Разработка системы поддержки принятия решений при управлении местоположением выпасаемых животных на основе интернета вещей и мультикоптеров тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Карви Джалал Каис Джамил
Карви Джалал Каис Джамил
кандидат наук
2025
- Специальность ВАК РФ00.00.00
- Количество страниц 137
Оглавление диссертации кандидат наук Карви Джалал Каис Джамил
ВВЕДЕНИЕ
ГЛАВА 1 АНАЛИЗ СОСТОЯНИЯ ИССЛЕДОВАНИЙ ПРОЦЕССОВ УПРАВЛЕНИЯ МЕСТОПОЛОЖЕНИЕМ ЖИВОТНЫХ В СИСТЕМАХ ТОЧНОГО ЖИВОТНОВОДСТВА
1.1 Обзор особенностей применения технологий Интернета вещей и беспилотных летательных аппаратов для решения задач точного животноводства
1.2 Анализ процессов точного животноводства с позиций обеспечения безопасности местоположения выпасаемых животных. Формулировка задач
исследования
Выводы по главе
ГЛАВА 2 РАЗРАБОТКА МЕТОДА РАСПОЗНАВАНИЯ МЕСТОПОЛОЖЕНИЯ ВЫПАСАЕМЫХ ЖИВОТНЫХ, КОНТРОЛИРУЕМЫХ С ИСПОЛЬЗОВАНИЕМ ИНТЕРНЕТА ВЕЩЕЙ И МУЛЬТИКОПТЕРОВ
2.1 Основные этапы процесса распознавания местоположения выпасаемых животных
2.2 Проведение вычислительных экспериментов с применением метода распознавания местоположения выпасаемых животных
2.3 Разработка решающих процедур при выборе числа каналов и мультикоптеров, используемых в процессе управления местоположением выпасаемых животных
Выводы по главе
ГЛАВА 3 РАЗРАБОТКА И ОЦЕНИВАНИЕ РАБОТОСПОСОБНОСТИ СИСТЕМЫ ПОДДЕРЖКИ ПРИНЯТИЯ РЕШЕНИЙ ПРИ УПРАВЛЕНИИ МЕСТОПОЛОЖЕНИЕМ ВЫПАСАЕМЫХ ЖИВОТНЫХ
3.1 Разработка системы поддержки принятия решений об использовании мультикоптеров для корректировки местоположения выпасаемых животных
3.2 Оценивание работоспособности системы поддержки принятия решений с помощью вычислительных экспериментов
СПИСОК ЛИТЕРАТУРЫ
СПИСОК СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
ПРИЛОЖЕНИЕ А Акты внедрения результатов диссертаций
ПРИЛОЖЕНИЕ Б Свидетельство о государственной регистрации программы для ЭВМ
Актуальность темы исследования. В настоящее время для решения задач мониторинга и контроля в различных сферах используются беспилотные летательные аппараты (БПЛА) и сети интернета вещей (Internet of Things, IoT). Возможности БПЛА и IoT находят активное применение в рамках развивающегося научно-прикладного направления точного животноводства (Precision Livestock Farming, PLF). Контроль местоположения животных и управление их перемещением по пастбищу является важной задачей PLF, для решения которой используются многороторные БПЛА, именуемые мульткоптерами. Как показывает опыт и результаты многочисленных испытаний, выпасаемые животные реагируют на звук, издаваемый летящим мультикоптером, и перемещаются в нужном для пастуха направлении, например, в безопасные зоны, места кормления, доения и т.д. При этом постоянное наблюдение за стадом обеспечивается за счет передачи фотографий и трансляции видеопотоков, снимаемых камерами БПЛА, а также формирования с их помощью актуальных карт контролируемой местности. Реализация такого подхода требует, чтобы в процессе наблюдения за животными мультикоптеры находились в полете в течение длительного времени, что является существенным недостатком.
Более предпочтительным является другой подход к контролю выпасаемых животных. Он заключается в том, что на каждой особи размещается трекер, представляющий собой приемо-передающее устройство беспроводной связи. Это устройство способно определять свое текущее местоположение с помощью глобальной системы геопозиционирования (Global Positioning System, GPS), т.е. выполнять функции GPS-приемника. Для передачи данных о координатах местоположения трекеров разворачивается беспроводная IoT-сеть. Трекеры в качестве сетевых устройств отправляют эти данные в виде сообщений на сетевой шлюз. Затем эта информация поступает на сетевой сервер и выводится на интерактивный экран панели управления оператора-пастуха, который, в случае
необходимости, принимает решение об отправке мультикоптера в конкретное место для обеспечения безопасности выпасаемого животного. В процессе реализации такого подхода необходимо обеспечить своевременность отправки БПЛА на основе обоснованного выбора не только числа применяемых мультикоптеров, но и числа беспроводных каналов, используемых для передачи данных о местоположении животных. Кроме того, для минимизации задержек получения оператором геопозиционных данных и снижения энергопотребления трекеров требуется обоснование периодичности отправки сообщений на сетевой шлюз. Вышеуказанные аргументы определяют актуальность разработки системы поддержки принятия решений при управлении местоположением выпасаемых животных на основе использования IoT-сети и мультикоптеров.
Степень разработанности темы исследования. Проведению исследований, ориентированных на решение задач мониторинга и управления распределенными объектами на основе интернета вещей и беспилотных летательных аппаратов, в том числе в животноводческой сфере, посвящены работы А.М. Башилова, Р.В. Киричека, А.Е. Кучерявого, В.А. Шигимаги, J. Chen, H. Huang, M. Magno, A. Savkin, C. Vogt, Z. Zhang и многих других отечественных и зарубежных ученых. Однако анализ научно-технической литературы показал, что недостаточно внимания уделяется вопросам совершенствования процессов точного животноводства в части создания средств рационального выбора числа БПЛА и беспроводных каналов, а также обоснования периодичности отправки трекерами геопозиционных сообщений, используемых в процессе корректировки перемещения животных на пастбище.
Объектом исследования являются процессы точного животноводства.
Предмет исследования - методы и алгоритмы управления местоположением выпасаемых животных с помощью сети интернета вещей и беспилотных летательных аппаратов.
Цель диссертации - совершенствование процессов управления перемещениями выпасаемых животных на основе создания системы обоснования решений, позволяющей повысить безопасность их жизней и воздействий на
окружающую среду за счет адекватного применения технологий интернета вещей и беспилотных летательных аппаратов.
Для достижения поставленной цели сформулированы и решены следующие задачи исследования:
1) анализ процессов точного животноводства с позиций обеспечения безопасности местоположения выпасаемых животных;
2) разработка метода распознавания местоположения животных на пастбище, контролируемых с использованием сети интернета вещей и беспилотных летательных аппаратов;
3) разработка процедур поддержки принятия решений при управлении местоположением выпасаемых животных на основе использования сети интернета вещей и мультикоптеров;
4) оценивание работоспособности предлагаемых процедур с помощью вычислительных экспериментов.
Методология исследования. В диссертационной работе использованы методы теории вероятностей и математической статистики, теории передачи информации, теории телетрафика, специализированные программные средства для выполнения вычислительных экспериментов по оцениванию характеристик процесса управления местоположением выпасаемых животных на основе интернета вещей и БПЛА.
Степень достоверности результатов диссертационной работы обеспечивается корректностью математических преобразований, отсутствием противоречий с известными положениями теории и практики управления местоположением выпасаемых животных на основе интернета вещей и БПЛА, что иллюстрируется с помощью вычислительных экспериментов. Полученные теоретические результаты согласованы с их реализацией в практической сфере, что подтверждается успешным внедрением разработанных научно-технических решений.
1. Метод распознавания местоположения выпасаемых животных, контролируемых с использованием сети интернета вещей и беспилотных летательных аппаратов, который впервые адекватно учитывает зависимость критериев отнесения местоположения животных к определенному классу от характеристик пастбища, стада, мультикоптеров, процесса передачи данных и позволяет оценить рекомендуемую периодичность отправки геопозиционных сообщений сетевыми трекерами.
2. Решающие процедуры при выборе параметров мониторинга и корректировки перемещения выпасаемых животных на основе сети интернета вещей и беспилотных летательных аппаратов, позволяющие оценить минимальное количество беспроводных каналов и мультикоптеров, необходимое для обеспечения безопасного местоположения животных на пастбище.
3. Процедура поддержки принятия решений об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных, контролируемого с помощью сети интернета вещей, которая отличается учетом различных классов местоположения животных на пастбище.
Теоретическая значимость работы состоит в том, что проведенное исследование вносит вклад в развитие теоретических основ построения систем поддержки принятия решений при управлении местоположением выпасаемых животных на основе использования сети интернета вещей и мультикоптеров.
Практическая значимость полученных результатов состоит в возможности создания на их основе аппаратно-программных средств, позволяющих повысить вероятность своевременного принятия решений об использовании БПЛА для корректировки местоположения выпасаемых животных и снизить энергопотребление применяемых для этого сетевых трекеров.
В рамках диссертации получено свидетельство о государственной регистрации программ ЭВМ № 2025617340 «Программный модуль поддержки
принятия решений в системе, функционирующей на основе Интернета вещей». Результаты диссертации внедрены на предприятии ООО «НПП «ЭИТ» БелГУ» и используются в учебном процессе НИУ «БелГУ», что подтверждено соответствующими актами внедрения.
Положения, выносимые на защиту:
1. Применение разработанных решающих процедур при выборе параметров мониторинга и корректировки перемещения выпасаемых животных на основе сети интернета вещей и беспилотных летательных аппаратов позволяет оценить минимальное количество беспроводных каналов и мультикоптеров, необходимое для обеспечения безопасного местоположения животных на пастбище.
2. Применение предложенной процедуры поддержки принятия решений в процессе управления местоположением животных на пастбище на основе сети интернета вещей и беспилотных летательных аппаратов позволяет выдавать теоретически обоснованные рекомендации по использованию мультикоптеров для корректировки перемещения выпасаемых животных.
3. Результаты вычислительных экспериментов иллюстрируют работоспособность предлагаемых решающих процедур при управлении местоположением выпасаемых животных с помощью сети интернета вещей и беспилотных летательных аппаратов.
Соответствие диссертации паспорту научной специальности. Диссертационная работа соответствует паспорту специальности 2.3.1. «Системный анализ, управление и обработка информации, статистика» по следующим областям исследования:
п. 3 «Разработка критериев и моделей описания и оценки эффективности решения задач системного анализа, оптимизации, управления, принятия решений, обработки информации и искусственного интеллекта»;
п. 4 «Разработка методов и алгоритмов решения задач системного анализа, оптимизации, управления, принятия решений, обработки информации и искусственного интеллекта».
Апробация результатов диссертации. Материалы исследования докладывались и обсуждались на III Международной молодежной научно-практической конференции «Информационные технологии и инжиниринг» (г. Белгород, 2025); Международной научно-практической конференции «Трансформация современной модели научной деятельности: задачи, проблемы, перспективы» (г. Ижевск, 2024); Международной научно-практической конференции «Проблемы и перспективы разработки и внедрения передовых технологий» (г. Магнитогорск, 2024), III Международной молодежной научно-практической конференции «Информационные технологии и инжиниринг» (Балгород, 2025).
Связь работы с научными направлениями, программами и проектами.
Тематика работы соответствует приоритетному направлению развития науки, технологий и техники в Российской Федерации «Информационно-телекоммуникационные системы» (утверждено Указом Президента Российской Федерации от 07.07.2011 № 899). Работа связана с проведением исследований в рамках реализации научного проекта № 25-21-00431 «Разработка моделей и методов управления параметрами и режимами передачи информации в беспроводных системах удаленного мониторинга на базе Интернета вещей и летающих самоорганизующихся сетей» при поддержке РНФ.
Публикации. По теме диссертации опубликовано 10 работ, в числе которых 4 статьи в рецензируемых изданиях, рекомендованных ВАК РФ, 2 статьи в журналах, индексируемых в международной базе Scopus, 3 работы в других изданиях, свидетельство о государственной регистрации программы ЭВМ.
Личный вклад соискателя. Все основные научные результаты исследования получены автором самостоятельно или при его непосредственном участии.
Структура и объем диссертации. Диссертация состоит из введения, трех глав, заключения, списка сокращений и условных обозначений, списка литературы, двух приложений. Работа изложена на 137 страницах машинописного текста, включающего 37 таблиц, 33 рисунка и список литературы из 134 наименований.
ГЛАВА 1 АНАЛИЗ СОСТОЯНИЯ ИССЛЕДОВАНИЙ ПРОЦЕССОВ УПРАВЛЕНИЯ МЕСТОПОЛОЖЕНИЕМ ЖИВОТНЫХ В СИСТЕМАХ
ТОЧНОГО ЖИВОТНОВОДСТВА
1.1 Обзор особенностей применения технологий Интернета вещей и беспилотных летательных аппаратов для решения задач точного
животноводства
Под точным животноводством понимается «интегрированная сельскохозяйственная производственная система, включающая все животноводческие процессы, которая создает возможности для экономически эффективного производства продукции с помощью современной техники, электронной идентификации отдельных животных или групп содержания, регистрации данных о процессах и продукции, переработке информации» [Труфляк, 2024, с. 12].
Точное животноводство наряду с точным земледелием является одной из подсистем точного сельского хозяйства (см. рисунок 1.1) [Труфляк, 2024]. Применение PLF-технологий в агропромышленной отрасли расширяется из года в год, позволяя повысить эффективность решения многих задач [Papakonstantinou, 2024].
В сфере точного животноводства реализуются процессы, связанные с идентификацией и мониторингом особей с использованием цифровых технологий, автоматическим регулированием микроклимата и контролем за вредными газами, мониторингом состояния здоровья стада и мониторингом качества продукции животноводства, созданием электронных баз данных производственных процессов и роботизацией процесса доения, а также с выполнением многих других смежных задач [Труфляк, 2024].
Рисунок 1.1 - Структура процессов точного сельского хозяйства
Основные процессы точного животноводства схематично показаны на рисунке
Таблица 1.1 - Технологические средства точного животноводства
Элементы точного животноводства Применяемые технологические средства
Идентификация и отслеживание животных Радиочастотная идентификация
Беспилотные летательные аппараты
Сверхширокополосные системы локализации
Сети Интернет вещей
Автоматическая весовая платформа
Мониторинг показателей животных и корма Акустические системы
3D-моделирование
Радиочастотная идентификация
Сенсорные технологии, Интернет вещей
Электронные поилки и кормушки
Наблюдение за поведением животных Акселерометры
Акустические системы
Сенсорные технологии, Интернет вещей
Наиболее активно PLF-технологии разрабатываются и применяются для решения задач в сфере производства молочной продукции. Реализация процессов
Таблица 1.2 - Технологические средства, применяемые для выполнения процессов точного молочного скотоводства
Процессы точного молочного скотоводства Применяемые технологические средства
Кормление Точное распределение концентратов
Управление стадом Сенсорные технологии, Интернет вещей
Контроль поведения Биометрические датчики
Сенсорные технологии, Интернет вещей
Мониторинг состояния здоровья Микрофоны
Акселерометры
Индивидуальная идентификация Беспилотные летательные аппараты
Камеры видеонаблюдения
Оценка веса и состояния тела Ультразвуковые датчики
Камеры видеонаблюдения
Тепловизионные камеры
Анализ таблиц 1.1 и 1.2 показывает, что значительная часть процессов точного животноводства реализуется на основе применения интернета вещей и беспилотных летательных аппаратов.
Технологии точного животноводство стали применяться в различных странах мира, начиная с 2003 года [Morrone, 2022]. И во многом, развитию PLF способствовало внедрение в сельскохозяйственной сфере интернета вещей. Благодаря электронной идентификации появилась возможность постоянного мониторинга и контроля за скотом в режиме реального времени [Jiang, 2023].
IoT, представляющий собой концепцию беспроводной сети взаимосвязанных сенсорных устройств, способных принимать и передавать данные, взаимодействуя с внутренней и внешней средой, стал технической основой построения систем «умного дома», мониторинга производственных процессов, а также других многочисленных приложений, используемых в повседневной жизни [Lee, 2015; Witkowski, 2017; Afrianto, 2020; Liu, 2020; Балакшин, 2024]. Технологии интернета вещей всё чаще используются для мониторинга, управления и отслеживания скота [Farooq, 2022; Kumar, 2024].
Применение систем Интернета вещей дает возможность фермерам контролировать скотоводческие процессы. Для этого разработаны несколько видов датчиков, способных отслеживать ряд физиологических параметров животных, таких как температура, частота сердечных сокращений и пищеварение [Morrone, 2022]. С помощью Интернета вещей повышается эффективность применения в PLF-сфере средств бесконтактного измерения, создаваемых на основе технологий инфракрасного и акустического обнаружения, микроволновой радиометрии, обработки изображений и машинного зрения [Yin, 2023].
Предлагаются новые схемы применения в системах точного животноводства средств носимого интернета вещей [Zhang, 2021]. Ушные бирки с электронной идентификацией и ошейники с устройствами системы глобального позиционирования (Global Positioning System, GPS) применяются для контроля перемещения животных и выбора среды обитания [Herlin, 2021]. Предлагаются трекеры, способные контролировать активность коров, анализируя данные с акселерометра, магнитометра, датчика температуры и модуля глобальной навигационной спутниковой системы, предоставляя их по широкополосной сети дальнего действия (LoRaWAN) на внутренний сервер [Schulthess, 2023]. На
основе подобных носимых IoT-устройств создаются системы локализации выпасаемых животных [Casas, 2021; Ojo, 2022].
Подключение к беспроводным сетям носимых датчиков, закрепляемых на ошейниках, ушных бирках и ножных повязках, позволяет в режиме реального времени отслеживать поведение животных, например, пережевывание пищи, кормление и отдых [Grinter, 2019]. Распознавание поведения животных при этом осуществляется с использованием трехосных датчиков-акселерометров [Zobel, 2015]. Данные, получаемые с помощью акселерометров, могут быть использованы для прогнозирования потребления корма животными [Greenwood, 2017], а также прогнозирования их поведения в процессе выпаса [Riaboff, 2022].
Аппаратно-программные средства, предназначенные для осуществления IoT-мониторинга пастбищ, позволяют предоставлять отчеты о параметрах, характеризующих плодородие почвы, её температуру, влажность, содержание газов, давление воздуха и воды, а также наличие болезней у произрастающих на полях сельскохозяйственных культур [Ba§5ift?i, 2019; Farooq, 2019]. Использование датчиков и устройств Интернета вещей также позволило во многом заменить ручной труд в процессах контроля и регулирования различных климатических параметров, удовлетворяя потребности произрастающих растений [Ibrahim, 2019; Morrone, 2022].
Использование современных технологий в животноводческой сфере началось с реализации процессов автоматической идентификации животных [Mun, 2005]. Для идентификации отдельных коров в свободно перемещающихся стадах предложены методы, функционирующие на основе совместного применения беспилотных летательных аппаратов и автоматической системы распознавания рисунка шерсти [Andrew, 2022].
В целях обнаружения заболеваний у сельскохозяйственных животных применяются сенсорные технологии. Они в сочетании со средствами машинного обучения используются, например, для диагностики хромоты у крупного рогатого скота [Warner, 2020]. Сенсорные технологии весьма эффективны при решении задач мониторинга функциональных показателей особей. В рамках направления
точного животноводства разрабатываются автоматизированные средства, предназначенные для непрерывного мониторинга параметров здоровья животных и позволяющие обнаружить заболевания на ранней стадии [Schillings, 2021]. Предложены датчики, отслеживающие движения челюсти животных и помогающие контролировать особенности пережевывания ими корма [Pereira, 2021]. Данные, получаемые от датчиков позволяют осуществлять мониторинг поведения сельскохозяйственных животных. Анализ такой информации дает возможность классифицировать состояние крупного рогатого скота при его кормлении и отдыхе [Borchers, 2016; Swartz, 2016; Carslake, 2020]. Созданы программные приложения, с помощью которых на основе данных, поступающие от датчиков, контролируется поведение целого стада [Carpio, 2017; Unold, 2020].
Имеются сведения о том, что мировая популяция мелких жвачных животных, таких как овцы и козы, превосходит численность особей крупного рогатого скота [Robinson, 2014]. Для идентификации мелких жвачных животных применяются датчики в виде ушных бирок, а также в виде чипов, вводимых под кожу [Pinna, 2006; Carné, 2009]. Особый интерес также представляют системы мониторинга выпасаемого стада овец или коз, функционирующие в реальном времени на основе GPS-датчиков и беспилотных летательных аппаратов [Betteridge, 2010; Al-Thani, 2020; Ren, 2020; Xu, 2020].
Технологии точного животноводства применяются также для идентификации и автоматического отслеживания свиней. С этой целью вместо ушных бирок обычно применяются средства радиочастотной идентификации (Radio Frequency IDentification, RFID) [Maselyne, 2014]. Интересное исследование посвящено использованию интернета вещей и сверточной нейронной сети для распознавания отдельных свиных особей [Marsot, 2020].
Системы интернета вещей также успешно применяются для решения задач точного птицеводства. Так, на базе IoT разработано программное приложение, которое оповещает персонал птицеводческих ферм о необходимости пополнения контейнеров для воды или корма [Batuto, 2020]. По мнению ряда исследователей, сенсорные технологии имеют хорошие перспективы для отслеживания
физиологического состояния бройлеров на крупных сельскохозяйственных предприятиях [Archer, 2009]. Поведение бройлеров при кормлении является важным показателем, для получения которого разработаны системы, включающие акустические и визуальные датчики [Abdanan Mehdizadeh, 2015; Aydin,2016]. PLF-системы, функционирующие на основе Интернета вещей с датчиками, контролирующими различные параметры, способны обеспечить круглосуточный мониторинг домашней птицы [Ammad-Uddin, 2014; Goud, 2015].
