متن کامل این مقاله به زبان انگلیسی می باشد. لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.

نمودارهای کنترل کلاسیک با استفاده از داده های دقیق و معین، فرآیندهای تولیدی را در دو گروه «تحت کنترل» یا «خارج از کنترل» قرار می دهند. در حالیکه مجموعه های فازی با تعریف توابع عضویت پیوسته و استفاده از داده های مبهم و نامعین با بهره گیری از اعداد فازی مثلثی و ذوزنقه ای، سطوح مختلف تصمیم را برای تصمیم گیرندگان معرفی می کند. در این مقاله با استفاده از مدفازی برای ترسیم نمودارهای کنترل فازی علاوه بر استفاده از داده های نامعین و مبتنی بر تجربه و ذهنیت افراد، سطوح چندگانه کیفی برای محصول موردنظر در شرکت تولیدی مورد آزمون به صورت «تحت کنترل، نسبتا تحت کنترل، نسبتا خارج از کنترل و خارج از کنترل» تعریف شده است که بیان کننده حالات واقعی تر شرایط تولیدی است.

در این مقاله، دو نوع کنترل کننده برای کنترل دسته خاصی از سامانه های فروتحریک با دو درجه آزادی ارایه می شود. شیوه طراحی کنترل کننده های پیشنهادی و نحوه اثبات پایداری سامانه حلقه بسته با استفاده از راهکارهایی نظیر کنترل پسگام، کنترل مد لغزشی، منطق فازی و ترکیب آنان با جزییات ارایه می گردد. اثبات ریاضی نشان می دهد که سامانه حلقه بسته با کنترل کننده های پیشنهادی در حضور عدم قطعیت های ساختاری و غیرساختاری، دارای پایداری مجانبی سراسری است. سپس مزایا و معایب کنترل کننده های پیشنهادی مورد بررسی قرار گرفته و در ادامه ملاک هایی نظیر سادگی در نحوه پیاده سازی عملی کنترل کننده، حجم محاسبات ورودی کنترل، نحوه تنظیم ضرایب ورودی کنترل و اندازه دامنه ورودی کنترل انتخاب شده و بر اساس آن ها، مقایسه بین کنترل کننده های پیشنهادی ارایه می شود. سرانجام برای بررسی عملکرد کنترل کننده های پیشنهادی، شبیه سازی هایی بر روی سامانه گاری با پاندول معکوس تک لینکی پیاده سازی می گردد. نتایج شبیه سازی ها عملکرد راهکارهای پیشنهادی را به روشنی نشان می دهند.

کنترل مد لغزشی نسبت به سایر روش های کنترل و رؤیتگر در برخورد با سیستم های غیرخطی، مزایای زیادی از جمله پایداری دارند. با این حال، چالش های کنترلی از جمله عدم قطعیت ها در چنین رویکردهایی میتواند عملکرد کلی سیستم را کاهش دهد. در این مقاله روش های جدیدی برای مقابله با این موضوع با استفاده از کنترل عصبی فازی پیشنهاد شده است. این مطالعه توسعه الگوریتم های کنترل غیرخطی جدید را برای غلبه بر چالش های کنترلی که با سیستم های غیرخطی در حضور عدم قطعیت مواجه می شوند، ارائه می کند. هگزاکوپترها نمونه خوبی از سیستم های تحریک ناقص هستند. کنترل مد لغزشی عملکرد پایدارتری نسبت به کنترلگرهای دیگر در حضور اغتشاشات و عدم قطعیت ها از خود نشان میدهد. در حالی که با افزایش عدم قطعیت عملکرد کنترلگر کاهش می یابد، برای جبران این موضوع از شبکه عصبی فازی تطبیقی جهت یافتن ضرایب کنترلی کنترلگر مد لغزشی استفاده شده و عملکرد سیستم در حضور عدم قطعیت و دقت سیستم در مسیریابی هدف افزایش یافته است.

