| Аннотация |
Объект исследования: группы беспилотных воздушных судов
Цель работы: Повышение эффективности мониторинга природных массивов и территорий населенных мест (городов), диагностики признаков опасных природных и техносферных ситуаций, прогнозирования их распространения и упреждение за счет совершенствования средств и методов проектирования, автономной навигации и управления гетерогенной группой беспилотных воздушных судов (БВС) на основе элементов искусственного интеллекта.
Ожидаемые результаты:
1. На основе анализа современных подходов к мониторингу лесных массивов и обнаружению пожаров будут сформулированы функциональные требования к разрабатываемой системе, включая точность обнаружения пожаров, время реакции, энергоэффективность и масштабируемость. Будут установлены метрики эффективности системы, такие как вероятность обнаружения очагов возгорания, частота ложных срабатываний, радиус действия группы БВС и временные рамки выполнения задач.
2. Будет сформирован классификатор опасных ситуаций техносферного характера, актуальный для объектов и коммуникаций современного города, снабженный признаками раннего и ситуационного диагностирования и моделью развития в алгоритмах взаимодействия иерархических классов информационной модели города, основанных на данных ПАК.
3. Будет предложен конструктор цифровых прототипов опасных техносферных ситуаций, обеспечивающей формализованное описание произвольной ситуации, разработку и количественное описание диагностируемых признаков ситуации для мониторинга БВС, алгоритмизацию взаимодействия и реагирования объектов и коммуникаций информационной модели города для прогнозирования развития и управленческого советования в упреждении ситуации.
4. Будет выполнен сбор и систематизация сведений о внешних признаках технически опасного состояния отдельных элементов городской среды на примере плоских рулонных кровель зданий и сооружений, классифицированы и описаны дефекты кровель, выявляемые мониторингом БВС. Будет разработан и предложен алгоритм разметки данных на обучающем датасете, проведено обучение нейросети, повышающее качество диагностирования дефектов.
5. Будет выполнен сбор и систематизация данных о типах лесных пожаров, включая изображения, полученные с аэрофотосъемки, тепловизионные данные и информацию о признаках возгорания (дым, пламя, температурные аномалии). Для последующего обучения нейронной сети будет проведена разметка данных с использованием методов семантической сегментации и классификации.
6. Будет разработан метод проектирования и оптимизации состава группы БВС для мониторинга заданной области, который позволит сопоставлять участки для мониторинга и расположение пунктов быстрой смены батареи с учётом минимизации максимального из значений времени мониторинга среди всех участков.
7. Будет разработан алгоритм реконфигурирования группы БВС с учётом возможного выхода из строя некоторых агентов в группе, изменения целей, задач или внешних условий. Будут рассмотрены два возможных сценария, в одном из которых необходимо добавление в активную группу резервных БВС, а также сценарий, в которых оптимально уменьшение количества.
8. Будет разработан алгоритм планирования траектории БВС для мониторинга, который позволит для заданного участка сформировать траекторию, в результате будет выполнено полное визуальное покрытие участка при минимизации времени мониторинга и ограничении на время полёта на одном заряде батареи.
9. Будет разработан алгоритм формирования области мониторинга и участков, отрабатываемые отдельными БВС на основе оценки траекторий, формируемых для каждого из участков с использованием алгоритма планирования траектории. Алгоритм позволит получить минимальный набор участков, декомпозированных в виде геометрических фигур.
10. Будет разработан алгоритм поиска оптимального расположения мест базирования БВС-лидеров и резервных БВС с учётом обеспечения связи для передачи данных и приемлемого времени достижения места возможного возгорания в пределах области мониторинга. Будет разработан алгоритм выбора расположений пунктов смены батареи для заданного разделения области мониторинга на участки.
11. Будет разработан алгоритм компьютерного зрения на базе нейронной сети YOLOv10 Tiny для определения очагов пожара методом семантической сегментации изображений, полученных с камер БВС - агентов. Для БВС-лидера будет реализован алгоритм анализа данных с тепловизионного датчика для выявления температурных аномалий. Дополнительно будет разработан алгоритм преобразования пиксельных координат объекта на изображении в географические координаты с учетом высоты полета, ориентации камеры и данных датчиков GPS и инерциального модуля.
12. Будет разработан комплекс алгоритмов фильтрации для снижения влияния внешних факторов, таких как солнечные блики, пыль и туман. Для исключения ложных срабатываний будет реализован логический фильтр согласованности, проверяющий корреляцию данных с камер и тепловизора.
13. Будет разработан алгоритм визуальной одометрии на базе RTAB-Map (Real-Time Appearance-Based Mapping) для построения трехмерных карт местности и точной локализации БВС. Для повышения точности и детализации карты будет выполнена интеграция данных с камер, IMU, GPS и тепловизионных датчиков, а также реализован механизм замыкания петель (Loop Closure).
14. Будут разработаны эвристические алгоритмы оптимизации локальной траектории с использованием паттернов огибания препятствий, основанных на декомпозиции препятствий в виде объёмных геометрических фигур. Это позволит формировать сглаженные и безопасные траектории с высокими показателями быстродействия с учётом декомпозиции препятствий на основе ключевых точек.
