توصيفگر ها :
الگوريتم خودسازمانده , شبكهي موجك فازي بازگشتي , آشوب , پاندول معكوس , هواپيماي بدون سرنشين , سيستم كوادراتور
چكيده فارسي :
در سالهاي اخير، سيستمهاي چندورودي - چندخروجي غيرخطي نامعين به طور عمده مورد مطالعه قرارگرفتهاند. در ديناميك اين سيستمها عدمقطعيتهاي مختلف، ازجمله اصطكاك و اختلالات خارجي وجود دارد و ايجاد يك مدل دقيق رياضي براي تقريب ديناميكهاي ناشناختهي اين سيستمها، كار سختي ميباشد؛ بنابراين طراحي كنترلكنندهي قابل قبول، براي اين سيستمها دچار مشكل ميشود. در واقع لازم است عدمقطعيتهاي پارامتري در سيستمهاي عملي مورد توجه قرارگيرند؛ زيرا اين سيستمها ميتوانند نسبت به پارامترها بسيار حساس باشند. بهمنظور غلبه بر اين مشكلات ميتوان از روشهاي كنترل كلاسيك، مانند كنترل مد لغزشي استفاده نمود؛ اما عليرغم مزاياي چشمگير كنترل مد لغزشي، اين روش بهمنظور دستيابي به مشخصات مقاوم بر كنترل چترينگ ورودي، نيازمند به مدل واقعي سيستم و اطلاع از محدودهي عدمقطعيت است. به همين دليل در سالهاي گذشته علاوه بر سيستمهاي كنترل كلاسيك، سيستمهاي كنترل هوشمند در زمينههاي مختلف بهكارگرفته شدهاست. بر اين اساس دراين تحقيق الگوريتم شبكههاي موجك فازي بازگشتي خودسازمانده بهمنظوركنترل سيستمهاي چندورودي، چندخروجي نامعين غيرخطي پيشنهاد ميگردد. الگوريتم پيشنهاد شده براساس تركيب تكنيكهاي مختلفي از جمله كنترل مد لغزشي، كنترل تطبيقي، شبكهي موجك فازي بازگشتي و تكنيك اولويت با شباهت به راهحل ايدهآل طراحي ميشود. در روش پيشنهادي شبكهي موجك فازي بازگشتي مبتني برساختار يك شبكهي موجك فازي با حداقل تعداد پارامتر وزن در قسمت مؤخر فازي، با الگوريتم خودسازمانده اولويت با شباهت به راهحل ايدهآل، تركيب شدهاست؛ بنابراين كنترلكنندهي طراحي شده، نسبت به ساختار كنترلكنندههاي گذشته داراي ساختاري با تعداد پارامتر يادگيري كمتر است و علاوه بر داشتن قدرت انتخاب حداكثر قوانين فازي اوليه، با استفاده از اين روش ميتوان نسبت به روشهاي گذشته با انتخاب حداكثر تعداد قوانين فازي اوليهي كمتري سيستم را بهگونهاي كنترل نمود كه خطاي رديابي كوچكتر شود. در روش پيشنهادي شبكه داراي حداكثر قوانين فازي اوليه ميباشد و در طول فرآيند كنترل ممكن است بسته به شرايط، تعداد قوانين فازي نسبت به مقدار اوليهي تنظيم شده كمتر شود. همچنين شبكه داراي دو آستانهي ديناميكي است كه يكي جهت حفظ يا حذف قوانين فازي موجود و ديگري براي ايجاد يك قانون جديد استفاده ميشود. براساس مزاياي تكنيكهاي فوق، سيستم كنترل شبكهي موجك فازي بازگشتي خودسازمانده طراحي شده است؛ كه شامل يك كنترلكننده و يك جبرانكنندهي مقاوم ميباشد. بهمنظور تنظيم پارامترها به صورت آنلاين براي كنترلكنندهي اصلي از روش گراديان نزولي و جهت تضمين پايداري سيستم از قضيهي پايداري لياپانوف استفاده ميشود. بهمنظور بررسي اثربخشي طرح كنترل پيشنهادي، سيستم كنترل پيشنهادي به سيستم آشوب غيرخطي، پاندول معكوس دوتايي و هواپيماي بدون سرنشين اعمال و با روشهاي قبلي مقايسه شدهاست. درنهايت روش پيشنهادي جهت كنترل حركت خطي و چرخشي سيستم كوادراتور، مبتني بر يك شبكهي موجك فازي بازگشتي خودسازمانده طراحي ميشود. نتايج شبيهسازي نشان ميدهد كه طرح كنترل پيشنهادي ميتواند عملكرد كنترل مطلوبي را بدست آورد؛ بهصورتيكه كوادراتور مسير مطلوب همراه با تغييرات زوايا نسبت به محورهاي x و y را با دقت بالا رديابي ميكند.
چكيده انگليسي :
Nowadays, uncertain nonlinear systems have been extensively studied. The challenge of controlling this systems can be discussed as the dynamic uncertainties, which may originate from nonlinear friction and external disturbance. So, estimating the actual model of system is complicated and designing an accurate controller is not possible. In reality, the parametric uncertainties in practical systems need to be taken into account because the nonlinear systems can be very sensitive to their parameters. To overcome these problems, Sliding mode control (SMC) has been recognized as an effective of robust control. However, in practical applications, SMC requires the unobtainable system models in some circumstances; uncertainty bound is generally unknown, but in SMC the uncertainty bound is ordinarily required to obtain robust characteristics, which will affect the control input chattering. In the past years, in addition to traditional control systems, the intelligent control systems have been applied in various fields. Motivated by the above discussions, this paper proposes a self-organizing recurrent fuzzy wavelet neural network (SORFWNN) control system for multiple input–multiple output (MIMO) uncertain nonlinear systems. Based on the advantages of the SMC, adaptive, RFWNN and TOPSIS techniques, a self organizing recurrent wavelet fuzzy neural network control system is designed. In this control system the network has the maximum initial rules; it helps to increase the responsiveness of the system; the network has two dynamic thresholds: One dynamic threshold is utilized to consider whether to retain or to delete the existing rules and the other is used for generating a new rule; Based on the advantages of the above techniques, a self organizing recurrent wavelet fuzzy neural network control system is designed comprising a main controller and a robust compensator. The gradient descent method is used to online tune the parameters for the main controller and a Lyapunov stability theorem is applied to guarantee the system’s stability. The proposed control system is applied to a second-order nonlinear inverted pendulum system, nonlinear chaotic system, an inverted double pendulum system and an unmanned aerial vehicle motion control to verify the effectiveness of the proposed control scheme. Finally, the proposed control system is designed for control of Quad rotor system. The simulation results show that the proposed control scheme can achieve favorable control performance.