В то же время, ученые отмечают возможные проблемы, которые могут быть вызваны использованием IoT в процессах точного животноводства [Tuyttens, 2022]. Исследования показывают, что фермеры, проявляют растущий интерес к PLF. Однако при этом выявлены некоторые трудности, связанные с необходимостью инвестиционных затрат на приобретение систем Интернета вещей. Кроме того, у работников животноводческих ферм вызывает опасение нехватка времени, требуемого для проверки информации с сенсорных систем и сложность интерпретации данных [Bianchi, 2022]. Существует также необходимость значительного финансирования подготовки квалифицированного персонала, способного обслуживать системы интернета вещей в сельскохозяйственной сфере [Villa-Henriksen, 2020; Tang, 2021]. Однако эти трудности присущи внедрению не только IoT-технологий, но и других цифровых средств во многих отраслях. Дальнейшему использованию Интернета вещей для решения PLF-задач способствуют совместные усилия разработчиков, направленные на создание датчиков и средств их электропитания, применение которых позволит экономить фермерам время и снижать материальные затраты в процессе производства сельскохозяйственной продукции [Akpakwu, 2017].
В целях увеличения производительности в животноводческой сфере и обеспечения экономической устойчивости современных ферм средства PLF часто интегрируются с другими новыми технологиями [Odintsov Vaintrub, 2021]. Процессы точного животноводства, как правило, предполагают комбинированное использование сенсорных технологий, интернета вещей, а также связанных алгоритмов, интерфейсов и специализированных программных приложений
[Kleen, 2023]. Для решения задач PLF находят применение функциональные возможности не только интернета вещей, но и беспилотных летательных аппаратов [Nyamuryekung'e, 2024; Aquilani, 2022; Tzanidakis, 2023].
В настоящее время беспилотные летательные аппараты активно применяются в различных сферах, в том числе и в агропромышленной отрасли. Они используются, прежде всего, для решения задач наблюдения за контролируемыми объектами [Mahdi, 2021; Jameel, 2022]. Наибольшее распространение получили мультироторные БПЛА, в частности, квадрокоптеры и гексакоптеры, имеющие по четыре или шесть несущих винтов [Hamandi, 2021; Peksa, 2024]. Такие беспилотные летательные аппараты именуются мультикоптерами [Lee, 2021; Subramaniam, 2024]. На их базе могут функционировать беспроводные самоорганизующиеся сети, предназначенные для обеспечения связи в специфических условиях [Константинов, 2015; Польщиков, 2015; Константинов, 2016; Джамил, 2022].
Полученные с помощью беспилотных летательных средств аэрофотоснимки используются для обнаружения и подсчета крупного рогатого скота [Soares, 2021], мониторинга растительного покрова пастбищ [Adar, 2022]. БПЛА в реальном времени выполняют отслеживание сельскохозяйственных животных [Alanezi, 2022].
На основе применения беспилотных летательных аппаратов реализуется получение информации о контролируемых объектах без прямого контакта с ними. Этот подход именуется дистанционным зондированием [Weiss, 2020]. Сенсорная аппаратура на борту БПЛА часто используется для дистанционного измерения отражательной способности электромагнитного излучения от растительности. Анализ данных, полученных таким способом, позволяет строить цифровые изображения и создавать различные типы карт, на основе которых принимаются решения в процессе управления использованием пастбищ [Bretas, 2024].
В мировом масштабе пастбища занимают около 70 % сельскохозяйственных земель и имеют важнейшее значение для производства животноводческой продукции [Reinermann, 2020]. Данные, полученные с помощью беспилотных
летательных аппаратов, используются для корректировки поголовья выпасаемого скота. При оценивании пропускной способности пастбищ используются данные о наличии кормовой биомассы и потребности скота в питательных веществах [Rouquette, 2016]. При этом для точной оценки потребностей скота в питательных веществах учитываются порода животных, а также категория и уровень производства животноводческой продукции. Созданы программные платформы, реализующие такой учет. К ним относится, например, платформа BR-CORTE [Valadares, 2016]. В рамках стандартной методологии оценивания биомассы корма используется случайная выборка замеров, сделанных в разных точках пастбища [Sanderson, 2001]. Аналогичная информация может быть получена с меньшими затратами с помощью других, косвенных методов [Bretas, 2021].
Данные, фиксируемые датчиками позволяют оценить параметры пастбища по высотам для принятия решений о том, где следует начинать или заканчивать выпас [Tiscornia, 2019]. Гиперспектральные данные, полученные с помощью БПЛА позволяют оценить высоту растений и трав, произрастающих на пастбищах [Capolupo, 2015. Это подтверждается результатами исследований, полученными при сравнении высоты растений, измеренной линейкой, с высотой, оцененной с помощью сенсорных систем на борту БПЛА [Viljanen, 2018; Grüner, 2019].
Установлена хорошая корреляция между электропроводностью почвы и свойствами её урожайности. На летательных аппаратах, в том числе беспилотных, устанавливаются бесконтактные датчики для измерения электропроводности почвы, чтобы исследовать плодородие пастбищных площадей и необходимость внесения в них удобрений [Georgi, 2018; Serrano, 2019]. При этом предложено использовать алгоритмы нечеткой кластеризации для разграничения зон на пастбищах [Moral, 2019]. Создан ряд программных средств, позволяющих автоматически получать такое разграничение на основе временных данных урожайности и свойствах почвы [Pereira, 2022].
Изображения, снятые RGB-камерами с бортов БПЛА, используются для обнаружения сорняков на пастбищах [Valente, 2019]. В целях обнаружения на
лугах токсичных для выпасаемых животных видов растений применяются, в частности, сверточные нейронные сети [Petrich, 2020].
Таким образом, проведенный обзор показал, что системы интернета вещей и беспилотные летательные аппараты активно применяются для решения многих задач точного животноводства. Важное значение при этом имеют процессы мониторинга сельскохозяйственных особей для контроля их местоположения и управления их перемещением по пастбищу в целях обеспечения безопасного выпаса животных. Анализу этих процессов посвящен следующий подраздел работы.
1.2 Анализ процессов точного животноводства с позиций обеспечения безопасности местоположения выпасаемых животных. Формулировка задач
исследования
Как отмечалось в предыдущем подразделе работы, важной задачей точного животноводства является контроль местоположения животных и управление их перемещением по пастбищу. Один из способов корректировки местоположения выпасаемых животных основан на виртуальных ограждениях (Virtual Fencing, VF), которые используются вместо реальных физических ограждений [Confessore, 2022]. При этом с помощью GPS-системы устанавливается виртуальная граница, которая предназначена для ограждения области пастбища [Verdon, 2021]. Технология VF предусматривает применение устройства, закрепляемого на шее животного и способного издавать звуки, вибрировать и воздействовать на тело маломощным электрическим импульсом, когда животное приближается к границе пастбища или пересекает её [Verdon, 2024].
В числе разработок, ориентированных на повышение эффективности управления выпасом, предложен ряд датчиков, с помощью которых обеспечивается контроль границ пастбища без использования реальных ограждений. Ошейники, подключенные к системе глобального
позиционирования, крепятся на животных. Для установки конкретных виртуальных границ фермеры используют мобильные приложения, позволяющее контролировать площадь выпаса. Кроме того, это помогает автоматически изменять границы зон выпаса. Такие аппаратно-программные средства дают возможность предотвращать доступ животных к пахотным землям, а также к пастбищам, заросшим ядовитыми сорняками. Ошейники издают звук, который усиливается по мере приближения животного к выставленной виртуальной границе. Если животное продолжает двигаться к виртуальной границе, оно подвергается воздействию электрического сигнала [Bretas, 2024].
Применение VF-подхода позволяет сократить трудозатраты, связанные с установкой обычных ограждений, однако требует затрат времени на обучение животных [Schillings, 2024]. Исследователи этой технологии также отмечают опасения, связанные с недостаточным изучением её негативных аспектов. Использование виртуальных ограждений может наносить вред животным от получаемых стрессовых воздействий. Ряд работ посвящено исследованию эффективности VF-подхода и сравнению вреда, наносимого животным при использовании электрических ленточных ограждений и при использовании виртуальных ограждений [Campbell, 2019; 2020; Verdon, 2021]. К отрицательным последствиям VF-технологии относится, например, повышение концентрации кортизола в молоке коров, подверженных аудио- и электровоздействиям при пересечении виртуальной границы [Verdon, 2021].
Корректировка местоположения выпасаемых животных может быть реализована на основе применения беспилотных летательных аппаратов [Кузьмина, 2021; El-Fiqi, 2021; Yaxley, 2023]. При этом используются, как правило, мультироторные беспилотные летательные аппараты, т.е. мультикоптеры.
При выборе используемых мультикоптеров для решения задач точного животноводства учитываются их функциональные возможности. В таблице 1.3 представлен сравнительный анализ маневренности и устойчивости полета, свойственных различным видам мультикоптеров [Peksa, 2024].
Виды мультикоптеров Особенности маневренности и устойчивости полета
Квадрокоптеры Довольно высокая маневренность с возможностью совершать быстрые движения и зависать на месте; недостаточная устойчивость в ветреную погоду
Гексакоптеры Более высокая устойчивость по сравнению с квадрокоптерами; улучшенная маневренность в неблагоприятных погодных условиях с обеспечением безопасного полета в случае отказа двигателя
Октокоптеры Более высокая устойчивость по сравнению с гексакоптерами; возможность применения для решения более сложных задач, таких как подъем тяжелых грузов, воздушная съемка и контроль производственных процессов
Важной характеристикой беспилотных летательных аппаратов является длительность их полета. Мультикоптер может находиться в полете ограниченное время, по истечении которого для продолжения выполнения полетных задач требуется восполнение его энергетических ресурсов (зарядка или замена аккумуляторных батарей, заправка топливного бака). Сравнительный анализ
Таблица 1.4 - Сравнительный анализ длительности полета различных видов мультикоптеров
Виды мультикоптеров Характеристика длительности полета
Квадрокоптеры Как правило, имеют более короткое время полета по сравнению с другими беспилотными летательными аппаратами из-за значительного энергопотребления, зависящего от роторной тяги
Гексакоптеры Имеют более длительное время полета, чем квадрокоптеры, благодаря наличию дополнительных роторов. Обычно могут совершать полет в течение 30 минут без дополнительной зарядки батарей
Октокоптеры Обеспечивают более длительное время полета, чем гексакоптеры, благодаря дополнительной избыточности и стабильности. Могут совершать полет в течение времени от 30 минут до более часа в зависимости от полезной нагрузки и условий эксплуатации
Решающее значение при выполнении задач точного животноводства имеют показатели скорости и дальности полета БПЛА. В таблице 1.5 представлен
Таблица 1.5 - Сравнительный анализ скорости и дальности полета различных видов мультикоптеров
Виды мультикоптеров Характеристика скорости и дальности полета
Квадрокоптеры Обычно имеют более низкую максимальную скорость и меньшую дальность полета по сравнению с другими видами мультикоптеров. Наиболее пригодны для полетов на короткие расстояния и выполнения задач, требующих точной маневренности
Гексакоптеры Способны развивать более высокую скорость и преодолевать большие расстояния, чем квадрокоптеры. Пригодны для аэрофотосъемки, выполнения геодезических задач и картографирования больших территорий
Октокоптеры Характеристики скорости и дальности полета схожи с показателями гексакоптеров. С учетом дополнительной избыточности и стабильности октокоптеры могут применяться для выполнения более сложных задач, требующих более длительных полетов
Таблица 1.6 - Сравнительный анализ областей применения различных видов мультикоптеров
Виды мультикоптеров Области применения
Квадрокоптеры Могут использоваться для решения задач, связанных с аэрофотосъемкой, видеосъемкой, любительскими полетами. Обладают сравнительной простотой транспортировки и возможностью эксплуатации в ограниченном пространстве
Гексакоптеры Характеризуются большей универсальностью применения и адаптивностью по сравнению с квадрокоптерами. Рекомендуются к использованию для решения задач, требующих более высокой производительности и надежности
Октокоптеры Обладают наивысшим уровнем универсальности и адаптивности среди беспилотных летательных аппаратов, способны выполнять сложные задачи, промышленный контроль и воздушную съемку в сложных условиях
Как показывает опыт и результаты многочисленных испытаний, выпасаемые животные реагируют на звук, издаваемый летящим мультикоптером, и перемещаются в нужном для пастуха направлении, например, в безопасные зоны, места кормления, доения и т.д. [Priyadharshini, 2022]. Для замены традиционных методов выпаса предложено использовать автономный лающий БПЛА, который позволяет в течение короткого времени собрать большое количество овец и перегнать их в требуемое место [Li, 2022].
