ORIGINAL_ARTICLE
اولویت بندی عوامل مؤثر بر موفقیت برنامه نگهداری و تعمیرات هواپیما با استفاده از روشهای تصمیم گیری چندمعیاره
لزوم حفظ سرمایههای کشور، استفاده عقلانی و برنامهریزیشده به همراه ارزیابی و نگهداری و تعمیرات بهموقع ماشینآلات و تجهیزات را الزامی میسازد. از این رو این پژوهش با هدف اولویتبندی عوامل مؤثر بر موفقیت اجرای برنامه نگهداری و تعمیرات هواپیما در نهاجا انجام شده است. این پژوهش، از لحاظ هدف کاربردی و از نظر روش توصیفی- پیمایشی است که با رویکرد کمّی انجام شده است. جامعه آماری پژوهش، کارشناسان نگهداری و تعمیرات نیروی هوایی ارتش ج.ا.ا میباشند که با یک ضریب حفاظتی، تعداد 75 نفر از آنان به عنوان نمونه آماری انتخاب و بهمنظور تجزیه و تحلیل اطلاعات، از آزمون آماری T استیودنت، ANP فازی و دیمتل فازی استفاده شده است. یافتههای تحقیق حاکی از آن است که «منابع انسانی»، «منابع سرمایهای»، «عوامل اقتصادی»، «منابع انسانی کارفرمایی» و «سن ناوگان هوایی» بر موفقیت اجرای برنامه نگهداری و تعمیرات تأثیر دارند. از بین این عوامل؛ «منابع انسانی»، «منابع کارفرمایی انسانی»، «منابع سرمایهای» و «سن ناوگان هوایی» بر «عوامل اقتصادی» تاثیر زیادی میگذارند و در نهایت، «عوامل اقتصادی» در رتبه اول، «منابع انسانی کارفرمایی»، «منابع سرمایهای»، «سن ناوگان»و «منابع انسانی» در رتبههای بعدی قرار دارند. به منظور صرفهجویی اقتصادی و مقابله با شرایط خاص حاکم بر کشور (شرایط اقتصادی و سیاسی) در شرایط کنونی که امکان خرید ناوگان را سخت یا غیرممکن میسازد، موضوع نگهداری و تعمیرات بیش از پیش مورد توجه قرار گیرد و از آخرین یافتههای علمی و الگوهای نگهداری و تعمیرات استفاده گردد.
https://www.joae.ir/article_122369_840ffba89b33da8dd93d134cc68b3268.pdf
2019-11-22
1
16
نگهداری و تعمیرات هواپیما
نت پیشگیرانه
ANP فازی
دیمتل فازی
محمد
اعلایی
mohammad.aelaei@modares.ac.ir
1
استادیار، دانشگاه علوم و فنون هوایی شهید ستاری
LEAD_AUTHOR
علی
فرهادی
2
دکترای هوافضا، دانشگاه علوم و فنون هوایی شهید ستاری
AUTHOR
سید علی
خوش چشم
3
کارشناسی ارشد،دانشگاه علوم و فنون هوایی شهید ستاری
AUTHOR
Bartz T, Mairesse Siluk JC, Barth Bartz AP, Improvement of industrial performance with TPM implementation. Journal of Quality in Maintenance Engineering, 20(1):2-19, 2014
1
Majumdar JP, Murali Manohar B., Implementing TPM programme as a TQM tool in Indian manufacturing industries. Asian Journal on Quality,13(2):185-198, 2012
2
Dorri, M., Kazemipour, H., & Peydaei, M. M. Proposing a Model for the Selection of Repair and Maintenance Strategy for It Systems with the Help of Dematel and ANP Fuzzy Process. Kuwait Chapter of Arabian Journal of Business and Management Review, 33(2527), 1-17. 2014.
3
رنجبر، محمدجواد، احمد کمالی، حسن خادمیزارع، و آرش شاهین، اولویتبندی استراتژیهای نگهداری و تعمیرات به کمک توابع قابلیت اطمینان و تصمیمگیری فازی: با مطالعه موردی در صنعت سیمان، نهمین کنفرانس بینالمللی مهندسی صنایع، تهران، انجمن مهندسی صنایع ایران، دانشگاه صنعتی خواجه نصیرالدین طوسی، 1391
4
مرتضوی، سید محمد امین، اولویتبندی کلیه خطوط لوله نفت و گاز با روش MCDM جهت انجام نگهداری و تعمیرات به موقع و پیشگیری از وقوع حوادث، متخصصان جوان صنعت نفت، 13(2): 53-64، 1391
5
Kiyak, E. The effects of aircraft preventive maintenance on reliability. International journal of applied mathematics and informatics 6, no. 1, 9-16, 2012
6
حاج شیر محمدی، علی، برنامهریزی نگهداری و تعمیراتات، چاپ نهم، اصفهان، انتشارات غزل، 1383
7
Pourjavad, E., Shirouyehzad, H., & Shahin, A., Selecting maintenance strategy in mining industry by analytic network process and TOPSIS, International Journal of Industrial and Systems Engineering, 15(2), 171-192, 2013
8
Atak, Ahmet, and Sytze Kingma, "Safety culture in an aircraft maintenance organisation: A view from the inside." Safety science 49, no. 2, 268-278, 2011
9
خالقیان محسن، محمدیان مجید، انواع خوردگی و آشکارسازی آن در صنایع هواپیمایی، دومین کنفرانس بین المللی بازرسی فنی و آزمون غیرمخرب 1387
10
کیانی فلاورجانی فرهاد، افزایش امنیت و کنترل در مرزها با بهرهگیری از پهپاد در نیروی انتظامی و یگانهای مرزبانی، نشریه دانش انتظامی سیستان و بلوچستان، دوره 5، شماره 10، صفحه 1-16، 1393
11
Liu, Q., Dong, M., Chen, F. F., Lv, W., & Ye, C. Single-machine-based joint optimization of predictive maintenance planning and production scheduling. Robotics and Computer-Integrated Manufacturing, 55, 173-182, 2019.
