کنترل کننده های غیرمتمرکز به دلیل سادگی طراحی و تنظیم و نیز هزینه کمتر نسبت به کنترل کننده های متمرکز، در سیستم های صنعتی به طور وسیع به کار می روند. انتخاب ساختار کنترل یا جفت سازی ورودی – خروجی، بخش مهمی از طراحی کنترل کننده های غیرمتمرکز را برای سیستم های چندمتغیره تشکیل می دهد. در این پایان نامه، ارتباط بین جفت سازی ورودی – خروجی و معیار به عنوان یک معیار پایش عملکرد سیستم های کنترلی بررسی شده است. با به کار گیری آرایه بهره نسبی (rga) که یکی از مهمترین ابزارها در انتخاب ساختار کنترلی است، و طراحی کنترل کننده مینیمم واریانس برای هر یک از جفت های ممکن، مقدار معیار harris می تواند جفت مناسب ورودی - خروجی را که منجر به واریانس مینیمم در خروجی می شود، تعیین کند. معیار harris با استفاده از ضرایب مارکوف تابع تبدیل سیستم حلقه بسته محاسبه می شود. با ارائه نتایج شبیه سازی، ایده اصلی این پایان نامه روشن شده است.

در این نوشتار الگوریتم کنترل پیش بین غیرخطی (nmpc) مبتنی بر مدل شبکه عصبی برای سیستمهای غیرخطی چندمتغیره پیشنهاد شده است. ابتدا یک مدل چند ورودی – چند خروجی (mimo) با استفاده از شبکه عصبی پرسپترون چندلایه (mlp) بدست می آید که با الگوریتم levenberg-marquardt و سیگنالهای آموزش باینری شبه تصادفی دامنه دار (aprbs) همراه با نویز آموزش می بیند. این مدل به عنوان یک مدل کلی برای تمام نقاط کاری مورد نظر می باشد. کنترل پیش بین نیز برای بهینه سازی سیگنال کنترل از الگوریتم levenberg-marquardt استفاده می کند. عملکرد کنترل با استفاده از مدل اغتشاش که هم عدم تطابق مدل و هم اغتشاش خارجی را جبران می کند، بهبود می یابد. نرخ آموزش شبکه تخمینگر اغتشاش به طور تطبیقی تغییر می کند تا با عدم تطابق مدل به طور جداگانه از اغتشاش خارجی برخورد کند. نتایج شبیه سازی و پیاده سازی عملی روی دستگاه چهارتانک مفید بودن این روش کنترلی را نشان می دهد.

در این پایان نامه مسأله پایداری حلقه بسته سیستم کلیدزنی کنترل پیش بین چندگانه و روشی برای گذر بدون پرش ارائه شده است. در لحظه کلیدزنی بین تعدادی کنترل کننده پاسخ گذرا ممکن است عملکرد مطلوب خود را از دست دهد. بدین منظور مسأله گذر بدون پرش مطرح می شود. در اینجا یک روش کنترلی برای داشتن پاسخ بدون پرش در لحظه کلیدزنی در حضور دو کنترل کننده پیش بین طراحی شده است. این روش ترکیبی از دو روش مجزا طراحی شده است. ضمن بررسی پایداری هر یک از روش ها به طور مجزا، پایداری حلقه بسته روش ترکیبی نیز اثبات شده است. در ابتدا یک کنترل کننده پیش بین میانی که وظیفه ایجاد گذر بدون پرش را دارد بر اساس توابع لیاپانوف طراحی شده است. در روش اول از یک ساختار انتگرالی در دو طرف کلید استفاده شده است و اثبات پایداری این روش نیز در ادغام آن با کنترل کننده پیش بین چندگانه آورده شده است. این ساختار انتگرالی به وفور به منظور حذف پدیده اختتام انتگرال استفاده می شود که در این پایان نامه کاربرد آن در کنترل پیش بین چندگانه بررسی شد. در مرحله آخر طراحی، روش مذکور با کنترل کننده پیش بین میانی ادغام می شود و روش ترکیبی بدست می-آید که ویژگی های خوب هر کدام از روش ها را دارد. این روش ابتکاری دارای اثبات پایداری است و کارایی این روش بر روی سیستم های آزمایشگاهی کنترل سطح و کنترل فشار بررسی شد و نتایج شبیه سازی این روش و مقایسه آن با روش دیگر به طور مجزا بر سیستم غیرخطی کنترل ph نیز آورده شده است.

