طراحی سامانه ارزیابی تهدید زیردریایی مبتنی بر منطق فازی با استفاده از دیدگاه حرکت‌شناسی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه آزاد اسلامی واحد مشهد

2 دانشگاه امام رضا(ع)

چکیده

زیردریایی به‌سبب قدرت عملیاتی بالایی که دارد، همواره برای شناورهای سطحی خطری جدی است. در نتیجه شناورهای سطحی در جایی که احتمال حضور زیردریایی وجود داشته باشد به تجسس آن می‌پردازند. به‌همین دلیل ارزیابی تهدید برای زیردریایی به‌منظور اتخاذ تصمیمات مناسب و تخصیص سلاح اهمیت زیادی دارد. ارزیابی تهدید از دو دیدگاه عملیاتی و حرکت‌شناسی قابل بررسی است. از دیدگاه عملیاتی، رفتارهای شناور سطحی در تعامل با تجارب عملیاتی بررسی و تحلیل می‌شود. از دیدگاه حرکت‌شناسی با توجه به موقعیت و حرکت زیردریایی خودی و شناورهای سطحی ارزیابی تهدید انجام می‌گیرد. برای ارزیابی تهدید با استفاده از رویکرد حرکت‌شناسی ابتدا پارامترهای مهم حرکتی شناسایی می‌شوند و برای هر کدام با توجه به بازه تغییرات آن‌ها مجموعه‌های فازی مناسب تشکیل می‌شود. دانش انسانی نیز به‌صورت قوانین اگر- آنگاه فازی مدل‌سازی می‌شوند. درنهایت در سیستم پیشنهادی پس از تلفیق داده دریافتی از حس‌گرها، میزان تهدید برای هر هدف به‌صورت عددی بین صفر و یک تعیین می‌شود. با استفاده از شبیه‌سازی در سناریوهای مختلف کارایی سیستم پیشنهادی بررسی شده است. با توجه به عدم انتشار مقاله در زمینه ارزیابی تهدید زیردریایی، مقاله حاضر می‌تواند به‌عنوان یک کار پیشگام در این حوزه قلمداد ‌شود.

کلیدواژه‌ها


عنوان مقاله [English]

Developing a Design for the Submarine Threat Assessment System Based on Fuzzy Logic Using Kinematics Approach

نویسندگان [English]

  • Yadollah Farzaneh 1
  • Ahmad Izadipour 2
1 Mashhad branch, Islamic Azad University
2 Imam Reza University
چکیده [English]

Owing to its high operational power, the submarine has always a serious threat to surface vessels. For this reason, surface vessels are continuously searching where a submarine might be present. The submarines threat assessment is therefore essential for making appropriate decisions and weapons allocations. The threat assessment can be explored from two perspectives: operational and kinematics. In the operational approach, the surface vessel behavior is analyzed in terms of its interaction with operational experiences. Whereas, in the kinematics approach, the threat assessment is carried out based on the position and movement of the submarine itself and the surface vessel. In the kinematics approach, important motion parameters are identified, and for each parameter, according to its variation range, appropriate fuzzy sets are formed. Human knowledge is also modeled in the form of fuzzy if-then rules. After combining the received data from sensors, the proposed system determines the threat level for any target. The efficiency of the advanced system has been investigated through performing simulations in different scenarios. Considering the scarcity of publications on the submarine threat assessment, the present paper can be considered as a pioneer work in this field.

کلیدواژه‌ها [English]

