کنترل گر عصبی-تطبیقی عمق و سمت جسم خودکار شناور زیرآب
Publish place: 6th Conference of Irans Scientific Society of Command, Control, Communications, Computers and Intelligences
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,079
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
CCCI06_036
تاریخ نمایه سازی: 13 اسفند 1391
Abstract:
پیشرفت وسایل خودکار زیرآبی در دو سه دهه ی اخیر، توسعه ی سیستم کنترل آن ها را به همراه داشته است. نامعینی های پارامتری و دینامیک شدیداً غیرخطی و کوپل شده ی آن ها، از بزرگ ترین موانع پیش رو می باشند . بر ای غلبه بر د ینامی ک غیرخط ی و کوپل شده، استفاده از روش های کنترل غیرخطی نسبت به روش های متداول کنترل خطی دارای برتری است. در این مقاله ساختا رکنترل تعقیب تطبیقی براساس خطی سازی پسخور به عنوان بخش اصلی سیستم کنترل انتخاب شده است. خطا در اندازه گیری و نیزتخمین ضرایب هیدرودینامیکی وسیله که منجر به خطا در مدل سازی وسیله می شود، از مهم ترین نامعینی ها ی پارامتر ی در ی کوسیله ی زیرآبی است و این محاسبه ی وارون دینامیک را با خطا رو به رو می سازد. به کارگیری شبکه عصبی به دلیل توانایی ذاتی آن در تقریب توابع غیرخطی؛ ابزار مناسبی برای جبران خطای معکوس سازی غیرخطی است که در خطی سازی پسخور کاربرد دارد. برای اطمینان از محدود بودن سیگنال ها و همگرایی وزن ها، قانون آموزش شبکه ی برخط براساس تئوری پای داری لیاپانوف به دس ت می آید. ترکیب روش های غیرخطی با روش های هوشمند جهت دست یافتن به سیستمی مقاوم، در چند سال اخی ر مورد توجه قرا رگرفته. در این مقاله این سیستم کنترل با ارائه ی عملکردی مناسب به ریموس به عنوان یک جسم خودکار زیرآبی اعمال می شود که تا به حال با کنترل خطی کار می کرده است
Keywords:
Authors
امیر دهستانی اردکانی
کارشناسی ارشد سیستم های هدایت و کنترل، دانشگاه صنعتی مالک اشتر،
محمد طالعی اردکانی
دانشجوی کارشناسی ارشد مکاترونیک، دانشگاه صنعتی مالک اشتر،
مهدی اردشیری
کارشناسی ارشد سیستم های هدایت و کنترل، دانشگاه صنعتی مالک اشتر
محمدحسن محمدیان
دانشجوی دکترای مهندسی کنترل، دانشگاه فردوسی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :