Захаров Н.С., Харисов А.Р.
ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ АЛГОРИТМОВ РОЕВОГО УПРАВЛЕНИЯ ДЛЯ АВТОНОМНЫХ ГРУПП БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ *
Аннотация:
в статье рассматриваются созданные на текущий момент времени алгоритмы управления роем БПЛА. Проанализированы как преимущества, так и недостатки того или иного алгоритма и выявлен лучший из них. На основе анализа при помощи написания программы выбранный метод промоделирован численно, и его эффективность продемонстрирована в различных ситуациях.
Ключевые слова:
автоматизация испытаний, автоматизированные системы, роевые системы, рой дронов, численное моделирование
Введение.Современные технологии автономных беспилотных летательных аппаратов (БПЛА) открывают новые перспективы для такой области исследования, как мониторинг окружающей среды и поисково-спасательные операции. Однако эффективное управление группой БПЛА остается сложной задачей, особенно в условиях отсутствия стабильной связи, ограниченной точности позиционирования и динамически изменяющейся среды. Роевые алгоритмы, в свою очередь предлагают децентрализованный подход к координации множества агентов, обеспечивая устойчивость к внешним возмущениям, масштабируемость и адаптивность. Численное моделирование таких алгоритмов позволяет не только исследовать их поведение в виртуальной среде, но и оптимизировать параметры для реальных применений, минимизируя риски и затраты. В ходе данной статьи будут рассмотрены основные подходы роевого управления групп БПЛА. На их основе будет выбран наилучший метод, который мы промоделируем в различных условиях и проведем анализ его эффективности.Ключевые свойства роя дронов.Итак, роевое управление БПЛА предполагает организацию взаимодействия множества автономных агентов таким образом, чтобы они совместно выполняли поставленную задачу без централизованного контроля. Перечислим ключевые свойства, которыми должен обладать идеальный рой:Устойчивая структура – каждый дрон должен поддерживать заданное расстояние до соседей, формируя устойчивую конфигурацию. Это позволяет избежать столкновений и обеспечивает равномерное покрытие пространства.Децентрализация – отсутствие единого центрального управляющего элемента делает систему более гибкой. Каждый агент принимает решения на основе локальной информации, что важно в условиях отсутствия связи.Отказоустойчивость – потеря одного или нескольких дронов не должна приводить к разрушению всей группы.Энергоэффективность – эффективное использование энергии критично для БПЛА, из-за ограничения ёмкости аккумуляторов, поэтому алгоритмы должны оптимально распределить усилия между агентами.Движение по заданной траектории – рой должен быть способен перемещаться по заданной траектории, уметь обходить возможные препятствия, сохраняя при этом общую структуру и координацию.Существующие методы роевого алгоритма.Рассмотрим различные методы роевого алгоритма и определим, какими из необходимых вышеперечисленных свойств обладает каждый метод:Одним из самых распространённых подходов к моделированию поведения роя БПЛА является использование аналогии с физическими силами. В этих моделях каждый агент испытывает силу притяжения к соседям, если расстояние до них слишком велико, и силу отталкивания — если слишком мало. Это позволяет поддерживать равномерное распределение агентов в пространстве и избегать столкновений. Примером такого подхода служит модель, описанная в работе [1]. Основная идея заключается в том, что каждый агент стремится минимизировать функционал, зависящий от расстояния до соседей, что обеспечивает естественную самоорганизацию. Это позволяет формировать равномерное распределение агентов в пространстве и избегать столкновений. Также уделяется внимание движения роя к цели, для чего среди всех агентов выбирается один лидер, получающий информацию о направлении движения. Несмотря на перечисленные преимущества, данный алгоритм не гарантирует строгой регулярной структуры и не оптимизирован под энергоэффективность.Ещё одной популярной категорией является поведенческий алгоритм [2], в котором поведение каждого агента определяется набором правил, таких как «движение к цели», «избегание препятствий» и «выравнивание скорости с соседями». Данный подход очень напоминает классические модели поведения стай птиц или косяков рыб, адаптированные под БПЛА. Эти правила могут быть активированы в зависимости от текущего состояния среды и положения других агентов. Несмотря на интуитивную понятность и простоту реализации, такие алгоритмы не гарантируют устойчивости структуры роя и могут приводить к коллизиям или непредсказуемым ситуациям при сложных условиях. Эти ограничения делают поведенческие алгоритмы менее применимыми в задачах высокой точности.Алгоритм роя частиц (PSO) [3], изначально разработанный как метаэвристический метод оптимизации, также был адаптирован для управления роями БПЛА. Основная идея PSO заключается в том, что каждый агент имеет собственную "скорость" и "позицию", стремясь двигаться к лучшей личной и глобальной позиции. Этот метод эффективен в задачах поиска экстремума функции и хорошо работает при наличии целевой функции, но не обеспечивает устойчивой структуры роя, децентрализован лишь частично и склонен к преждевременной сходимости, что может привести к столкновению всех дронов в одной точке. Поэтому он чаще используется в задачах маршрутизации и планирования пути, чем в задачах формирования плотной группы.Муравьиный алгоритм (ACO) [4], заимствованный из биологических систем, использует концепцию феромонов для передачи информации между агентами. Каждый агент оставляет "след", который влияет на выбор пути другими агентами. Чем больше феромона на определённом участке, тем выше вероятность, что другие агенты выберут этот путь. Метод эффективен в задачах покрытия территории и маршрутизации, но также не предназначен для поддержания фиксированной структуры роя. Кроме того, он требует времени для формирования устойчивых путей и зависит от качества "памяти" среды. Поэтому его можно использовать лишь в комбинации с одним из более эффективных методов.В работе [5] рассмотрен подход, основанный на теории консенсуса, где каждый агент стремится согласовать своё состояние с соседями в условиях неопределённости, шумов и задержек передачи данных. Это достигается через итеративный процесс обмена информацией и коррекции собственного состояния. Метод отличается высокой математической строгостью, обоснованной отказоустойчивостью, а также обладает высокой энергоэффективностью благодаря тому, что консенсус достигается за счет плавного изменения состояний агентов. Тем не менее, он также не гарантирует формирование регулярной структуры роя.Метод искусственной физики.Все вышеперечисленные подходы имеют свои преимущества и ограничения, но ни один из них не сочетает в себе одновременно все необходимые вышеперечисленные свойства для эффективного управления роем БПЛА. Именно поэтому особый интерес представляет метод искусственной физики (Artificial Physics), разработанный изначально для движения роя наземных роботов в работе [6] и модифицированный для БПЛА в работе [7]. Этот подход основан на аналогии с классической механикой: каждый дрон ведёт себя как материальная точка, на которую действуют силы, зависящие от расстояния до соседей.Формирование равновесного состояния, в котором все дроны находятся на расстоянии R друг от друга, происходит естественным образом благодаря тому, что система стремится к минимуму потенциальной энергии. Это приводит к самоорганизации роя в гексагональную решётку, которая является наиболее устойчивой и компактной конфигурацией в двумерном пространстве. Потеря нескольких дронов всегда вновь перестраивает её в наиболее энергетически выгодную структуру. Кроме того, данный метод предусматривает возможное применение роя в помещениях и при отсутствии спутниковой связи, благодаря использованию оптоэлектронной системы отслеживания вместо GPS. Также для повышения надёжности сборки дронов разработан механизм спирального сближения [8] и адаптивного изменения параметров. Несомненно, важной особенностью AP является его устойчивость к шумам измерений и внешним помехам. За счёт использования сил трения и инерции система демонстрирует гладкое поведение даже при неточности данных. Это позволяет использовать метод в условиях ограниченной видимости, при наличии воздушных потоков или при использовании неточных датчиков.Метод искусственной физики может быть формализован с помощью потенциальных функций, которые определяют силы взаимодействия между агентами. Обычно используется комбинация сил притяжения и отталкивания, зависящих от расстояния между дронами. Для управления движением всего роя в заданном направлении добавляется внешняя сила
Номер журнала Вестник науки №6 (87) том 3
Ссылка для цитирования:
Захаров Н.С., Харисов А.Р. ЧИСЛЕННОЕ МОДЕЛИРОВАНИЕ АЛГОРИТМОВ РОЕВОГО УПРАВЛЕНИЯ ДЛЯ АВТОНОМНЫХ ГРУПП БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ // Вестник науки №6 (87) том 3. С. 1935 - 1945. 2025 г. ISSN 2712-8849 // Электронный ресурс: https://www.вестник-науки.рф/article/24447 (дата обращения: 12.01.2026 г.)
Вестник науки © 2025. 16+