تبلیغات
آموزش نرم افزار کتیا catia - مدلسازی و شبیه سازی سیستم بوسیله سیستم توده pso
یکشنبه 23 فروردین 1394  04:14 ق.ظ    ویرایش: - -
توسط: تیما تی


 جهت اخذ درجه کارشناسی
عنوان کامل: مدلسازی و شبیه سازی سیستم بوسیله سیستم توده pso
دسته: مهندسی برق - قدرت
فرمت فایل: WORD (قابل ویرایش)
تعداد صفحات پروژه: 157
______________________________________________________
بخشی از مقدمه:
حركت توده ای یك نوع حركت دسته جمعی هماهنگ است كه معمولا با استفاده از ارتباطات اندک موجود بین اعضای آن و اطلاعات محدود از وضعیت کل سیستم انجام می شود. با وجود توانایی و هوش محدود و اندك برای هر عضو، مجموعه این اعضا در كنار هم قادر به انجام اهداف سطح بالا و قابل توجهی هستند.
با ایده گرفتن از حرکات توده ای موجود در طبیعت و مشاهده تعامل بین-عضوی در آنها زمینه جدیدی در علم رباتیک به وجود آمد که حرکات توده رباتیکی  را شبیه سازی می کند. توده رباتیکی از تعدادی ربات های همسان-که هر کدام از آنها در این توده دارای قابلیت های پایین هستند- تشکیل شده است که این تعداد در کنار هم و به طور جمعی توانایی های قابل توجهی پیدا می کنند.
در این فصل به مرور پژوهش های پیشین در زمینه توده رباتیکی، توضیح مدل توده رباتیكی استفاده شده در این رساله، تعریف موضوع و بیان اهمیت و نوآوری آن می پردازیم.
در اینجا اهداف كنترلی توده رباتیكی مورد بحث و بررسی قرار می گیرد. اهداف كنترلی مورد بحث عبارتند از: 
1- كنترل رفتاری اعضای توده به منظور تقلید مدل واقعی توده رباتیكی از مدل مطلوب آن.
2- كنترل حركت اعضای توده به منظور طی كردن مسیر معین.
این اهداف به وسیله یكی از روش های نوین كنترلی مبتنی بر یادگیری تقویتی به نام كنترلر فازی- عصبی تطبیقی با وجود نقاد انجام شده است. در این روش نقاد با نقد عملكرد كنترلر یادگیری تقویتی را پیاده سازی می كند. از مزیت های این روش كنترلی نوین می توان به سادگی ساختار آن، سرعت یادگیری و همگرایی سریع، عدم وابستگی به مدل، انجام همزمان كنترل و یادگیری و مقاوم بودن آن در برابر نویزهای مختلف اشاره كرد. 
در این فصل ابتدا به معرفی كنترلرهای مبتنی بر یادگیری تقویتی پرداخته شده است و در ادامه آن دو نوع از این كنترلرها به نام كنترلرهای تقویتی كلاسیك و نوین معرفی شده اند. سپس دو هدف كنترلی گفته شده در بالا و خصوصیات كنترلر طراحی شده و نتایج شبیه سازی در هر كدام از اهداف به طور مجزا توضیح داده شده اند.
انواع مسائل بهینه سازی را می توان به چهار دسته كلی تقسیم كرد:
1- بر حسب تعداد اهدافی كه باید بهینه شوند:
 این مسائل به دو دسته تقسیم می شوند: مسائل بهینه سازی تك هدفه  و چندهدفه . دسته اول مسائل بهینه سازی که در آنها فقط یک پارامتر بهینه می شود، مانند کمترین مسافت طی شده بین دو نقطه شهری و دسته دوم مسائل بهینه سازی که در آنها بیش از یک هدف بهینه می شوند، مثل مسئله کمترین مسافت طی شده درکمترین زمان بین دو نقطه ی شهری.
2- برحسب وجود تغییرات زمانی درتابع هزینه  (تابع هدف )‌:‌
از نظر كلی بهینه سازی شامل اعمال تغییرات بر روی یك راه حل اولیه و استفاده از اطلاعات جمع-آوری شده به منظور بهبود این راه حل است. به بیان دیگر بهینه سازی، فرآیند تنظیم ورودی های یك تابع برای اكسترمم كردن خروجی ها یا تنظیم پارامترهای یك فرآیند برای اكسترمم كردن یك نتیجه است.

واژگان کلیدی: توده رباتیكی؛ روشهای الهام گرفته از طبیعت؛ كنترلر تقویتی نوین؛ الگوریتم پرواز پرندگان؛ الگوریتم مورچگان؛ الگوریتم ژنتیك

   


نظرات()  
manicure
شنبه 19 فروردین 1396 12:46 ب.ظ
Your style is very unique in comparison to other
people I've read stuff from. Thanks for posting when you
have the opportunity, Guess I'll just bookmark this blog.
 
لبخندناراحتچشمک
نیشخندبغلسوال
قلبخجالتزبان
ماچتعجبعصبانی
عینکشیطانگریه
خندهقهقههخداحافظ
سبزقهرهورا
دستگلتفکر

آموزش نرم افزار کتیا catia