12
Xiao, L., Song, S., Chen, X., & Coit, D.W. Joint optimization of production scheduling and machine group preventive maintenance. Reliability Engineering & System Safety, 146, 68-78, 2016.
13
برجعلی لو، نعیمه و همکاران، ارائه مدل سنجش ارزیابی عملکرد تعمیرات و نگهداری هواپیما، نشریه علمی – پژوهشی مهندسی هوانوردی، سال پانزدهم، شماره اول، بهار و تابستان، 40-24. 1391
14
کریمی، تورج، و علی محقر، اولویتبندی فعالیتهای نگهداری و تعمیرات با استفاده از DEA/AHP،چهارمین کنفرانس بین المللی مدیریت، تهران، گروه پژوهشی آریانا، 1385
15
نوروزی نودهی عزیز، رجبی فرزین، شیبتالحمدی سید احمد، اولویتبندی شاخصهای نگهداری و تعمیرات در صنعت سیمان با استفاده از مدلهای ریاضی و الگوی M.A.R.T، اولین کنفرانس بینالمللی صنعت سیمان، انرژی و محیط زیست1391
16
میرمحمدصادقی سیدجواد, عاشوری حجت, امیری دلویی الهه، توسعه الگوریتم اولویت بندی و برنامه ریزی برای نگهداری و تعمیرات خطوط راه آهن ایران، نشریه بین المللی مهندسی صنایع و مدیریت تولید، دوره 23, شماره 3، صفحه 376 تا صفحه 388، 1391
17
قدیریان دهکردی، پژمان؛ ملاوردی اصفهانی، ناصر، مدل جدید برنامهریزی نگهداری و تعمیرات پیشگیرانه با استفاده از روش برنامهریزی ریاضی. دوازدهمین کنفرانس بینالمللی مهندسی صنایع، 1394
18
قاسمی، بهزاد، کشاورزی رضا، ارزیابی و رتبهبندی عوامل کیفیت خدمات خطوط هوایی با استفاده از تکنیک تاپسیس فازی، اولین همایش ملی مدیریت کسب و کار، 1392
19
کیانی فلاورجانی، فرهاد، تدوین الگوریتم پیاده سازی نگهداری و تعمیرات پیشگیرانه در یک هواپیمای مسافربری با رویکرد حداقل نقش خطاهای انسانی در سوانح هوایی، سومین کنفرانس ملی تصادفات جاده ای، سوانح ریلی و هوایی، 1393
20
قراخانی، داود، رضایی، رسول، سعیدی، سعید، شناسایی و ارزیابی عوامل موثر بر کیفیت خدمات نگهداری و تعمیر وسایل پرنده، با استفاده از تکنیک ANP فازی، ششمین کنفرانس بین المللی حسابداری و مدیریت و سومین کنفرانس کارآفرینی و نوآوری های باز، 1395
21
Liu, CH-L., Wang, J-J., Unrelated Parallel-Machine Scheduling with Controllable Processing Times and Impact of Deteriorating Maintenance Activities under Consideration, Asia Pac. J. Oper. Res, Vol 33, Issue 01,2016
22
Froger, A., Gendreau, M., Mendoza, J., Pinson, E., Rousseau, L-M. Maintenance scheduling in the electricity industry: A literature review. European Journal of Operational Research, Vol 251, Issue 3, 16, P. 695–706. 2016
23
Lee, Y., Choi, J., Jung, M., Smarter Visual System of Generator Maintenance Scheduling Including Multi-Objective Functions by GA. IFAC-PapersOnLine, Vol 49, Issue 27, 2016, P. 212-217, 2016
24
Li, R., Ma, H. Integrating Preventive Maintenance Planning and Production Scheduling under Reentrant Job Shop. Mathematical Problems in Engineering, 2017.
25
Arunraj, N. S., & Maiti, J. Risk-based maintenance policy selection using AHP and goal programming. Safety science, 48(2), 238-247, 2010
26
Balaji, G., Balamurugan. R., Lakshminarasimman, L. Mathematical approach assisted differential evolution for generator maintenance scheduling. International Journal of Electrical Power & Energy Systems, Vol 82, P. 508–518, 2016
27
Lei, X., Sandborn, P., Maintenance scheduling based on remaining useful life predictions for wind farms managed using power purchase agreements. Renewable Energy, 2017.
