چکیده:
در این پروژه،مساله کنترل سیستم های انتقال نوسانی از دو دیدگاه مختلف مورد بررسی قرار گرفته است.در دیدگاه اول ،با استفاده از قوانین دینامیکی ،روابط حاکم بر سیستم نوشته شده و مدل پیوسته سیستم بدست می آید.سپس بدلیل تغییر دینامیک سیستم ناشی از تغییر بار ،یک کنترل کننده تطبیقی گسسته شامل الگوریتم شناسایی مبتنی بر حداقل مربعات بازگشتی و الگوریتم کنترل مبتنی بر جایابی قطب ،طراحی و به سیستم اعمال گردیده است.در ادامه نیز برای از بین بردن حالت گذرای نامطلوب پاسخ ،به هنگام تغییرات ناگهانی و شدید پارامترها ،از کنترل کننده تطبیقی چند مدله استفاده شده است.در دیدگاه دوم ،برای بدست آوردن دینامیک سیستم ،از روشهای شناسایی سیستم مبتنی بر شبکه های عصبی استفاده می شود.برای این منظور در هر لحظه سیگنال ورودی به سیستم اعمال شده و با استفاده از داده های ورودی خروجی بدست آمده ،شبکه عصبی مدل کننده سیستم آموزش داده می شود.سپس روش جدیدی برای کنترل تطبیقی مدل غیر خطی سیستم انتقال نوسانی ارائه و نتایج اعمال این کنترل کننده مورد بررسی قرار گرفته است.در این روش از یک شبکه عصبی دیگر جهت کنترل سیستم استفاده می شود که اطلاعات لازم برای آموزش این شبکه از دینامیک شبکه مدل کننده سیستم بدست می آید.در نهایت نیز جهت تسریع در آموزش شبکه کنترل کننده و بهبود حالت دائمی پاسخ ،از ضریب یادگیری تطبیقی و جهت اصلاح حالت گذرای پاسخ ،از کنترل کننده تطبیقی چند مدله عصبی استفاده شده است.
علاوه بر موارد فوق یک الگوریتم جدید انجام پایان نامه کلی دیگر نیز جهت کنترل تطبیقی غیرمستقیم سیستمهای غیر خطی ارائه و کاربرد آن در یک سیستم غیرخطی به نمایش گذاشته شده است.در این روش ابتدا دینامیک سیستم توسط توسط یک شبکه عصبی شناسایی می شود.سپس با استفاده از این شبکه ،خطای خروجی سیستم پیش بینی شده و سیگنال خروجی شبکه کنترل کننده در جهت کاهش این خطا تصحیح می شود.درنهایت نیز سیگنال اصلاح شده به عنوان ورودی کنترلی به سیستم اعمال می شود.
کلید واژه ها:سیستم انتقال نوسانی ،شبکه عصبی ،کنترل تطبیقی ،کنترل هوشمند ،کنترل چند مدله
No comments:
Post a Comment