کنترل گاورنر قدرت با استفاده از شبکه عصبی و بیان قیاس آن با شیوه کلاسیک
Publish place: 18th Conference on Electrical Engineering OF Iranian Student
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 504
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ISCEE18_081
Index date: 2 July 2016
کنترل گاورنر قدرت با استفاده از شبکه عصبی و بیان قیاس آن با شیوه کلاسیک abstract
رایج ترین وکاربردی ترین کنترل کننده مورد استفاده در صنعت، کنترل کنندهPID است که علت آن را در سادگی ساختار و مقاوم بودن آنها می توان خلاصه کرد. عبارت یاد شده ایجاب می کند تا به منظور یافتن ضرایب بهین کنترل کننده PID طرق مختلفی ایجاد و ابداع گردد. مع الوصف یافتن ضرایب بهینه از شیوه های سنتی اغلب دشوار و زمان بر و بعضاً توأم با آزمون و خطا است و این مسئله شرایط را برای طراحان صعب و سخت می نماید. با گذشت زمان شیوه های نوین هوشمند جهت تنظیم ضرایب مطرح شد. در این راستا در مقاله حاضر، ایده تنظیم بهینه ضرایب کنترل کننده PID یک گاورنر قدرت توسط شبکه های عصبی مطرح شده است.در این مقاله تنظیم ضرایب بهینه به شیوه های کلاسیک و شبکه های عصبی مطرح و در محیط نرم افزار MATLAB پیاده سازی و نهایتاً نتایج مربوط به هر دو با یکدیگر مقایسه گردیده است.
کنترل گاورنر قدرت با استفاده از شبکه عصبی و بیان قیاس آن با شیوه کلاسیک Keywords:
کنترل گاورنر قدرت با استفاده از شبکه عصبی و بیان قیاس آن با شیوه کلاسیک authors
مهوش زری میدانی
موسسه آموزش عالی جهاد دانشگاهی خوزستان
حامد محمدیان
موسسه آموزش عالی جهاد دانشگاهی خوزستان
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 :