Оценка нагруженности протоколов обмена данными для БПЛА на базе интеллектуальных компонентов

Цель работы заключается в изучении работы протоколов на различных уровнях взаимодействия, предложить варианты улучшения безопасности взаимодействия на основе внедрения интеллектуальных компонентов. В последние годы значительно вырос интерес к использованию дронов в различных сферах. Причины связаны с непрерывным ростом технологий, особенно с появлением быстрых микропроцессоров, которые обеспечивают автономное управление несколькими системами. Фотография, строительство, контроль и наблюдение – лишь некоторые из областей, в которых использование дронов становится обычным явлением.

Методы. В статье рассматриваются протоколы, задействованные в работе БПЛА на разных уровнях, их особенности, преимущества и недостатки, а также их нагруженность и обеспечение безопасности. Использование реалистичных технологических особенностей беспилотных летательных аппаратов для тестирования моделей и методов может оказаться весьма актуальным для практических целей в различных отраслях от гражданских до военных. Задачами исследования являются детализация протоколов обмена информации в БПЛА по различным уровням, с учетом анализа структуры передаваемой информации.

Результаты. Рациональное использование энергии имеет решающее значение для осуществления эффективного и безопасного процесса работы БПЛА. Перебои в энергоснабжении могут нанести серьезный ущерб району полета. Затронуты и рассмотрены вопросы корреляции загруженности протокола связанных с потреблением энергии и стратегиями зарядки.

Заключение. Исследование изучает различные протоколы обмена данными, которые используются в системах БПЛА, а также анализирует их производительность. Для качественной оценки влияния на безопасность информации, предлагается ввести интеллектуальные компоненты, которые динамически адаптируют протоколы обмена данными на основе анализа угроз в режиме работы в реальном времени и возможностей системы.

1. Каляев А. И., Коровин Я. С. Комплекс обнаружения и поражения БПЛА-нарушителей с помощью БПЛА-перехватчиков // Вопросы оборонной техники. Серия 16: Технические средства противодействия терроризму. 2021. № 3-4(153-154). С. 101-107. EDN GMUUOD.

2. Аблец А. А., Стребков А. Н., Завгородняя Е. В. Опыт создания роя БПЛА в вооруженных силах иностранных государств // Военная мысль. 2022. № 6. С. 137-146. EDN ISYTIR.

3. Пенской И. С., Рогозин О. В. Нейро-нечеткий ПИД-регулятор в задаче угловой стабилизации мультироторного БПЛА // Новые информационные технологии в автоматизированных системах. 2018. № 21. С. 320-327. EDN XNRSJV.

4. Актуальные вопросы управления группой БПЛА / И. Н. Балашенко, Н. А. Горыня, А. С. Гунько, В. И. Никонов // Динамика систем, механизмов и машин. 2022. Т. 10, № 1. С. 14-17. DOI 10.25206/2310-9793-2022-10-1-14-17. EDN XHEHPM.

5. Подоплекин Ю. Ф., Толмачев С. Г., Шаров С. Н. Информационно-управляющая система приведения беспилотных летательных аппаратов на движущееся судно // Информационно-управляющие системы. 2012. № 3(58). С. 22-28. EDN OYIGWZ.

6. Силкин А. А., Ивановский А. Н., Черный С. Г. Автоматизированная система управления БПЛА в пределах локальной системы позиционирования // Состояние и перспективы развития современной науки по направлению "Робототехника": сборник статей IV Всероссийской научно-технической конференции, Анапа, 20–21 июля 2022 г. Анапа, 2022. С. 224-235. EDN WTLPIU.

7. Michels M., Wever H., Musshoff O. ‘Drones take flight in forests: Uncovering the ‘tree’-mendous potential and ‘timber’-rific challenges for German forest managers by applying the technology acceptance model // Forest Policy and Economics. 2023. 157. P. 103077. doi:10.1016/j.forpol.2023.103077.

