تعداد نشریات | 39 |
تعداد شمارهها | 1,172 |
تعداد مقالات | 8,445 |
تعداد مشاهده مقاله | 6,340,748 |
تعداد دریافت فایل اصل مقاله | 3,587,475 |
محاسبه تهدید تلفیقی اهداف هوایی مبتنی بر شبکه های عصبی-فازی | ||
رادار | ||
دوره 9، شماره 2 - شماره پیاپی 26، آذر 1401، صفحه 69-78 اصل مقاله (1.33 M) | ||
نوع مقاله: مقاله پژوهشی | ||
نویسندگان | ||
حمید محسنی1؛ مهدی نجفزاده1؛ مجید زارعی* 2؛ علی جاهد سراوانی2؛ سعید زارع1 | ||
1مدرس، دانشگاه پدافند هوایی خاتمالانبیاء(ص)، تهران، ایران | ||
2استادیار، دانشگاه پدافند هوایی خاتمالانبیاء(ص)، تهران، ایران | ||
تاریخ دریافت: 17 آبان 1400، تاریخ بازنگری: 18 مهر 1401، تاریخ پذیرش: 24 مهر 1401 | ||
چکیده | ||
در سالهای اخیر، شبکههای هوشمند نقش بسزایی در زمینههای مختلف نظامی ایفا کرده و به مرور جایگزین اپراتورهای انسانی در سیستمهای نوین نظامی میشوند. ارزیابی تهدید اهداف پرنده در سامانههای فرماندهی و کنترل توسط اپراتورهای خبره بر اساس دانش و تجربه انجام میپذیرد. تجزیه و تحلیل اطلاعات ورودی دریافتی از سیستمهای تلفیق داده امری بسیار دشوار است که نیازمند تصمیمگیریهای پیچیدهای میباشد. توانایی بالا و دقت سیستمهای هوشمند به منظور پیشبینی تهدید اهداف پرنده بر اساس پارامترهای مختلف دریافتی، کمک شایانی در تصمیمگیری نهایی میکند. در این مقاله از یک مدل رگرسیون شبکه عصبی و فازی استفاده گردیده است، تا بتوان اولویت تهدید اهداف متحرک برای سامانه فرماندهی و کنترل به صورت هوشمند و لحظهای تعیین گردد. خطای شبکه عصبی و ANFIS آموزش دیده برای دادههای تست به ترتیب برابر 14/4% و 65/1% درصد میباشد که نشان از توانایی بالای این ساختارها در تخمین تهدید اهداف پرنده دارد. علاوه بر این روابط بین متغیرهای هدف و میزان تهدید نیز مورد بررسی قرار گرفت. در نهایت یک صحنه نبرد پویا با اهداف هوایی مختلف شبیهسازی گردید و مدل توسعه داده شده مورد سنجش قرار گرفت. | ||
کلیدواژهها | ||
ارزیابی تهدید؛ اهداف هوایی پرنده؛ شبکه عصبی و ANFIS | ||
مراجع | ||
[1] Z.D. Xu, Y.Q. Guo, J.T. Juo, X.C. Zhung, “Intelligent Vibration Control in Civil Engineering Structures”, Sciencedirect , ISBN: 978-0-12-405874-3, 2015. [2] S.N. Vassilyev, A.Yu. Kelina, Y.I. Kudinov, F.F. Pashchenko, “Intelligent control systems”, XIIth International Symposium «Intelligent Systems», INTELS’16, 5-7 October 2016, Moscow Russia, Procedia Computer Science 103, pp. 623-628, 2017. [3] Y. Zhao, “Intelligent Control Technology Application Based on Wireless Sensor Networks,” JDCTA, Vol. 6, No. 23, doi: 10.4156/jdcta.vol6.issue23.10, 2012. [4] S.M. Grath, D. Chacon, K. Whitebread, “Intelligent Mobile Agents in Military Command and Control,” http://www.airuniversity.af.mil/ website. [5] O. Aissa, S. Moulahoum, I. Colak, B. Babes, N. Kabache, “Design and Real Time Implementation of Three-Phase Three Switches Three Levels Vienna Rectifier Based on Intelligent Controllers,” Applied Soft Computing, S1568-4946(17)30121-7, 2017. [6] S. Mahapatra, R. Daniel, D. N. Dey, S.K. Nayak, “Induction Motor Control Using PSO-ANFIS,” International Conference on Intelligent Computing, Communication & Convergence, doi: 10.1016/j.procs.2015.04.212,2015. [7] A. Pandey ,S. Kumar,K. K. Pandey ,D. R. Parhi, “Mobile robot navigation in unknown static environments using ANFIS controller,” Perspectives in Science, http://dx.doi.org/10.1016/j.pisc.2016.04.094,2016. [8] E. Azimi Rad, S. Eghbali, J. Hadadnia, & A. Izadipour, “Design of an optimal and robust fuzzy model for measuring the degree of threat to moving targets,” 14th Iranian Fuzzy Systems Conference, Tabriz, 2014. (in Persian) [9] E. Azimirad, J. Haddadnia, “Target threat assessment using fuzzy sets theory’’, International Journal of Advances in Intelligent Informatics, Vol. 1, No. 2, pp. 57-74, 2015. [10] P. Tahmasebi, A. Hezarkhani, “Application of Adaptive Neuro- Fuzzy Inference System for Grade Estimation; Case Study, Sarcheshmeh Porphyry Copper Deposit, Kerman, Iran”, Australian Journal of Basic and Applied Sciences, 4(3), 408-420, 2011. [11] S. Tala, M. akbari sani, & M.R. Hassani Ahangar, “Identifying Radar Targets using the GMDH Deep Neural Network,” Journal of Radar, vol. 8, no. 1, pp. 65-74, 2020. (in Persian) [12] T.P. Mote, & S.D. Lokhande, “Temperature Control System Using ANFIS,” International Journal of Soft Computing and Engineering (IJSCE) ISSN: 2231-2307, vol. 2, no. 1, 2012. [13] M. Bayat, M. Moradi, & J.Mazloum , “The Presentation of an Algorithm for Interference Detection in the Synthetic Aperture Radar,” Journal of Radar, vol. 9, no. 1, pp. 107-117, 2021. (in Persian). | ||
آمار تعداد مشاهده مقاله: 85 تعداد دریافت فایل اصل مقاله: 72 |