در این پایان نامه به انتخاب ساختار کنترلی ناوابسته به مدل می پردازیم. ابتدا بر اساس داده های ورودی-خروجی زیرسیستم ها و مفهوم همبستگی داده ها در هر زیرسیستم، معیاری معرفی می شود که شامل اطلاعات استاتیکی و دینامیکی زیرسیستم ها می باشد. سپس از معیار فوق برای انتخاب ساختار جفت یابی برای سیستم های پایدار و مربعی استفاده می شود و با مثال هایی نشان داده می شود که معیار ارائه شده منجر به انتخاب جفت های مناسب برای کنترل غیرمتمرکز می شود در حالی که نیازی به مدل ریاضی سیستم چند متغیره نمی باشد. در ادامه براساس ضرایب کواریانس و رابطه پارسوال به تخمین انرژی زیرسیستم ها می پردازیم که استفاده از ضرایب کواریانس باعث می شود به مدل سیستم چندمتغیره نیازی نباشد. با ارائه مثالی نشان می دهیم که معیار ارائه شده منجر به انتخاب صحیح جفت یابی با دیدگاه انرژی می شود. در ادامه با ارائه مثالی نشان می دهیم که رویکرد استفاده شده برای محاسبه انرژی در آرایه انرژی نسبی موثر ممکن است در مواردی مشکل ساز باشد و تقریب استفاده شده منجر به قضاوت نادرست در مورد انرژی زیرسیستم ها شود در حالی که معیار ارائه شده در این پایان نامه از تقریب بهتری از انرژی حلقه ها برای انتخاب جفت یابی استفاده می کند. در انتها، انتخاب ساختار کنترلی ناوابسته به مدل که شامل انتخاب ورودی-خروجی و انتخاب جفت یابی می باشد، مورد بررسی قرار می گیرد. بدین منظور، ابتدا براساس معیار معرفی شده بر اساس ضرایب کواریانس، معیاری معرفی می شود که این معیار به صورت همزمان انتخاب ورودی-خروجی و انتخاب جفت یابی را انجام می دهد. نشان می دهیم که این معیار در مواقعی که ضرب schur منجر به نتایج نادرست می شود، ساختار مناسب جفت یابی را انتخاب می کند. سپس، معیاری برای تخمین نرم هانکل زیرسیستم ها بر اساس ضرایب کواریانس ارائه می شود. در انتها، به انتخاب ساختار کنترلی برای یک موتور جت توربوفن با استفاده از روش های ارائه شده می پردازیم. در تمامی گام ها از داده های ورودی-خروجی استفاده می شود و هیچ وابستگی به مدل سیستم وجود ندارد. نتیجه حاصله نشان از صحت روش های ارائه شده برای انتخاب ساختار کنترلی دارد.

