АНАЛІЗ ЕНЕРГОЕФЕКТИВНОСТІ МОБІЛЬНИХ РОБОТОТЕХНІЧНИХ ПЛАТФОРМ І БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ У ГІБРИДНИХ МЕРЕЖАХ

Автор(и)

  • О. В. Михайліченко Національний університет «Полтавська політехніка імені Юрія Кондратюка»
  • А. С. Янко Національний університет «Полтавська політехніка імені Юрія Кондратюка»
  • О. І. Лактіонов Національний університет «Полтавська політехніка імені Юрія Кондратюка»

DOI:

https://doi.org/10.31649/1997-9266-2025-183-6-78-82

Ключові слова:

мобільні робототехнічні наземні платформи (РНП), безпілотні літальні апарати (БПЛА), гібридні мережі, енергоефективність, глибоке навчання, телекомунікаційні системи

Анотація

Виконано порівняльний аналіз енергоефективності, функціональної автономності та стабільності зв’язку мобільних робототехнічних наземних платформ (РНП) у складі гібридних телекомунікаційних систем. Основну увагу приділено вивченню потенціалу РНП як основи для побудови енергооптимізованих та надійних мереж нового покоління, здатних забезпечувати безперервний обмін даними, підтримку систем енергетичного керування та інформаційний моніторинг у складних середовищах як у військовий так і мирний часи. Особливий акцент зроблено на порівнянні енергетичного балансу наземних платформ з безпілотними літальними апаратами (БПЛА) з метою визначення переваг наземних систем у контексті тривалості автономної роботи, стабільності сигналу та можливості використання потужних антенних модулів. Встановлено, що РНП характеризуються низьким рівнем енергетичних втрат, оскільки не потребують витрат на підтримання висоти чи стабілізацію положення в повітрі. Це дозволяє ефективніше розподіляти енергоресурси між системами руху, зв’язку та обчислювальними блоками. Завдяки стабільній базі та відсутності обмежень за масою, мобільні наземні платформи можуть інтегрувати великі антени, сонячні панелі та елементи енергозбереження, що значно підвищує їхню автономність. Розглянуто застосування інтелектуальних методів адаптивного керування енергоспоживанням, які використовують алгоритми глибокого навчання. Такі методи дозволяють прогнозувати зміни навантаження, регулювати енергорозподіл між модулями та забезпечувати безперервність зв’язку, навіть у разі динамічних змін топології мережі або навколишнього середовища. Показано, що саме наземні робототехнічні системи можуть виконувати роль енергетично стабільної основи гібридної мережевої інфраструктури, доповнюючи повітряні елементи та забезпечуючи їм стійке підключення в складних умовах. Такий підхід сприяє створенню збалансованих систем, у яких ключові функції керування, зв’язку й енергорозподілу реалізуються через автономні наземні модулі, здатні до самоорганізації та колективного прийняття рішень.

Біографії авторів

О. В. Михайліченко, Національний університет «Полтавська політехніка імені Юрія Кондратюка»

аспірант кафедри автоматики, електроніки та телекомунікацій

А. С. Янко, Національний університет «Полтавська політехніка імені Юрія Кондратюка»

канд. техн. наук, доцент, старший науковий співробітник кафедри комп’ютерних та інформаційних технологій і систем

О. І. Лактіонов, Національний університет «Полтавська політехніка імені Юрія Кондратюка»

канд. техн. наук, доцент кафедри автоматики, електроніки та телекомунікацій

Посилання

Y. Zeng, R. Zhang, and T. J. Lim, “Energy-Efficient UAV Communication With Trajectory Optimization,” IEEE Transactions on Wireless Communications, vol. 16, no. 6, pp. 3747-3760, Jun. 2017. https://doi.org/10.1109/TWC.2017.2688328 .

N. Miller, N. Goulet, and B. Ayalew, “Energy-Aware Mission Planning for Unmanned Ground Vehicle Fleets,” in Proceedings of the 2024 Ground Vehicle Systems Engineering and Technology Symposium (GVSETS), 2024. [Electronic resource]. Available: https://ndia-mich.org. Accessed: 12.09.2025.

Y. Zhang, R. Zhao, D. Mishra, and D. W. K. Ng, “A Comprehensive Review of Energy-Efficient Techniques for UAV-Assisted Industrial Wireless Networks,” Energies, vol. 17, no. 18, p. 4737, 2024. https://doi.org/10.3390/en17184737 .

K. Seerangan, D. Raja, M. A. Hussain, and A. Amudha, “A Novel Energy-Efficiency Framework for UAV-Assisted Networks using Adaptive Deep Reinforcement Learning,” Scientific Reports, vol. 14, Article рр. 22188, 2024. https://doi.org/10.1038/s41598-024-71621-x .

M. Mondal, S. Ramasamy, and P. Bhounsule, “Deep Reinforcement Learning Enabled Persistent Surveillance with Energy-Aware UAV-UGV Systems for Disaster Management Applications,” arXiv preprint, 2025. https://doi.org/10.48550/arXiv.2502.02666 .

##submission.downloads##

Переглядів анотації: 20

Опубліковано

2025-12-24

Як цитувати

[1]
О. В. Михайліченко, А. С. Янко, і О. І. Лактіонов, «АНАЛІЗ ЕНЕРГОЕФЕКТИВНОСТІ МОБІЛЬНИХ РОБОТОТЕХНІЧНИХ ПЛАТФОРМ І БЕЗПІЛОТНИХ ЛІТАЛЬНИХ АПАРАТІВ У ГІБРИДНИХ МЕРЕЖАХ», Вісник ВПІ, вип. 6, с. 78–82, Груд. 2025.

Номер

Розділ

Енергетика, електротехніка та електромеханіка

Метрики

Завантаження

Дані завантаження ще не доступні.