A study on methods to enhance autonomy for multi-UAV civilian applications

Abstract

Unmanned Aerial Vehicles (UAVs) have experienced significant advancement since their inception, impacting various fields such as military operations, security, disaster management, package delivery, and recreational activities. This progress has spurred substantial research efforts aimed at furthering UAV capabilities and technologies. Presently, UAVs and swarms of UAVs are being considered for numerous civilian applications, including agriculture, photography, shipping, disaster management, rescue operations, archaeological surveys, mapping, healthcare, wildlife observation, weather forecasting, telecommunications, and border surveillance. Despite the recent interest in autonomous UAV research, the majority of UAVs still rely on human pilots, resulting in training demands, increased operational costs, and susceptibility to human error, necessitating the development of autonomous systems. Multi-UAV systems offer enhanced performance but require improved autonomy to enable effective collaboration and decision-making without compromising safety. Enhancing UAV autonomy entails advancements in decision-making, planning, guidance, and coordination methods, utilizing technologies such as Artificial Intelligence, control theory, geometric approaches, rule-based methods, and bio-inspired optimization techniques. This dissertation proposes and investigates methodologies to provide increased performance on multi-UAV systems for two separate applications, security surveillance, and fire monitoring, via autonomous decision-making, guidance, and coordination of the UAV agents. It introduces a UAV swarm designed for area surveillance and intruder detection. Its primary goal is to devise a swarm intelligence-based decision-making process that enhances the system's performance in searching for unknown intruders. The system incorporates functionalities such as target tracking, collision avoidance, and scanning algorithms. It focuses on a multi-UAV system of quadcopters specifically engineered for monitoring open areas and identifying intruders, with a key emphasis on scalability and data-aware decision-making. The main aspect of the study revolves around developing and evaluating the effectiveness of the swarm intelligence-based decision-making process. This decision-making process aims to determine the next task assigned to each UAV agent within the swarm, with the overarching objective of optimizing area coverage and intruder detection. Consequently, the system's objective is framed as a task allocation problem, with other essential components necessary for system completion also provided. The algorithms are implemented and validated through Software In The Loop (SITL) simulations. Comparative analysis is conducted against two alternative surveying swarms and a static camera-based approach. The integration of real-time decision-making confers a distinct advantage to the swarm over similar systems, as evidenced by the simulation results. Afterwards a decentralized UAV system for monitoring active wildfires is presented. Wildfires have proven to be a significantly exigent issue over the past decades. An increasing amount of research effort investigates the use of UAVs and multi-UAV systems for wildfire monitoring. This work focuses on the development of a decentralized framework for the purpose of monitoring active wildfires and their surrounding areas with fixed wing UAVs. It proposes a distributed fire data update methodology, a new formation algorithm based on virtual forces, fine-tuned by a Genetic Algorithm (GA), to arrange virtual agents into the monitoring area, and a control strategy to safely and efficiently guide fixed wing UAVs to loiter over the structured virtual agents. The system is tested in SITL simulation with up to eight UAVs. The simulation results demonstrate the effectiveness of the system on monitoring the fire and providing updated situational awareness data. Finally, this dissertation studies traffic capacity balancing methods for an unmanned traffic management system. The commercialization and plethora of available applications for UAVs results in the need to investigate the integration of numerous UAVs into airspace. It is foreseen that the number of UAVs in urban and rural airspace will significantly increase. Hence, their safe and efficient operation must be ensured, while specialized UAV traffic control systems must be developed to manage increased UAV traffic. This work contributes to investigating strategies for balancing traffic capacity within UAS Traffic Management (UTM) systems operating in densely populated, low-altitude urban airspace. It examines the advantages of integrating traffic capacity balancing and outlines three distinct design methodologies. The proposed systems undergo testing through simulations of mixed urban airspace (comprising both constrained and open areas) modeled after Vienna, at five different traffic densities. The objective is to identify and propose a solution for dynamic capacity management within a hybrid UTM system. A central flow control module is developed to facilitate capacity balancing by pinpointing areas of high traffic density and notifying UAVs accordingly. This empowers UAVs to autonomously adjust their routes to avoid congested zones. The aim of implementing the flow control module is to promote a more even distribution of traffic, thereby enhancing flight safety and efficiency. Flow control operates within predefined regions termed flow groups, where traffic density is monitored.

