تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

ترجمه مقاله روش پسگام برای یک بازوی مکانیکی با پیوند انعطاف پذیر تک پیوندی با الگوریتم ژنتیک

عنوان فارسی: روش پسگام برای یک بازوی مکانیکی با پیوند انعطاف پذیر تک پیوندی با استفاده از الگوریتم ژنتیک
عنوان انگلیسی: Backstepping Method For A Single-Link Flexible-Joint Manipulator Using Genetic Algorithm
تعداد صفحات مقاله انگلیسی : 10 تعداد صفحات ترجمه فارسی : 15 (شامل 1 صفحه رفرنس انگلیسی)
سال انتشار : 2011 فرمت مقاله انگلیسی : PDF
فرمت ترجمه مقاله : ورد تایپ شده و pdf نوع مقاله : ISI
پایگاه : اسکوپوس نوع ارائه مقاله : ژورنال
ایمپکت فاکتور(IF) مجله : 0.983 در سال 2018 شاخص H_index مجله : 47 در سال 2019
شاخص SJR مجله : 0.453 در سال 2018 شناسه ISSN مجله : 1349-4198
شاخص Q یا Quartile (چارک) : Q2 در سال 2018 کد محصول : 9856
محتوای فایل : zip حجم فایل : 1.26Mb
رشته و گرایش های مرتبط با این مقاله: مهندسی برق، مهندسی کنترل، هوش ماشین و ربات
مجله: مجله بین المللی محاسبات، اطلاعات و کنترل نوآورانه - International Journal of Innovative Computing
دانشگاه: گروه مهندسی، لاهيجان، گيلان، ايران
کلمات کلیدی: بازوی مکانیکی اتصال انعطاف پذیر تک پیوندی، تابع Lyapunov، روش Backstepping، الگوریتم ژنتیک
کلمات کلیدی انگلیسی: Single-link flexible-joint manipulator - Lyapunov function - Backstepping method - Genetic algorithm
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه نشده است ☓
وضعیت ترجمه منابع داخل متن: به صورت عدد درج شده است ✓
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
بیس: نیست ☓
مدل مفهومی: ندارد ☓
پرسشنامه: ندارد ☓
متغیر: ندارد ☓
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

1-مقدمه

2-مدل سازی و فرمولبندی مساله

3- روش Backstepping

4-کنترل سیستم بازو مکانیکی

5-ردیابی مسیر مورد نظر

6-الگوریتم ژنتیک

7-شبیه سازی عددی

8- نتیجه گیری

منابع

نمونه متن انگلیسی

Abstract

Flexible manipulators are extensively used in industries. In this paper, backstepping method (BM) is used to control flexible manipulator. BM consists of parameters which accept positive values. The parameters are usually chosen variously. The system responses differently for each value. In this method, some paremeters exist, which, if not defined well, may cause some performance degrade. It is necessary to select proper parameters to obtain a good response because the improper selection of the parameters leads to inappropriate responses or even may lead to instability of the system. Genetic algorithms (GA) are used to compute the optimal parameters for the backstepping controller of single-link flexible-joint manipulator systems. GA can select appropriate and optimal values for the parameters. GA minimize the fitness function, so the optimal values for the parameters will be found. Selected fitness function is defined to minimize the least square error. Fitness function enforces the system error to decay to zero rapidly. Hence, it causes the system to have a short and optimal setting time. Fitness function also makes an optimal controller and causes overshoot to reach to its minimum value. This hybrid leads to optimal backstepping controller (OBM).

نمونه متن ترجمه

چکیده

بازوهای مکانیکی انعطاف پذیر در صنایع بسیار مورد استفاده قرار گرفته اند. در این مقاله، روش پسگام (BM) برای کنترل بازوهای مکانیکی انعطاف پذیر استفاده شده اند. BM شامل پارامترهایی است که مقادیر مثبت را می پذیرند. پارامترها معمولا به روشهای متفاوت انتخاب می شوند. سیستم پاسخ های متفاوتی به هر مقدار می دهد. در این روش، پارامترهایی وجود دارند، که اگر به خوبی تعریف نشوند، ممکن است باعث کاهش عملکرد گردند. انتخاب مناسب پارامترها برای به دست آوردن پاسخ درست لازم است زیرا انتخاب نامناسب آنها منجر به پاسخ های اشتباه و یا حتی می تواند منجر به بی ثباتی سیستم شود. الگوریتم ژنتیک (GA) برای محاسبه پارامترهای بهینه برای کنترل کننده backstepping سیستم های بازو مکانیکی اتصال-انعطاف پذیر تک لایه استفاده شده است. GA می تواند مقادیر بهینه و مناسب را برای پارامترها انتخاب کند. GA تابع برازش را به حداقل می رساند، بطوریکه مقادیر بهینه برای پارامترها پیدا خواهد شد. تابع برازش انتخاب شده برای به حداقل رساندن حداقل مربع خطا تعریف شده است. تابع برازش خطای سیستم را به سرعت به صفر می رساند. بدین ترتیب، تابع برازش باعث می شود که سیستم یک زمان تنظیم کوتاه و مطلوب داشته باشد. تابع برازش همچنین یک کنترل کننده بهینه را ایجاد می کند و باعث خطا برای رسیدن به مقدار حداقل می گردد. این هیبرید منجر به کنترل کننده backstepping (OBM) می شود.