Autonomous Rendezvous of Multiple Fixed-Wing UAVs Using Pso-Driven Optimal Control

Loading...

Date

Journal Title

Journal ISSN

Volume Title

Publisher

Open Access Color

OpenAIRE Downloads

OpenAIRE Views

relationships.isProjectOf

relationships.isJournalIssueOf

Abstract

The roles assigned to Unmanned Aerial Vehicles (UAVs) are diversifying daily within the scope of military and civil aviation operations. Autonomous swarm capabilities developed to successfully fulfill these roles have become a critical priority. High-precision coordination of multiple UAVs in dynamic and complex mission environments is crucial for mission success. However, this coordination problem pushes the limits of modern control processes. Based on the coordination problem in question, this thesis addresses the autonomous rendezvous problem of multiple fixed-wing UAVs. The primary objective of the study is to ensure that the UAVs reach the designated rendezvous point simultaneously, without collisions, and in the shortest possible time. The solution space of the problem is multi-dimensional and non-convex in structure. In this regard, an integrated Synthesized Particle Swarm Optimization (SynthPSO) method has been developed to address the shortcomings of existing optimization approaches in the literature. This approach enhances the stability of the algorithm and its capability to reach a global solution by integrating different advanced optimization strategies. With the developed method, the controller coefficients of all UAVs have been simultaneously optimized through an integrated cost function. Furthermore, a non-linear dynamic aircraft model has been created to overcome the limitations of kinematic or linear approaches commonly used in the literature. Simulation studies confirm that the proposed approach exhibits significantly better performance compared to traditional methods, offering a scalable and modular structure for swarm coordination.
İnsansız Hava Araçlarına (İHA) atanan roller, askeri ve sivil havacılık operasyonları kapsamında gün geçtikçe çeşitlenmektedir. Bu rolleri başarıyla yerine getirmek için geliştirilen otonom sürü yetenekleri kritik bir öncelik haline gelmiştir. Dinamik ve karmaşık görev ortamlarında çoklu İHA'ların yüksek hassasiyetli koordinasyonu, görev başarısı için temel teşkil etmektedir. Ancak bu koordinasyon problemi modern kontrol süreçlerinin sınırlarını zorlamaktadır. Bu tez, söz konusu koordinasyon probleminden yola çıkarak çoklu sabit kanatlı İHA'ların otonom buluşma problemini ele almaktadır. Çalışmanın ana amacı, İHA'ların belirlenen buluşma noktasına mümkün olan en kısa sürede, çarpışmasız ve eş zamanlı olarak ulaşmalarını sağlamaktır. Problemin çözüm uzayı, çok boyutlu ve dışbükey olmayan bir yapıdadır. Bu doğrultuda, literatürdeki mevcut optimizasyon yaklaşımlarının eksikliklerini gidermek amacıyla bütünleşik bir Sentezlenmiş Parçacık Sürü Optimizasyonu yöntemi geliştirilmiştir. Bu yaklaşım, farklı gelişmiş optimizasyon stratejilerini bütünleştirerek algoritmanın kararlılığını ve küresel çözüme ulaşma yeteneğini artırmaktadır. Geliştirilen yöntem ile tüm İHA'ların kontrolcü katsayıları, bütünleşik bir maliyet fonksiyonu üzerinden eş zamanlı olarak optimize edilmiştir. Ayrıca, literatürde yaygın kullanılan kinematik veya doğrusal yaklaşımların kısıtlarını aşmak amacıyla doğrusal olmayan dinamik bir uçak modeli oluşturulmuştur. Benzetim çalışmaları, önerilen yaklaşımın geleneksel yöntemlere kıyasla önemli ölçüde daha iyi performans sergilediğini doğrulamakta ve sürü koordinasyonu için ölçeklenebilir ve modüler bir yapı sunmaktadır.

Description

Keywords

Mekatronik Mühendisliği, Unmanned Aerial Vehicle, Sabit Kanatlı Hava Araçları, Civil Aviation, Optimal Control, Particle Swarm Optimization, İnsansız Hava Aracı, Nonlinear Control Theory, Optimal Kontrol, Doğrusal Olmayan Kontrol Teorisi, Havacılık ve Uzay Mühendisliği, Parçacık Sürü Optimizasyonu, Aeronautical Engineering, Sivil Havacılık, Fixed-Wing Aircraft, Mechatronics Engineering

Turkish CoHE Thesis Center URL

Fields of Science

Citation

WoS Q

Scopus Q

Source

Volume

Issue

Start Page

End Page

105
Google Scholar Logo
Google Scholar™

Sustainable Development Goals