آینده‌پژوهی در پهپاد کواد‌روتور به کمک کنترل فازی و ازدحام ‌ذرات

نوع مقاله: مقاله علمی- پژوهشی

نویسندگان

1 دانشجوی دکتری هوش مصنوعی، دانشگاه آزاد اسلامی واحد فردوس

2 استادیار گروه کامپیوتر دانشگاه آزاد اسلامی واحد فردوس

چکیده

هواپیما بدون‌سرنشین (پهپاد) به وسایل پرنده­ای اطلاق می­گردد که از راه دور و یا توسط خلبان ‌خودکار داخلی هدایت و کنترل می­گردد. آن‌ها می­توانند تجهیزات مختلفی نظیر دوربین­ها، سنسورها و وسایل ‌ارتباطی را حمل کنند، این پرنده­ها قادر به انجام عملیاتی از قبیل ره‌گیری هوایی، تصویربرداری از میدان نبرد، ردیابی اهداف زمینی، هدف هوایی، جنگ الکترونیک، عملیات انتحاری و غیره هستند. کوادروتور یک پرنده بدون‌سرنشین عمود‌پرواز است. این وسیله به سبب قابلیت نشست و برخاست عمودی در دسته عمود‌پروازها قرار می‌گیرد که به جهت برخی مزایا و ویژگی‌هایش مورد توجه قرار گرفته است. این وسیله دارای ساختار شبه‌صلیبی می‌باشد که چهار ملخ درچهارگوشه آن قرار داشته و با تغییر سرعت ملخ‌ها می‌تواند حرکات و مانورهای مختلف را انجام دهد. دراین مقاله ابتدا مدلسازی دینامیکی و سپس اثرات محیطی برروی پرنده محاسبه می‌شوند؛ کنترل فازی ونحوه پیاده‌سازی آن برای پرنده کوادروتور شرح داده می‌شود؛ در ادامه به ساختار خلبان‌خودکار پرداخته می‌شود و سیمولینک طراحی شده از پرنده کوادروتور و خلبان‌خودکار ارائه می‌شود؛ ودرنهایت با استفاده از الگوریتم ازدحام‌ذرات، مسیر در دو قسمت مختلف طراحی می‌شود نتایج کاهش مدت‌زمان و افزایش دقت در انجام عملیات را نشان می‌دهد؛ از این رو می‌تواند الگویی جالب برای آینده‌پژوهی مسیریابی سایر پهپادها باشد.

کلیدواژه‌ها


عنوان مقاله [English]

Future studies in Charting a Sustainable Path in quad-rotor Flying Robot using the Fuzzy Controller and pso

نویسندگان [English]

  • Ali Ayoobi 1
  • Hamid reza Ghaffary 2
1 PhD student of Department of Electrical and Computer Engineering Ferdows Branch Islamic Azad University, Ferdows, Iran
2 Assistant of Faculty of Electrical and Computer Engineering, Islamic Azad University of Ferdows, Ferdows, Iran
چکیده [English]

Unmanned aircraft (UAV) refers to flying devices remotely or by internal direct and control the autopilot. They can be different types of accessories such as cameras, sensors and communications equipment to carry these birds are able to perform operations such as tracking aerial imaging from the field, tracking ground targets, target aircraft, electronic warfare, suicide and so on. One of the drones that are placed in multi-rotor VTOL and has six degrees of freedom.
In this paper, first, dynamic modeling and then environmental effects are calculated on the bird; the fuzzy control and its implementation for the quadrotor are described; further, the pilot's structure is dealt with, and the simulink is designed from the quadrotor and the pilot's bird; and, finally, using the aggressive algorithm The route is designed in two different ways, indicating the result of a shorter period of time and an increase in the accuracy of the operations; hence, it can be an interesting model for future drone drills

کلیدواژه‌ها [English]

  • Future research
  • Fuzzy
  • autopilot
  • PSO algorithm
  • ارشادی، محمدرضا. و ایوبی، علی. (1395). بهینه‌سازی مصرف انرژی در مولتی‌روتور به کمک کنترل فازی و الگوریتم ازدحام ذرات پایان‌نامه کارشناسی‌ارشد مکاترونیک، پایان‌نامه کارشناسی ارشد، دانشگاه آزاد واحد شهرمجلسی.
  • ایروانی‌راد، محمدامین. و مشیدی، آتاجهانگیر. (۱۳۹۵). مروری بر الگوریتم‌های بهینه‌سازی تکاملی ملهم از پستانداران، نهمین همایش ملی مهندسی مکانیک، خمینی شهر، دانشگاه آزاد اسلامی واحد خمینی شهر.
  • پورآزاد، حسین. (1392). شناسایی و تشخیص عیب در پرواز مشارکتی هواپیمای بدون سرنشین، پایان‌نامه کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه صنعتی اصفهان.
  • داودی، احسان. و رضایی، مهدی. (1393). مدلسازی دینامیکی، شبیه‌سازی وکنترل یک کوادروتور با استفاده از داده‌های آزمایشگاهی سنسورهایMEMS ، فصلنامه مهندسی مکانیک مدرس. ۱۴(۳): 184-176.
  • Babaei, A. R., Mortazavi, M., & Moradi, M. H. (2011). Classical and fuzzy-genetic autopilot design for unmanned aerial vehicles. Applied Soft Computing11(1): 365-372.
  • Jashnani, S., Nada, T. R., Ishfaq, M., Khamker, A., & Shaholia, P. (2013). Sizing and preliminary hardware testing of solar powered UAV. The Egyptian Journal of Remote Sensing and Space Science16(2): 189-198.‏‏
  • Karimi, J., Pourtakdoust, S. H., & Nobahari, H. (2011). Trim and Maneuverability Analysis Using a New Constrained PSO Approach of a UAV. Journal of Aerospace Science and Technology8(1): 45-56.‏
  • Kontogiannis, S. G., & Ekaterinaris, J. A. (2013). Design, performance evaluation and optimization of a UAV. Aerospace science and technology29(1): 339-350.‏
  • Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey wolf optimizer. Advances in engineering software69: 46-61.‏
  • Nishar, A., Richards, S., Breen, D., Robertson, J., & Breen, B. (2016). Thermal infrared imaging of geothermal environments by UAV (unmanned aerial vehicle). Journal of Unmanned Vehicle Systems4(2): 136-145.
  • Rao, S., & Ghose, D. (2013). Sliding mode control-based autopilots for leaderless consensus of unmanned aerial vehicles. IEEE transactions on control systems technology22(5): 1964-1972.
  • Ruggiero, F., Cacace, J., Sadeghian, H., & Lippiello, V. (2015). Passivity-based control of VToL UAVs with a momentum-based estimator of external wrench and unmodeled dynamics. Robotics and Autonomous Systems72: 139-151.‏
  • Sharma, R. (2014, November). Fuzzy Q learning based UAV autopilot. In 2014 Innovative Applications of Computational Intelligence on Power, Energy and Controls with their impact on Humanity (CIPECH) (pp. 29-33). IEEE.‏
  • Vidales, H. G. (2013). Design, construction and test of the propulsion system of a solar uav. MSc, Aerospace Engineering, Technical University of Lisbon.‏
  • Yamasaki, T., Balakrishnan, S. N., & Takano, H. (2012). Integrated guidance and autopilot design for a chasing UAV via high-order sliding modes. Journal of the Franklin Institute349(2): 531-558.‏‏
Yamasaki, T., Balakrishnan, S. N., & Takano, H. (2012). Integrated guidance and autopilot design for a chasing UAV via high-order sliding modes. Journal of the Franklin Institute349(2): 531-558.