| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 3.06 MB | Adobe PDF |
Abstract(s)
Bird damage to fruit crops causes significant monetary losses to farmers annually. The
application of traditional bird repelling methods such as bird cannons and tree netting
became inefficient in the long run, keeping high maintenance and reduced mobility. Due to
their versatility, Unmanned Aerial Vehicles (UAVs) can be beneficial to solve this problem.
However, due to their low battery capacity that equals low flight duration, it is necessary to
evolve path planning optimization.
A path planning optimization algorithm of UAVs based on Particle Swarm Optimization
(PSO) is presented in this dissertation. This technique was used due to the need for an easy
implementation optimization algorithm to start the initial tests. The PSO algorithm is
simple and has few control parameters while maintaining a good performance. This path
planning optimization algorithm aims to manage the drone's distance and flight time,
applying optimization and randomness techniques to overcome the disadvantages of the
traditional systems. The proposed algorithm's performance was tested in three study cases:
two of them in simulation to test the variation of each parameter and one in the field to test
the influence on battery management and height influence. All cases were tested in the three
possible situations: same incidence rate, different rates, and different rates with no bird
damage to fruit crops.
The proposed algorithm presents promising results with an outstanding reduced average
error in the total distance for the path planning obtained and low execution time. However,
it is necessary to point out that the path planning optimization algorithm may have difficulty
finding a suitable solution if there is a bad ratio between the total distance for path planning
and points of interest. The field tests were also essential to understand the algorithm's
behavior of the path planning algorithm in the UAV, showing that there is less energy
discharged with fewer points of interest, but that do not correlates with the flight time. Also,
there is no association between the maximum horizontal speed and the flight time, which
means that the function to calculate the total distance for path planning needs to be
adjusted.
Anualmente, os danos causados pelas aves em pomares criam perdas monetárias significativas aos agricultores. A aplicação de métodos tradicionais de dispersão de aves, como canhões repelentes de aves e redes nas árvores, torna-se ineficiente a longo prazo, sendo ainda de alta manutenção e de mobilidade reduzida. Devido à sua versatilidade, os Veículos Aéreos Não Tripulados (VANT) podem ser benéficos para resolver este problema. No entanto, devido à baixa capacidade das suas baterias, que se traduz num baixo tempo de voo, é necessário otimizar o planeamento dos caminhos. Nesta dissertação, é apresentado um algoritmo de otimização para planeamento de caminhos para VANT baseado no Particle Swarm Optimization (PSO). Para se iniciarem os primeiros testes do algoritmo proposto, a técnica utilizada foi a supracitada devido à necessidade de um algoritmo de otimização fácil de implementar. O algoritmo PSO é simples e possuí poucos parâmetros de controlo, mantendo um bom desempenho. Este algoritmo de otimização de planeamento de caminhos propõe-se a gerir a distância e o tempo de voo do drone, aplicando técnicas de otimização e de aleatoriedade para superar a sua desvantagem relativamente aos sistemas tradicionais. O desempenho do algoritmo de planeamento de caminhos foi testado em três casos de estudo: dois deles em simulação para testar a variação de cada parâmetro e outro em campo para testar a capacidade da bateria. Todos os casos foram testados nas três situações possíveis: mesma taxa de incidência, taxas diferentes e taxas diferentes sem danos de aves. Os resultados apresentados pelo algoritmo proposto demonstram um erro médio muto reduzido na distância total para o planeamento de caminhos obtido e baixo tempo de execução. Porém, é necessário destacar que o algoritmo pode ter dificuldade em encontrar uma solução adequada se houver uma má relação entre a distância total para o planeamento de caminhos e os pontos de interesse. Os testes de campo também foram essenciais para entender o comportamento do algoritmo na prática, mostrando que há menos energia consumida com menos pontos de interesse, sendo que este parâmetro não se correlaciona com o tempo de voo. Além disso, não há associação entre a velocidade horizontal máxima e o tempo da missão, o que significa que a função de cálculo da distância total para o planeamento de caminhos requer ser ajustada.
Anualmente, os danos causados pelas aves em pomares criam perdas monetárias significativas aos agricultores. A aplicação de métodos tradicionais de dispersão de aves, como canhões repelentes de aves e redes nas árvores, torna-se ineficiente a longo prazo, sendo ainda de alta manutenção e de mobilidade reduzida. Devido à sua versatilidade, os Veículos Aéreos Não Tripulados (VANT) podem ser benéficos para resolver este problema. No entanto, devido à baixa capacidade das suas baterias, que se traduz num baixo tempo de voo, é necessário otimizar o planeamento dos caminhos. Nesta dissertação, é apresentado um algoritmo de otimização para planeamento de caminhos para VANT baseado no Particle Swarm Optimization (PSO). Para se iniciarem os primeiros testes do algoritmo proposto, a técnica utilizada foi a supracitada devido à necessidade de um algoritmo de otimização fácil de implementar. O algoritmo PSO é simples e possuí poucos parâmetros de controlo, mantendo um bom desempenho. Este algoritmo de otimização de planeamento de caminhos propõe-se a gerir a distância e o tempo de voo do drone, aplicando técnicas de otimização e de aleatoriedade para superar a sua desvantagem relativamente aos sistemas tradicionais. O desempenho do algoritmo de planeamento de caminhos foi testado em três casos de estudo: dois deles em simulação para testar a variação de cada parâmetro e outro em campo para testar a capacidade da bateria. Todos os casos foram testados nas três situações possíveis: mesma taxa de incidência, taxas diferentes e taxas diferentes sem danos de aves. Os resultados apresentados pelo algoritmo proposto demonstram um erro médio muto reduzido na distância total para o planeamento de caminhos obtido e baixo tempo de execução. Porém, é necessário destacar que o algoritmo pode ter dificuldade em encontrar uma solução adequada se houver uma má relação entre a distância total para o planeamento de caminhos e os pontos de interesse. Os testes de campo também foram essenciais para entender o comportamento do algoritmo na prática, mostrando que há menos energia consumida com menos pontos de interesse, sendo que este parâmetro não se correlaciona com o tempo de voo. Além disso, não há associação entre a velocidade horizontal máxima e o tempo da missão, o que significa que a função de cálculo da distância total para o planeamento de caminhos requer ser ajustada.
Description
Keywords
Agricultura de Precisão Algoritmo de Otimização Para Planeamento de Caminhos Danos A Pássaros Meta-Heurística Planeamento de Caminho Veículos Aéreos Não Tripulados