کنترل نیمه فعال سازه ها با کنترلر ترکیبی فازی-الگوریتم ژنتیک و شبکه عصبی مصنوعی
چکیده
چکیده‌ای برای این سند ثبت نشده است.
پایان‌نامه‌های مشابه
بررسی مقایسه ای بین مدل ترکیبی الگوریتم ژنتیک- شبکه عصبی مصنوعی (ann-ga) و مدل تابع تفکیکی درجه دوی تعدیل شده (sqdf) برای شناسایی دستکاری قیمت سهام . در شرکت های پذیرفته شده در بورس اوراق بهادار تهران
پژوهش حاضر به بررسی و شناسایی دستکاری قیمت سهام در شرکت های پذیرفته شده در بورس اوراق بهادار تهران پرداخته است. این پژوهش مدل ترکیبی از الگوریتم ژنتیک ( ga) و شبکه عصبی مصنوعی ( ann) را برای شناسایی دستکاری قیمت سهام ارائه داده و نتایج آن را با نتایج مدل تابع تفکیکی درجه دوی تعدی
کنترل نیمه فعال سازه ها با استفاده از میراگر mr و کنترلر منطق فازی
روش ها و سیستم های گوناگونی برای کنترل سازه ها وجود دارد که شامل کنترل غیر فعال، کنترل فعال و کنترل نیمه فعال سازه می باشد که هوشمنداند و بر تغییرات بارهای دینامیکی وارده قابل انطباق می باشند این سیستم ها دارای خواص مکانیکی متغیر و قابل کنترل هستند. انواع مختلفی از میراگرهای نیمه
بهینه یابی کنترل فعال سازه ها با روش الگوریتم ژنتیک
بهینه یابی تعداد و موقعیت کنترل کننده ها یکی از مهمترین مسایل در کنترل سازه ها می باشد با توجه به ماهیت سازه ها نمی توان کنترل گرها را در هر محل دلخواه قرار داد و به علت مسایلی از قبیل هزینه زیاد کنترل گرها و نیز فضای زیادی که آنها اشغال می کنند باید تعداد آنها را محدود کرد با تو
پیاده سازی تئوری تغییرشکل های یکنواخت در کنترل نیمه فعال سازه ها با استفاد ه از کنترل کننده های فازی
در این مطالعه هدف پیاده سازی یک سیستم کنترلی فازی بر مبنای تئوری تغییرشکل های یکنواخت برای کنترل نیمه فعال سازه های مجهز به میراگر با استفاده از الگوریتم بهینه یابی pso تحت بارهای لرزه ای است. در این پژوهش کارایی ایده ی یکنواخت کردن دریفت ها در کاهش پاسخ های لرزه ای سازه مورد برر
کنترل وضعیت ماهواره در مدار زمین با ارتفاع کم، با استفاده از روش ترکیبی شبکه عصبی مصنوعی و الگوریتم ژنتیک
در این پایان نامه، کنترل وضعیت ماهواره در مدار زمین و با ارتفاع کم (leo) با استفاده از روش ترکیبی شبکه های عصبی مصنوعی و الگوریتم ژنتیک مورد مطالعه قرار گرفته است. عملگر استفاده شده برای کنترل وضعیت، چرخ های عکس العملی هستند. دینامیک ماهواره به صورت غیر خطی مدل و یک کنترلر تناسبی
کاهش بهینه پاسخ های لرزه ای سازه ها با استفاده از سیستمهای کنترل نیمه فعال و شبکه عصبی
روش های سنتی کاهش مضرات لرزه ای، بر اساس طراحی سازه ها با ظرفیت کافی برای جذب انرژی و مقاومت در برابر نیروهای لرزه ای وارده به سازه می باشد. کنترل سازه ها به عنوان یکی از روش های جدید در مهندسی عمران توجه محققان زیادی را جلب کرده است. کنترل نیمه فعال سازه ها که ترکیبی از دو روش ک
اسناد مشابه
شناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF
هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران میباشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نت
پیش بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی
طی دهه های اخیر، انرژی در کنار سایر عوامل تولید نقش تعیین کننده ای در رشد اقتصادی کشورها داشته و اهمیت آن همچنان رو به افزایش است. وابستگی روزافزون به انرژی موجب تعامل این بخش با سایر بخشهای اقتصادی شده و سرعت در روند رشد و توسعه ی اقتصادی را وابسته به سطح مصرف انرژی کرده است، به
پیش بینی مصرف انرژی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی و مقایسه آن با الگوهای سنتی
طی دهه های اخیر، انرژی در کنار سایر عوامل تولید نقش تعیین کننده ای در رشد اقتصادی کشورها داشته و اهمیت آن همچنان رو به افزایش است. وابستگی روزافزون به انرژی موجب تعامل این بخش با سایر بخشهای اقتصادی شده و سرعت در روند رشد و توسعه ی اقتصادی را وابسته به سطح مصرف انرژی کرده است، به
بررسی تجربی و مدل‌سازی فرآیند خشک شدن صمغ دانه بالنگو با خشک‌کن فروسرخ به روش الگوریتم ژنتیک- شبکه عصبی مصنوعی
از روش بهینه‌سازی الگوریتم ژنتیک می‌توان برای غلبه بر محدودیت‌های ذاتی شبکه عصبی مصنوعی استفاده کرد. روش الگوریتم ژنتیک- شبکه عصبی مصنوعی دارای قابلیت بالایی برای یافتن مقدار بهینه یک تابع هدف پیچیده است. در این مطالعه ابتدا جهت خشک‌کردن صمغ دانه بالنگو، از یک خشک‌کن فروسرخ استفا
مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی)
مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °c 25 تا °c 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی)