عنوان | شماره صفحه | |
۲-۱-۳-۳-مدلهای فضای حالت | ۳۱ | |
۲-۱-۴- تابع هزینه | ۴۱ | |
۲-۱-۵-الگوریتمهای کنترل پیش بین غیر خطی | ۴۱ | |
۲-۱-۶-مسأله مدلسازی | ۵۱ | |
۲-۱-۷مدلهای غیر خطی | ۶۱ | |
۲-۱-۸-مثال عملی در کنترل پیش بین در فر آیند های صنعتی | ۷۱ | |
۲-۲کنترل پیش بین تعمیم یافته | ۰۲ | |
۲-۳-کنترل سیستم های دینامیکی غیر خطی با بهره گرفتن از شبکه های عصبی | ۱۲ | |
۲-۳-۱مزایای استفاده از شبکه های عصبی | ۱۲ | |
۲-۳-۲-شبکه های عصبی پیش سو | ۲۲ | |
۲-۳-۳-شبکه های عصبی پرسپترون چندلایه | ۳۲ | |
۲-۳-۴-آموزش یک شبکه عصبی | ۳۲ | |
۲-۳-۵-کاربردهای شبکه های عصبی | ۴۲ | |
۲-۴تلفیق کنترل پیش بین و مدلهای عصبی | ۵۲ | |
۲-۵کنترل تطبیقی | ۶۲ | |
۲-۵-۱مفاهیم اسا سی در کنترل تطبیقی | ۶۲ | |
۲-۵-۲-موارد کاربرد کنترل تطبیقی | ۷۲ | |
۲-۵-۳-کنترل تطبیقی مدل مرجع((MRAC | ۹۲ | |
۲-۵-۴-کنترل کننده های خود-تنظیم((STC | ۰۳ | |
۲-۵-۵-چگونه کنترل کننده های تطبیقی طراحی کنیم؟ | ۱۳ | |
۲-۵-۶-کنترل تطبیقی سیستم های غیر خطی | ۲۳ | |
۲-۵-۷-مقاوم بودن سیستم های کنترل تطبیقی | ۲۳ | |
۲-۵-۸-کنترل سیستم های فیزیکی چند-ورودی | ۳۳ | |
۲-۶-کنترل فازی | ۴۳ | |
۲-۶-۱طراحی کنترل کننده های فازی | ۶۳ | |
۲-۶-۲-مراحل طراحی | ۷۳ | |
۲-۶-۳-کنترل فازی سیستم های چند متغیره | ۸۳ | |
۲-۷-کنترل مقاوم | ۹۳ | |
۳ –مثالی از کنترل کننده های چند ورودی – چند خروجی | ||
٣-١روباتیک به عنوان نمونه اولیه | ۴٣ |
عنوان | شماره صفحه |
جمع بندی و نتیجه گیری | ۷۴ |
منابع و مآخذ | |
فهرست منابع فارسی | ۰۵ |
فهرست منابع لاتین | ۱۵ |
فهرست اشکال
عنوان | شماره صفحه |
شکل۲-۱عملکرد ردیابی تحت کنترل GPCغیر خطی | ۰۲ |
شکل۲-۲-ساختار کنترل کننده پیش بین عصبی | ۵۲ |
شکل۲-۳-مدل NARMAX عصبی | ۵۲ |
شکل ۲-۴-ساختار شبکه عصبی تأخیرزمان | ۵۲ |
شکل۲-۵-یک سیستم کنترل تطبیقی مدل مرجع | ۹۲ |
شکل ۲-۶-یک کنترل کننده خود تنظیم | ۰۳ |
شکل۲-۷-پاندول معکوس | ۸۳ |
شکل ۳-۱-خطاهای ردیابی وگشتاورهای کنترل تحت کنترل تطبیقی | ۴۴ |
شکل ۳-۲-تخمین پارامترها تحت کنترل تطبیقی | ۵۴ |
شکل ۳-۳-خطاهای ردیابی وگشتاوری کنترل تحت کنترل P.D. | ۶۴ |
فهرست جداول
عنوان | شماره صفحه |
جدول ۲-۱:پایداری GPC غیرخطی بهینه | ۷۱ |
جدول۲-۲:درجه آزادی نسبی | ۷۱ |
چکیده
امروزه لزوم کنترل بهینه سیستم های غیر خطی چند متغیره به منظور رسیدن به پایداری و پاسخ مطلوب بیـشتر احساس می شود . در این میان روش های متنوعی جهت کنتـرل ایـن گونـه سیـستمها وجـود دارد ، از جملـه کنتـرل هوشمند و کنترل کلاسیک که هر یک دارای مزایا و معایب جداگانه ای هستند .
