Simulering av eftersökning i terräng med en eller flera obemannade flygfarkoster Douglas Cau Sjöland & Thyselius Datakonsulter

Innehåll Introduktion Modellering av UAV (obemannad flygfarkost) Modellering av eftersökning Simulering Resultat

Introduktion Taktiska UAV:er används till spaning och rekognosera terräng Modeller har utvecklats för att simulera taktiska scenarion Simuleringar kan användas för att utvärdera krav på sökmönster, sensorer, antal UAV:er, logistik och basering. Med en interaktiv klient kan även en operatörsstation simuleras

Bakgrund Jag har studerat Farkostteknik, inriktning Flyg på KTH Examensarbete på Sjöland & Thyselius Datakonsulter AB Syftet med projektet är att ta fram ett analysverktyg för UAV simuleringar Modellering av Shadow 200B (AAI) Används av Amerikanska militären för spaning i Irak och Afghanistan Beställd av FMV för användning i Afghanistan

Sjöland & Thyselius Ca 170 anställda, med över 90% civilingenjörer eller motsvarande, många med forskarutbildning Till största delen uppdrag inom Försvarsmakten med stödmyndigheter samt försvarsindustrin Simulering, utbildning, systemutveckling, verksamhetsutveckling, experimentell aerodynamik (STARCS, fd FFA), byggprojektledning, telekom mm. Långa kundrelationer, några uppdrag är mer än 15 år

Modellering av UAV Simuleringsramverket Flames (Ternion Corporation) används UAV enheter består av flera modeller tillsammans Rörelseförmågan modelleras i en plattform

UAV Plattform

Flygmekanik Olinjär aerodynamisk modell av Shadow 200B (AAI) Digital Datcom (US AF) används för aerodynamisk data Modellen är begränsad med avseende på Anfallsvinkeln (Datcom) Attityden (Flames)

Framdrivning Antaganden vid beräkning av drivkraft Hastighet påverkar inte effekten Luftens densitet påverkar effekten Konstant verkningsgrad på propellern Antaganden vid beräkning av bränsleförbrukning Massan ändras, men tyngdpunken antas konstant När bränslet är slut så sätts drivkraften till noll

Autopilot UAV-enheter ges fördefinierade uppdrag Beteendemodellen ansvarar för att uppdragen slutförs Referenssignal genereras av hastighet och riktning till nästa brytpunkt

Reglersystem LQ reglering med återkoppling Förstärkningsmatriser K beräknas i förväg utifrån en linjäriserad modell vid bestämda hastigheter och höjder Parameterstyrning utförs på K genom linjär interpolation

Modellering av eftersökning Eftersökning är en sammankoppling av Beteendemodell (beslutsfattning) Sensormodell (detektering) Radiomodell (kommunikation)

Detektering Optisk sensor detekterar enheter inom synfältet Händelser bearbetas och paras ihop till målspår Målspår används som underlag för beteendemodellen

Sökalgoritm Svepmönster används för att täcka konvexa polygon Bygger på Optimal search for a moving target, a geometric approach av Ablavsky et al Avståndet mellan svepen varierar beroende på sensorn

Samarbete mellan UAV:er Varje enskild enhet tar egna beslut Besluten baseras på delad information Information om vilka svep som söks skickas över radio UAV:er väljer nästa svep utifrån vilka svep som redan är sökta

Sammanfattning av modeller 6DOF olinjär aerodynamisk modell Parameterstyrd LQ reglering som följer brytpunkter Optisk sensor som söker efter enheter på marken Områden avsöks med en svepalgoritm Samarbete sker mellan flera UAV:er som delar på uppgiften

Simuleringsramverket Flames Forge Hanterar scenarion Fire Exekverar scenarion Flash Spelar upp scenarion

Modellering i Flames Flames modeller implementeras i C och C++ En modell motsvarar ett objekt med tillhörande tillstånd och metoder Objekt bygger på Flames API grundklasser Objekt använder olika gränssnitt som registreras i Flames API för att kommunicera med varandra

Interaktiva scenarion Realtidssimulering med interaktiv klient Kan användas för att ta över UAV:er under simuleringar Klienten skickar riktningskommandon till autopiloten Tillsammans med en 3D-vy går det att simulera en enkel operatörsstation

Datainsamling I scenarion finns det globala parametrar, scenariovariabler Modellerna använder parametrarna för att konfigurera egenskaper och förmågor En tabellfil definierar värdet på variablerna Scenariot exekveras för varje rad i tabellen Resultat sparas i loggfiler Modeller bidrar med intern tillståndsinformation till loggarna

Utförda simuleringar Scenariot är uppbyggt av Ett fientligt fordon En eller flera aktiva UAV:er Ett område att avsöka Målet för UAV:erna är att rekognosera framrycknings- väg Varierar antal UAV:er Varierar sensorns synfält

Resultat Simuleringarna sammanställs och en avvägningsfunktion, effektivitet definieras utifrån Tid för att slutföra uppdraget Total flygtid för alla UAV:er Tid till första upptäckt Resultatet kan användas för att analysera förbättrings- potential i effektiviteten

Delresultaten Uppdragstid Total flygtid Första upptäckt Avvägt resultat

Användningsområden Träna operatörer Analysera användning av UAV:er Systematisk datainsamling Varierande parametrar Utveckling av användargränssnitt för operatörsstationer

Frågor?