ترجمه مقاله سیستم های کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی برای AUVs - نشریه الزویر

قیمت خرید این محصول

۱۴۰,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

سیستم های کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی برای AUVs

عنوان انگلیسی

Neural-Network-Based Adaptive Control Systems for AUVs

صفحات مقاله فارسی

21

صفحات مقاله انگلیسی

10

سال انتشار

1991

نشریه

الزویر - Elsevier

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد ✓

کد محصول

8957

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه نشده است ☓

وضعیت ترجمه منابع داخل متن

درج نشده است ☓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است ✓

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی

مجله

کاربرد مهندسی هوش مصنوعی - Engineering Applications of Artificial Intelligence

دانشگاه

دانشگاه توکیو

کلمات کلیدی

کنترل تطبیق پذیر، خود سازماندهی، کنترل یادگیری، کنترل حرکت هوشمند، انتشار رو به عقب خطا، شبکه-های عصبی، وسایل نقلیه زیر آبی، شبکه های عصبی چند لایه، یادگیری با نظارت و بدون نظارت، مقاومت، کنترل فازی

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

مقدمه
شبکه های عصبی چند لایه
سیستم یادگیری با نظارت
یادگیری با نظارت برای PTEROA60
یادگیری با نظارت برای PTEROA60
مقاومت در برابر مزاحمت‌ها
سیستم یادگیری بدون نظارت
ارزیابی و تطبیق پذیری
فرایند سازماندهی کنترلر
SONCS برای بستر تست کوچک PW45
کنترل فازی اولیه
پیش از یادگیری کنترلر
مدل رو به جلو
ارزیابی و تخمین
نتیجه گیری

نمونه چکیده متن اصلی انگلیسی

In this paper, two types of learning systems, the supervised learning system and the unsupervised learning system, are introduced to construct neural-network-based control systems. Both approaches are applied to longitudinal motion control of the free-swimming vehicle "PTEROA". The supervised learning system is based on the simple concept of learning the behavior of the supervisor controller. It is implemented along with a fuzzy controller as the supervisor, and evaluated through numerical simulations and experiments. It is shown that the characteristics of the neural networks, such as flexibility of the I/0 selection and saturation of the outputs, provide favorable performance to the control system for A UVs. The unsupervised learning system, which is called "SONCS", is introduced as an adaptive control system. The subsystems and the organizing process of the controller are described in detail. The SONCS is applied to the control problem of the untethered test-bed vehicle PW45, and its performance is evaluated through free-swimming tank tests. It is shown that after several times of adaptation, the SONCS succeeds in organizing an appropriate controller for horizontal swimming at a desired depth.

نمونه چکیده ترجمه متن فارسی

در این مقاله، دو نوع از سیستم های یادگیری، سیستم یادگیری با نظارت و سیستم یادگیری بدون نظارت برای ساخت سیستم‌های کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی معرفی می شوند. هر دو روش برای کنترل حرکت طولی دستگاه شناور آزاد PTEROA به کار رفته اند. سیستم یادگیری با نظارت بر اساس مفهوم ساده یادگیری رفتار کنترلر با نظارت است که به همراه یک کنترلر فازی به عنوان ناظر پیاده سازی می شود و با آزمایش‌ها و شبیه سازی‌های عددی ارزیابی می شود. نشان داده می شود که ویژگی‌های شبکه های عصبی مانند انعطاف‌پذیری انتخاب I/O و اشباع خروجی‌ها، کارایی مطلوبی برای سیستم کنترلی AUV فراهم می کنند.
سیستم یادگیری بدون نظارت که SONCS نامیده می شود، به عنوان یک سیستم کنترلی تطبیق‌پذیر معرفی می گردد. زیرسیستم‌ها و فرایند سازماندهی کنترلر با جزئیات شرح داده می شود. SONCS در مساله کنترلی وسیله بدون هادی فیزیکی PW45 به کار می رود و کارایی آن با استفاده از آزمایش‌های تانک‌های شناور آزاد ارزیابی می شود. نشان داده می شود بعد از چند بار تطبیق‌پذیری، SONCS در سازماندهی یک کنترلر مناسب برای شنای افقی در عمق مطلوب به موفقیت می رسد.