سیستم چند عاملی به سیستمی اطلاق می شود که از چندین عامل تشکیل شده باشد. هر کدام از این عامل ها به نوبه خود فعل و انفعالات داخلی داشته و در محیط خارج نیز با یکدیگر در ارتباط می باشند . عامل در بیشتر موارد با داشتن اطلاعات خاص و محرک های مختلف از طرف کاربر عمل می کند. یک عامل می تواند نماینده ای از طرف انسان باشد که در محیط های مجازی همانند او تصمیم گیری کرده و به انجام کارهای مختلف می پردازد. یک ارتباط داخلی موفق بین عامل ها، متشکل از همکاری و هماهنگی مابین عامل ها و مذاکره دوطرفه بین آن هاست، درست به همان اندازه که انسان ها در ارتباطات روزانه خود با یکدیگر ارتباط داشته و به مذاکره و داد و ستد می پردازند. سیستم های چند عاملی رباتیک ، سیستم هایی دارای چندین ربات می باشند که به طور هماهنگ برای انجام هدفی مشترک و یا انجام کارهایی متفاوت ولی در یک محیط مشترک کنترل می شوند. هدف مشترک این عامل ها می تواند کارهایی نظیر نقشه برداری از یک محیط، کارهای اکتشافی، عملیات نجات، مین یابی و... باشد. در سال های اخیر تحقیقات زیادی در این زمینه صورت گرفته که باعث پیشرفت چشمگیر آن در علم رباتیک شده است، علت این امر را می توان در مزایای این سیستم ها نسبت به سیستم های تک عاملی دانست علاوه بر آن، این سیستم ها توانایی های زیادی نسبت به سیستم های تک عاملی دارند. از آن جمله می توان به افزونگی ، میدان عملکرد وسیع، توان عملیاتی بیشتر، انعطاف پذیری در پیکر بندی ، توانایی انجام کارهای مختلف در یک محیط و قابلیت سنس و عمل کردن توزیع شده، اشاره کرد. در این میان مسئله مسیریابی و هماهنگی در حرکات از اهمیت ویژه ای برخوردار است، چرا که عوامل هر سیستم چند عاملی که در یک محیط مشترک کار می کنند به طور مستقیم یا غیر مستقیم با این مسئله در گیر می باشد. از طرف دیگر مسیریابی برای سیستم چند عاملی مشکل تر از مسیریابی برای یک ربات می باشد چرا که با افزایش تعداد ربات ها احتمال برخورد آنها با یکدیگر در محیط وجود دارد. در سیستم های چند عاملی چون همواره رقابت بین عامل ها برای گرفتن مسیر وجود دارد، احتمال آن می رود که بعضی از عامل ها نتوانند به مقصد مورد نظرشان برسند. هدف این پایاننامه مسیریابی هوشمند برای سیستم چند عاملی با استفاده از الگوریتم های تکاملی می باشد. بنابراین مسئله مسیریابی ربات را به یک مسئله بهینه سازی تبدیل کرده و بهترین مسیر برای ربات ها انتخاب می شود نتایج شبیه سازی نشانگر عملکرد موفق و کارایی این الگوریتم در مسیریابی ربات ها می باشد، و برخلاف روش هایی که در مینیمم های محلی گیر می کنند (مانند روش های میدان پتانسیل)، با استفاده از این الگوریتم، ربات ها هیچگاه در چنین موقعیت هایی گیر نکرده و بدون برخورد به موانع ثابت و متحرک و نیز ربات های دیگر موجود در محیط به اهداف خود می رسند. . از طرف دیگر، الگوریتم مسیر یابی هوشمند ارائه شده با استفاده از الگوریتم ژنتیک (ga) و الگوریتم قورباغه (sfl) بر روی سیستم اجرا شده و نتایج بدست آمده نشانگر موفقیت الگوریتم قورباغه می باشد، چرا که مسیر یابی با استفاده از این الگوریتم سریعتر بوده و ربات ها با طی مسافت کمتری به مقصد خود می رسند. ربات های مورد استفاده در این پایاننامه، ربات موبایل khepera?? می باشد و شبیه سازی ها در محیط شبیه ساز6.1.5 webots™ صورت گرفته و از زبان برنامه نویسی2008b matlab® به عنوان واسط برنامه نویسی استفاده شده است.

