| عنوان فارسی مقاله: | شبکه عصبی تطبیقی PID (تناسبی انتگرالی مشتقی) برای کنترل سیستم غیر خطی پیچیده |
| عنوان انگلیسی مقاله: | An adaptive PID neural network for complex nonlinear system control |
| دانلود مقاله انگلیسی: | برای دانلود رایگان مقاله انگلیسی با فرمت pdf اینجا کلیک نمائید |
| سال انتشار | 2014 |
| تعداد صفحات مقاله انگلیسی | 7 صفحه |
| تعداد صفحات ترجمه مقاله | 16 صفحه |
| مجله | محاسبات عصبی |
| دانشگاه | چین |
| کلمات کلیدی | – |
| نشریه الزویر | Elsevier |
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
بخشی از ترجمه:
۱ مقدمه
در زمینه ی صنعتی، سیستم کنترل شده که شامل سیستم هوافضا، سیستم وسایل نقلیه، سیستم روبات، سیستم قدرت، سیستم واکنش شیمیایی و … می باشند معمولا غیرخطی زیادی دارند. این خیلی سخت است که با استفاده از متدهای کنترلی هوشمند شامل کنترل آداپتیو [۱, ۲]، کنترل فازی [۳-۵]، کنترل شبکه ی عصبی [۶-۸] و کنترل مجزا کردن [۹-۱۱] یک عملکرد کنترلی دقیق بدست آورد. متدهای کنترلی ترکیب شده ی زیادی از قبیل شبکه ی عصبی تناسبی-انتگرالی-مشتقی مطرح شده است. به دلیل ویژگی های خود- یادگیری، خود- سازماندهی کردن و خود- تنظیمی، شبکه ی عصبی تناسبی-انتگرالی-مشتقی به طور اتوماتیک پارامترهای سیستم کنترل شده را شناسایی کرده و بر اساس تغییرات سیستم آن ها را تنظیم می کند.
در این مقاله، ما یک متد کنترلی بر پایه ی شبکه های عصبی تناسبی-انتگرالی-مشتقی آداپتیو مطرح کرده ایم. برای جلوگیری از افتادن وزنه های شبکه های عصبی در درون نقاط بهینه ی موضعی، الگوریتم بهینه سازی ازدحام ذره اتخاذ شده است تا وزنه های اولیه را انتخاب کند. پارامترهای شبکه ی عصبی تناسبی-انتگرالی-مشتقی خود تنظیمی هستند. متد کاهش گرادیان بهبود یافته استفاده شده است تا وزنه های شبکه را بهینه کند.
5- نتایج:
شبکه ی عصبی تناسبی-انتگرالی-مشتقی یک شبکه ی عصبی چند لایه می باشد و ساختار آن ساده است، شبکه ی عصبی تناسبی-انتگرالی-مشتقی توانایی برای کنترل سیستم های تاخیر زمانی مختلفی دارد و عملکرد خیلی کاملی دارد. با استفاده از شبکه ی عصبی تناسبی-انتگرالی-مشتقی ما نیاز نداریم که پارامترهای سیستم را اندازه گیری یا محاسبه کنیم. کل فرایند تنظیم کردن، به وسیله ی فرایند آداپتیو و خود-یادگیری انجام می شود، شبکه ی عصبی تناسبی-انتگرالی-مشتقی زمان همگرایی کوتاه و سرعت یادگیری سریع دارد و می تواند در فرایند به صورت عملی استفاده شود.
| عنوان فارسی مقاله: | شبکه عصبی تطبیقی PID (تناسبی انتگرالی مشتقی) برای کنترل سیستم غیر خطی پیچیده |
| عنوان انگلیسی مقاله: | An adaptive PID neural network for complex nonlinear system control |
خرید ترجمه فارسی مقاله با فرمت ورد