[논문 리뷰] Practical Mission Planning for Optimized UAV-Sensor Wireless Recharging

Qiuchen Qian, James OKeeffe외 2명|arXiv (Cornell University)|2022. 03. 09.

UAV Applications and Optimization인용 수 4

한 줄 요약

이 논문은 무선 충전 센서 네트워크(WRSNs)에서 다중 로봇 드론(UAV)의 하이브리드 오프라인/온라인 미션 플래너인 ROMP를 제안한다. 이 플래너는 지도된 국소 탐색(Guided Local Search)과 맥락 인식 블랙홀 알고리즘을 조합하여 동적 풍속 및 배터리 제약 조건 하에서 에너지 충전을 최적화한다. FastROMP는 실시간 경로 조정을 통해 계산 시간을 최대 93.3% 감소시키며, 에너지 소비 증가 폭을 최소화하면서 충전된 에너지를 21.47% 향상시킨다.

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.

연구 동기 및 목표

• UAV가 에너지 및 환경 제약 조건 하에서 작동하는 무선 충전 센서 네트워크(WRSNs)에서 동적 충전 스케줄링 문제(CSP)를 해결한다.
• 바람과 배터리 수준과 같은 환경 조건 변화에 대응하기 위해 실시간 미션 재계획이 가능한 동적 환경에 적합한 정적 오프라인 플래너의 한계를 극복한다.
• 에너지 제약 조건 하에서 NP-완전 TSP 및 오리엔티어링 문제(OP) 시나리오에서 UAV 경로 계획의 해 품질과 계산 효율성을 향상시킨다.
• 임베디드 UAV 비행 컴퓨터에 실질적으로 구현 가능한 경량이고 확장 가능한 플래너를 개발한다.
• 실시간 상태 데이터를 활용한 온라인 재계획이 에너지 충전 성능을 크게 향상시키고 계산 오버헤드를 감소시킨다는 것을 입증한다.

제안 방법

• UAV 배터리 및 바람에 의한 전력 소비 제약 조건 하에서 충전된 에너지를 최대화하는 혼합정수비선형계획문제(MINLP)로 UAV 충전 스케줄링 문제를 수식화한다.
• 다중 로터 UAV(DJI M100)의 전력 소비 모델을 제작하여 바람 영향과 인덕티브 파워 전송(IPT) 효율성을 포함한다.
• 2단계 접근 방식을 사용한 오프라인 플래너 ROMP를 구현: 초기 경로 생성을 위한 초기 해법기(GLS)와 해를 개선하기 위한 최적화 해법기(맥락 인식 블랙홀 알고리즘).
• 기존 경로를 재사용하고 실시간 상태 데이터(예: 잔여 배터리, 풍속)를 이용해 재초기화 없이 경로를 업데이트하는 새로운 온라인 조정 연산자인 FastROMP를 도입한다.
• 다중 코어에서의 병렬 처리를 적용해 오프라인 해법기를 가속화하여, 5000개의 개체 수에서 GLS 대비 99.8%의 해 품질 향상을 달성한다.
• 단일 해 기반(GLS)과 집단 기반(CBHA) 최적화를 융합한 하이브리드 메타휴리스틱 프레임워크를 도입하여, 동적 환경에서 탐색과 이용의 균형을 맞춘다.

실험 결과

연구 질문

• RQ1 하이브리드 오프라인/온라인 미션 플래너는 정적 오프라인 방법에 비해 충전된 에너지를 크게 향상시키고 계산 시간을 줄일 수 있는가?
• RQ2 맥락 인식 블랙홀 알고리즘을 지도된 국소 탐색과 융합함으로써, 동적 풍속 조건 하에서 UAV 충전 스케줄링의 해 품질을 얼마나 향상시킬 수 있는가?
• RQ3 FastROMP의 온라인 조정 연산자가 동적 CSP 시나리오에서 해 품질을 저하시키지 않고 계산 시간을 얼마나 줄일 수 있는가?
• RQ4 실시간 상태 정보(예: 배터리 수준, 풍속)는 UAV 미션 재계획의 성능과 적응 가능성에 어떤 영향을 미치는가?
• RQ5 경량 실시간 재계획 알고리즘이 실질적인 WRSN 응용 분야에서 임베디드 UAV 비행 컴퓨터에 효율적으로 구현될 수 있는가?

주요 결과

• ROMP는 동적 풍속 조건 하에서 GLS보다 해 품질이 뛰어나며, 충전된 에너지를 21.47% 향상시키고 UAV 에너지 소비는 1.89% 증가에 그친다.
• FastROMP는 흩어진 배치에서는 39.57%의 계산 시간 감소, 더욱 농축된 배치에서는 최대 93.3%의 계산 시간 감소를 달성하며, 효율적인 온라인 경로 조정 덕분이다.
• 4개의 처리 코어를 사용한 분산 구현에서, 5000개의 개체 수에서 500회 실행 동안 ROMP는 GLS 대비 99.8%의 해 품질 향상을 달성한다.
• FastROMP의 최악의 시간 복잡도는 O(n²)이며, 이는 고밀도 센서 네트워크에서 실시간 구현에 매우 효율적이다.
• 맥락 인식 블랙홀 알고리즘은 풍속과 배터리 상태와 같은 환경 변화에 적응함으로써 경로 최적화를 크게 향상시킨다.
• 현장 및 풍동 실험을 통해 플래너의 강건성을 검증하고, 실제 정확도를 확보하기 위해 항력 계수와 유체 밀도 등의 모델 파rameter를 보정할 계획이다.