مجله دفاع هوافضایی

چکیده این پژوهش به طراحی بهینه یک تاکسی هوایی ۱۸ نفره با تلفیق روش‌های کلاسیک طراحی هواپیما و چارچوب یادگیری تقویتی مبتنی بر Q-learning پرداخته است. در گام نخست، پارامترهای پایه شامل بیشینه وزن برخاست، وزن خالی، مصرف سوخت و مساحت بال با استفاده از روابط طراحی مفهومی کلاسیک برآورد شده‌اند. سپس یک محیط شبیه‌سازی توسعه داده شد که در آن فضای حالت با نسبت‌های بی‌بعد کلیدی تعریف گردید و فضای عمل شامل تغییرات کراندار در مساحت بال، ضریب منظری و نسبت تراست به وزن بود. عامل یادگیرنده با سیاست طی 2000 اپیزود و با حداکثر 40 گام طراحی در هر اپیزود آموزش داده شد. آموزش تحت یک سناریوی مأموریتی ثابت شامل ارتفاع کروز مشخص، سرعت کروز هدف، برد طراحی و قیود طول باند انجام گرفت. نتایج بهینه‌سازی نشان داد مساحت بال (۳.۸% کاهش) و ضریب منظری (۲.۱۰% افزایش) بهبود یافته‌اند. همچنین مساحت دم افقی (۲.۹% کاهش) و دم عمودی (۳.۲% کاهش) کاهش یافته است. این اصلاحات هندسی منجر به کاهش وزن خالی (۴.۱% کاهش) و مصرف سوخت (۵% کاهش) گردید. نسبت برا به پسا (۲۰% افزایش)، نرخ اوج‌گیری (۳۳.۳% افزایش) و سرعت کروز (۶.۷% افزایش) نیز ارتقا یافتند. در نتیجه، برد پروازی (14.5% افزایش) بهبود پیدا کرد. یافته‌ها نشان می‌دهد ادغام طراحی کلاسیک با یادگیری تقویتی رویکردی داده‌محور و مؤثر برای بهبود هم‌زمان وزن، کارایی آیرودینامیکی و عملکرد مأموریتی تاکسی‌های هوایی فراهم می‌کند.