Алгоритм расчета времени полета беспилотного воздушного судна для проведения аэросъемки

Показали возможность использования дополнительного подвесного оборудования для проведения аэросъемки с помощью беспилотного воздушного судна. Отметили, что ряд параметров беспилотника и дополнительного подвесного оборудования не учитывается программным обеспечением при расчете времени полета дрона на одном заряде аккумуляторной батареи. (Цель исследования) Разработать алгоритм для расчета времени полета беспилотного воздушного судна с установленным подвесным оборудованием. (Материалы и методы) Изучили технические характеристики DJI Phantom 4 pro и DJI Matrice 200v2, а также спецификации мультиспектральных камер Parrot Sequoia, MicaSense Altum, устанавливаемых на беспилотник. Использовали результаты научных исследований по расчету времени полетного задания в зависимости от длины маршрута и емкости аккумуляторной батареи. (Результаты и обсуждение) Установили, что максимальное время полета беспилотника с дополнительным подвесным оборудованием сокращается из-за повышенной массы, потребляемой ими мощности, времени предполетной подготовки, полетной нагрузки, необходимости возврата в точку взлета и сохранения ресурса аккумуляторной батареи. Рассчитали максимальное время полета DJI Phantom 4 pro и DJI Matrice 200v2 с мультиспектральными камерами Parrot Sequoia, MicaSense Altum - 8 и 18 минут соответственно, при минимальной полетной нагрузке. Определили метод расчета количества аккумуляторных батарей для проведения аэросъемки с дополнительным подвесным оборудованием. (Выводы) Разработали алгоритм для расчета времени полета беспилотника с дополнительным подвесным оборудованием, учитывающий параметры, не включенные в расчет времени полета стандартным программным обеспечением.

1. Байгутлина И. А. Испытания новых типов БПЛА // Практические аспекты применения современных беспилотных летательных аппаратов. 2022. С. 168-186.

2. Костин П.И. Применение беспилотных летательных аппаратов в лесном хозяйстве // Вестник науки и образования. 2022. N1-2(121). С. 60-62.

3. Лачуга Ю.Ф., Измайлов А.Ю., Лобачевский Я.П., Шогенов Ю.Х. Результаты научных исследований агроинженерных научных организаций по развитию цифровых систем в сельском хозяйстве (окончание) // Техника и оборудование для села. 2022. N4(298). С. 2-6.

4. Лобачевский Я.П., Бейлис В.М., Ценч Ю.С. Аспекты цифровизации системы технологий и машин // Электротехнологии и электрооборудование в АПК. 2019. N3(36). С. 40-45.

5. Мазитов Н.К., Шогенов Ю.Х., Ценч- Ю.С. Сельскохозяйственная техника: решения и перспективы // Вестник ВИЭСХ. 2018. N3 (32). С. 94-100.

6. Ценч Ю.С., Маслов Г.Г., Трубилин Е.Г. К истории развития сельскохозяйственной техники // Вестник Башкирского государственного аграрного университета. 2018. N3(47). С. 117-123.

7. Годжаев З.Д., Шевцов В.Г., Лавров А.В., Ценч Ю.С., Зубина В. А. Стратегия машинно-технологической модернизации сельского хозяйства России до 2030 года (Прогноз) // Технический сервис машин. 2019. N4(137). C. 220-229.

8. Лобачевский Я.П., Ценч Ю.С., Бейлис В.М. Создание и развитие систем машин и технологий для комплексной механизации технологических процессов в растениеводстве // История науки и техники. 2019. N12. С. 46-55.

9. Лобачевский Я.П., Дорохов А.С. Цифровые технологии и роботизированные технические средства для сельского хозяйства // Сельскохозяйственные машины и технологии. 2021. N15(4). С. 6-10.

10. Аникеева И. А. Оценка рекомендуемых и допустимых значений показателей изобразительного качества по материалам, полученным различными аэрофотосъемочными системами для целей картографирования // Геодезия и картография. 2021. N9. С. 30-40.

