سید محمد بزرگ
دانشیار، دانشکده مهندسی مکانیک، دانشگاه یزد، یزد
[ 1 ] - تخمین مقاوم ضریب سختی فنر در عملگر آلیاژ حافظه دارتوسط فیلتر کالمن توسعه یافته
در این مقاله ابتدا یک سیم از جنس آلیاژ حافظه‌دار توسط مدل برینسون مدل‌سازی شده است. با توجه به کارایی بالای مدل برینسون، این مدل به صورت جزئی در تمام نقاط صفحه دما-تنش مورد بررسی قرار گرفته است. در ادامه یک عملگر دارای آلیاژ حافظه‌دار که از ترکیب یک سیم آلیاژ حافظه‌دار با یک فنر خطی تشکیل شده، مدل‌سازی شده است. از آنجا که در بسیاری از موارد، پارامترهای مختلف عملگرهای آلیاژ حافظه‌دار از قبیل ...
[ 2 ] - محاسبه محدوده مجاز تغییرات پارامترهای دینامیکی یک خودرو مفصلی برای حفظ پایداری
هدف این تحقیق، محاسبه محدوده مجاز تغ ییرات پارامترهای نامعین مؤثر در گشتاور و نیروهای وارد بر لاستیک یک خودرو مفصلی، برای حفظپایداری است. در این راستا، مدل هفت درجه آزادی از این خودرو که با سرعت طولی ثابت در مسیر مستقیم حرکت و دچار اغتشاش در صفحه حرکتخود م یشود، انتخاب شده است. برای بهبود رفتار خودرو مفصلی تحت شرایطی که پارامترهای نامعین در مقادیر نامی خود قرار دارند، یک کنتر لکنندهپسخورخروجی ک...
[ 3 ] - Identification of an Autonomous Underwater Vehicle Dynamic Using Extended Kalman Filter with ARMA Noise Model
In the procedure of designing an underwater vehicle or robot, its maneuverability and controllability must be simulated and tested, before the product is finalized for manufacturing. Since the hydrodynamic forces and moments highly affect the dynamic and maneuverability of the system, they must be estimated with a reasonable accuracy. In this study, hydrodynamic coefficients of an autonomous un...
[ 4 ] - پایدارسازی وسیله ابرحفره‌ساز در مود عمق با استفاده از روش تنظیم‌کننده خطی مجذوری (LQR) و تخمینگرهای EKF و UKF
این مقاله به دو موضوع پایدارسازی وسایل ابر حفره ساز در مود عمق و تخمین متغیرهای حالت برای اجرای کنترل کننده طراحی شده میپردازد. ابتدا با بهره گیری از تئوری خطی سازی با پسخور، مدل غیرخطی، خطی سازی و سپس برای پایدار کردن مدل کنترل کنندهایی بر مبنای روش LQR طراحی شده است. این روش نیاز به پسخور همه متغیرهای حالت دارد، در حالی که در عمل، اندازه گیری همه متغیرهای حالت ممکن نیست و لازمست داده های حس...
[ 5 ] - New Adaptive UKF Algorithm to Improve the Accuracy of SLAM
SLAM (Simultaneous Localization and Mapping) is a fundamental problem when an autonomous mobile robot explores an unknown environment by constructing/updating the environment map and localizing itself in this built map. The all-important problem of SLAM is revisited in this paper and a solution based on Adaptive Unscented Kalman Filter (AUKF) is presented. We will explain the detailed algorithm...
Co-Authors