هوش اجتماعی، ملخ، منطق فازی، هدایت خودران، بهینه سازی مسیر، ربات کروی هوایی" >هوش اجتماعی، ملخ، منطق فازی، هدایت خودران، بهینه سازی مسیر، ربات کروی هوایی" >

طراحی سیستم هدایت جمعی ربات های کروی هوایی با هوش اجتماعی الهام گرفته از حرکت بهینه ملخ ها و منطق فازی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 40

فایل این مقاله در 24 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_AKT-14-1_011

تاریخ نمایه سازی: 26 آذر 1404

چکیده مقاله:

در این مقاله، یک سیستم هدایت هوشمند و خودران برای ربات های کروی هوایی بر اساس آنالوژی از حرکت دسته جمعی ملخ ها و استفاده از منطق فازی ارائه شده است. این سیستم با الهام از رفتار بهینه اجتماعی ملخ ها طراحی شده، که منجر به توسعه الگوریتمی برای بهینه سازی مسیر حرکت گروهی ربات ها می شود. این الگوریتم نه تنها قادر به هماهنگی دقیق ربات ها در حرکت دسته جمعی است، بلکه از منطق فازی برای افزایش قابلیت اطمینان و انعطاف پذیری سیستم در مواجهه با شرایط محیطی و نویزهای ارتباطی بهره می برد. در این روش، علاوه بر قابلیت هدایت هوشمند ربات ها، عوارض زمین به عنوان قیود مسیریابی در نظر گرفته شده است. این طراحی با قابلیت حرکت ربات ها در محیط های مختلف مانند هوا و زمین، پایداری حرکت آنها را تضمین می کند. از طرف دیگر، الهام گیری از رفتار هوشمند ملخ ها نه تنها یک روش هدایت برخط را فراهم کرده است، بلکه باعث شده تا ربات ها به صورت آنی و برخط مسیرهای بهینه تری را پیدا کنند. رفتار اجتماعی ملخ ها که منجر به ایجاد روش های بهینه سازی شده است، نشان دهنده طراحی بهینه مسیر برای گروهی از ربات ها است، که در عملیات نجات و ماموریت های پیچیده عملکرد بهتری از خود نشان می دهند. در نهایت، این سیستم به عنوان یک راهکار جامع و کارآمد برای بهبود هماهنگی و حرکت دسته جمعی ربات های هوایی با دقت بالایی در مقایسه با سایر روش ها ارائه شده است.

نویسندگان

ایمان شفیعی نژاد

هیات علمی پژوهشگاه هوافضا، وزارت علوم تحقیقات و فناوری، تهران، ایران

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 :
  • T. Lei, T. Sellers, C. Luo, D.W. Carruth and Z. ...
  • J. Kim, Three-dimensional formation control for robot swarms, Applied Sciences, ...
  • M. Zarourati, M. Mirshams and M. Tayefi, Attitude path design ...
  • M. Zarourati, M. Mirshams and M. Tayefi, Designing an adaptive ...
  • M. Zarourati, M. Mirshams and M. Tayefi, Active underactuation fault-tolerant ...
  • S.K. Baduge, S. Jayasuriya, R.K. Pandey, M.K. Hettiarachchi, D. Amaratunga ...
  • H. Sharma, A. Haque and F. Blaabjerg, Machine learning in ...
  • R. Ke, Y. Zhuang, Z. Pu and Y. Wang, A ...
  • J. Pirkandi, M.S. Abdollahpour, H. Parhizkar and M. Mahmoodi, Numerical ...
  • P. Guo, R. Zhang and B. Xu, Safety separation distance ...
  • M.E. Elshaar, M.R. Elbalshy, A. Hussien and M. Abido, Path ...
  • S. Lin, J. Wang, B. Huang, X. Kong and H. ...
  • S. Poudel, M.Y. Arafat and S. Moh, Bio-inspired optimization-based path ...
  • W. Harris, S. Tseng, T. Viso, M. Weissman and C.-K. ...
  • S. Si-Ma, X. Liu, Y. Zhang, Q. Wu and J. ...
  • P. Duraisamy, M.N. Santhanakrishnan and R. Amirtharajan, Genetic algorithm optimized ...
  • Z. Jiang, Optimal design of fuzzy controller for underwater robot ...
  • I. Shafieenejad, E.D. Rouzi, J. Sardari, M.S. Araghi, A. Esmaeili ...
  • I. Shafieenejad, A. Cheraghi and M. Tafreshi, Rescue mission designing ...
  • M. Samani, M. Tafreshi, I. Shafieenejad and A.A. Nikkhah, Minimum-time ...
  • E.C. Ozkat, Vibration data-driven anomaly detection in UAVs: A deep ...
  • M. Hosseini, M. Nosratollahi and H. Sadati, Multidisciplinary design optimization ...
  • A. Maitra, S.R. Prasath and R. Padhi, A brief survey ...
  • K. Hou, H. Sun, Q. Jia, Y. Zhang, N. Wei ...
  • H. Sun, K. Hou and Q. Jia, Development, analysis and ...
  • X. Olaz, D. Alaez, M. Prieto, J. Villadangos and J.J. ...
  • K. Malandrakis, R. Dixon, A. Savvaris and A. Tsourdos, Design ...
  • D. Kim and S. Yang, Center-of-gravity variation-driven spherical UAV system ...
  • M. Bowkett, K. Thanapalan and E. Constant, Operational safety analysis ...
  • V.H. Dominguez, O. Garcia-Salazar, L. Amezquita-Brooks, L.A. Reyes-Osorio, C. Santana-Delgado ...
  • X. Ai, Y. Zhang and Y.-Y. Chen, Spherical formation tracking ...
  • W.K. Loh and J. Jacob, Modeling and attitude control analysis ...
  • S. Das and V. Kumar, Navigating the swarm: Bio-inspired robotics, ...
  • A. Juarez-Lora and A. Rodriguez-Angeles, Bio-inspired autonomous navigation and formation ...
  • M.H. Roni, M. Rana, H. Pota, M.M. Hasan and M.S. ...
  • S. Lin, A. Liu, J. Wang and X. Kong, A ...
  • F. Wang, D.F. Araújo and Y.-F. Li, Reliability assessment of ...
  • A.A. Golroudbari and M.H. Sabour, Recent advancements in deep learning ...
  • L. Yang, X. Liu, S. Zhang and Y. Chen, Path ...
  • Y. Huang, Y. Li, Z. Zhang and Q. Sun, A ...
  • M. Shahbaz and A. Khan, Autonomous navigation of swarms in ...
  • H. Xiangwang and S. Xiaofeng, Trajectory optimization of connected and ...
  • N. Haefner, J. Wincent, V. Parida and O. Gassmann, Artificial ...
  • H. Buchbinder and J. Newson, Social knowledge and market knowledge: ...
  • S. Satapathy and A. Naik, Social group optimization (SGO): A ...
  • N. SinghPal and S. Sharma, Robot path planning using swarm ...
  • Y. Weng, J. Cao and Z. Chen, Global optimization of ...
  • I.Y. Fister Jr., Xin-She Fister, Dušan Fister, Janez Brest and ...
  • T. Wang, Z. Xin, H. Miao, H. Zhang, Z. Chen ...
  • M.I. Khaleel, M. Safran, S. Alfarhood and M. Zhu, Energy-latency ...
  • L. Ratnabala, R. Peter and E.Y.A. Charles, Evolutionary swarm robotics: ...
  • E. Hancer, Artificial bee colony: Theory, literature review, and application ...
  • K.M. Werner, H. Haslob, A.F. Reichel, A. Gimpel and V. ...
  • J. Wang, W.C. Wang, X.X. Hu, L. Qiu and H.F. ...
  • W. Li, The application of artificial intelligence in aerospace engineering, ...
  • H. Zhang, S. Yao, S. Zhang, J. Leng, L. Wei ...
  • J. Smith and E. Davis, AI-based multi-objective optimization for aircraft ...
  • S. Saremi, S. Mirjalili and A. Lewis, Grasshopper optimisation algorithm: ...
  • J. Dong, J. Shi, Z. Ma and T. Yu, Research ...
  • S.R. Das, P. Kumar, M. Patel, R. Singh and A. ...
  • C. Ardil, Fighter aircraft selection using fuzzy preference optimization programming ...
  • J.M. Sánchez-Lozano and O.N. Rodríguez, Application of fuzzy reference ideal ...
  • نمایش کامل مراجع