31124

الگوريتم دسته بندي ماهواره ها بر اساس قابليت اطمينان با استفاده از روش هاي خوشه بندي مبتني بر داده كاوي

كارشناسي ارشد

مهندسي صنايع- صنايع

1398

1401/4/26

محمدرضا محمدعليها

/

مهندسي صنايع

شناسايي انواع خرابي سيستمها به خصوص در مورد محصولات حياتي و حساس و محاسبه قابليت اطمينان آنها قبل از به كارگيري، نقش مؤثري در بهبود طراحي اين سيستمها ايفا ميكند. از سويي ديگر، تخمين قابليت اطمينان برخي از سيستمها مانند اكثر محصولات فضايي به علت فقدان يا كمبود داده بسيار مشكل و بعضًا نشدني است. ازين رو استفاده از تكنيك هاي مناسب براي اين منظور از اهميت بالايي برخوردار است. در اين تحقيق به شناسايي شاخص هاي موثر بر قابليت اطمينان ماهواره و غربالگري آنها با استفاده از روش دلفي فازي پرداخته شده و با استفاده از روش تحليل سلسله مراتبي فازي اقدام به اولويت بندي و رتبه بندي اين شاخص ها نسبت به يكديگر شد. سپس بر اساس داده هاي مربوط به 20 ماهواره اقدام به اجراي روش ويكور براي سنجش ميزان قابليت اطمينان ماهواره ها بر اساس شاخص ها و اوزان شناسايي شده شد. بر اساس اين شاخص ها اقدام به خوشه بندي بر اساس قابليت اطمينان با استفاده از روش تلفيقي K-means و تراكم پذيري گرديد كه در اين روش پيشنهادي تعداد خوشه بهينه با روش تراكم پذيري بر اساس نواحي تراكمي در فضاي مسئله محاسبه و خوشه بندي اجرا گرديد. همچنين جهت استفاده بهينه از داده ها اقدام به برازش شبكه عصبي براي شناسايي روابط مابين شاخص ها و قابليت اطمينان با استفاده از سيستم فازي تطبيقي شده است. همچنين با استفاده از سه روش تطبيق دسته بندي مشبك Grid Partitioing، خوشه بندي كاهشي Subtractive clusteringو فازي سي ميانگين Fuzzy C-meansنيز برازش تست و روش سي ميانگين به عنوان تكنيك برتر شناسايي شده است.

1401/11/19

Satellite classification algorithm based on reliability using clustering methods and neural networks

7/17/2023 12:00:00 AM

Identifying types of system failures, especially in the case of vital and sensitive products, and calculating their reliability before use, plays an effective role in improving the design of these systems. On the other hand, estimating the reliability of some systems like most space products is very difficult and sometimes impossible due to the lack of data. Therefore, the use of appropriate techniques for this purpose is of great importance. In this research, the indicators affecting the reliability of the satellite were identified and screened using the fuzzy Delphi method, and using the fuzzy hierarchical analysis method, these indicators were prioritized and ranked relative to each other. Then, based on the data of 20 satellites, the Vikor method was implemented to measure the reliability of the satellites based on the identified indicators and weights. Based on these indicators, clustering was done based on reliability using the combined method of K-means and compressibility, and in this proposed method, the optimal number of clusters was calculated and clustering was carried out using the compressibility method based on the compression areas in the problem space. Also, in order to optimally use the data, a neural network has been fitted to identify the relationships between indicators and reliability using an adaptive fuzzy system. Also, by using three matching methods of Grid Partitioing, Subtractive clustering and Fuzzy C-means, test fit and C-means method have been identified as superior techniques.

پيش بيني , شبكه عصبي , قابليت اطمينان , خوشه بندي , ماهواره

Prediction , neural network , reliability , Clustering , satellite

Mahan Pak Tarigh

Dr. Mohammadaliha