تحلیل پایداری و همگرائی سیستمهای کنترل مبتنی بر شبکه های عصبی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
پیشرفت های اخیر در عرصه های ارتباطی، محاسباتی و اندازه گیری منجر به ظهور "شبکه های حسگری بی سیم" شده است. استفاده از تکنولوِِِژی بی سیم در شبکه های حسگری پایش، جمع آوری و نظارت بر داده های سنسوری را تا حد زیادی تسهیل کرده است. امروزه پژوهشگران، مفهوم "شبکه حسگر- عملگر بی سیم" را
در این مطالعه ابتدا روشهای مستقیم تشخیص پایداری گذار و سپس روش استفاده از شبکه های عصبی مصنوعی ترکیبی برای تشخیص پایداری گذرای سیستم های قدرت معرفی شده است. برای بهبود ناپایداری گذرای سیستم های قدرت می توان از ادوات facts استفاده نمود. در این مطالعه از upfc برای بهبود پایداری گذر
پیشرفت صنعت و افزایش تجهیزات صنعتی موجب افزایش صدای محیطی شده است. این صداهای نامطلوب موجب آثار سوء بر سلامتی انسان می گردد. بنابراین کنترل صدای نامطلوب ضروری است. روش مرسوم کنترل صدا روش غیرفعال است که از مواد جاذب و عایق های آکوستیکی بهره می گیرد. روش کنترل فعال صدا توسط تنظیم
در این رساله پایداری سیستمهای دینامیکی خطی تغییرناپذیر با زمان و با تاًخیر زمانی چندگانه، با بکارگیری مفاهیم تئوری پایداری لیاپانف و با استفاده از ماتریس هامیلتونی مورد مطالعه قرار میگیرد. بعد از آن سیستمهای کنترل لری را معرفی میکنیم، سپس به بررسی پایداری مطلق سیتمهای کنترل لری ب
در پروژه پیش رو، در ابتدا سیستم های کنترل تحت شبکه و نیز سیستم های خطی پرشی مارکوف معرفی شده و تاریخچه ای از تحقیقات سایر دانشمندان در زمینه سیستم های کنترل تحت شبکه و نحوه ی برخورد با اثرات مضر ناشی از شبکه مانند تأخیر و از دست رفتن بسته های اطلاعاتی بیان شده است. در ادامه نحوه
در این پایان نامه سیستم حاصل از شبکه عصبی bam و حلقه ای با تاخیر زمانی را معرفی کردیم و به بررسی منحنی جواب های این سیستم ها پرداختیم. پارامتر تاخیر زمانی را به عنوان پارامتر سیستم در نظر گرفتیم و منحنی جواب های سیستم را وقتی پارامتر سیستم تغییر می کرد بررسی کردیم. در آخر در تایی
کنترل از راه دور سیستمها در فرایندهایی که دسترسی به نیروی کار انسانی با دشواری همراه بوده، همواره مورد توجه قرار گرفته است. در این مقاله سیستمهای کنترل از راه دور به صورت گونه خاصی از سیستمهای شبکهای که شامل سیستم نمونهبردار غیر یکنواخت به همراه تأخیر میباشد مدلسازی شده و از تواب
در این مطالعه، کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی مدل مرجع با آموزش پسخور خطا برای کلاسی از سیستم های غیرخطی در حضور عدم قطعیت محدود ارائه می گردد. کنترل کننده ارائه شده به فرم ترکیبی، شامل کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی و کنترل کننده کلاسیک می باشد. ب
در این مطالعه، کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی مدل مرجع با آموزش پسخور خطا برای کلاسی از سیستم های غیرخطی در حضور عدم قطعیت محدود ارائه می گردد. کنترل کننده ارائه شده به فرم ترکیبی، شامل کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی و کنترل کننده کلاسیک می باشد. ب
در دهه های اخیر استفاده از کنترل کننده های تحت شبکه به جای کنترل کننده های سنتی مورد توجه بسیاری قرار گرفته است که موجب کاهش چشم گیر هزینه ها، کاهش وزن و توان تجهیزات لازم و قابلیت اطمینان بالا در سیستم های کنترلی شده است. بکارگیری این کنترل کننده ها در کنار بهره مندی از مزایای م
در دهه های اخیر استفاده از کنترل کننده های تحت شبکه به جای کنترل کننده های سنتی مورد توجه بسیاری قرار گرفته است که موجب کاهش چشم گیر هزینه ها، کاهش وزن و توان تجهیزات لازم و قابلیت اطمینان بالا در سیستم های کنترلی شده است. بکارگیری این کنترل کننده ها در کنار بهره مندی از مزایای م
چکیده: پایداری آموزش یک مدل در فرآیند شناسایی، یکی از الزامات اولیه در پژوهش های سال های اخیر در زمینه کنترل بوده است. هدف از این مقاله، تحلیل پایداری آموزش سیستم استنتاجی فازی-عصبی نوع ۲ بازه ای (IT2ANFIS) در هنگام آموزش با یک الگوریتم ترکیبی مبتنی بر ازدحام ذرات است. بخش-های مق