Реєстраційний номер
0826U004956, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
10-09-2026
Статус
Запланована
Чому дисертація має статус "Запланована"?
Назва роботи
Модель нейромережевого управління групою БПЛА
Здобувач
Мирошниченко Ігнат Васильович,
Керівник Кучеров Дмитро Павлович
Опонент Клюшніков Ігор Миколайович
Опонент АРТЮШИН Леонід Михайлович
Рецензент Приставка Пилип Олександрович
Рецензент Нечипорук Олена Петрівна
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Національний університет «Київський авіаційний інститут»
Опис
У дисертаційній роботі розглянуто питання розроблення децентралізованої нейромережевої моделі управління групою безпілотних літальних апаратів на основі графових нейронних мереж та методів мультиагентного навчання з підкріпленням. Основну увагу приділено створенню моделі, що забезпечує координоване переміщення групи БПЛА, підтримання заданої формації, уникнення зіткнень між агентами та можливість масштабування системи без повторного навчання при зміні кількості літальних апаратів. Запропонований підхід базується на поєднанні графових нейронних мереж із механізмом уваги та алгоритму мультиагентного навчання з підкріпленням за парадигмою централізованого навчання і децентралізованого виконання.
Проведено систематичний аналіз сучасних методів координації груп безпілотних літальних апаратів, досліджено особливості застосування правил Рейнольдса, методів потенційних полів, алгоритмів мультиагентного навчання з підкріпленням та графових нейронних мереж. Визначено їх переваги, обмеження та сформульовано вимоги до побудови ефективної системи децентралізованого управління роєм БПЛА.
У другому розділі розроблено математичну модель багатoагентної системи безпілотних літальних апаратів у вигляді динамічного графа, сформовано модель локального стану кожного агента, структуру інформаційного обміну між сусідніми БПЛА та запропоновано математичний опис критеріїв безпечного руху і масштабованості системи. Побудовано модель взаємодії агентів, яка враховує зміну топології мережі та локальний характер обміну інформацією.
Розроблено нейромережеву архітектуру системи управління роєм безпілотних літальних апаратів, яка поєднує графову нейронну мережу з механізмом уваги та алгоритм мультиагентного навчання з підкріпленням. Запропоновано архітектуру Актора і Критика для реалізації централізованого навчання та децентралізованого виконання, розроблено функцію винагороди, що враховує точність підтримання формації, безпечні відстані між агентами, зв'язність групи та ефективність виконання місії. Для підвищення безпеки руху реалізовано дворівневий механізм уникнення зіткнень, який поєднує навчання з підкріпленням із шаром забезпечення безпечних відстаней на основі квадратичного програмування. В результаті експериментальної перевірки запропонованої моделі в симуляційному середовищі Gazebo із використанням програмної платформи ArduPilot. проведено порівняння запропонованого підходу із сучасними методами координації груп БПЛА за показниками точності підтримання формації, безпеки руху, успішності виконання місій та масштабованості. Результати експериментів підтвердили ефективність запропонованого методу, його здатність забезпечувати стабільне керування групою безпілотних літальних апаратів без перенавчання при збільшенні кількості агентів, а також можливість використання моделі на вбудованих бортових обчислювальних пристроях у режимі реального часу.
Розроблені математична модель, метод децентралізованого управління та програмне забезпечення можуть бути використані під час створення інтелектуальних систем керування групами безпілотних літальних апаратів для виконання задач картографування місцевості, моніторингу, пошуково-рятувальних операцій, інспектування об'єктів інфраструктури, екологічного контролю та виконання спеціальних місій. Запропоновані моделі й алгоритми забезпечують підвищення ефективності координації рою БПЛА, скорочення обчислювальних витрат і покращення масштабованості систем групового управління.
Дата реєстрації
2026-08-31
Додано/оновлено в НРАТ
2026-08-31 / 2026-08-31
