การพัฒนาแบบจำลองเส้นทางการบินของอากาศยาน 3 มิติ ด้วยสมการแบบกำหนดตัวแปรเนริฟ
Article Sidebar
Main Article Content
บทคัดย่อ
งานวิจัยที่ผ่าน ๆ มาการสร้างเส้นทางการบินของอากาศยาน หรือการทำนายเส้นทางการบินมีหลากหลายวิธี เช่น การทำนายด้วยวิธีโครงข่ายประสาทเทียม หรือการทำนายด้วยการเคลื่อนที่สัมพัทธ์ระหว่างตำแหน่ง โดยในงานวิจัยนี้จะเป็นการสร้างเส้นทางการบินของอากาศยานด้วยสมการ Parametric แบบ Non-Uniform Rational Basic Spline (NURBS) โดยสมการ NURBS นี้เป็นแบบจำลองทางคณิตศาสตร์ที่มีพื้นฐานมาจาก Spline ซึ่งนิยมใช้ในงานคอมพิวเตอร์กราฟิกต่าง ๆ เพื่อสร้างเส้นโค้ง ซึ่งลักษณะของเส้นทางการบินของอากาศยานนั้นก็มีส่วนเส้นโค้งเช่นกันซึ่งเหมาะสำหรับนำมาสร้างเส้นทาง
การบินได้ โดยการนำเอาข้อมูลทางด้านสามมิติของเส้นทางการบินมาคำนวณหาพารามิเตอร์ที่เหมาะสมกับเส้นทางการบินแต่ละเส้นทาง ซึ่งพารามิเตอร์ที่สำคัญตัวหนึ่งในการสร้างเส้นโค้งของ NURBS คือ Control point การทดสอบการสร้างสมการ NURBS parametric จะมีการปรับค่าพารามิเตอร์ต่าง ๆ ของสมการ แล้วทำการเปรียบเทียบหาความผิดพลาดระหว่างชุดข้อมูลตำแหน่งอากาศยานที่ได้มากับค่าตำแหน่งเส้นโค้งที่ได้จากสมการ NURBS เผื่อให้ค่าความผิดพลาดของเส้นโค้งที่น้อยที่สุด แล้วให้พารามิเตอร์เหล่านั้นเป็นสมการ Parametric แบบ NURBS เพื่อแสดงเส้นทางการบินของอากาศยานต่อไป
Downloads
Article Details
อนุญาตภายใต้เงื่อนไข Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Journal of TCI is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International (CC BY-NC-ND 4.0) licence, unless otherwise stated. Please read our Policies page for more information...
เอกสารอ้างอิง
Liu Y. & Hansen M. 2018. Predicting Aircraft Trajectories: A Deep Generative Convolutional Recurrent Neural Networks Approach, Institutes of Transportation Studies, University of California, Berkeley
Pang Y., Xu N & Liu Y. 2019. Aircraft Trajectory Prediction using LSTM Neural Network with Embedded Convolutional Layer. Annul Conference of The Prognostics and Health Management Society.
Xu X., Yang R., Zhang T. & Yang B. 2019. Trajectory Prediction of Target Aircraft in Air Combat Based on GA-OIF-Elman Neural
Network. IEEE International Conference on Artificial Intelligence and Computer Applications (ICAICA).
Rodin E.Y., & Amin S.M. 1992. Maneuver prediction in air combat via artificial neural network. Computer Mat. Applic, Vol. 24,
No.3, pp. 95-112.
Lin Y., Zhang J. & Liu H. 2018. An algorithm for trajectory prediction of flight plan based on relative motion between positions. Front Inform Technol Electron Eng, 19 (7) :905-916.
Ulf A. 2020. Computer Graphics Curves and Surfaces.
Lei W.T., Sung M.P., Lin L.Y. & Huang J.J. 2007. Fast real-time NURBS path interpolation for CNC machine tools.Int. J. Mach. Tool Manufact., 47 (10) pp. 1530-1541.
Lei W.T. & Sung M.P. 2008. NURBSbased fast geometric error compensation for CNC machine tools. Int. J. Mach. Tool Manufact., 48 (3-4) , pp. 307-319.
Liang F., Kang Ch. & Fang F. 2020. A smooth tool path planning method on NURBS surface based on the shortest boundary Defence Technology Academic Journal, Volume 3, Issue 8 / July - December 2021 59 geodesic map. Int. J. Manufact Proc., 58 pp. 646-658.
Ji Sh., Lei L., Zhao J., Lu X. & Gao H. 2021. An adaptive real-time NURBS curve interpolation for 4-axis polishing machine tool. Robot. Comput. Integrat. Manuf., 67
John, F., J.L. Lowther, & C.K. Shene. 2004. If You Know BSplines Well, You Also Know NURBS!. ACM SIGCSE Bulletin 36(1):343-347.
Johnson D.L. 1996. Multi-Command Handbook 11-F16. Vol.5.
Chouychai B. 2015. Point cloud data reduction with tangent function method for nurbs curve and surface fitting.
International Conference
