بهینه سازی هیوریستیکی زمان بازبینی نظارت مداوم چندعاملی با استفاده از توابع وزنی کمترین مسافت

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 534

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_AKT-6-2_009

تاریخ نمایه سازی: 25 خرداد 1398

چکیده مقاله:

از جمله مسائل پرکاربرد در زمینه گشت زنی هوایی، پیمایش مرزی، نجات و جستجو نظارت مداوم است و وجه تمایز آن با دیگر مسایل زمان بازبینی محدوده های مهم می باشد. به عبارت دیگر، تمرکز اصلی مسئله بر زمان بین دو بازدید متوالی یک منطقه مشخص است؛ هرچه این زمان کوتاه تر باشد، تغییرات و جزئیات دینامیک محدوده با دقت بالاتری در گشت زنی ها رصد می شود. در این مقاله برای دستیابی به کمترین زمان بازبینی از یک تابع هیوریستیک مبتنی بر زمان عمر محدوده و مکان نقاط استفاده شده است. این تابع ارزش هر نقطه را براساس توابع وزنی تعریف می نماید که با بهینه سازی این ضرایب توسط الگوریتم ژنتیک می تواند کمترین زمان بیشینه بازبینی را برای تمامی گره ها در چندین تکرار متوالی محاسبه کند. مقدار بهینه این ضرایب وزنی تابع مکان نقاط و تعداد عامل ها بوده و برای هر مسئله یک مقدار یکتاست. در مسائل چندعاملی با افزودن تعداد توابع وزنی و تعریف توابع هیوریستیک از دیدگاه کلی، رویکرد پیمایش مشخص می شود. در این مقاله، با تفکیک پیمایش به شیوه های پایه چمن زنی و حلزونی، ضمن محاسبه کمترین زمان بازبینی در محیط پیوسته، معیاری برای مقایسه و اعتبارسنجی نتایج استخراج شده است. نتایج سبب پیمایش بهینه و هدفمند مجموعه ای از نقاط با اهمیت یک محدوده، در زمانی کمتر و با توجه به قابلیت های دینامیکی پرنده است.

نویسندگان

حسن حقیقی

دانشجوی دکتری / مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر

سید حسین ساداتی

عضو هیات علمی / مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر

جلال کریمی

عضو هیات علمی / مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر

سید محمد مهدی دهقان بنادکی

عضو هیات علمی / مجتمع دانشگاهی هوافضا، 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 :
  • American Institute of Aeronautics and Astronautics, Worldwide UAV Roundup, http://www.aiaa.org/images/PDF/WilsonChart.pdf, ...
  • R. M. Murray, Recent research in cooperative control of multivehicle ...
  • H. Choset, Coverage for robotics-A survey of recent results, Annals ...
  • N. Nigam, S. Bieniawski, I. Kroo, J. Vian, Control of ...
  • A. Xu, C. Viriyasuthee, I. Rekleitis, Optimal complete terrain coverage ...
  • M. Flint, M. Polycarpou, E. Fernandez-Gaucherand, Cooperative path-planning for autonomous ...
  • K. M. Krishna, H. Hexmoor, S. Pasupuleti, J. Llinas, Parametric ...
  • D. Asadi, S. A. Bagherzadeh, Nonlinear adaptive sliding mode tracking ...
  • H. V. Parunak, Making swarming happen, In Proceedings of Swarming ...
  • D. A. Lawrence, R. E. Donahue, K. Mohseni, R. Han, ...
  • J. Keller, D. Thakur, M. Likhachev, J. Gallier, V. Kumar, ...
  • B. Bethke, J. P. How, J. Vian, Group health management ...
  • N. K. Ure, G. Chowdhary, T. Toksoz, J. P. How, ...
  • N. Nigam, I. Kroo, Persistent surveillance using multiple unmanned air ...
  • M. A. Khesali, S. M. Dehghan, S. H. Cheheltani, A ...
  • H. Khandani, H. Moradi, J. Y. Panah, A real-time coverage ...
  • J. D. Anderson, Aircraft performance and design, Boston: McGraw-Hill, 1999. ...
  • D. McLean, Automatic flight control systems, Prentice Hall, 1990. ...
  • N. Nigam, The Multiple Unmanned Air Vehicle Persistent Surveillance Problem: ...
  • M. Flint, Fernandez-Gaucherand E, Polycarpou M., Cooperative control for UAV ...
  • D. Rajnarayan, I. Kroo, D. H. Wolpert, Probability collectives for ...
  • T. Back, Evolutionary algorithms in theory and practice: evolution strategies, ...
  • Unmanned Dynamics Aerosim Blockset, http://www.udynamics.com/aerosim (accessed 27 January 2009). ...
  • نمایش کامل مراجع