عنوان پایان‌نامه
مسیر یابی حرکت سکو های پرنده بدون سر نشین در محیط های پیچیده سه بعدی
- رشته تحصیلی
- مهندسی عمران- نقشه برداری - سیستم اطلاعات مکانی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3100;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 71443
- تاریخ دفاع
- ۱۴ شهریور ۱۳۹۴
- دانشجو
- علی اصغر حیدری
- استاد راهنما
- رحیم علی عباسپور
- چکیده
- پس از وقوع مخاطراتی نظیر زلزله، اغلب نقشه به هنگام و دقیقی از محیط رخداد در دسترس نیست، زیرساخت‌های زمینی نیز مجهز نبوده و یا ویران‌شده‌اند و زمان به یک پارامتر حیاتی به‌منظور مدیریت و پایش مخاطرات، جستجو و اکتشاف مجروحین زیر آوار تبدیل می‌گردد. ازاین‌رو، مدیریت مخاطرات و پایش نواحی زلزله‌زده یکی از باارزش‌ترین کاربردهایی است که به‌کارگیری سکوهای پرنده خودکار موجب کیفیت‌بخشی مأموریت‌های امدادرسانی و بهبود بازدهی عملیات جستجو می‌شود. به‌کارگیری پرنده‌های بدون سرنشین به‌عنوان سکوهای حامل سنجنده‌های چندمنظوره در پایش ویرانی‌های برآمده از زلزله به رویکردی نوین و اقتصادی در جهت بالا بردن خودکاری، بهره‌وری و کارایی مدیریت مخاطرات طبیعی تبدیل شده است. امروزه، روند تکامل پرنده‌های بدون سرنشین از سیستم‌های کنترل شونده از راه دور به سمت ناوبری خودکار و یا ترکیبی است. در این زمینه نیز، توسعه الگوریتم‌های جامع و کارآمد به‌منظور مسیریابی، کنترل و ناوبری پرنده‌های بدون سرنشین به‌عنوان یکی از بنیادی‌ترین گام‌ها در توسعه سامانه‌های خودکار محسوب می‌گردد. در این پژوهش، نخست رویکردهای مختلف حل مسئله مسیریابی سکوها بررسی و مقایسه می‌شوند. سپس، مسئله مسیریابی سکوها به‌صورت یک مسئله بهینه‌سازی مقید طراحی می‌شود. در این مدل‌سازی، هدف کمینه‌سازی طول مسیر و مصرف انرژی و حفظ ایمنی سکو با توجه به محدودیت‌های مختلفی همچون ارتفاع ایمن، زاویه چرخش، شیب بالاروی، شیب خزشی، نواحی ممنوعه و گستره مجاز مأموریت است. پس از طراحی و پیشنهاد چارچوب کلی الگوریتم مسیریابی، مسئله مسیریابی سکوها با توجه به چندین سناریو همچون مأموریت‌های جستجو و نجات و همچنین پایش مخاطرات و گشت زنی به‌صورت جامعی موردبررسی مقایسه‌ای قرار می‌گیرد. در این راستا، الگوریتم‌های فرا اکتشافی مختلفی شامل الگوریتم‌های غذایابی باکتری، رقابت استعماری، چرخه آب، تکامل تفاضلی، توده ذرات، زنبورعسل مصنوعی و جغرافیای زیستی از دید کارایی بهبود داده شده و در مقایسه با روش‌های استاندارد جهت حل مسئله پیاده‌سازی شده‌اند. همچنین، یک الگوریتم جدید بهینه‌سازی به‌منظور حل مسئله طراحی و پیاده‌سازی شده است. هدف از طراحی این الگوریتم‌ها، دستیابی به روش‌هایی هرچه کاراتر با توجه به اهداف و محدودیت‌های هر سناریو است. درنهایت، الگوریتم‌های پیاده‌سازی شده از دید دقت و کیفیت نتایج، سرعت همگرایی، نرخ موفقیت و زمان اجرا موردبررسی جامع قرارگرفته‌اند. تحلیل نتایج نشان می‌دهد که چارچوب پیشنهادی می‌تواند به‌عنوان یک برنامه‌ریز مؤثر در سناریوهای مطرح‌شده بکار گرفته شود. استراتژی‌های پیشنهادی می‌توانند مسیرهای بهینه را با کارایی بیشتری نسبت به الگوریتم‌های استاندارد محاسبه نمایند. ارزیابی نتایج در سناریوی نخست مبین کسب نتایج برتر الگوریتم غذایابی باکتری بهبودیافته نسبت به روش‌های ژنتیک، توده ذرات، تکامل تفاضلی و الگوریتم استاندارد در حل مسئله مسیریابی در مأموریت‌های جستجو و نجات است. همچنین در سناریوی مشابه ای الگوریتم بهینه‌سازی جدید می‌تواند کارکرد بهتری را نسبت به الگوریتم‌های توده ذرات، تکامل تفاضلی و زنبورعسل مصنوعی به نمایش گذارد. همچنین، استراتژی‌های پیشنهادی در شبیه‌سازی کاربردهای مطرح‌شده جهت ارتقاء کارایی الگوریتم‌های جغرافیای زیستی، رقابت استعماری و چرخه آب توانسته‌اند بهبود قابل‌توجه ای را در عملکرد مسیریاب‌ها ایجاد نمایند. واژه‌های کلیدی: الگوریتم‌های فرا اکتشافی، برنامه‌ریزی مسیر، سکوهای پرنده بدون سرنشین
- Abstract