8. Zhu Z., Jeelani I., Gheisari M. ‘Physical risk assessment of drone integration in construction using 4D simulation’ // Automation in Construction, 2023. 156. P. 105099. doi:10.1016/j.autcon.2023.105099.

9. Garg V. et al. Drones in last-mile delivery: A systematic review on efficiency, accessibility, and Sustainability’ // Transportation Research Part D: Transport and Environment, 2023. 123. P. 103831. doi:10.1016/j.trd.2023.103831.

10. Кутахов В. П., Мещеряков Р. В. Управление групповым поведением беспилотных летательных аппаратов: постановка задачи применения технологий искусственного интеллекта // Проблемы управления. 2022. № 1. С. 67-74. DOI 10.25728/pu.2022.1.5. EDN JLXUXI.

11. Мещеряков Р. В., Илюхин Б. В. Обзор соревновательной робототехники. Состязания спортивных роботов // Робототехника и техническая кибернетика. 2022. Т. 10, № 4. С. 255-260. DOI 10.31776/RTCJ.10402. EDN ISXMEV.

12. Емельянов С.Г., Бобырь М. В., Бондаренко Б. А. Нечетко-логическая система распознавания цвета с помощью быстродействующего дефаззификатора // Известия Юго-Западного государственного университета. 2022; 26(4): 103-116. https://doi.org/10.21869/2223-1560-2022-26-4-103-116.

13. Емельянов С. Г., Бобырь М. В., Крюков А. Г. Исследование свойств алгоритма поиска в ширину для нахождения маршрута передвижения роботов // Известия Юго-Западного государственного университета. 2022; 26(4): 39-56. https://doi.org/10.21869/223-1560-2022-26-4-39-56.

14. Alwateer M., Loke S. W., Fernando N. Enabling drone services: Drone crowdsourcing and drone scripting // IEEE Access. 2019. Vol. 7. P. 110035-110049. DOI 10.1109/ACCESS.2019.2933234. EDN ICGTGY.

15. Hassija V., Saxena V., Chamola V. Scheduling drone charging for multi-drone network based on consensus time-stamp and game theory // Computer Communications. 2020. Vol. 149. P. 51-61. DOI 10.1016/j.comcom.2019.09.021. EDN WAIQEY.

16. Hu J., Lanzon A. An innovative tri-rotor drone and associated distributed aerial drone swarm control // Robotics and Autonomous Systems. 2018. Vol. 103. P. 162-174. DOI 10.1016/j.robot.2018.02.019. EDN MEFVVB.

17. Kim H., Chang W. Intuitive Drone Control using Motion Matching between a Controller and a Drone // Archives of Design Research. 2022. Vol. 35, No. 1. P. 93-113. DOI 10.15187/adr.2022.02.35.1.93. EDN RTZJES.

18. Cocoma-Ortega J. A., Martinez-Carranza J. A compact CNN approach for drone localisation in autonomous drone racing // Journal of Real-Time Image Processing. 2022. Vol. 19, No. 1. P. 73-86. DOI 10.1007/s11554-021-01162-3. EDN CFYATS.

19. An Optimization Approach to Minimize the Expected Loss of Demand Considering Drone Failures in Drone Delivery Scheduling / M. Torabbeigi, G. J. Lim, N. Ahmadian, S. J. Kim // Journal of Intelligent and Robotic Systems. 2021. Vol. 102, No. 1. DOI 10.1007/s10846-021-01370-w. EDN RBLKPP.

20. Noise Attenuation on IMU Measurement for Drone Balance by Sensor Fusion / M. L. Hoang, M. Carratu, V. Paciello, A. Pietrosanto // Conference Record - IEEE Instrumentation and Measurement Technology Conference, Virtual, Glasgow, 17–20 мая 2021 года. Virtual, Glasgow, 2021. P. 9460041. DOI 10.1109/I2MTC50364.2021.9460041. EDN HYQCOI.