مدل شبکه عصبی و پایان نامه

دانلود پایان نامه
  • نهایتا در شکل (6-25)، با تغییر بردار ژاکوبین، اندکی افزایش در توان مصرفی و دامنه انحرافات انتهای بازو دیده می شود ولی در پاسخ جابجایی زاویه ای هاب بدون افزایش در زمان استقرار، میزان فراجهش از 2.5 درجه به 1 درجه کاهش می یابد.
    خلاصه ای از نتایج مربوط به شبیه سازی و پیاده سازی کنترل کننده های عصبی- فازی در جدول (6-2) آمده است. مشاهده می شود که در پیاده سازی تمام این کنترل کننده ها، میزان انحراف انتهای بازو کمتر یا مساوی مقدار آن در شبیه سازی است.
    بر اساس نتایج حاصل از شبیه سازی و پیاده سازی این طور نتیجه گیری می شود که ساختار دوم نسبت به نامعینی های سیستم مقاوم تر است. زیرا نتایج آن با نتایج حاصل از شبیه سازی همسانی بشتری دارد. علاوه بر اینکه ارتعاشات حالت ماندگار در آن بسیار کم است و روی هم رفته عملکرد بهتری را نیز نشان می دهد.
    از طرفی با قرار دادن ژاکوبین تخمین زده شده توسط شبکه عصبی که با تغییرات سیستم فیزیکی خود را تطبیق می دهد، عملکرد بهتری از سیستم حلقه بسته رویت می شود.

    7-1- نتیجه گیری
    از جمله روش های کنترلی آزاد از مدل روش های کنترل عصبی و فازی می باشند. پس از بررسی کارهای انجام شده در این زمینه، روش کنترل فازی- عصبی به دلیل بهره گیری از ویژگی قانونمند و مقاوم بودن کنترل فازی و نگاشت غیر خطی، توانایی برخورد با عدم قطعیت ها و طبیعت تطبیقی کنترل عصبی انتخاب شد.
    از طرف دیگر، در کنترل کننده های فازی و عصبی- فازی نسبت به کنترل کننده های عصبی میزان حساسیت به شرایط اولیه نیز کاهش می یابد که این امر در پیاده سازی کنترل کننده روی مدل واقعی بیشتر خود را نشان می دهد.
    تحت عملگر بودن بازوی انعطاف پذیر نیز یکی از دلایلی است که انتخاب روش های کنترلی بهینه ساز را برای این سیستم مناسب می سازد. از آنجا که الگوریتم های آموزش روش های هوشمند تطبیقی هم همواره در جهت بهینه کردن یک تابع هدف پیش می روند، روش های هوشمند انتخاب مناسبی محسوب می شوند.
    در این پایان نامه، با هدف استفاده از اطلاعات کنترل فازی به عنوان پیش فرض در کنترل عصبی– فازی، ابتدا قوانین برای کنترل فازی نوشته شده است. در نوشتن قوانین از دو ساختار توزیع یافته با تعداد توابع تعلق محدود برای کاهش حجم محاسبات و امکان پیاده سازی استفاده می شود. با توجه به اینکه، بازوی انعطاف پذیر Quanser دارای دو خروجی است که عبارتند از: جابجایی زاویه ای هاب و انحراف انتهای بازوی انعطاف پذیر، در ساختار توزیع یافته اول، قوانین برای خطای هر خروجی و مشتق همان خطا و در ساختار دوم، این قوانین برای خطای خروجی اول و دوم، و سپس برای مشتقات آنها نوشته می شوند.
    با افزودن الگوریتم آموزش عاطفی به کنترل کننده عصبی– فازی، پارامتر های قابل تنظیم آن شامل مراکز دسته تالی و مراکز دسته و پهنای توابع گوسین را از طریق این الگوریتم آموزش داده و به صورت بهنگام به روز رسانی می کنیم.
    در الگوریتم آموزش عاطفی به بردار ژاکوبین سیستم بازوی انعطاف پذیر نیاز است. در فصل پنجم، این بردار یکبار بر اساس مدل فضای حالت سیستم به عنوان یک بردار ثابت و بار دیگر بر اساس مدل شبکه عصبی سیستم به صورت برداری تطبیقی محاسبه می شود.
    با توجه به ساختار کنترلی ارائه شده که در بالا ذکر شد و نتایج حاصل از شبیه سازی و پیاده سازی می توان به نتایج زیر دست یافت:
    – در کنترل کننده فازی با استنتاج ضرب و در کنترل کننده عصبی– فازی، ساختار دوم نسبت به نامعینی های سیستم مقاوم تر است. زیرا نتایج پیاده سازی آن با نتایج حاصل از شبیه سازی همسانی بیشتری دارد و رویهم رفته عملکرد مطلوب تری نیز دارد.
    – با قرار دادن ژاکوبین تخمین زده شده توسط شبکه عصبی که با تغییرات سیستم فیزیکی خود را به صورت بهنگام تطبیق می دهد، عملکرد سیستم حلقه بسته بهبود می یابد.
    7-2- پیشنهادات

    این نوشته در مقالات و پایان نامه ها ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.