پیشینه تحقیق کاربرد هوش مصنوعی در طراحی سیستم کنترل و سیستم های کنترل غیر خطی، کنترل تطبیقی، تئوری لیاپانوف و تکنیک های محاسبات نرم دارای ۳۴ صفحه می باشد فایل پیشینه تحقیق به صورت ورد word و قابل ویرایش می باشد. بلافاصله بعد از پرداخت و خرید لینک دنلود فایل نمایش داده می شود و قادر خواهید بود آن را دانلود و دریافت نمایید . ضمناً لینک دانلود فایل همان لحظه به آدرس ایمیل ثبت شده شما ارسال می گردد.
فصل ۱- مقدمه ۶
۱-۱- پیشینۀ پژوهشی ۷
۱-۲- رئوس مطالب ۹
فصل ۲- مقدمهای بر کنترل غیرخطی ۱۰
۲-۱- مقدمه ۱۰
۲-۲- سیستم غیرخطی ۱۱
۲-۳- تئوری پایداری لیاپانوف ۱۱
۲-۳-۱- سیستم وابسته به زمان ۱۱
۲-۳-۲- تفاوت اصلی بین سیستمهای متغیر با زمان و نامتغیر با زمان ۱۲
۲-۳-۳- مفهوم پایداری به بیان لیاپانوف۱۲
۲-۳-۳-۱- تعریف پایداری مجانبی ۱۳
۲-۳-۳-۲- تعریف پایداری نمائی ۱۳
۲-۳-۳-۳- تعریف پایداری مطلق۱۳
۲-۴- کنترل تطبیقی ۱۳
۲-۴-۱- غیر مستقیم ۱۴
۲-۴-۲- مستقیم ۱۴
فصل ۳- مقدمهای بر محاسبات نرم ۱۶
۳-۱- مقدمه ۱۶
۳-۲- شبکۀ عصبی مصنوعی ۱۷
۳-۲-۱- مقدمه ۱۷
۳-۲-۲- الهام از بیولوژی ۲۰
۳-۲-۳- مدل نرون ۲۱
۳-۲-۴- معماری شبکۀ چند لایه ۲۱
۳-۳-کنترلفازی ۲۲
۳-۳-۱-مقدمه ۲۲
۳-۳-۲-مفاهیم اولیه و تعاریف مقدماتی ۲۳
۳-۳-۳-ساختار کلی کنترل کنندۀ فازی ۲۵
۳-۳-۴- اجزای یک کنترل کنندۀ فازی ۲۵
۳-۳-۵- انواع کنترل کنندههای فازی ۲۶
۳-۳-۶- مقاسیۀ فازی نوع ۱ با نوع ۲ ۲۷
۳-۳-۶-۱- نمایش عدم قطعیت سیستمهای Type-1 بوسیله سیستمهای فازی Type-2 27
۳-۳-۶-۲- توابع عضویت در فازی نوع ۲ ۲۸
۳-۳-۷- طراحی کنترل کننده فازی ۲۹
۳-۳-۷-۱- طراحی سیستمهای ردیاب با فیدبک حالت ۲۹
۳-۳-۸- دیاگرام روش طراحی کنترل کنددۀ فازی ۳۰
فهرست مراجع ۳۲
Pathak, J. Franch, and S. Agrawal, “Velocity and position control of a wheeled inverted pendulum by partial feedback linearization,” IEEE Transactions on Robotics, vol. 21, no. 3, pp. 505-513, Jun. 2005.
Li and J. Luo, “Adaptive robust dynamic balance and motion controls of mobile wheeled inverted pendulums,” IEEE Transactions on Control Systems Technology, vol. 17, no. 1, pp. 233-241. Jan. 2009.
Batzel and K. Lee, “An approach to sensorless opération of the permanent-magnet synchronous motor using diagonally récurrent neural networks,” IEEE Transactions on Energy Conversion, vol. 18, no. 1, pp. 100-106, Mar. 2003.
-H. Chen, C.-J. Lin, and C.-T. Lin, “Nonlinear system control using adaptive neural fuzzy networks based on a modified differential évolution,” IEEE Transactions on Systems, Man, and Cybernetics, Part C : Applications and Reviews, vol. 39, no. 4, pp. 459-473, Jul. 2009.
Ge and I. Postlethwaite, “Adaptive neural network controller design for flexible joint robots using singular perturbation technique,” Transactions ofthe Institute of Measurementand Control, vol. 17, no. 3. pp. 120-131, 1995.
Hagras, “A hierarchical type-2 fuzzy logic control architecture for autonomous mobile robots,” IEEE Transactions on Fuzzy Systems, vol. 12, no. 4, pp. 524-539, August 2004.
Hongyu, J. Jiuchun, and W. Zhanguo, “Estimating the state of charge for Ni-MH battery in HEV by RBF neural network,” in IEEE International Workshop on Intelligent Systems and Applications, ISA 2009, Wuhan, China, May 2009, pp. 1-4.
Zadeh, Lotfi A., “Fuzzy Logic, Neural Networks, and Soft Computing,” Communication of the ACM, March 1994, Vol. 37 No. 3, pages 77-84.
-J. Lin and P.-H. Chou, “Adaptive control of two-axis motion control system using interval type-2 fuzzy neural network,” IEEE Transactions on Industrial Electronics, vol. 56, no. 1, pp. 178-193, Jan. 2009.
X. Wang, Adaptive Fuzzy Systems and Control : Design and Stability Analysis. PTR Prentice Hall, 1994. 289 Bibliography 290
-J. Lin and C.-H. Lin, “A permanent-magnet synchronous motor servo drive using self-constructing fuzzy neural network controller,” IEEE Transactions on Energy Conversion, vol. 19, no. 1, pp. 66-72, Mar. 2004.
-W. Park, “Robust stable fuzzy control via fuzzy modeling and feedback linearization with its applications to controlling uncertain single-link flexible joint manipulators,” Journal of Intelligent and Robotic Systems : Theory and Applications, vol. 39, no. 2, pp. 131-147, February 2004.
Jung and S. Kim, “Control experiment of a wheel-driven mobile inverted pendulum using neural network,” IEEE Transactions on Control Systems Technology, vol. 16, no. 2, pp. 297-303, Mar. 2008.
Tao, J. Taur, T. Hsieh, and C. Tsai, “Design of a fuzzy controller with fuzzy swingup and parallel distributed pôle assignment schemes for an inverted pendulum and cart System,” IEEE Transactions on Control Systems Technology, vol. 16, no. 6, pp. 1277- 1288, Nov. 2008.
Bolognani, L. Peretti, and M. Zigliotto, “Design and implementation of model predictive control for electrical motor drives,” IEEE Transactions on Industrial Electronics, vol. 56, no. 6, pp. 1925-1936, Jun. 2009.
Jin and J. Lee, “An RMRAC current regulator for permanent-magnet synchronous motor based on statistical model interprétation,” IEEE Transactions on Industrial Electronics, vol. 56, no. 1, pp. 169-177, Jan. 2009.
