Планування місії та оптимізація маршрутів для морських безпілотників короткого радіуса дії в умовах експлуатаційних обмежень

Олексій Мельник Дементій Бурлаченко Петро Нікітюк Олександр Кочетков
Отримано 14.06.2025, Доопрацьовано 04.11.2025, Прийнято 24.12.2025
Анотація

Швидкий розвиток автономних морських технологій підкреслює зростаючу актуальність оптимізації операцій доставки в прибережних та морських зонах, особливо за наявності енергетичних та навігаційних обмежень. Метою цього дослідження була розробка моделі оптимізації маршруту, адаптованої для морських дронів малої дальності, що працюють в умовах обмеженої ємності акумулятора та нестабільності навколишнього середовища. Методологія включала формулювання математичної моделі, яка інтегрувала як залежні від відстані витрати на двигун, так і залежні від часу навігаційні накладні витрати, що дозволяло мінімізувати загальний час виконання місії. За допомогою валідації на основі моделювання було встановлено, що навіть короткі сегменти маршруту потребують значних витрат енергії через необхідність постійного контролю, стабілізації та підтримки навігації в режимі реального часу. Результати підтвердили можливість застосування моделі до сценаріїв доставки з сегментованими маршрутами та динамічними стратегіями повернення на базу. Було продемонстровано, що перевищення критичних порогів енергії на заданому сегменті призводить до переривання та реконфігурації маршруту, які модель враховує за допомогою вбудованих обмежень та логіки умовного розгалуження. Крім того, для кожного сегмента маршруту були створені детальні профілі споживання енергії, що виявляють домінування навігаційних накладних витрат у коротких переходах. Розроблена модель забезпечила надійну основу для оцінки життєздатності місії перед розгортанням. Практична цінність дослідження полягає в його застосовності для планувальників морської логістики, операторів автономних надводних транспортних засобів та інженерів, що займаються розгортанням систем морської доставки на акумуляторних батареях у прибережних середовищах

Ключові слова:
навігація з обмеженим зарядом акумулятора; енергоефективна логістика; маршрутизація безпілотних суден; моделювання на основі симуляції; системи доставки по узбережжю; аналіз енергії рушійної сили; автономне планування транспорту