چکیده : در راستای ایجاد ارتباطی دوستانه با کامپیوتر ها ، لزوم تشخیص حالات انسان توسط کامپیوتر ها امری ضروری است. در این پایان نامه ما با استفاده از روش های هوشمند به امر پرداخته ایم.پیش تر برای استنتاج و تشخیص حالات چهره اطلاعات مربوط به ویژه گی های تصویر از فریم حالت نرمال فرد و حالت فعلی استخراج و با مقایسه این مقادیر حالت فرد با استفاده از روش طبقه بندی و استنتاج تبیین می شد. این امر علاوه بر بار محاسبات بالا به علت نیاز به پارامترهای حالت نرمال فرد سبب میشود این روش ها عملکرد مناسبی در سیستم های کاربردی نداشته باشند. برای این منظور با استفاده از روش استنتاج فازی، برای المانها ی موثر در نمایش حالات احساسی پایه و همچنین برای هر حالت متغیر هایی در خروجی سیستم استنتاج فازی ممدانی طراحی نمودیم با طرح این مدل علاوه بر تشخیص حالت میتوانیم برای هر یک از حالات چهره یک مقدار فازی بیان نماییم و اطلاعات سطح بالاتری از حالات فرد داشته باشیم .برای تعیین پارامترهای حالت نرمال چهره برای مقایسه و محاسبه میزان تغیر المانها از الگوریتم شبکه های عصبی استفاده می نماییم برای افزایش کارایی سیستم و محاسبه تعداد نرونهای لایه میانی در شبکه عصبی مذکور از یک روش ابتکاری به نحوی که در پایان نامه ذکر خواهد شد استفاده می نماییم و در نهایت برای تخمین حالت های بعدی در چهره از روش رگرسیون خطی استفاده نمودیم که با استفاده از نتایج بدست آمده در تحلیل فریم ها در یک دنباله تصویر و محاسبه میزان حالات در هر فریم مدل تغییرات حالات فرد را با استفاده از روش رگرسیون خطی مدل کرده و برای تخمین حالت فرد در فریم بعدی استفاده می نماییم .

شبکه های عصبی فازی، یک نوع از سیستم های هوشمند ترکیبی هستند که بر اساس محاسبات عصبی فازی بنا شده اند. این ساختار از ترکیب سیستم های فازی و شبکه های عصبی حاصل شده است. شبکه های عصبی با وجود آنکه دارای مزایای دقت نگاشت ورودی- خروجی و قدرت تطبیق پذیری هستند، اما به دلیل عدم قدرت تفسیر، صرف زمان قابل ملاحظه برای کشف ساختار داخلی و طولانی بودن زمان آموزش محدودیت هایی را ایجاد می کنند. از طرف دیگر سیستم های فازی نیز دارای ضعف تطبیق پذیری هستند. لذا می توان شبکه های عصبی فازی را که مزایای سیستم های فازی و شبکه های عصبی را به طور یکجا دارا هستند، برای کاربرد های مختلف بکار برد. برای حل مشکل نامعینی در متغیرهای زبانی از منطق فازی استفاده می شود. درجه عضویت در فازی نوع -1، یک عدد غیر فازی است. اما تعیین دقیق این مقدار عددی بسیار مشکل است، خصوصاً در سیستم های ناشناخته و یا به شدت غیرخطی و دارای نامعینی، این امر بسیار مشکل ساز است. در سال های اخیر با تعمیم منطق فازی نوع -1 به منطق فازی نوع -2، جهش چشم گیری در هوش محاسباتی و سیستم های هوشمند حاصل شده است. به دنبال معرفی منطق فازی نوع -2، شبکه های عصبی نوع اول به شبکه های عصبی فازی نوع -2 گسترش یافتند. در فازی نوع -2، درجه عضویت یک عدد فازی است. در برخی سیستم ها تعیین دقیق درجه عضویت کار دشواری است، بنابراین منطق فازی نوع -2 می تواند کار گشا باشد. سیستم های فازی نوع -2 با قدرت انعطاف پذیری بیشتر و توانایی در مدلسازی سیستم های با نامعینی بالا، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. یکی از کاربرد های مهم شبکه های عصبی فازی نوع -2 شناسایی سیستم های دینامیکی غیرخطی است. در این پایان نامه راهکار های گوناگون در شناسایی سیستم های دینامیکی غیر خطی با شبکه های عصبی فازی نوع -2 و همچنین بحث ساده سازی مدل های عصبی فازی نوع-2 (روش کاهش تعداد قواعد) مورد بحث واقع شده و شبیه سازی این راهکار ها برای سیستم های دینامیکی و نتایج حاصله از آن مورد بررسی قرار گرفته است.

