تاخیر در فرآیندهای کنترلی دلایل مختلفی دارد که عموماً به ذات فرآیند و یا موقعیت سنسورها و عملگرها در سیستم کنترل مربوط می شود. شناسایی این تاخیر زمانی در یک فرآیند، جهت کنترل و مطالعه آن و یا طراحی کنترلر بسیار حائز اهمیت است. در بسیاری از سیستم های صنعتی این تاخیر زمانی قابل اندازه گیری مستقیم نیست، زیرا نمیتوان فرایند را متوقف نموده و تحت آزمایشات تئوریک قرار داد. فلذا روشهایی پیشنهاد شده است که میزان تاخیر موجود در فرآیند را از روی یک سری اطلاعات ورودی-خروجی آن تخمین بزند. این روشها هر یک دارای ویژگی هایی میباشد. برخی از آنها با رویکرد شناسایی سیستم و تخمین پاسخهای ضربه و پله به تخمین تاخیر می پردازند. برخی دیگر به شناسایی و تخمین زمان نشست و ثابت زمانی سیستم می پردازند و برخی دیگر دینامیک های موثر در مجموعه ورودی و خروجی سیستم را مورد مطالعه قرار می دهند. عملکرد هر یک از روش ها نیز در شرایط مختلف متفاوت است. توانایی تخمین تاخیر در برخی از روشها بسیار وابسته به نویز محیط است. همچنین برخی از آنها زمانی تخمین مناسبی ارائه می دهند که ورودی سیستم شکل خاصی داشته باشد و طیف خاصی از فرکانس نایکوئیست را شامل شود. فلذا یک ارزیابی کلی از اینکه این هر یک از این روش ها در سیستم های مختلف خطی و غیرخطی چه عملکردی دارند و تا چه میزان عملکرد آنها تابع نویز و شکل ورودی سیستم است موضوع اصلی این پایان نامه می باشد. همچنین مدل narx مبتنی بر شبکه عصبی برای تخمین تاخیر سیستم های غیرخطی مورد استفاده قرار گرفته است و همچنین روشی بر مبنای حذف مولفه های تاثیرگذار با روش subspace برای سیستم های mimo معرفی شده و عملکرد آن با سایر روش ها مقایسه شده است. در این پایان نامه روش های معرفی شده در ارتباط با تخمین تاخیر به سیستم های siso خطی و غیرخطی و mimo خطی در شرایط نویزی متفاوت و سیگنال های ورودی متفاوت اعمال می شود و عملکرد آنها به روش تحلیل آماری و همچنین تکنیک anova مورد تجزیه و تحلیل قرار می گیرد. سپس با روش تصمیم گیری چند معیاره merit ratio این روش ها بر اساس اینکه در شرایط مختلف چه عملکردی داشته اند برای هر دسته از سیستم ها اولویت بندی می شوند.

در این پایان نامه، به بررسی روش های دسته بندی بار و پیش بینی قیمت در بازار برق پرداخته شده است و نقش آن ها در بهبود عملکرد خرده فروشان انرژی الکتریکی مورد بررسی قرار گرفته است. دسته بندی بارها به منظور ارائه قیمت های متفاوت به مصرف کنندگان مختلف، می تواند درجه آزادی خرده فروشان را در تعیین قیمت برای مصرف کنندگان افزایش دهد. در این پایان نامه، روش های k-means، fuzzy c-means و دسته بندی با استفاده از الگوریتم بهینه سازی ترکیبی آموزش-یادگیری و تکامل تفاضلی برای دسته بندی بارها مورد بررسی قرار گرفته است. از سوی دیگر، برای این که یک خرده فروش عملکرد مناسبی در بازار داشته باشد، اطلاع از قیمت بازار در آینده، برای او امری ضروری محسوب می شود. بنابراین، خرده فروشان، از روش های پیش بینی قیمت برای تخمین قیمت در آینده استفاده می کنند. روش های پیش بینی بررسی شده در این پایان نامه، روش های مدل سازی سری های زمانی هستند، که به دو دسته خطی و غیرخطی تقسیم بندی می شوند. از روش های خطی، روش arima و از روش های غیرخطی، شبکه های عصبی mlp وrbf، ماشین بردار پشتیبان و مدل سری های زمانی فازی مورد بررسی قرار گرفته است. همچنین، مدلی بر اساس سری های زمانی فازی برای پیش بینی قیمت برق ارائه گردیده است و روش های سفیدسازی،آنالیز مولفه های مستقل و انتخاب ویژگی بر اساس تابع همبستگی عرضی نیز برای پیش پردازش ورودی های شبکه های عصبی، مورد بررسی قرار گرفته است. برای مقایسه عددی روش های پیش بینی فوق، از داده های بازارهای برق اسپانیا، سنگاپور و نیوانگلند استفاده شده است. در ادامه، برای نشان دادن نقش روش های دسته بندی بار و پیش بینی قیمت در بهبود عملکرد خرده فروشان، به مدل سازی عملکرد خرده فروشان در دو بازه زمانی میان مدت و کوتاه مدت پرداخته شده است. لازم به ذکر است که در بازه زمانی میان مدت، به دلیل بالا بودن عدم قطعیت بار و قیمت بازار، از روش تولید سناریو برای حل مسئله میان مدت استفاده شده است.

مسئله آشکارسازی عیب به یکی از مسائل مهم در صنایع مختلف و حساس و گران قیمت تبدیل شده است. یکی از روش های آشکارسازی عیب نظارت بر فرآیند ها است. پایه و اساس نظارت بر فرآیند را تخمین حالت و پارامتر های مهم سیستم شکل می دهد. در این پایان نامه با استفاده از فیلتر کالمن مکعبی، نظارت بر فرآیند ها بررسی شده است. به علاوه، الگوریتم فیلتر کالمن مکعبی مقید برای نظارت بر فرآیند هایی که تحت قیودی هستند، ارائه شده است. سپس همگرایی فیلتر کالمن مکعبی تحلیل شده و نسخه ی اصلاح شده ای از این فیلتر ارائه شده است. نسخه ی اصلاح شده ی این فیلتر قادر به تحمل خطاهای تخمین زیاد و بهبود پایداری و همگرایی آن می باشد. با توجه به این که عدم قطعیت ها قسمت اجتناب ناپذیر مدل سازی سیستم ها می باشند، نیاز به آشکارسازی مقاوم عیب بیشتر اهمیت پیدا می کند. در این پایان نامه با استفاده از ترکیب رویتگر ورودی نامعلوم و فیلتر کالمن مکعبی، الگوریتمی ارائه شده است که قادر به آشکارسازی مقاوم عیب در سیستم های غیرخطی است. مزایای روش های ارائه شده آن نسبت به روش های قبلی با استفاده از شبیه سازی بر روی فرآیند های مختلف بررسی شده است. نتایج شبیه سازی ها حاکی از کارا بودن روش های پیشنهادی دارد.

در شبکه های حسگر گاهی به دلیل وجود مشکلات فنی و محدودیت های انرژی، مجبور به استفاده از یکی( یا تعداد اندکی) از حسگرهای موجود در شبکه در هر مرحله زمانی هستیم. ترتیب انتخاب حسگرهایی که در هر مرحله زمانی، اطلاعات دریافتی از محیط را به گره مرکزی ارسال می نمایند، یکی از راهکارهای افزایش دقت در تخمین محیط است. در گره مرکزی تخمین دینامیک سیستم مورد نظر از روی اطلاعات ارسالی توسط حسگرها، به وسیله فیلتر کالمن صورت می پذیرد. برای ترتیب ارسال داده ها تاکنون الگوریتم های زیادی معرفی شده است. از بین این الگوریتم ها، دو الگوریتم sliding window و thresholding در این پایان نامه مورد بررسی قرار خواهند گرفت. الگوریتم های فوق برای زمانی طرح ریزی شده اند که تنها یک حسگر از بین حسگرهای شبکه برای ارسال داده های حس شده از محیط، مورد استفاده قرار گیرد. در این پایان نامه این دو الگوریتم برای زمانی تعمیم داده خواهند شد که شبکه بخواهد اطلاعات بیشتر از یک حسگر را در هر لحظه زمانی در گره مرکزی دریافت نماید. این امر خود مستلزم گسترش روابط فیلتر کالمن برای ترکیب اطلاعات خواهد بود. در ادامه الگوریتم انتخاب دایروی مطرح خواهد شد که از لحاظ کاهش حجم محاسبات انجام شده می تواند موثر باشد. الگوریتم های تکاملی نیز برای تعیین بهینه ارسال داده ها مورد استفاده قرار می گیرند. در این پایان نامه از دو الگوریتم بهینه سازی تراکم ذرات و الگوریتم آموزش و یادگیری استفاده خواهد شد. این الگوریتم ها از لحاظ کاهش حجم محاسبات می توانند بهینه باشند. مبحث عدالت بین حسگرها آخرین مبحث مطرح شده در این پایان نامه خواهد شد.

