این فایل نمونه آزمون ادبیات پیش دانشگاهی رشته ریاضی وتجربی بهمن ماه 94است
شامل سوالات جدید واستاندارد در دو صفحه مطابق با تصویرمی باشد.
که اولین بارتوسط گروه سایت samane طراحی وارائه شده است،
در قالب word ,و قابل ویرایش وپرینت می با شد.
لطفا در صورت تمایل از پایین صفحه قسمت پرداخت ودانلود فایل را خیلی ارزان وآسان دانلود نمایید. با سپاس
چکیده
کنترل پیش بین یکی از کنترل کننده های بسیار رایج در تئوری و عمل می باشد . گزارشهای متعددی از عملکرد موفقیت آمیز این روش در کاربردهای مختلف کنترلی ارائه شده است. این کنترل کننده در واقع مجموعه ای از روش هایی است که با استفاده از مدلی از فرآیند و با
داشتن اطلاعات مربوط به ورودی ها و خروجی های فرآیند، سیگنال مناسب کنترلی جهت بهینه سازی تابع هدف را محاسبه مینماید. در کنترل پیشبین دو بخش اصلی وجود دارد:
1- استفاده از مدلی برای پیشبینی رفتار آینده خروجی سیستم
2- بکاربردن روشی برای کمینه کردن تابع هدف برای بدست آوردن سیگنال ورودی مطلوب.
از مشخصه های بسیار مهم کنترل پیش بین پیادهسازی آن در حوزه زمان است و می توان قیدهایی را بصورت نامساوی ها بر سیستم اعمال نمود . از این خاصیت به خصوص در تعریف تابع هدف استفاده بسیاری می نماییم زیرا در بسیاری از مواقع هدف تنها دنبال کردن یک سیگنال خاص نیست که به عنوان مثال می توان از حفظ کیفیت با حداقل هزینه نام برد . در این رساله به بررسی مفاهیم و مبانی کنترل پیش بین خواهیم پرداخت و به اهمیت و انواع قیود نیز اشاره ای می نماییم و نیز انواعی از کنترل کننده های پیش بین خطی را مورد بررسی قرار می دهیم وجهت نشان دادن قابلیت های آن، به ذکردو مثال با شبیه سازی خواهیم پرداخت.
چنانچه می دانیم اکثر سیستم هایی که با آنها مواجه هستیم، سیستم های غیر خطی هستند و اگر چنانچه از روشهای کنترل پیش بین خطی برای آنها استفاده نماییم، خطای بسیار زیادی ایجاد میگردد بطوریکه ممکن است حتی سیستم حلقه بسته ناپایدار گردد . بدین دلیل ناگزیر از استفاده از روشهای کنترل پی شبین غیر خطی هستیم . از نظر مفاهیم اصلی کنترلی تفاوتی بین کنترل پیشبین با استفاده از مدلهای خطی و غیر خطی موجود نیست . با این حال اگر از مدلهای غیرخطی استفاده کنیم، نیاز به شناسایی سیستم های غیر خطی برای دستیابی به مدلهای غیر خطی دقیق برای پروسه داریم و نیز حل مسأله کنترل پیش بین مشکل خواهد بود و در بهینه سازی تابع
هدف برای محاسبه سیگنال کنترل هم به دلیل عدم وجود قانونهای موثر برای بررسی پایداری سیستم مشکل خواهیم داشت . با توجه به موارد فوق استفاده از روشهای هوشمند می تواند موثر باشد و ما در این رساله از ر وشهای هوشمند براساس شبکه های عصبی و فازی – عصبی برای مدلسازی برای پیش بینی رفتار آینده سیستم استفاده می نماییم . در این رساله به اصول طراحی کنترل کننده های پیش بین براساس شبکه های عصبی MLP و شبکه های فازی – عصبی خطی محلی LOLIMOT و نیز کنترل پیشبین غیر خطی براساس تئوری خطی سازی با پسخور می پردازیم و برای بررسی عملکرد کنترل کننده های طراحی شده، سه پروسه را مدنظر قرار می دهیم . پروسه اول یک مدل گسسته غیر خطی است که برای آن به طراحی کنترل کننده پیش بین به روش LOLIMOT و روش MLP می پردازیم و در پروسه دوم هم که مربو ط به یک مبدل حرارتی، براساس اطلاعات ورودی و خروجی است، کنترل کننده پیشبین براساس MLP و LOLIMOT نسبت به MLP خواهیم شد. در پروسه سوم یک روبات را در نظر می گیریم و طراحی کنترل کننده پیش بین برای آن را طبق روش خطی سازی با فیدبک و روش MLP انجام می دهیم و به این مساله پی خواهیم برد که کنترل کننده پیش بین بر اساس روش خطی سازی با پسخور بهتر از روش MLP عمل می نماید.