В настоящее время производители беспилотных летательных аппаратов предлагают изделия, функциональность которых позволяет решать задачи управления местоположением выпасаемых животных. В качестве примера, можно привести ряд моделей мультикоптеров для промышленных решений, которые выпускает китайская компания «Dajiang Innovation Technology» [Лучшие..., 2022]. Технические характеристики этих изделий представлены в таблице
Таблица 1.7 - Технические характеристики профессиональных мультикоптеров
Наименование изделия Длительность полета, минут Максимальная скорость полета, км/час
DJI Mavic 3 CINE
DJI Mavic 2 Pro
DJI Matrice 300 RTK
DJI Phantom 4 RTK
DJI Inspire 2 Pro
DJI Mavic 2 Enterprise Advanced
Имеются примеры успешного использования дистанционно управляемых квадрокоптеров для направления в заранее определенную область стада лошадей [McDonnell, 2020]. С помощью БПЛА осуществляется выпас и поиск потерянных яков [Li, 2025]. Проводятся исследования поведенческих реакций коров на использование дронов для управления выпасом [Anzai, 2023]. Выполнение функционала роботов-пастухов, реализованных, в том числе, на основе БПЛА, в литературе получил название интеллектуального выпаса [Chen, 2024]. При этом беспилотные летательные аппараты используются для ограничения движения стада и направления отставших животных в общую группу [Cao, 2023].
При этом постоянное наблюдение за стадом обеспечивается за счет передачи фотографий и трансляции видеопотоков, снимаемых камерами БПЛА [Montalván, 2024], а также формирования с их помощью актуальных карт контролируемой местности [Башилов, 2023]. Реализация такого подхода требует, чтобы в процессе наблюдения за животными мультикоптеры находились в полете в течение длительного времени [Yaxley, 2021], что является существенным недостатком.
Другой подход к автоматизированному управлению выпасом стада животных, по нашему мнению, является более предпочтительным. Он заключается в том, что на каждой особи размещается трекер, представляющий собой приемо-передающее устройство беспроводной связи. Это устройство способно определять свое текущее местоположение с помощью глобальной системы геопозиционирования (Global Positioning System, GPS) или глобальной навигационной спутниковой системы (ГЛОНАСС), т.е. выполнять функции приемника геопозиционных данных. Для передачи данных о координатах местоположения трекеров разворачивается беспроводная сеть, функционирующая по принципу интернета вещей. Трекеры в качестве сетевых устройств отправляют эти данные в виде сообщений на сетевой шлюз (рисунок 1.3). Затем эта информация поступает на сетевой шлюз, сервер и выводится на интерактивный экран панели управления оператора-пастуха, который, в случае необходимости,
Устройство связи на борту БПЛА
Корректировка местоположения животного
GPS-трекер »)
GPS-трекер
Панель управления оператора-пастуха
Пт\ Сетевой \[\ у шлюз
Рисунок 1.3 - Совместное использование IoT и БПЛА в процессе управления местоположением выпасаемых животных
Производителями сетевого оборудования интернета вещей предлагаются трекеры и шлюзы, функционирующие на основе различных технологий. Для решения задач точного животноводства наиболее востребованы сетевые устройства стандартов узкополосного интернета вещей (Narrow Band Internet of Things, NB-IoT) [Migabo, 2020; Qasim, 2024] и глобальной сети дальнего радиуса действия (Long Range Wide Area Network, LoRaWAN) [Yaser, 2023; Alipio, 2024].
В соответствии с протоколом NB-IoT функционирует, например, трекер IXOCAT-NB [IXOCAT-NB, 2021]. Это устройство предназначено для определения местоположения крупного рогатого скота. Его технические характеристики представлены в таблице
Технический параметр Характеристика
Технология передачи данных LTE cat. NB2
Максимальная мощность передатчика 23 дБм
Поддерживаемые навигационные спутниковые системы ГЛОНАСС/GPS
Дальность связи 6 км
Емкость аккумуляторной батареи 4500 мАч
На основе протокола LoRaWAN функционирует трекер LW001-BG. Он тоже может быть использован для отслеживания сельскохозяйственных животных [LW001-BG, 2025]. Основные технические характеристики этого устройства представлены в таблице
Наиболее универсальным решением для реализации рассматриваемого подхода является использование 1оТ-трекеров и шлюзов, которые функционируют в соответствии с протоколом LoRaWAN, что дает возможность обеспечить работу беспроводной сети в местах, где отсутствует GSM-связь [Ясир, 2023; Alipio, 2024].
Сетевые шлюзы, функционирующие на основе стандарта LoRaWAN, производятся с различными техническими характеристиками. На задержки доставки данных значительное влияние оказывает поддерживаемое число беспроводных каналов. Шлюз MKGW2-LW, например, является восьмиканальным устройством [Шлюз..., 2025]. Его основные параметры представлены в таблице
Технический параметр Характеристика
Технология передачи данных LoRaWAN V1
Максимальная мощность передатчика 20 дБм
Поддерживаемые навигационные спутниковые системы GPS
Рекомендованный список диссертаций по специальности «Другие cпециальности», 00.00.00 шифр ВАК
АВТОМАТИЗАЦИЯ УПРАВЛЕНИЯ РЕЖИМАМИ ПЕРЕДАЧИ ТЕЛЕМЕТРИЧЕСКИХ СООБЩЕНИЙ В СЕТИ ПРОМЫШЛЕННОГО ИНТЕРНЕТА ВЕЩЕЙ2025 год, кандидат наук Балакшин Михаил Сергеевич
Развитие беспилотных авиационных систем в сельскохозяйственных технологиях2026 год, доктор наук Курбанов Рашид Курбанович
Использование систем технического телевидения в составе интеллектуальных беспроводных сенсорных сетей обнаружения очагов пожаров2025 год, кандидат наук Аль Мафтул Омер Али Деяб
Разработка энергосберегающего метода управления формированием передаваемых сигналов в беспроводной сенсорной сети2024 год, кандидат наук Ясир Муханад Джаббар Ясир
Алгоритмы координированного управления формацией группы беспилотных летательных аппаратов с обеспечением траекторной безопасности2023 год, кандидат наук Титков Иван Павлович
Введение диссертации (часть автореферата) на тему «Разработка системы поддержки принятия решений при управлении местоположением выпасаемых животных на основе интернета вещей и мультикоптеров»
Дальность связи 7 км
Емкость аккумуляторной батареи 4500 мАч
Таблица 1.10 - Технические характеристики сетевого шлюза MKGW2-LW
Технический параметр Характеристика
Технология передачи данных LoRaWAN V1.0.3
Максимальная мощность передатчика 20 дБм
Дальность связи 5 км
Число каналов 8
Российская компания «Морион» производит 16-канальный LoRaWAN-шлюз БСМ-Л-16 [Базовые., 2022]. Основные характеристики этого устройства представлены в таблице 1.11.
Технический параметр Характеристика
Технология передачи данных LoRaWAN V1.0.3
Максимальная мощность передатчика 27 дБм
Дальность связи 15 км
Число каналов 16
Производятся также дорогостоящие модели LoRaWAN-шлюзов, с помощью которых обеспечивается работа более 16 беспроводных каналов. Имеется также возможность использовать более одного шлюз, чтобы увеличить общее число функционирующих беспроводных каналов. Так, например, если для развертывания и надежной работы IoT-сети потребуется включение 24 каналов, то можно совместно применить один восьмиканальный шлюз и один шестнадцатиканальный шлюз.
Проведенный анализ показывает, что совместное использование БПЛА и систем интернета вещей обладает хорошими перспективами в решении задач точного животноводства, в том числе корректировки местоположения выпасаемых животных [Kar, 2024; Khan, 2024]. Наблюдение за стадом может осуществляться с помощью IoT-сети, а необходимость использования беспилотных летательных аппаратов возникает в экстренных случаях, когда требуется немедленное управляющее вмешательство. Такой подход позволяет БПЛА не находиться длительное время в непрерывном полете, т.е. способствует их более рациональному и экономичному применению. Реализация указанного подхода требует решения ключевой задачи, состоящей в обеспечении
своевременного принятия решений об использовании БПЛА для корректировки местоположения животных. Анализ научно-технической литературы показал, что решению этой задачи уделяется недостаточно внимания, что определяет актуальность представляемого исследования.
Для обеспечения безопасности жизней выпасаемых животных и воздействий на окружающую среду за счет адекватного применения технологий интернета вещей и беспилотных летательных аппаратов необходимо обосновать выбор числа применяемых мультикоптеров, числа беспроводных каналов, используемых для передачи данных о местоположении животных. Кроме того, для минимизации задержек получения оператором геопозиционных данных и снижения энергопотребления трекеров требуется обоснование периодичности отправки сообщений на сетевой шлюз. Наконец, чтобы обеспечить безопасность местоположения выпасаемых животных необходимо повысить обоснованность принятия решений об использовании мультикоптеров для управления перемещениями контролируемых особей. Это требует решения следующих задач:
- разработка метода распознавания местоположения животных на пастбище, контролируемых с использованием сети интернета вещей и беспилотных летательных аппаратов;
- разработка процедур поддержки принятия решений при управлении местоположением выпасаемых животных на основе использования сети интернета вещей и мультикоптеров;
- разработка системы поддержки принятия решений при управлении местоположением выпасаемых животных;
- оценивание работоспособности разработанных средств с помощью вычислительных экспериментов.
