ETD

Archivio digitale delle tesi discusse presso l'Università di Pisa

Tesi etd-07012019-102705


Tipo di tesi
Tesi di laurea magistrale
Autore
MINICI, DOMENICO
URN
etd-07012019-102705
Titolo
Esplorazione adattiva di uno sciame di droni per il rilevamento di target distribuiti
Dipartimento
INGEGNERIA DELL'INFORMAZIONE
Corso di studi
COMPUTER ENGINEERING
Relatori
relatore Prof. Cimino, Mario Giovanni Cosimo Antonio
relatore Prof.ssa Vaglini, Gigliola
Parole chiave
  • uav
  • swarm intelligence
  • stigmergia
  • stigmergy
  • floccaggio
  • flocking
  • evoluzione
  • differenziale
  • differential
  • evolution
  • target
  • detection
  • tracking
Data inizio appello
19/07/2019
Consultabilità
Non consultabile
Data di rilascio
19/07/2089
Riassunto
Questa tesi si concentra sul problema del coordinamento di più UAV per il rilevamento e il tracking di target distribuiti, in diversi contesti tecnologici e ambientali. L'approccio analizzato si basa sul concetto di adattività di uno sciame in sistemi multi-agente, cioè un team di UAV autoformato e auto coordinato che si adatta a layout ambientali specifici della missione. La formazione e la coordinazione degli sciami sono ispirati da meccanismi biologici. Questi meccanismi, opportunamente combinati, permettono di trovare il giusto equilibrio tra ricerca globale (exploration) e ricerca locale (exploitation) nell'ambiente. E' stato implementato un ambiente di simulazione, basato sulla tecnologia UAV disponibile in commercio e su scenari reali, provvisto di un modulo software per l'integrazione di algoritmi basati sulle strategie presenti in letteratura. L'obiettivo del simulation tested proposto è quello di condurre una valutazione delle performance di tali strategie e di effettuare un'analisi comparativa, basata su diversi test di simulazione, per identificare i punti chiave da sfruttare e migliorare nei lavori futuri. Le strategie analizzate in questa tesi sono: (i) Algoritmo Sciadro basato su meccanismi biologici come il flocking e la stigmergia; (ii) Firefly-based team strategy for robot recruitment, basato sul comportamento delle lucciole; (iii) Particle swarm optimization for robot recruitment, basato sul comportamento di agenti in stormo; (iv) Artificial bee colony algorithm for robot recruitment, basato invece sul comportamento delle api nella ricerca di cibo. L'adattamento dello sciame può essere sostenuto da algoritmi evolutivi con l'obiettivo di massimizzare il numero di bersagli tracciati durante una missione o di ridurre al minimo il tempo per la scoperta del bersaglio.
File