28
ORIGINAL_ARTICLE
تحلیل غیر خطی بیودینامیکی سیستم تعلیق خلبان تحت بارهای تحریک سه محوره
انرژی ارتعاشی در تماس مستقیم با اعضاء مختلف بدن، در محدوده فرکانسی خاص میتواند مخاطره آمیز باشد. از طرفی مانورهایی که خلبان در حین پرواز انجام و شتابهای ناگهانی g که به هواپیما وارد میشود بر روی سر و گردن، ستون فقرات و دیگر اعضاء بدن اثرات نامطلوبی داشته و باعث اختلال در اعمال فیزیولوژیکی و روانی خلبان میگردد. در این تحقیق ابتدا با انتخاب یک مدل مناسب از بدن انسان و سپس با استخراج معادلات حرکت، با استفاده از نرمافزار متلب معادلات جابجایی، سرعت و شتاب برای هر یک از اعضاء بدن به دست آمده است. کار جدید در این تحقیق قرار دادن مدل بر روی صندلی با تشکچه از جنس فوم، تشکچه از جنس مواد ویسکوالاستیک و تشکچه از جنس مواد ویسکوالاستیک با وجود سیستم تعلیق صندلی خلبان که دارای فنر و میراکننده غیر خطی میباشد. نتایج بدست آمده نشان می دهد که در شتاب g بالا سیستم تعلیق خلبان دارای بهترین عملکرد در میرا کردن و جذب انرژی سیستم را دارد. برای حرکتهای کوچک که در فرکانسهای پایین در محدوده 0 تا 30 هرتز اتفاق میافتد سیستم تعلیق صندلی جوابگو نیست و برای بررسی این حالت باید با استفاده از توابع بیودینامیک و رسم نمودارهای آنها در دو حالت بدن در حالت نشسته و بدن در حالت نشسته بر روی تشکچه از جنس فوم مورد بررسی قرار گرفته شود. در این حالت نتایج نشان می دهد که در نمودار جرم ظاهری استفاده از تشکچه از جنس فوم باعث شیفت پیک این نمودار از فرکانس در محدودهی 5 هرتز به فرکانس در محدودهی 13 هرتز میرسد. بنابراین وجود تشکچه برای حفظ سلامتی کاملاً الزامی است.
https://www.joae.ir/article_122371_ad274460c03e0c4886970c1f2e32d38a.pdf
2019-11-22
17
28
سیستم تعلیق خلبان
توابع بیودینامیکی
انتقال پذیری
جرم ظاهری
امپدانس مکانیکی
کرامت
ملک زاده فرد
kmalekzadeh@mut.ac.ir
1
مجتمع دانشگاهی هوافضا، دانشگاه صنعتی مالک اشتر، تهران
AUTHOR
علیرضا
پورموید
pourmoayed@mut.ac.ir
2
دانشکده مکانیک، دانشگاه پدافند هوایی خاتم الانبیاء (ص)، تهران
LEAD_AUTHOR
حمیدرضا
نافه کشان فرد
3
کارشناسی ارشد، دانشکده مهندسی هوافضا، دانشگاه صنعتی مالک اشتر ، تهران، ایران
AUTHOR
[1]. Gouw, G., Rakheja, S., Sankar, S., Afework, Y., “Increased Comfort and Safety of Drivers of Off-Highway Vehicles Using Optimal Seat Suspension”, SAE transactions, pp. 541-548, 1990.
1
[2]. Soliman, A. M., “Adaptive LQR Control Strategy for Suspension System”, SAE Technical Paper, No. 2011-01-0430. 2011.
2
[3]. Xu, P., Wong, D., LeBlanc, P., Peticca, G., “Road Test Simulation Technology in Light Vehicle Development and Durability Evaluation”, SAE Technical Paper, pp. 868-879, 2005.
3
[4]. Lewis, C.H., Griffin, M.J., “Evaluating the vibration isolation of soft seat cushions using an active anthropodynamic dummy”, Journal of Sound and Vibration, Volume 253, Issues 1, pp. 295-311. 2002.
4
[5]. Kordestani, A., Rakheja, S., Pazooki, A., Juras, D., “Analysis of Ride Vibration Environment of Soil Compactors”, SAE International Journal of Commercial Vehicle, Volume 3, Issues 1, pp. 259-272. 2010.
5
[6]. Pankoke S., Siefert A ., “Latest development in occupant simulation techniques related to seating comfort and human response and human response to vibration: finite element occupant model CASIMIR”, United Kingdom Conference on Human Responses to Vibration: Caterpillar Inc, Leicester, England, 2008.
6
[7]. Panjabi, M.M., “Three-dimensional mathematical model of the human spine structure”, Journal of Biomechanics, Volume 6, Issues 6, pp. 671-680,1973.
7
[8]. Latham, W.C.F., “A study in body ballistics: seat ejection”, Proceedings of the Royal Society of London. Series B-Biological Sciences, Volume 147, Issues 926, pp. 121-139,1957.
8
[9]. Yoshimura, T., Nakai, K., Tamaoki., G., “ Multi-body dynamics modelling of seated human body under exposure to Whole-Body Vibration”, Industrial Health, Volume 43, Issues 3, pp.441-447. 2005.
9
[10]. Griffin, M.J., “Handbook of Human Vibration”, Academic Press Griffin, MJ Measurement, evaluation, and assessment of occupational exposures to hand-transmitted vibration. Occupational Environmental Medicine, Volume 51, pp.73-89. 1997.
10
[11]. Mansfield, N.J., “Human Response to Vibration”, CRC Press, Boca Raton, Fla.,2005.
11
[12]. Pelmear, P.L., Wasserman, D.E., “Epidemiology of hand–arm vibration syndrome”, Hand–arm vibration: a comprehensive guide for occupational health professionals, pp.103-126. 1998.
12
[13]. Cherniack, M., ed.:“Office Ergonomics,” State of the Reviews, 14, Hanley and Belfus, Philadelphia, 1999.
13
[14]. Patten, W.N., Pang, J., “Validation of a nonlinear automotive seat cushion vibration model”, Vehicle System Dynamics, Volume 30, Issues 1, pp.55-68. 1998.
14
[15]. Boileau, P.E., Rakheja, S., “Whole body vertical biodynamic response characteristics of the seated vehicle driver – Measurement and model development”, International Journal of Industrial Ergonomics, Volume 22, Issues 6, pp. 449-472. 1998.
