АНАЛІЗ ПРОЦЕСУ НАВІГАЦІЇ ТА ПЛАНУВАННЯ ШЛЯХУ АВТОНОМНОГО НАДВОДНОГО СУДНА
Анотація
Вступ. Автономні надводні судна (АНС) та їх застосування у дослідженнях різної складності є актуальною галуззю досліджень. Автономні надводні судна – це пристрої, здатні самостійно рухатись водним середовищем і виконувати різні завдання та проводити збір даних. Сфери застосування цих засобів пов’язані з водними ресурсами. Залучення АНС у різних дослідницьких місіях демонструє інтерес наукової спільноти до подібних платформ. В океанографії надводні дрони можуть допомогти збирати дані про температуру води, солоність, рівень кисню, хвильову активність та інші параметри. Це надає вченим більш повну картину про океанські явища та динаміку змін, що сприяє покращенню розуміння кліматичних процесів та екосистем океану. Подальша розробка та вдосконалення суден важливе питання та має велике практичне значення для галузей пов’язаних з водними ресурсами. Метою статті є проведення дослідження методів навігації та особливостей руху АНС, проблем та шляхів підвищення ефективності руху по заданому маршруту. Сфокусувати увагу на процесі планування шляху АНС як важливого етапу, на якому базується рух автономного судна, та провести огляд алгоритмів оптимізованого руху як аспекту планування шляху для знаходження потенційних шляхів покращення ефективності роботи. Результати. В статті проведено огляд методів навігації та особливостей руху АНС, основних структурних елементів та систематизовано основні проблеми та виклики, які наразі існують. Також проведений аналіз процесу планування шляху АНС як важливого етапу, який лежить в основі руху АНС по заданому маршруті. Досліджено важливий аспект планування шляху, а саме алгоритми оптимізованого руху як потенційних шлях підвищення ефективності руху. На основі дослідження було сформовано критерії оптимальності, урахування яких у роботі алгоритму дасть змогу покращити будування шляху та поліпшить загальну ефективність під час переміщення АНС. Висновки. Дослідження та розробка Автономних надводних суден продовжується і надалі. Зацікавленість у подібних суднах обумовлена широкими можливостями, які дозволяють застосувати їх у різних дослідницьких місіях. Враховуючи викладене, можна зробити висновок, що ефективний руху АНС під час виконання завдань – це комплексний процес, в основі якого лежить злагоджена робота навігаційної системи, правильно спланований маршрут та врахування зовнішніх факторів впливу. Розвиток алгоритмів оптимізованого руху дозволяють забезпечити гнучкість та адаптивність до змінних умов, що здатні забезпечити найкращі рішення в реальному часі. Подальше дослідження та впровадження алгоритмів оптимізації руху АНС відкриває нові перспективи для створення повністю автономних засобів нового покоління.
Завантаження
Посилання
2. Roberts, G.N. & Sutton, Rhondasutton. (2006). Advances in Unmanned Marine Vehicles. 10.1049/PBCE069E.
3. Rasal, Ketan, Navigation & control of an automated SWATH surface vessel for bathymetric mapping. 2013. Santa Clara University. Mechanical Engineering.
4. Bertram, V. (2008). Unmanned surface vehicles–A survey. In Proceedings of Skibsteknisk Selskab, Copenhagen, Denmark.
5. Murphy, R. R., Steimle, E., Griffin, C., Cullins, C., Hall, M., & Pratt, K. (2008). Cooperative use of unmanned sea surface and micro aerial vehicles at Hurricane Wilma. Journal of Field Robotics, 25(3), 164–180.
6. Peng, Y., J.D. Han and QJ Huang. Adaptive UKF Based Tracking Control for Unmanned Trimaran Vehicles. 2008.
7. Naeem, W., Xu, T., Sutton, R., & Tiano, A. (2008b). The design of a navigation, guidance, and control system for an unmanned surface vehicle for environmental monitoring. Proceedings of the Institution of Mechanical Engineers, Part M: Journal of Engineering for the Maritime Environment, 222(2), 67–79.
8. Larson, J., Bruch, M., & Ebken, J. (2006). Autonomous navigation and obstacle avoidance for unmanned surface vehicles. In Defense and Security Symposium (pp. 623007–623007). International Society for Optics and Photonics.
9. Wolf, M. T., Assad, C., Kuwata, Y., Howard, A., Aghazarian, H., Zhu, D., Huntsberger, T. (2010). 360-degree visual detection and target tracking on an autonomous surface vehicle. Journal of Field Robotics, 27(6), 819–833.
10. Gal, Oren & Zeitouni, Eran. (2013). Tracking Objects Using PHD Filter for USV Autonomous Capabilities. 10.1007/978-3-642-33084-1_1.
11. Marco Bibuli, Gabriele Bruzzone, Massimo Caccia, Lionel Lapierre. Path- Following Algorithms and Experiments for an Unmanned Surface Vehicle. Journal of Field Robotics, 2009, 26, pp. 669–688. ff10.1002/rob.20303ff. ffhal-00733789f.
12. Ma’arif, Alfian & Wahyunggoro, Oyas & Imam, Adha. 2019. Artificial Potential Field Algorithm Implementation for Quadrotor Path Planning. International Journal of Advanced Computer Science and Applications. 10.10.14569/IJACSA.2019.0100876.
13. Dale, Lucia, Amato, Nancy. 2001. Probabilistic roadmaps – Putting it all together. Proceedings – IEEE International Conference on Robotics and Automation. 2. 1940–1947 vol. 2.
14. Dijkstra, E.W. A note on two problems in connexion with graphs. 1959. Numer. Math. 1, 269–271.
15. M. Noto and H. Sato. A method for the shortest path search by extended Dijkstra algorithm. Smc 2000 conference proceedings., Nashville, TN, USA, 2000, pp. 2316-2320 vol.3, doi: 10.1109/ICSMC.2000.886462.
16. S. M. LaValle, Rapidly-Exploring Random Trees: A New Tool for Path Planning, Technical Report. 98-11.
17. Khatib, O. Real-time obstacle avoidance for manipulators and mobile robots. 1986. O. Khatib. Autonomous robot vehicles. Springer, 396–404.
18. Borenstein, Johann, Koren. 1991. The vector field histogram-fast obstacle avoidance for mobile robots. IEEE Trans. Robotics Autom. 7 278-288.
19. K.N. McGuire, G.C.H.E. de Croon, K. Tuyls, A comparative study of bug algorithms for robot navigation, Robotics and Autonomous Systems, Vol 121, 2019, 103261, ISSN 0921-8890.
20. G. Casalino, A. Turetta and E. Simetti. A three-layered architecture for real time path planning and obstacle avoidance for surveillance USVs operating in harbour fields. OCEANS 2009-EUROPE, Bremen, Germany, 2009, pp. 1–8, doi: 10.1109/OCEANSE.2009.5278104.