Решению сформулированных задач исследования посвящены следующие главы диссертации.
В настоящее время беспилотные летательные аппараты и сети интернета вещей активно используются для решения задач точного животноводства. Важной задачей точного животноводства является контроль местоположения животных и управление их перемещением по пастбищу. Анализ литературы показал, что выпасаемые животные реагируют на звук, издаваемый летящими мультикоптерами, и перемещаются в безопасные зоны пастбища. Это дает возможность использовать беспилотные летательные аппараты для корректировки местоположения контролируемых особей.
Обеспечить постоянный мониторинг выпасаемых животных позволяет использование сети интернета вещей. На каждой особи может быть размещен трекер, представляющий собой сетевое устройство с функциями приемника данных глобальной системы геопозиционирования. Трекеры в качестве устройств, подключенных к сети интернета вещей, отправляют данные о местоположении выпасаемых животных на сетевой шлюз. Затем эта информация поступает на сетевой сервер и выводится на интерактивный экран панели управления оператора-пастуха, который, в случае необходимости, принимает решение об отправке мультикоптера в конкретное место для обеспечения безопасности выпасаемого животного.
В процессе применения сети интернета вещей и беспилотных летательных аппаратов необходимо обеспечить обоснованность принятия решений об использовании мультикоптеров для корректировки местоположения контролируемых особей. Требуется также обоснование выбора числа применяемых мультикоптеров и числа беспроводных каналов, используемых для передачи данных о местоположении животных. Кроме того, для минимизации задержек получения оператором геопозиционных данных и снижения энергопотребления трекеров требуется обоснование периодичности отправки сообщений на сетевой шлюз.
Таким образом, в целях совершенствования процессов управления перемещениями выпасаемых животных требуется создание системы обоснования решений, позволяющей повысить безопасность контролируемых особей и их воздействий на окружающую среду за счет адекватного применения технологий интернета вещей и беспилотных летательных аппаратов.
ГЛАВА 2 РАЗРАБОТКА МЕТОДА РАСПОЗНАВАНИЯ МЕСТОПОЛОЖЕНИЯ ВЫПАСАЕМЫХ ЖИВОТНЫХ, КОНТРОЛИРУЕМЫХ С ИСПОЛЬЗОВАНИЕМ ИНТЕРНЕТА ВЕЩЕЙ И
МУЛЬТИКОПТЕРОВ
2.1 Основные этапы процесса распознавания местоположения выпасаемых
животных
Предлагаемый метод распознавания местоположения выпасаемых животных, контролируемых с использованием интернета вещей и мультикоптеров, включает основные этапы, обозначенные на рисунке 2.1.
Оценивание значений радиуса безопасной части пастбища и расстояний между границами классов местоположения с учетом характеристик пастбища, стада, используемых беспроводных каналов сети Интернета вещей, мультикоптеров и передаваемых сообщений
Вычисление расстояний от центра пастбища до точек текущего местоположения животных на основании геопозиционных данных, принятых по сети Интернета вещей
Отнесение местоположения животных к определенным классам с использованием соответствующих критериев
Оценивание значений периодов отправки геопозиционных сообщений сетевыми трекерами с учетом классов местоположения животных
Рисунок 2.1 - Основные этапы предлагаемого метода
Детализация процесса распознавания местоположения выпасаемых животных представлено ниже.
Допустим, пастбище имеет форму круга радиуса Я. Фрагмент пастбища представлен на рисунке 2.2.
Области местоположения 0 класса;
- 1 класса;
- 2 класса;
- 3 класса.
Рисунок 2.2 - Фрагмент пастбища
Будем считать, что для обеспечения безопасности выпаса пересекать животным границу пастбища недопустимо. С учетом близости животных к этой границе предлагается классифицировать местоположение выпасаемых животных. Расстояние от центра пастбища до точки текущего местоположения животного обозначим ЯТ. В зависимости от значения этой величины местоположение
Таблица 2.1 - Критерии классов местоположения выпасаемых животных
Классы Критерии
0 класс ЯТ < Я0
1 класс Я0 < ЯТ < Я0 + т0
2 класс Я0 + т0 < ЯТ < Я0 + т0 + т
3 класс ят > яо+то+т1
В таблице 2.1 обозначены следующие величины: Я0 - радиус безопасной области пастбища; 00 - расстояние от границы местоположения 0 класса до границы местоположения 1 класса; 01 - расстояние от границы местоположения 1 класса до границы местоположения 2 класса. Чем выше класс, чем более опасным является местоположение животного.
Местоположение 0 класса имеют животные, находящиеся на безопасной части пастбища. Менее безопасным является местоположение 1 класса. Животные, относящиеся к этому классу местоположения, требуют особого наблюдения. При попадании животного в область пастбища, соответствующую 1 классу местоположения, оператору необходимо приготовиться к тому, что, возможно, через некоторое время потребуется использование мультикоптера для того, чтобы направить эту особь в безопасную часть пастбища.
Более опасным является местоположение 2 класса. Если животное оказывается в области местоположения этого класса, то требуется немедленная отправка мультикоптера для того, чтобы направить особь в безопасный участок пастбища.
Остальная территория перед границей пастбища и за ней относится к местоположению 3 класса. Она представляет собой самую опасную область. Если обнаружено, что животное переместилось в эту область, также требуется немедленное использование мультикоптера, но эта мера уже не будет гарантировать обеспечение безопасности особи. В связи с вышеуказанным, необходимо стремиться к тому, чтобы не пропустить попадание животного в область местоположения 2 класса, чтобы своевременно отправить мультикоптер для обеспечения его безопасности.
В процессе выпаса необходимо корректировать местоположение животного, направляя его с помощью БПЛА в более безопасную область. К каждому выпасаемому животному прикрепляется GPS-трекер, подключенный к развернутой на пастбище IoT-сети. Данные о текущем местоположении животного из трекеров передаются на сетевой сервер и выводятся на интерактивный экран панели управления оператора-пастуха. В соответствии с этими данными вычисляются значения RT и определяются классы местоположения контролируемых животных. Если животное находится в области 0 класса, то наблюдение за ним осуществляется в обычном режиме, в котором отправка трекером геопозиционных сообщений на сетевой шлюз осуществляется с периодом PR0. При перемещении особи в область 1 класса наблюдение за ней переводится в особый режим, в котором отправка трекером данных о местоположении животного выполняется с сокращенным периодом PR1 . Если местоположение животного соответствует 2 классу, то оператору-пастуху рекомендуется прибегнуть к использованию мульткоптера, с помощью которого следует направить особь в безопасную часть пастбища. В таких случаях при своевременном принятии решения об использовании БПЛА обеспечивается безопасность животного. Самым опасным является местоположение 3 класса. Если особь оказывается в области этого класса, то для корректировки её местоположения рекомендуется немедленно использовать мультикоптер, однако при этом не гарантируется обеспечение безопасности животного.
N - число выпасаемых животных;
ЛЯ - площадь, необходимая для выпаса одного животного;
УСЫ - максимальная скорость длительного перемещения животного по пастбищу;
Уи - средняя скорость полета мультикоптера.
Кроме того, известно, что к категории особого наблюдения может быть отнесено не более N1 выпасаемых животных. Животные, входящие в это число, могут иметь местоположение классов 1, 2 и 3. Остальные животные относятся к категории обычного наблюдения. Они имеют местоположение 0 класса и находятся на безопасной части пастбища, площадь которой должна в N раз превышать площадь ЛЯ. С учетом этого радиус безопасной части пастбища вычисляется по формуле:
Я0 = ^АЯ. (2.1)
Рассмотрим ситуацию, когда животное оказалось на границе местоположения 2 класса. В таком случае мультикоптер успеет своевременно долететь до условной точки пересечения этим животным границы пастбища, если расстояние от границы местоположения 2 класса до границы пастбища будет составлять не менее
В 2 = . (2.2)
уи
Вычислив 02, можно оценить расстояние от границы местоположения 0 класса до границы местоположения 2 класса с помощью выражения:
В01 = Я - Я0 - В2. (2.3)
Оказавшись на границе местоположения 0 класса и направляясь по кратчайшему пути к границе пастбища со скоростью УСЫ, животное преодолеет расстояние 001 в течение времени
Г 01 = В1. (2.4)
уем
Чтобы не пропустить перемещение животного из области местоположения 0 класса в область местоположения 2 класса и своевременно отправить мультикоптер для обеспечения безопасности выпасаемой особи, необходимо выполнение условия:
DELO < T01, (2.5)
где DEL0 - интервал времени между моментом отправки геопозиционного сообщения трекером, который находится в области местоположения 0 класса, и моментом доставки на панель оператора следующего сообщения, отправленного этим же трекером.
Величину DEL0 можно оценить с помощью выражения:
DELO = PRO + WQ, (2.6)
где WQ - среднее время ожидания начала передачи сообщения из трекера на сетевой шлюз, обусловленное временным отсутствием свободных каналов.
Значение величины WQ можно оценить по формуле для вычисления длительности нахождения запроса в очереди многоканальной системы массового обслуживания:
(л-т)п n¿mf
п! V п , ^ „ч
WQ=г<—^—;—^—^-' (2.7)
Я-А у fA—Y + у f v n! ■ ¿X n J + ¿l
Г1 и - n
J
л- X > f n
x ! J U
■я
где X - суммарная интенсивность отправки сообщений трекерами на сетевой шлюз;
т - среднее время передачи сообщения по беспроводному каналу;
n - число каналов в сетевом шлюзе;
m - максимальное число сообщений, которые могут находиться в ожидании отправки (освобождения каналов).
Суммарную интенсивность отправки сообщений трекерами на сетевой шлюз можно оценить с помощью выражения:
. N1 N - N1
Л =-+-, (2.8)
PR1 PR0
где PR1 - период отправки сообщений трекерами, находящимися в областях местоположения 1, 2 или 3 классов.
Кроме того, чтобы обеспечить особое наблюдение за животными, находящимися за пределами области местоположения 0 класса, необходимо выполнение условия:
DEL1 ^ min, (2.9)
где DELI - интервал времени между моментом отправки геопозиционного сообщения трекером, который находится в области местоположения 1, 2 или 3 классов, и моментом доставки на панель оператора следующего сообщения, отправленного этим же трекером.
Оценить величину DELI можно с помощью выражения:
DELI = PR! + WQ. (2.10)
Далее необходимо обосновать значения периодов PR0 и PR 1, при которых будут выполняться условия (2.5) и (2.9). Такое обоснование можно сделать, проведя вычислительные эксперименты с использованием представленных выше выражений.
2.2 Проведение вычислительных экспериментов с применением метода распознавания местоположения выпасаемых животных
В таблице 2.2 содержатся исходные данные, при которых в ходе проведения вычислительных экспериментов получены следующие значения: T 01 = 41,9 с и D2 = 128,8 м. Для указанных исходных данных проведены вычислительные эксперименты, результаты которых показаны в виде диаграмм на рисунках 2.3 -2.8.