15
ORIGINAL_ARTICLE
بهینهسازی پارامترهای قانون هدایت تاکتیکی موشک مبتنی بر الگوریتم فرا ابتکاری جستجوی گرانشی
آنچه در این مطالعه دنبال میشود بهینهسازی قانون هدایت تناسبی دو نقطه موشک مبتنی بر الگوریتم فرابتکاری جستجوی گرانشی است. بدین منظور، نخست به مدلسازی معادلات جرم نقطهای پنجدرجهآزادی موشک میپردازیم. سپس قانون هدایت تناسبی خالص به منظور رهگیری هدف توسط موشک شبیهسازی میشود. در گام بعد، پارامترهای قانون هدایت را توسط الگوریتم جستجوی گرانشی بهینه میکنیم. در نهایت، نتایج مسیر حرکت موشک و هدف در صفحه افق و صفحه قائم، فرامین شتاب و همچنین فاصله ازدستدهی عمود بر خطدید برحسب زمان را رسم خواهیم نمود. همچنین تاثیر جبرانسازی شتاب محوری، جبرانسازی شتاب جاذبه، فرکانس بهروز رسانی فرامینِ شتاب، برد کورشدن جستجوگر و بیشینهی نرخ زاویهای جستجوگر بر قانون هدایت را بررسی خواهیم کرد.
https://www.joae.ir/article_122378_3baa94b49016ea8fe54d98579bf686ed.pdf
2019-11-22
29
35
بهینهسازی قانون هدایت تناسبی
قانون هدایت تناسبی دو نقطه
الگوریتم بهینهسازی جستجوی گرانشی
جبران شتاب جاذبه
جبران شتاب محوری
رضا
بیات تاجور
r.bayat.tajvar@gmail.com
1
دانشگاه پدافند هوایی خاتمالانبیاء
LEAD_AUTHOR
میثم
سلیمانی ملکان
2
دانشگاه پدافند هوایی خاتمالانبیاء
AUTHOR
امیرحسین
صالحی شایگان
3
دانشگاه پدافند هوایی خاتمالانبیاء
AUTHOR
Siouris, G.M, “Missile Guidance and Control Systems”, springer, November, 2003.
1
Kuroda, T., Imado, F, “Advanced Missile Guidance System Against Very High Speed Target”, AIAA Guidance, Navigation and Control Conference, Washington, DC, American Institute of Aeronautics and Astronautics, 1988.
2
Massoumnia, M. A, “Optimal Midcourse Guidance Law for Fixed-Interval Propulsive Manuevers”, Journal of Guidance, Control, and Dynamics, Vol. 18, No.3, May-June 1995.
3
Newman, B, “Strategic Intercept Midcourse Guidance Using Modified Zero Effort Miss Steering”, Journal of Guidance, Control, and Dynamics, Vol. 19, No.1, January-February 1996.
4
Zarchan, P, “Midcourse Guidance Strategic for Exoatmospheric Intercept”, Defense Technical Information Center, 1998.
5
Zarchan, P, “Tactical and Strategic Missile Guidance”, 4th Edition, American Institute of Aeronautics and Astronautics, 2002.
6
Karataban, D, “Missile System Design and Optimization Integrated with System Engineering Methodologist” PhD diss., Middle East Technical University, 2019.
7
Moon, GH, Tahk, MJ, Son, J, “Generalized Polynomial Guidance for Terminal Velocity Control of Tactical Ballistic Missiles” International Journal of Aeronautical and Space Sciences. 2020.
8
Brian, G, Furfaro, R, and Linares, R, “A Guidance Law for Terminal Phase Exo-Atmospheric Interception Against a Maneuvering Target using Angle-Only Measurements Optimized using Reinforcement Meta-Learning” In AIAA Scitech 2020 Forum, p. 0609. 2020.
9
Chai, R., Savvaris, A., & Chai, S. “Integrated Missile Guidance and Control using Optimization-based Predictive Control” Nonlinear Dynamics, 96(2), 997-1015, 2019.
10
Wu, Z., Fang, Y., & Fu, W., “Cooperative Optimal Mid-course Guidance Laws with Parameter Optimization” In 2020 39th Chinese Control Conference (CCC), pp. 3403-3408, IEEE, 2020.
11
In-Joong, H, and Chong, S “Design of a CLOS Guidance Law via Feedback Linearization” IEEE Transactions on Aerospace and Electronic Systems, 28.1, p.p 51-63, 1992.
12
ع. راشدی، ح. نظام آبادی پور، "بهینهیابی گرانشی"، پانزدهمین کنفرانس مهندسی برق ایران، مرکز نحقیقات مخابرات تهران، 1386.
13
ع. راشدی، ح. نظام آبادی پور و س. سریزدی، "الگوریتم جستجوی گرانشی باینری"، اولین کنگره مشترک سیستمهای فازی و هوشمند، مشهد،1386.
14
Halliday, D., Resnick, R., & Walker, J, “Fundamentals of Physics” John Wiley & Sons, 2013.
15
Schutz, B., “Gravity from the Ground up: An Introductory Guide to Gravity and General Relativity” Cambridge University Press, 2003.
16
Mansouri, R., Nasseri, F., & Khorrami, M. “Effective time variation of G in a model universe with variable space dimension” Physics Letters A, 259(3-4), 194-200, 1999.
17
Rashedi, E., Nezamabadi-Pour, H., & Saryazdi, S. “GSA: a Gravitational Search Algorithm” Information sciences, 179(13), 2232-2248, 2009.