روش های هوشمند از شبکه های عصبی و منطق فازی بهره می جویند که قابلیت مانور آنها به دلیل نرم افـزاری بودن بیشتر است .در حالیکه در روش های کنترل کلاسیک به دلیل تئوریهـای بـسیار قـوی موجـود و الگوریتمهـای مبتنی بر این تئوریها ، از نظر بعضی محققین از قابلیت اعتماد بیشتر بر خوردار ند و در نتیجه عده زیادی از آنهـا در این زمینه کار کرده اند . مانند کنترل بهینه پیش بین ، کنترل مقاوم ، کنترل فـازی ، کنتـرل فیـد بـک غیـر خطـی ، کنترل عصبی ، کنترل تطبیقی ، کنترل فازی پیش بین و کنترل پیش بین عصبی و کنترل تطبیقی فازی و.
در این سمینار ابتدا روش های تحلیل و طراحی سیستم های کنترل غیر خطی بررسی می شود . سـپس روشـهای تحلیل و طراحی سیستم های چند متغیره به طور جدا گانه بیان می شود و در ادامه انواع روش های کنترل سیـستمهای غیر خطی چنـد متغیـره مـورد بحـث و بررسـی قـرار مـی گیـرد . در بخـش ابتـدا کنتـرل پـیش بـین مـدل ، سـپس الگوریتمهای کنترل پیش بین غیر خطی معرفی می شود . در ادامه کنترل پیش بین تعمیم یافته ، کنترل سیـستمهای غیر خطی با بهره گرفتن از شبکه های عصبی و کابرد آنها ، تلفیق کنترل پیش بین و عـصبی ، کنتـرل تطبیقـی و نحـوه طراحی کنترلر تطبیقی ، کنترل فازی و نحوه طراحی کنترل کننده های فازی ، و در ادامه کنتـرل مقـاوم ، بررسـی خواهند شد . در پایان مثالی از روباتیک به عنوان نمونه آورده خواهد شد . مزایا و معایب هر کدام از این روشها و مقایسه آنها با یکدیگر در پایان ذکر خواهد شد .
مقدمه
امروزه با توجه به گسترش روز افزون و پیشرفت تکنولوﮊی در زمینه پیاده سازی محاسبات حجیم و پیچیده,امکان استفاده از الگوریتمهای غیر خطی مربوط به سیستم های چندورودی/چند خروجی ایجاد شده است.این امر باعث شده است که در سالهای اخیر محققین بسیاری در این زمینه تحقیقات زیادی انجام داده و الگوریتمهای مناسب تری ارائه دهند.بنابراین لزوم کنترل بهینه این سیستم ها بطوریکه به پایداری و پاسخ مطلوب دست یابیم ,بیشتر احساس می شود.در این میان روش های متنوعی جهت کنترل این گونه سیستم ها
,از جمله کنترل هوشمند و کلاسیک وجود دارد که هر یک دارای مزایا و معایب جداگانه ای هستند.روش های هوشمند,از شبکه های عصبی و منطق فازی وبهره می جویند که قابلیت مانور آنها به دلیل نرم افزاری بودن بیشتر است.
مطلب دیگر :