در این پایان نامه قوانین هدایت مبتنی بر تئوری بازی بررسی می شوند. ابتدا در فصل دوم قوانین کلاسیک هدایت مانند هدایت خط دید و تعقیب محض را معرفی می کنیم. سپس ناوبری موازی را معرفی نموده و قوانین ناوبری تناسبی و ناوبری تناسبی افزودنی به تفصیل شرح داده می شوند. در فصل سوم ابتدا مروری بر تئوری بازی دیفرانسیلی lq می شود و بعضی از مفاهیم مرتبط با آن که در هدایت کاربرد دارد، مطرح می شود. در ادامه تعقیب کنند? غیر ایده آل و گریزند? ایده آل را در نظر می گیریم. روش بازی دیفرانسیلی معرفی می شود که شامل فاصل? خطا و تلاش های کنترلی تعقیب کننده و گریزنده است. در نهایت حالتی را در نظر می گیریم که مانور هدف شامل دو قسمت که یکی ثابت و معلوم برای تعقیب کننده و دیگری بهینه نسبت به تابع هزینه و نامعلوم برای تعقیب کننده است. در فصل چهارم یک روش ردیابی فیدبک-حالت بهینه معرفی شده است که مقدار امید ریاضی شاخص عملکرد استاندارد را نسبت به پارامترهای نامعلوم برای سه نوع الگوی ردیابی سیگنال مرجع مینیمم می کند . در حالت افق-محدود روش تئوری بازی استفاده می شود که با یک سیگنال مرجع مشخص معلوم، کنترل کننده برعلیه طبیعتی بازی می کند که شامل شرایط اولیه و اغتشاش انرژی-محدود است. استراتژی های بهینه برای کنترل کننده و طبیعت با دستیابی به یک تعادل نقطه زینی پیدا می شوند. قوانین هدایت مرسوم به شدت به ثابت زمانی موشک و زمان مانده وابسته هستند. در موقعیت های واقعی شناسایی این دو پارامتر شامل نامعینی می باشد. اثر خطای تخمین زمان مانده را بررسی می کنیم. نشان داده شده است که این خطای تخمین به طور قابل توجهی عملکرد قانون هدایت بهینه را کاهش می دهد. سپس مبتنی بر کنترل ردیاب اثر نویز اندازه گیری زمان مانده به عنوان نویز سفید افزاینده مدل شده است و در نتیجه قانون هدایتی پیشنهاد می شود که نسبت به این نویز حساسیت بسیار کمتری دارد.

در پایان نامه درایو بدون حسگر موتور سنکرون مغناطیس دائم با روش کنترل مستقیم گشتاور بر پایه رویتگر شبکه عصبی انجام شده است

هدف این پایان نامه، تشخیص خطا برای سیستم های گسسته پیشامد توسط شبکه های پتری- عصبی ( (npnsمی باشد. در ابتدا سیستم گسسته پیشامد توسط شبکه پتری مدلسازی می شود. بافرض اینکه مهره گذاری اولیه در دسترس باشد، خطاها توسط گذرهای رویت ناپذیر مدلسازی می شود. در این پایان نامه مهره گذاری g-marking معرفی شده است که در آن محل ها می تواند تعداد مهره منفی داشته باشد و هنگامی که این واقعه رخ می دهد، نمایانگر این است که خطایی ممکن است در سیستم اتفاق بیفتد. شبکه های عصبی(nns) نقش بسیار مهمی در بهبود نتایج حاصله دارد. خروجی شبکه های عصبی در ارتباط با گذز های رویت ناپذیر است و درصد تعداد خطای احتمالی مورد نظر را گزارش می دهد؛ بنابراین با استفاده این روش، می توان خطاهای احتمالی را الویت بندی کرده و در ابتدا اپراتور خطایی را که درصد بیشتری دارد، بررسی خواهد کرد. بعد از اینکه اپراتور اولین محل خطا را بررسی کرد، ممکن است خطای مورد نظر در این محل اتفاق افتاده باشد یا خطای مورد نظر در این محل اتفاق نیفتاده باشد؛ در حالت اول واضح است که به بررسی رفع خطا پرداخته خواهد شد و به مقدار در صد این خطا در مرجع شبکه عصبی افزوده خواهد شد و در حالت دوم اپراتور به سراغ محل خطا با در صد بیشتر بعدی خواهد رفت و از مقدار درصد خطای اولی در مرجع شبکه عصبی کاسته خواهد شد و روند به همین ترتیب ادامه خواهد یافت؛ بنابراین با این روش می توان در وقت صرفه جویی کرد. نتایج مدل سازی و تشخیص، بیانگر کارآیی روش های پیشنهادی می باشد. این نشان می دهد که روش های پیشنهادی می تواند با عملکرد سریع به خوبی از سیستم محافظت کرده و در صورت بروز مشکل به خوبی اپراتور را راهنمایی کند و در مقایسه با کارهای انجام شده قبلی، نتایج بهینه تری بدست می آید زیرا که در کارهای قبلی فقط احتمال بروز خطا بیان شده بود؛ در حالی که در روش جدید پیشنهادی می توان به درصد خطای احتمالی دست یافت.

