مدلسازي و شبيه‌سازي طراحي سيستم محموله ماهواره سنجش از دور برپايه سيستم استنتاج عصبي- فازي تطبيقي

يكي از مهم‌ترين بخش‌ها در مدل‌سازي و شبيه‌سازي سيستم‌هاي فضايي، تعيين رفتار غيرخطي سيستم است. در اين مقاله، استفاده مؤثر يكي از سيستم‌هاي هوش مصنوعي در مراحل اوليه فرايند طراحي سيستم‌ محموله ماهواره‌هاي سنجش از دور نشان داده مي‌شود. مدل‌سازي و تحليل سيستم‌هاي فضايي همواره با عدم‌قطعيت و عوامل غيرخطي در تشخيص و تصميم‌گيري رفتار سيستم روبه‌رو است و شناخت اين عومل مي‌تواند به ميزان مؤثربودن مدل‌سازي كمك شاياني كند. استفاده از روش استنتاج عصبي- فازي تطبيقي كه داده‌هاي ذخيره شده در شبكه‌هاي آموزش‌ديده را به‌صورت يك قاعده فازي بيان مي‌كند، به كاهش زمان مراحل اوليه طراحي و تعداد حلقه‌هاي تكراري تعاملات طراحي كمك مي‌كند. در توسعه اين متدولوژي از الگوريتم آموزش تركيبي براي به‌دست‌آوردن پارامترهاي سيستم استفاده مي‌شود تا همگرايي سريع‌تر و كاهش ابعاد فضاي جستجو ايجاد گردد. آموزش تركيبي استفاده توأمان روش‌هاي حداقل مربعات و گراديان نزولي است. همچنين سيستم استنتاج، برمبناي استنتاج تاكاگي- سوگينو و با توابع تعلق گائوسي مورداستفاده قرار مي‌گيرد. مدل‌سازي حاضر بر روي سيستم محموله يك ماهواره اجرا مي‌شود. نتايج شبيه‌سازي نشانگر اثربخشي سيستم استنتاج عصبي- فازي تطبيقي در طراحي مفهومي اين سيستم است. ميانگين خطاي متغيرها براي چهار متغير جرم، توان و حافظه روي‌برد محموله و ميزان فشرده‌سازي در طراحي قابل قبول است.