Взято з Том 23, № 2, 2025

Сторінки 72–80

Використані джерела ЦИТУВАТИ
  1. Alem, D., Clark, A., & Moreno, A. (2016). Stochastic network models for logistics planning in disaster relief. European Journal of Operational Research, 255(1), 187-206. doi: 10.1016/j.ejor.2016.04.041.
  2. Andrei, N., Scarlat, C., & Ioanid, A. (2024). Transforming ecommerce logistics: Sustainable practices through autonomous maritime and lastmile transportation solutions. Logistics, 8(3), article number 71. doi: 10.3390/ logistics8030071.
  3. Cardona-Valdés, Y., Álvarez, A., & Pacheco, J. (2014). Metaheuristic procedure for a bi-objective supply chain design problem with uncertainty. Transportation Research Part B: Methodological, 60, 66-84. doi: 10.1016/j. trb.2013.11.010.
  4. Global Maritime Forum. (2024). Impact report 2024. Retrieved from https://globalmaritimeforum.org/report/ global-maritime-forum-impact-report-2024/.
  5. Hulianytskyi, L., & Rybalchenko, O. (2023). Route optimisation in mission planning for hybrid DRONE+VEHICLE transport systems. Cybernetics and Computer Technologies, 3, 44-58. doi: 10.34229/2707-451X.23.3.4.
  6. International Energy Agency. (2022). World energy outlook 2022. Retrieved from https://www.oecd.org/en/ publications/world-energy-outlook-2022_3a469970-en.html.
  7. Kandel, A., Xu, C., Cardona, D., & Whitehair, C. (2020). Fuel and time optimal USV trajectory planning under flexible refueling constraints. ArXiv. doi: 10.48550/arxiv.2011.03097.
  8. Kong, F., Li, J., Jiang, B., Wang, H., & Song, H. (2023). Trajectory optimisation for drone logistics delivery via attention-based pointer network. IEEE Transactions on Intelligent Transportation Systems, 24(4), 4519-4531. doi: 10.1109/TITS.2022.3168987.
  9. Kurdiuk, S., Dremliuk, V., Melnyk, O., Onishchenko, O., Fomin, O., Píštěk, V., & Kučera, P. (2025). Development of a high-reliability hybrid data transmission system for unmanned surface vehicles under interference conditions. Drones, 9(3), article number 174. doi: 10.3390/drones9030174.
  10. Li, W., Zhang, J., Wang, F., & Zhou, H. (2023). Model predictive control based on state space and risk augmentation for unmanned surface vessel trajectory tracking. Journal of Marine Science and Engineering, 11(12), article number 2283. doi: 10.3390/jmse11122283.
  11. Li, X., & Zhang, H. (2025). Cooperative path planning optimisation for ship-drone delivery in maritime supply operations. Complex & Intelligent Systems, 11, article number 232. doi: 10.1007/s40747-025-01837-5.
  12. Lu, Y., Chen, X., & Zhang, L. (2025). Multiobjective path optimisation method for maritime UAVs based on 3D Dubins curves and error correction. Journal of Marine Science and Engineering, 13(5), article number 870. doi: 10.3390/jmse13050870.
  13. Melnyk, O., Onishchenko, O., Kurdiuk, S., Drozdenko, O., Havryliuk, T., & Burlachenko, D. (2024). Contemporary methods of countering unmanned systems: Technologies and prospects. Shipping & Navigation, 36, 102-115. doi: 10.31653/2306-5761.36.2024.102-115.
  14. MoshrefJavadi, M., & Winkenbach, M. (2021). Applications and research avenues for dronebased models in logistics: A classification and review. Expert Systems with Applications, 177, article number 114854. doi: 10.1016/j. eswa.2021.114854.
  15. Nguyen, M.T., Hoang, V.T., & Phung, M.D. (2025). Adaptive twisting sliding control for integrated attack UAV’s autopilot and guidance. ArXiv. doi: 10.48550/arxiv.2501.09937.
  16. Shao, Q., Sun, H., Chen, Z., Gou, W., He, Y., & Wu, A. (2023). Optimisation of takeaway delivery based on large neighborhood search algorithm. SAE Technical Paper, 4(2), 227-237. doi: 10.4271/13-04-02-0014.
  17. Shuaibu, A.S., Mahmoud, A.S., & Sheltami, T.R. (2025). A review of lastmile delivery optimisation: Strategies, technologies, drone integration, and future trends. Drones, 9(3), article number 158. doi: 10.3390/drones9030158.
  18. Tolooie, A., Sinha, A., & Nouri, A.K.R. (2024). Heuristic approach for optimising reliable supply chain network using drones in last-mile delivery under uncertainty. International Journal of Systems Science, 11(1), article number 2301610. doi: 10.1080/23302674.2023.2301610.
  19. Wang, H., Mao, S., Mou, X., Zhang, J., & Li, R. (2025). Path planning for unmanned surface vehicles in anchorage areas based on the risk-aware path optimisation algorithm. Frontiers in Marine Science, 11, article number 1503482. doi: 10.3389/fmars.2024.1503482.
  20. Xu, J., Xie, G., Zhang, Z., Hou, X., Zhang, S., Ren, Y., & Niyato, D. (2025). UPEGSim: An RL-enabled simulator for unmanned underwater vehicles dedicated in the underwater pursuit-evasion game. IEEE Internet of Things Journal, 12(3), 2334-2346. doi: 10.1109/jiot.2024.3472700.
  21. Zhu, X. (2023). Research on logistics unmanned aerial vehicle (UAV) delivery system based on heuristic algorithm. In Proceedings volume 12790, eighth international conference on electromechanical control technology and transportation (ICECTT 2023) (article number 127906S). Hangzhou: SPIE. doi: 10.1117/12.2689894.
Melnyk, O., Burlachenko, D., Nykytyuk, P., & Kochetkov, O. (2025). Mission planning and route optimisation for short-range maritime drones under operational constraints. Journal of Kryvyi Rih National University, 23(2), 72-80. https://doi.org/10.31721/2306-5451-2025-2-23-72-80
uk