طراحی بهینه تاکسی هوایی به کمک یادگیری تقویتی به واسطه الگوریتم یادگیریQ
نویسندگان
doi
چکیده
مقدمه : تاکسیهای هوایی بهعنوان یکی از راهکارهای نوین حملونقل هوایی شهری، به دلیل قابلیت کاهش زمان سفر و افزایش بهرهوری سامانههای حملونقل، مورد توجه گسترده قرار گرفتهاند. با این حال، دستیابی به تعادل بهینه میان وزن هواپیما، عملکرد آیرودینامیکی، مصرف سوخت و الزامات مأموریتی در مرحله طراحی مفهومی، همچنان یک چالش اساسی محسوب میشود. ازاینرو، بهرهگیری از روشهای هوشمند در کنار رویکردهای متداول طراحی هواپیما از اهمیت بالایی برخوردار است . روشها : این پژوهش به طراحی بهینه یک تاکسی هوایی ۱۸ نفره با تلفیق روشهای کلاسیک طراحی هواپیما و چارچوب یادگیری تقویتی مبتنی بر Q-learning پرداخته است. در گام نخست، پارامترهای پایه شامل بیشینه وزن برخاست، وزن خالی، مصرف سوخت و مساحت بال با استفاده از روابط طراحی مفهومی کلاسیک برآورد شدند. سپس یک محیط شبیهسازی توسعه داده شد که در آن فضای حالت با نسبتهای بیبعد کلیدی شامل نسبت تراست، نسبت مساحت بال، نسبت وزن سوخت و نسبت وزن خالی به بیشینه وزن تعریف شد و فضای عمل شامل تغییرات کراندار در مساحت بال، ضریب منظری و نسبت تراست به وزن بود. عامل یادگیرنده با استفاده از سیاست ε-greedy طی ۲۰۰۰ اپیزود و حداکثر ۴۰ گام طراحی در هر اپیزود، تحت یک سناریوی مأموریتی ثابت شامل ارتفاع کروز، سرعت کروز هدف، برد طراحی و قیود طول باند آموزش داده شد . یافتهها : نتایج بهینهسازی نشان داد که مساحت بال ۳.۸ ٪ کاهش و ضریب منظری ۲.۱ ٪ افزایش یافته است. همچنین، مساحت دم افقی و دم عمودی بهترتیب ۲.۹ ٪ و ۳.۲ ٪ کاهش یافتند. این اصلاحات هندسی منجر به کاهش وزن خالی به میزان ۴.۱ ٪ و کاهش مصرف سوخت به میزان ۵ ٪ شد. علاوه بر این، بهبودهای قابلتوجهی در ویژگیهای آیرودینامیکی و عملکردی مشاهده شد؛ بهطوریکه نسبت برا به پسا ۲۰ ٪ ، نرخ اوجگیری ۳۳.۳ ٪ و سرعت کروز ۶.۷ ٪ افزایش یافتند. در نتیجه، برد پروازی نیز ۱۴.۵ ٪ افزایش پیدا کرد . نتیجهگیری : یافتههای این پژوهش نشان میدهد که تلفیق روشهای کلاسیک طراحی هواپیما با یادگیری تقویتی، رویکردی دادهمحور و کارآمد برای بهبود همزمان وزن، کارایی آیرودینامیکی و عملکرد مأموریتی تاکسیهای هوایی فراهم میکند و میتواند بهعنوان ابزاری مؤثر در طراحی هوشمند هواپیماهای آینده مورد استفاده قرار گیرد .