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

ترجمه مقاله روش پسگام برای یک بازوی مکانیکی با پیوند انعطاف پذیر تک پیوندی با الگوریتم ژنتیک
قیمت خرید این محصول
۲۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
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
صفحات مقاله فارسی
15
صفحات مقاله انگلیسی
10
سال انتشار
2011
رفرنس
دارای رفرنس در داخل متن و انتهای مقاله
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده و pdf
نوع مقاله
ISI
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
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
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 در ترجمه
در داخل متن و انتهای مقاله درج شده است
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
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 چکیده متن اصلی 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 چکیده ترجمه متن فارسی
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.

بدون دیدگاه