ترجمه مقاله کنترل فازی سیستم های غیر خطی مبتنی بر مدل های چندگانه تطبیقی قوی - نشریه الزویر

ترجمه مقاله کنترل فازی سیستم های غیر خطی مبتنی بر مدل های چندگانه تطبیقی قوی - نشریه الزویر
قیمت خرید این محصول
۳۹,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
کنترل فازی سیستم های غیر خطی مبتنی بر مدل های چندگانه تطبیقی قوی
عنوان انگلیسی
Robust adaptive multiple models based fuzzy control of nonlinear systems
صفحات مقاله فارسی
28
صفحات مقاله انگلیسی
10
سال انتشار
2016
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده و pdf
نوع مقاله
ISI
نوع نگارش
مقالات پژوهشی (تحقیقاتی)
نوع ارائه مقاله
ژورنال
پایگاه
اسکوپوس
ایمپکت فاکتور(IF) مجله
5.188 در سال 2019
شاخص H_index مجله
110 در سال 2019
شاخص SJR مجله
0.996 در سال 2019
شناسه ISSN مجله
0925-2312
شاخص Q یا Quartile (چارک)
Q1 در سال 2018
کد محصول
9653
وضعیت ترجمه عناوین تصاویر
ترجمه شده است ✓
وضعیت ترجمه متون داخل تصاویر
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
است ✓
مدل مفهومی
دارد ✓
پرسشنامه
ندارد ☓
متغیر
ندارد ☓
رشته های مرتبط با این مقاله
مهندسی برق و مهندسی کامپیوتر
گرایش های مرتبط با این مقاله
مهندسی کنترل و رایانش ابری
مجله
محاسبات عصبی - Neurocomputing
دانشگاه
گروه مهندسی برق و کامپیوتر، دانشگاه دموکریت تراکیه، یونان
کلمات کلیدی
کنترل سازگاری، چند مدل، ثبات، کنترل سوئیچینگ، مدل های فازی T-S
کلمات کلیدی انگلیسی
Adaptive control - Multiple models - Robustness - Switching control - T–S fuzzy models
doi یا شناسه دیجیتال
https://doi.org/10.1016/j.neucom.2015.09.047
۰.۰ (بدون امتیاز)
امتیاز دهید
فهرست مطالب
چکیده
مقدمه
فرمول بندی مسأله
معماری کنترلر: مدل های چندگانه T-S تطبیقی و مکانیسم سوئیچینگ
مدل های شناسایی چندگانه T-S
شاخص عملکرد و قانون سوئیچینگ
مطالعات شبیه سازی
مطالعات شبیه سازی
نتیجه گیری
نمونه چکیده متن اصلی انگلیسی
Abstract

A new robust adaptive multiple models based fuzzy control scheme for a class of unknown nonlinear systems is proposed in this paper. The nonlinear system is expressed by using the Takagi–Sugeno (T–S) method, and some identification adaptive T–S models along with their corresponding controllers, are used in order to control efficiently the unknown system. The modeling error that is produced due to the use of the T–S plant model can cause instability problems if it is not taken into account in the adaptation rules. In this paper, in order to solve this problem, we design a control scheme that is based on updating rules that utilize the σ-modification method. Every T–S controller is updated indirectly by using the robust updating rules and the final control signal is determined by using a performance index and a switching rule. By using the Lyapunov stability theory it is shown that σ-modification based rules can ensure the robustness of the system and define a bound for the steady state identification error. The main objectives of the robust controller are: (i) to ensure that the real plant system will remain stable despite the existence of modeling errors and (ii) to ensure that the real plant will track with a high accuracy the state trajectory of a given reference model. The effectiveness of the proposed method is demonstrated by computer simulations on a well known benchmark problem.

نمونه چکیده ترجمه متن فارسی
چکیده
در این مقاله، یک طرح جدید کنترل فازی مبتنی بر مدل های چندگانه تطبیقی قوی برای کلاسی از سیستم های غیر حطی ناشناخته ارائه شده است. سیستم غیر خطی با استفاده از روش (Takagi-Sugeno (T-S بیان می شود و برخی از مدل های تطبیقی T-S همراه با کنترلرهای (کنترل کننده) مربوطه، به منظور کنترل کارایی سیستم ناشناخته مورد استفاده قرار می گیرند. خطای مدلسازی که به علت استفاده زا مدل دستگاه T-S تولید می شود، اگر در قوانین انطباق مورد توجه قرار نگیرد، می تواند مشکلات ناپایداری را ایجاد نماید. در این مقاله، برای حل این مشکل، یک طرح کنترلی را بر اساس قوانین به روز رسانی طراحی کردیم که روش اصلاح σ را مورد استفاده قرار می دهد. هر کنترلر T-S به طور غیر مستقیم با استفاده از قوانین به روز رسانی قوی بروز می شود و سیگنال کنترل نهایی با استفاده از یک شاخص عملکرد و یک قانون سوئیچینگ تعیین می شود. با استافده از تئوری پایداری Lyapunov نشان داده شده است که قوانین مبتنی بر اصلاح σ می تواند ثبات سیستم را تضمین کند و یک محدوده برای خطای شناسایی حالت پایدار تعریف نماید. اهداف اصلی کنترلر قوی عبارتند از: (1) اطمینان از اینکه سیستم دستگاه واقعی با وجود خطاهای مدلسازی باقی خواهد ماند (2) اطمینان از اینکه دستگاه واقعی با دقت بالا مسیر حالت یک مدل مرجع داده شده را دنبال خواهد کرد. اثر بخشی روش پیشنهادی با شبیه سازی های کامپیوتری بر روی یک مسأله معروف شناخته شده نشان داده شده است.

بدون دیدگاه