Diese Arbeit basiert auf Forschungsergebnissen aus meiner Zeit am Institut für Flugsysteme und Regelungstechnik an der Technischen Universität Darmstadt. Um einen Schwarm von Unmanned Aerial Vehicles (UAVs) sinnvoll einsetzen zu können, muss es dem Bediener (Systemmanager) oder einer kleinen Gruppe möglich sein, eine größere Anzahl an UAVs zu koordinieren. Hierfür benötigen die UAVs ein Mindestmaß an Autonomie, deren spezifische Gestaltung Gegenstand vorliegender Arbeit ist.

Die in dieser Arbeit beschriebene Regelung ist das Resultat aus einer systematischen Untersuchung bekannter Ansätze und den Anforderungen an einen Schwarm. Sie basiert auf einer modellprädiktiven Regelung. Die Bewertung der generierten Trajektorie erfolgt in diesem Fall durch multiple Potenzialfelder und nicht wie üblich durch eine Referenztrajektorie. Vorteile bestehen hinsichtlich der Möglichkeit, komplexere Vorgaben als bei einer Referenztrajektorie zu implementieren. Die Optimierung bei dieser Art der modellprädiktiven Regelung erfolgt durch einen evolutionären Algorithmus, welcher neben anderen Vorteilen auch möglicherweise vorhandene lokale Minima vermeiden kann.

Die Regelung wird theoretisch, analytisch und mittels Simulation auf ihre Eignung zur Koordination eines Schwarms untersucht. Unter Berücksichtigung bekannter Forschungsergebnisse und systematischer Schlussfolgerungen werden die nötigen Anforderungen ermittelt. Analytisch und durch Simulation wird die Wahrscheinlichkeit eines Versagens der Regelung, unter extremen Bedingungen, für grundlegende Funktionen des Schwarms bestimmt. In mehreren Szenarien werden unterschiedliche Missionen, für einzelne UAVs sowie für einen Schwarm von UAVs, untersucht. Weiter werden Simulationen der Szenarien mit Varianten der Regelung, welche unterschiedliche Optimierungsverfahren nutzen, durchgeführt. Abschließend werden die Ergebnisse auf die Robustheit bezüglich der Variation von Parametern und Modellen untersucht, um einen Eindruck zu gewinnen, in wieweit die Performanz abhängig von einer optimalen Parametrierung ist.

Das Ergebnis dieser Arbeit ist eine Regelung, die vorausschauend agiert und Zielkonflikte (mit Randbedingung und anderen Zielen) intelligent löst. Unter Einbezug von unterschiedlichen Zielsetzungen und variierenden Randbedingungen, ermöglicht die Regelung effektive Lösungen der Erfüllung einer Mission. Dies ist eine neue und effektive Methode, um einzelne UAVs oder einen Schwarm von UAVs zu regeln.