طراحی بهینه تاکسی هوایی به کمک یادگیری تقویتی به واسطه الگوریتم یادگیریQ

مقدمه: تاکسی های هوایی به عنوان یکی از راهکارهای نوین حمل ونقل هوایی شهری، به دلیل قابلیت کاهش زمان سفر و افزایش بهره وری سامانه های حمل ونقل، مورد توجه گسترده قرار گرفته اند. با این حال، دستیابی به تعادل بهینه میان وزن هواپیما، عملکرد آیرودینامیکی، مصرف سوخت و الزامات ماموریتی در مرحله طراحی مفهومی، همچنان یک چالش اساسی محسوب می شود. ازاین رو، بهره گیری از روش های هوشمند در کنار رویکردهای متداول طراحی هواپیما از اهمیت بالایی برخوردار است. روش ها : این پژوهش به طراحی بهینه یک تاکسی هوایی ۱۸ نفره با تلفیق روش های کلاسیک طراحی هواپیما و چارچوب یادگیری تقویتی مبتنی بر Q-learning پرداخته است. در گام نخست، پارامترهای پایه شامل بیشینه وزن برخاست، وزن خالی، مصرف سوخت و مساحت بال با استفاده از روابط طراحی مفهومی کلاسیک برآورد شدند. سپس یک محیط شبیه سازی توسعه داده شد که در آن فضای حالت با نسبت های بی بعد کلیدی شامل نسبت تراست، نسبت مساحت بال، نسبت وزن سوخت و نسبت وزن خالی به بیشینه وزن تعریف شد و فضای عمل شامل تغییرات کران دار در مساحت بال، ضریب منظری و نسبت تراست به وزن بود. عامل یادگیرنده با استفاده از سیاست ε-greedy طی ۲۰۰۰ اپیزود و حداکثر ۴۰ گام طراحی در هر اپیزود، تحت یک سناریوی ماموریتی ثابت شامل ارتفاع کروز، سرعت کروز هدف، برد طراحی و قیود طول باند آموزش داده شد. یافته ها: نتایج بهینه سازی نشان داد که مساحت بال ۳.۸٪ کاهش و ضریب منظری ۲.۱٪ افزایش یافته است. همچنین، مساحت دم افقی و دم عمودی به ترتیب ۲.۹٪ و ۳.۲٪ کاهش یافتند. این اصلاحات هندسی منجر به کاهش وزن خالی به میزان ۴.۱٪ و کاهش مصرف سوخت به میزان ۵٪ شد. علاوه بر این، بهبودهای قابل توجهی در ویژگی های آیرودینامیکی و عملکردی مشاهده شد؛ به طوری که نسبت برا به پسا ۲۰٪، نرخ اوج گیری ۳۳.۳٪ و سرعت کروز ۶.۷٪ افزایش یافتند. در نتیجه، برد پروازی نیز ۱۴.۵٪ افزایش پیدا کرد. نتیجه گیری: یافته های این پژوهش نشان می دهد که تلفیق روش های کلاسیک طراحی هواپیما با یادگیری تقویتی، رویکردی داده محور و کارآمد برای بهبود هم زمان وزن، کارایی آیرودینامیکی و عملکرد ماموریتی تاکسی های هوایی فراهم می کند و می تواند به عنوان ابزاری موثر در طراحی هوشمند هواپیماهای آینده مورد استفاده قرار گیرد.

کلیدواژه ها:

یادگیری تقویتی ، الگوریتم یادگیری ، بهینه سازی طراحی هواپیما ، بهینه سازی سطح بال و دم ها ، تاکسی هوایی ، کاهش وزن و مصرف سوخت