- Subsequent to hazards such as earthquakes, an updated and precise map of environment is not obtainable regularly, terrestrial substructure is either not appointed or ruined and mission time is turned into a vital element for hazard management, monitoring and search/rescue of patients. Hence, hazard management and monitoring of areas struck by earthquake is one of noteworthy applications of autonomous unmanned aerial systems (UAS) to enhance the excellence of search-relief missions. Utilizing of unmanned aerial systems as multi-sensor platforms in destruction surveillance is transformed into a novel economic procedure for enhancing autonomy and efficiency of natural hazard management tasks. Nowadays, tendency in the development of unmanned aerial systems is toward autonomous navigation or hybrid tasks. In this context, development of comprehensive, efficient methodologies for path planning, control and navigation of UAS can be regarded as one of the fundamental steps in development of autonomous systems. In this research, first, different UAS path planning approaches are investigated and compared. Then, UAS path planning is modeled as a constrained optimization problem. In this modeling, the aim is the optimization of path, fuel and safety with respect to different restrictions such as safe altitude, turning angle, climbing slope, gliding slope, no fly zones and mission map limits. After scheming and suggesting of general path planning framework, UAS path planning problem is investigated by a comprehensive comparative study with regard to the several scenario such as search and rescue missions and hazard monitoring and reconnaissance. For this aim, different meta-heuristic methods including bacterial foraging optimization algorithm, imperialist competitive algorithm, water cycle algorithm, differential evolution, particle swarm optimization, artificial bee colony, and biogeography based optimization algorithm are improved efficiently and implemented to tackle the problem in comparison with the conventional techniques. In addition, a novel optimization procedure is proposed and employed to solve the problem. The aim of designation of these algorithms is to attain more efficient methodologies with respect to the objectives and restrictions of each scenario. Finally, employed optimizers have been investigated based on the evaluation of the precision and quality of solutions, convergence speed, success rates, and running times, expansively. The results show that the proposed framework can be utilized in represented scenarios as an effective path planner. Proposed strategies are capable to compute the optimal paths more efficiently in comparison with the standard algorithms. Evaluation of the results in the first senario demonstrates that the modified bacterial foraging optimization can outperform the genetic algorithm, differential evolution and conventional method in tackling the path planning problem in search and rescue missions. In addition, in other similar scenario, new optimization technique is able to outperform the particle swarm optimization method, differential evolution and artificial bee colony. The offered strategies for enhancing efficiency of the biogeography based optimization algorithm, imperialist competitive algorithm and water cycle algorithm have affirmed considerable improvements over the basic methods in the mentioned simulations. Keywords: Meta-heuristic algorithms, path planning, unmanned aerial vehicle