На рисунке 2.3 показана диаграмма зависимости величины WQ от значений PR0 при PR1 = 10 с.
Таблица 2.2 - Исходные данные, использованные при проведении вычислительных экспериментов для оценивания работоспособности предлагаемого метода
№ п/п Величины Значения Единицы измерения
1 N 1000 -
2 N1 20 -
3 AR 100 м2
4 R 412 м
5 VCM 2,5 м/с
6 VU 16 м/с
7 n 16 -
8 m 1000 -
9 т 0,6 с
6 5
2 ........................................................................................................
1 ............................................................................................
О -
40 41 42 43 44
PRO, с
Рисунок 2.4 - Диаграмма зависимости величины DEL0 от значений PR0
при PR1 = 10 с
На рисунке 2.5 показана диаграмма зависимости величины WQ от значений PR0 при PR1 = 11 с.
Рисунок 2.6 - Диаграмма зависимости величины DEL0 от значений PR0
при PR1 = 11 с
На рисунке 2.7 показана диаграмма зависимости величины WQ от значений PR0 при PR1 = 12 с.
Рисунок 2.8 - Диаграмма зависимости величины DEL0 от значений PR0
при PR1 = 12 с
На рисунке 2.9 показана диаграмма зависимости величины WQ от значений PR0 при PR1 = 13 с.
Рисунок 2. 10 - Диаграмма зависимости величины DEL0 от значений PR0
при PR1 = 13 с
На рисунке 2. 11 показана диаграмма зависимости величины WQ от значений PR0 при PR1 = 14 с.
Рисунок 2.12 - Диаграмма зависимости величины DEL0 от значений PR0
при PR1 = 14 с
На рисунке 2. 13 показана диаграмма зависимости величины WQ от значений PR0 при PR1 = 15 с.
Рисунок 2.14 - Диаграмма зависимости величины DEL0 от значений PR0
при PR1 = 15 с
Анализ представленных выше данных диаграмм показывает, что условие (2.5) выполняется при PR0 = 41 с и PR1 > 10 с. Соответствующие результаты на диаграммах окрашены зеленым цветом.
Для обоснования выбираемого значения PR1 построена диаграмма, показанная на рисунке 2.15. Из этой диаграммы видно, что условие (2.5) выполняется при PR1 = 11 с.
Допустим, животное оказалось на границе местоположения 1 класса. Тогда, чтобы не пропустить перемещение животного в область местоположения 2 класса и своевременно отправить мультикоптер для обеспечения его безопасности, необходимо при интервале DEL1 иметь расстояние от границы местоположения 1 класса до границы местоположения 2 класса не менее
D1 = VCM • DELI. (2.11)
Рисунок 2.15 - Диаграмма зависимости величины DEL1 от значений PR1
при PR0 = 41 с
Наконец, расстояние от границы местоположения 0 класса до границы местоположения 1 класса можно оценить, как разность
D0 = D01 - D1. (2.12)
При обоснованных выше значениях PR0 = 41 с и PR1 = 11 с, используя выражения (2.6) - (2.12), получим: DEL0 = 41,9 с; DEL1 = 11,9 с; D1 = 29,7 м; D0 = 75,1 м.
Таким образом, применение предложенного метода дает возможность распознать классы местоположения выпасаемых животных и с их использованием оценить рекомендуемую периодичность отправки трекерами геопозиционных данных для отображения на панели управления оператора-пастуха. Разработанный метод распознавания местоположения выпасаемых животных может быть использован также для обоснования числа беспроводных каналов и мультикоптеров, необходимого для обеспечения безопасного местоположения особей на пастбище. Созданию соответствующих решающих процедур посвящен следующий пункт диссертации.
выпасаемых животных
Представленный выше метод распознавания местоположения выпасаемых животных дает возможность правильно выбрать значения периода отправки сообщений для своевременного обнаружения перемещения контролируемых особей в опасные области пастбища. Эти значения, с одной стороны, не должны быть слишком большими, чтобы можно было успеть вовремя направить мультикоптер в нужное место пастбища. С другой стороны, чрезмерное уменьшение этих значений может привести к перегрузке сетевых шлюзов, имеющих ограниченную производительность. При этом важную роль приобретает правильный выбор числа используемых беспроводных каналов, по которым передаются геопозиционные сообщения. Если использовать недостаточное число каналов, то возникают задержки доставки данных о текущем местоположении животных. Это может усложнить обеспечение безопасности контролируемых особей. Использование слишком большого числа каналов необоснованно повышает материальные затраты, связанные с необходимостью приобретения дополнительных сетевых шлюзов или их более дорогостоящих моделей.
Метод распознавания местоположения выпасаемых животных нашел применение для разработки решающей процедуры при выборе числа каналов сетевых шлюзов, используемых в процессе мониторинга контролируемых особей. Блок-схема процедуры показана на рисунке 2.16. Процедура предполагает выполнение шагов, представленных ниже.
Шаг 1. Начало процедуры.
Шаг 2. Вводятся исходные данные: И, N1, Я, ЛЯ, УСМ, Уи, т, т, I -интенсивность поступления команд на исполнение мультикоптеру; ЛТ - среднее время исполнения мультикоптером одной задачи без учета времени на полет в нужную точку пастбища; к - число используемых мультикоптеров; ТИ - число задач, которые могут ожидать исполнения мультикоптером.
беспроводных каналов
Текущее число беспроводных каналов Сп, используемых для передачи сообщений, может принимать значения, кратные 8. Начальное значение Сп равно 0.
Шаг 3. Выполняется процедура, в ходе которой последовательно вычисляются следующие величины:
- среднее время ожидания начала выполнения задачи мультикоптером (при условии I • АТ < к) вычисляется с помощью выражения:
- по формуле (2.1) вычисляется радиус безопасной части пастбища;
- расстояние от границы местоположения 2 класса до границы пастбища вычисляется с помощью выражения:
- по формуле (2.3) вычисляется расстояние от границы местоположения 0 класса до границы местоположения 2 класса;
- по формуле (2.4) вычисляется минимальное время, в течение которого животное сможет преодолеть расстояние от границы 0 класса до границы 2 класса.
Устанавливаются начальные значения:
- рекомендуемого расстояния от границы местоположения 1 класса до границы местоположения 2 класса: В1 = В 01;
- текущего периода отправки сообщений трекерами, находящимися в области местоположения 0 класса: СРЯО = СРЯО тах = Т 01] +1;
- текущего периода отправки сообщений трекерами, находящимися в областях местоположения 1, 2 или 3 классов: СРЯ1 = СРЯ1тах = СРЯО -1.
(2.13)
(2Р \
т = —+ши •ГСМ;
I ги )
( 2-Я
(2.14)
Шаг 4. Текущее число беспроводных каналов Сп увеличивается на 8. Если текущее число каналов превышает значение 64, то осуществляется переход к шагу 17. В противном случае выполнение процедуры переходит к шагу 5.
Шаг 5. Текущее значение периода СРЯ0 уменьшается на 1. Если СРЯ0 = 0, то осуществляется переход к шагу 16. В противном случае выполнение процедуры переходит к шагу 6.
Шаг 6. Текущее значение периода СРЯ1 уменьшается на 1. Если СРЯ1 = 0, то осуществляется переход к шагу 16. В противном случае выполнение процедуры переходит к шагу 7.
Шаг 7. Вычисляется интенсивность передачи сообщений трекерами на сетевой шлюз с помощью выражения:
. N1 N - N1
Л =-+-. (2.15)
СРЯ1 СРЯ0
Шаг 8. Проверяется выполнение условия: Л-т < Сп. Если данное условие выполняется, то осуществляется переход к шагу 9. В противном случае выполнение процедуры переходит к шагу 15.
Шаг 9. Вычисляется среднее время ожидания начала передачи сообщения из трекера на сетевой шлюз, обусловленное временным отсутствием свободных каналов:
(Л-т)Сп СП+тГЛ-тЛи-Сп
Сп! п\ Сп > „ ^ ЖО = 7---и=Сп±---.-. (2.16)
* Сп т / „ \Ы Сп / п \Х \
(Л-т) m(Л-
Cn\ A Cn j x! j
у И = lv у X=0V у
Л - т
у т j
Вычисляется интервал времени между моментами доставки на панель оператора данных, отправляемых трекером, который находится в области местоположения 0 класса:
DELO = CPR0 + WQ. (2.17)
Шаг 10. Проверяется выполнение условия: DELO < T01. Если данное условие выполняется, то осуществляется переход к шагу 11. В противном случае выполнение процедуры переходит к шагу 5.
DELI = CPRl + WQ; (2.18)
- текущее расстояние от границы местоположения 1 класса до границы местоположения 2 класса:
CD1 = VCM ■ DELI; (2.19)
- текущее расстояние от границы местоположения 0 класса до границы местоположения 1 класса:
CD0 = D01 - CD1. (2.20)
Шаг 12. Проверяется выполнение условия: CD0 > 2 -CD1. Если данное условие выполняется, то осуществляется переход к шагу 13. В противном случае выполнение процедуры переходит к шагу 6.
Шаг 13. Проверяется выполнение условия: CD1 < D1. Если данное условие выполняется, то осуществляется переход к шагу 14. В противном случае выполнение процедуры переходит к шагу 6.
Шаг 14. Искомые величины принимают следующие значения:
- рекомендуемое число используемых беспроводных каналов n = Cn;
- рекомендуемое расстояние от границы местоположения 0 класса до границы местоположения 1 класса D0 = CD0;
- рекомендуемое расстояние от границы местоположения 1 класса до границы местоположения 2 класса D1 = CD1;
- рекомендуемый период отправки сообщений трекерами, находящимися в области местоположения 0 класса PRO = CPR0;
- рекомендуемый период отправки сообщений трекерами, находящимися в областях местоположения 1, 2 или 3 классов PR1 = CPR1.
Выполнение процедуры возвращается к шагу 6.
Шаг 15. Проверяется выполнение условия: D1 = D 01. Если данное условие выполняется, то осуществляется переход к шагу 4. В противном случае выполнение процедуры переходит к шагу 16.
Шаг 16. Вывод рекомендуемых значений n, R0, D0, D1, D2, PRO, PR 1. Выполнение процедуры переходит к шагу 18.
Шаг 17. Вывод сообщения «Недостаточно каналов».
Шаг 18. Конец процедуры.
Для оценивания работоспособности предложенной решающей процедуры проведены вычислительные эксперименты, в которых использовались исходные данные, показанные в таблице 2.3.
