Buradasınız

Anasayfa » Content

Gerçek Zaman Kısıtları Altında Seyrüsefer Planlamaya Yeni Bir Yaklaşım

A New Approach to Navigation Planning Under Real Time Constraints

Journal Name:

  • Savunma Bilimleri Dergisi

Publication Year:

  • 2012

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
Navigation planning under real time constraints requires finding the necessary solution for the transition of the air vehicle from the most secure, shortest path with minimum fuel consumption under changing environment conditions. There are transition paths between some of the waypoints that are defined by latitude, longitude and altitude values. There are constraints of the transition paths like distance, security and altitude that can change casually. The optimum solution of the problem is the solution which optimizes all objective functions. Finding such a solution is usually difficult because usually constraints that are considered in the problem are contradictory and interact negatively with each other. Since the problem considers distance, altitude and security conditions as distinct constraints, it is a multi-objective optimization problem. The system consists of two subsystems, one of these subsystems is flight planning subsystem and the other one is flight plan execution subsystem. In the flight planning subsystem, the most secure, shortest and smoothest flight path transition of the air vehicles from the source waypoint to the target waypoint is planned by evolutionary method and genetic algorithm. Flight plan execution subsystem executes the planned flight path from the desired departure waypoint to the next arrival waypoint owing to the lateral and vertical navigation guidance functions. The two subsystems developed uses 3-D graphs for the solution.
Bookmark/Search this post with
Abstract (Original Language): 
Gerçek zaman kısıtları altında seyrüsefer planlama, değişken ortam koşullarında hava aracı için minimum yakıtla en güvenilir, en kısa yoldan intikali tamamlayabilmesi için gerekli çözümün bulunmasını gerektirir. Enlem, boylam koordinatları ve yükseklik değerleri ile tanımlanan uçuş noktalarının bazıları arasında geçiş yolları bulunmaktadır. Bu yol parçalarının uzunluk, güvenlik, yükseklik gibi rastlantısal olarak değişebilen kısıtları mevcuttur. Problemin en uygun çözümü, tüm amaç fonksiyonlarını birlikte eniyileyen çözümdür. Böyle bir çözüme ulaşmak çoğunlukla zordur. Çünkü genellikle göz önüne alınan kısıtlar birbiriyle çelişkili ve negatif yönde etkileşimlidir. Problem uzunluk, yükseklik ve güvenlik koşullarını kısıt olarak değerlendirildiğinden çok amaçlı eniyileme problemidir. Gerçekleştirilen sistem uçuş planı tasarlama ve yürütme olmak üzere iki alt sistemden oluşmaktadır. Uçuş planı tasarlama alt sisteminde, hava araçlarının, bir intikal başlangıç noktasından hedef noktasına en güvenilir, en kısa, en düz yoldan intikali evrimsel yöntemle, genetik algoritma ile planlanmıştır. Uçuş planı yürütme alt sistemi sağladığı yatay ve dikey seyrüsefer güdüm fonksiyonlarıyla tüm uçuş bacakları için, istenilen kalkış noktasından bir sonraki varış noktasına planlanan intikali gerçekleştirir. Problem çözümünde tasarlanan alt sistemler üç boyutlu çizge yapısını kullanmaktadır.
FULL TEXT (PDF): 
PDF icon arastirmax-gercek-zaman-kisitlari-altinda-seyrusefer-planlamaya-yeni-bir-yaklasim.pdf
  • 1
119-132

REFERENCES

References: 

Ahn C.H. ve Ramakhrisna R.S. (2002). A Genetic Algorithm for Shortest Path Routing Problem and the Sizing of Populations, IEEE Trans Evolutionary Computation, 6(6), 566-579.
Bosman P. (2005). Learning, Anticipation and Time-Deception in Evolutionary Online Dynamic Optimization, GECCO-2005 Workshop on Evolutionary Algorithms for Dynamic Optimization, Washington DC.
Franciosa P.G., Frigioni D. ve Giaccio R. (1997). Semi-Dynamic Shortest Paths and Breadth First Search in Digraphs, Symp. Theoretical Aspects of Computer Science.
Frigioni D., Marchetti A. ve Nanni U. (2000). Fully Dynamic Algorithms For Maintaining Shortest Paths Trees, J. Algorithms, 34, 251–281.
132 UÇAN–ALTILAR
Goldberg D.E. (1989). Genetic Algorithms in Search, Optimization And Machine Learning, Addison-Wesley Publishing Company.
Harik G., Cantu-Paz E. ve Goldberg D.E. (1999). The Gambler’s Ruin Problem, Genetic Algorithms, And The Sizing of Populations, Evo. Comp., 7, 231–253.
Hatzakis I. ve Wallace D. (2006). Dynamic Multi-Objective Optimization with Evolutionary Algorithms: A Forward-Looking Approach, Genetic and Evolutionary Computation Conference (GECCO'2006), ACM Press.
Hocaoglu C. ve Sanderson A.C. (1996). Planning multi-paths using speciation in genetic algorithms, IEEE Int. Conf. Evolutionary Computation, Nagoya, Japan.
Morrison, R.W. (2004). Designing Evolutionary Algorithms for Dynamic Environments, Springer-Verlag, Berlin.
Ramalingam G. ve Reps T. (1996). On the Computational Complexity of Dynamic Graph Problems, Theoret. Comput. Sci., 158(1), 233–277.
TM 1-70-28D-10, (2002). Operators Manual for Sikorsky S70-A Helicopter 28D Glass Cockpit Helicopter, Chapter 7 Performance Data.
Uğur A. (2008). Path Planning on A Cuboid Using Genetic Algorithms, Information Sciences, 178, 3275–3287

Thank you for copying data from http://www.arastirmax.com