一个生物灵感的群体无人机框架,集成热传感和基于优化的协调,以实现高效的搜救行动

科学领域:

• 机器人技术和自主系统
• 人工智能的人工智能
• 搜索和救援技术的技术.

背景情况:

• 搜救 (SAR) 行动在灾区面临挑战,包括时间限制,困难的地形和应急人员的安全.
• 带有热成像的无人机 (UAV) 提供了空中SAR的潜力,但目前的方法在有效的区域覆盖和冗余性方面扎.
• 需要协调无人机群,以克服复杂的SAR环境中单机无人机方法的局限性.

研究的目的:

• 提出和评估一个模块化,生物灵感的群体无人机框架,用于实时基于热的SAR.
• 通过共享的热置信地图,实现灾区的自主合作勘探.
• 引入和验证一种新的探索得分指标,用于评估群搜索效率.

主要方法:

• 开发一个生物灵感的群体无人机框架与智能代理使用优化算法.
• 在高保真PX4 + Gazebo模拟中实现实时热检测和多无人机协调.
• 评估十个生物灵感算法,包括粒子优化 (PSO),灰狼优化器和殖民地优化,使用探索得分指标.

主要成果:

• 粒子优化 (PSO) 获得了最高的探索得分 (0.67),超过了其他测试的算法.
• 在任务时间的60%内,PSO启用的群体覆盖了80%的搜索区域,冗余性低 (0.25).
• 群体保持平衡的无人机间距离 (15-20米),展示了适应性和节能搜索能力.

结论:

• 拟议的生物启发的群体无人机框架有效地提高了基于热的SAR任务的速度和效率.
• 探索得分指标为在SAR中比较无人机群协调策略提供了统一的衡量标准.
• 这项研究为未来自主SAR系统的进步提供了一个有价值的比较平台.