Таблица 2.3 - Исходные данные, использованные для оценивания работоспособности решающей процедуры
№ п/п Величины Значения Единицы измерения
1 N 1000 -
2 N1 20 -
3 AR 100 м2
4 VCM 2,5 м/с
5 VU 16 м/с
6 m 1000 -
7 т 0,6 с
8 I 2 час-1
9 AT 180 с
10 к 1 -
11 TN 1000 -
В ходе проверки работоспособности разработанной процедуры получены данные о значениях числа беспроводных каналов п, рекомендуемых к
Рисунок 2.17 - Диаграмма зависимости величины п от значений Я
Анализ диаграммы показывает, что с помощью предлагаемой процедуры при увеличении размеров пастбища рекомендуется использование меньшего числа беспроводных каналов. Это объясняется тем, что с ростом размеров пастбища увеличивается время, необходимое животному, чтобы преодолеть расстояние от границы местоположения 0 класса до границы местоположения 2 класса, поэтому для отслеживания локации контролируемых особей можно увеличить период отправки трекерами геопозиционных сообщений. В процессе работы процедуры получены также рекомендуемые значения параметров ЯО, ВО, В1, В2, РЯО и РЯ1, представленные в таблице 2.4.
Анализ содержимого таблицы 2.4 показывает, что применение разработанной процедуры позволяет существенно расширить относительно безопасную область пастбища. При этом область местоположения 2 класса занимает значительно меньшую часть пастбища, что позволяет снизить число случаев использования БПЛА. Кроме того, при использовании предлагаемой процедуры величина РЯО многократно превышает величину РЯ1. Благодаря этому
Похожие диссертационные работы по специальности «Другие cпециальности», 00.00.00 шифр ВАК
Исследование моделей трафика для сетей связи пятого поколения и разработка методов его обслуживания с использованием БПЛА2023 год, кандидат наук Алгазир Аббас Али Хасан
Планирование информационных процессов в вычислительных системах автономных необитаемых подводных аппаратов2025 год, кандидат наук Литуненко Елизавета Геннадьевна
Исследование и разработка моделей и методов построения инфраструктуры сетей автономного транспорта с использованием технологий Искусственного Интеллекта2023 год, кандидат наук Аль-Свейти Малик
Модели и алгоритмы управления движением бортового манипулятора с сохранением устойчивости мультиротора в режиме зависания2021 год, кандидат наук Нгуен Ван Винь
Разработка и исследование математической модели привязных высотных беспилотных телекоммуникационных платформ, функционирующих при ветровых нагрузках2022 год, кандидат наук Ширванян Артём Мартиросович
Список литературы диссертационного исследования кандидат наук Карви Джалал Каис Джамил, 2025 год
п 16 -
т 1000 -
Т 0,6 с
I 2 1/час
ЛТ 0,05 час
к 2 -
TN 1000 -
РЯ 39 c
ВТ1 450; 400; 350; 300 м
В 280; 260; 240; 220 м
Выбор используемого значения периода РЯ обоснован стремлением повысить вероятность своевременной отправки мультикоптеров для корректировки местоположения выпасаемых животных, т.е. увеличить вероятность выполнения условий (3.6) или (3.8). Чтобы этого добиться, необходимо уменьшать значение ДОТ1. С одной стороны, согласно формуле (3.4), чтобы уменьшить величину Д0Т1, нужно уменьшить период РЯ. С другой стороны, согласно этой же формулы, для снижения величины Д0Т1 необходимо повышать значение РЯ, т.к. это позволит уменьшить значение среднего времени ожидания передачи сообщения из трекера на сетевой шлюз. С учетом данного противоречия в ходе вычислений установлено, что величина Д0Т1 принимает минимальное значение при РЯ = 39 с.
Чтобы предоставить каждому животному достаточную площадь для выпаса, необходимо выбрать расстояние О, не превышающее разность (Я - Я0), т.е.
321,6 м. Для выполнения этого требования в вычислительных экспериментах использовались значения расстояния О, представленные в таблице 3.2.
Исходя из геометрических соотношений, величина ОТ1 может принимать значения в пределах от О до Я. С учетом этого, при проведении вычислительных экспериментов использованы значения ОТ1 от 300 до 450 метров с шагом 50 метров (см. таблицу 3.2.).
В таблицах 3.3-3.18 представлены результаты вычислительных экспериментов, проведенных с использованием системы, функционирующей без предложенных решающих процедур. Результаты экспериментов обозначены знаком «+», если решение об использовании мультикоптера было принято своевременно. Если же указанное решение было принято с опозданием, то такой результат обозначен знаком «-».
В таблице 3.3. приведены результаты серии вычислительных экспериментов, проведенной при ОТ1 = 450 м и О = 280 м. В этой и всех последующих сериях экспериментов максимальная скорость длительного перемещения животного по пастбищу изменялась от 1,5 м/с до 3,4 м/с. По окончании данной серии установлено, что в трех вычислительных экспериментах
Таблица 3.3 - Результаты серии вычислительных экспериментов, проведенных при ВТ1 = 450 м и В = 280 м
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
1 1,5 450 280 +
2 1,6 450 280 +
3 1,7 450 280 +
4 1,8 450 280 +
5 1,9 450 280 +
6 2,0 450 280 +
7 2,1 450 280 +
8 2,2 450 280 +
9 2,3 450 280 +
10 2,4 450 280 +
11 2,5 450 280 +
12 2,6 450 280 +
13 2,7 450 280 +
14 2,8 450 280 +
15 2,9 450 280 +
16 3,0 450 280 +
17 3,1 450 280 +
Номер эксперимента VCM, м/с DT1, м D, м Результат эксперимента
18 3,2 450 280 —
19 3,3 450 280 —
20 3,4 450 280 —
В таблице 3.4 приведены результаты серии вычислительных экспериментов, проведенной при DT1 = 450 м и D = 260 м. По окончании данной серии установлено, что решения об использовании мультикоптеров для корректировки перемещения выпасаемых животных были приняты не своевременно в трех вычислительных экспериментах из двадцати.
Таблица 3.4 - Результаты серии вычислительных экспериментов, проведенных при ОТ1 = 450 м и О = 260 м
Номер эксперимента VCM, м/с DT1, м D, м Результат эксперимента
1 1,5 450 260 +
2 1,6 450 260 +
3 1,7 450 260 +
4 1,8 450 260 +
5 1,9 450 260 +
6 2,0 450 260 +
7 2,1 450 260 +
8 2,2 450 260 +
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
9 2,3 450 260 +
10 2,4 450 260 +
11 2,5 450 260 +
12 2,6 450 260 +
13 2,7 450 260 +
14 2,8 450 260 +
15 2,9 450 260 +
16 3,0 450 260 +
17 3,1 450 260 +
18 3,2 450 260 -
19 3,3 450 260 -
20 3,4 450 260 -
Результаты серии вычислительных экспериментов, проведенной при ВТ1 = 450 м и В = 240 м представлены в таблице 3.5. По окончании рассматриваемой серии установлено, что решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно в четырех вычислительных экспериментах из двадцати.
Номер эксперимента УСЫ, м/с ОТ1, м О, м Результат эксперимента
1 1,5 450 240 +
2 1,6 450 240 +
3 1,7 450 240 +
4 1,8 450 240 +
5 1,9 450 240 +
6 2,0 450 240 +
7 2,1 450 240 +
8 2,2 450 240 +
9 2,3 450 240 +
10 2,4 450 240 +
11 2,5 450 240 +
12 2,6 450 240 -
13 2,7 450 240 +
14 2,8 450 240 +
15 2,9 450 240 +
16 3,0 450 240 +
17 3,1 450 240 +
18 3,2 450 240 -
19 3,3 450 240 -
20 3,4 450 240 -
Результаты серии вычислительных экспериментов, проведенной при ВТ1 = 450 м и В = 220 м представлены в таблице 3.6. Анализ этих результатов показывает, что по итогам рассматриваемой серии установлено, что решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно в 7 вычислительных экспериментах из 20 проведенных.
Таблица 3.6 - Результаты серии вычислительных экспериментов, проведенных при ВТ1 = 450 м и В = 220 м
Номер эксперимента УСЫ,, м/с ВТ1, м В, м Результат эксперимента
1 1,5 450 220 +
2 1,6 450 220 +
3 1,7 450 220 +
4 1,8 450 220 +
5 1,9 450 220 +
6 2,0 450 220 +
7 2,1 450 220 +
8 2,2 450 220 +
9 2,3 450 220 +
10 2,4 450 220 +
11 2,5 450 220 +
Номер эксперимента УСМ, м/с ОТ1, м О, м Результат эксперимента
12 2,6 450 220 -
13 2,7 450 220 -
14 2,8 450 220 -
15 2,9 450 220 -
16 3,0 450 220 +
17 3,1 450 220 +
18 3,2 450 220 -
19 3,3 450 220 -
20 3,4 450 220 -
В таблице 3.7 представлены результаты серии вычислительных экспериментов, при проведении которых использовались следующие значения параметров: ОТ1 = 400 м и О = 280 м.
Анализ результатов, представленных в таблице 3.10, показывает, что в результате проведения рассматриваемой серии установлено, что в 2 из 20 проведенных вычислительных экспериментах решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно.
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
1 1,5 400 280 +
2 1,6 400 280 +
3 1,7 400 280 +
4 1,8 400 280 +
5 1,9 400 280 +
6 2,0 400 280 +
7 2,1 400 280 +
8 2,2 400 280 +
9 2,3 400 280 +
10 2,4 400 280 +
11 2,5 400 280 +
12 2,6 400 280 +
13 2,7 400 280 +
14 2,8 400 280 +
15 2,9 400 280 -
16 3,0 400 280 -
17 3,1 400 280 +
18 3,2 400 280 +
19 3,3 400 280 +
20 3,4 400 280 +
Следующая серия вычислительных экспериментов была проведена при ОТ1 = 400 м и О = 260 м. Полученные при этом результаты представлены в таблице 3.8. Из указанной таблицы видно, что в ходе выполнения данной серии решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно в 6 вычислительных экспериментах из 20 проведенных.
Таблица 3.8 - Результаты серии вычислительных экспериментов, проведенных при ОТ1 = 400 м и О = 260 м
Номер эксперимента УСМ, м/с ОТ1, м О, м Результат эксперимента
1 1,5 400 260 +
2 1,6 400 260 +
3 1,7 400 260 +
4 1,8 400 260 +
5 1,9 400 260 +
6 2,0 400 260 +
7 2,1 400 260 +
8 2,2 400 260 +
9 2,3 400 260 +
10 2,4 400 260 +
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
11 2,5 400 260 +
12 2,6 400 260 +
13 2,7 400 260 +
14 2,8 400 260 +
15 2,9 400 260 -
16 3,0 400 260 -
17 3,1 400 260 -
18 3,2 400 260 -
19 3,3 400 260 -
20 3,4 400 260 -
В таблице 3.9 представлены результаты проведения серии вычислительных экспериментов, в которой были использованы следующие значения параметров: ВТ1 = 400 м и В = 240 м.
Анализ результатов, представленных в таблице 3.9, показывает, что по итогам проведения рассматриваемой серии в 6 из 20 выполненных вычислительных экспериментах были приняты не своевременные решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных.