18
ORIGINAL_ARTICLE
بهینه سازی قانون هدایت مقاوم برای یک پرتابه هوشمند
در این مقاله، یک قانون هدایت مبتنی بر مد لغزشییی برای یک پرتابه هوشییمند به همراه بهینه سییازی ن ارائه شییده اسییت. با توجه به اهمیتشیتا اهدا مانورپذیر به دلیل ماهیت پیییده و ییرقابل دسترسی نها ، کران بالای شتا هد به عنوان ایتشاش در تدوین قانون پیشنهادیدر نظر گرفته شیده اسیت . بعلاوه، به منظور تامین رهگیری و برخورد در زمان پروازی محدود، سیح لغزش به صیور حاصلضر فاصله نسبیبین پرتیابیه در نرخ زاوییه خط دیید ) LOS ( ارائیه میشیییود. بیه منظور افزای کار یی رهگیری نیز، پارامترهای ثابت و گینهای طراحی قانونپیشینهادی بر اسا الگوریتم ننتیک نند هدفه ) MOGA ( و با استفاده از یک تابع هد با ترکیبی از معیارهای تلاش کنترلی، خحای فاصله وزمان پرواز، بهینهسیازی میشیوند. بنابراین، قانون مقاوم پیشینهادی، خاصییت بهینگی را نیز دارا میباشید. نتایج شیبیه سیازی منجر به کاهخحای فاصیله، کاه تلاش کنترلی و کاه زمان پرواز شیده اسیت که بیانگر عملکرد بهتر قانون پیشینهادی در مقایسه با دیگر روشهای موردبحث میباشد.
https://www.joae.ir/article_122486_ac8038ee431ffcd67e69f4a3adfc2d2e.pdf
2019-11-22
36
45
قانون هدایت مقاوم
ناوبری تناسبی افزوده
الگوریتم ننتیک نند هدفه
هدایت مد لغزشی زمان محدود
رضا
زردشتی
rezazardashti@dena.kntu.ac.ir
1
استادیار دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی هوافضا
LEAD_AUTHOR
محمد
میری
2
دانشجوی دکتری هوافضا، دانشگاه صنعتی مالک اشتر، مجتمع دانشگاهی هوافضا
AUTHOR
Behnamgol V., Vali A.R. and Mohammadi A., “A new observer-based chattering-free sliding mode guidance law ", IMechE Part G: Journal of Aerospace Engineering, 0(0) 1-10, 2015.
1
Zhang K. Li, T., and Chen L., “Ideal proportional navigation for exo-atmospheric interception,” Chinese Journal of Aeronautics, vol. 26(4), pp. 976–985, 2013.
2
Lum, K. Y., Xu, J. X., Abidi, K., and Xu, J., “Sliding Mode Guidance Law for Delayed LOS Rate Measurement,” AIAA Guidance, Navigation, and Control Conference and Exhibit, Honolulu, Hawaii, 18 - 21 August, 2008.
3
Shtessel, Y.B., Shkolnikov, I.A., and Levant, A. “Smooth Second-Order Sliding Modes: Missile Guidance Application,” Automatica 43(8), pp. 1470 –1476, 2007.
4
Kumar, Sh. R., Rao, S., and Ghose, D., “Nonsingular Terminal Sliding Mode Guidance with Impact Angle Constraints”, Journal of Guidance, Control, and Dynamics, Vol. 37, No. 4, pp. 1114-1130, 2014.
5
Zhou, D., Sun, S., and Teo, K. L., “Guidance laws with finite time convergence,” J. Guid., Control Dyn., vol. 32, no. 6, pp. 1838–1846, Nov. 2009.
6
Shin H. S., Li K. B., and Tsourdos A., “A New Three-Dimensional Sliding Mode Guidance Law Variation with Finite Time Convergence”, IEEE Transactions on Aerospace and Electronic Systems, DOI 10.1109/TAES.2017.2689938, 2017.
7
Li K. B., Shin H. S., and Tsourdos A., “Capturability of a Sliding Mode Guidance Law with Finite Time Convergence”, IEEE Transactions on Aerospace and Electronic Systems, DOI 10.1109/TAES.2019.2948519.
8
Chen F., He G., He Y., “New Global Sliding Mode Guidance Law with Robustness in Whole Process”, 2nd IEEE Advanced Information Management, Communicates, Electronic and Automation Control Conference, 2018.
9
Zhao J. and Zhou J, “Fixed-Time Second Order Sliding Mode Guidance Law for Interceptors with Impact Angle Constraints”, IEEE 3rd Advanced Information Management, Communicates, Electronic and Automation Control Conference, 2019.
10
Utkin V., Guldner J., and Shi J., Sliding mode control in electro-mechanical systems. CRC press, 2009.
11
Shafiei, M.H. and Binazadeh, T., “Application of partial sliding mode in guidance problem”, ISA Transactions 52 (2013), pp. 192–197.
12
Chen H. Y. and Yang C. D., ‘Nonlinear H∞ Robust Guidance Law for Homing Missiles’, AIAA, pp. 554-562, 1998.
13
Chen B. S., Chen H. Y. and Lin C. L., “Nonlinear Fuzzy H∞ Guidance Law with Saturation of Actuators Against Maneuvering Targets”, IEEE Transactions on Control Systems Technology, 10(6), pp. 769-779, 2002.
14
M. Herrero, X. Blasco, M. Martínez, J.V. Salcedo, OPTIMAL PID TUNING WITH GENETIC ALGORITHMS FOR NON LINEAR PROCESS MODELS, IFAC Proceedings Volumes, Volume 35, Issue 1, 2002, Pages 31-36.
15
C. Kung and K. Yi Chen, MISSILE GUIDANCE ALGORITHM DESIGN USING PARTICLE SWARM OPTIMIZATION, Transactions of the Canadian Society for Mechanical Engineering, Vol. 37, No. 3, 2013.
