وبلاگ

:

برای دستیابی به كنترل مطلوب تطبیقی و برخط سیستم ها استفاده از روش شناسایی مناسب الزامی است. عدم وجود مدل دقیق ریاضی برای فرایندهای صنعتی و وجود ترم های غیرخطی در اكثر سیستم های فیزیكی، فاز شناسائی را در پروتكل های كنترلی حائز اهمیت فراوان ساخته است. لذا در این پایان نامه شناسائی فازی سیستمهای غیرخطی چندمتغیره براساس مدل فازی Takagi-sugeno در فاز شناسائی

 سیستم بررسی شده و به كارگرفته می شود.

در حالت برخط تمام داده ها را در ابتدای پروسه آموزش در اختیار نداریم، بنابراین آموزش مدل فازی TS باید با اولین نمونه داده شروع شود. در این شرایط ساختار مدل در ابتدا در دست نیست و به صورت تدریجی در خلال پروسه شناسایی تكامل می یابد. آموزش پیوسته و برخط مدل TS، برپایه روش دسته بندی بازگشتی غیر تكرارشونده بنا شده است، كه قسمت مقدم را تخمین می زند و الگوریتم حداقل مربعات بازگشتی پارامترهای زیر مدل های خطی تالی را محاسبه می كند. در این روش، ساختار مدل در ابتدا شناخته شده نیست و در طی پروسه شناسایی تكامل می یابد. (قابل ذكر است كه این تكامل بسیار آهسته تر از تكامل پارامترهای مدل صورت می گیرد. در مدل eTS پتانسیل داده جدید برای به هنگام كردن پایگاه قوانین، استفاده می شود. در این الگوریتم داده های پرت هیچگونه شانسی برای اینكه به عنوان مركز قانون انتخاب شوند، ندارند. دلیل این مسئله روش خاص تعریف مراكز قانون است. این مسئله بسیار مهم است كه آموزش بدون هیچ گونه دانش اولیه از سیستم و فقط با استفاده از اولین داده آغازمی شود. این ویژگی جالب توجه كاربرد این شیوه را در بسیاری از سیستم های تطبیقی سودمند می سازد.
به دلیل مزایای زیاد كنترل كننده پیش بین نسبت به سایر روش های كنترل كلاسیك و همینطور بدیع بودن اعمال این كنترل كننده بصورت تطبیقی و برخط به همراه این روش شناسایی هوشمند غیرخطی، در صنعت و مخصوصا برای سیستم های چند متغیره، كنترل پیش بین تطبیقی بصورت برخط در مرحله كنترل استفاده گردیده است.