Моделирование процесса автономной посадки БпЛА-квадрокоптера на движущуюся платформу с использованием инфракрасной оптической системы

   Цель исследования. Оценка эффективности работы системы автоматической посадки БпЛА на подвижную платформу с использованием инфракрасного маяка на основе критериев точности посадки и успешность маневра при различных высотах.

   Методы. Моделирование процесса движения сложного объекта (БпЛА) в среде Gazebo с использованием экосистемы ROS. Позиционирование БпЛА основано на математической модели инфракрасного маяка, состоящего из четырех пар излучателей. Алгоритм посадки включает адаптивные ПИД-регуляторы для координат X и Y и логполиномиальный регулятор для обеспечения снижения аппарата по оси Z.

   Результаты. Тестирование посадки БпЛА проводилось 50 раз с высот 5 м, 10 м и 15 м . На высоте 5 м время посадки составило 9,04 сек (разброс 0,504 сек), ошибка – 0,18 м (разброс 0,035 м), успешность – 100 %. На 10 м время увеличилось до 19,17 сек (разброс 1,78 сек), ошибка – 0,19 м (разброс 0,036 м), успешность осталась 100 %. На 15 м время возросло до 40,45 сек (разброс 5,502 сек), ошибка – 0,21 м (разброс 0,046 м), распределение данных стало шире, появились выбросы, успешность снизилась до 92 %, что связано с потерями сигналов, их затуханием и необходимостью коррекции траектории. Увеличение высоты тестирования процесса посадки нецелесообразно из-за снижения вероятности успешной посадки.

   Заключение. Исследование показало, что система инфракрасного маяка эффективно работает для посадки БпЛА на подвижную платформу на высотах до 10 м, обеспечивая необходимую стабильность и точность. При высотах свыше 10 м возникают проблемы с потерей сигналов, увеличением времени посадки и ошибками, что требует улучшений для обеспечения надежности посадки.

1. Li X., et al. Drone-aided delivery methods, challenge, and the future : A methodological review // Drones. 2023. Vol. 7, №. 3. P. 191.

2. Gupta N., Chauhan R., Chadha S. Unmanned Aerial Vehicle (UAV) for parcel delivery // Int. J. Eng. Res. Technol. 2020. Vol. 13, № 10. P. 2824-2830.

3. Lebedeva V., Lebedev I. Development of an algorithm for coverage path planning for survey of the territory using UAVs // Frontiers in Robotics and Electromechanics. Singapore: Springer Nature Singapore, 2023. P. 315-329.

4. Ecke S. et al. UAV-based forest health monitoring : A systematic review // Remote Sensing. 2022. Vol. 14, № 13. P. 3205.

5. Kowshika M., et al. Unmanned Aerial Systems in Search and Rescue : A Comprehensive Review and Future Directions // Proceedings of 2024 5th International Conference on Mobile Computing and Sustainable Informatics (ICMCSI). IEEE, 2024. P. 15-18.

6. Dong J., Ota K., Dong M. UAV-based real-time survivor detection system in post-disaster search and rescue operations // IEEE Journal on Miniaturization for Air and Space Systems. 2021. Vol. 2, № 4. P. 209-219.

7. Khyasudeen M. F., et al. The development of a GPS-based autonomous quadcopter towards precision landing on moving platform // International Journal of Vehicle Autonomous Systems. 2022. Vol. 16. №. 2-4. P. 108-126.

8. Lebedev I., Erashov A., Shabanova A. Accurate autonomous uav landing using vision-based detection of aruco-marker // Proceedings of International Conference on Interactive Collaborative Robotics. Cham: Springer International Publishing, 2020. P. 179-188.

9. He Y., et al. Acoustic localization system for precise drone landing // IEEE Transactions on Mobile Computing. 2023. Vol. 23, №. 5. P. 4126-4144.

10. Yan L., et al. A safe landing site selection method of UAVs based on LiDAR point clouds // 2020 39th Chinese Control Conference (CCC). IEEE, 2020. P. 6497-6502.

11. Vargas J., et al. An overview of autonomous vehicles sensors and their vulnerability to weather conditions // Sensors. 2021. Vol. 21, № 16. P. 5397.

12. Karbowiak Ł., Kubanek M., Bobulski J. Comparison the ultrasonic distance sensor with the LiDAR in different conditions // Intelligent Human Systems Integration 2021 : Proceedings of the 4^th International Conference on Intelligent Human Systems Integration (IHSI 2021): Integrating People and Intelligent Systems, February 22-24, 2021, Palermo, Italy. Springer International Publishing, 2021. P. 111-115.

13. About Gazebo // Gazebo Official Website. URL: https://gazebosim.org/about.

14. ROS/Introduction // ROS Wiki. URL: https://wiki.ros.org/ROS/Introduction.

15. Mavros // ROS Wiki. URL: https://wiki.ros.org/mavros.

16. Husky // Husky UGV - Outdoor Field Research Robot by Clearpath. URL: https://clearpathrobotics.com/husky-unmanned-ground-vehicle-robot/.

17. Gazebo Vehicles// PX4 User Guide Website. URL: https://docs.px4.io/v1.12/en/simulation/gazebo_vehicles.html#quadrotor.

18. BPW34 B. Silicon PIN Photodiode // Vishay Semiconductors. URL: https://www.vishay.com/docs/81521/bpw34.pdf.

19. Anikin D., et al. Autonomous landing algorithm for UAV on a mobile robotic platform with a fractal marker // Proceedings of International Conference on Interactive Collaborative Robotics. Cham: Springer Nature Switzerland, 2023. P. 357-368.

20. Controller Diagrams // PX4 User Guilde Website. URL: https://docs.px4.io/main/en/flight_stack/controller_diagrams.html.