CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Applications of Neural Networks to Modelling of a 2DOF TRMS

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۳۰۳ | نظرات: ۰
سرفصل ارائه مقاله: کنترل / Control
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEE15_313
زبان مقاله: انگلیسی
حجم فایل: ۷۹۸.۲۸ کلیوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Applications of Neural Networks to Modelling of a 2DOF TRMS

   Rahideh - School of Electrical and Electronics Engineering, Shiraz University of Technology, Shiraz, I.R.IRAN, Department of Engineering, Queen Mary, University of London, London E 1 4NS, UK
   Safavi - School of Engineering, Shiraz University, Shiraz, 1.R.IRAN
Shaheed - Department of Engineering, Queen Mary, University of London, London E 1 4NS, UK

چکیده مقاله:

A nonlinear dynamic modelling approach based on neural network (NN) for a real Twin Rotor hIlM0 System (TlbMS), in terms of its 2 degree of
freedom (DOF) dynamics, is presented in this paper. The TRMS is a highly nonlinear system with signiJicant cross-coupling between its horizontal and vertical axes. It is perceived as an aerodynamic test rig representing the control challenges of modern air vehicles. Accurate
dynamic modelling is a prerequisite to address such challenges satisfactorily. A feedforward neural network has been trained using Scaled Conjugate Gradient (SCG) learning algorithm. The trained NN based models have been tested with a set of data that are difeerent from those used for trainingpurpose. For more validation the power spectral densiv (PSD) of the model is compared with that of the real TRhfS and also the correlation validations of the test results are presented in order to show the eflectiveness ofthe proposed model. The results show that the developed model can adequately represent the highly nonlinear features ofthe system

کلیدواژه‌ها:

Neural networks, dynamic modelling, TRMS, scaled conjugate gradient.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICEE15-ICEE15_313.html
کد COI مقاله: ICEE15_313

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Rahideh, ; Safavi & Shaheed, ۱۳۸۶, Applications of Neural Networks to Modelling of a 2DOF TRMS, پانزدهیمن کنفرانس مهندسی برق ایران, تهران, مرکز تحقیقات مخابرات ایران, https://www.civilica.com/Paper-ICEE15-ICEE15_313.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Rahideh, ; Safavi & Shaheed, ۱۳۸۶)
برای بار دوم به بعد: (Rahideh; Safavi & Shaheed, ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Feedback Co., Twin Rotor MIMO System 33-220 user manual, 1998. ...
  • S.M.Ahmad, M.H.Shaheed, A _ .Chipperfied, N.O.Tokhi, ^Nonlinear Modelling of a ...
  • S.M.Ahmad, A..J .Chipperfield, M.O.Tokhi, *Dynamic Modelling and optimal Control of;a ...
  • M.H.Shaheed, ،Performance analysis of 4 types of conjugate gradient algorithm ...
  • I.Z.Mat.Darus, F.M.Aldebrez, M.O.Tokhi, «Parametric Modelling of a Twin Rotor System ...
  • F .M.Aldebrez, I.Z.Mat Darus, M.O.Tokhi, *Dynamic Modelling of a Twin ...
  • M.H Shaheed, 0#Feedforward Neura] Network based Nonlinear lDOF Dynamic Modelling ...
  • M.Norgaard, O.Ravn, N.K.Poulsen, L.K.Hansen, Neural Networks for Modelling and control ...
  • Moller, M.F., "A scaled conjugate gradient algorithm for fast supervised ...
  • S.A.Billings, W.S.N.Voon, .Correlation based model validity tests for non-linear models3. ...
  • S.A.Billings, Q.M.Zhu, ،Nonlinear model validation using correlation tests' , International ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۷۵۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.