شناسایی سیستم بازوی انعطاف پذیر ربات با استفاده از ساختار مدل سری ولترا با کرنل های محاسبه شده توسط تابع متعامد لاگور
Publish place: 1st Iranian National Conference Electerical Engineering
Publish Year: 1392
Type: Conference paper
Language: Persian
View: 1,371
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
INCEE01_041
Index date: 16 July 2014
شناسایی سیستم بازوی انعطاف پذیر ربات با استفاده از ساختار مدل سری ولترا با کرنل های محاسبه شده توسط تابع متعامد لاگور abstract
اکثر سیستم های واقعی رفتار غیرخطی داشته و در اکثر موارد خطی سازی به منظور مدل کردن این سیستم ها نتایج رضایت بخشی دربرندارد. در این مقاله از مدل سری ولترا در معرفی رابطه سیگنال ورودی و خروجی سیستم غیرخطی بازوی انعطاف پذیر ربات استفاده شده است. که جهت کاهش پیچیدگی محاسبات و کاهش پارامترهای مدل، کرنل های سری ولترا با استفاده از تابع متعامد لاگور بسط داده می شود و همچنین جهت کاهش خطا و افزایش سرعت ه مگرایی پارامترها که فازایش دقت شناسایی را دربردارد به محاسبه قطب بهینه تابع لاگور می پردازیم. در پایان نتایج حاصل از شناسایی سیستم بازوی انعطاف پذیر ربات براساس بسط کرنل های سری والترا توسط تابع متعامد لاگور با نتایج حاصل از روش های مختلف در مقالات دیگر مورد برسی قرار می گیرند.
شناسایی سیستم بازوی انعطاف پذیر ربات با استفاده از ساختار مدل سری ولترا با کرنل های محاسبه شده توسط تابع متعامد لاگور Keywords:
شناسایی سیستم بازوی انعطاف پذیر ربات با استفاده از ساختار مدل سری ولترا با کرنل های محاسبه شده توسط تابع متعامد لاگور authors
محمود قنبری
عضو هیات علمی دانشگاه آزاد اسلامی واحد علی آباد کتول
وحید مصدق
دانشجوی کارشناسی ارشد کنترل دانشگاه آزاد اسلامی واحد علی آباد کتول
ایمان یوسفی
دانشجوی کارشناسی ارشد کنترل دانشگاه آزاد اسلامی واحد علی آباد کتول
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 :