Sensör görüş yeteneklerinin İHA rota optimizasyonuna entegrasyonu: doğrusal bir model ve sezgisel bir algoritma önerisi

Günümüzde ülkeler, İnsansız Hava Aracı teknolojilerinin geliştirilmesi için araştırma ve geliştirme çalışmalarına büyük kaynak aktarmaktadırlar. Teknoloji yoğun bu sistemlerin etkin kullanımında karşılaşılan en önemli problem, maksimum sayıda hedefi gözlemleyebilecek minimum maliyetli rota planını belirleyebilmektir. İnsansız Hava Aracı Rotalama Problemi; literatürde Çoklu Gezgin Satıcı ve Araç Rotalama Probleminin bütünleşiği olarak kabul edilmektedir. İnsansız Hava Araçlarına entegre edilen sensörlerin görüş yeteneklerinin rota planına dâhil edilmesiyle rotalama modelleri geliştirilebilir. Bu çalışmada; İnsansız Hava Aracı rotalama sürecinde, sensör görüş yeteneklerini dikkate alan doğrusal bir model ve iki aşamalı sezgisel bir rotalama algoritması önerilmektedir. Önerilen modellerin testi için Türkiye güney sınır hattı üzerinde keşif ve gözetleme faaliyetine yönelik jenerik bir senaryo geliştirilmiştir. Test sonuçları, sensör yeteneklerinin İnsansız Hava Aracı uçuş rotalama modellerine dâhil edilmesinin uçuş yolunun en küçüklenmesinde etkili olduğunu ve iki aşamalı sezgisel rotalama algoritmasının İnsansız Hava Aracı rotalama sürecinde etkin olarak kullanılabileceğini göstermektedir.

Anahtar Kelimeler:

İHA rota optimizasyonu, sensör rotalama modeli, sensör yönetimi, birim sensör kaplama algoritması

PDF

___

1. Karakaya M., UAV route planning for maximum target coverage, Computer Science and Engineering: An International Journal, 4 (1), 27-34, 2014.
2. Kocabaş S., İnsansız hava araçlarının rota planlaması için bir karar destek sistemi, Yüksek Lisans Tezi, Kara Harp Okulu, Savunma Bilimleri Enstitüsü, Ankara, 2003.
3. Collins G.E., Riehl J.R., Vegdahl P.S., A UAV routing and sensor control optimization algorithm for target search, Proceedings of SPIE, USA, 6561, 6561D, 2007.
4. Sun C., Duan H., A restricted-direction target search approach based on coupled routing and optical sensor tasking optimization, Optik, 123, 2226-2229, 2012.
5. Avellar G.S.C., Pereira G.A.S., Pimenta L.C.A., Iscold P., Multi-UAV routing for aera coverage and remote sensing with minimum time, Sensors, 15 (11), 27783-27803, 2015.
6. Bektas T., The multiple traveling salesman problem: an overview of formulations and solution procedures, Omega, 34 (3), 209-219, 2009.
7. Laporte G., The vehicle routing problem: an overview of exact and approximate algorithms, European Journal of Operation Research, 59 (3), 345-358, 1992.
8. Enright J.J., Frazzoli E., On multiple UAV routing with stochastic targets: performance bounds and algorithms, Proc. of the AIAA Conference on Guidance, Navigation And Control, Canada, 2005.
9. Pakkan B., Ermiş M., Assignment of a fleet of unmanned aerial vehicles to multi targets using genetic algorithms, Journal of Aeronautics and Space Technologies, 4 (3), 77-84, 2010.
10. Sun T.S., Chin-Li H., Shang-Yeng T., Yu-Hsiang Y., Chan-Cheng L., Intelligent flight task algorithm for unmanned aerial vehicle, Expert Systems with Applications, 38, 10036-10048, 2011.
11. Chen Y., Han J., Zhao X., Three-Dimensional path planning for unmanned aerial vehicle basel on linear programming, Robotica, 30, 773-781, 2012.
12. Sundar K., Rathinam S., Route Planning Algorithms for Unmanned Aerial Vehicles with Refueling Constraints, Proc. of the 2012 American Control Conference, USA, 3266-3271, 2012.
13. Seylan Ç., Semiz F., Bican Ö.S., İnsansız araçlarla düzlemsel olmayan alanların taranması, Savunma Bilimleri Dergisi, 11 (1), 107-117, 2012.
14. Mufalli F., Batta R., Nagi R., Simultaneous sensor selection and routing of unmmaned aerial vehicles for complex mission plans, Computers and Operation Research, 32, 2787-2799, 2012.
15. Guerriero F., Surace R., Loscrí V., Natalizio E., A multi-objective approach for unmanned aerial vehicle routing problem with soft time windows constraints, Applied Mathematical Modelling, 38, 839–852, 2014.
16. Babel L., Flight path planning for unmanned aerial vehicles with landmark-based visual navigation, Robotics And Autonomous Systems, 62, 142-150, 2014.
17. Sarıçiçek İ., Akkuş Y., Unmanned aerial vehicle hub-location and routing for monitoring geographic borders, Applied Mathematical Modelling, 39 (14), 3939-3953, 2015.
18. Zhang X., Duan H., An improved constrained differential evolution algorithm for unmanned aerial vehicle global route planning, Applied Soft Computing, 26, 270-284, 2015.
19. Özalp N., Şahingöz Ö.K., Ayan U., Autonomous unmanned aerial vehicle route planning, (SIU) 21st Signal Processing and Communications Applications Conference, 1-4, 2013.
20. Tezcaner D., Köksalan M., Multi objective route planning for unmanned air vehicles, Proc. of the 20th International Conference on MCDM, China, 2009.
1. Arıca N., Cicibaş H., Demir, K.A., İnsansız hava araçları için çok kriterli güzergâh planlama modeli, Savunma Bilimleri Dergisi, 11 (1), 251-270, 2012.
2. Ercan C., Gencer C., Dinamik insansız hava sistemleri rota planlaması literatür araştırması ve insansız hava sistemleri çalışma alanları, Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi, 19 (2), 104-111, 2013.
3. Ercan C., Gencer C., İnsansız hava sistemleri rota planlaması dinamik çözüm metotları ve literatür araştırması, Selçuk Üniversitesi Mühendislik Bilim ve Teknoloji Dergisi, 1 (2), 51-72, 2013.
4. Ercan C., Gencer C., An integer programming model for the heterogeneous UAV fleet routing problems, Savunma Bilimleri Dergisi, 12 (2), 119-144, 2013.
5. Gary M.R., Johnson D.S., Computers and Intractability: A Guide to the Theory of NP Completeness, New York: W.F.Freeman and Co., 1979.
6. Creutz M., Microcanonical monte carlo simulation, Physical Review Letters, 50, 1411–1414, 1983.
7. Zimmermann T., Salamon P., The demon algorithm, International Journal of Computer Mathematics, 42 (1/2), 21-31, 1992.
Pepper J.W., Golden B.L., Wasil E.A., Solving the traveling salesman problem with annealing-based heuristics: A computational study, IEEE Transactions on Systems, Man and Cybernetics, 32 (1), 72–77, 2002.