<?xml version="1.0" encoding="UTF-8"?>
<!DOCTYPE ArticleSet PUBLIC "-//NLM//DTD PubMed 2.7//EN" "https://dtd.nlm.nih.gov/ncbi/pubmed/in/PubMed.dtd">
<ArticleSet>
<Article>
<Journal>
				<PublisherName>دانشگاه علوم و فنون هوایی شهید ستاری - انجمن هوافضای ایران

مدیر مسئول:
دکتر علی نوری

سردبیر:
دکتر حمیدرضا زارعی

جانشین سردبیر:
دکتر وحید خلفی

دبیر تخصصی و مدیر اجرایی:
دکتر میثم نوری نیارکی

ویراستار انگلیسی:
دکتر روح اله ملکی</PublisherName>
				<JournalTitle>نشریه علمی پژوهشی مهندسی هوانوردی</JournalTitle>
				<Issn>17359449</Issn>
				<Volume>28</Volume>
				<Issue>1</Issue>
				<PubDate PubStatus="epublish">
					<Year>2026</Year>
					<Month>06</Month>
					<Day>22</Day>
				</PubDate>
			</Journal>
<ArticleTitle>Optimization of Evolving Fuzzy Inference Systems for Optimal Identification and Control of Multi-rotors</ArticleTitle>
<VernacularTitle>بهینه‌سازی سیستم استنتاج فازی در حال تکامل، برای شناسایی و کنترل بهینه مولتی‌روتورها</VernacularTitle>
			<FirstPage>58</FirstPage>
			<LastPage>93</LastPage>
			<ELocationID EIdType="pii">245136</ELocationID>
			
<ELocationID EIdType="doi">10.22034/joae.2026.519258.1277</ELocationID>
			
			<Language>FA</Language>
<AuthorList>
<Author>
					<FirstName>محمد حسین</FirstName>
					<LastName>علوی دوست</LastName>
<Affiliation>دانشجوی دکتری مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>حسین</FirstName>
					<LastName>صفری</LastName>
<Affiliation>استاد گروه مدیریت صنعتی، دانشکده مدیریت دانشگاه تهران، تهران، ایران</Affiliation>

</Author>
<Author>
					<FirstName>فرزاد</FirstName>
					<LastName>بهرامی</LastName>
<Affiliation>استادیار گروه مدیریت صنعتی، دانشکده علوم اداری و اقتصاد، اراک، ایران</Affiliation>

</Author>
</AuthorList>
				<PublicationType>Journal Article</PublicationType>
			<History>
				<PubDate PubStatus="received">
					<Year>2025</Year>
					<Month>04</Month>
					<Day>27</Day>
				</PubDate>
			</History>
		<Abstract>In recent years, unmanned aerial vehicles (UAVs) have seen significant growth in both military and civilian applications. Among them, rotary-wing UAVs (RUAVs), particularly multi-rotors, have gained attention from researchers for designing autonomous control systems due to their vertical takeoff and landing capabilities and rapid maneuvers. Most traditional multirotor control methods are based on First Principles Techniques (FPT), which face challenges in managing uncertainties. Recently, intelligent fuzzy systems have replaced these methods; however, despite improved performance, their fixed structure limits adaptability to dynamic environments. Evolving fuzzy systems (EFS), by updating both structure and parameters, provide an effective solution for managing sudden changes in real-time multirotor flights. Although advanced EFS versions have been developed, they often focus on system identification, neglecting sufficient parameter optimization. This research introduces a new EFS called GODFIS (Globally Optimized Dynamic Fuzzy Inference System), which utilizes recursive center-of-gravity and global optimization of consequent parameters to address this gap. Additionally, a new criterion, the &quot;Noise Elimination Principle&quot; (NEP), is proposed to maintain response quality and reduce noise effects. Experiments demonstrate that GODFIS achieves higher accuracy than existing methods in benchmark problems. Using diverse datasets, it has been proven that this algorithm not only excels in multi-rotor modeling and control but also offers high generalizability and broad applicability in various control and prediction domains.</Abstract>
			<OtherAbstract Language="FA">در سال‌های اخیر، وسیله نقلیه هوایی بدون سرنشین (UAV) در حوزه‌های نظامی و غیرنظامی گسترش چشمگیری داشته است. در این میان، پهپادهای پره‌گردان (RUAV) و بطور خاص مولتی روتورها به دلیل توانایی برخاست و فرود عمودی و انجام مانورهای سریع، مورد توجه ویژه محققان در طراحی سیستم‌های کنترل خودمختار قرار گرفته‌اند. اغلب روش‌های سنتی کنترل مولتی‌روتورها مبتنی بر تکنیک اصل اولیه (FPT) بوده و در مواجهه با عدم قطعیت‌ها ناکارآمد هستند. اخیراً سیستم‌های فازی هوشمند جایگزین این روش‌ها شده‌اند که با وجود بهبود عملکرد، به دلیل ساختار ثابت، قابلیت انطباق با محیط‌های پویا را ندارند. سیستم‌های فازی در حال تکامل (EFS) با به‌روزرسانی ساختار و پارامترها، راهکاری مؤثر برای مدیریت تغییرات ناگهانی در پروازهای بلادرنگ مولتی‌روتورها ارائه می‌دهند. اگرچه نسخه‌های پیشرفته‌ای از EFS توسعه یافته‌اند، اما اغلب تمرکز آن‌ها بر شناسایی سیستم بوده و به بهینه‌سازی پارامترها توجه کافی نشده است. این پژوهش با معرفی EFS جدیدی به نام GODFIS (سیستم استنتاج فازی پویا مبتنی بر بهینه‌سازی سراسری) که از مفاهیم مرکز ثقل بازگشتی و بهینه‌سازی سراسری پارامترهای تالی بهره می‌برد، به رفع این شکاف می‌پردازد. همچنین، معیار جدید با عنوان «اصل حذف نویز » (NEP) به منظور حفظ کیفیت پاسخ‌ها و کاهش اثرات نویز ارائه شده است. آزمایشات نشان می‌دهد که روش GODFIS در حل مسائل معیار از دقت بالاتری نسبت به روش‌های موجود برخوردار است. با استفاده از مجموعه داده‌های متنوع، اثبات شده که این الگوریتم علاوه بر مدلسازی و کنترل مولتی‌روتورها، از قابلیت تعمیم‌پذیری و کاربرد گسترده در حوزه‌های مختلف کنترل و پیش‌بینی برخوردار است.</OtherAbstract>
		<ObjectList>
			<Object Type="keyword">
			<Param Name="value">سیستم‌های فازی در حال تکامل</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">بهینگی</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">کنترل</Param>
			</Object>
			<Object Type="keyword">
			<Param Name="value">مولتی روتورها</Param>
			</Object>
		</ObjectList>
<ArchiveCopySource DocType="pdf">https://www.joae.ir/article_245136_f328fa0c2b10ad73c646cef6aa6acf4d.pdf</ArchiveCopySource>
</Article>
</ArticleSet>
