توصيفگر ها :
شبكه‌هاي عصبي مصنوعي , سيستم فازي , سيستم دور عمليات , سيستم تاخير دار , مدل ديناميكي غيرخطي , الگوريتم ازدحام ذرات
چكيده فارسي :
موضوع پايان نامه «شبكه عصبي موجك-فازي با ساختار متغير براي كنترل سيستم‌هاي غيرخطي » مي‌باشد. هدف از انجام اين پژوهش بهبود عملكرد شبكه‌ي عصبي موجك-فازي با تغيير و اصلاح ساختار آن مي‌باشد. براي آزمايش و نشان دادن برتري شبكه‌ي مورد نظر، اين شبكه به عنوان كنترل كننده به يك سيستم دور عمليات اعمال مي‌شود. سيستم دور عمليات، يك سيستم غير خطي داراي تاخير زماني مي باشد كه اين سيستم متشكل از پنج بخش اصلي است كه عبارتند از اپراتور انساني، ربات فرمانده، كانال ارتباطي، ربات فرمانبر و محيط. در اين سيستم اپراتور انساني و ربات فرمانده در يك مكان قرار مي‌گيرند و ربات فرمانبر نيز در مكاني دورتر نسبت به آن دو در محيط قرار خواهد گرفت. اين دو بخش يعني ربات فرمانده و فرمانبر توسط كانال ارتباطي به يكديگر متصل مي‌باشند. اين تفاوت مكاني بين ربات فرمانده و فرمانبر گاها مي‌تواند يك تغيير در مقياس و يا فاصله‌اي به اندازه‌ي دو كشور باشد. عملكرد اين سيستم به گونه‌اي است كه اپراتور انساني دستوري را بصورت نيرو به ربات فرمانده اعمال و ربات فرمانده دستور اپراتور انساني را انجام مي‌دهد، سپس حركتي در آن انجام مي‌گيرد. سيگنال دستوري ربات فرمانده توسط كانال ارتباطي به مكان ربات فرمانبر ارسال مي‌شود. وظيفه‌ي ربات فرمانبر اين مي‌باشد كه حركت ربات فرمانده را عيناً در محيطي كه در آن حضور دارد دنبال كند. سيستم دور عمليات در علوم مهندسي، علوم فيزيك، علوم پزشكي و ... داراي كاربردهاي زيادي مي‌باشد. در كار كردن با اين سيستم محدوديت‌هايي نيز وجود دارد. از جمله اين محدوديت‌ها مي‌توان به تاخير زماني متغير و نويز موجود در كانال ارتباطي اشاره كرد. شبكه‌هاي عصبي مصنوعي امروزه به دليل ويژگي آموزش پذيري مورد توجه بسياري از محققان قرار گرفته‌اند. تركيب اين شبكه‌ها با شبكه‌ي فازي يك شبكه‌ي جديد با عنوان شبكه‌ي عصبي موجك-فازي را مي‌سازد كه اين شبكه‌ي جديد داراي جنبه‌هاي مثبتي از هر دو شبكه‌ي عصبي و شبكه‌ي فازي مي‌باشد. در اين پژوهش با ايجاد تغييراتي در شبكه‌ي عصبي موجك-فازي نوع اول، شبكه‌هاي بهبود يافته‌اي پيشنهاد شده كه داراي برتري زيادي نسبت به شبكه‌ي اصلي هستند. اين تغييرات شامل اضافه كردن عبارت‌هايي به روابط به روز كردن پارامترهاي شبكه‌ي عصبي موجك-فازي است كه اين عبارت‌ها خاصيت تطبيقي بودن را به روابط به روز رساني پارامترها مي‌دهند. همچنين استفاده از يك الگوريتم تركيبي براي شناسايي و به روز رساني پارامترها از جمله اعمالي است كه براي بهبود شبكه پيشنهاد شده به كار رفته است. كنترل كننده‌ي طراحي شده مبتني بر اين شبكه عدم قطعيت‌ها و نويز موجود در كانال ارتباطي را به خوبي مديريت مي‌كند. در شبكه‌هاي عصبي مصنوعي همواره يك مسئله ي مهم تعداد نورو‌ن‌هاي موجود در لايه‌هاي مختلف بوده است. با انتخاب تعداد كمي از نورون‌ها آموزش به خوبي صورت نمي‌پذيرد و هر چه تعداد نورون‌ها افزايش بيابد ساختار شبكه پيچيده‌تر مي‌شود. يك راه حل مناسب براي اين مشكل طراحي يك شبكه با ساختار متغير است. شبكه‌ي عصبي موجك-فازي ساختار متغير با تعداد مناسبي از نورون‌ها طراحي مي‌شود و همين تعداد نورون‌ها با توجه به وروديها خود را تطبيق مي‌دهند. اين خاصيت باعث مي‌شود توابع عضويت در طول اجراي برنامه با توجه به وروديها تنظيم شوند و حداكثر استفاده از تمامي نورون‌ها در طول اجراي برنامه صورت گيرد. با توجه به محدوديت‌هاي موجود در سيستم دور عمليات و عدم قطعيت‌هاي موجود در آن، اين سيستم يك مورد مناسب براي آزمايش شبكه‌ي عصبي موجك-فازي بهبود يافته است. بنابراين يك كنترل كننده‌ي مبتني بر شبكه‌ي عصبي موجك-فازي بهبود طراحي و به سيستم دور عمليات اعمال مي‌شود.
چكيده انگليسي :
