Diseño de trayectorias secuenciales con convergencia en tiempo finito para siembra aérea autónoma
DOI:
https://doi.org/10.29105/ingenierias29.101-1002Palabras clave:
Convergencia en tiempo finito, diseño de trayectorias, trayectorias secuenciales, vehículos aéreos no tripulados, agricultura de precisiónResumen
En este trabajo se presenta un método para el diseño de trayectorias secuenciales con propiedades de convergencia en tiempo finito, orientado a aplicaciones de agricultura de precisión mediante vehículos aéreos no tripulados. El enfoque propuesto se basa en la formulación de trayectorias dinámicas definidas sobre segmentos de línea recta que conectan puntos de interés, donde un parámetro de modulación dinámica permite garantizar la llegada exacta a cada punto en un tiempo previamente especificado. La unión de múltiples trayectorias con tiempos proporcionales a la distancia permite generar patrones de movimiento adecuados para maniobras de sembrado autónomo. La viabilidad del método se valida mediante simulaciones numéricas utilizando un modelo dinámico de un cuadricóptero y un controlador robusto reportado en la literatura.
Descargas
Citas
1. Guebsi, R., Mami, S., & Chokmani, K. (2024). Drones in precision agriculture: A comprehensive review of applications, technologies, and challenges. Drones, 8(11), 686. DOI: https://doi.org/10.3390/drones8110686
2. Bolívar, E. B., Franco, J. A. R., & Amador, S. R. (2024). Monitoreo de cultivos y suelos en agricultura de precisión con UAV e inteligencia artificial: una revisión. Tecnura, 28(82).38.22360. DOI: https://doi.org/10.14483/22487638.22360
3. Zhang, G., Liu, J., Luo, W., Zhao, Y., Tang, R., Mei, K., & Wang, P. (2024). A Shortest Distance Priority UAV Path Planning Algorithm for Precision Agriculture. Sensors, 24(23), 7514. DOI: https://doi.org/10.3390/s24237514
4. Muñoz, C. S., Corredor, J. S., Patino, D. A., & Colorado, J. D. (2020, November). UAV trajectory optimization for Precision Agriculture. In 2020 Virtual Symposium in Plant Omics Sciences (OMICAS) (pp. 1-6). IEEE. DOI: https://doi.org/10.1109/OMICAS52284.2020.9535660
5. Peng, Y., Wang, L., & Li, Q. (2023). 3D Trajectory Planning of Agricultural Unmanned Aerial Vehicles Based on GA-SA Algorithm. Journal of Engineering Science & Technology Review, 16(3). DOI: https://doi.org/10.25103/jestr.163.23
6. Sun, W., Sun, P., Ding, W., Zhao, J., & Li, Y. (2024). Gradient-based autonomous obstacle avoidance trajectory planning for B-spline UAVs. Scientific Reports, 14(1), 14458. DOI: https://doi.org/10.1038/s41598-024-65463-w
7. Debnath, D., Vanegas, F., Boiteau, S., & Gonzalez, F. (2024). An integrated geometric obstacle avoidance and genetic algorithm tsp model for uav path planning. Drones, 8(7), 302. DOI: https://doi.org/10.3390/drones8070302
8. Mazaheri, H., Goli, S., & Nourollah, A. (2024). Path planning in three-dimensional space based on butterfly optimization algorithm. Scientific Reports, 14(1), 2332. DOI: https://doi.org/10.1038/s41598-024-52750-9
9. Jiménez, E. I., & Jiménez-Lizárraga, M. (2022). Robust tracking-surveillance and landing over a mobile target by quasi-integral-sliding mode and Hopf bifurcation. Journal of the Franklin Institute, 359(5), 2120-2155. DOI: https://doi.org/10.1016/j.jfranklin.2021.12.017
10. Ramos Carrasco, J. O., Ibarra Jiménez, E., Guerrero, R., Martínez, A., Godínez, F., & Gamero Inda, E. (2021). Modular electromechanical device with autonomous seeds spreading and adaptable to electronic control boards for UAV's in agricultural applications. International Research Journal of Engineering and Technology (IRJET), 8(5), 4320-4327.
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2026 Efrain Ibarra Jimenez, Ricardo Chapa Garcia, Romeo de Jesús Selvas Aguilar, Octavio Garcia Salazar, Miguel Rivas Martinez
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
