کاربردهای هوش مصنوعی در مهندسی سیستم برای پیشبینی خرابیهای ماهواره ای
- سال انتشار: 1404
- محل انتشار: بیست و سومین کنفرانس بین المللی انجمن هوافضای ایران
- کد COI اختصاصی: AEROSPACE23_312
- زبان مقاله: فارسی
- تعداد مشاهده: 23
نویسندگان
کارشناسی ارشد مهندسی فناوری، ماهواره، دانشگاه علم و صنعت ایران
استادیار گروه مهندسی فناوری ماهواره، دانشگاه علم و صنعت ایران
چکیده
انگیزه پیشبینی خرابی خطرات ماموریت را کاهش میدهد، عمر ماهواره را افزایش میدهد و هزینه ها را کم می کند. برای مثال یک خرابی AOCS می تواند میلیونها دلار خسارت در خدمات از دست رفته ایجاد کند. ساختار بخش دوم ادبیات را مرور می کند؛ بخش سوم روش شناسی را شرح میدهد؛ بخش چهارم پیاده سازی و نتایج را ارائه میدهد؛ بخش پنجم چالشها و راه حلها را بحث می کند؛ بخش ششم با جهت گیریهای آینده نتیجه گیری می کند.کلیدواژه ها
هوش مصنوعی, مهندسی سیستم, پیش بینی خرابی, ماهواره, یادگیری ماشین, یادگیری عمیقمقالات مرتبط جدید
- Enhancement of the Aerodynamic Performance of the Airfoil and the Albatross Bird's Wing
- ارزیابی عملکرد و کارایی الگوریتمهای فراابتکاری با استفاده از توابع محک بهینه سازی
- تعیین وضعیت دقیق یک ماهواره کوچک چرخان در مدار پایین با استفاده از حسگرهای وضعیتی و دینامیک وضعیت
- تحلیل ماتریسی توسعه موتورهای کرایژنیک کشور هند با استفاده از درس آموخته های آن
- کنترل وضعیت فضاپیما با استفاده از کنترلر مد لغزشی فازی
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.