روشهای طراحی کنترل کننده برای سیستمهای غیرخطی را میتوان به سه دسته تقسیم کرد. روش اول شامل خطی سازی سیتمهای غیرخطی حول نقطۀ کار است [۱]. در این حالت قوانین کنترل کلاسیک برای سیستمهای تقریبی استفاده میشود. با وجود سادگی این قوانین سیستم کنترل به صورت کلی کارایی تضمین شدهای ندارد. روش دوم طراحی کنترل کننده بر اساس دینامیک سیستمهای غیر خطی است. در این روش خصوصیات سیستمهای غیر خطی حفظ میشود، که همین امر به دلیل وجود دینامیک پیچیدۀ این سیستمها طراحی را بسیار سخت میکند [۲]. علاوه بر این، روشهای فوق، از مدلسازی ریاضی دقیقی بهره میبرند که در حالت تئوری کارایی بسیار خوبی دارد، اما در عمل به علل مختلفی از جمله تغییر در شرایط عملیاتی، عدم قطعیتهای دینامیک اعم از ساختار یافته و ساختار نیافته، و اغتشاشات خارجی، دچار افت عملکردی میشوند. در حقیقت به دست آوردن یک مدل ریاضی دقیق برای فرآیندهای سیستمهای پیچیدۀ صنعتی بسیار سخت است. به علاوه عوامل دیگری هم وجود دارند که قابل پیشبینی نیستند، مانند اغتشاش، دما، تغییرات پارامترهای سیستم و غیره. بنابراین دینامیک سیستم را نمیتوان فقط بر اساس مدل احتمالاً دقیق ریاضی بیان کرد. روش سوم کنترل کنندههای غیر خطی را توسط ابزار محاسباتی هوشمند از جمله شبکههای عصبی مصنوعی[۱] (ANNs) و سیستمهای منطق فازی[۲] (FLSs) پیادهسازی میکند [۳-۸]. این تکنیکها در بسیاری از کاربردهایشان به خوبی نتیجه دادهاند و به عنوان ابزاری قدرتمند توانستهاند مقاومت بالایی را برای سیستمهایی که به لحاظ ریاضی خوش تعریف نبوده و در معرض عدم قطعیت قرار گرفتهاند، ایجاد کنند [۹,۱۰]. تئوری تقریب عمومی[۳] عامل اصلی افزایش استفادۀ اینگونه مدلها است و بیان میدارد که با این روشها به لحاظ تئوریک قادر به تخمین هر تابع حقیقی و پیوستهای با دقت دلخواه هستند. مدلهای مختلف شبکههای عصبی مصنوعی و منطق فازی برای حل بسیاری از مشکلات پیچیده به کار میروند و نتایج نیز عموماً مطلوب است [۱۱-۱۴]، و میتوان به این نکته معترف بود که این روشها جایگزینی بر روشهای کنترلی معمولی و کلاسیک خواهند بود. به عنوان نمونهای از قدرتنمایی و کاربرد هوش مصنوعی میتوان به طراحی کنترل کنندههایی برای فضاپیماها و ماهوارهها اشاره کرد که مثالی از آن را در [۱۵] آورده شده است.
در ادامۀ بررسی پیشینۀ پژوهشی در موضوع تحقیق به بررسی کارهای انجام شده به صورت گزینشی و خلاصه میپردازیم:
شاید یکی از قدیمیترین طراحیها برای سیستمهای ناشناخته که با موفقیت همراه بود در مقالهای که در [۲۷] آورده شده است، ارائه گشته است. این طراحی توسط Gregory C. Chow در سال۱۹۷۳ برای سیستمهای خطی با پارامترهای نامشخص و بر اساس تئوری کنترل بهینه صورت گرفته و به لحاظ تئوری نتایج مطلوبی را از خود نشان داده است. طراحی فوق فقط برای سیستمهای خطی جوابگو بود و در عالم واقع و در عمل کاربرد چندانی نداشت اما زیر بنای طراحیهای جدید و بهتر را بنا نهاد.
بعد از سال ۷۳ و در تلاش برای طراحی برای سیستمهای ناشناختۀ غیرخطی مقالات، پایاننامهها و کتب زیادی منتشر شد که اگر بخواهیم به همۀ آنها اشارۀ کوچکی هم داشته باشیم فرصت زیادی را میطلبد. در اینجا با توجه به امکانات و منابع موجود و به ترتیب تاریخ انتشار مواردی را در حد اشارهای مختصر و بیان کلی نقاط ضعف و قوت بیان میکنیم.