در این پروژه در گام اول با استفاده از داده های واقعی کوره دوار سیمان، سعی شده است مدل پیش بین و همچنین مدلی شبیه ساز برای فرایند کوره دوار سیمان به دست آید. به منظور طراحی مدل پیش بین کوره دوار سیمان از مدل فازی ممدانی، مدل فازی تاکاگی-سوگنو و شبکه عصبی استفاده شده است. سپس با مقایسه مدلهای پیش بین به دست آمده، از مدل شبکه عصبی پرسپترون به منظور طراحی مدل شبیه ساز سیستم بهره گرفته شده است. برای آموزش مدلهای فوق از روش لونبرگ-مارکوات استفاده شده و برای تعیین دینامیک های سیستم از ترکیبی از روش لیپشیتز و اطلاعات متقابل استفاده شده است. در گام دوم از یک کنترل کننده عصبی-فازی به منظور شکل دادن پروفایل حرارتی کوره و همچنین کنترل سایر متغیرهای خروجی مهم کوره سیمان استفاده شده است. در این مرحله مدل شبیه ساز به دست آمده از مرحله قبل به عنوان پلنت استفاده شده است. نتایج شبیه سازی توانایی کنترل کننده عصبی-فازی برای کنترل کوره سیمان را نشان می دهد. در این بخش آموزش کنترل کننده عصبی-فازی به صورت آنلاین و با استفاده از گرادیان نزولی انجام گرفته است. در گام سوم یک سنسور نرم افزاری، برای تخمین دمای پیشگرمکن با استفاده از سایر پارامترهای کوره به دست آمده است. سنسور نرم افزاری برای حالت نرمال طراحی گردیده است. روشی به منظور تشخیص خطا به منظور استفاده بهینه از سنسور نرم افزاری ارائه شده است. نتایج شبیه سازی، نشان دهنده نزدیکی تخمین سنسور نرم افزاری و فرایند اصلی تحت کنترل است.

در این پروژه از شبکه عصبی به عنوان مدل پیش بین در کنترل کننده پیش بین غیرخطی استفاده شده است. هدف پروژه آن است که تنظیم برخی از پارامترهای کنترل کننده که با توجه به تجربه طراح تعیین می شود، به صورت اتوماتیک انجام شود. در این پروژه دو موضوع بررسی شده است. موضوع اول، انتخاب یک ساختار بهینه برای شبکه عصبی است. شبکه های عصبی به دلیل خاصیت تقریب جامع خود بسیار پرکاربرد هستند. اما تعیین یک ساختار مناسب برای شبکه هنوز به صورت یک مساله حل نشده باقی مانده است. برای یک شبکه عصبی دو لایه تعیین ساختار با تعداد نرون های لایه پنهان صورت می گیرد. در این پروژه روشی برای تعیین تعداد نرون های لایه پنهان با استفاده از داده های ورودی و خروجی ارائه شده است. این روش بر مبنای فرمول بارون، تست های غیر خطی گری و روش شناسایی تابع توصیفی است. روش ارائه شده به نوعی ارتباط دهنده مشخصات طیفی سیگنال آموزش به پیچیدگی مدل به کار رفته برای نمایش آن است و یک باند بالا بر روی تعداد نرون ها مشخص می کند. موضوع دوم، تنظیم ماتریس های وزنی موجود در ساختار کنترل کننده است. این ماتریس های وزنی میزان اهمیت خطا بین مسیر مرجع و خروجی سیستم را به سیگنال کنترلی نشان می دهند و بر روی پایداری و رفتار حلقه بسته بسیار تاثیر گذار هستند. در این پروژه یک الگوریتم فازی برای تنظیم ضریب سیگنال ورودی ارائه شده است. در این الگوریتم از چگونگی اثرگذاری این پارامتر بر رفتار حلقه بسته برای تنظیم قواعد فازی استفاده شده است.