مقدمه
کنترل پیشبین در دهه های گذشته بسیار موفق بوده است . روش کنترل پیش بین مبتنی بر مدل سیستم است که در آن مدلی از سیستم بطور صریح برای طراحی کنترل کننده مورد استفاده قرار می گیرد . در کنترل پیش بین به علت احتیاج به پیش بینی سیگنال به یک مدل خوب احتیاج داریم اما انتخاب مدل پیچیده هم باعث دقیق شدن پیش بینی سیگنال آینده می شود و هم باعث پیچیده شدن کمینه کردن تابع هزینه می گردد ، بنابراین باید بین این دو یک مصالحه ای برقرار شود.
مشخصه بسیار جالب آن در پیاده سازی آن در حوزه زمان می باشد و نیز می توان قیدهایی را بصورت نامساویها به سیستم کنترلی اعمال نمود . در طراحی کنترل کننده پیش بین نمی توان سیگنالها را نامحدود در نظر گرفت چرا که بطور مثال عمل کننده ها تا یک حد مشخصی می توانند دامنه سیگنال کنترل و یا تغییرات آنرا تحمل نمایند بطور مثال شیرهای کنترلی حد کاملاً باز یا بسته خواهند داشت و نیز نرخ افزایش جریان در آنها دارای محدودیت است و به این ترتیب هدف کنترلی عبارت خواهد بود از نگاه داشتن خروجی فرآیند در نزدیکی نقطه مورد نظر در شرایطی که متغیرهای جانبی دیگر از محدوده های تعریف شده خارج نشوند . از جمله محدودیتهای موجود در سیستم های کنترل می توان علاوه بر موارد فوق از اشباع ورودی، محدودیت درسرعت و جهت چرخش موتورها و مشخصات عملکردی و ایمنی نام برد . در مورد اخیر بطور مثال ممکن است هدف، جابه جایی قطعه ای از یک نقطه به نقطه ای دیگر در حداقل زمان باشد به گونه ای که در بین راه به مانع خاصی برخورد ننماید و یا اینکه بخواهیم خروجی یک برج تقطیر را به حداکثر برسانیم بدون آنکه دما یا فشار گاز از حد مجازی بیشتر گردد به این ترتیب ممکن است قیدها برخروجی و یا حتی به متغیرهای وابسته دیگری اعمال شود . این نوع کنترل که در آن مقصود به صورت چند هدف متمایز است که باید بین آنها حد میانه ای انتخاب شود را نمی توان بص ورت یک سیستم خطی بیان نمود . در حالیکه کنترل پیش بین با یک قالب غیر خطی به ما این امکان را میدهد که با این سیستمها به راحتی برخورد نماییم . بسیاری از سیستم هایی که با آنها سروکار داریم سیستم هایی غیر خطی هستند با وجود این در خیلی اوقات سیستم غیر خطی حول نق طه ای پایدار در حال عملکرد است و بنابراین برای آن می توان یک مدل خطی در نظر گرفت امااین موضوع همیشگی
نیست یعنی همیشه نمی توان برای سیستم غیر خطی، مدلی خطی در نظر گرفت . مثلا بعضی از سیستمها عموماً در حالت گذرا عمل می نمایند و دارای نقطه کار پایدار نمی باشن د و بنابراین نمی توان مدل خطی برای آن در نظر گرفت . بنابراین استفاده از کنترل کننده های غیر خطی به منظور بهبود عملکرد سیستم اجتناب ناپذیر است که البته این کار با مشکلاتی رو به رو است که ازآ ن جمله می توان به ضعف روشهای شناسایی سیستم های غیر خطی، پیچیدگی و ح جم محاسبات در حل مساله کنترل پیش بین غیر خطی، عدم پایداری و مقاومت نتایج حاصله از سیستم های خطی جهت سیستم های غیر خطی و اینکه در بهینه سازی تابع هدف ممکن است پاسخ، پاسخ بهینه محلی باشد، اشاره نمود.
تعداد صفحه : 141
چکیده
مقدمه
فصل اول: کلیات
-1-1 هدف 1
-2-1 پیشینه تحقیق 2
2 Richalet -1-2-1 روش پیشنهادی
3 Ramaker -2-2-1 روش پیشنهادی
-3-1 روش کار و تحقیق 4
فصل دوم: مفاهیم اصلی کنترل پیشبین، روشها و کاربردها
-1-2 کنترل پیشبین بر پایه مدل خطی 7
-2-2 اشاره ای بر ویژگی های کنترل پیش بین 8
-3-2 روش کنترل پیشبین 9
-4-2 اجزای کنترل پیش بین 11
-1-4-2 مدل سیستم 11
-2-4-2 تابع هدف 14
-1-2-4-2 کنترل پیش بین با چندین تابع هدف 16
-2-2-4-2 روش های بهینه سازی تابع هدف 17
-3-4-2 محاسبه قانون کنترل 17
18 DMC -5-2 کنترل پیش بین
-1-5-2 مدل پروسه و پیشبین 18
-2-5-2 محاسبه قانون کنترل 20
-3-5-2 مثال 20
24 MAC -6-2 کنترل پیش بین
-1-6-2 مدل پروسه و پیشبین 24
-2-6-2 محاسبه قانون کنترل 25
27 PFC -7-2 کنترل پیش بین
-1-7-2 مدل پروسه و پیشبین 27
-2-7-2 محاسبه قانون کنترل 29
30 GPC -8-2 کنترل پیش بین تعمیم یافته
31 GPC -1-8-2 اصول روش
جهت یک سیستم ساده 35 GPC -2-8-2 طراحی کنترل کننده
-9-2 کنترل پیشبین با حضور قید 37
-1-9-2 قید بر روی عملگر 38
-2-9-2 قید برروی ورودی و خروجی سیستم 38
-3-9-2 قید محدوده 38
-4-9-2 قید فراجهش 39
-5-9-2 رفتار یکنواخت 39
-6-9-2 رفتار غیر مینیمم فاز 40
-7-9-2 غیر خطی بودن عملگر 40
فصل سوم: کنترل پیشبین با استفاده از شبکههای عصبی
-1-3 کنترل پیشبین غیر خطی 42
-2-3 کنترل پیشبین بر پایه شبکه عصبی 43
-3-3 الگوریتمی کارآمد جهت کاهش محاسبات در طراحی کنترل کننده پیشبین غیرخطی 45
۴۶ (BP) -4-3 شبکه های پس انتشار خطا
49 (NNPC ) -5-3 کنترل پیش بین با استفاده از شبکه های عصبی
-6-3 کاربرد روش ارائه شده برای کنترل دما در یک مبدل حرارتی 53
-1-6-3 معرفی مبدل حرارتی 53
برای مبدل حرارتی مفروض 54 MLP -2-6-3 طراحی کنترل کننده پیش بین به روش
-7-3 کاربرد روش ارائه شده برای یک مدل گسسته غیر خطی 59
-8-3 کاربرد روش ارائه شده برای یک روبات 60
فصل چهارم: کنترل پیشبین با استفاده از شبکههای فازی- عصبی خطی محلی
-1-4 کنترل پیشبین براساس مدل خطی محلی 64
-2-4 شبکه مدلهای محلی 64
65 LOLIMOT -1-2-4 ایده اصلی
-3-4 تخمین پارامترها 67
-1-3-4 تخمین کلی 67
-2-3-4 تخمین محلی 68
70 (LOLIMOT -4-4 تعیین ساختار (الگوریتم
-5-4 طراحی کنترل کننده پیش بین بر پایه مدل نورو فازی محلی 72
-6-4 شناسائی روی خط پارامترهای پیش بین 74
در کنت رل LOLIMOT -7-4 استفاده از شبکه های فازی عصبی با یاد گیری توسط الگوریتم
پیش بین 75
-8-4 کاربرد روش ارائه شده در یک مبدل حرارتی نمونه 76
-9-4 کاربرد روش ارائه شده در یک مدل گسسته غیر خطی 80
فصل پنجم: کنترل پیشبین غیر خطی براساس تئوری خطیسازی با پسخور
-1-5 مقدمه 84
-2-5 توصیف صورت مساله 85
-3-5 مراحل طراحی 85
-4-5 کمینه سازی معیار عملکرد 87
-5-5 طراحی کنترل کننده پیش بین بر پایه روش فوق برای یک روبات و مقایسه آن با روش
89 MLP
فصل ششم: نتیجه گیری و پیشنهادها
نتیجه گیری 101
پیشنهادات 104
منابع و مأخذ
فهرست منابع فارسی 105
فهرست منابع غیر فارسی 106
فهرست نام ها 112
فرمت فایل : WORD (قابل ویرایش)
تعداد صفحات:15
فهرست مطالب:
عنوان صفحه
مقدمه 1
علایم 2
علل افسردگی 3
فرآیندهای بیو شیمی واسط 4
درمان 5
روند بیماری افسردگی 6
شدت افسردگی 7
هیجانها 8
رفتار 8
شکایت بدنی 9
چه چیزی باعث افسردگی می شود 9
روشهای درمان 10
چگونگی مقابله با افسردگی 12
افسردگی در زنان دو برابر مردان است 13
مقدمه
غم نوعی احساس طبیعی است که در واکنش به شرایط ناخوشایند و ناملایمات ، مثل وقایع ناراحت کننده و از دست دادن عزیزان پدید می‌آیِد. این حالت معمولا با اضطراب ، کاهش انرژی ، کسالت عمومی و خواب کم ، همراه است. تقریباً همه افراد ، تغییرات در خلق و خو و روحیه خود را به نوعی تجربه کرده‌اند. گاهی اوقات ، احساس نگرانی ، سردرگمی یا افسردگی ، واکنشهای طبیعی در برابر برخی رویدادها است. معمولاً حوادث و رویدادها تغییر می‌کنند، مشکلات حل می‌شوند و این تغییرات خلق و خویی برطرف می‌شود. تداوم احساس غم و یاس به افسردگی و ناامیدی می‌انجامد که از آن گریزی نیست.
