ОГЛЯД СУЧАСНИХ МЕТОДІВ ОБРОБКИ СЕНСОРНОЇ ІНФОРМАЦІЇ ТА ПРОГРАМНИХ АРХІТЕКТУР БОРТОВИХ СИСТЕМ УПРАВЛІННЯ БЕЗПІЛОТНИХ ПОВІТРЯНИХ СУДЕН
DOI:
https://doi.org/10.36994/2788-5518-2025-02-10-13Ключові слова:
безпілотні повітряні судна; обробка сенсорних даних; злиття даних; програмна архітектура; SIL/HIL-тестування; алгоритми управління.Анотація
Анотація. Стаття присвячена огляду сучасних методів обробки сенсорної інформації та програмних архітектур бортових систем управління безпілотних повітряних суден (БПС). Показано, що підвищення автономності БПС залежить від узгодженого застосування алгоритмів обробки даних і принципів інженерії програмного забезпечення за умов обмежених обчислювальних ресурсів, жорстких вимог до детермінізму та надійності. Розглянуто багатошарову структурну організацію програмного забезпечення БПС, включно з драйверним рівнем, операційними системами реального часу, проміжним шаром та прикладними компонентами. Проаналізовано поширені архітектурні патерни – модульність, видавець-передплатник, подійно-орієнтований та потік даних – які забезпечують масштабованість, гнучкість і стійкість роботи автопілотів. Особливу увагу приділено методологіям проєктування V-моделі та Model-Based Design, що дають змогу скоротити цикл розробки і підвищити якість систем за рахунок ранньої верифікації моделей і автоматизації формування коду. У роботі виконано порівняльний аналіз сучасних методів тестування вбудованих систем: модульного, інтеграційного, SIL- та HIL-тестування, що забезпечують комплексну перевірку програмно-апаратних рішень у сценаріях, наближених до реальних умов експлуатації. Розглянуто класичні та інтелектуальні підходи до злиття даних, зокрема фільтри Калмана та їх модифікації, фільтр Mahony, генетично оптимізовані фільтри частинок, а також роль цифрових фільтрів у попередній обробці сигналів. Показано значущість ПІД-регуляторів, лінійно-квадратичних методів та навігаційних алгоритмів. Огляд демонструє, що подальший розвиток БПС пов’язаний із розв’язанням суперечності між зростаючою складністю алгоритмів і ресурсними обмеженнями бортових платформ. Перспективними напрямами визначено гібридні методи фільтрації, оптимізацію обчислювальних процесів, інтерпретовані моделі машинного навчання та вдосконалення інструментів апаратно-програмного тестування.
Посилання
Singhal G., Bansod B., Mathew L. Unmanned aerial vehicle classification, applications and challenges: A review. 2018. DOI: https://doi.org/10.20944/preprints201811.0601.v1.
Петросян А. Р., Петросян Р. В., Колос К. Р. (2021). Розробка платформи віддаленого управління інфраструктурою Інтернет речей. Технічна інженерія. (1 (87)). 73–80. DOI: https://doi.org/10.26642/ten-2021-1(87)-73-80.
Govorcin M., Pribicevic B., Dapo A. Comparison and analysis of software solutions for creation of a digital terrain model using unmanned aerial vehicles. 14th International Multidisciplinary Scientific GeoConference SGEM 2014. 2014. P. 99–108. DOI: https://doi.org/10.13140/2.1.2352.4803.
Chong M., Chuntao L. Design of flight control software for small unmanned aerial vehicle based on VxWorks. Proceedings of 2014 IEEE Chinese Guidance, Navigation and Control Conference. 2014. P. 1831–1834. DOI: https://doi.org/10.1109/ CGNCC.2014.7007459.
PX4 System Architecture | PX4 Guide (main). PX4 Autopilot Documentation. URL: https://docs.px4.io/main/en/concept/px4_ systems_architecture (дата звернення: 21.10.2025).
Architectural Process for Flight Control Software of Unmanned Aerial Vehicle with Module-Level Portability / T. Jargalsaikhan et al. Aerospace. 2022. No. 2. Vol. 9. P. 62. DOI: https://doi.org/10.3390/aerospace9020062.
Hegde M., Raveendra M. Development of flight control software for Unmanned Aerial Vehicle. Int. J. Emerg. Technol. Comput. Sci. Electron. 2015. Vol. 14. P. 661–664.
PX4 Architectural Overview | PX4 Guide (main). PX4 Autopilot Documentation. URL: https://docs.px4.io/main/en/concept/ architecture (дата звернення: 21.10.2025).
Welcome to the Development Section | Betaflight. Pushing the limits of UAV performance | Betaflight. URL: https://www.betaflight.com/docs/development (дата звернення: 21.10.2025).
Meier L., Honegger D., Pollefeys M. PX4: A node-based multithreaded open source robotics framework for deeply embedded platforms. IEEE international conference on robotics and automation (ICRA). 2015. P. 6235–6240. DOI: https://doi.org/10.1109/ICRA.2015.7140074.
