[論文レビュー] Practical Mission Planning for Optimized UAV-Sensor Wireless Recharging

Qiuchen Qian, James OKeeffe+2 more|arXiv (Cornell University)|Mar 9, 2022

UAV Applications and Optimization被引用数 4

ひとこと要約

本稿では、動的風況およびバッテリー制約下でのエネルギー再充電を最適化する、無線再充電センサネットワーク（WRSNs）におけるUAV向けハイブリッドオフライン/オンラインミッションプランナーロムプ（ROMP）を提案する。ガイドドローカルサーチとコンテキスト対応ブラックホールアルゴリズムを組み合わせた手法であり、FastROMPは、リアルタイムルート調整により計算時間を最大93.3％削減し、エネルギー消費コストの増加を最小限に抑えつつ、再充電エネルギーを21.47％向上させる。

ABSTRACT

Optimal maintenance of sensor nodes in a Wireless Rechargeable Sensor Network (WRSN) requires effective scheduling of power delivery vehicles by solving the Charging Scheduling Problem (CSP). Deploying Unmanned Aerial Vehicles (UAVs) as mobile chargers has emerged as a promising solution due to their mobility and flexibility. The CSP can be formulated as a Mixed-Integer Non-Linear Programming problem whose optimization objective is maximizing the recharged energy of sensor nodes within the UAV battery constraint. While many studies have demonstrated satisfactory performance of heuristic algorithms in addressing specific routing problems, few studies explore online updating (i.e., mission re-planning `on the fly') in the CSP context. Here we present a new offline and online mission planner leveraging a first-principles power consumption model that uses real-time state information and environmental information. The planner, namely Rapid Online Metaheuristic-based Planner (ROMP), supplements solutions from a Guided Local Search (GLS) with our Context-aware Black Hole Algorithm. Our results demonstrate that ROMP outperforms GLS in most cases tested. We developed and proposed FastROMP to speed up the online mission (re-)planning algorithm by introducing a new online adjustment operator that uses the latest state information as input, eliminating the need for re-initialization. FastROMP not only provides a better quality route, but it also significantly reduces computational time. The reduction ranges from 39.57% in sparse deployment to 93.3% in denser deployments.

研究の動機と目的

• UAVがエネルギー制約および環境的制約下でセンサノードを再充電する必要がある、無線再充電センサネットワーク（WRSNs）における動的充電スケジューリング問題（CSP）に対処する。
• 風況やバッテリー残量の変化に応じたリアルタイムのミッション再計画を可能にするために、静的オフラインプランナの限界を克服する。
• エネルギー制約下におけるNP困難なTSPおよびオリエンティング問題（OP）シナリオにおけるUAVパス計画の解の質と計算効率を向上させる。
• 埋め込みUAV飛行コンピュータへの実世界展開に適した、軽量でスケーラブルなプランナを開発する。
• リアルタイム状態データ（例：残存バッテリー、風速）を用いたオンライン再計画が、エネルギー再充電性能を著しく向上させるとともに、計算オーバーヘッドを低減することを示す。

提案手法

• UAVバッテリー消費および風によるパワー消費制約下で再充電エネルギーを最大化する混合整数非線形計画問題として、UAV充電スケジューリング問題を定式化する。
• ドローンM100（DJI M100）のマルチローターUAVの基本的消費モデルを構築し、風の影響および誘導結合充電（IPT）効率を組み込む。
• 2段階アプローチを用いたオフラインプランナ、ROMPを実装：初期ルート生成のためのイニシャルソルバー（GLS）と、解の最適化のための最適化ソルバー（コンテキスト対応ブラックホールアルゴリズム）を採用。
• 再初期化を伴わず、過去のルートを再利用し、リアルタイム状態データ（例：残存バッテリー、風速）を用いて更新する、新しいオンライン調整演算子であるFastROMPを導入。
• 複数コアへの並列処理を適用し、オフラインソルバーの高速化を達成。5000個の個体数で、GLS比99.8％の解品質向上を達成。
• 単一解（GLS）と集団ベース（CBHA）最適化を統合したハイブリッドメタヒューリスティクスフレームワークを採用し、動的環境における探索と活用のバランスを図る。

実験結果

リサーチクエスチョン

• RQ1 ハイブリッドオフライン/オンラインミッションプランナは、静的オフライン手法と比較して、WRSNsにおける再充電エネルギーを著しく向上させるとともに、計算時間を大幅に短縮できるか？
• RQ2 コンテキスト対応ブラックホールアルゴリズムとガイドドローカルサーチの統合は、動的風況下におけるUAV充電スケジューリングの解の質を向上させるのにどの程度効果的か？
• RQ3 FastROMPに組み込まれたオンライン調整演算子は、動的CSPシナリオにおいて、解の質を劣化させることなく、計算時間をどの程度短縮できるか？
• RQ4 リアルタイム状態情報（例：バッテリー残量、風速）は、UAVミッション再計画の性能および適応性にどのような影響を与えるか？
• RQ5 軽量でリアルタイムの再計画が可能なアルゴリズムは、実世界のWRSN応用に向け、埋め込みUAV飛行コンピュータに効率的に展開可能か？

主な発見

• ROMPはGLSを上回る解の質を達成し、動的風況下で再充電エネルギーを21.47％向上させるとともに、UAVエネルギー消費はわずか1.89％増加にとどまる。
• FastROMPは、スパarsな展開では39.57％、より密集した展開では最大93.3％の計算時間短縮をROMPと比較して達成しており、これは効率的なオンラインルート調整に起因する。
• 4コアプロセッシングを用いたROMPの分散実装は、5000個体の個体数で500回の実行において、GLS比99.8％の解品質向上を達成した。
• FastROMPの最悪計算量時間はO(n²)であり、特に高密度センサネットワークにおいて、リアルタイム展開に計算的に効率的である。
• コンテキスト対応ブラックホールアルゴリズムは、風速やバッテリー状態などの環境動的要因に適応することで、ルート最適化を著しく向上させる。
• 実地および風洞実験を計画し、プランナの頑健性を検証するとともに、実世界の正確性を高めるために、抗力係数や流体密度などのモデルパrameterを精緻化する。