moitvivt Моделирование, оптимизация и информационные технологии Modeling, Optimization and Information Technology 2310-6018 Издательство 10.26102/2310-6018/2024.43.4.036 1768 О децентрализованном решении задачи одновременного прибытия автономных мобильных объектов к финальной точке с использованием анализа больших данных About a decentralized solution to the problem of simultaneous arrival of autonomous mobile objects to the final point using large data analysis Черноиваненко Игорь Александрович Chernoivanenko Igor Alexandrovich chernoivanenko2000@mail.ru aff-1 0000-0003-0420-6877 Кравец Олег Яковлевич Kravets Oleg Yakovlevich csit@bk.ru aff-2 Воронежский государственный технический университет Voronezh State Technical University Воронежский государственный технический университет Voronezh State Technical University 01 01 2026 1 1 10.26102/2310-6018/2024.43.4.036 Copyright © Авторы, 2026 2026 This work is licensed under a Creative Commons Attribution 4.0 International License

Необходимость перехода к более совершенным методам управления при использовании обычного автономного мобильного объекта (АМО) для контроля одновременного прибытия возникает ввиду чрезмерного отклонения. Инновационным решением данной проблемы является использование децентрализованного метода управления для контроля одновременного прибытия АМО к финальной точке, который основан на анализе больших данных. Было предложено решение для объединения децентрализованной информации посредством использования фильтрации, на основе которой осуществляется управление децентрализованной координацией формирований. В статье представлены основные характеристики АМО, показаны параметры объединения информации о АМО, описано децентрализованное координационное управление формированием и произведено вычисление оптимального пути и скорости сходимости для децентрализованного управления, а также учтены ограничения на задержку связи. Было проведено экспериментальное исследование ошибок в направлении x предлагаемым методом и сравнение с ошибками в эксперименте без использования данного метода управления. Также представлены графики сравнения скорости сходимости. Результаты эксперимента показали, что децентрализованный метод управления оказывает значительное влияние на определение цели АМО и сходимость ошибок. Благодаря предлагаемому подходу удалось повысить эффективность управления и снизить ошибки, тем самым, доказана целесообразность использования данного метода управления.

The need to switch to more advanced control methods when using a conventional autonomous mobile facility (AMO) to control simultaneous arrivals arises due to excessive deviation. An innovative solution to this problem is the use of a decentralized management method to control the simultaneous arrival of the AMO to the final point, which is based on the analysis of big data. A solution was proposed to combine decentralized information through the use of filtering, on the basis of which the decentralized coordination of formations is managed. The article presents the main characteristics of AMO, shows the parameters of combining information about AMO, describes decentralized coordination management of formation and calculates the optimal path and convergence rate for decentralized management, and also takes into account restrictions on communication delay. An experimental study of errors in the x direction by the proposed method was carried out and compared with errors in the experiment without using this control method. Graphs comparing the convergence rate are also presented. The results of the experiment showed that the decentralized management method has a significant impact on the definition of the aim of AMO and the convergence of errors. Thanks to the proposed approach, it was possible to increase the efficiency of management and reduce errors, thereby proving the expediency of using this management method.

 анализ больших объемов данных автономные мобильные объекты децентрализованное управление фильтрация информации координационное управление формированием large data analysis autonomous mobile objects decentralized management information filtering coordination management of formation Исследование выполнено без спонсорской поддержки. The study was performed without external funding. References Tyushev K., Amelin K., Andrievsky B. The method of saving data integrity for decentralized network of group of UAV using quantized gossip algorithms. IFAC-PapersOnLine. 2016;49(13):259–264. https://doi.org/10.1016/j.ifacol.2016.07.961 Dai B., He Y., Zhang G., Gu F., Yang L., Xu W. Wind disturbance rejection for unmanned aerial vehicles using acceleration feedback enhanced H_(∞) method. Autonomous Robots. 2020;44(7):1271–1285. https://doi.org/10.1007/s10514-020-09935-8 Arbanas B., Ivanovic A., Car M., Orsag M., Petrovic T., Bogdan S. Decentralized planning and control for UAV–UGV cooperative teams. Autonomous Robots. 2018;42(8):1601–1618. https://doi.org/10.1007/s10514-018-9712-y Meng W., He Z., Su R., Yadav P.K., Teo R., Xie L. Decentralized Multi-UAV Flight Autonomy for Moving Convoys Search and Track. IEEE Transactions on Control Systems Technology. 2017;25(4):1480–1487. https://doi.org/10.1109/TCST.2016.2601287 Conesa A., Madrigal P., Tarazona S., Gomez-Cabrero D., Cervera A., McPherson A., Szcześniak M.W., Gaffney D.J., Elo L.L., Zhang X., Mortazavi A. A survey of best practices for RNA-seq data analysis. Genome Biology. 2016;17. https://doi.org/10.1186/s13059-016-0881-8 Liu S., Bai W., Zeng N., Wang S. A Fast Fractal Based Compression for MRI Images. IEEE Access. 2019;7:62412–62420. https://doi.org/10.1109/ACCESS.2019.2916934 Stergiopoulos G., Kotzanikolaou P., Theocharidou M., Lykou G., Gritzalis D. Time-based critical infrastructure dependency analysis for large-scale and cross-sectoral failures. International Journal of Critical Infrastructure Protection. 2016;12:46–60. https://doi.org/10.1016/j.ijcip.2015.12.002 Liu S., Fu W., He L., Zhou J., Ma M. Distribution of primary additional errors in fractal encoding method. Multimedia Tools and Applications. 2014;76(4):5787–5802. https://doi.org/10.1007/s11042-014-2408-1 Cheng Y.-C., Wu E.H., Chen G.-H. A Decentralized MAC Protocol for Unfairness Problems in Coexistent Heterogeneous Cognitive Radio Networks Scenarios With Collision-Based Primary Users. IEEE Systems Journal. 2016;10(1):346–357. https://doi.org/10.1109/jsyst.2015.2431715 Kamath G., Shi L., Song W.-Z., Lees J. Distributed travel-time seismic tomography in large-scale sensor networks. Journal of Parallel and Distributed Computing. 2016;89:50–64. https://doi.org/10.1016/j.jpdc.2015.12.002

The authors declare that there are no conflicts of interest present.