سعید روستایی - دانشجوی کارشناسی ارشد،دانشگاه صنعتی مالک اشتر.
محمدرضا علیزاده پهلوانی - استادیار، دانشگاه صنعتی مالک اشتر تهران.

هرسیستم فیزیکی را می توان با یک مدل ریاضی بیان کرد.بعضی از مدل های توصیفی سیستم ها،معادلاتی با مرتبه بالا دارند که هم برای تجزیه و تحلیل سیستم و هم طراحی کنترل کننده بسیارمشکل می شوند.در نتیجه ،پیدا کردنی مدلی با مرتبه کمتر از همان جنس،با ملاحظه ان که مشخصات عمده و چیره ان نیز هنوز برقرار باشند، امری مفید و در بسیاری موارد ضروری است.از مزایای کاهش مرتبه سیستم ها می توان به ،کاهش پیچیدگی ها درک بهتر ما از سیستم ، آسانی در پیاده سازی سخت افزاری و امکان عملی ساخت کنترل کننده برای سیستم، اشاره نمود. هدف این مقاله بررسی دقیق تر روش های کاهش مرتبه سیستم های MIMO است. در این راستا روش های دسته بندی اصلاح شده قطب ها و الگوریتم ژنتیک، برش بالانس شده و روش مانده گذاری بالانس شده مورد مطالعه قرار می گیرند. روش اول از روش های نسبتاً جدید ارائه شده در این زمینه و دو روش دیگر از روش های کلاسیک در این زمینه می باشد. الگوریتم ژنتیک برای مینیمم سازی تابع هدفی بکار می رود که انتگرال مربعات خطا بین درایه های ماتریس اصلی و کاهش یافته است.برای تعیین چند جمله ای مخرج مشترک برای ماتریس کاهش یافته ازتکنیک دسته بندی اصلاح شده ی قطب ها، که نحوه محاسبه ان در مقاله کاملا توضیح داده شده است،استفاده کرده ایم.جهت اطمینان از صحت برنامه بر روی مثالی در مقاله پیاده سازی می شود. ضمن این کار پاسخ های فرکانسی تمامی روش هم بررسی می شوند. برای همین مثال سایر روش ها نیز مورد بررسی قرار می گیرند تا امکان مقایسه ی بهتر فراهم شود. در انتها نتایج تمام بررسی ها، جمع بندی خواهند شد.

الگوریتم ژنتیک،روش برش بالانس شده،روش مانده گذاری بالانس شده،کاهش مرتبه سیستم های MIMO