انتخاب حسگرها در AUV با استفاده از الگوریتم بهینه ساز مبتنی بر جغرافیایی زیستی بهینه شده توسط نقشه های آشفته

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 717

فایل این مقاله در 12 صفحه با فرمت PDF و WORD قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITCOMP01_059

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

حدود 70 درصد سطح زمین را دریاها و اقیانوس ها تشکیل داده اند. وجود منابع گسترده نفت و گاز در بستر دریا و خطرات انسانی موجود در اعماق دریا سبب شد تا ربات های زیرآبی بدون سرنشین (AUV) به یکی از زمینه های مهم تحقیقاتی تبدیل شود. AUVها برای جمع آوری اطلاعات از حسگرهای متعدد و مختلفی استفاده می کنند. با توجه به محدودیت منابع انرژی در AUVها، با انتخاب هوشمندانه حسگرها می توان در مصرف انرژی صرفه جویی کرد و باعث سرعت بخشیدن به پردازش اطلاعات و در نتیجه افزایش دقت شد. برای انتخاب حسگر باید تمام حالت های مجموعه حسگرها را بررسی کنیم. بررسی تمام حالت های ممکن برای حسگرها زمان زیادی نیاز دارد. با توجه به ماموریت و محیط این ربات ها نیاز به پردازش بلادرنگ به طور محسوسی احساس می شود. از این رو استفاده از روش های ابتکاری و فراابتکاری به یکی از زمینه های مورد علاقه محققان و صنعتگران در این حوزه تبدیل شده است. یکی از روش های فرابتکاری جدید الگوریتم BBO می باشد. در این مقاله با استفاده از الگوریتم BBO که با نقشه های آشفته بهینه شده است، سعی در بهینه سازی سامانه انتخاب حسگر یک AUV نمونه خواهیم داشت که در پایان با پنج الگوریتم معیار دیگر مقایسه می گردد به گونه ای که زمان پردازش اطلاعات و مصرف انرژی میزان قابل توجه ای کاهش پیدا خواهد کرد.

نویسندگان

مجید آقابابایی

دانشکده مهندسی برق، عضو هیئت علمی دانشگاه علوم دریایی امام خمینی(ره)، نوشهر، ایران

عباس صفاری

دانشکده مهندسی برق، دانشجوی کارشناسی ارشد دانشگاه علوم دریایی امام خمینی(ره)، نوشهر، ایران

محمد خویشه

دانشکده مهندسی برق، عضو هیئت علمی دانشگاه علوم دریایی امام خمینی(ره)، نوشهر، ایران

فلاح محمدزاده

دانشکده مهندسی برق، عضو هیئت علمی دانشگاه علوم دریایی امام خمینی(ره)، نوشهر، 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 :
  • آقابایی، م. و خویشه، م. (1391)، "کاربرد الگوریتم ژنتیک و ...
  • خویشه، محمد، آقابابایی، مجید. و صفاری، ع. (1395)، " همجوشی ...
  • data fusion algorithms using square- Sensorه 13. Raol, J.R. and ...
  • Underwater Vehicles Autonomous:ه 3. Wynn, R.B. Huvenne, A.L. and Murton, ...
  • and Huntsberger, T.L. (2014) , :Safe ...
  • Maritime Autonomous Navigation With Colregs, " IEEE Journal on Using ...
  • Ohata, S. Ishii, Sakai, K.H. Tanaka, T. and Ura, T. ...
  • Miah, S. Uus, A. and Liatsis, P. (2015) , "Design ...
  • Xiao, L. Boyd, S. and Lall, S. (2005) _ _ ...
  • Method of Multi-Sensor Data Fusion Based On Rough Set A:ه ...
  • Lee, M.F.R. Stanley, K. and Wu, Q.M.J. (2001) , _ ...
  • Sharawi, M.S. Abde]- Aty-Zohdy, H.S. ...
  • Ewing, R.L. (2001) , "Optimal- ...
  • weights Sen S OTS -measurement fusion using genetic algorithms, " ...
  • Al-Khatib, E.I. Jaradat, M.A. and Abdel-Hafez, M. (2015) , "Multiple ...
  • B adamchizadeh, M.A. Nikdel, N. Kouzehgar, M. (2010) , "Optimization ...
  • Applications (ISMA), pp.1-5. ...
  • Simon. D. (2008) , _ B iogeography-B ased Optimization, " ...
  • Guo, W. Wang, L. Wu, Q. (2014) , _ Analysis ...
  • نمایش کامل مراجع