[论文解读] A Distributed Control Framework for a Team of Unmanned Aerial Vehicles for Dynamic Wildfire Tracking

Huy Xuan Pham, Hung Manh La+2 more|arXiv (Cornell University)|Apr 9, 2017

Evacuation and Crowd Dynamics参考文献 10被引用 5

一句话总结

本文提出了一种用于无人机机群的分布式控制框架，通过去中心化协调、碰撞避免和自适应高度控制，实现对动态蔓延野火的自主跟踪，以维持对火线边界的高分辨率监控。该系统无需集中控制或依赖火势形状建模，即可实现实时、可扩展的野火监测，在模拟实验中展示了在动态条件下有效的覆盖与跟踪能力。

ABSTRACT

Wildland fire fighting is a very dangerous job, and the lack of information of the fire front is one of main reasons that causes many accidents. Using unmanned aerial vehicle (UAV) to cover wildfire is promising because it can replace human in hazardous fire tracking and save operation costs significantly. In this paper we propose a distributed control framework designed for a team of UAVs that can closely monitor a wildfire in open space, and precisely track its development. The UAV team, designed for flexible deployment, can effectively avoid in-flight collision as well as cooperate well with other neighbors. Experimental results are conducted to demonstrate the capabilites of the UAV team in covering a spreading wildfire.

研究动机与目标

• 为应对野火扑救的高风险性，实现无人机自主实时监控和跟踪蔓延野火。
• 开发一种去中心化控制系统，使无人机团队能够在避免碰撞的同时，持续覆盖整个火情区域，并适应火势的动态扩展。
• 消除对集中式计算或预先建模的火势形状的依赖，实现可扩展且鲁棒的野火监测。
• 通过高度调节与邻近无人机协同，提升火线区域的图像分辨率，增强态势感知能力。

提出的方法

• 混合控制框架结合了覆盖控制与人工势场法，以平衡野火跟踪与碰撞避免。
• 无人机使用分布式算法估计火线位置，并根据本地传感信息与邻近无人机数据调整飞行轨迹。
• 控制律中引入势场分量，当无人机间距离小于安全距离 d 时相互排斥，确保碰撞避免。
• 初始阶段使用会合点引导无人机靠近火情；一旦检测到野火，即关闭朝向会合点的势场，以启动自主跟踪。
• 高度控制根据火势强度和所需图像分辨率动态调整，无人机在高强火势区域上升以提升感知质量。
• 系统采用基于邻近关系的通信模型，无人机仅与通信范围 r 内的邻居交互，实现可扩展且自适应的协同。

实验结果

研究问题

• RQ1 如何在无集中协调的情况下，以去中心化方式控制无人机团队，实时跟踪动态蔓延的野火？
• RQ2 无人机如何在有效覆盖整个火线边界的同时，保持安全距离并适应火势扩张？
• RQ3 何种控制机制可使无人机在不依赖预建模火势形状的前提下，提升火线区域的图像分辨率？
• RQ4 该系统如何应对野火跟踪过程中动态变化的网络拓扑与通信约束？

主要发现

• 无人机团队在1000个时间步内成功汇聚至初始火情区域，并展开覆盖整个火线边界。
• 随着火势扩展，无人机群发生分裂并跟随火线移动，持续保持覆盖并适应边界变化。
• 系统实现了动态高度调节，无人机在高强火势区域上升以提升图像分辨率，表现为视场角（FOV）区域的差异。
• 大多数无人机在模拟末期仍与邻近无人机保持通信连接，如最终模拟阶段中蓝色连线所示。
• 控制框架在检测到野火后成功关闭了会合点势场，实现无需集中干预的自主跟踪。
• 在6000个时间步的模拟中，系统展示了稳定、可扩展且无碰撞的野火跟踪，野火向东北方向蔓延。