Prädiktion der Trajektorien des Flugverlaufs von unbemannten Luftfahrzeugen

Abstract

In dieser Masterarbeit wird ein Modell vorgestellt, das mittels künstlicher Intelligenz die Flugbahn einer Drohne vorhersagt. Um dieses Modell zu trainieren, wurde eine große Menge an Rohdaten verwendet, die in individuelle Trajektorien, bestehend aus genau einem Kurven und Geradensegment, diskretisiert wurden. Von den diskretisierten Trajektorien wurden die Start- und Endkoordinaten verwendet, um neue Trajektorien mittels des Dubins-PfadAlgorithmus zu berechnen. Dieser Algorithmus bestimmt den kürzesten Pfad zwischen zwei Koordinaten und erfordert in seiner vereinfachten Form lediglich die Zielkoordinaten und einen Kurvenradius. Der Kurvenradius wird als Kehrwert der Krümmungsfunktion einer Trajektorie bestimmt. Das Modell wird anschließend mit einer Vielzahl von Zielkoordinaten und Kurvenradien trainiert. Als Ausgabe folgt der geschätzte Kurvenradius, mit dieser die Trajektorie mit dem Dubins Pfad berechnet wird. Somit ist das Modell in der Lage aus beliebigen Zielpunkten einen Flugverlauf vorherzusagen. Für einen Testdatensatz bestehend aus mehreren Trajektorien wird gezeigt, dass die durchschnittliche Positionsabweichung von vorhergesagter und gegebenen Trajektorien nicht höher als 5 m ist. Allerdings folgt bei der Betrachtung einzelner Trajektorien jedoch, dass es in einigen Fällen zu Positionsabweichungen von mehr als 5 Metern kommen kann.