کنترل سیستم های پیچیده و غیرخطی یکی از اصلی ترین دغدغه های صنعت در عصر حاضر است. سیستم های پچیده ای که در صنایع مهم و کاربردی مورد استفاده هستند، با هزینه های کلانی ساخته می شوند ولذا کنترل دقیق و مناسب آنها بسیار مهم است. زیرا هر گونه اشتباه در کنترل چنین سیستم هایی می تواند منجر به عملکرد ضعیف و در مواردی جبران ناپذیری شود. از جمله ی این سیستم های پیچیده، غیرخطی و در عین با اهمیت و گرانقیمت توربین گازی است که در صنایع مهمی ازجمله صنعت تولید برق و صنعت هوایی کاربرد فراوانی دارد. این سیستم که در واقع یک مدل کاملاً غیرخطی همراه با پیچیدگی های فراوان است، دارای چند ورودی اصلی و چند خروجی اصلی است. از این رو، کنترل چند متغیره توربین گازی در مقایسه با کنترل تک ورودی - تک خروجی آن مانند pi، می تواند مزایای زیادی داشته باشد. از جمله این مزایا می توان به بهینه سازی هزینه ها، عملکرد مناسب تر، کاهش تداخلات و ... اشاره کرد. علاوه بر این، توربین گازی مانند بسیاری از سیستم های صنعتی با تغییر نقطه کار، فرسودگی، سایش قطعات و در نتیجه تغییر پارامترهای آنها در مدلسازی و .... دستخوش نامعینی هایی در تابع تبدیل می گردد. با وجود چنین نامعینی هایی در سیستم و داشتن نقش حائز اهمیت در صنعت، لزوم کنترل کننده ی مقاوم چند ورودی - چند خروجی برای توربین گازی کاملاً محسوس است. هدف این پایان نامه استفاده از روش فیدبک کمی برای طراحی کنترل مقاوم چند ورودی – چند خروجی برای سیستم توربین گازی در حضور نامعینی ها است. روش فیدبک کمی (qft) یکی از مهمترین و کاربردی ترین روش های کنترل مقاوم است. اصلی-ترین مشخصه ی این روش، شفافیت طراحی در حوزه فرکانس و استفاده از چارت زیگلر – نیکولز است. در واقع روش qft به دلیل وارد کردن اطلاعات مربوط به فاز در طراحی علاوه بر اطلاعات اندازه، از فوق طراحی می پرهیزد.

امروزه استفاده از مدل های خطی محلی (local linear models) برای مدل سازی یک فرایند غیر خطی عملی بسیار رایج در علم مهندسی کنترل است. هدف از انجام این کار تعمیم دادن تئوری ها و ابزار گوناگون و قدرتمند در دسترس برای سیستم های خطی، بر روی سیستم های غیر خطی می باشد. لذا نیاز کاربر به استفاده از روش های پیچیده غیرخطی (چه در مدل سازی و چه در کنترل) به طرز قابل ملاحظه ای کاهش می یابد. نحوه تولید و انتخاب مدل های خطی مناسب، همواره جزو چالش های ذاتی این دسته روش ها بوده که در این پروژه عمدتاً به آنها پرداخته شده است. ابتدا با به کارگیری چندین معیار غیرخطی گری (nonlinearity measures)، سعی گردیده که نقاط کاری (operation points) فرآیند را که در آنها رفتار غیرخطی تری دارد شناسایی کرد. بدیهی است که تخمین مناسب برای چنین نقاطی باید متشکل از تخمین های خطی بیشتری باشد. به عبارت دیگر به کمک این معیارها، نقاطی که نیاز به تراکم مدل بیشتر دارند را می یابیم. در فاز بعدی اقدام به حذف مدل های اضافی می-نماییم. بدین ترتیب که با بهره گیری از معیار فاصله (gap metric)، مدل هایی را که بیش از اندازه به یکدیگر شبیه هستند را شناسایی و حذف می نماییم. این کار علاوه بر کاهش بار محاسباتی، گاه به بهبود عملکرد کنترل گر نیز می انجامد. در نهایت این دو دسته از معیارها، برای نشان دادن توانایی-هایشان در تولید بانک مدل برای کنترل گر چندگانه، بر روی یک دستگاه کنترل ph آزمایشگاهی پیاده سازی گردیده اند.