16
Krishnakumar and David E. Goldberg, Control system optimization using genetic algorithms, Published Online:23 May 2012, https://doi.org/10.2514/3.20898.
17
Bachtiar, C. Manzie and E. C. Kerrigan, Nonlinear Model-Predictive Integrated Missile Control and Its Multiobjective Tuning, Journal of Guidance, control and Dynamics, 2017.
18
Chai, Al Savvaris, A. Tsourdos and S. Chai, Solving Multi-objective Aeroassisted Spacecraft Trajectory Optimization Problems Using Extended NSGA-II, AIAA 2017-5193.
19
Zhou, X. Wang, B. Bai and N. Cui, Reentry guidance with constrained impact for hypersonic weapon by novel particle swarm optimization, Aerospace Science and Technology, Volume 78, July 2018, Pages 205-213.
20
Slotine, J.J.E. and Li, W. “Applied Nonlinear Control”, Prentice-Hall, pp. 276-309, 1991.
21
ORIGINAL_ARTICLE
بهبود موقعیتیابی ناوبری تلفیقی با استفاده از شبکهعصبی چندلایه غیرخطی و فیلتر کالمن مقاوم در هنگام قطعی GPS
تعیین موقعیت و جهتیابی دقیق از اصلیترین نیازها جهت ناوبری وسایل نقلیه نظامی میباشد. روشهای مختلفی برای تعیین موقعیت وسیله وجود دارد. سیستم ناوبری اینرسی (INS) یکی از روشهای تعیین موقعیت و وضعیت وسیله نقلیه است که مستقل از فرستنده و لوازم جانبی خارجی کار میکند. به دلیل وجود نویز، بایاس و عوامل تاثیرگذار دیگر، خطای این سامانه در طول زمان همواره افزایشی میباشد، لذا برای دستیابی به دقت بالاتر در ناوبریهای طولانی مدت، حداقل به یک سامانه کمک ناوبری نیاز است. از این رو، اصلاح خطا به کمک تلفیق دادههای INS و سامانه موقعیتیابی جهانی (GPS) با استفاده از فیلتر کالمن توسعهیافته مقاوم (REKF) در این مقاله مورد بررسی قرار گرفته است. در هنگام ورود وسایل نقلیه به مناطق دشمن که دارای مسدودکننده سیگنال هستند، سیگنال GPS نیز قطع شده، مشاهدات فیلتر به روزرسانی نشده و در نتیجه، موقعیت نهایی خطای افزایشی خواهد داشت. لذا در این سناریو بجای فیلتر کالمن از شبکه عصبی آموزش دیده شده جهت پیشبینی موقعیت در هنگام قطعی GPS استفاده شده است. به منظور پیادهسازی و تست الگوریتم، سختافزاری با پردازنده و سنسورهای مدنظر طراحی و دادهها را به صورت آنلاین ذخیره و الگوریتم تلفیق دادههای GPS/INS مبتی بر فیلتر کالمن و شبکه عصبی بر آن اعمال شده است. نتایج نشان میدهد خطای موقعیت با استفاده از شبکه عصبی تا حدود 70 درصد در هر سه راستا بهبود داشته است.
https://www.joae.ir/article_122487_17ae69d1e54f860abbd1fac055e39236.pdf
2019-11-22
46
56
سامانه ناوبری اینرسی
سامانه موقعیتیابی جهانی
ناوبری تلفیقی
تلفیق دادهها
شبکه عصبی NAR
علیرضا
ملکیجوان
1
دانشکده مهندسی برق-دانشگاه علوم و فنون هوایی شهید ستاری- تهران- ایران
AUTHOR
مهدی
اصلینژاد
maslinezhad@yahoo.com
2
دانشکده مهندسی برق-دانشگاه علوم و فنون هوایی شهید ستاری- تهران- ایران
LEAD_AUTHOR
پویا
عباسی
3
دانشکده مهندسی برق-دانشگاه علوم و فنون هوایی شهید ستاری- تهران- ایران
AUTHOR
F. Abdel-Hafez, “The Autocovariance Least Squares Technique for GPS Interference/Jamming Detection.” IFAC Proceedings, Vol. 41, no. 2, pp. 8990-8995, 2008.
1
S. Maybeck, "Stochastic models, estimation, and control, Vol. 3, Academic press, 1982.
2
Magnusson and T.Odenman “Improving absolute position of an automotive vehicle using GPS in sensor fusion,” Department of Signals and Systems, Chalmers University of Technology, 2012.
3
G. Lu, “Development of a GPS multi-antenna system for attitude determination,” Department of Geomatics, University of Calgary, 1995.
4
Nassar, “Improving the inertial navigation system (INS) error model for INS and INS/DGPS applications.” Department of Geomatics, University of Calgary, Engineering, 2003.
5
Duc-Tan, P. Fortier, and H.T. Huynh, “Design, simulation, and performance analysis of an INS/GPS system using parallel Kalman filters structure,” REV Journal on Electronics and Communications,” Vol. 1, no. 2, pp. 88-96, 2011.
6
Y. Cho, and B.D. Kim, “Adaptive IIR/FIR fusion filter and its application to the INS/GPS integrated system,” Automatica Vol. 44, no. 8, pp. 2040-2047, 2008.
7
Hu, S. Gao, Y. Zhong, “A derivative UKF for tightly coupled INS/GPS integrated navigation,”ISA transactions, Vol. 56, no. 1, pp. 135-144, 2015.