کنترل تطبیقی مدل آزاد یک روش تطبیقی است که هیچ نیازی به اطلاعات در مورد سیستم و تنظیمات مدل فرآیند ندارد. این کنترلر از اطلاعات ورودی- خروجی سیستم کنترل شده برای طراحی کنترلر استفاده می‏کند. لزوم استفاده از این کنترل‏کننده و مشخصه‏های این نوع کنترل به قرار زیر می‏باشد: ? شناخت کمی دقیقی از فرآیند لازم نمی‏باشد؛ ? هیچ شناسایی کننده یا مکانیزمی شناسایی فرآیندی در سیستم موجود نیست؛ ? هیچ طراحی کنترل‏کننده‏ای برای فرآیند خاصی مورد نیاز نیست؛ ? شاخص و آنالیز پایداری سیستم حلقه بسته موجود است. در حالت کلی استفاده از کنترل تطبیقی وابسته به یافتن مدل ریاضی سیستم است، اما پیدا کردن مدل ریاضی بعضی سیستم‏ها کاری دشوار است، بر طبق این امر، ارائه یک کنترل‏کننده تطبیقی مدل آزاد بهبود یافته براساس یک روش هوشمند مثل فازی یا عصبی و یا قوانین ابتکاری می‏تواند باعث وابستگی کمتر و یا تقریبا ناچیز کنترلر به مدل ریاضی سیستم گردد، این امر در فصل دوم و سوم این پایان‏نامه به صورت نظری بررسی شده و در فصل چهارم این کنترلر پیشنهادی بر روی چند سیستم پیاده و شبیه‏سازی گردیده است.

در سال های اخیر اهمیت زمانبندی به دلیل افزایش نیاز مصرف کنندگان به تنوع محصول، کاهش زمان تولید، تغییر بازارهای مصرف و سرعت توسعه تکنولوژی های جدید افزایش یافته است.در عین حال دیگر یک زمانبندی استاتیک برای سیستم های تولیدی حتی با در نظر گرفتن محدودیت های کاربردی بسیار، بدلیل در نظر نگرفتن مجموعه ای از عدم قطعیت ها و پویایی در سیستم های تولیدی واقعی مورد قبول نمی باشد و در عوض زمانبندی پویای سیستم های تولیدی بیشتر مورد توجه محققان قرار گرفته است. انگیزه این پژوهش، طراحی یک روش زمانبندی است به طوری که حتی الامکان واقعی و دارای یک سری ویژگی های مهم مانند در نظر گرفتن چندین هدف به طور همزمان، در نظر گرفتن رویدادهای غیر منتظره مانند ورود سفارش جدید، خرابی ماشین و تعمیر ماشین و انعطاف پذیری جریان باشد. سیستم های تولیدی انعطاف پذیر(fms) عموما شامل گروهی از ماشین ها می باشند که روی قطعات مختلف کارهای گوناگونی انجام می دهند؛ یک عملیات در ماشین های متفاوت می تواند پردازش شود و کلیه کارها توسط یک سیستم کامپیوتری کنترل می شوند. این انعطاف پذیری ها به شدت فضای راه حل را افزایش می دهد و زمانبندی fms را پیچیده می کند. همچنین از آنجایی که در دنیای واقعی، تولید همواره مطابق با زمانبندی از پیش تعیین شده پیش نمی رود و ممکن است رویدادهای غیر منتظره ای رخ دهد که موجب قطع زمانبندی مورد انتظار شود، مفاهیمی نظیر پویایی زمانبندی سیستم های تولیدی و در نظر گرفتن شرایط عدم قطعیت در مسئله اهمیت ویژه ای یافته است. در این پایان نامه ابتدا یک سیستم مدلسازی مناسب یعنی شبکه پتری اتفاقی (spn) برای توصیف رویدادهای نامعین و رفتارهای تصادفی در سیستم تولیدی انعطاف پذیر مورد نظر مانند خرابی ابزارهای ماشین، زمان تعمیر و زمان پردازش توسعه داده می شود. علاوه بر این یک روش توزیع ابتکاری با توجه به رفتار و ویژگی های سیستم تولیدی انعطاف پذیر معرفی می شود. در این پایان نامه از سیستم تصمیم گیری چند معیاره (mcdm) و سیستم استنتاج فازی (fis) برای انتخاب قطعات و ماشین هایی با بیشترین اولویت پردازش به هنگام ایجاد تداخل در پردازش ماشین، با هدف یافتن بهترین مسیر پردازش و کاهش زمان تکمیل کارها و تاخیر بهره گرفته می شود . برای ارزیابی عملکرد نسبی قوانین زمانبندی پیشنهاد شده، قوانین مختلف با یکدیگر مقایسه می شوند.

به منظور درک و شناخت محیط های کاری متنوع و همچنین انجام کارهای پیشرفته مانند ماموریت-های فضایی، ماموریت های زیردریایی، کاربردهای پزشکی و غیره می توان از سیستم های تله اپراتری به عنوان رابط کاربر با محیط کاری، استفاده کرد. معمولا به دلیل فاصله زیاد بین روبات های موجود در سیستم تله-اپراتوری، در انتقال اطلاعات بین روبات های مذکور، تاخیر وجود دارد که این تاخیر مهمترین چالش در پایداری مجموعه سیستم تله اپراتوری و میزان کارایی آن می باشد. میزان کارایی که در ادبیات سیستم های تله اپراتری با مفهوم شفافیت بیان می شود، به معنی میزان احساس کاربر از محیط کاری می باشد که در فاصله دورتر از کاربر قرار گرفته است و منظور از پایداری سیستم تله اپراتوری، کراندار ماندن خطای ردیابی بین رفتار روبات های موجود در سیستم تله اپراتوری می باشد. به منظور افزایش میزان شفافیت سیستم، می بایست از محیط کاری اطلاعات کافی به دست آورده و به کاربر منتقل کرد. این اطلاعات را می توان توسط سنسورهای مختلف مانند دوربین ها، سنسورهای نیرو و سنسورهای موقعیت اندازه گیری کرده و به کاربر انتقال داد. معمولا در سیستم های تله اپراتوری با پهنای باند محدود انتقال اطلاعات، ارسال اطلاعات بصری باعث افزایش تاخیر و پیامد آن افزایش پیچیدگی مساله کنترل در کاربردهای مختلف سسیتم تله اپراتوری می شود. بنابراین در اینگونه سیستم ها معمولا از سنسورهای بصری استفاده نمی شود و فقط اطلاعات نیرو و موقعیت جهت طراحی کنترل کننده به منظور پایدارسازی و افزایش میزان شفافیت سیستم تله اپراتوری مورد استفاده قرار می گیرد. سیستم های تله اپراتوری دو طرفه، متشکل از دو روبات، کنترل کننده های روبات ها و کانال انتقال اطلاعات می باشند که یکی از روبات ها که با کاربر در ارتباط است روبات فرمانده نامیده شده و روبات دیگر که با محیط کاری در ارتباط است، روبات فرمانبر نامیده می شود. هدف کنترل کننده های روبات های فرمانده و اسلیو، تضمین اهداف کنترلی شامل پایداری کل مجموعه سیستم تله اپراتوری و شفافیت آن می باشد. در این رساله، روش طراحی کنترل کننده غیرخطی برای سیستم های تله اپراتوری دو طرفه با تاخیر متغیر با زمان مورد بررسی قرار می گیرد. مدل دینامیکی استفاده شده برای روبات های فرمانده و فرمانبر به منظور طراحی کنترل کننده و تحلیل پایداری مجموعه سیستم تله اپراتوری، مدل غیر خطی بوده با ویژگی های مشخص می باشد. همچنین در تمامی روش های کنترلی پیشنهادی جدید در این رساله، تاخیر موجود در کانال انتقال اطلاعات بین روبات های فرمانده و فرمانبر متغیر با زمان و نامتقارن می باشد. در این رساله، در فصل اول مقدمه ای بر سیستم تله اپراتوری بیان شده و در فصل دوم سیستم تله-اپراتوری با تاخیر موجود در کانال انتقال اطلاعات و روش های موجود برای پسیو کردن سیستم تله اپراتوری مورد مطالعه قرار می گیرد. در فصل دوم، روش پیشنهادی جدید برای پسیو کردن کانال انتقال اطلاعات و همچنین مدل سازی تاخیر متغیر با زمان با اغتشاش کانال همراه با تاخیر ثابت، بیان شده و شبیه سازی و نتایج آزمایشگاهی روش پیشنهادی آورده شده است. در فصل سوم روش طراحی کنترل کننده تطبیقی برای سیستم های تله اپراتوری با تاخیر ثابت در کانال انتقال اطلاعات مورد مطاله قرار گرفته و در ادامه فصل سوم، روش پیشنهادی جدیدی برای طراحی کنترل کننده تطبیقی برای سیستم تله اپراتوری با تاخیر متغیر با زمان در کانال انتقال اطلاعات همراه با شبیه سازی و نتایج آزمایشگاهی مربوطه آورده شده است. در فصل چهارم، مساله اشباع محرک در مفاصل روبات های سیستم تله اپراتوری مورد بررسی قرار می گیرد و روش کنترلی جدیدی برای برخورد با مساله اشباع محرک های روبات ها در سیستم تله اپراتوری با تاخیر متغیر با زمان معرفی شده و در ادامه، شبیه سازی و نتایج آزمایشگاهی کنترل کننده پیشنهادی جدید آورده شده است. در فصل پنجم، به بررسی و ارایه روش کنترلی جدید برای ردیابی هم زمان موقعیت و نیرو در سیستم تله اپراتوری با تاخیر متغیر با زمان پرداخته شده و شبیه سازی و نتایج آزمایشگاهی مربوطه آورده شده است که منظور از ردیابی موقعیت و نیرو، به ترتیب ردیابی موقعیت های مفاصل بین روبات های فرمانده و فرمانبر و ردیابی نیروهای اعمالی از طرف کاربر و محیط کاری می باشند. شایان ذکر است که تمامی نتایج آزمایشگاهی موجود در این رساله در آزمایشگاه تله روباتیک دانشگاه آلبرتا کانادا انجام شده است.

در تعیین مدل دینامیکی شبکه قدرت همواره عدم قطعیت هایی ناشی از تغییر بار، تغییر توپولوژی و ساختار شبکه، دینامیک های صرفنظر شده، نامعینی در مدل و عدم قطعیت در پارامترهای مدل وجود دارد. به دلیل نامعینی های موجود در پارامترهای سیستم قدرت و غیرخطی بودن ماهیت آن، استفاده از یک روش کنترلی غیرخطی که این نامعینی ها را در نظر بگیرد می تواند تأثیر بسزایی در پایداری سیستم داشته باشد. هدف از این مطالعه، طراحی پایدارساز سیستم قدرت به عنوان کنترل کننده مکمل سیستم تحریک به نحوی است که برخی از این نامعینی ها را در نظر گرفته و با توجه به ماهیت سیستم قدرت به صورت غیرخطی عمل نماید. برای این منظور پایدارساز به روش غیرخطی گام به عقب تطبیقی طراحی شده است. روش گام به عقب یک روش سیستماتیک و مبتنی بر روش های بازگشتی می باشد که به صورت گام به گام خطای دینامیک های سیستم را صفر می کند. این روش یکتا و پیاده سازی آن ساده است و به این دلیل که بازه ی تغییرات پارامترهای سیستم قدرت زیاد می باشد، استفاده از این روش برای سیستم های قدرت مناسب می باشد. به دلیل مشکل بودن محاسبه ضریب دمپینگ (d)، این کمیت به عنوان پارامتر نامعین بخش قدرت و همچنین بهره کنترل کننده گام به عقب به عنوان نامعینی بخش کنترلی در نظر گرفته شده اند. به دلیل کاهش چشم گیر حجم محاسبات و دقت مناسب مدل مرتبه سوم ژنراتور سنکرون، از این مدل برای طراحی پایدارساز استفاده شده است. با توجه به اینکه هدف بهبود میرایی نوسانات محلی است برای بررسی عملکرد pss طراحی شده، سیستم تک ماشینه متصل به شین بی نهایت به عنوان سیستم تست در نظر گرفته شده است. مقایسه نتایج شبیه سازی ها با انواع پایدارسازهای مرسوم نشان می دهد که pss طراحی شده باعث بهبود میرایی نوسانات فرکانس پایین و در نتیجه بهبود پایداری دینامیکی، بهبود پایداری گذرا و همچنین بهبود سرعت پاسخ دهی سیستم شده است. به علاوه، پیاده سازی پایدارساز ارائه شده به دلیل عدم حذف جمله های غیرخطی مفید، ساده تر از سایر روش های ارائه شده پیشین می باشد.

