ورود
مقالات فارسیISIکنفرانسهاژورنالها

طراحی بهینه کنترل فازی تاکاگی سوگنو با استفاده از یک روش جدید برای سیستم آونگ معکوس

محل انتشار: اولین کنگره مشترک سیستم های فازی و سیستم های هوشمند
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,902

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:
https://civilica.com/doc/52531

شناسه ملی سند علمی:

FJCFIS01_040

تاریخ نمایه سازی: 14 خرداد 1387

چکیده مقاله:

کنترل سیستمهای غیر خطی یکی از مباحث تحقیقاتی مهم میباشد که در این راستا روشهای هوشمند میتوانند عملکرد خوبی داشته باشند . روشهای یادگیری تقویتی از جمله روشهایی میباشند که برای تنظیم پارامترهای مربوط به یک سیستم کنترلی بکار برده می شوند . روش مرسوم اتوماتای یادگیری تقویتی گسسته دسته ای از روشهای یادگیری تقویتی بوده که در این مقاله به ارائه روشی جدید بر مبنای روش مرسوم میپردازیم .روش جدید را تحت عنوان روش اتوماتای یادگیری تقویتی گسسته توسعه یافته می شناسیم. ابتدا به ارائه بیان جدیدی از سیستم در فضای n بعدی پرداخته و سپس روش جدید در این فضا پیاده میشود که منجر به بهبودی قابل ملاحظه ای از لحاظ سرعت و دقت میشود. روش ارائه شده در این مقاله را در طراحی کنترل فازی تاکاگی سوگنو برای یک سیستم پاندول معکوس که از سیستمهای غیر خطی مهم است، بکار برده و نتایج را با روش مرسوم آتوماتای یادگیری تقویتی مقایسه میکنیم

کلیدواژه ها:

اتوماتای یادگیری تقویتی متداول (CDARLA) ، اتوماتای یادگیری تقویتی توسعه یافته (EDARLA)

نویسندگان

سید محمد علی سید محمد علی

گروه برق دانشکده مهندسی دانشگاه شهید باهنر کرمان

علی اکبر قره ویسی

گروه برق دانشکده مهندسی دانشگاه شهید باهنر کرمان

ماشاءا... ماشین چی

دانشکده ریا ضی دانشگاه شهید باهنر کرمان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Bنck, T., Evolutionary Algorithms in Theory andPractice, Oxford University Press, ...
  • K. Tanaka, H. Wang, *Fuzzy Control Systems Design and Analysis' ...
  • K. Tanaka, M. Sugeno, *Stability analysis and Design of Fuzzy ...
  • G. Ren, Z. Hung-Xiu, *Analytical Design of Takagi-Sugeno Fuzzy Control ...
  • M. Akar, i. Orginer, ،Decentralized Parallel Distributed Compensator Design for ...
  • A. Jadbabaie, _ Jamshidi, A. Titlie, ، ، Guaranteed- Cost ...
  • K. Tanaka, T. Hori, H. Wang, ،New Robust and Optimal ...
  • M.Y. Shieh, C.W. Huang, T.H. Li, 4A GA- based Sugeno-Type ...
  • M.N. Howell, M.C. Best, 4On-line PID tuning for engine idle-speed ...
  • M.N. Howell, T.J. Gordon, 4Continuous action reinforcement learning automata and ...
  • Post- ؛ , [10] S. Zhang , C.Zhang , and ...
  • approximation _ _ Trans. Syst., Man Cybern. C, Appl.Rev, vol. ...
  • no. 4, pp. 485497, Nov. 2000. ...
  • C. C. Aggarwal and P. S. Yu, 4A new approach ...
  • J. Si and Y. T. Wang, «On-line learning control by ...
  • _ Dowling, E. Curran, R. Cunnhingham, and V. Cahill, «Collaborative ...
  • A. Montresor, H. Meling, and O. Babaoglu, ، Toward self- ...
  • David Vengerov, Nicholas Bambos, and Hamid R. Berenji "A Fuzzy ...
  • Kirkpatrick, S., Gelatt, C.D., Vecchi, M.P., 'Optimization by Simulated Annealing", ...
  • Stuckman, B.E., Easom, E.E., _ Comparison of Bayes ian/Sampling Global ...
    • نمایش کامل مراجع