طراحی و شبیه سازی کنترل کننده پیش بین مبتنی بر مدل فازی - عصبی سیستم های غیر خطی چند متغیره با استفاده از بهینه سازی گرادیان کاهشی
Design and Simulation of Multi-Variable Nonlinear Predictive Controller Based on Neuro-Fuzzy Model With Gradient Descent Optimization
فرمت PDF
تعداد صفحات 89
فهرست مطالب :
- پیشگفتار ...………………………………………………………………………….……..…… 1
-1 تاریخچه موتور سوئیچ رلوکتانسی ..……………………………………………….…………...…...... 2
-2 کاربردهای مختلف موتور سوئیچ رلوکتانسی………………………………………….……….....……... 2
-3 معایب موتورهای سوئیچ رلوکتانسی……………...………………………………….….…...…..…… 3
فصل اول : ساختار موتورهای سوئیچ رلوکتانسی و روشهای تحلیل الکترومغناطیسی آنها ..……………….……..…... 6
-1-1 معرفی ساختار موتور سوئیچ رلوکتانسی و عملکرد آن .…………………………………………....…… 7
-1-1-1 ساختار موتور سوئیچ رلوکتانسی..…………………………………………………………......… 7
-2-1-1 خصوصیات موتور سوئیچ رلوکتانسی.……………………………………………………..……. 11
-3-1-1 تولید گشتاور و مودهای عملکرد...…………………………………………..……………….… 12
-4-1-1 مشخصه مغناطیسی غیر خطی ماشین...…………………………………………………..….…. 17
-5-1-1 مدارهای کانورتر.………………………………………………………………...……….… 19
-6-1-1 ریپل گشتاور و لرزش درموتور سوئیچ رلوکتانسی..………………………………………………… 20
-1-2-1 معادلات ولتاژ، شار مغناطیسی وگشتاور ماشین سوئیچ رلوکتانس…………………………………...… 21
-2-2-1 روشهای مختلف تحلیل الکترومغناطیسی ماشین سوئیچ رلوکتانسی.………………………………....… 22
-1-2-2-1 روشهای عددی تحلیل الکترومغناطیسی.….………………………………………………….… 22
-2-2-2-1 روشهای تقریبی تحلیل الکترومغناطیس.…………………………………………………….… 25
فصل دوم : تخمین و پیش بینی نویز صوتی..………………………………………………………….… 29
-1-2 کمیت ها واستانداردهای کاربردی.……………………………………………………………...… 30
32 …….……………………………………………… SRM -2-2 منابع تولید ویبراسیون ونویز اکوستیک در
-3-2 مکانیزم ویبراسیون های منبع الکترومغناطیسی……………………………………………………… 34
-4-2 روش عمومی تخمین ویبراسیون و نویز..……………………………………………………….…… 36
-5-2 مرور تحلیل رویکردهای موجود.…………………………………………………………..……… 37
-6-2 فاکتورهای موثر برروی دقت مدل ها وفرضیات ……………………………………………………… 42
7-2 - توصیف مدل تحلیلی پیشنهاد شده………………………………………………….…….……… 44
-8-2 راهکارهائی برای طراحی موتور با نویز پایین ………………………………………………………… 49
-9-2 نتیجه گیری ..……………………………………………………………………….…….… 51
فصل سوم : مروری برشبکه های عصبی مصنوعی……………………………………………………..…… 52
-1-3 مقدمه.……………………………………………………………………………………… 53
-2-3 ساختار و عملکرد نرونها در مغز …………………………………………………………………… 53
-3-3 تاریخچه شبکه های عصبی.…………………………………………………….………………… 54
-4-3 مدل نرون………….……………………………………………………….………………… 55
1-4-3 - مدل تک ورودی.…………………………………………………………………………… 55
-2-4-3 مدل چند ورودی.…………………………………………………………………………… 58
-3-4-3 ساختار شبکه های عصبی……………………………………………………………………… 59
-1-3-4-3 شبکه تک لایه..…………………………………………………………………………… 59
-2-3-4-3 شبکه های چند لایه……………………………………………………………………… 60