The thesis topic is "fuzzy-wavelet neural network with variable structure for controlling nonlinear systems". The purpose of this research is to improve the performance of wavelet-fuzzy neural network by changing and modifying its structure. To test and demonstrate the superiority of the desired network, this network is applied as a controller to a remote system. The round operation system is a non-linear system with a time delay, which consists of five main parts, which are the human operator, the commanding robot, the communication channel, the controlling robot, and the environment. In this system, the human operator and the commanding robot are placed in the same place, and the controlling robot will be placed in a place far away from them in the environment. These two parts, the commander and the subordinate robot, are connected to each other by a communication channel. This spatial difference between the commander and the subordinate robot can sometimes be a change in scale or a distance equal to the size of two countries. The operation of this system is such that the human operator gives a command to the commanding robot as force, and the commanding robot executes the command of the human operator, then it performs a movement in it. The command signal of the commanding robot is sent to the location of the controlling robot through a communication channel. The task of the commanding robot is to follow the movement of the commanding robot exactly in the environment in which it is present. The operating cycle system has many applications in engineering sciences, physical sciences, medical sciences, etc. There are also limitations in working with this system. Among these limitations, we can mention variable time delay and noise in the communication channel. Nowadays, artificial neural networks have attracted the attention of many researchers due to their trainability feature. The combination of these networks with fuzzy network creates a new network called wavelet-fuzzy neural network, which has positive aspects of both neural network and fuzzy network. In this research, by making changes in the wavelet-fuzzy neural network of the first type, improved networks have been proposed which have a great superiority over the original network. These changes include adding terms to the update relations of wavelet-fuzzy neural network parameters, which give the characteristic of being adaptive to the parameter update relations. Also, the use of a hybrid algorithm to identify and update parameters is among the actions that have been used to improve the proposed network. The designed controller based on this network manages the uncertainties and noise in the communication channel well. In artificial neural networks, the number of neurons in different layers has always been an important issue.By choosing a small number of neurons, training is not done well, and the more the number of neurons increases, the network structure becomes more complicated. A suitable solution for this problem is to design a network with a variable structure. The variable structure wavelet-fuzzy neural network is designed with an appropriate number of neurons and the same number of neurons adapts according to the inputs. This feature makes the membership functions to be adjusted according to the inputs during the execution of the program and to make maximum use of all the neurons during the execution of the program. According to the limitations of the operational remote system and the uncertainties in it, this system is a suitable case for testing the improved wavelet-fuzzy neural network. Therefore, a controller based on wavelet-fuzzy neural network is designed and applied to the remote operation system.