11. Акинчин А.В., Левшаков Л.В., Линков С. А. и др. Информационные технологии в системе точного земледелия // Вестник Курской государственной сельскохозяйственной академии. 2017. N9. С. 16-21.

12. Костомахин М. Н., Курбанов Р.К., Кынев Н.Г. Точное земледелие расширяет свои границы // Сельскохозяйственная техника: обслуживание и ремонт. 2018. N3. С. 7-9.

13. Титович М.В., Таргонская М.В., Афанасьева Л.В. и др. Многофункциональная беспилотная мобильная платформа. Обеспечение точного земледелия // Актуальные проблемы авиации и космонавтики. 2018. N3(14). С. 898-900.

14. Kurbanov R., Litvinov M. Development of a gimbal for the Parrot Sequoia multispectral camera for the UAV DJI Phantom 4 Pro. IOP Conference Series: Materials Science and Engineering. 2020. N012062.

15. Морозов С.Е., Чернов В.Ю. Разработка модульного квадрокоптера // Точная наука. 2019. N54. С. 25-27.

16. Przybilla H.-J., Gerke M., DIkhoff I., Ghassoun Y. Investigations on the geometric quality of cameras for UAV applications using the high precision UAV test field zollern colliery. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences - ISPRS Archives. 2019. N42(2/W13). 531-538.

17. Кузнецова И. А., Гильязов М.Р Влияние высоты полета беспилотного летального аппарата при обработке данных в автоматизированных программных обеспечениях // StudNet. 2021. Т. 4. N5.

18. Young D.J.N., Koontz M.J., Weeks J.M. Optimizing aerial imagery collection and processing parameters for drone-based individual tree mapping in structurally complex conifer forests. Methods in Ecology and Evolution. 2022. N13(7). 1447-1463.

19. Степанов С.В., Волков С.С., Набатчиков А.В. Моделирование системы питания БПЛА ближнего действия // Математика и математическое моделирование: Сб. материалов XVI Всероссийской молодежной научно-инновационной школы. Саров: Интерконтакт. 2022. С. 31-32.

20. Yeom J., Jung J., Chang A., Ashapure A., Maeda M., Maeda A., Landivar J. Comparison of vegetation indices derived from uav data for differentiation of tillage effects in agriculture. Remote Sensing. 2019. N11. 1548.

21. Rosas J.T.F., de Carvalho Pinto F.d., de Queiroz, D.M., et al. Coffee ripeness monitoring using a UAV-mounted low-cost multispectral camera. Precision Agriculture. 2022. N23. 300-318.

22. Rogers S.R., Manning I., Livingstone W. Comparing the spatial accuracy of digital surface models from four unoccupied aerial systems: photogrammetry versus LiDAR. Remote Sensing. 2020. N12. 2806.

23. Daugela I., Visockiene J.S., Kumpiene J. Detection and analysis of methane emissions from a landfill using unmanned aerial drone systems and semiconductor sensors. Detritus. 2020. N10. 127-138.

24. Beranek C.T., Roff A., Denholm B., Howell L.G., Witt R.R. Trialling a real-time drone detection and validation protocol for the koala (Phascolarctos cinereus). Australian Mammalogy. 2020. https://doi.org/10.1071/AM20043.

25. Арзамасцев А. А. Задачи маршрутизации для беспилотных мультироторных летательных аппаратов // Материалы и методы инновационных исследований и разработок: Сб. статей Международной научно-практической конференции Оренбург: Аэтерна. 2018. С. 5-8.

26. Арзамасцев А. А., Крючков А. А. Математические модели для инженерных расчетов летательных аппаратов мультироторного типа (часть 1) // Вестник Тамбовского университета. Серия: Естественные и технические науки. 2014. N19 (6). С. 1821-1828.

27. Лебедев А.Е. Актуальность использования литиево-полимерных батарей в современном оборудовании // Сетевой научный журнал ОрелГАУ 2016. Т. 1(6). С. 139-151.