  • Data Fusion
  • Threat Assessment
  • Fuzzy logic
  • Submarine
  • Kinematics
[1]    White F. A model for data fusion. In: Proceeding of 1st National Symposium on Sensor Fusion; 1988 Apr 5. Chicago, Ill. : GACIAC, IIT Research Institute ;1989.p. 149-58.
[2]    Steinberg AN, Bowman CL, White FE. Revisions to the JDL data fusion model. In: Sensor Fusion: Architectures, Algorithms, and Applications III; 1999; Orlando, FL, United States. https://doi.org/10.1117/12.341367.
[3]    Ebbutt G. Jane's C41 Systems. 23th ed; 2011.
[4]    Penny DE. Multi-sensor management for passive target tracking in an anti-submarine warfare scenario; 1999.
[5]    Penny DE. Sensor management in an ASW data fusion system. In: Dasarathy BV, Editor.  Sensor Fusion: Architectures, Algorithms, and Applications III; 1999. SPIE: 1999. p. 418-29. doi: 10.1117/12.341365.
[6]    George DE, Unnikrishnan A. Tracking of manoeuvring targets using fuzzy information fusion filter. International Journal of Image and Data Fusion. 2018 Apr 3;9(2):115-30.
[7]    Hassan MU. Robust Nonlinear Geometric Steering Tracker for an Autopilot Submarine. International Journal of Research and Engineering. 2017;4(5): 150-55.
[8]    Dehnavi SM, Ayati M, Zakerzadeh MR. Three dimensional target tracking via underwater acoustic wireless sensor network. In: IRANOPEN. Artificial Intelligence and Robotics; 2017. p. 153-57.
[9]    Hinman ML. Some computational approaches for situation assessment and impact assessment. In: FUSION 2002. Proceedings of the Fifth International Conference on Information Fusion; 2002; Annapolis, MD, USA. IEEE:2002. p. 687-93.
[10] Liebhaber MJ, Feher B. Air threat assessment: Research, model, and display guidelines. Space and naval warfare systems command san diego ca; 2002.
[11] Looney CG, Liang LR. Cognitive situation and threat assessments of ground battlespaces. Information Fusion. 2003 Dec 1;4(4):297-308.
[12] Paradis S. Threat evaluation and weapons allocationin network-centric warfare. In: 8th International Conference on Information Fusion; 2005.
[13] Steinberg AN. An approach to threat assessment. In: 7th International Conference on Information Fusion; 2005.
[14] Liang Y. An approximate reasoning model for situation and threat assessment. 4th International Conference on Fuzzy Systems and Knowledge Discovery; 2007. pp. 246-250.
[15] Benavoli A, Ristic B, Farina A, Oxenham M, Chisci L. An application of evidential networks to threat assessment. IEEE Transactions on Aerospace and Electronic Systems. 2009 Jun 19;45(2):620-39.
[16] Sycara K, Glinton R, Yu B, Giampapa J, Owens S, Lewis M, Grindle LC. An integrated approach to high-level information fusion. Information Fusion. 2009 Jan 1;10(1):25-50.
[17] Baranski JV, Petrusic WM. Aggregating conclusive and inconclusive information: Data and a model based on the assessment of threat. Journal of Behavioral Decision Making. 2010 Oct;23(4):383-403.
[18] Hou Y, Guo W, Zhu Z. Threat assessment based on variable parameter dynamic Bayesian network. In: Proceedings of the 29th Chinese Control Conference; 2010 July 29 -31; Beijing. IEEE:2010.p. 1230-35.
[19] Xu Y, Wang Y, Miu X. Multi-attribute decision making method for air target threat evaluation based on intuitionistic fuzzy sets. Journal of Systems Engineering and Electronics. 2012 Dec;23(6):891-7.
[20] Yun J, Hong SS, Han MM. A dynamic neuro fuzzy knowledge based system in threat evaluation. In: The 6th International Conference on Soft Computing and Intelligent Systems, and The 13th International Symposium on Advanced Intelligence Systems; 2012; Kobe, Japan. IEEE; 2013. p. 1601-5. doi: 10.1109/SCIS-ISIS.2012.6505178.
[21] Brannstrom M, Coelingh E, Sjoberg J. Model-based threat assessment for avoiding arbitrary vehicle collisions. IEEE Transactions on Intelligent Transportation Systems. 2010 May 18;11(3):658-69.
[22] Ali M, Gelso ER, Sjöberg J. Automotive threat assessment design for combined braking and steering maneuvers. IEEE transactions on vehicular technology. 2012 Dec 3;62(4):1519-26.
[23] Hall DL, McMullen SA. Mathematical techniques in multisensor data fusion. Artech House; 2004.
[24] Etter PC. Underwater acoustic modeling and simulation. CRC press; 2018.
[25] Zadeh LA. Is there a need for fuzzy logic?. Information sciences. 2008 Jul 1;178(13):2751-79.
[26] Hall CJ. Principles of Naval Weapons Systems. US naval academy; 2000.