Bossard F. Event driven architecture for hard real-time embedded systems. 2nd Embedded Real Time Software Congress (ERTS’04). 2004. URL: https://hal.science/hal-02275439v1/document
On Embedding a Dataflow Architecture in a Multi-Robot System / M. J. Bagchi et al. 2022 Sixth IEEE International Conference on Robotic Computing (IRC) (Italy, 5–7 December 2022). 2022. DOI: https://doi.org/10.1109/irc55401.2022.00052.
Mihalic F., Truntic M., Hren A. Hardware-in-the-Loop Simulations: A Historical Overview of Engineering Challenges. Electronics. 2022. Vol. 11. No. 15. P. 2462. DOI: https://doi.org/10.3390/electronics11152462.
Model-Based Design of UAV Autopilot Software / M. Zuo et al. 2nd International Conference on Computer and Information Applications (ICCIA 2012) (China, 8–9 December 2012). 2012. DOI: https://doi.org/10.2991/iccia.2012.290.
Badra A. A., Aïello O., Chaudemar J.-C. Applying a Model-Based Systems Engineering Approach to Model an Unmanned Aerial Vehicle Mission. IEEE International Systems Conference (SysCon) (Vancouver, BC, Canada, 17–20 April 2023). 2023. DOI: https://doi.org/10.1109/syscon53073.2023.10131224.
Aniche M. Effective Software Testing: A Developer’s Guide. Manning Publications Co., 2022. 328 p.
Testing automotive embedded systems under X-in-the-loop setups / G. Tibba et al. ICCAD ’16: IEEE/ACM INTERNATIONAL CONFERENCE ON COMPUTER-AIDED DESIGN (Austin, Texas. New York, NY, USA, 2016). DOI: https://doi.org/10.1145/2966986.2980076.
Software-in-the-loop simulation of the forerunner UAV system / A. Hiba et al. IFAC-PapersOnLine. 2022. Vol. 55. No. 14. P. 139–144. DOI: https://doi.org/10.1016/j.ifacol.2022.07.596.
Hancer M., Bitirgen R., Bayezit I. Designing 3-DOF Hardware-In-The-Loop Test Platform Controlling Multirotor Vehicles. IFAC-PapersOnLine. 2018. № 4. Vol. 51. P. 119–124. DOI: https://doi.org/10.1016/j.ifacol.2018.06.058.
Industrial Applications of the Kalman Filter: A Review / F. Auger et al. IEEE Transactions on Industrial Electronics. 2013. Vol. 60. No. 12. P. 5458–5471. DOI: https://doi.org/10.1109/tie.2012.2236994.
Using PX4’s Navigation Filter (EKF2). PX4 Guide (main). URL: https://docs.px4.io/main/uk/advanced_config/tuning_the_ ecl_ekf.html (дата звернення: 21.10.2025).
Extended Kalman Filter (EKF) – Copter documentation. ArduPilot – Versatile, Trusted, Open. URL: https://ardupilot.org/ copter/docs/common-apm-navigation-extended-kalman-filter-overview.html (дата звернення: 21.10.2025).
Evaluation of localization by extended Kalman filter, unscented Kalman filter, and particle filter-based techniques / I. Ullah et al. Wireless Communications and Mobile Computing. 2020. Vol. 2020. P. 1–15. DOI: https://doi.org/10.1155/2020/8898672.
Mahony R., Hamel T., Pflimlin J.-M. Nonlinear Complementary Filters on the Special Orthogonal Group. IEEE Transactions on Automatic Control. 2008. Vol. 53. No. 5. P. 1203–1218. DOI: https://doi.org/10.1109/tac.2008.923738.
Zhao B., Hu J., Ji B. An improved particle filter based on genetic resampling. International Conference on Automation, Mechanical Control and Computational Engineering. Atlantis Press, 2015. P. 1353–1358. DOI: https://doi.org/10.2991/ amcce-15.2015.125.
Managing Gyro Noise with the Dynamic Harmonic Notch Filters – Copter documentation. ArduPilot – Versatile, Trusted, Open. URL: https://ardupilot.org/copter/docs/common-imu-notch-filtering.html (дата звернення: 21.10.2025).
Petrosian R., Chukhov V., Petrosian A. Development of a method for synthesis the FIR filters with a cascade structure based on genetic algorithm. Technology audit and production reserves. 2021. Vol. 4. No. 2 (60). P. 6–11. DOI: https://doi.org/ 10.15587/2706-5448.2021.237271.
Lopez-Sanchez I., Moreno-Valenzuela J. PID control of quadrotor UAVs: A survey. Annual Reviews in Control. 2023. Vol. 56. P. 100900. DOI: https://doi.org/10.1016/j.arcontrol.2023.100900.
Petrosian R., Pilkevych I., Petrosian A. Algorithm for optimizing a PID controller model based on a digital filter using a genetic algorithm. Proceedings of the 3rd Edge Computing Workshop. 2023. Vol. 3374. Pp. 97–111. URL: https://ceur-ws.org/ Vol-3374/paper07.pdf
Attitude UAV Stability Control Using Linear Quadratic Regulator-Neural Network (LQR-NN) / Oktaf Agni Dhewa et al. IIUM Engineering Journal. 2024. Vol. 25. No. 2. P. 246–265. DOI: https://doi.org/10.31436/iiumej.v25i2.3119.
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
