ЗАСТОСУВАННЯ МЕТОДІВ НЕЧІТКОЇ ЛОГІКИ ДЛЯ РОЗРОБКИ СИСТЕМИ КЕРУВАННЯ ПОСАДКОЮ КВАДРОКОПТЕРА
DOI:
https://doi.org/10.17721/2519-481X/2025/88-05Ключові слова:
БПЛА, квадрокопотер, автоматична посадка, ШІ управління, нечітка логікаАнотація
У статті розглянуто актуальну науково-прикладну проблему автоматизації процесу посадки безпілотних літальних апаратів, зокрема квадрокоптерів, які сьогодні посідають провідне місце серед різновидів дронів та знаходять широке застосування як у військовій, так і у цивільній сферах. Етап посадки є обов’язковою фазою експлуатації апарату, але водночас однією з найбільш складних, адже в її завершальній частині апарат має забезпечити безпечний контакт з твердою поверхнею. Саме тому розробка ефективного алгоритму та системи автоматичної посадки квадрокоптерів виступає ключовою метою проведеного дослідження.
Існуючі рішення по управлінню посадкою, засновані на ультразвукових, інфрачервоних, теплових чи радіосигналах, потребують додаткового обладнання, що ускладнює застосування їх на малих і середніх літальних апаратах. У цьому контексті найбільш раціональним підходом визнається використання штатної камери квадрокоптера та спеціально розробленого маркера на посадковій платформі, що складається з простих геометричних фігур, легко розпізнаваних з висоти.
Для досягнення мети створена математична модель руху квадрокоптера у середовищі Matlab Simulink. У моделі враховано тягу кожного з чотирьох пропелерів, що дозволяє відтворити переміщення апарату вздовж координатних осей та відпрацювати сценарії посадки. Система автоматичного керування реалізована на основі нечіткого регулятора, для якого визначено три вхідні змінні – відхилення поточних координат від цільової точки посадки за осями x, y та z. На виході формуються керуючі впливи у вигляді сил тяги для кожного двигуна. Всього побудовано 30 правил нечіткого виведення, які забезпечують адекватне реагування на відхилення від цільової траєкторії та висоти.
Проведені експериментальні дослідження у середовищі моделювання засвідчили ефективність запропонованого рішення. Усі тести показали стабільне спрямування квадрокоптера до позначеного маркера та успішне завершення процесу посадки. Середнє значення статичної похибки після посадки відповідає вимогам технічного завдання і вважається прийнятним для автоматизованих систем посадки на обмежені за площею платформи. Динаміка процесу характеризувалася відсутністю значних коливань і перевищень, плавним зниженням швидкості у фінальній фазі та впевненим досягненням позначеної точки.
Отримані результати свідчать, що запропонований підхід має достатню практичну цінність та може бути використаний для створення реальних систем керування посадкою квадрокоптерів.
Посилання
1. Long, X., Zimu, T., Weiqi, G. and Haobo, L. (2022) ‘Vision-Based Autonomous Landing for the UAV: A Review’, Aerospace, 9, p. 634.
2. Baidya, R. and Jeong, H. (2024) ‘Simulation and real-life implementation of UAV autonomous landing system based on object recognition and tracking for safe landing in uncertain environments’, Frontiers in Robotics and AI, 11, p. 1450266. https://doi.org/10.3389/frobt.2024.1450266.
3. Cho, G., Choi, J., Bae, G. and Oh, H. (2022) ‘Autonomous ship deck landing of a quadrotor UAV using feed-forward image-based visual servoing’, Aerospace Science and Technology, 130, p. 107869. https://doi.org/10.1016/j.ast.2022.107869.
4. Aikins, G., Jagtap, S. and Nguyen, K.-D. (2024) ‘A robust strategy for UAV autonomous landing on a moving platform under partial observability’, Drones, 8, p. 232. https://doi.org/10.3390/drones8060232.
5. Araar, O., Aouf, N. and Vitanov, I. (2017) ‘Vision based autonomous landing of multirotor UAV on moving platform’, Journal of Intelligent and Robotic Systems, 85, pp. 369–384. https://doi.org/10.1007/s10846-016-0399-z.
6. Kim, J., Jung, Y., Lee, D. and Shim, D.H. (2014) ‘Outdoor autonomous landing on a moving platform for quadrotors using an omnidirectional camera’, 2014 International Conference on Unmanned Aircraft Systems (ICUAS), IEEE, pp. 1243–1252.
7. Lv, M., Fan, B., Fang, J. and Wang, J. (2024) ‘Autonomous Landing of Quadrotor Unmanned Aerial Vehicles Based on Multi-Level Marker and Linear Active Disturbance Reject Control’, Sensors, 24(5), p. 1645. https://doi.org/10.3390/s24051645.
8. Chen, J., Miao, X., Jiang, H., Chen, J. and Liu, X. (2017) ‘Identification of autonomous landing sign for unmanned aerial vehicle based on faster regions with convolutional neural network’, 2017 Chinese Automation Congress (CAC), IEEE, pp. 2109–2114.
9. Ding, J., Xue, N., Xia, G.-S., Bai, X., Yang, W., Yang, M.Y. et al. (2021) ‘Object detection in aerial images: a large-scale benchmark and challenges’, IEEE Transactions on Pattern Analysis and Machine Intelligence, 44, pp. 7778–7796. https://doi.org/10.1109/TPAMI.2021.3117983.
10. Wang, Y., Liu, W., Liu, J. and Sun, C. (2023) ‘Cooperative USV-UAV marine search and rescue with visual navigation and reinforcement learning-based control’, ISA Transactions, 137, pp. 222–235. https://doi.org/10.1016/j.isatra.2023.04.025.
11. Rabah, M., Haghbayan, H., Immonen, E. and Plosila, J. (2022) ‘An AI-in-Loop Fuzzy-Control Technique for UAV’s Stabilization and Landing’, IEEE Access, 10, pp. 101119–101123. https://doi.org/10.1109/ACCESS.2022.3208685.
12. Bouaiss, O., Mechgoug, R. and Taleb-Ahmed, A. (2023) ‘Visual soft landing of an autonomous quadrotor on a moving pad using a combined fuzzy velocity control with model predictive control’, Signal, Image and Video Processing, 17, pp. 21–30. https://doi.org/10.1007/s11760-022-02199-y.






