یادگیری ماشین در شناورهای تندرو

سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 61

فایل این مقاله در 14 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MSTSA-22-63_006

تاریخ نمایه سازی: 10 اسفند 1403

چکیده مقاله:

شناورهای تندرو را شاید بتوان بارزترین مشخصه قدرت دریایی جمهوری اسلامی ایران در منطقه خلیج فارس و تنگه هرمز و در عین حال بزرگترین چالش عملیاتی و تاکتیکی برای ناوگان نیروی دریایی آمریکا در این منطقه برشمرد.شناورهای تندرو در سایر نقاط دنیا مورد استفاده قرار می گیرد ولی آنچه در ایران اتفاق افتاده و تولید علم محسوب می شود. در این راستا استفاده و بکارگیری از فناوری های نوظهور (هوش مصنوعی، یادگیری ماشین، یادگیری تقویتی، یادگیری عمیق،...) در حوزه شناورهای تندرو از اهمیت بسیار زیادی برخوردار است. یادگیری ماشین در حال تبدیل شدن به ابزاری قدرتمند برای طراحان و سازندگان شناورهای تندرو است. این فناوری می تواند در مراحل مختلف فرآیند طراحی و ساخت به کار گرفته شود تا منجر به شناورهایی کارآمدتر، ایمن تر و مقرون به صرفه تر شود. یادگیری ماشین می تواند برای پیش بینی عملکرد شناور در شرایط مختلف عملیاتی استفاده شود. یادگیری ماشین می تواند برای بهینه سازی عملکرد سیستم های پیشرانه شناور، مانند موتورها و پروانه ها استفاده شود. این امر می تواند به کاهش مصرف سوخت کمک کند. یادگیری ماشین می تواند برای تجزیه و تحلیل داده های حسگر از شناور برای پیش بینی خرابی های احتمالی استفاده شود. این امر می تواند به تعمیر و نگهداری پیشگیرانه و کاهش زمان خرابی کمک کند. در این مقاله به موضوع کاربرد یادگیری ماشین در طراحی و ساخت شناورهای تندرو پرداخته شده، مقالات پر استناد مورد بررسی و محصولات مبتنی بر هوش مصنوعی و یادگیری ماشین در این حوزه گزارش شده است.

نویسندگان

فرهاد کیانی فلاورجانی

دانشگاه صنعتی مالک اشتر

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 :
  • -Surrisyad, H., & Wahyono. (۲۰۲۰). A Fast Military Object Recognition ...
  • -Machine Learning in Military Applications Artificial Intelligence and Machine Learning ...
  • -Lee, C., & Kim, H. (۲۰۱۹). Predictive modeling of ship ...
  • -Wang, J., & Xu, J. (۲۰۱۸). Prognostics and health management ...
  • -Berkhahn, S.; Neuwaeiler, I.; Fuchs, L. Real-TimeWater Level Prediction Based ...
  • - DARPA—Accelerating the Exploration of Promising Artificial Intelligence Concepts. Available ...
  • - EMSA—European Maritime Safety Agency. Available online: http://www.emsa.europa.eu/ (accessed on ...
  • - Rhodes, B.J.; Bomberger, N.A.; Seibert, M.; Waxman, A.M. Maritime ...
  • -Mao, Z.; Massaquoi, S.G. Dynamics of Winner-Take-All Competition in Recurrent ...
  • - Walck, C. Hand-Book on Statistical Distributions for Experimentalists; Universitet ...
  • - GeeksforGeeks—Gaussian Mixture Model. Available online: https://www.geeksforgeeks.org/gaussian-mixture-model/ (accessed on ۲۵ ...
  • - Grefl, K.; van Steenkiste, S.; Schmidhuber, J. Neural Expectation ...
  • -THALES. The Future of Mine Warfare: A Quicker, Safer Approach. ...
  • -Wang, J.; Cao, L.; Shen, Y.; Zheng, G. Research on ...
  • -Lapan, M. Deep Reinforcement Learning Hands-on: Apply Modern RL Methods ...
  • نمایش کامل مراجع