مسئله هدایت و کنترل یکی از مهم ترین مسائل در صنایع هوایی و دفاعی به شمار می رود. یکی از معروف ترین و قدیمی ترین روش های هدایت عملی روش هدایت تناسبی می باشد. در این پایان نامه با بهره گیری از کلیات قانون هدایت تناسبی، یک روش هدایت بر اساس اهداف مجازی ارائه و بررسی شده است. روش کار به این صورت است که با در نظر گرفتن موقعیت هدف مجازی در جایی بالاتر از هدف اصلی موشک را به سمت هدف مجازی که می تواند ساکن یا متحرک باشد هدایت می کنیم. بعد از گذشت مدت زمانی از شروع فرایند هدایت در صورت وجود هدف مجازی ساکن ( که به آن نقطه گذر هم گفته می شود)، موشک هدف مجازی را که در فاصله مشخصی از آن قرار دارد را رها کرده و به سمت هدف اصلی هدایت می شود و در صورت وجود هدف مجازی متحرک، پارامترهای سرعت هدف مجازی بگونه ای تعیین می شود که هدف مجازی به سمت هدف اصلی حرکت کند و در زمانی که در فاصله اندکی از یکدیگر قرار دارند برخورد انجام شود. ابتدا چند حالت مختلف برای حرکت موشک و هدف مورد بررسی قرار می گیرد و سپس با استفاده از الگوریتم تکاملی آموزش- یادگیری به بهینه سازی موقعیت اولیه هدف مجازی به منظور رسیدن به حداکثر سرعت برخورد می پردازیم.

در این پایان نامه، از چندین الگوریتم توزیع شده در جهت تخمین متغیرهای حالت یک سیستم خطی و دسته بندی داده ها در یک شبکه سنسوری با چندین حلقه استفاده شده است. در اینجا، دو روش جدید mabdkf1 و mabdkf2 جهت رسیدن به تخمینی بهینه از حالتهای یک سیستم خطی با وجود خطا در سنسورها پیشنهاد می شود. در الگوریتم های پیشنهادی، عامل های متحرک نقش اصلی و اساسی را بازی می کنند بطوریکه آنها الگوریتم فیلتر کالمن خطی را بر روی یک سیستم خطی اجراء کرده تا به تخمینی خوب از متغیرهای حالت سیستم برسند. همچنین به کمک دو الگوریتم دیگر با نام های mabdem1و mabdem2، پارامترهای یک تابع چگالی احتمال گوسی تخمین زده شده و داده های موجود در یک شبکه سنسوری با چندین حلقه دسته بندی می شود. در این دو الگوریتم نیز از عاملهای متحرک در جهت اجراء الگوریتم em توزیع شده استفاده می شود. در ادامه همگرایی این دو الگوریتم مورد بررسی قرار خواهد گرفت. در پایان، عملکرد خوب این الگوریتم ها با استفاده از داده های شبیه سازی شده نشان داده خواهد شد.

ناوبری اینرسی تلفیق شده با ناوبری های کمکی مانند gps کارایی سیستم های ناوبری اینرسی را بطور قابل ملاحظه ای افزایش داده است. سیستم های ناوبری اینرسی بطور مستقل قادر به محاسبه موقعیت وسیله بدون نیاز به منبع خارجی می باشد. اگرچه خطاهای موجود در سنسورها باعث شیفت قابل ملاحظه ای در خروجی می شود. در حال حاضر سیستم های ناوبری تلفیقی بیشتر از فیلتر کالمن توسعه یافته (ekf) و فیلتر کالمن خنثی (ukf) استفاده می کنند. دراین فیلترها فرض بر گوسی بودن نویز می باشد که در سیستم هایی با خاصیت غیرخطی بالا فرضی غیر واقعی می باشد. فیلتر ذره ای یک فیلتر غیر خطی غیرگوسی می باشد که محدودیت¬های دو فیلتر ذکر شده را ندارد. اصلی ترین مشکل فیلتر ذره ای حجم محاسباتی این فیلتر می باشد. انتخاب تعداد ذرات در فیلتر ذره ای بسیار مهم می باشد زیرا تعداد ذرات دقت فیلتر و حجم محاسبات را به شدت تحت تاثیر قرار می¬دهد. در این پایان نامه یک روش تطبیقی فازی برای تعیین تعداد ذرات براساس دقت فیلتر ذره ای و محدودیت¬های محاسباتی ارائه شده است. همچنین رابطه بین حجم محاسباتی و تعداد ذرات بررسی شده است. در آخر مقایسه ای بین عملکرد فیلتر ذره ای فازی تطبیقی و فیلتر توسعه یافته انجام شده است.

