پیش بینی احتمال اصابت تحت عوامل مختلف نویز برای بهبود قانون هدایت یک شناور زیرسطحی خودگردان

در فرایند رهگیری هدف توسط یک شناور زیرسطحی خودگردان، طراحی قانون هدایتی که بیشترین کارایی را داشته باشد اهمیت ویژه یی دارد. به منظور بررسی کارایی فرایند رهگیری، معیارهای مختلفی همچون سادگی پیاده سازی، نیاز کم تر به داده های هدف و احتمال برخورد به هدف باید در نظر گرفته شود. از میان این عوامل و دیگر عوامل موثر در ارزیابی عملکرد رهگیری، «احتمال اصابت» مهم ترین و گویاترین متغیر است. در این مقاله ابتدا با استفاده از روش های یادگیری ماشینی و به طور خاص، روش گرادیان بوستینگ یک مدل برای پیش بینی احتمال اصابت با دقت مناسب ارائه می شود. سپس با استفاده از این مدل و انجام محاسبات هندسی پارامترهای رهگیری در فاز پیش تنظیم به گونه یی تعیین می شود که احتمال اصابت بیشینه شود. کارایی این روش با استفاده از شبیه سازی سناریوهای مختلف نشان داده خواهد شد.

Keywords:

احتمال اصابت , روش گرادیان بوستینگ , روش مونت کارلو , شناور زیرسطحی خودگردان , قانون هدایت , یادگیری ماشین