کنترل یک سیستم غیرخطی با پارامتر نامعین با استفاده از شبکه عصبی چند لایه پرسپترون و ساختار فیدبک rise
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - پژوهشکده برق و کامپیوتر
- نویسنده مرضیه یزدان زاد
- استاد راهنما ابوالفضل رنجبر نوعی علیرضا خسروی رضا قادری
- سال انتشار 1393
چکیده
استفاده از شبکه های عصبی برای جبران نامعینی های سیستم های غیرخطی و کنترل آنها، بیش از یک دهه است که توسط محققین مورد بررسی قرار گرفته است. کنترل کننده های معمول مبتنی بر شبکه عصبی، به دلیل وجود خطای بازسازی تابعی باقیمانده و عدم توانایی در جبران برخی اغتشاشات، تنها قادر به دستیابی به نتایج پایداری کراندار نهایی یکنواخت (uub) می-باشند. در این پایان نامه از ترکیب یک استراتژی کنترل پسخور به نام انتگرال مقاوم علامت خطا (rise) با روش پیشخور مبتنی بر شبکه عصبی برای طراحی یک کنترل کننده برای رسیدن به ردیابی مجانبی استفاده شده است. در این روش، شبکه عصبی دینامیک های غیرخطی سیستم را تقریب می زند و بدون نیاز به دانستن دانش قبلی از دینامیک سیستم، نامعینی ها را جبران می کند. بعلاوه، برای حذف خطای تقریب شبکه عصبی و اغتشاشات کراندار، از ترم کنترل rise استفاده می شود. بنابراین، برخلاف کنترل کننده های مبتنی بر شبکه عصبی که معمولا همگرایی کراندار نهایی یکنواخت را برای خطای ردیابی نتیجه می-دهند، روش ارائه شده با حذف خطای بازسازی شبکه عصبی، ردیابی مجانبی را ارائه می دهد. به منظور ارزیابی روش ارائه شده، از آن برای طراحی کنترل کننده برای کنترل ردیابی موقعیت یک ربات بازو با 3 درجه آزادی و یک ربات اسکلت خارجی اندام فوقانی با 5 درجه آزادی استفاده شده است. بعلاوه یک مطالعه مقایسه ای روی عملکرد سیستم بین روش کنترل ارائه شده و سایر روش های کنترل از جمله کنترل مبتنی بر شبکه عصبی انجام شده است. نتایج شبیه سازی، کارایی کنترل کننده ارائه شده را تایید می کنند.
منابع مشابه
کاربرد شبکه عصبی پایه شعاعی در کنترل یک سیستم غیرخطی نامعین مبتنی بر ساختار فیدبک rise
در این پایان نامه یک ترکیب جدید از شبکه عصبی پایه شعاعی گوسی به عنوان جبران ساز رو به جلو به همراه استراتژی کنترل انتگرال مقاوم از علامت خطا (rise) ارائه شده است. کنترل کننده پیشنهادی به منظور ردیابی مسیر حالت متغیر با زمان برای سیستم های غیرخطی در حضور نامعینی پارامتری و اغتشاشات خارجی استفاده می شود. از آنجایی که کنترل کننده بر مبنای شبکه عصبی، عموما دارای نتایج پایداری کراندار نهایی یکنواخت ...
15 صفحه اولتشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون
This paper shows how we can make advantage of using genetic programming in selection of suitable features for automatic modulation recognition. Automatic modulation recognition is one of the essential components of modern receivers. In this regard, selection of suitable features may significantly affect the performance of the process. In this research we implemented our model by using appropria...
متن کاملتشخیص خودکار مدولاسیون با استفاده از برنامه نویسی ژنتیک و شبکه عصبی چند لایه پرسپترون
تشخیص مدولاسیون سیگنال دریافتی گام میانی بین تشخیص سیگنال و دمدولاسیون آن محسوب می شود؛ به طوری که در بسیاری از سیستم های مخابراتی و نظامی تشخیص خودکار مدولاسیون جزئی از سیستم در نظر گرفته می شود. برای تشخیص خودکار مدولاسیون به طور معمول تعدادی ویژگی از سیگنال دریافتی استخراج و به کار گرفته می شود، در این رابطه، انتخاب ویژگی مناسب، تأثیر به سزایی در افزایش کارایی تشخیص خودکار مدولاسیون دارد. در...
متن کاملهیه نقشه کاربری اراضی شهر سبزوار با استفاده از روشهای حداکثر احتمال و شبکه عصبی مصنوعی پرسپترون چند لایه
از جمله عوامل مهم در برنامهریزی و مدیریت شهری، به ویژه در راستای نیل به توسعهی پایدار در نواحی شهری و استفاده بهینه از سرزمین، اطلاع بهنگام از وضعیّت پوشش اراضی برای این مناطق است. دادههای سنجش از دور به جهت ارائهی اطلاعات به هنگام و رقومی، تنوع اشکال و امکان پردازش پتانسیل بالایی برای تهیهی نقشههای به روز کاربری اراضی شهری دارند. در این تحقیق با استفاده از تصویر ماهوارهای Landsat/ETM+ و ...
متن کاملپیش بینی رسانایی گرمایی نانوسیال گرافن با مدل شبکه عصبی مصنوعی چند لایه پرسپترون
هدف از این مطالعه مدلسازی و پیش بینی رسانایی گرمایی نانو سیال گرافن به کمک شبکه عصبی مصنوعی چند لایه پرسپترون است. پارامترهای دمای نانوسیال، کسرحجمی و رسانایی گرمایی نانو ذره به عنوان ورودی شبکه در نظر گرفته شده است. بااطلاعات مربوط به اندازه گیریهای تجربی محققین قبلی در مورد رسانایی گرمایی نانوسیال گرافن در دمای 25 تا 50 درجه سلسیوس و در کسر حجمی 005/0 تا 056/0 تست عملکرد شبکه انجام شده است....
متن کاملمدلسازی پهنههای اکتشاف نفتی با شبکه عصبی پرسپترون چند لایه (MLP) در GIS
فرآیند اکتشاف منابع هیدروکربنی بهعنوان فرآیندی بسیار پیچیده و پرهزینه میباشد. در این فرآیند فاکتورهای متعدد زمینشناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق میشوند. طراحی بهترین مسیر برای برداشت دادههای لرزهنگاری و همچنین تعیین بهترین محل برای حفر چاههای اکتشافی از اهمیت ویژهایی برخوردار است، زیرا نتیجه تعیین نادرست یا بیدقت این مکانها، صرف هزینه و زمان زیاد در طول عملیات میباشد. این ...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - پژوهشکده برق و کامپیوتر
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023