طراحی پهپاد مسیریاب هوشمند با استفاده از یادگیری عمیق و منطق فازی

پهپادها (Drone) ربات های پرندەای هستند که با ساختارهای مختلف قابلیت پرواز بدون سرنشین را دارند و مͬی توانند تا حدی از هوشمندی برای تصمیم گیری مناسب در موقعیت های جدید بهرەمند شوند. همچنین، با پیشرفت هوش مصنوعͬ (AI) در سال های اخیر، کاربرد آن در اکثر شاخه های دیگر قابل مشاهده است. این مقاله یک پهپاد هوشمند را ارائه مͬی دهد که قادر به مانور صحیح هنگام پرواز بر روی جادەها است. به این منظور از یک شبکه یادگیری عمیق (Network Learning Deep) استفاده شده که برای آموزش آن، مجموعه داده بزرگͬی از تصاویر طبیعت و جادەهای شهری جمع آوری شده است و از منطق فازی (Logic Fuzzy)برای به دست آوردن بهترین زاویه و سرعتͬ که پهپاد را در مسیر نگه مͬی دارد، استفاده شده است. سیستم منطق فازی به عنوان یک لایه واسط بین جزء یادگیری عمیق و سیستم کنترل پرواز پهپاد عمل مͬی کند. این سیستم بر اساس دادەهای سنسور بلادرنگ و خروجͬی شبکه یادگیری عمیق، مسیر پرواز و کنترل سرعت را اصلاح مͬ کند.دقت شبکه یادگیری عمیق استفاده شده در این مقاله نسبت به دقت شبکەهای یادگیری عمیق مورد استفاده در موارد مشابه بهبود یافته است. هدف این است که با گسترش مجموعه داده ها و شبکه نسبت به کارهای قبل،ͬ دقت یادگیری را بهبود بخشیده و با استفاده از منطق فازی پیچیدگͬی را کاهش دهیم. سیستم طراحͬی شده مذکور، بر روی یک هگزاکوپتر (Hexacopter) اجرا گردیده و در جاده های خارج از شهر و در ارتفاع پایین مورد بررسͬ قرار گرفت. این دقت برابر ۹۳.۱۸ درصد است که این نتیحه حاکͬی از عملکرد قابل قبول آن بود. با این وجود مͬی توان جهت افزایش دقت و کمک به تصمیم گیری بهتر منطق فازی از سنسورهای فاصله سنج در اطراف پهپاد و یا از دوربین های استریو بر روی پهپاد استفاده کرد.

کلیدواژه ها:

وسیله نقلیه بدون سرنشین ، یادگیری عمیق ، منطق فازی ، پرواز خودکار ، پهپاد مسیر یاب