چکیده در این پایان نامه سعی شده است، تا با استفاده از منطق فازی و الگوریتم ژنتیک با مسئله خوشه بندی ترکیبی برخورد شود. با استفاده از منطق فازی می توان اطلاعات بیشتری را از مجمع خوشه ها استخراج کرد که این امر می تواند منجر به ترکیب بهتر خوشه ها شود. همچنین الگوریتم ژنتیک می تواند با کاوش وسیع تر فضای مسئله نتیجه بهتری را نسبت به سایر روش های خوشه بندی ترکیبی ارایه کند. در حل مسئله با الگوریتم ژنتیک دو محور کلی می تواند مورد نظر قرار گیرد: الف) کد کردن مسئله خوشه بندی ترکیبی به گونه ای که بتوان با استفاده از الگوریتم ژنتیک آن را حل کرد. ب) طراحی تابع ارزیابی به گونه ای که راهنمای خوبی برای یافتن نتیجه بهتر برای مسئله خوشه بندی ترکیبی شود. در این پایان نامه از نمایش رشته ای برای کدکردن مسئله استفاده شده است. همچنین یک تابع برازندگی فازی جدید برای الگوریتم ژنتیک طراحی شده است که به طور موثری منجر به کارایی بالای بهینه سازی می شود. نتایج آزمایشات نیز که روی مجموعه داده های استاندارد مختلف پیاده سازی شده است، نشان از کارایی بالای روش پیشنهادی دارند. واژه های کلیدی: خوشه بندی، خوشه بندی ترکیبی، الگوریتم ژنتیک، منطق فازی. ?

بینایی رایانه ای یا بینایی کامپیوتری (computer vision)یکی از شاخه های مدرن و پرتنوع هوش مصنوعی ا ست که با ترکیب روش های مربوط به پردازش تصاویر و ابزارهای یادگیری ماشینی رایانه ها را قادر به بینایی اشیاء، مناظر و درک هوشمند خصوصیات گوناگون آنها می گرداند و امروزه به عنوان یک ابزار مهندسی در پردازش های دیجیتال، شبکه های کامپیوتری و نیز برای کنترل ابزارهای صنعتی از قبیل کنترل بازوهای ربات و یا خارج کردن تجهیزات معیوب به کار می رود. از این رو ترکیب مناسب یک سیستم بینایی ماشین برای شناسایی موقعیت جسم هدف و از سوی دیگر طراحی یک سیستم تعقیب گر بر روی یک بازوی هوشمند می تواند ایده مناسبی برای انجام فرآیندهای صنعتی باشد. در این پایان نامه، یک روش جدید گوشه یابی در فرآیند کالیبراسیون صنعتی پیاده گردیده و نتایج حاصل از پردازش تصاویر توسط تطبیق ویژگی های تصاویر استریو، موقعیت سه بعدی جسم هدف را نتیجه می دهد. موقعیت بدست آمده، به یک بازوی ربات سه درجه آزادی اعمال شده واین بازو توسط یک کنترلر ترکیبی عصبی- به تعقیب هدف می پردازد. باوجود آنکه کنترلرهای مرتبه بالاتر ممکن بود دارای عملکرد مناسبی در تعقیب مسیر باشند ولی در عوض دارای پیچیدگی محاسباتی و مشکلات پیاده سازی بسیار زیادی می باشند. لذا روش جدید بکار گرفته شده در این زمینه، ترکیب یک کنترلر عصبی با کنترلر مرتبه دو جهت حذف اغتشاش، تسریع عملکرد بازو و مقاومت بالا در برابر نامعینی های سیستم می باشد. برای ارزیابی کنترلر پیشنهادی دو کنترلر غیرخطی و عصبی- روی مدل غیرخطی بازوی سه درجه آزادی پیاده شده و پاسخ سیستم در هر مورد باهم مقایسه شده اند. نتایج شبیه سازی نشان داد که که کنترلر پیشنهادی علیرغم پیچیدگی ساختاری کمتر، دارای عملکرد موثرتری می باشد.

در این پایان نامه طراحی کنترل کننده ی مدلغزشی تطبیقی برای سیستم های دینامیکی همراه با نامعینی ارائه شده است. در حقیقت برای داشتن مزایای دو روش کنترل تطبیقی و مقاوم از ترکیب دو روش یعنی کنترل مقاوم تطبیقی بهره گرفته شده است. در بین روش های کنترل مقاوم، کنترل مدلغزشی به خاطر سادگی کاربرد و کم بودن خطای محاسباتی برگزیده شده است. همچنین برای رفع معایب این روش کنترل تطبیقی به کار گرفته شده است. در روش کنترل مدلغزشی دانستن حد بالای نامعینی ها لازم است، اما این کار در عمل ساده نیست. با ترکیب این روش با کنترل تطبیقی، نیازی به دانستن حد بالای نامعینی ها نیست. در کنترل مدلغزشی سیگنال کنترلی به دلیل استفاده از بهره ی کنترلی بالا و به دلیل سوئیچینگ دارای مولفه های فرکانس بالا بوده و پدیده ی چترینگ ایجاد می شود و این امر باعث کاهش طول عمر محرک ها می شود. کنترل تطبیقی بکار رفته در این پایان نامه مشکل چترینگ را حل می کند. این کنترل کننده بر روی جرثقیل هوایی دو درجه ی آزادی پیاده سازی شده است. دلیل استفاده از جرثقیل هوایی به عنوان سیستم کنترلی غیرخطی بودن آن و بررسی مقاومت این سیستم کنترلی نسبت به تغییرات پارامتری و اغتشاشات خارجی می باشد. در روش پیشنهادی عملکرد ردیابی تضمین شده و پایداری مقاوم توسط تئوری لیاپانوف اثبات شده است. نتایج شبیه سازی نشان دهنده ی عملکرد خوب و مقاوم بودن کنترل کننده ی پیشنهادی می باشد.

در این پایان‏نامه طراحی کنترل‏کننده ی پیش‏بین برای سیستم‏های غیرخطی دارای قید مورد مطالعه قرار گرفته است. کنترل‏کننده پیش‏بین، با پیش‏بینی رفتار آینده سیستم در طول افق محدود این امکان را فراهم می سازد تا خطای ردیابی آینده در مسئله بهینه‏سازی وارد شود. باتوجه به اینکه سیستم‏های عملی همواره در معرض محدودیت‏ها قرار دارند، این روش به طور صریح محدودیت‏ها را در مسئله بهینه‏سازی مد‏نظر قرار می‏دهد. وجود مسئله بهینه‏سازی برخط این امکان را فراهم می کند تا بر اساس اطلاعات به روز سیستم در هر لحظه بتوان به کنترل‏کننده بهینه دست‏یافت. هدف کنترلی، طراحی کنترل‏کننده ی مناسب برای دستیابی به تنظیم و ردیابی رضایت‏بخش می‏باشد. کنترل‏کننده ارائه شده توانایی قابل ملاحظه ای در همگرایی سریع حالت-ها به نقطه ی تعادل و ردیابی موفق مسیر مطلوب در حضور اغتشاش ها را دارد، همچنین قابلیت این روش در مقابله با تأخیر موجود در سیستم بسیار قابل توجه می‏باشد.

در این رساله، برای نخستین بار، منطق فازی در عرصه ی رباتیک فریب کارانه به کار رفته است و در بررسی شرایط نظامیِ تعقیب و گریز، منطق فازی و نظریه ی بازی ها در کنار الهاماتی از طبیعت در نظر گرفته شده اند تا پدیده ی فریب، از منظر رباتیک مورد بررسی قرار گیرد. در این رساله، پدیده ی فریب رباتیک در قالب یک بازی ناهمکارانه با اطلاعات ناکامل بین بازیکنان عاقل مدل سازی می گردد که در آن با استفاده از آرایش محیط با سیگنال های فریب، باور ربات تحت فریب توسط ربات فریب کار دست کاری می گردد. با در نظر گرفتن بازی های سیگنالی به عنوان زیر مجموعه ای از بازی های با اطلاعات ناکامل، سرانجام فریب رباتیک در یک بازی فازی سیگنالی مد نظر قرار می گیرد که در آن سیگنال های فریب کارانه ی فرستنده (استراتژی های ربات فریب کار) و نیز واکنش های گیرنده (استراتژی های ربات تحت فریب) همگی بر اساس سیستم استنتاج فازی خواهند بود. همچنین با استفاده از سیگنال های الهام گرفته شده از طبیعت در روند فریب، بستر مناسب تری برای مخابره ی اطلاعات نادرست و آلوده به خطا، فراهم شده است. ربات ها این قابلیت را دارند که در روند تعامل فریب کارانه، مفاهیمی را از یکدیگر «یاد بگیرند» و در نهایت بعد از یک دیرکرد کوتاه در فرایند یادگیری، هر ربات استراتژی خود را تغییر خواهد داد تا بتواند خود را با شرایط جدیدی که در اثر تغییر در استراتژی حریف به وجود آمده است، وفق دهد.