8
Ning, Yipeng, Jian Wang, Houzeng Han, Xinglong Tan, and Tianjun Liu. "An optimal radial basis function neural network enhanced adaptive robust Kalman filter for GNSS/INS integrated systems in complex urban areas." Sensors18, no. 9 (2018): 3091.
9
Zhang and B. Li, “A low-cost GPS/INS integration based on UKF and BP neural network,” Fifth International Conference on Intelligent Control and Information Processing, IEEE, pp. 100-107, Dalian, China, 2014.
10
Yao, X. Xu, C. Zhu, and C.Y. Chan, “A hybrid fusion algorithm for GPS/INS integration during GPS outages,” Measurement, Vol. 103, pp. 42-51, 2015.
11
Chen, C. Shen, W. Zhang, M. Tomizuka, Y. Xu, and K. Chiu, “Novel hybrid of strong tracking Kalman filter and wavelet neural network for GPS/INS during GPS outages,” Measurement, Vol. 46, no. 10, pp. 3847-3854, 2013.
12
Gelb, Applied Optimal Estimation, Massachusetts Institute of Technology Press, 1974.
13
Fujita and N. Kanda, Physics of Leap Second, Department of Physics, Faculty of Science and Technology, 2009.
14
Xu and Y. Xu, GPS: theory, algorithms and applications, Springer, 2016.
15
Z. Sasiadek and P. Hartana, "GPS/INS Sensor fusion for accurate positioning and navigation based on Kalman Filtering," IFAC Proceedings. 37, pp. 115-20, 2004.
16
J. Woodman, “An introduction to inertial navigation.” No. UCAM-CL-TR-696, Computer Laboratory, University of Cambridge, 2007.
17
Titterton, David, John L. Weston, and John Weston. Strapdown inertial navigation technology. Vol. 17. IET, 2004.
18
O. Salytcheva, Medium accuracy INS/GPS integration in various GPS environments, University of Calgary, 2004.
19
El-Rabbany, “Introduction to GPS: the global positioning system.” Artech House Mobile Communications Series, 2nd Edition, Boston, 2002.
20
Quinchia A.G., Falco G., Falletti E., Dovis F., Ferrer C., "A comparison between different error modelling of MEMS applied to GPS/INS integrated systems," Sensors, 13, pp. 9549–9588, 2013.
21
Wang J., Han H., Meng X., Li Z., "Robust wavelet-based inertial sensor error mitigation for tightly coupled GPS/BDS/INS integration during signal outages," Survey Review, 49(357), pp. 419-427, 2017.
22
Zhang, Yuexin. "A fusion methodology to bridge GPS outages for INS/GPS integrated navigation system." IEEE Access7 (2019): 61296-61306.
23
Bai, Yuting, Baihai Zhang, Senchun Chai, Xuebo Jin, Xiaoyi Wang, and Tingli Su. "Continuous Estimation of Motion State in GPS/INS Integration Based on NARX Neural Network." In 2018 37th Chinese Control Conference (CCC), pp. 4179-4184. IEEE, 2018.
24
Sukkarieh, Low cost, high integrity, aided inertial navigation systems for autonomous land vehicles, Department of Mechanical and Mechatronic Engineering, University of Sydney, 2000.
25
Li, Xu, Wei Chen, Chingyao Chan, Bin Li, and Xianghui Song. "Multi-sensor fusion methodology for enhanced land vehicle positioning." Information Fusion46 (2019): 51-62.
26
T. Pham and B.S. Yang, “A hybrid of nonlinear autoregressive model with exogenous input and autoregressive moving average model for long-term machine state forecasting,” Expert Systems with Applications, Vol. 37, no. 4, pp. 3310-3317, 2010.
27
ORIGINAL_ARTICLE
ردگیری و تعقیب هدف مانوری هوایی با استفاده سنسور تصویری و فاصلهیاب لیزری
ردگیری هدف اساساً یک مساله از نوع تخمین حالت است. متغیرهای حالتهای هدف از قبیل موقعیت، سرعت و شتاب باید از اندازهگیریهای نویزی و اشتباه تخمین زده شوند. تخمین متغیرهای حالت هدف نیازمند استفاده از الگوریتمهایی است که به نام فیلتر شناخته میشوند و مبتنی بر روش تخمین بیزین هستند. فیلترهای تخمین و اکثر الگوریتمهای دیگری که برای تخمین استفاده میشوند، مدل پایه هستند زیرا دانشی از مدل حرکت هدف وجود دارد.کلید موفقیت ردگیری یک هدف در استخراج قابل اجرای اطلاعات مفید در مورد حالت هدف از مشاهدات است و مطمئناً داشتن مدل مناسب از هدف و مشاهده، استخراج اطلاعات را تا حد زیادی تسهیل میسازد. در این مقاله به بررسی و مقایسه عملکرد مدلهای مختلف حرکت هدف در ردگیری یک وسیله پرنده هوایی با استفاده از سنسور تصویری و فاصلهیاب لیزری دقیق پرداخته شد. نتایج این بررسی نشان میدهد که مدل شتاب جرک و مدل شتاب مارکوف در مقایسه با سایر مدلهای حرکت هدف از عملکرد بهتری برخوردارند.
https://www.joae.ir/article_122497_bb2d5bbfbb1dc3fdf98ec2ebe523e4d7.pdf
2019-11-22
57
72
ردگیری هدف
فیلتر کالمن غیرخطی
فیلتر کالمن خنثی (UKF)
سنسور تصویری
تخمین حرکت
میثم
دلالت
1
دانشجوی دکتری، مهندسی هوافضا، دانشگاه صنعتی مالکاشتر، تهران
AUTHOR
مهران
نصرت الهی
nosratolahi@mut.ac.ir
2
دانشیار، مهندسی هوافضا، دانشگاه صنعتی مالکاشتر، تهران
LEAD_AUTHOR
سید حسین
ساداتی
hsadati@aut.ac.ir
3
دانشیار، مهندسی هوافضا، دانشگاه صنعتی مالکاشتر، تهران
AUTHOR
[1] M. R. Moreland, D. Musicki and R. J. Evans, FUNDAMENTALS OF OBJECT TRACKING, Cambridge University Press, 2011.