در این پایان نامه، روشی برای بدست آوردن ماتریس تداخل خطی برای یک سیستم چند متغیره غیرخطی پیشنهاد شده است. تنها الگوریتم موجود در این زمینه تنها برای سیستم های مربعی کاربرد دارد و تعیین ساختار ماتریس تداخل را تضمین نمی کند. ما الگوریتم جدیدی ارائه دادیم که با تلفیق الگوریتم موجود و یک الگوریتم دیگر این مشکلات را حل می کند . در الگوریتم جدید، ابتدا ساختار صفرهای نامحدود سیستم غیرخطی را تعیین کرده و سپس ساختار ماتریس تداخل را بدست می دهد. در ادامه پارامترهای مجهول این ماتریس با استفاده از روش rls شناسایی می‏شوند. این ماتریس برای سیستم چند متغیره ph با استفاده از الگوریتم پیشنهادی بدست آمده است. به علت نوع معادلات حاکم بر سیستم ‏ph و نیاز به داشتن خروجی سیستم ‏ph بر حسب متغیرهای حالت موجود، خروجی این سیستم با استفاده از شبکه عصبی چندجمله‏ای (pnn ) بدست آمده است. سپس با استفاده از این ماتریس کنترل پیش‏بین غیرخطی (nmpc ) روی این سیستم اجرا شده است. پیاده‏سازی عملی بر روی دستگاه چهار تانک با استفاده از این مفهوم و کنترل پیش‏بین غیرخطی در ادامه آورده شده است.

تاخیر در فرآیندهای کنترلی دلایل مختلفی دارد که عموماً به ذات فرآیند و یا موقعیت سنسورها و عملگرها در سیستم کنترل مربوط می شود. شناسایی این تاخیر زمانی در یک فرآیند، جهت کنترل و مطالعه آن و یا طراحی کنترلر بسیار حائز اهمیت است. در بسیاری از سیستم های صنعتی این تاخیر زمانی قابل اندازه گیری مستقیم نیست، زیرا نمیتوان فرایند را متوقف نموده و تحت آزمایشات تئوریک قرار داد. فلذا روشهایی پیشنهاد شده است که میزان تاخیر موجود در فرآیند را از روی یک سری اطلاعات ورودی-خروجی آن تخمین بزند. این روشها هر یک دارای ویژگی هایی میباشد. برخی از آنها با رویکرد شناسایی سیستم و تخمین پاسخهای ضربه و پله به تخمین تاخیر می پردازند. برخی دیگر به شناسایی و تخمین زمان نشست و ثابت زمانی سیستم می پردازند و برخی دیگر دینامیک های موثر در مجموعه ورودی و خروجی سیستم را مورد مطالعه قرار می دهند. عملکرد هر یک از روش ها نیز در شرایط مختلف متفاوت است. توانایی تخمین تاخیر در برخی از روشها بسیار وابسته به نویز محیط است. همچنین برخی از آنها زمانی تخمین مناسبی ارائه می دهند که ورودی سیستم شکل خاصی داشته باشد و طیف خاصی از فرکانس نایکوئیست را شامل شود. فلذا یک ارزیابی کلی از اینکه این هر یک از این روش ها در سیستم های مختلف خطی و غیرخطی چه عملکردی دارند و تا چه میزان عملکرد آنها تابع نویز و شکل ورودی سیستم است موضوع اصلی این پایان نامه می باشد. همچنین مدل narx مبتنی بر شبکه عصبی برای تخمین تاخیر سیستم های غیرخطی مورد استفاده قرار گرفته است و همچنین روشی بر مبنای حذف مولفه های تاثیرگذار با روش subspace برای سیستم های mimo معرفی شده و عملکرد آن با سایر روش ها مقایسه شده است. در این پایان نامه روش های معرفی شده در ارتباط با تخمین تاخیر به سیستم های siso خطی و غیرخطی و mimo خطی در شرایط نویزی متفاوت و سیگنال های ورودی متفاوت اعمال می شود و عملکرد آنها به روش تحلیل آماری و همچنین تکنیک anova مورد تجزیه و تحلیل قرار می گیرد. سپس با روش تصمیم گیری چند معیاره merit ratio این روش ها بر اساس اینکه در شرایط مختلف چه عملکردی داشته اند برای هر دسته از سیستم ها اولویت بندی می شوند.

