fa بهبود انرژی مصرفی کوادروتور برای فرودهای نرم بر روی یک سکو با استفاده از الگوریتم بهینه ساز گرگ خاکستری تخصصي Special پژوهشي Research <p dir="RTL" style="text-align: justify;"><span style="font-size: 14px;"><span style="direction: rtl;"><span style="unicode-bidi: embed;"><span style="line-height: 107%;"><span style="font-family: Calibri,sans-serif;"><span b="" lang="AR-SA" nazanin="">برای افزایش دقت فرود یک کوادروتور روی یک سکو نیاز به کمک کنترل کننده ها در کنار سیستم ناوبری می باشد. این مقاله برای طراحی یک کنترل کننده بهینه برای بهبود عملکرد کوادروتور در هنگام فرود نرم بر روی یک سکوی ثابت نوشته شده است. هدف اصلی این مقاله کاهش مصرف انرژی در موتورهای محرک کوادروتور می باشد. این بهینه سازی امکان استفاده از باتری های کوچکتر را فراهم می کند و در نتیجه کوادروتور سبک تر می شود. برای دستیابی به این هدف، از یک الگوریتم فراابتکاری به نام بهینه ساز گرگ خاکستری استفاده می کنیم که ضرایب کنترل را برای افزایش سرعت پاسخ سیستم و کاهش مصرف انرژی تنظیم می کند. این مطالعه یک استراتژی کنترل ترکیبی معروف به الگوریتم مود لغزشی-گرگ خاکستری </span><span lang="AR-SA"><span style="line-height: 107%;"><span b="" nazanin="">(</span></span></span><span dir="LTR"><span style="line-height: 107%;">GWOSMC</span></span><span lang="AR-SA"><span style="line-height: 107%;"><span b="" nazanin="">)</span></span></span><span b="" lang="AR-SA" nazanin=""> را معرفی می‌کند. نوآوری کلیدی این مقاله در انتخاب موثر الگوریتم </span><span dir="LTR"><span style="line-height: 107%;">GWOSMC</span></span> <span b="" lang="AR-SA" nazanin="">نهفته است که باعث کاهش حدود 22 برابری نسبت به استراتژی </span><span dir="LTR"><span style="line-height: 107%;">SMC</span></span>&nbsp; <span b="" lang="AR-SA" nazanin="">می شود. برای ارزیابی طرح‌های کنترلی بکار گرفته شده، نتایج شبیه‌سازی به‌دست‌آمده با استفاده از نرم‌افزار </span><span dir="LTR"><span style="line-height: 107%;">MATLAB</span></span> <span b="" lang="AR-SA" nazanin="">را مقایسه می‌کنیم. یافته‌های ما نشان می‌دهد که روش </span><span dir="LTR"><span style="line-height: 107%;">GWOSMC</span></span> <span b="" lang="AR-SA" nazanin="">در زمینه مصرف انرژی بسیار بهتر از روش کنترل حالت لغزشی کلاسیک عمل می‌کند.</span><span lang="FA" style="font-family:"B Nazanin""></span></span></span></span></span><br> &nbsp;</span></p> <p style="text-align: justify;"><span style="font-size: 10pt;"><span new="" roman="" style="font-family:;" times=""><span style="font-size: 11pt;">To enhance the precision of quadrotor landings on a fixed platform, the integration of control algorithms alongside the navigation system is essential. This paper presents the design of an optimal controller aimed at improving quadrotor performance during soft landings. A primary focus of the study is to minimize the energy consumption of the quadrotor&#39;s drive motors. Lower energy demands enable the use of smaller batteries, resulting in a lighter and more efficient aerial vehicle. To achieve this optimization, we employ a meta-heuristic algorithm known as the Gray Wolf Optimizer (GWO), which fine-tunes control coefficients to accelerate system response and reduce power usage. This research introduces a novel hybrid control approach&mdash;the Gray Wolf Sliding Mode Control (GWOSMC) algorithm. The key contribution of this paper lies in the strategic implementation of GWOSMC, which demonstrates approximately a 22-fold improvement in energy reduction compared to conventional Sliding Mode Control (SMC). To assess the effectiveness of these control schemes, we conduct simulations using MATLAB. The results clearly show that GWOSMC significantly outperforms traditional SMC methods in terms of energy efficiency.</span></span></span></p> فرود کوادروتور,کنترل مد لغزشی, الگوریتم گرگ خاکستری, بهینه سازی, پایداری لیاپانوف Quadrotor landing, sliding mode control, gray wolf algorithm, optimization, Lyapunov stability 51 64 http://jeps.dezful.iau.ir/browse.php?a_code=A-10-343-1&slc_lang=fa&sid=1 Anna Farsimadan آنا فارسی مدان Anna.farsimadan@gmail.com 10031947532846003089 10031947532846003089 No Control Department, South Tehran branch, Islamic Azad University, Tehran, Iran. دانشگاه آزاد اسلامی واحد تهران جنوب Amir Hooshang Mazinan امیر هوشنگ مزینان Mazinan@azad.ac.ir 10031947532846003090 10031947532846003090 Yes Control Department, South Tehran branch, Islamic Azad University, Tehran, Iran. دانشگاه آزاد اسلامی واحد تهران جنوب Mehdi Siahi مهدی سیاهی Mehdi.siahi@srbiau.ac.ir 10031947532846003091 10031947532846003091 No Control Department, Science and Research Branch, Islamic Azad University, Tehran, Iran. دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران