کنترل بهینه حلقه بسته برای سیستم خطی با تأخیر برابر در ورودی و حالت سیستممطالعه ی روباست بودن یک سیستم کنترلی بر پایه ی کنترل کننده ی fuzzy PID
۹۹,۰۰۰ 09367292276
مطالعه ی روباست بودن یک سیستم کنترلی بر پایه ی کنترل کننده ی fuzzy PID
بر اساس مقاله
Study on the Robustness Based on PID Fuzzy Controller
سال انتشار 2017
مقاله کنفرانسی
به همراه فایل دو عدد فایل گزارش به فرمت ورد
شبیه سازی در متلب
فایل آموزشی ویدئویی
ارائه پاورپوینت
مناسب برای ارائه به عنوان
پروژه آماده کنترل بهینه
پروژه آماده کنترل فازی
پروژه آماده کنترل مقاوم
پروژه آماده کنترل غیر خطی
دسته: شبیه سازی مقاله, کنترل بهینه, کنترل غیرخطی, کنترل فازی, کنترل مدرن, کنترل مقاوم, مهندسی برق, مهندسی برق کنترل برچسب: پروژه آماده فازی, پروژه آماده کنترل غیر خطی, پروژه کنترل بهینه, پروژه کنترل فازی, پروژه کنترل مقاوم, شبیه سازی مقاله, مهندسی برق, مهندسی کنترل
09367292276
09367292276 (0)
چکیده:
کنترل فازی در مقایسه با کنترل کننده PID کلاسیک،دارای مزایای بسیار زیادی میباشد.کنترل فازی بدون استفاده از مدل ریاضی قسمت کنترلی سیستم،میتواند عملکرد بسیار مطلوبی از خود به نمایش بگذارد.علاوه بر این،پایداری بسیار بالا و روباست بودن از ویژگی های کنترل فازی میباشد(یک سیستم کنترلی روباست است اگر در مقابل اغتشاشات بیرونی و نیز تغییر ورودی ها،عملکرد مطلوبی از خود نشان بدهد).با ترکیب کردن کنترل کننده ی PID و سیستم فازی،کنترل کننده ی FUZZY PID به وجود می آید که دارای عملکرد بسیار مطلوب تری نسبت به PID های قدیمی می باشد.در این مقاله در مورد تنظیم خودکار پارامترهای کنترل کننده PID توسط سیستم فازی بحث میگردد.عملکرد این کنترل کننده با PID های قدیمی مقایسه میگردد.نتایج به دست آمده نشان دهنده ی این موضوع هستند که FUZZY PID بسیار روباست تر از PID کلاسیک میباشد.
مقدمه:
کنترل فازی بر مبنای تجربه بنا گردید.زبان فازی،بیان کننده ی نحوه ی تفکر انسان و واکنش های ذهن او به اتفاقات پیچیده میباشد.بنابراین،کنترل فازی نواقص کنترل کننده های کلاسیک را برطرف میسازد.به دلیل همین مزایا،کنترل فازی در ۲۰ سال اخیر پیشرفت بسیار چشمگیری داشته است.کنترل فازی در مقایسه با کنترل کننده های کلاسیک،میتواند بدون نیاز به مدل ریاضی سیستم تحت کنترل،عملکرد بسیار خوبی داشته باشد.با این روش،سیستم های کنترلی غیر خطی را نیز میتوان به خوبی کنترل نمود.
کنتنرل فازی در مقابل تغییرات پارامترهای سیستم تحت کنترل عملکرد بسیار خوبی دارد(روباست است) و اغتشاشات خارجی وارد شده بر سیستم را نیز به نحو مطلوبی دفع مینماید.بنابراین،کنترل فازی به دلیل اجزای ساده و روباست بودن،بسیار مقبول و مطلوب است.
0
0
0
09367292276
کنترل ردیاب بهینه بر روی ربات عمود پرواز چهار ملخه
۱۲۰,۰۰۰ 09367292276 ۹۹,۰۰۰ 09367292276
طراحی کنترلر PID تطبیقی، برای سیستم های غیرخطی به وسیله شبکه عصبی فازی
۱۷۵,۰۰۰ 09367292276 ۱۵۰,۰۰۰ 09367292276
شبیه سازی ژنراتور DC در محیط سیمولینک
۷۵,۰۰۰ 09367292276 ۵۰,۰۰۰ 09367292276
طراحی کنترل کننده غیرخطی بهینه ریکاتی مبتنی بر رویتگر برای یک کلاس از سیستم های غیرافاین
استخراج قواعد فازی از داده ها با استفاده از ترکیب الگوریتم ژنتیک و ازدحام ذرات
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۸۹,۰۰۰ 09367292276
شبیه سازی مقاله با عنوان
Design of fuzzy expert system for microarray data classification using a novel Genetic Swarm Algorithm
P.Ganesh KumarوT.Aruldoss Albert Victoireو P.Renukadeviو D.Devaraj
سال انتشار: 2012
مقاله ژورنال
مناسب برای ارائه به عنوان
پروژه آماده یادگیری ماشین (ماشین لرنینگ)
به همراه شبیه سازی در متلب
دسته: کنترل فازی, مهندسی کامپیوتر, یادگیری ماشین برچسب: پروژه آماده فازی, پروژه آماده یادگیری ماشین, شبیه سازی مقاله الگوریتم ژنتیک, شبیه سازی مقاله فازی, شبیه سازی مقاله یادگیری ماشین
09367292276
09367292276 (0)
داده های استفاده شده در شبیه سازی مقاله:
مجموعه داده‌ی Alon et al. برای سرطان Colon به صورت زیر است:
شامل مقدا بیان ژن برای ۲۰۰۰ ژن و ۶۲ فرد نمونه است. از این ۶۲ نفر ۴۰ نفر بیمار هستند و ۲۲ نفر سالم.
سطر اول شماره ژن ها و ستون اول شماره نمونه هاست.
ستون آخر، برچسب نمونه‌ها را نشان می‌دهد. داده‌های با برچسب ۱- سرطانی بودن را نشان می‌دهند و داده‌های با برچسب ۱ از کلاس نمونه‌های سالم هستند.
نکته: چون گام Gene selection نمی‌خواد انجام بشه با توجه به محتویات جدول A1 در مقاله به اون دیتاست Alon et al. و شامل دو هزار ژن بود، احتیاجی نیست. چون اسم ژن ها تو اون دیتاست نبود ما با توجه به اسم ژن های انتخابی، دیتاست رو دوباره وارد فایل اکسل کردیم. استخراج قواعد فازی از همین ده ژن انتخابی در فایل csv ارائه شده کافی است.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
توضیحات برای مجموعه داده :
اصل این دیتاست از مقاله Alon et al. 1999 برای داده‌های سرطان colon استخراج شده که مشتمل بر مقادیر بیان ژن برای ۲۰۰۰ ژن از ۶۲ نمونه است. ستون آخر این دیتاست گروه مربوط به هر نمونه است. ۱- نشانه بیمار(سرطانی) بودن نمونه و ۱ نشانه سالم بودن نمونه است.
با توجه به بخش ۵.۲، ده ژن از میان ۲۰۰۰ ژنِ دیتاست اصلی انتخاب شده‌اند که در جدول A1 ضمیمه مقاله، آمده است. چون که روند اصلی پیاده‌سازی مقاله روی این ده ژن انجام میگیرد از مجموعه داده‌ی اصلی دیتای مربوط به آنها را استخراج کردیم و در ضمیمه فایل rar ارائه شده است. روند پیاده‌سازی شامل فازی کردن داده‌ها (بخش ۴.۱ در مقاله) ، پیاده سازی الگوریتم ژنتیک و ازدحام ذرات (۴.۲ و ۴.۳ و ۴.۴) و در نهایت استخراج قواعد؛ تنها برای همین مجموعه داده.
0
0
0
09367292276
Placeholder
متن پایان نامه کارشناسی ارشد فناوری اطلاعات: بررسی تاثیر هوش تجاری بر اثربخشی سازمان
۳۲,۹۰۰ 09367292276
پروژه پردازش تصویر
بخش بندی سه بعدی تصاویر پزشکی (قطعه بندی از تصاویر دوبعدی و بازسازی سه بعدی از اتصال آنها به هم
۵۵,۰۰۰ 09367292276 ۴۵,۰۰۰ 09367292276
کنترل سطح مایعات در شرایط نقص حسگرهای سیستم با استفاده از شبکه های فازی-تطبیقی COACTIVE
کنترل سطح مایعات در شرایط نقص حسگرهای سیستم با استفاده از رویتگر فازی-تطبیقی COACTIVE
۸۵,۰۰۰ 09367292276
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
کنترل کامیون باری با استفاده از کنترل کننده فازی
یک روش انتخاب ویژگی دو مرحله‌ای برای موضوع‌بندی متن بر اساس مقاله با استفاده از الگوریتم ژنتیک
۹۹,۰۰۰ 09367292276
شبیه سازی مقاله الگوریتم ژنتیک در متلب
A two-stage feature selection method for text categorization by using information gain, principal component analysis and genetic algorithm
Harun Uğuz
سال انتشار 2011
مقاله ژورنال
موارد زیر برای مقاله ذکر شده بررسی شده است:
توضیح مختصری از مقاله و الگوریتم بیان شده
پیاده سازی الگوریتم بیان شده در مقاله روی دیتاست دلخواه
نمایش نتایج و ارزیابی روش از لحاظ دقت و زمان
مقایسه با نتایج به دست آمده در مقاله
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
مناسب برای ارائه به عنوان
پروژه آماده الگوریتم ژنتیک
پروژه آماده درس هوش مصنوعی
دسته: Uncategorized, الگوریتم ژنتیک, شبیه سازی مقاله, مهندسی برق, مهندسی برق کنترل, مهندسی کامپیوتر برچسب: پروژه آامده الگوریتم ژنتیک, پروژه آماده, پروژه آماده هوش مصنوعی, شبیه سازی مقاله الگوریتم ژنتیک
09367292276
09367292276 (0)
نتایج اصلی این مقاله با ۵۰۰ تکرار بدست می آیند که تقریبا ۳ روز نیاز به اجرا دارد.
نتایج توی فایل اکسل ذخیره میشوند.
مدل مسئله بصورتی هست که برای هر روش ۱۰ بار کراس ولیدیشن دارد
با روش ایتفرمیشن جین ده تا حالت داره
حالا برای هر کدوم از این ۱۰۰ تا حالت ۵۰۰ تکرار الگوریتم ژنتیک هم لازم است.
در این مقاله هدف اجرای دو رویکرد دو مرحله‌ای در دسته‌بندی متن دنبال شده است. همانطور که در شکل ۱ مشاهده می‌شود، پس از انجام پیش‌پردازش‌های لازم و تبدیل متن به برداری از ویژگی‌های عددی تعریف‌کننده، ابتدا به‌صورت مستقیم و با استفاده از دو مدل دسته‌بندی شناخته شده KNN و SVM دسته‌بندی صورت گرفته است. دلیل استفاده از SVM و جایگزینی آن با C4.5 این بوده است که پیاده‌سازی شخصی این روش (که در پوشه ارسالی نیز موجود است) سرعت اجرایی بسیار پایینی دارد. بنابراین، روش SVM موجود در متلب به‌عنوان جایگزین انتخاب شده است. سپس، با استفاده از روش Information Gain (IG) هر یک از مقادیر ویژگی استخراج شده نرمال شده‌اند.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0
0
0
09367292276
شبیه سازی مقاله A Maximum Principle for Optimal Control of Discrete-Time Stochastic Systems With Multiplicative Noise
۱۰۰,۰۰۰ 09367292276 ۷۹,۰۰۰ 09367292276
پروژه کنترل بهینه شبیه سازی LQ control design of a class of hyperbolic PDE systems: Application to fixed-bed reactor
پروژه کنترل بهینه | شبیه سازی مقاله LQ control design of a class of hyperbolic PDE systems: Application to fixed-bed reactor
۱۰۰,۰۰۰ 09367292276 ۹۰,۰۰۰ 09367292276
کنترل بهینه یک سیستم MIMO روتور دوقلو به روش LQR با انتگرال‌گیر
۱۳۰,۰۰۰ 09367292276 ۸۰,۰۰۰ 09367292276
طراحی کنترلر PID تطبیقی، برای سیستم های غیرخطی به وسیله شبکه عصبی فازی
شبیه سازی مقاله Dynamic Modeling and Trajectory Tracking Controller of a Novel Flying Parallel Robot
۸۵,۰۰۰ 09367292276
شبیه سازی مقاله در سیمولینک متلب با عنوان
Dynamic Modeling and Trajectory Tracking Controller of a Novel Flying Parallel Robot
DamienSix***AbdelhamidChriette***SébastienBriot*PhilippeMartinet***
سال انتشار: 2017
مقاله کنفرانسی
مناسب برای ارائه به عنوان
پروژه آماده کنترل مدن
پروژه آماده کنترل غیر خطی
پروژه آماده درس رباتیک
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
به همراه فایل شبیه سازی مقاله در سیمولینک متلب و فایل آموزش شبیه سازی و راهنمای شبیه سازی در ورد در 7 صفحه
دسته: شبیه سازی مقاله, کنترل غیرخطی, کنترل مدرن, مهندسی برق, مهندسی برق کنترل برچسب: پروژه آماده, پروژه آماده کنترل غیر خطی, پروژه آماده کنترل مدرن, شبیه سازی مقاله, کنترل غیرخطی, مهندسی برق, مهندسی کنترل
09367292276 (0)
09367292276
هیچ دیدگاهی برای این محصول نوشته نشده است.
اولین نفری باشید که دیدگاهی را ارسال می کنید برای “شبیه سازی مقاله Dynamic Modeling and Trajectory Tracking Controller of a Novel Flying Parallel Robot”
نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
ایمیل *
0
0
0
09367292276
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
پروژه کنترل بهینه آماده
پروژه درس کنترل بهینه | شبیه سازی و ترجمه مقاله The generalized continuous algebraic Riccati equation and impulse-free continuous-time LQ optimal control
۱۷۵,۰۰۰ 09367292276 ۱۲۵,۰۰۰ 09367292276
Placeholder
پروژه درس اتوماسیون صنعتی شبکه های حسگر بی سیم و کاربردهای آن
۳۰,۰۰۰ 09367292276 ۲۰,۰۰۰ 09367292276
کنترل ردیاب بهینه بر روی ربات عمود پرواز چهار ملخه
۱۲۰,۰۰۰ 09367292276 ۹۹,۰۰۰ 09367292276
مقایسه مبدل های جریان مستقیم در بارهای بالا با کنترل کننده های LQR،فازی و ژنتیک
تشخیص و پیش بینی بیماری دیابت حاملگی با دو تکنیک درخت تصمیم و منطق فازی
۵۵,۰۰۰ 09367292276
تشخیص و پیش بینی بیماری دیابت حاملگی با دو تکنیک درخت تصمیم و منطق فازی
به عنوان پروژه درس داده کاوی
شبیه سازی در متلب بدون فایل گزارش
دسته: شبکه عصبی, کنترل فازی, مهندسی برق, مهندسی برق کنترل برچسب: پروژه آماده داده کاوی, پروژه آماده شبکه عصبی, پروژه آماده فازی, فازی
09367292276 (0)
09367292276
هیچ دیدگاهی برای این محصول نوشته نشده است.
اولین نفری باشید که دیدگاهی را ارسال می کنید برای “تشخیص و پیش بینی بیماری دیابت حاملگی با دو تکنیک درخت تصمیم و منطق فازی”
نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *
امتیاز شما
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
0
0
0
09367292276
طراحی بهینه کنترلر توسط فیدبک حالت و فیدبک خروجی و طراحی رویتگر برای سیستم های Multi agent
۱۳۰,۰۰۰ 09367292276 ۱۰۹,۹۰۰ 09367292276
شبیه سازی مبدل چند سطحی Packed U Cell
۱۵۰,۰۰۰ 09367292276 ۹۹,۰۰۰ 09367292276
ترجمه مقاله Optimal Tracking Controller Design for A Small Scale Helicopter
۳۰,۰۰۰ 09367292276 ۲۰,۰۰۰ 09367292276
شبکه انتقال
برنامه ریزی توسعه شبکه انتقال
بررسی دو روش شناسایی سیستم های متغیر با زمان به همراه شبیه سازی و گزارش
۶۵,۰۰۰ 09367292276
۵۵,۰۰۰ 09367292276
بررسی دو روش شناسایی سیستم متغیر بازمان با جزییات و توضیحات ساده و گویا و توضیح روابط و علایم به طور کامل به همراه مثال و شبیه سازی در متلب و فایل های مرجع و مقالات مرجع
روش اول: شناسایی سیستم با پارامترهای متغیر با زمان با استفاده از Least Square
روش دوم: شناسایی سیستم دینامیکی با استفاده از شبکه های عصبی مصنوعی
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
مناسب برای ارائه به عنوان تحقیق یا پروژه درس شناسایی سیستم ها
به همراه شبیه سازی در متلب و گزارش 20 صفحه ای
دسته: شناسایی سیستم ها, مهندسی برق, مهندسی برق کنترل برچسب: پروژه شناسایی, پروژه شناسایی سیستم ها, پروژه متلب شناسایی
09367292276 (0)
09367292276
هیچ دیدگاهی برای این محصول نوشته نشده است.
اولین نفری باشید که دیدگاهی را ارسال می کنید برای “بررسی دو روش شناسایی سیستم های متغیر با زمان به همراه شبیه سازی و گزارش”
نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *
امتیاز شما
1 2 3 4 5
دیدگاه شما *
نام *
ایمیل *
0
0
0
09367292276
طراحی مدار کنترل مبدل باک Buck در محیط Simulink با کنترل کننده PI و فازی
۶۰,۰۰۰ 09367292276 ۴۰,۰۰۰ 09367292276
مدل SVC برای کنترل ولتاژ ریزشبکه
۱۵۰,۰۰۰ 09367292276 ۹۹,۰۰۰ 09367292276
شبیه سازی مبدل چند سطحی Packed U Cell
۱۵۰,۰۰۰ 09367292276 ۹۹,۰۰۰ 09367292276
پروژه کنترل بهینه شبیه سازی LQ control design of a class of hyperbolic PDE systems: Application to fixed-bed reactor
پروژه کنترل بهینه | شبیه سازی مقاله LQ control design of a class of hyperbolic PDE systems: Application to fixed-bed reactor
کنترل فعال نویز بر اساس یک شبکه عصبی و شناسایی غیرخطی مدل ورودی خروجی سیستم
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
۹۹,۰۰۰ 09367292276
شبیه سازی مقاله
Active Noise Control Algorithm Based on a Neural Network and Nonlinear Input-Output System Identification Model
سال انتشار 2010
به همراه فایل شبیه سازی و توضیحات کد به فرمت پی دی اف در 10 صفحه
مناسب برای ارائه جهت
پروژه درس شناسایی سیستم
پروژه شبکه عصبی
پروژه درس کنترل غیرخطی
دسته: شبکه عصبی, شبیه سازی مقاله, شناسایی سیستم ها, مهندسی برق, مهندسی برق کنترل برچسب: پروژه شبکه عصبی, پروژه شناسایی سیستم ها, پروژه متلب برق, شبکه عصبی, شبیه سازی مقاله, کنترل غیرخطی, کنترل فعال نویز, مهندسی برق, مهندسی کنترل
09367292276 (0)
هیچ دیدگاهی برای این محصول نوشته نشده است.
اولین نفری باشید که دیدگاهی را ارسال می کنید برای “کنترل فعال نویز بر اساس یک شبکه عصبی و شناسایی غیرخطی مدل ورودی خروجی سیستم”
نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *
امتیاز شما
09367292276
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
کنترل بهینه ی بازوی رباتیک ۲ درجه ی آزادی با استفاده از الگوریتم ژنتیک
۱۰۰,۰۰۰ 09367292276 ۸۰,۰۰۰ 09367292276
ترجمه مقاله Optimal Tracking Controller Design for A Small Scale Helicopter
۳۰,۰۰۰ 09367292276 ۲۰,۰۰۰ 09367292276
با استفاده از روش دسته صفحات LQR مقاوم سازی کنترلر
پروژه کنترل بهینه | مقاوم سازی کنترلر LQR با روش دسته صفحات
۱۱۰,۰۰۰ 09367292276 ۸۹,۹۰۰ 09367292276
پاسخ سیستم آونگ وارون با pid controller و کنترل کننده lqr
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com