هدف در این پایان نامه، رسیدن به یک کنترل نسبی برای کوره دوار سیمان است. با توجه به پیچیدگی این فرآیند، داشتن یک پایداری نسبی نتیجه ای قابل قبول خواهد بود. در کوره سیمان همانند ادوات هوایی و روبات ها نیازی به کنترل دقیق نیست. روش پیشنهادی برای این رساله طراحی یک کنترل کننده فازی pi برای کنترل کوره سیمان است و برای آزمایش این کنترل کننده از یک شبیه ساز کوره سیمان که قبلا طراحی شده است، استفاده کرده ایم. لازم به ذکر است که مدل شبیه ساز کوره و همچنین داده های استفاده شده، مربوط به کوره دوار کارخانه سیمان ساوه می باشند. در گام نخست داده-های واقعی کوره دوار را پیش پردازش نموده ایم. در کنترل کننده فازی pi انتخاب صحیح ضرایب کنترل کننده بسیار حائز اهمیت است که ابتدا از روش پاسینو برای تعیین ضرایب بهره گرفته شد و در ادامه برای گرفتن نتایج بهتر یک کنترل-کننده فازی ممدانی برای انتخاب ضرایب بکار گرفته شده است. در انتها از روش آموزش گرادیان نزولی برای طراحی کنترل کننده فازی استفاده شده که نتایج آن حاکی از عملکرد مناسب کنترل کننده بوده است. در هر مرحله نتایج شبیه سازی مشخص شده و بتدریج بهبود عملکرد کنترل کننده دیده می شود. ضمنا برای ورودی کنترل کننده ها از خطا و تغییرات خطای متغیرهای خروجی کوره دوار سیمان استفاده شده است. روش پیشنهادی در این پایان نامه با توجه به استفاده از کنترل کننده pi در کنار کنترل کننده فازی از دقت خوبی برخوردار بوده و در مقایسه با کنترل کننده های فازی دیگر شاهد کاهش زیاد مقدار خطا هستیم.

یکی از زمینه های بکارگیری ربات های هوشمند، ربات های خانگی و دستیار است. یک ربات خانگی برای انجام وظایف، نیاز به درک و دانشی کافی از محیط اطراف خود دارد تا بتواند در مورد نحوه انجام امور محوله تصمیم گیری کند. یکی از ابزارهایی که کمک شایانی در این جهت می نماید، نقشه معنایی محیط است که به عنوان پایه تصمیم گیری ربات مطرح است. در این پروژه، با استخراج ویژگی های عمومی و محلی موجود در تصاویر دریافتی، به دسته بندی آن ها در رسته هایی از پیش تعیین شده پرداخته می شود و ضمن شناسایی مکان کنونی ربات، اطلاعات موجود در آن مکان در نقشه معنایی ثبت می شود. ویژگی های عمومی هر منطقه (رسته) از محیط با استفاده از هیستوگرام هایی با ابعاد بالا، بازنمایی شده و توسط ماشین های بردار رابطه ای (rvm) دسته بندی می شوند. این موضوع در مورد ویژگی های محلی هر منطقه که توسط روش های sift یا surf استخراج شده اند، با ایجاد یک پایگاه از ویژگی های متمایز هر منطقه و میزان شباهت ویژگی های مکان کنونی ربات با این پایگاه ها، صورت گرفته است. اطلاعات ذخیره شده در نقشه معنایی، شامل شکل هندسی و نقشه های متریک هر منطقه، نقشه توپولوژیک محیط و ویژگی های بینایی موجود در هر منطقه است. همچنین از آنجا که بخشی از هوشمندی ربات، قابلیت تولید خودکار نقشه معنایی محیط در کمترین زمان است، در ادامه روشی مبتنی بر هیستوگرام مناطق ناشناخته محیط، پیشنهاد شده است تا در هر لحظه بهترین منطقه برای اکتشاف تعیین شود و ربات در کمترین زمان بیشترین دانش را از محیط کسب کند. نتایج حاصل از پیاده سازی روش های پیشنهادی در محیط های شبیه سازی شده و واقعی، نشان دهنده دسته بندی مناطق مختلف محیط با دقت ?90 و کاهش زمانِ اکتشاف و تولید نقشه معنایی محیط نسبت به روش مرجع و افزایش کارایی ربات در مسائلی همچون یافتن یک شیء خاص در محیط است.