Τα μη επανδρωμένα εναέρια οχήματα ή μη Επανδρωμένα Αεροσκάφη (ΜηEΑ) έχουν σημειώσει σημαντική πρόοδο από τη στιγμή όπου πρωτοεμφανίστηκαν ως ιδέα , επηρεάζοντας διάφορους τομείς εφαρμογών όπως τις στρατιωτικές επιχειρήσεις, την ασφάλεια, την διαχείριση καταστροφών, την παράδοση δεμάτων καθώς και δραστηριότητες αναψυχής. Η πρόοδος αυτή έχει πυροδοτήσει σημαντικές ερευνητικές προσπάθειες με στόχο την ανάπτυξη δυνατοτήτων και τεχνολογιών σχετιζόμενων με ΜηEΑ. Επί του παρόντος, τα ΜηEΑ και τα σμήνη των ΜηEΑ εξετάζονται για πολυάριθμες πολιτικές εφαρμογές, όπως η γεωργία, η φωτογραφία, οι αποστολή αγαθών , η διαχείριση καταστροφών, οι επιχειρήσεις διάσωσης, οι αρχαιολογικές έρευνες, η χαρτογράφηση, η υγειονομική περίθαλψη, η παρατήρηση της άγριας ζωής, η πρόγνωση του καιρού, οι τηλεπικοινωνίες και η επιτήρηση των συνόρων. Παρά το πρόσφατο ενδιαφέρον για την έρευνα στον τομέα των αυτόνομων ΜηEΑ, η πλειονότητα των ΜηEΑ εξακολουθεί να βασίζεται σε ανθρώπους-πιλότους, με αποτέλεσμα να δημιουργούνται απαιτήσεις εκπαίδευσης, αυξημένο λειτουργικό κόστος και επιρρέπεια σε ανθρώπινα λάθη, γεγονός που καθιστά αναγκαία την ανάπτυξη αυτόνομων συστημάτων. Τα συστήματα πολλαπλών ΜηEΑ προσφέρουν αυξημένες επιδόσεις, αλλά απαιτούν βελτιωμένη αυτονομία για να καταστεί δυνατή η αποτελεσματική συνεργασία και η λήψη αποφάσεων χωρίς να διακυβεύεται η ασφάλεια. Η ενίσχυση της αυτονομίας των ΜηEΑ συνεπάγεται εξελίξεις στις μεθόδους λήψης αποφάσεων, σχεδιασμού, καθοδήγησης και συντονισμού, χρησιμοποιώντας τεχνολογίες όπως η τεχνητή νοημοσύνη, η θεωρία ελέγχου, οι γεωμετρικές προσεγγίσεις, οι μέθοδοι που βασίζονται σε κανόνες και οι τεχνικές βελτιστοποίησης που εμπνέονται από την βιολογία και την φύση. Η παρούσα διατριβή προτείνει και διερευνά μεθοδολογίες για την παροχή αυξημένων επιδόσεων σε συστήματα πολλαπλών ΜηEΑ για δύο ξεχωριστές εφαρμογές, την επιτήρηση ασφαλείας και την παρακολούθηση πυρκαγιών, μέσω της αυτόνομης λήψης αποφάσεων, καθοδήγησης και συντονισμού των ΜηEΑ. Παρουσιάζεται ένα σμήνος ΜηEΑ σχεδιασμένο για την επιτήρηση περιοχών και την ανίχνευση εισβολέων. Πρωταρχικός στόχος της είναι να προτείνει μια διαδικασία λήψης αποφάσεων βασισμένη στη νοημοσύνη του σμήνους που βελτιώνει την απόδοση του συστήματος στην αναζήτηση άγνωστων εισβολέων. Το σύστημα ενσωματώνει λειτουργίες όπως η παρακολούθηση στόχων, η αποφυγή συγκρούσεων και οι αλγόριθμους σάρωσης. Επικεντρώνεται σε ένα σύστημα πολλαπλών τετρακοπτέρων MEΑ που έχει σχεδιαστεί ειδικά για την παρακολούθηση ανοικτών περιοχών και τον εντοπισμό εισβολέων, με βασική έμφαση στην επεκτασιμότητα και την ενήμερη λήψη αποφάσεων. Η κύρια πτυχή της μελέτης περιστρέφεται γύρω από την ανάπτυξη και την αξιολόγηση της αποτελεσματικότητας της διαδικασίας λήψης αποφάσεων με βάση τη νοημοσύνη σμήνους. Αυτή η διαδικασία λήψης αποφάσεων αποσκοπεί στον καθορισμό της επόμενης εργασίας που ανατίθεται σε κάθε πράκτορα ΜηEΑ εντός του σμήνους, με γενικότερο στόχο τη βελτιστοποίηση της κάλυψης περιοχής και της ανίχνευσης εισβολέων. Κατά συνέπεια, ο στόχος του συστήματος διαμορφώνεται ως πρόβλημα κατανομής εργασιών, ενώ παρέχονται και άλλα βασικά στοιχεία που είναι απαραίτητα για την ολοκλήρωση του συστήματος. Οι αλγόριθμοι υλοποιούνται και επικυρώνονται μέσω προσομοιώσεων Software In The Loop (SITL). Πραγματοποιείται συγκριτική ανάλυση έναντι δύο εναλλακτικών σμηνών επιτήρησης και μιας στατικής προσέγγισης που βασίζεται σε κάμερες. Η ενσωμάτωση της λήψης αποφάσεων