МОДЕЛИ БЕСШОВНОГО СЕТЕВОГО ВЗАИМОДЕЙСТВИЯ ГРУППЫ СЕЛЬСКОХОЗЯЙСТВЕННЫХ БПЛА
Аннотация
Внедрение групп беспилотных летательных аппаратов (БпЛА) в точное земледелие сдерживается рядом проблем, относящихся к устойчивости связи на удаленных от точки взлета участках и зависимостью от погодных условий, которые могут снижать эффективность применения технологии. Существующие модели планирования недостаточно адаптивны к динамическим изменениям агросреды, проблемам связи и в большинстве случаев предполагают строгое следование фиксированным траекториям. Целью данного исследования является разработка концептуальных моделей бесшовного функционирования и системы связи для координации группы сельскохозяйственных БпЛА. В работе представлена диаграмма связанности элементов системы, которая обеспечивает непрерывность процессов от инициализации до автоматической замены аккумуляторов и дозаправки БпЛА. Разработана модель связи системы с узлом ретрансляции, разделяющая трафик, что позволяет исключать коллизии и стабилизировать обмен данными на дистанциях свыше 2,5 км. Представлен способ распределения задач с учетом энергообеспечения и пространственных координат БпЛА, который позволяет динамически перераспределять нагрузку при отказах. Предложенные решения повышают автономность и отказоустойчивость группы БпЛА, минимизируют участие оператора и обеспечивают безопасное выполнение миссий в условиях недетерминированной среды. Апробация предложенной модели, выполненная в лабораторных и полевых условиях, показала устойчивое функционирование при передаче данных на дальних дистанциях и при групповом режиме работы. Отдельно подтверждено отсутствие коллизий при обмене данными между БпЛА, что свидетельствует о корректности разделения трафика и эффективности выбранной архитектуры связи. Полученные результаты подтверждают возможность практического применения разработанных моделей для повышения автономности и непрерывности выполнения сельскохозяйственных работ. Разработанные решения также демонстрируют потенциал масштабирования, что расширяет область их применения в задачах точного земледелия
Список литературы
1. Starovoytov V.I., Starovoytova O.A., Manokhina A.A., Shabanov N.E., Chayka V.A. Primenenie mikro-elementov pri vyrashchivanii kartofelya - predposylki ispol'zovaniya dronov [Application of trace ele-ments in potato cultivation – prerequisites for the use of drones], Agroinzheneriya [Agricultural Engi-neering], 2021, Vol. 4, pp. 14-20. DOI: 10.26897/2687-1149-2021-4-14-20.
2. Sun C., Zhou J., Ma Y., Xu Y., Pan B., Zhang Z. A review of remote sensing for potato traits characteri-zation in precision agriculture, Frontiers in Plant Science, 2022, Vol. 13, pp. 871859. DOI: 10.3389/fpls.2022.871859.
3. Izmaylov A.Y. Smart technologies and robotic means in agricultural production, Vestnik Rossiyskoy Akademii Nauk, Herald of the Russian Academy of Sciences, 2019, Vol. 89 (5), pp. 536-538. DOI: 10.31857/S0869‑5873895536‑538.
4. Stepanov A., Fomina E., Illarionova L., Dubrovin K., Fedoseev D. Vegetation Indices (NDVI and EVI) Time Series Approximation for Monitoring Crops of Khabarovsk Territory, Informatics and Automa-tion, 2023, Vol. 22 (6), pp. 1473-1498. DOI: 10.15622/ia.22.6.8.
5. Gubanov B., Lebedeva V., Lebedev I., Astapova M. Algorithms and software for evaluation of plant height in vertical farm using UAVs, Agriculture Digitalization and Organic Production: Proceedings of the Second International Conference. Singapore: Springer Nature Singapore, 2022, pp. 351-362.
6. Shaytura S.V. Monitoring sel'skokhozyaystvennykh zemel' pri pomoshchi bespilotnykh letatel'nykh apparatov [Monitoring agricultural lands using unmanned aerial vehicles], Prakticheskie aspekty prime-neniya sovremennykh bespilotnykh letatel'nykh apparatov: sbornik nauchnykh trudov [Practical aspects of the use of modern unmanned aerial vehicles], 2022, pp. 46-57.
7. Nikolakopoulos I.A., Petropoulos G.P. Obtaining a Land Use/Cover Cartography in a Typical Mediter-ranean Agricultural Field Combining Unmanned Aerial Vehicle Data with Supervised Classifiers, Land, 2025, Vol. 14, No. 3, pp. 643.
8. Pavlova A.I. Application of unmanned and geoinformation technologies for digital soil mapping, Infor-mation technologies, systems and devices in agroindustrial complex. Agroinfo-2021, 2021, pp. 97-99.
