شبيه‌سازي كشف و شناسايي اهداف پرنده در سامانه‌هاي فرماندهي و كنترل با بهره‌گيري از نظريه فازي

Simulation and Optimization of detection and identification of targets in command and control systems by using fuzzy theory.

در قرون آينده تصور دنياي بدون مسافرت‌هاي هوايي امري غيرممكن تلقي مي‌گردد. همه روزه شركت‌هاي هواپيمايي ميليون‌ها مسافر و كالا را بين كشورها و شهرهاي مختلف جابجا مي‌نمايند. در اين فرايند امنيت پرواز هواپيماها از اهميت ويژه‌اي برخوردار است. كشورهاي مختلف براي تامين امنيت خود نيازمند سامانه‌هاي پيشرفته كشف، شناسايي مراقبت هوافضايي آسمان براي همه اهداف پروازي هستند. در بسياري از كشورها فرايند كشف با استفاده از انواع رادارها صورت مي‌پذيرد و فرايند شناسايي به چندين روش مختلف و عمدتاً توسط افراد متخصص در مراكز كنترل فضايي انجام مي‌شود. اشكال عمده روش‌هاي فعلي احتمال بروز خطاهاي تصميم‌گيري انساني مي‌باشد. لذا به نظر مي‌رسد با توجه به پيش‌بيني‌هاي انجام شده و روند رو به افزايش ترافيك هوايي لازم است با استفاده از مدل‌هاي تصميم‌گيري فازي و هوش مصنوعي سامانه‌هاي نرم‌افزاري طراحي نمود كه بتواند به عنوان تصميم‌يار به نفرات تصميم‌گيرنده در اين حوزه كمك نمايد. بر همين اساس در اين مقاله با استفاده از داده‌هاي موجود به عنوان اطلاعات آموزشي، آزمون و اعتبارسنجي و آموزش در محيط الگوريتم فازي رابط كاربري تاكاچي- سوگنو در محيط نرم افزار متلب استفاده شده و الگوي بهينه‌اي جهت فرايندهاي كشف و شناسايي توسط سامانه پيشنهادي ارائه گرديده است. مهمترين نتيجه اين تحقيق بهبود تشخيص و اقدام مناسب اهداف پروازي به ميزان حدود 20 درصد مي‌باشد. با توجه به اينكه الگوريتم پيشنهادي به دليل بهره‌گيري از پايگاه دانش قابليت يادگيري و پيش‌بيني روندها را دارا مي­باشد، در مأموريت‌هاي آينده كاربرد وسيع‌تري خواهد داشت.

In the futures century, it's impossible to imagine a world without air travel. every day airlines bring millions of passengers and goods between different countries and cities. in this process, the safety of flying airplanes has particular importance. different countries require advanced detection systems to identify their aerospace care for all flight targets. In many countries, the discovery process takes place using a variety of radars, and the identification process is carried out in a number of different ways, mainly by individuals specializing in spatial control centers, the main drawback of the current methods is the probability of occurrence of human decision making errors. therefore, it seems that considering the predictions and the increasing trend of air traffic, it is necessary to design fuzzy decision making and artificial intelligence software systems that can be used as decision makers in decision making in this area. accordingly, in this paper, using existing data as training, testing, validation and training information in the environment of the Tacachi-Sugeno interface fuzzy algorithm in MATLAB software environment, an optimal model for detection and identification processes is presented by the proposed system. the most important result of this study is to improve the detection and proper action of the flight targets by approximately 20%. given that the proposed algorithm has the ability to learn and predict trends due to the use of the knowledge base, it will be wider to apply in future missions.