σε πραγματικό χρόνο προσδίδει ένα σαφές πλεονέκτημα στο σμήνος έναντι παρόμοιων συστημάτων, όπως αποδεικνύεται από τα αποτελέσματα της προσομοίωσης. Στη συνέχεια παρουσιάζεται ένα αποκεντρωμένο σύστημα ΜηEΑ για την παρακολούθηση πυρκαγιών σε πραγματικό χρόνο. Οι δασικές πυρκαγιές έχουν αποδειχθεί ένα σημαντικά επείγον ζήτημα τις τελευταίες δεκαετίες. Ένας αυξανόμενος όγκος ερευνητικών προσπαθειών διερευνά τη χρήση ΜηEΑ και συστημάτων πολλαπλών ΜηEΑ για την παρακολούθηση πυρκαγιών. Η παρούσα εργασία επικεντρώνεται στην ανάπτυξη ενός αποκεντρωμένου πλαισίου με σκοπό την παρακολούθηση πυρκαγιών και των περιμετρικών περιοχών τους με ΜηEΑ σταθερής πτέρυγας. Προτείνεται μια κατανεμημένη μεθοδολογία ενημέρωσης των δεδομένων πυρκαγιάς, ένας νέος αλγόριθμος σχηματισμού που βασίζεται σε εικονικές δυνάμεις, του οποίου τα βάρη επιλέγονται από έναν γενετικό αλγόριθμο, για την οργάνωση των εικονικών πρακτόρων στην περιοχή παρακολούθησης, και μια στρατηγική ελέγχου για την ασφαλή και αποτελεσματική καθοδήγηση των ΜηEΑ σταθερής πτέρυγας ώστε να περιφέρονται πάνω από τους δομημένους εικονικούς πράκτορες. Το σύστημα δοκιμάζεται σε προσομοίωση Software In The Loop (SITL) με έως και οκτώ ΜηEΑ. Τα αποτελέσματα της προσομοίωσης καταδεικνύουν την αποτελεσματικότητα του συστήματος όσον αφορά την παρακολούθηση της πυρκαγιάς και την παροχή επικαιροποιημένων δεδομένων επίγνωσης της κατάστασης. Τέλος, η παρούσα διατριβή μελετά μεθόδους εξισορρόπησης της χωρητικότητας της κυκλοφορίας για ένα σύστημα διαχείρισης της μη εναέριας επανδρωμένης κυκλοφορίας. Η εμπορευματοποίηση και η πληθώρα των διαθέσιμων εφαρμογών για τα ΜηEΑ έχει ως αποτέλεσμα την ανάγκη διερεύνησης της ενσωμάτωσης πολυάριθμων ΜηEΑ στον εναέριο χώρο. Προβλέπεται ότι ο αριθμός των ΜηEΑ στον αστικό και αγροτικό εναέριο χώρο θα αυξηθεί σημαντικά. Ως εκ τούτου, πρέπει να διασφαλιστεί η ασφαλής και αποτελεσματική λειτουργία τους, ενώ πρέπει να αναπτυχθούν εξειδικευμένα συστήματα ελέγχου της κυκλοφορίας των ΜηEΑ για τη διαχείριση της αυξημένης κυκλοφορίας ΜηEΑ. Η παρούσα εργασία συμβάλλει στη διερεύνηση στρατηγικών για την εξισορρόπηση της χωρητικότητας της κυκλοφορίας σε συστήματα διαχείρισης της κυκλοφορίας των ΜηEΑ (UTM) που λειτουργούν σε πυκνοκατοικημένο αστικό εναέριο χώρο χαμηλού υψομέτρου. Εξετάζει τα πλεονεκτήματα της ενσωμάτωσης της εξισορρόπησης της χωρητικότητας της κυκλοφορίας και περιγράφει τρεις διαφορετικές μεθοδολογίες σχεδιασμού. Τα προτεινόμενα συστήματα υποβάλλονται σε δοκιμές μέσω προσομοιώσεων μικτού αστικού εναέριου χώρου (που περιλαμβάνει τόσο περιορισμένες όσο και ανοικτές περιοχές), ο οποίος διαμορφώνεται σύμφωνα με την πόλη της Βιέννης, σε πέντε διαφορετικές πυκνότητες κυκλοφορίας. Στόχος είναι να προσδιοριστεί και να προταθεί μια λύση για τη δυναμική διαχείριση της χωρητικότητας σε ένα υβριδικό σύστημα UTM. Αναπτύσσεται μια κεντρική μονάδα ελέγχου ροής για τη διευκόλυνση της εξισορρόπησης της χωρητικότητας με τον εντοπισμό περιοχών υψηλής πυκνότητας κυκλοφορίας και την ανάλογη ειδοποίηση των ΜηEΑ. Αυτό δίνει τη δυνατότητα στα ΜηEΑ να προσαρμόζουν αυτόνομα τις διαδρομές τους για να αποφεύγουν τις ζώνες συμφόρησης. Στόχος της εφαρμογής της μονάδας ελέγχου ροής είναι να προωθηθεί μια πιο ομοιόμορφη κατανομή της κυκλοφορίας, ενισχύοντας έτσι την ασφάλεια και την αποτελεσματικότητα των πτήσεων. Ο έλεγχος ροής λειτουργεί σε προκαθορισμένες περιοχές που ονομάζονται ομάδες ροής, όπου παρακολουθείται η πυκνότητα της κυκλοφορίας.