یافتن موقعیت بهینه دستگاه سنجش فاصله باهدف کاهش ریسک و عدم قطعیت در فاز نشست هواپیما

در شرایط غیرایده‌آل جوی، دستگاه سنجش فاصله برای کاهش خطا در فرود هواپیما باید در موقعیت بهینه‌ای باشند. در این راستا، منطق فازی بازه‌ای به‌عنوان روشی کارآمد در تعیین موقعیت بهینه دستگاه سنجش فاصله استفاده می‌شود. با این روش، فاکتورهایی نظیر شرایط هوا، مسیر پرواز و سایر متغیرهای مرتبط، به صورت فازی ارزیابی و موقعیت بهینه دستگاه سنجش فاصله تعیین می‌شود. زمانی که فاصله‌های غیر یکسان از باند فرود نرمال برای هر یک از سنجش‌گرها برقرار باشد، نیاز به شناسایی مناسب‌ترین مکان جهت قرارگیری سنجش‌گر ثانویه وجود دارد. به همین منظور سیستم به صورت پویا طراحی شده‌است، به شکلی که پس از شناسایی سنترلاین مفروض بر اساس نحوه قرارگیری اولیه هر یک از سنجش‌گرها، درنهایت جایگاه مناسب و محل قرارگیری بهینه برای سنجش‌گر ثانویه شناسایی می‌شود. این شرایط تنها در صورت غیر یکسان بودن هر دو سنجش‌گر حاصل خواهد شد. نتایج نشان می‌دهد که استفاده از الگوریتم گرگ خاکستری تاثیر قابل‌توجهی در بهبود شرایط فرود هواپیما دارد. با استفاده از این الگوریتم، کاهش تاثیر توربولانس از 20% به 40% افزایش‌یافته است. احتمال خطای فرود نیز از 10% به 5% کاهش‌یافته و دقت اندازه‌گیری از 85% به 95% افزایش پیدا کرده است. این نتایج نشان‌دهنده بهبود قابل‌توجه در امنیت فرود هواپیما در شرایط غیرایده‌آل می‌باشد. با توجه به کاهش تاثیر توربولانس و افزایش دقت اندازه‌گیری، الگوریتم گرگ خاکستری نقش مهمی در بهبود ایمنی و کارایی فرود هواپیما ایفا می‌کند.

finding the optimal position of the distance measuring device with the aim of reducing risk and uncertainty in the aircraft landing phase

under non-ideal weather conditions, distance measuring equipment (dme) must be optimally positioned to reduce landing errors. in this context, interval type-2 fuzzy logic is used as an efficient method for determining the optimal position of the dme. with this method, factors such as weather conditions, flight path, and other related variables are evaluated fuzzily to determine the optimal position of the dme. when unequal distances from the normal landing strip exist for each of the dmes, it is necessary to identify the most suitable location for the secondary dme. to this end, the system is designed dynamically so that after identifying the assumed centerline based on the initial placement of each dme, the optimal location for the secondary dme is ultimately determined. these conditions only apply if both dmes have unequal distances. the results show that the use of the grey wolf optimization (gwo) algorithm has a significant impact on improving aircraft landing conditions. with this algorithm, the reduction in the impact of turbulence has increased from 20% to 40%. the probability of landing error has decreased from 10% to 5%, and measurement accuracy has increased from 85% to 95%. these results indicate a substantial improvement in landing safety under non-ideal conditions. given the reduction in the impact of turbulence and the increase in measurement accuracy, the gwo algorithm plays a crucial role in enhancing the safety and efficiency of aircraft landings.