در این پایان نامه، یک الگوریتم بیزین تغییراتی توزیع شده مبتنی بر فیلتر consensus (cfbdvb) برای تخمین چگالی و دسته بندی داده های به دست آمده از یک شبکه سنسوری ارائه می گردد. فرض می شود که مقادیر اندازه گیری شده با استفاده از مدل های ترکیب گوسی مدل سازی شده اند. در این الگوریتم، ابتدا هر گره چکیده آماری محلی را تنها با استفاده از مشاهدات محلی خود محاسبه می کند. سپس یک فیلتر consensus ، چکیده آماری محلی را در گره های همسایه منتشر می کند و پارامترهای چکیده سراسری در هر گره محاسبه می شود. در نهایت هر گره با استفاده از پارامترهای چکیده سراسری، پارامترهای مدل ترکیب گوسی را به روز رسانی می کند که می تواند انرژی آزاد تغییراتی را به همان روش الگوریتم بیزین تغییراتی استاندارد ماکزیمم کند. نشان می دهیم که الگوریتم cfbdvb پیشنهادی یک تقریب تصادفی به الگوریتم بیزین تغییراتی استاندارد است. مقیاس پذیری و تحمل پذیری در برابر خطا دو مزیت مهم این الگوریتم می باشد. در ادامه این الگوریتم به نحوی اصلاح می شود که علاوه بر پارامترهای مدل ترکیبی، مرتبه ی آن نیز بطور همزمان تخمین زده می شود. عملکرد خوب این الگوریتم با استفاده از داده های شبیه سازی شده و همچنین داده های واقعی نشان داده خواهد شد.

امروزه در کنار مباحث سازگاری با محیط زیست، افزایش ایمنی خودرو دیگر مبحثی است که بسیار مورد توجه خودرو سازان بوده و از این رو طیف وسیعی از فعالیت های تحقیقاتی را در صنعت خودرو به خود اختصاص داده است.ایمنی فعال تحت تاثیر مستقیم سیستم سه گانه راننده، خودرو و محیط قرار دارد. عوامل موثر در این سیستم همچون میزان مهارت راننده با فن آوری به کار گرفته شده در خودرو و کیفیت زیر سیستم های آن (مثل میزان ساییدگی تایرها) و وضعیت جاده (میزان لغزندگی آن) از جمله عواملی هستند که به طور مستقیم بر ایمنی فعال خودرو نیز موثر می باشند. رفتار دینامیکی خودرو در وضعیت های حدی برای راننده ناشناخته بوده و با آنچه که او در مانورهای عادی انتظار دارد کاملا متفاوت است. این رفتار غیر قابل پیش بینی و عدم امکان اعمال کنترل موثر از طریق فرمان بر دینامیک جانبی خودرو در این وضعیت، در اکثر اوقات باعث بروز تصادف مرگبار می شود. در این تحقیق پس از بررسی و مشخص کردن عوامل ناپایداری خودرو در حال حرکت، ابتدا به سیستم های کنترلی ارائه شده، توسط محققان پیشین به صورت اجمالی پرداخته شده است و تاریخچه ای از آنها ارائه شده و راجع به لزوم استفاده از این سیستم ها به طور کامل توضیح داده می شود. سپس با استفاده از روابط، به مدل سازی دینامیکی خودرو پرداخته می شود که در اینجا مدل هفت درجه آزادی خودرو را شبیه سازی کرده و در ادامه پروژه با قرار دادن یک کنترلر pid و یک کنترلر فازی پاسخ سیستم را مورد بررسی قرار داده و عملکرد آنها را در مقابل حالت بدون کنترل مشاهده کرده و در نهایت برای اینکه مشخص شود کدام روش کنترل عملکرد بهتری دارد؛ نتایج حاصل از دو کنترلر کلاسیک و فازی بکار رفته نیز با هم مقایسه می شود و پیشنهاداتی در مورد اعمال این کنترلرها به بخش های مورد نظر در خودرو داده شده است.

شناسایی و مدلسازی یک لوپ صنعتی واقعی در این پروژه انجام شده است.ابتدا شناسایی به روش arx انجام گردیده که به علت عدم مطلوب بودن نتایج با استفاده از روش multiple model به نواحی قطعه ای خطی تبدیل گردیده و برای هر ناحیه شناسایی به روش arx انجام شده است.پس از ترکیب نواحی،برای انتخاب اینکه در هر زمان کدام ناحیه خروجی مورد نظر راتولیدکند.از توابع عضویت فازی استفاده شده است.برای طراحی کنترلر ابتدا به وسیله روش زیگلر- نیکولز ضرایب pid تنظیم شده است .سپس نتایج آن با ضرایب pid بهینه شده توسط الگوریتم ژنتیک مقایسه شده است.به عبارتی multiple controler pid استفاده شده است.در مرحله بعد یک کنترل کننده فازی مبتنی بر دانش افراد خبره واحد طراحی شده است و به مدل narx طراحی شده اعمال گردیده است. همچنین از multiple fuzzy controller استفاده شده و نتایج آن با حالت های قبل مقایسه شده است.