هدف از کنترل هوشمند، کنترل یک سیستم بدون در دست داشتن معادلات دینامیکی حاکم بر آن سیستم با حداقل اطلاعات می باشد. فرآیند تولید یک محصول،همواره تحت تاثیر عوامل گوناگونی قرار گرفته و رفتار آن از یک رابطه ریاضی مشخص تبعیت نمی کند. یکی از روش های رایج برای کنترل فرآیند، استفاده از نمودارهای کنترل کیفیت شوهارت می باشد. تجزیه و تحلیل این نمودارها مستلزم دانش و تجربه کافی است که در عمل ممکن است همه اپراتورها از آن برخوردار نباشند. شبکه های عصبی - فازی به عنوان یکی از مولفه های هوش مصنوعی، می توانند نقش موثری را در تقویت روش های رایج کنترل فرآیند بر عهده بگیرند. در این تحقیق به کمک نرم افزار MATLAB و با استفاده از شبکهANFIS ، به طبقه بندی دو الگوی غیر طبیعی در نمودارهای کنترل کیفیت پرداخته شده است. نتایج نهایی به دست آمده در این تحقیق نشان می دهند که با استفاده از ANFIS می توان با کاهش خطاهای مرتبط، ضریب اطمینان سیستم های کنترل کیفیت را به خصوص در زمینه نمودارهای کنترل کیفیت، تا حدود زیادی افزایش داد.

تئوری مجموعه های فازی و متغیرهای تصادفی همواره کوشیده اند که مبحث عدم قطعیت را به طور جداگانه مورد بررسی قرار دهند. اما در سیستم های واقعی همواره با مواردی مواجه هستیم که فرایندها تحت تاثیر دو نوع عدم قطعیت قرار دارند. عدم قطعیت به دلیل عدم وجود اطلاعات کامل و دقیق و عدم قطعیت به دلیل ماهیت تصادفی ذاتی فرایندها. این مقاله به بناسازی یک نمودار کنترل آماری – فازی فرایند در حضور این دو نوع عدم قطعیت می پردازد و با استفاده از یک مثال صنعتی، این موضوع را به تصویر می کشد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

1رباتهای سری دارای دینامیک غیر خطی هستند و دارای عدم قطعیتهایی در نیروهای مفصلی و مدل خود ربات هستند. معمولاً در کنترل فازی از دو متغیر زبانی موقعیت زاویه­ای و سرعت زاویه­ای استفاده می­شود. این روش شبیه به آن است که از کنترل کننده PD استفاده شود و در نتیجه قادر به تعقیب مسیر نمی­باشد و خطای ماندگار خواهد داشت. در این تحقیق از متغیر زبانی مجموع خطاها نیز استفاده می­شود. با استفاده از متغیرهای زبانی خطا و مشتق خطا و انتگرال خطای موقعیت زاویه­ای، تعقیب مسیر یک ربات سری RR در حالتی که عدم قطعیت در مدل دینامیکی سیستم وجود دارد، انجام می­شود. این روش شبیه به آن است که از کنترل کننده PID استفاده شود و در نتیجه قادر به تعقیب مسیر خواهد بود و در عین حال به دلیل عدم حساسیت به اغتشاش و عدم قطعیت، نتایج بهتری نسبت به کنترل­کننده PID به دست می­آید

در این طرح هدایت و کنترل یک ربات زیر آبی شامل سه موتور و پروانه های متصل به آن به کمک کنترل فازی بررسی شده است. کنترل فازی بر اساس تجربیات انسانی و قوانین مورد نیاز انجام می گیرد. ربات همچنین قابل کنترل و هدایت توسط کاربر نیز می باشد. از این ربات می توان در محیط دریا یا استخر برای یافتن نقطه هدف و قرار گرفتن در جهت مورد نظر استفاده کرد. علاوه بر این ربات می تواند مسیری مشخص را نیز دنبال کند و در آن مسیر به جستجو بپردازد. این ربات قادر است انواع موانع در سطح یا در عمق را پشت سر بگذارد و به سمت هدف حرکت کند و عبور از موانع را با استفاده از قوانین فازی انجام می دهد، بدین معنی که در برخورد با هر نوع مانعی، ربات زیرآبی تصمیم لازم را برای عدم برخورد با آن در نظر گرفته و از آن عبور می کند. برای شبیه سازی سیستم مورد نیاز از نرم افزارهای webots که یک نرم افزار قوی در شبیه سازی ربات های متحرک می باشد و نرم افزار ریاضی maple استفاده شده است.