در ابتدا میتوان به رسالۀ دکتری آقای Moon Ki Kim از دانشگاه ایلینویز شیکاگو [۲۸] اشاره کرد، که در آن زمان (۱۹۹۱) استراتژی جدیدی را در صنعت ماشینسازی مورد بررسی و تحقیق قرار داد. کار او روش جدیدی در طراحی سیستمهای کنترل به نام کنترل کنندۀ فازی تطبیقی (AFC)[4] بود که با توجه به قدمت آن مزایا و معایب کار تا حدود زیادی مشخص است و نیازی به توضیح اضافه نیست.
کارهای مشابه زیادی تا سال ۲۰۰۶ انجام گرفت که از توضیح در مورد آنها اجتناب میکنیم و فقط چند نمونه را به عنوان مثال برای بررسی علاقهمندان در مراجع میآوریم [۲۹-۳۵].
منابع اصلی ما که در حقیقت معیارهای عملکردی و مقایسهای برای ما محسوب میشوند از سال ۲۰۰۷ به بعد خصوصاً ۳ سال اخیر هستند که چند مورد از آنها را با بیان مزایا و معایبشان به اختصار بیان میکنیم.
اولین مورد، مقالهای است که در سال ۲۰۰۷ به چاپ رسیده است [۴۷]. در این مقاله به کمک قوانین فازی و ترکیب آن با کنترل تطبیقی کنترل کنندهای برای ردگیری خروجی سیستم MIMO با دینامیک نامشخص طراحی شده است. ایدۀ اصلی این کار رفع مشکل ردگیری این سیستمها در حالت بلوک_مثلثی بوده است. مشکل مشخص نبودن تابع تبدیل به دلیل غیرخطی بودن به کمک منطق فازی تا حدودی کم اثر شده و تقریب مناسبی صورت گرفته است. با استفاده از روش طراحی پسگام، کنترل کنندۀ تطبیقی فازی برای سیستمهای غیرخطی MIMO قابل اجرا شده است. در این طراحی تعقیب ورودی از سوی خروجی در حالت حلقه بسته تضمین شده است. این روش با توجه به استفاده از فازی تا حدودی ار پیچیدگیهای ریاضی مساله کاسته اما با این وجود با استفاده از فازی نوع دوم و شبکههای عصبی باز هم میتوان آن را سادهتر کرد ضمناً برای تضمین پایداری سیستم میتوان از روش لیپانوف و . . . استفاده نمود.
دومین مورد مقالهایست که در سال ۲۰۰۸ در مجلۀ بینالمللی Information & Mathematic Science به چاپ رسیده است[۴۸]. در این مقاله میتوان گفت مطلبی را که ما در بالا در مورد مقالۀ قبلی بیان کردیم، مد نظر قرار گرفته شده و به کمک فازی نوع دوم سادهسازی به حد مطلوب رسیده و به کمک تکنیک لیاپانوف پایداری هم تضمین شده است. نتایج شبیهسازی نیز بیانگر تاثیر کنترل کنندۀ تطبیقی بر کارایی کل سیستم میباشند. شاید ایرادی که بتوان به این طراحی وارد دانست این باشد که این کنترل کننده در سیستمها با تأخیر زمانی به خوبی عمل نمیکند. که در مورد بعدی راه حل این مشکل هم تا حدودی بیان شده است.
در سال ۲۰۰۹ مقالهای منتشر شد که به کمک کنترل تطبیقی کنترل کنندهای را در آن طراحی کرده بودند که عمل ردگیری را در سیستمهای غیرخطی ناشناخته که دارای تأخیر طولانی هستند را به خوبی انجام میداد [۴۸]. این طراحی توانست که به خوبی خطای حالت ماندگار را نیز کاهش دهد. اما مشکل این کار در مواجهه با سیستمهای پیچیده آشکار میشد. شاید دلیل آن هم ناتوانی این روش در سادهسازی ریاضی سیستم باشد.
