Path Planning of Multiple UAVs with Collision Avoidance by Multi-Objective Evolutionary Neural Networks

多目标进化神经网络防撞多无人机路径规划

• 批准号: 21K12081
• 负责人: 片田 喜章
• 金额: $ 2.58万
• 依托单位: Setsunan University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12081/
• 关键词: ドローン; 経路計画; 多目的最適化; 衝突回避; 多目的進化計算; 自動飛行; 飛行経路計画; 進化型多目的最適化; 複数ドローン; 人工神経回路網; 複数巡回セールスマン問題

本研究で取り扱う飛行計画問題は，数理計画の分野で複数巡回セールスマン問題(MTSP) とよばれる複数エージェントの経路計画問題と等しくなる．そのため，本研究では，衝突回避を考慮した複数ドローンの飛行経路計画を以下のように行っている．(1) 飛行地点群を各ドローンに割り当てる問題を，多目的進化型人工神経回路網(ANNs) を用いて解き，割り当てられた飛行地点群の飛行経路を巡回セールスマン問題(TSP) で広く採用されている最適化手法(TSPソルバー) を用いて解く，二段階探索法を実施し，解探索性能を検証する．(2) (1) の結果をもとに，屋外の飛行地点群の位置情報(緯度・経度) を用いて，提案手法を適用して複数ドローンの飛行経路を生成し，複数の実機ドローンを飛行させて飛行経路の有効性を検証するとともに，実機ドローンで生じる不確実性を明らかにする．(1)に関する概要:多目的進化計算の選定を終え，計算機実験により得られる非劣解集合および選好解の特徴が評価指標を変更することによってどのように変化するか調べた．また，ドローンの飛行経路計画に適用するために衝突回避を評価指標に組み込み，ドローン台数を変更することによって得られる飛行経路を検証した．本実績は，進化計算シンポジウム2022，SI2022において学会発表している．(2)に関する概要:初年度に購入したホビー機のドローンが3台以上の同時飛行に対応していないことが判明し，航空法の改正も伴い，代替機の選定・購入に時間を要した．検討の結果，ホビー機ではなく台数を減らして産業機1台を購入し実験を開始している．(1)の結果をもとに，飛行地点群の位置情報に対して，提案手法を適用して飛行経路を生成した．3台に対し得られた経路に基づいて，1台ずつ実機ドローンを自動飛行させ，経路に沿った自動飛行が可能であることを確認した．

This research take り で Cha う は flight program problem, the mathematical program の eset で complex circuit セ ー ル ス マ ン problem (MTSP) と よ ば れ る plural エ ー ジ ェ ン ト の 経 road project issues と し く な る. そ の た め, this study で は, conflict avoidance を consider し た plural ド ロ ー ン の 経 flight path plan under を の よ う に line っ て い る. (1) flight location group を each ド ロ ー ン に cut り when て を る problem, more objective evolutionary artificial 経 god back to network (ANNs) を い て き solution, cut り when て ら れ た site group of の flight を 経 road tour セ ー ル ス マ ン problem (TSP) で hiroo く using さ れ て い る optimization technique (TSP ソ ル バ ー) を with い て く solution, Two-stage exploration method を practical application を, solving exploration performance を検 proof する. (2) (1) の results を も と に, の flying outside the site intelligence group of の position (latitude 経 degrees) を with い て, proposal gimmick を applicable し て plural ド ロ ー ン の flight を generate し 経 road, plural の be machine ド ロ ー ン を flight さ せ て flight の 経 road have sharper sex を 検 card す る と と も に, The real machine ドロ ドロ で で で student じる uncertain reality を Ming ら を にする にする. (1) に masato す る summary: multiobjective evolutionary computation の selected を え, computer be 験 に よ り have ら れ collection る solutions.in お よ び chosen solution の 徴 価 が evaluation index を - more す る こ と に よ っ て ど の よ う に variations change す る か adjustable べ た. ま た, ド ロ ー ン の 経 flight path plan に applicable す る た め に conflict avoidance 価 を evaluation index に group み 込 み, ド ロ ー ン sets を - more す る こ と に よ っ て have ら れ る flight 経 road を 検 card し た. The current performance is, evolutionary computation is シ ポジウム ポジウム2022, si 2022 is にお にお て て, and the society 's schedule is て て る る. (2) に masato す る summary: at the beginning of the annual に buy し た ホ ビ ー machine の ド ロ ー ン が more than three の while flying に 応 seaborne し て い な い こ と が determine し, aviation law の correction も companion い, instead of machine の selected, purchased に time を し た. Beg の 検 results, ホ ビ ー machine で は な く sets を minus ら し て industry machine を buy し be 験 を start し て い る. (1) The <s:1> result is を とに とに, the flight location group <s:1> location intelligence is に against <s:1> て, and the proposed approach を applies the <s:1> て flight route を to generate た た. Three に し polices have ら れ た に 経 road base づ い て, 1 ず つ be machine ド ロ ー ン を automatic flight さ せ, に 経 road along the っ た automatic flight が may で あ る こ と を confirm し た.

项目成果

多目的進化型人工神経回路網を用いた複数TSPの解法

使用多目标进化人工神经网络的多 TSP 解决方案

• 发表时间: 2021
• 作者: 糸井川高穂;山本裕紹;Takahiro Tamesue;Takahiro Tamesue;Takahiro Tamesue;山本崇史;山本崇史;安藤大地;片田喜章;片田喜章;片田喜章 渡邉真也
• 通讯作者: 片田喜章 渡邉真也

多目的進化計算を用いた複数ドローンの衝突回避を考慮した経路計画

使用多目标进化计算考虑多架无人机碰撞避免的路线规划

• 发表时间: 2022
• 作者: 糸井川高穂;山本裕紹;Takahiro Tamesue;Takahiro Tamesue;Takahiro Tamesue;山本崇史;山本崇史;安藤大地;片田喜章
• 通讯作者: 片田喜章

多目的進化型人工神経回路網を用いた複数TSPの解法 -パレートフロントにおける端点と選好解の特徴-

使用多目标进化人工神经网络的多个 TSP 的解决方案 - Pareto 前沿的端点特征和首选解决方案 -

• 发表时间: 2022
• 作者: 糸井川高穂;山本裕紹;Takahiro Tamesue;Takahiro Tamesue;Takahiro Tamesue;山本崇史;山本崇史;安藤大地;片田喜章;片田喜章
• 通讯作者: 片田喜章