بهینه سازی رویتگر فاصله ای برای سیستم آشوبناک لورنز به کمک الگوریتم ژنتیک
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 521
This Paper With 10 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:
NPECE01_300
تاریخ نمایه سازی: 6 بهمن 1395
Abstract:
امروزه مسئله ی تخمین حالت های غیر قابل اندازه گیری در سیستم های دینامیکی به عنوان یک چالش اساسی شناخته می شود این مسئله خصوصا زمانی اهمیت بیشتری پیدا می کند که در سیستم های خطی غیر خطی با پدیده هایی از جمله تغییرات پارامترها اغتشاشات خارجی ثابت یا متغیر با زمان عوامل غیر خطی زیاد تاخیرهای ثابت یا متغیر با زمان سینگولار بودن سیستم و .. روبرو باشیم وجود چندین پدیده هایی در سیستم های دینامیکی سبب می شود که طراحی یک رویتگر کلاسیک که بتواند حالت های سیستم را به خوبی تخمین بزند بسیار دشوار و در بعضی موارد غیر ممکن باشد در این راستا در سال های اخیر مطالعاتی بروی نوع خاصی از رویتگرها به نام رویتگرهای فاصله ای انجام گرفته است رویتگر فاصله اینوعی تخینگر حلت است که کران های بالا و پائین متغیرهای حالت را در شرایطی که تخمین مناسبی از متغیرها امکان پذیر نباشد تخمین می زند در این مقاله نحوه طراحی رویتگر فاصله ای برای سیستم آشوبناک لورنز مورد بحث بررسی قرار می گیرد و سپس اقدام به بهینه سازی این رویتگر با الگوریتم ژنتیک می نماییم طوری که کران های بالا و پایین متغیرهای حالت به حالت اصلی نزدیکتر شوند و نهایتا نتایج به دست آمده را با نتایج قبلی مقایسه می کنیم
Keywords:
Authors
علی شرف زاده
دانشجوی کارشناسی ارشد دانشگاه صنعتی نوشیروانی بابل
بهروز رضایی
عضو هیات علمی گروه کنترل دانشگاه صنعتی نوشیروانی بابل
مصطفی فرامین
دانشجوی دکترا دانشگاه صنعتی نوشیروانی بابل
زهرا رحمانی چراتی
عضو هیات علمی گروه کنترل دانشگاه صنعتی نوشیروانی بابل
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 :