مقایسه عملکرد روش های کلاسیک و هوشمند ترکیب اطلاعات سنسوری جهت تخمین وضعیت ماهواره زمین ثابت (ICIS2013)
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 863
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS11_234
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله مقایسه عملکرد روش های کلاسیک و هوشمند ترکیب اطلاعات سنسوری جهت تخمین وضعیت ماهواره زمین ثابت (ICIS2013)
در این مقاله با استفاده از روش های ترکیب اطلاعات سنسوری، وضعیت یک ماهواره زمین ثابت (GEO) در فاز مدار نامی تخمین زده می شود. بدین منظور از دو روش هوشمند ترکیب اطلاعات، شبکه عصبی مصنوعی با تابع پایه شعاعی(RBF) و شبکه استنتاج فازی-عصبی تطبیقی (ANFIS) جهت تخمین وضعیت استفاده شده است و نتایج آنها با نتایج حاصل از روش کلاسیک فیلنر کالمن توسعه یافته (EKF) مقایسه می گردد. حسگرهای فعال مورد استفاده در فاز مدار نامی، حسگرهای خورشیدی و زمینی بوده و با استفاده از مقادیر اندازه گیری شده توسط آنها کواترنیون های وضعیت و سرعت های زاویه ای ماهواره به طور همزمان تخمین زده می شوند. منظور صحت سنجی و مقایسه کارایی روش های مذکور از معیار ارزیابی عددی ریشه میانگین مربعات خطا(RMSE) و تحلیل گرافیکی مانده ها استفاده شده است. شبیه سازی های انجام شده موید آن است که تخمین حاصل از شبکه ANFIS نسبت به شبکه RBF، دارای صحت بیشتری است و به طور کلی استفاده از روش های هوشمند ترکیب اطلاعات، خطای تخمین وضعیت و مدت زمان صرف شده جهت تخمینرا نسبت به روش کلاسیک فیلنر کالمن توسعه یافته است
کلیدواژه های مقایسه عملکرد روش های کلاسیک و هوشمند ترکیب اطلاعات سنسوری جهت تخمین وضعیت ماهواره زمین ثابت (ICIS2013):
نویسندگان مقاله مقایسه عملکرد روش های کلاسیک و هوشمند ترکیب اطلاعات سنسوری جهت تخمین وضعیت ماهواره زمین ثابت (ICIS2013)
حمیدرضا حیدری
دانشکده علوم و فنون نوین، دانشگاه تهران
بهزاد مشیری
دانشکده فنی، دانشگاه تهران
مهدی فکور
دانشکده علوم و فنون نوین، دانشگاه تهران
امیررضا کوثری
دانشکده علوم و فنون نوین، دانشگاه تهران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :