язку з хабом, за рахунок побудови дублюючої системи контролю. Метою роботи є уникнення зависання дрону у невизначеному стані при втраті
зв'язку з управляючим хабом за рахунок побудови модулю дублюючої системи контролю на базі ІоТ Edge Module, що використовує простий пре-навчений класифікатор зображень для пошуку жесту та запускає сценарій посадки у випадку
втрати звяззку з ІоТ хабом. Запропонований підхід дозволяє розгортати модуль на кожному члені рою, висуваючи вимоги сумісності, та розгортання на кожному дроні дозволяє виконувати операції автономного сценарію посадки незалежно, ізольовано. Використання ІоТ Edge моделі розгортання дозволяє будувати незалежні модулі для
моніторингу стану та керування, що дає можливість будувати більш складну логіку системи керування роєм, а використання попередньо навченої моделі розпізнавання не вимагає глибоких знань нейронних мереж.

Бібл. 12, рис. 6

Посилання

Akhaladze A.E. Using IoT to synchronize flight trajectories of drones // Adaptive automatic control systems. 2021. No. 39. C.20-26 https://doi.org/10.20535/1560-8956.39.2021.247381

Akhaladze A.E. Synchronization of flight trajectories based on the "Internet of Things" architecture when implementing swarm control Adaptive automatic control systems. 2022. No. 40. C. https://doi.org/10.20535/1560-8956.40.2022.261536

Al-Fuqaha, A., Guizani, M., Mohammadi, M., Aledhari, M., & Ayyash, M. (2015). Internet of things: A survey on enabling technologies, protocols, and applications. IEEE Communications Surveys & Tutorials, 17(4), 2347-2376.

Suresh, S., & Srinivasan, R. (2021). Design and development of an intelligent drone for object detection and classification. Journal of Ambient Intelligence and Humanized Computing, 12(6), 5231-5242.

Yang, H., Xiong, Y., Liu, S., & Chen, X. (2019). A survey on multi-objective evolutionary algorithms for feature selection in machine learning. Neurocomputing, 338, 37-53.

Mohammadi, M., Al-Fuqaha, A., Sarigiannidis, P., & Tsoumakos, D. (2018). Deep learning for IoT big data and streaming analytics: A survey. IEEE Communications Surveys & Tutorials, 20(4), 2923-2960.

Tan, K. C., & Lee, T. H. (2017). Evolutionary computation for adaptive unmanned aerial vehicle swarm control: A review. IEEE Transactions on Evolutionary Computation, 21(5), 692-709.

Liu, S., Zou, C., & Song, Y. (2019). Multi-objective optimization of UAV path planning based on genetic algorithm. Complexity, 2019, 1-15.

Han, Z., Li, Q., Feng, X., Liu, H., & Yu, H. (2020). A hybrid optimization method for drone path planning based on genetic algorithm and neural network. Complexity, 2020, 1-18.

Rashed, M. G., Eltawil, A. B., & Youssef, H. A. (2018). Drone trajectory optimization using genetic algorithms. Journal of Intelligent & Robotic Systems, 89(3-4), 483-497.

Akhaladze I.E. Increasing the efficiency of streaming video processing using serverless technologies // Adaptive automatic control systems. 2021. No. 39. C.32-40 https://doi.org/10.20535/1560-8956.39.2021.247393

Akhaladze I.E. The use of serverless functions in the algorithm for calculating the target point of the trajectory under dynamic loading. 2022. No. 40. C.34-38 https://doi.org/10.20535/ 1560-8956.40.2022.261531

##submission.downloads##

Опубліковано

2023-12-01