История развития систем управления беспилотных воздушных судов

Беспилотные воздушные суда успешно применяются и все более востребованы во многих сферах. Современные системы управления полетом позволяют создавать и программировать беспилотные аппараты для выполнения различных задач. (Цель исследования) Провести ретроспективный анализ развития систем управления с времен появления первых беспилотных летательных аппаратов до полетных контроллеров современных многофункциональных дронов. (Материалы и методы) Выполнили сбор и обработку данных с использованием историко-аналитического метода. Исследовали оригинальные работы отечественных и зарубежных авторов по литературным источникам, статьям в научных журналах, монографиям, материалам конференций, экспозиции музеев, фотоматериалов, а также исходного кода программного обеспечения, размещенного в открытом доступе. (Результаты и обсуждение) Исторический процесс развития беспилотных летательных аппаратов привел к появлению множества типов конструкций, обеспечивающих лучшие полетные характеристики и новые функции благодаря созданию систем управления полетом. В конструкцию беспилотных систем внедрялись передовые  достижения науки, техники и технологий, использовался мировой опыт в области теории и практики авиации. Миниатюризация систем управления полетом способствовала массовому распространению беспилотных аппаратов. Появление интеллектуальных режимов управления полетом обеспечило высокую автономность действий беспилотников. (Выводы) В рамках исследования составлены блок-схемы систем управления беспилотными воздушными судами по мере их развития, также составлена блок-схема, обобщающая эволюцию таких систем с периодизацией отдельных этапов. Выявлены девять таких этапов, в текущий момент основным направлением является разработка систем интеллектуального управления. Установили, что активное расширение областей применения и функций беспилотных летательных аппаратов связано с развитием и улучшением технологий микроэлектромеханических систем. Отметили основные полетные контроллеры, оказавшие большое влияние на усовершенствование беспилотных воздушных судов, спрогнозировали возможные перспективы развития полетных контроллеров.

1. Авиация:Энциклопедия / Гл. ред. Г.П. Свищёв. М.: Большая российская энциклопедия, 1994. С. 108-116.

2. 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.

3. 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.

4. 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.

5. 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.

6. 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.

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

8. Kim J., Kim I., Ha E., Choi B. UAV Photogrammetry for Soil Surface Deformation Detection in a Timber Harvesting Area. Forests. 2023. N14. 98-104.

9. 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.

10. Beranek C.T., Roff A., Denholm B., et al. Triallinga real-time drone detection and validation protocol for the koala (Phascolarctos cinereus). Australian Mammalogy. 2020.

11. Yeom J., Jung J., Chang A., et al. Comparison of vegetation indices derived from UAV data for differentiation of tillage effects in agriculture. Remote Sensing. 2019. N11. 1548.

12. Chen A., Orlov-Levin V., Meron M. Applying high-resolution visible-channel aerial imaging of crop canopy to precision irrigation management. Agricultural Water Management. 2019. Vol. 216. 196-205 .

13. Cholula U., da Silva J.A., Marconi T., et al. Forecasting yield and lignocellulosic composition of energy cane using unmanned aerial systems. Agronomy. 2020. 10(5). 718.

14. Guan S., Fukami K., Matsunaka H., et al. Assessing correlation of high-resolution NDVI with fertilizer application level and yield of rice and wheat crops using small UAVs. Remote Sensing. 2019. 11(2). 112.

15. Ammar A., Koubaa A. Deep-learning-based automated palm tree counting and geolocation in large farms from aerial geotagged images. Agronomy. 2021. 11(8). 1456.

16. McCraine C.D., Samiappan S., Czarnecki J.M.P, Darrin M.D. Plant density estimation and weeds mapping on row crops at emergence using low altitude UAS imagery Proceedings. Conference: Autonomous air and ground sensing systems for agricultural otimization and phenotyping. 2019.

17. 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.

18. 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.

19. Kurbanov R.K., Zakharova N.I. Application of vegetation indexes to assess the condition of crops. Agricultural Machinery and Technologies. 2020. N0140411.

20. 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.

21. Albeaino G., Gheisari M., Franz B.W. A systematic review of unmanned aerial vehicle application areas and technologies in the AEC domain. Journal of Information Technology in Construction. 2019.

22. Kim J.S., Hong Y. Accuracy Analysis of Photogrammetry Based on the Layout of Ground Control Points Using UAV. Journal of the Korean Cartographic Association. 2020. N20(2). 41-55.

23. Kapicioglu H.S., Hastaoglu K.O., Poyraz F., Gül Y. Investigation of topographic effect in ground control point selection in UAV photogrammetry: Gaziantep. International conference on innovative engineering applications. 2018. 1174-1178.

24. Tamouridou A.A., Alexandridis T.K., Pantazi X.E., et al. Application of multilayer perceptron with automatic relevance determination on weed mapping using UAV multispectral imagery. Sensors. 2017. N17. 2307.