Cooperative Aerial-Ground Robotic System for Solar Farms Inspection
Carregando...
Data
Título da Revista
ISSN da Revista
Título de Volume
Editor
CENTRO FEDERAL DE EDUCAÇÃO TECNOLÓGICA CELSO SUCKOW DA FONSECA
Resumo
This dissertation proposes a collaborative architecture for the inspection of solar parks, integrating Unmanned Ground Vehicles (UGVs) and Unmanned Aerial Vehicles (UAVs). The objective is to employ autonomous robots in collaboration for the inspection of solar farms in order to optimize the inspection of panels, cables, and structural components. By establishing this cooperation, the goal is to overcome common operational limitations found in isolated systems, such as the limited battery life of UAVs and the restricted field coverage of UGVs, which, if operating separately, would render inspections slower and potentially less effective. The developed solution employs the YOLO convolutional neural network model for the detection and tracking of electrical cables by the UGV, providing visual information that supports the navigation and positioning of the UAV during the mission. Crucially, the ADRC method is implemented for robust motion control, ensuring high-precision tracking with a Maximum Trajectory Error of 0.15 m, representing an 82% improvement over PID control. The cooperation between the robots is orchestrated through a human-in-the-loop mechanism and path planning algorithms based on the A? method, allowing for adaptive decision-making and real-time coordination. The proposed approach was validated through simulations in ROS and the Gazebo environment, demonstrating robust performance in autonomous navigation, cable tracking, and UGV-supported safe UAV landing. The results confirmed the efficiency and viability of the proposed architecture for automated inspections in industrial environments, highlighting the potential of integrating computer vision, ADRC, and multi-robot cooperation for applications in photovoltaic systems and critical infrastructure.
Esta dissertação propõe uma arquitetura colaborativa para a inspeção de parques solares, integrando Veículos Terrestres Não Tripulados (UGVs) e Veículos Aéreos Não Tripulados (UAVs). O objetivo é utilizar robôs autônomos em colaboração para inspeção de fazendas solares a fim de otimizar a inspeção de painéis, dos cabos e da estrutura. A partir disso, construindo essa cooperação, visa-se superar limitações operacionais comuns encontradas em sistemas isolados, como a vida útil limitada da bateria dos UAVs e a cobertura de campo restrita dos UGVs, que separados, tornariam a inspeção mais lenta e possivelmente menos eficaz. A solução desenvolvida emprega o modelo de rede neural convolucional You Only Look Once (YOLO) para a detecção e rastreamento de cabos elétricos pelo Unmanned Ground Vehicles (UGV), fornecendo informações visuais que apoiam a navegação e o posicionamento do Unmanned Aerial Vehicle (UAV) durante a missão. Crucialmente, o método Active Disturbance Reative Control (ADRC) é implementado para o controle de movimento robusto, garantindo rastreamento de alta precisão com Erro Máximo de Trajetória de 0,15 m com 82% de mellhoria em relação ao controle PID. A cooperação entre os robôs é orquestrada por meio de um mecanismo human-in-the-loop e de algoritmos de planejamento de caminho baseados no método A?, permitindo a tomada de decisão adaptativa e a coordenação em tempo real. A abordagem proposta foi validada através de simulações no Robot Operating System (ROS) e no ambiente Gazebo, demonstrando desempenho robusto em navegação autônoma, rastreamento de cabos e pouso seguro de UAV apoiado pelo UGV. Os resultados confirmaram a eficiência e viabilidade da arquitetura proposta para inspeções automatizadas em ambientes industriais, destacando o potencial da integração de visão computacional, ADRC, e cooperação multi-robô para aplicações em sistemas fotovoltaicos e infraestrutura crítica.
Esta dissertação propõe uma arquitetura colaborativa para a inspeção de parques solares, integrando Veículos Terrestres Não Tripulados (UGVs) e Veículos Aéreos Não Tripulados (UAVs). O objetivo é utilizar robôs autônomos em colaboração para inspeção de fazendas solares a fim de otimizar a inspeção de painéis, dos cabos e da estrutura. A partir disso, construindo essa cooperação, visa-se superar limitações operacionais comuns encontradas em sistemas isolados, como a vida útil limitada da bateria dos UAVs e a cobertura de campo restrita dos UGVs, que separados, tornariam a inspeção mais lenta e possivelmente menos eficaz. A solução desenvolvida emprega o modelo de rede neural convolucional You Only Look Once (YOLO) para a detecção e rastreamento de cabos elétricos pelo Unmanned Ground Vehicles (UGV), fornecendo informações visuais que apoiam a navegação e o posicionamento do Unmanned Aerial Vehicle (UAV) durante a missão. Crucialmente, o método Active Disturbance Reative Control (ADRC) é implementado para o controle de movimento robusto, garantindo rastreamento de alta precisão com Erro Máximo de Trajetória de 0,15 m com 82% de mellhoria em relação ao controle PID. A cooperação entre os robôs é orquestrada por meio de um mecanismo human-in-the-loop e de algoritmos de planejamento de caminho baseados no método A?, permitindo a tomada de decisão adaptativa e a coordenação em tempo real. A abordagem proposta foi validada através de simulações no Robot Operating System (ROS) e no ambiente Gazebo, demonstrando desempenho robusto em navegação autônoma, rastreamento de cabos e pouso seguro de UAV apoiado pelo UGV. Os resultados confirmaram a eficiência e viabilidade da arquitetura proposta para inspeções automatizadas em ambientes industriais, destacando o potencial da integração de visão computacional, ADRC, e cooperação multi-robô para aplicações em sistemas fotovoltaicos e infraestrutura crítica.