1
[2] T. Yang, P. Li, . H. Zhang, J. Li and Z. Li, "Monocular Vision SLAM-Based UAV Autonomous Landing in Emergencies and Unknown Environments," Electronics , vol. 7, no. 5, p. 73, 2018.
2
[3] L. K. Seng, M. Ovinis, Nagarajan, R. Seulin and O. Morel, "Vision-based State Estimation of an Unmanned Aerial Vehicle," Trends Bioinform, no. 10, pp. 11-19, 2017.
3
[4] Y. Wu, Y. Sui and G. Wang, "Vision-based Real-Time Aerial Object Localization and Tracking for UAV Sensing System," IEEE Access, no. 5, pp. 23969-23978, 2017.
4
[5] O. Shakerinia, Y. Ma, T. Koo, J. Heaspanha and S. Sastry, "Vision Guided Landing of an Unmanned Air Vehicle.," December 1999.
5
[6] C. S. Sharp, O. Shakerinia and S. Sastry, "A Vision System for Landing an Unmanned Aerial Vehicle," May 2001..
6
[7] I. Wang, V. Dobrokhodov, I. Kaminer and . K. Jones, "On Vision-Based Target Tracking and Range Estimation for Small UAVs.," San Francisco, Aug. 15-18, 2005..
7
[8] N. Miller and J. Rogers, "Simultaneous Tracking of Multiple Ground Targets from a Multirotor Unmanned Aerial Vehicle," vol. 12, March 17, 2015.
8
[9] V. J. Aidala and S. E. Hammel, "Utilization of Modified Polar Coordinates for Bearings-Only Tracking.," vol. 28(3):283–294, 1983.
9
[10] A. Betser, P. Vela and A. Tannenbaum, "Automatic Tracking of Flying Vehicles Using Geodesic Snakes and Kalman Filtering," Dec. 14-17, 2004.
10
[11] Y. Watanabe, E. N. Johnson and A. J. Calise, "Optimal 3-D Guidance from a 2-D Vision Sensor," Aug. 16-19, 2004.
11
[12] L. X. Rong and V. P. Jilkov, "Survey of maneuvering target tracking. Part I. Dynamic models," IEEE Transactions on aerospace and electronic systems, vol. 39, no. 4, pp. 1333-1364, 2003.
12
[13] L. X. Rong and . V. P. Jilkov, "Survey of maneuvering target tracking: II. Ballistic target models In Signal and Data Processing of Small Targets," International Society for Optics and Photonics, vol. 4473, 2001.
13
[14] L. X. Rong and V. P. Jilkov, "Survey of maneuvering target tracking: III. Measurement models In Signal and Data Processing of Small Targets 2001," International Society for Optics and Photonics, vol. 4473, 2001.
14
[15] X. R. a. V. P. J. Li, "Survey of maneuvering target tracking. Part V. Multiple-model methods," IEEE Transactions on Aerospace and Electronic Systems, vol. 41, no. 4, 2005.
15
[16] X. R. a. V. P. J. Li, "A survey of maneuvering target tracking-Part VIa: Density-based exact nonlinear filtering," in Signal and Data Processing of Small Targets 2010 , International Society for Optics and Photonics, 2010.
16
[17] G. W. Pulford, "A Survey of Manoeuvring Target Tracking Methods," arXiv preprint arXiv, 2015.
17
[18] G. A. Mcintyre and K. Hintz, "Comparison of several maneuvering target tracking models," Proceedings of SPIE - The International Society for Optical Engineering, vol. 3374 , July 1998.
18
[19] D. Andrisani, . E. T. Kim and F. P. Kuhl, "Tracking accuracy improvement using noisy target orientation measurements," Remote Sensing Reviews, vol. 6, no. 1, pp. 49-63, 1992.
19
[20] D. J. Mook and Shyu, I. M., "Nonlinear aircraft tracking filter utilizing control variable estimation," Journal of guidance, control, and dynamics, vol. 15, no. 1, pp. 228-237, 1992.
20
[21] B. Shalom, Y. X. Rong Li and T. Kirubarajan, Estimation with applications to tracking and navigation: theory algorithms and software, John Wiley & Sons, 2004.
21
[22] O. Tremois and J.-P. Le Cadre, "Maneuvering target motion analysis using hidden Markov model," IEEE, 1994..
22
[23] C.-F. Lin, MODERN NAVIGATION, GUIDANCE, AND CONTROL PROCESSING, Prentice Hall, 1991.
23
[24] T. L. Song, "Observability of target tracking with bearings-only measurements," vol. 32, no. 4, 1996.
24
[25] R. A. Singer, "Estimating Optimal Tracking Filter Performance for Manned Maneuvering Targets," Vols. AES-64, July 1970.
25
[26] S. J. Julier, J. K. Uhlmann and H. F. Durrant-Whyte, "A New Approach for Filtering Nonlinear Systems," in Proceedings of 1995 American Control Conference-ACC'95. IEEE, 1995.
26
[27] M. Najim, Modeling, estimation and optimal filtering in signal processing, J. Wiley & Sons, 2008.
27