حضور و تأثیر توأم شبکههای عصبی، منطق فازی و کنترل تطبیقی (ANFIS)[5] به خوبی نقش خود را در کنترل سرعت موتور القایی در مقالهای که در سال ۲۰۱۰ به چاپ رسید [۴۹] نشان میدهد. این ترکیب از کنترل کنندهها به قدری مفید واقع شده که تولباکسی در Matlab به همین نام موجود است. به این نحوه که با تنظیم خودبهخودی پارامترهای سیستم و انتخاب بهینهترین حالت از نظر خود با در نظر گرفتن خروجیهای سیستم کارایی بسیار مناسبی را نیز به دست میدهد. این مقاله علاوه بر این میتواند منبع آموزشی مناسبی برای علاقهمندان باشد. سادگی ریاضی، کارایی مناسب، سرعت عمل و دقت خوب از ویژگیهای این نوع طراحی است. اما شاید بتوان گفت که تنها موردی که برای این نوع طراحی ایراد محسوب میشود این است که سیستم در کاربردهای متنوع ممکن است در انتخاب بهینهترین حالت دچار مشکل شود. راه حل مستقیمی برای این مشکل وجود ندارد ولی با استفاده از تئوری کنترل بهینه و با صرف کمی خلاقیت ریاضی به بهای پیچیدگی کمی بیشتر، این نقیصه به راحتی قابل رفع است.
از سال ۲۰۱۰ به بعد کارهای جدیتری و البته در کاربردهای خاص در این زمینه انجام گرفته و هر کدام نیز نتایج خوبی را به دست دادهاند. بعضی از تحقیقات نیز جنبۀ کلیتری داشتند که بررسی آنها میتواند در این پایاننامه کمک حال ما باشد. در ادامه به چند مورد به اختصار اشاره کرئه و توضیحات تکمیلی و تحلیلی را به آینده و متن اصلی پایاننامه واگذار میکنیم.
مقالۀ اول در سال ۲۰۱۱ به چاپ رسیده و طراحی کنترل کنندۀ تطبیقی را برای سیستمهای T-S فازی با پارامترهای نامعلوم و خطای عملیاتی را بیان میکند [۵۱].
مورد بعدی و در سال ۲۰۱۲ طراحی کنترل کنندۀ تطبیقی برای سیستمهای غیرخطی است که در آن تابع تبدیل سیستم به کمک منطق فازی تقریب زده شده است [۵۲].
و مقالۀ بعدی استفاده از تکنیک کنترل تطبیقی مقاوم در طراحی برای سیستمهای غیرخطی نامعلوم است که بیانی کلی از این طراحی را به خوبی آورده است و میتواند منبع تحقیقی مناسبی باشد. این مقاله نیز در سال ۲۰۱۲ به چاپ رسیده است [۵۳].
مقالات و پایاننامههای دیگری هم هستند که در این زمینه اشاراتی دارند اما موارد مذکور شاید در نوع خود به لحاظ ارتباط با موضوع تحقیق ما نزدیکتر و قابل حصولتر باشند. اما در اگر آینده نیز منبع مناسب دیگری را هم به دست بیاوریم در به کارگیری و تحلیل آن و استفاده در بهبود کار خود درنگ نخواهیم کرد.
[۱] Artificial neural networks
[۲] Fuzzy logic systems
[۳] Universal approximation theorem
[۴] Adaptive Fuzzy Controller
[۵] Adaptive Neuro-Fuzzy Interface System
تمامی فایل های پیشینه تحقیق و پرسشنامه و مقالات مربوطه به صورت فایل دنلودی می باشند و شما به محض پرداخت آنلاین مبلغ همان لحظه قادر به دریافت فایل خواهید بود. این عملیات کاملاً خودکار بوده و توسط سیستم انجام می پذیرد. جهت پرداخت مبلغ شما به درگاه پرداخت یکی از بانک ها منتقل خواهید شد، برای پرداخت آنلاین از درگاه بانک این بانک ها، حتماً نیاز نیست که شما شماره کارت همان بانک را داشته باشید و بلکه شما میتوانید از طریق همه کارت های عضو شبکه بانکی، مبلغ را پرداخت نمایید.
ارسال نظر