15. Будет разработан алгоритм прогнозирования направления и скорости распространения пожара на основе данных о скорости и направлении ветра, рельефе местности и типе растительности. Будет предложена технология оценки и прогнозирования развития технического и функционального состояния элементов строительных объектов с использованием данных ПАК, на примере плоских рулонных кровель обеспечивающая эффективное управление жизненным циклом элемента по критерию минимальной стоимости владения (затрат на поддержание нормативного состояния).
Этап 2.
1. Будет разработана многоуровневая архитектура системы управления группой БВС, на верхнем уровне которой предлагается использовать удалённый сервер, на среднем – БВС – лидеров, на нижнем – БВС - агентов.
2. Будут разработаны алгоритмы управления для каждого из уровней управления. Алгоритм управления верхнего уровня позволит принимать глобальные решения, среднего уровня – получать указания от удалённого сервера, принимать и передавать решения на нижний уровень, нижнего уровня – получать команды со среднего и автономно решать локальные задачи (анализ видеопотока, картографирование, оптимизации траектории и т.д.).
3 Будет разработано техническое задание на адаптацию ПАК к условиям проведения мониторинга опасных ситуаций природного и техносферного характера в городской среде.
4. Будет разработан программно-аппаратный комплекс, включающий модуль высокоуровневого централизованного управления группой БВС для формирования её состава, реконфигурации, навигации, и планирования траектории; модули высокоуровневого управления отдельными БВС, реализованные на локальных контроллерах для обработки и обмена данными с модулем высокоуровневого управления группой, а также для обеспечения функционирования в условиях отсутствия спутниковой навигации; модули низкоуровневого управления для стабилизации движения и обработки информации с сенсоров; базу данных типовых задач (мониторинг местности, наблюдение, транспортировка грузов мониторинг опасных техносферных ситуаций в городской среде), решаемых группой, базу данных моделей БВС, вспомогательного оборудования и сменных компонентов; пользовательский графический интерфейс.
5. Будут определены оптимальные протоколы взаимодействия и алгоритмы передачи данных для обеспечения надежной связи между БВС с учетом минимизации задержек и повышения устойчивости передачи данных.
6. Будет разработана технология формирования информационной модели города, содержащей сведения, получаемые ПАК, эксплуатируемой для мониторинга и упреждения опасных ситуаций техносферного характера.
7. Будет разработана имитационная модель движения группы БВС, позволяющая моделировать сложные аспекты функционирования робота в динамически меняющихся условиях с учётом различных операционных сценариев на основе ROS и Gazebo. Будет проведено комплексное тестирование разработанной имитационной модели с целью оценки эффективности и точности в симуляции работы группы БВС.
8. Будут созданы эффективные схемно-технические решения, обеспечивающие надежное крепление аккумуляторов БВС и бесперебойную работу механизма автоматической замены разрядившихся батарей на базовой станции. Это позволит значительно увеличить время автономной работы и упростить процесс его обслуживания.
9. Будет разработан универсальный метод проектирования элементов БВС, который позволит оптимизировать конструктивные параметры, повысить прочность и эффективность компонентов за счет применения современных технологий имитационного моделирования и топологической оптимизации. Использование CAD/CAE-систем обеспечит высокую точность расчетов и сокращение сроков разработки.
10. Будет создан полнофункциональный «цифровой двойник», позволяющий проводить детальное виртуальное тестирование и анализ крепления аккумуляторов и системы автоматической замены батарей, что позволит выявить потенциальные недостатки на этапе проектирования и значительно улучшить эксплуатационные характеристики оборудования до его физической реализации.
11. Будет выполнена интеграция разработанных алгоритмов SLAM на бортовые контроллеры БВС. Параметры алгоритмов будут настроены для работы в реальных условиях с учетом шума датчиков, изменений в окружающей среде и ограничений вычислительной мощности.
12. Будет выполнена интеграция алгоритмов обработки изображений и анализа данных на бортовые контроллеры БВС. Производительность алгоритмов будет оптимизирована для работы в реальном времени с учетом ограничений вычислительной мощности и энергопотребления.
13. Будет разработана оптимальная конструкция рамы с учетом центровки и нагрузки на основе проведения расчетов аэродинамических характеристик, грузоподъемности, энергопотребления и устойчивости к внешним факторам. Будет проведена топологическая оптимизация для снижения массы и повышения надежности.
14. Будет выполнена комплектация БВС навесным оборудованием и бортовыми ПАК, адаптированными к задачам проведения мониторинга опасных ситуаций в биосфере на примере лесных массивов и опасных ситуаций техносферного характера в городской среде.
15. Будет разработана и апробирована информационная модель города, сформированная и эксплуатируемая с использованием данных ПАК, обеспечивающая мониторинг, прогнозирование и упреждение опасных ситуаций техносферного характера в городской среде на примере г. Анадыря (Чукотский автономный округ), что позволит контролировать и управлять конструктивной безопасностью объектов и функциональной надежностью среды.
16. Будут проведены экспериментальные исследования демонстратора технологии автономного управления и навигации гетерогенной группой БВС, оснащенных бортовыми ПАК и навесным оборудованием, тестирование программных компонентов и управляющих алгоритмов, анализ результатов.
|