Номер эксперимента VCM, м/с DT1, м D, м Результат эксперимента
1 1,5 400 240 +
2 1,6 400 240 +
3 1,7 400 240 +
4 1,8 400 240 +
5 1,9 400 240 +
6 2,0 400 240 +
7 2,1 400 240 +
8 2,2 400 240 +
9 2,3 400 240 +
10 2,4 400 240 +
11 2,5 400 240 +
12 2,6 400 240 +
13 2,7 400 240 +
14 2,8 400 240 +
15 2,9 400 240 —
16 3,0 400 240 —
17 3,1 400 240 —
18 3,2 400 240 —
19 3,3 400 240 —
20 3,4 400 240 —
Следующая серия вычислительных экспериментов была проведена при ВТ1 = 400 м и В = 220 м. Полученные при этом результаты представлены в таблице 3.10. Из указанной таблицы видно, что в ходе выполнения данной серии в 6 из 20 проведенных вычислительных экспериментах решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно.
Таблица 3.10 - Результаты серии вычислительных экспериментов, проведенных при DT1 = 400 м и D = 220 м
Номер эксперимента VCM, м/с DT1, м D, м Результат эксперимента
1 1,5 400 220 +
2 1,6 400 220 +
3 1,7 400 220 +
4 1,8 400 220 +
5 1,9 400 220 +
6 2,0 400 220 +
7 2,1 400 220 +
8 2,2 400 220 +
9 2,3 400 220 —
10 2,4 400 220 +
Номер эксперимента УСМ, м/с ОТ1, м О, м Результат эксперимента
11 2,5 400 220 +
12 2,6 400 220 +
13 2,7 400 220 +
14 2,8 400 220 +
15 2,9 400 220 -
16 3,0 400 220 -
17 3,1 400 220 -
18 3,2 400 220 -
19 3,3 400 220 -
20 3,4 400 220 -
В таблице 3.11 представлены результаты проведения серии вычислительных экспериментов, в которой были использованы следующие значения параметров: ОТ1 = 350 м и О = 280 м.
Анализ результатов, представленных в таблице 3.11, показывает, что по итогам проведения рассматриваемой серии во всех 20 выполненных вычислительных экспериментах были своевременно приняты решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных.
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
1 1,5 350 280 +
2 1,6 350 280 +
3 1,7 350 280 +
4 1,8 350 280 +
5 1,9 350 280 +
6 2,0 350 280 +
7 2,1 350 280 +
8 2,2 350 280 +
9 2,3 350 280 +
10 2,4 350 280 +
11 2,5 350 280 +
12 2,6 350 280 +
13 2,7 350 280 +
14 2,8 350 280 +
15 2,9 350 280 +
16 3,0 350 280 +
17 3,1 350 280 +
18 3,2 350 280 +
19 3,3 350 280 +
20 3,4 350 280 +
В таблице 3.12 представлены результаты проведения серии вычислительных экспериментов, в которой были использованы следующие значения параметров: ОТ1 = 350 м и О = 260 м.
Анализ результатов, представленных в таблице 3.12, показывает, что по итогам проведения рассматриваемой серии во всех 20 выполненных вычислительных экспериментах были своевременно приняты решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных
Таблица 3.12 - Результаты серии вычислительных экспериментов, проведенных при ОТ1 = 350 м и О = 260 м
Номер эксперимента УСМ,, м/с ОТ1, м О, м Результат эксперимента
1 1,5 350 260 +
2 1,6 350 260 +
3 1,7 350 260 +
4 1,8 350 260 +
5 1,9 350 260 +
6 2,0 350 260 +
7 2,1 350 260 +
8 2,2 350 260 +
9 2,3 350 260 +
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
10 2,4 350 260 +
11 2,5 350 260 +
12 2,6 350 260 +
13 2,7 350 260 +
14 2,8 350 260 +
15 2,9 350 260 +
16 3,0 350 260 +
17 3,1 350 260 +
18 3,2 350 260 +
19 3,3 350 260 +
20 3,4 350 260 +
Результаты серии вычислительных экспериментов, проведенной при ВТ1 = 350 м и В = 240 м представлены в таблице 3.13. По окончании рассматриваемой серии установлено, что решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно в четырех вычислительных экспериментах из двадцати проведенных.
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
1 1,5 350 240 +
2 1,6 350 240 +
3 1,7 350 240 +
4 1,8 350 240 +
5 1,9 350 240 +
6 2,0 350 240 +
7 2,1 350 240 +
8 2,2 350 240 +
9 2,3 350 240 +
10 2,4 350 240 +
11 2,5 350 240 -
12 2,6 350 240 -
13 2,7 350 240 -
14 2,8 350 240 -
15 2,9 350 240 +
16 3,0 350 240 +
17 3,1 350 240 +
18 3,2 350 240 +
19 3,3 350 240 +
20 3,4 350 240 +
В таблице 3.14 приведены результаты серии вычислительных экспериментов, проведенной при ОТ1 = 350 м и О = 220 м. По окончании данной серии установлено, что решения об использовании мультикоптеров для корректировки перемещения выпасаемых животных были приняты не своевременно в 9 вычислительных экспериментах из 20 проведенных.
Таблица 3.14 - Результаты серии вычислительных экспериментов, проведенных при ОТ1 = 350 м и О = 220 м
Номер эксперимента УСМ,, м/с ОТ1, м О, м Результат эксперимента
1 1,5 350 220 +
2 1,6 350 220 +
3 1,7 350 220 +
4 1,8 350 220 +
5 1,9 350 220 +
6 2,0 350 220 +
7 2,1 350 220 +
8 2,2 350 220 +
9 2,3 350 220 +
10 2,4 350 220 +
11 2,5 350 220 -
Номер эксперимента УСМ, м/с ОТ1, м О, м Результат эксперимента
12 2,6 350 220 -
13 2,7 350 220 -
14 2,8 350 220 -
15 2,9 350 220 -
16 3,0 350 220 -
17 3,1 350 220 -
18 3,2 350 220 -
19 3,3 350 220 -
20 3,4 350 220 +
В таблице 3.15 представлены результаты серии вычислительных экспериментов, при проведении которых использовались следующие значения параметров: ОТ1 = 300 м и О = 280 м.
Анализ результатов, представленных в таблице 3.10, показывает, что в результате проведения рассматриваемой серии установлено, что в 5 из 20 проведенных вычислительных экспериментах решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно.
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
1 1,5 300 280 +
2 1,6 300 280 +
3 1,7 300 280 +
4 1,8 300 280 +
5 1,9 300 280 +
6 2,0 300 280 +
7 2,1 300 280 +
8 2,2 300 280 +
9 2,3 300 280 +
10 2,4 300 280 +
11 2,5 300 280 +
12 2,6 300 280 +
13 2,7 300 280 +
14 2,8 300 280 +
15 2,9 300 280 +
16 3,0 300 280 -
17 3,1 300 280 -
18 3,2 300 280 -
19 3,3 300 280 -
20 3,4 300 280 -
Следующая серия вычислительных экспериментов была проведена при ОТ1 = 300 м и О = 260 м. Полученные при этом результаты представлены в таблице 3.16. Из указанной таблицы видно, что в ходе выполнения данной серии в 5 из 20 проведенных вычислительных экспериментах решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно.
Таблица 3.16 - Результаты серии вычислительных экспериментов, проведенных при ОТ1 = 300 м и О = 260 м
Номер эксперимента УСМ,, м/с ОТ1, м О, м Результат эксперимента
1 1,5 300 260 +
2 1,6 300 260 +
3 1,7 300 260 +
4 1,8 300 260 +
5 1,9 300 260 +
6 2,0 300 260 +
7 2,1 300 260 +
8 2,2 300 260 +
9 2,3 300 260 +
10 2,4 300 260 +
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
11 2,5 300 260 +
12 2,6 300 260 +
13 2,7 300 260 +
14 2,8 300 260 +
15 2,9 300 260 +
16 3,0 300 260 -
17 3,1 300 260 -
18 3,2 300 260 -
19 3,3 300 260 -
20 3,4 300 260 -
В таблице 3.17 приведены результаты серии вычислительных экспериментов, проведенной при ВТ1 = 300 м и В = 240 м. По окончании данной серии установлено, что решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно в пяти из двадцати проведенных вычислительных экспериментов.
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
1 1,5 300 240 +
2 1,6 300 240 +
3 1,7 300 240 +
4 1,8 300 240 +
5 1,9 300 240 +
6 2,0 300 240 +
7 2,1 300 240 +
8 2,2 300 240 +
9 2,3 300 240 +
10 2,4 300 240 +
11 2,5 300 240 +
12 2,6 300 240 +
13 2,7 300 240 +
14 2,8 300 240 +
15 2,9 300 240 +
16 3,0 300 240 -
17 3,1 300 240 -
18 3,2 300 240 -
19 3,3 300 240 -
20 3,4 300 240 -
Заключительная серия вычислительных экспериментов была проведена при ОТ1 = 300 м и О = 220 м. Полученные при этом результаты представлены в таблице 3.18. Из указанной таблицы видно, что в ходе выполнения данной серии решения об использовании беспилотных летательных аппаратов для корректировки перемещения выпасаемых животных были приняты не своевременно в 5 из 20 проведенных вычислительных экспериментов.
Таблица 3.18 - Результаты серии вычислительных экспериментов, проведенных при ОТ1 = 300 м и О = 220 м
Номер эксперимента УСЫ, м/с ПЛ, м Б, м Результат эксперимента
1 1,5 300 220 +
2 1,6 300 220 +
3 1,7 300 220 +
4 1,8 300 220 +
5 1,9 300 220 +
6 2,0 300 220 +
7 2,1 300 220 +
8 2,2 300 220 +
9 2,3 300 220 +
10 2,4 300 220 +
11 2,5 300 220 +
12 2,6 300 220 +
Номер эксперимента УСЫ, м/с ВТ1, м В, м Результат эксперимента
13 2,7 300 220 +
14 2,8 300 220 +
15 2,9 300 220 +
16 3,0 300 220 -
17 3,1 300 220 -
18 3,2 300 220 -
19 3,3 300 220 -
20 3,4 300 220 -
На основе данных, представленных в таблицах 3.3-3.18, выполнена статистическая обработка результатов вычислительных экспериментов с применением методики оценивания доверительных интервалов [Вентцель, 2006]. При этом вычислялась оценка математического ожидания числа экспериментов, в которых решения об использовании БПЛА для корректировки перемещения выпасаемых животных были приняты несвоевременно:
1 к
мк=1 • X т (3.9)
К г =1
где К - число проведенных серий вычислительных экспериментов;
ЫЯг - число вычислительных экспериментов в серии номер ¡, в которых решения об использовании БПЛА для корректировки перемещения выпасаемых животных были приняты несвоевременно.
Далее вычислялась оценка дисперсии числа экспериментов, в которых решения об использовании БПЛА для корректировки перемещения выпасаемых животных были приняты несвоевременно:
1 К 9
ОЯ = -Ц- Щ -мя)2 . (3.10)
К - 1 7 =1
Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.