Sistema de planejamento de voo autônomo utilizando inteligência artificial

Detalhes bibliográficos
Autor(a) principal: Cioffi, João Raphael
Data de Publicação: 2022
Tipo de documento: Trabalho de conclusão de curso
Idioma: por
Título da fonte: Repositório Institucional da UNESP
Texto Completo: http://hdl.handle.net/11449/238515
Resumo: Com o aumento no uso de Veículos Aéreos não Tripulados (UAVs/Drones) (SADHU; ZONOUZ; POMPILI, 2020), o desenvolvimento de técnicas para detecção e identificação de falhas em tempo real vem sendo cada vez mais necessário para que se possa ter o devido controle e a recuperação do veículo em um cenário potencial de colisão. As causas da colisão podem estar relacionadas à falhas no sistema de sensoriamento/atuação, à falhas de componentes estruturais - como por exemplo birdstrikes (JHA; SATHYAMOORTHY; PRAKASH, 2019) ou quebra de hélices -, ou ainda ataques cibernéticos ao sistema do veículo (BEST et al., 2020). Neste aspecto, adotando-se técnicas de Aprendizagem de Máquina, criou-se uma arquitetura geral para tomada de decisão no pré-voo (previsão de dados climáticos) e planejamento de missão em tempo real do voo (detecção e classificação de operações incorretas do drone). A arquitetura proposta deve ser capaz de aprender a dinâmica temporal do sistema de modo automático utilizando os dados brutos. Os resultados empíricos devem mostrar que a solução proposta aqui será capaz de detectar e classificar os principais tipos de comportamento inadequado do sistema.
id UNSP_544659c3043fb98be2346156b902f2c0
oai_identifier_str oai:repositorio.unesp.br:11449/238515
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Sistema de planejamento de voo autônomo utilizando inteligência artificialAutonomous flight planning system using artificial intelligenceInteligência artificialRedes neurais (Computação)Análise por agrupamentoDroneCom o aumento no uso de Veículos Aéreos não Tripulados (UAVs/Drones) (SADHU; ZONOUZ; POMPILI, 2020), o desenvolvimento de técnicas para detecção e identificação de falhas em tempo real vem sendo cada vez mais necessário para que se possa ter o devido controle e a recuperação do veículo em um cenário potencial de colisão. As causas da colisão podem estar relacionadas à falhas no sistema de sensoriamento/atuação, à falhas de componentes estruturais - como por exemplo birdstrikes (JHA; SATHYAMOORTHY; PRAKASH, 2019) ou quebra de hélices -, ou ainda ataques cibernéticos ao sistema do veículo (BEST et al., 2020). Neste aspecto, adotando-se técnicas de Aprendizagem de Máquina, criou-se uma arquitetura geral para tomada de decisão no pré-voo (previsão de dados climáticos) e planejamento de missão em tempo real do voo (detecção e classificação de operações incorretas do drone). A arquitetura proposta deve ser capaz de aprender a dinâmica temporal do sistema de modo automático utilizando os dados brutos. Os resultados empíricos devem mostrar que a solução proposta aqui será capaz de detectar e classificar os principais tipos de comportamento inadequado do sistema.With the increase in the use of Unmanned Aerial Vehicles (UAVs/Drones) (SADHU; ZONOUZ; POMPILI, 2020), the development of techniques for detecting and identifying faults in real time is becoming increasingly necessary so that you can have proper control and recovery of the vehicle in a potential collision scenario. The causes of collisions may be related to sensors/actuators failures, components structural failures - such as birdstrikes (JHA; SATHYAMOORTHY; PRAKASH, 2019) or breaking propellers -, or even cyber attacks on vehicle’s system (BEST et al., 2020). In this aspect, by adopting Machine Learning techniques, a general architecture was created for a pre-flight decision making (climate data forecast) and a real-time flight mission planning (detection and classification of incorrect drone operations). The proposed architecture must be able to learn the temporal dynamics of the system automatically using raw data. The empirical results must show that the solution proposed here will be able to detect and classify the main types of system misbehavior.Não recebi financiamentoUniversidade Estadual Paulista (Unesp)Sartorato, Murilo [UNESP]Toledo, Claudio Fabiano MottaUniversidade Estadual Paulista (Unesp)Cioffi, João Raphael2023-01-03T15:51:33Z2023-01-03T15:51:33Z2022-12-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfhttp://hdl.handle.net/11449/238515porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESP2024-08-06T14:18:21Zoai:repositorio.unesp.br:11449/238515Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-06T14:18:21Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Sistema de planejamento de voo autônomo utilizando inteligência artificial
Autonomous flight planning system using artificial intelligence
title Sistema de planejamento de voo autônomo utilizando inteligência artificial
spellingShingle Sistema de planejamento de voo autônomo utilizando inteligência artificial
Cioffi, João Raphael
Inteligência artificial
Redes neurais (Computação)
Análise por agrupamento
Drone
title_short Sistema de planejamento de voo autônomo utilizando inteligência artificial
title_full Sistema de planejamento de voo autônomo utilizando inteligência artificial
title_fullStr Sistema de planejamento de voo autônomo utilizando inteligência artificial
title_full_unstemmed Sistema de planejamento de voo autônomo utilizando inteligência artificial
title_sort Sistema de planejamento de voo autônomo utilizando inteligência artificial
author Cioffi, João Raphael
author_facet Cioffi, João Raphael
author_role author
dc.contributor.none.fl_str_mv Sartorato, Murilo [UNESP]
Toledo, Claudio Fabiano Motta
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Cioffi, João Raphael
dc.subject.por.fl_str_mv Inteligência artificial
Redes neurais (Computação)
Análise por agrupamento
Drone
topic Inteligência artificial
Redes neurais (Computação)
Análise por agrupamento
Drone
description Com o aumento no uso de Veículos Aéreos não Tripulados (UAVs/Drones) (SADHU; ZONOUZ; POMPILI, 2020), o desenvolvimento de técnicas para detecção e identificação de falhas em tempo real vem sendo cada vez mais necessário para que se possa ter o devido controle e a recuperação do veículo em um cenário potencial de colisão. As causas da colisão podem estar relacionadas à falhas no sistema de sensoriamento/atuação, à falhas de componentes estruturais - como por exemplo birdstrikes (JHA; SATHYAMOORTHY; PRAKASH, 2019) ou quebra de hélices -, ou ainda ataques cibernéticos ao sistema do veículo (BEST et al., 2020). Neste aspecto, adotando-se técnicas de Aprendizagem de Máquina, criou-se uma arquitetura geral para tomada de decisão no pré-voo (previsão de dados climáticos) e planejamento de missão em tempo real do voo (detecção e classificação de operações incorretas do drone). A arquitetura proposta deve ser capaz de aprender a dinâmica temporal do sistema de modo automático utilizando os dados brutos. Os resultados empíricos devem mostrar que a solução proposta aqui será capaz de detectar e classificar os principais tipos de comportamento inadequado do sistema.
publishDate 2022
dc.date.none.fl_str_mv 2022-12-19
2023-01-03T15:51:33Z
2023-01-03T15:51:33Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/bachelorThesis
format bachelorThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11449/238515
url http://hdl.handle.net/11449/238515
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
publisher.none.fl_str_mv Universidade Estadual Paulista (Unesp)
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128201933717504

Registros relacionados