9. Hassler S.C., Baysal-Gurel F. Unmanned aircraft system (UAS) technology and applications in agricul-ture, Agronomy, 2019, Vol. 9, No. 10, pp. 618.
10. Velusamy P., Rajendran S., Mahendran R. K., Naseer S., Shafiq M., Choi J.G. Unmanned Aerial Vehi-cles (UAV) in precision agriculture: Applications and challenges, Energies, 2021, Vol. 15, No. 1, pp. 217.
11. Makam S., Komatineni B.K., Meena S.S., Meena U. Unmanned aerial vehicles (UAVs): an adoptable technology for precise and smart farming, Discover Internet of Things, 2024, Vol. 4, No. 1, pp. 12.
12. Sharon G., Stern R., Felner A., Sturtevant N.R. Conflict-based search for optimal multi-agent pathfind-ing, Artificial Intelligence, 2015, Vol. 219, pp. 40-66.
13. Wang Z., Zhang Z., Dou W., Hu G., Zhang L., Zhang M. Extending Conflict-Based Search for Optimal and Efficient Quadrotor Swarm Motion Planning, Drones, 2024, Vol. 8, No. 12, pp. 719.
14. Andreychuk A., Yakovlev K., Boyarski E., Stern R. Improving continuous-time conflict based search, Proceedings of the AAAI Conference on Artificial Intelligence, 2021, Vol. 35, No. 13, pp. 11220-11227.
15. Liu X., Su Y., Wu Y., Guo Y. Multi-conflict-based optimal algorithm for multi-UAV cooperative path planning, Drones, 2023, Vol. 7, No. 3, pp. 217.
16. Čáp M., Novák P., Vokřínek J., Pěchouček M. Multi-agent RRT*: Sampling-based cooperative pathfind-ing, arXiv preprint arXiv:1302.2828, 2013.
17. Karaman S., Frazzoli E. Sampling based algorithms for optimal motion planning, The international journal of robotics research, 2011, Vol. 30, No 7, pp. 846-894.
18. Silver D. Cooperative pathfinding, Proceedings of the aaai conference on artificial intelligence and in-teractive digital entertainment, 2005, Vol. 1, No. 1, pp. 117-122.
19. Barer M. Sharon G., Stern R., Felner A. Suboptimal variants of the conflict based search algorithm for the multi agent pathfinding problem, Proceedings of the international symposium on combinatorial Search, 2014, Vol. 5, No. 1, pp. 19-27.
20. Van Den Berg J., Guy S. J., Lin M., Manocha D. Reciprocal n body collision avoidance, Robotics Re-search: The 14th International Symposium ISRR. Berlin, Heidelberg: Springer Berlin Heidelberg, 2011, pp. 3-19.
21. Van den Berg J., Lin M., Manocha D. Reciprocal velocity obstacles for real time multi agent navigation, 2008 IEEE international conference on robotics and automation. IEEE, 2008, pp. 1928-1935.
22. Yan X., Jiang D., Miao R., Li Y. Formation control and obstacle avoidance algorithm of a multi USV system based on virtual structure and artificial potential field, Journal of Marine Science and Engineer-ing, 2021, Vol. 9, No. 2, pp. 161.
23. Wu W., Zhang X., Miao Y. Starling behavior inspired flocking control of fixed wing unmanned aerial vehicle swarm in complex environments with dynamic obstacles, Biomimetics, 2022, Vol. 7, No. 4, pp. 214.
24. Alqudsi Y. Synchronous task allocation and trajectory optimization for autonomous drone swarm, 2024 1st International Conference on Emerging Technologies for Dependable Internet of Things (ICETI). IEEE, 2024, pp. 1-8.
25. Kotov D.V., Lebedev O.B. Control of movement of a group of UAVs with observance of the geometric structure of the formation based on alternative collective adaptation, Bulletin of SFedU. Technical scienc-es, 2024, Vol. 1, pp. 155-167.
26. Saenko I.B., Lauta O.S., Mityakov E.S., Sokolov A.P. Algoritm roevogo upravleniya BPLA s elementami klasternogo analiza [Algorithm for swarm control of UAVs with elements of cluster analysis], Infor-matsiya i kosmos [Information and Space], 2024, No. 4, pp. 68-75.
27. Irianto, Kurniawan. Performance Evaluation of LoRa in Farm Irrigation System with Internet of Things. Kinetik: Game Technology, Information System, Computer Network, Computing, Electronics, and Con-trol, 2022. DOI: 10.22219/kinetik.v7i4.1551.
28. Lim R.Y.H., et al. UAV swarm communication reliability based on a comprehensive SINR model, Ve-hicular Communications, 2024, Vol. 47, pp. 100781.
