برنامه‌ريزي سكوهاي پرنده خودكار براي مأموريت‌هاي جستجو و نجات پس از مخاطرات طبيعي بر مبناي الگوريتم پيشنهادي G -BFOA

Autonomous UAV Path Planning for Search and Rescue Missions in Post Natural Disaster Assessment Based on Novel G-BFOA Algorithm

امروزه با رخداد بلايای طبيعی، گردآوری بی‌درنگ اطلاعات مكانی و محيطی از طريق به‌كارگيری سكوهای پرنده بدون سرنشين (UAV) به‌عنوان سكوی حامل سنجنده‌های چندمنظوره، به امری ضروری تبديل شده است. سكوهای پرنده بدون سرنشين با پوشش سامانمند و سريع نواحی پرخطر كه دسترسی نيروهای امداد زمينی به آن‌ها ممكن نيست، نقش قابل توجه ای را در بهبود كيفيت مأموريت امداد و جستجوی مجروحين پس از وقوع مخاطرات طبيعی ايفا می‌كنند. از سوی ديگر، برنامه‌ريزی مأموريت UAV خود يكی از مراحل بنيادين جهت دستيابی به ناوبری خودكار UAV می‌باشد. در اين زمينه، تعيين خطوط سير بهينه با توجه به نيازهای مأموريت و شرايط محيطی يكی از مراحل ضروری در برنامه‌ريزی سكوی خودكار می‌باشد. در اين پژوهش افزون بر بررسی نقش UAV در بهبود عمليات امداد و نجات در شرايط بحران، الگوريتم غذايابی باكتری بهبود داده شده و جهت حل مسئله برنامه‌ريزی خط سير UAV پياده‌سازی می‌شود. سپس، به‌منظور اعتبار سنجی كاركرد الگوريتم پيشنهادی با ديگر الگوريتم‌های پياده‌سازی شده مقايسه می‌گردد. در پايان، نتايج شبيه‌سازی مأموريت جستجو و نجات با سكوی پرنده و دستاوردهای پژوهش بيان می‌شود.

Nowadays, unmanned aerial vehicles (UAV), as the mobile multi-sensor platforms, are a necessary instrument for immediately spatial information gathering after occurrence of natural hazards. UAVs have a substantial role in improvement of search and rescue missions during natural hazards with fast and systematic monitoring of dangerous areas those are not accessible to relief workers. On the other hand, UAV mission planning is a fundamental stage to achieve the autonomous navigation. In this domain, computing optimal trajectories considering mission requirements and environmental conditions is a required step in path planning of autonomous UAVs. In this paper, after analyzing the role of UAV in upgrading the search and rescue missions, an improved bacterial foraging algorithm is proposed and implemented for UAV path planning. For performance evaluations, the algorithm is compared with other robust methods. Finally, results of UAV search and rescue mission simulations and research outcomes are presented.