دانلود ترجمه مقاله شبکه عصبی تطبیقی PID برای کنترل سیستم غیر خطی پیچیده - مجله الزویر

دانلود ترجمه مقاله شبکه عصبی تطبیقی PID برای کنترل سیستم غیر خطی پیچیده - مجله الزویر
قیمت خرید این محصول
۱۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
شبکه عصبی تطبیقی PID (تناسبی انتگرالی مشتقی) برای کنترل سیستم غیر خطی پیچیده
عنوان انگلیسی
An adaptive PID neural network for complex nonlinear system control
صفحات مقاله فارسی
15
صفحات مقاله انگلیسی
7
سال انتشار
2014
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
3112
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه نشده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی مکانیک، مهندسی برق و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
هوش مصنوعی، مهندسی کنترل و مکاترونیک
مجله
محاسبات عصبی
دانشگاه
دانشکده مهندسی مکانیک، دانشگاه علم و صنعت تایونان، چین
کلمات کلیدی
سیستم غیر خطی پیچیده، انطباقی، شبکه های عصبی PID، گرادیان نزولی
فهرست مطالب
چکیده
۱  مقدمه
۲  کارهای مربوطه
۳  شبکه های عصبی آداپتیو تناسبی انتگرالی مشتقی

۳ ۱ ساختار سیستم کنترلی
۳ ۲ کنترلر شبکه ی عصبی تناسبی انتگرالی مشتقی
۳ ۳ شروع پارامترها
۳ ۴  تنظیم پارامترهای آداپتیو

۴  تجزیه و تحلیل پایداری
۵  شبیه سازی

۵ ۱ کنترل با استفاده از شبکه ی عصبی تناسبی انتگرالی مشتقی
۵ ۲ کنترل با استفاده از شبکه ی عصبی تناسبی انتگرالی مشتقی از طریق بهینه سازی استاندارد بهینه سازی ازدحام ذره
۵ ۳ کنترل با استفاده از شبکه ی عصبی تناسبی انتگرالی مشتقی آداپتیو

۶ نتیجه گیری

نحوه خرید نسخه پاورپوینت این مقاله
نمونه چکیده متن اصلی انگلیسی
abstract

Usually it is difficult to solve the control problem of a complex nonlinear system. In this paper, we present an effective control method based on adaptive PID neural network and particle swarm optimization (PSO) algorithm. PSO algorithm is introduced to initialize the neural network for improving the convergent speed and preventing weights trapping into local optima. To adapt the initially uncertain and varying parameters in the control system, we introduce an improved gradient descent method to adjust the network parameters. The stability of our controller is analyzed according to the Lyapunov method. The simulation of complex nonlinear multiple-input and multiple-output (MIMO) system is presented with strong coupling. Empirical results illustrate that the proposed controller can obtain good precision with shorter time compared with the other considered methods.

نمونه چکیده ترجمه متن فارسی
چکیده
معمولا حل کردن مشکل یک سیستم غیرخطی پیچیده سخت می باشد. در این مقاله، ما یک متد کنترلی سودمند بر پایه ی شبکه ی عصبی تناسبی-انتگرالی-مشتقی آداپتیو و الگوریتم بهینه سازی ازدحام ذره اراﺋﻪ کرده ایم. الگوریتم بهینه سازی ازدحام ذره برای شروع کردن شبکه ی عصبی وارد می شود و این به جهت بهبود سرعت همگرایی و جلوگیری از به دام افتادن وزنه ها در نقاط بهینه ی موضعی می باشد. برای بدست آوردن پارامترهای مجهول و متغیر در سیستم کنترلی، ما یک متد کاهش گرادیان بهبود یافته وارد کرده ایم تا پارامترهای شبکه را را تنظیم کند. پایداری کنترلر بر اساس متد لیاپانوف بررسی شده است. شبیه سازی سیستم چندین- ورودی و چندین- خروجی غیرخطی پیچیده با جفت شدن قوی اراﺋﻪ شده است. نتایج تجربی نشان می دهد که کنترلر مطرح شده می تواند دقت خوبی با زمان کوتاه تر در مقایسه با دیگر متدهای لحاظ شده بدست آورد.

بدون دیدگاه