-3-3-4-3 تعریف لایه خروجی.……………………………………………………………………… 61
-4-4-3 شبکه های پسخور یا برگشتی…………………………………………………………………… 61
٧
-5-3 شبکه های عصبی پرسپترون…………………………………………………………….……… 63
-1-5-3 معادله یادگیری در حالت کلی………………………………………………………….……… 64
-2-5-3 یادگیری شبکه..…………………………………………………………………….……… 64
-1-2-5-3 یادگیری با ناظر ………………………………………………………………….……… 65
-2-2-5-3 یادگیری بدون ناظر.……………………………………………………………….……… 66
66 ……………………………………………………………. (SLPR) -3-5-3 قانون یادگیری پرسپترون
68 ……….…………………………………………. R= -1-3-5-3 شبکه پرسپترون با بیش از یک نرون و 2
-2-3-5-3 قانون یادگیری شبکه پرسپترون …………………………………………………...………… 68
-3-3-5-3 قانون یادگیری شبکه پرسپترون تک لایه به صورت دسته ای..……………………………………… 71
72 ………….…..……………………………………………… SLPR -4-5-3 بررسی همگرایی الگوریتم
-1-4-5-3 نکات مهم ………………………………………………………………..……..……….. 74
74 ……..….…………...……………………………………………… SLPR -2-4-5-3 محدودیتهای
75 ……..….……………..……………………………………( MLP ) -5-5-3 شبکه پرسپترون چند لایه
75 ……………………………………………………………………………….. LM -6-3 الگوریتم
-1-6-3 مقدمه.……………………………………………………….………………….………… 75
-2-6-3 الگوریتمهای بهینه سازی.…………………………………………………………………… 75
-1-2-6-3 روش تندترین شیب..……………………………………..……………………….……… 76
-2-2-6-3 روش نیوتن..…………………………………………..………………………….……… 79
79 ………………………………………………….. (Levenberg-Marquardt) LM -3-2-6-3 الگوریتم
80 ..……….………………………………………………(Basic Algorithm) -1-3-6-3 الگوریتم اساسی
-2-3-6-3 شاخص عملکرد و محاسبه ژاکوبین………………….………………………………………… 82
فصل چهارم : تخمین وپیش بینی مودهای طبیعی استاتور با استفاده از شبکه عصبی.……………………………... 83
-1-4 مقدمه ……………………………………………………………………………………… 84
-2-4 تحلیل پاسخ سیستم با استفاده از روش اجزاء محدود..………………………………………………… 85
-3-4 انتخاب شبکه عصبی مناسب و مقایسه آنها...………..…………………………………….………… 94
130 .…………………………………………….…………LM -4-4 نتایج حاصل از بکارگیری شبکه عصبی
فصل پنجم : نتیجه گیری و پیشنهادات ..………………….…………………………………………… 140
-1-5 نتیجه گیری.………………………………………………………………………………… 141
-2-5 پیشنهادات.………………………………….……………………………………………… 142
144 …...………………………………………………………………………..……… (A) ضمیمه
149 ……………………………………………….…………………………………... (B) ضمیمه
مراجع...………………………………………………………………………………………… 151
٨
فهرست جدول ها :
32 .………….…………………………………………………………………………(1- جدول ( 2
33 ............…………………………………………………………………………….(2- جدول ( 2
33 ……..………………………………………………………………………………(3- جدول ( 2
34 ………..……………………………………………………………………………(4- جدول ( 2
63 ………..……………………………………………………………………………(1- جدول ( 3
90 …………………………………………………………………………………….(1- جدول ( 4
91 …………..………………………………………………………………………...(2- جدول ( 4
92 ……………..………………………………………………………………………(3- جدول ( 4
93 ……………………………………………………………………………………..(4- جدول ( 4
129 ….………………………………………………………………………......………(5- جدول ( 4
139 ………………………………………………………………………......…………