در این رساله بطور کلی هدف توسعه تکنیک چند مدلی، از حالت خطی به حالت ترکیبی (ترکیب خطی و غیر خطی) برای شناسایی و مدل سازی سیستم های ایستا و غیرخطی بمنظور استفاده از آن در طراحی یک سیستم تشخیص و جداسازی خطا با دقت بالا می باشد. تشخیص خطا در سیستمهایی که دارای دینامیکهای غیرخطی پیچیده بوده و همچنین قابلیت رخ دادن خطاهای متعدد با دینامیکهای متفاوت را دارا می باشد، به سادگی صورت نمی گیرد و کاربرد مدلهای ترکیبی می تواند به افزایش کارایی در تشخیص و جداسازی خطا منجر شود. برای این منظور استفاده از تکنیک چند مدلی ترکیبی معرفی می گردد که در آن از مدلهای محلی خطی و غیرخطی برای طراحی بانک مدل استفاده می شود. در ابتدا به مسئله طراحی بانک مدل خطی از دیدگاه تئوری پرداخته شده و در این راستا از دو مفهوم غیر خطی گری و h-gap متریک بهره گرفته می شود. پس از تحلیل و بررسی هر کدام از این مفاهیم، اندیس های جدیدی جهت بهبود مسئله برای سیستم های تک ورودی-تک خروجی و همچنین سیستم های چند ورودی-چند خروجی بطور جداگانه معرفی می گردند و با استفاده از آنها الگوریتم هایی برای طراحی بانک مدل خطی در دو حالت خارج خط و روی خط پیشنهاد می شود. پس از آن، مسئله تعمیم بانک مدل خطی به بانک مدل ترکیبی (ترکیب خطی و غیر خطی) مطرح می گردد. ویژگی بارز این نوع طراحی در مقایسه با یک بانک مدل خطی و یا یک مدل تکی غیر خطی، این است که از دقت و راندمان بالاتری برخوردار خواهد بود. در این راستا اندیس توسعه یافته اطلاعات آکایکه (eaic) در جهت انتخاب بانک مدل بهینه معرفی می گردد. در نهایت از نتایج بدست آمده فوق جهت طراحی یک سیستم تشخیص خطا با راندمان مطلوب برای سیستم توربین گازی استفاده می شود. سیستم توربین گازی از جمله سیستم های حساس و پرکاربردی است که به گفته بسیاری از محققین پیچیده ترین موتور موجود در دنیا می باشد. لذا تمایل روزافزونی در زمینه طراحی سیستم های تشخیص خطای دقیق برای اینگونه سیستمها چه در محیط های علمی و چه در محیط های صنعتی ایجاد شده است. بهبود یافتن راندمان در سیستمهای چند مدلی، افزایش دقت و بهبود سیستم تشخیص خطا از جمله هدفهایی است که در این رساله نیل به آنها با ارائه اندیسها و الگوریتم های جدید محقق گردیده و با انجام شبیه سازی های مختلف کارآیی آن نشان داده شده است

در این رساله، مساله تحلیل پایداری و پایدارسازی سیستم های فازی تاکاگی-سوگنوی زمان گسسته مدنظر قرار گرفته است. تاکنون روش های متعددی برای حل مساله فوق ارائه شده است که این روش ها غالباً مبتنی بر تکنیک لیاپانوف مستقیم می باشند. از آنجاییکه مساله محافظه کاری در این روش ها از اهمیت ویژه ای برخوردار است، لذا هدف این رساله ارائه راه کاری جدید با محافظه کاری پایین و مناسب جهت تحلیل پایداری و پایدارسازی این نوع از سیستم های فازی می باشد. در همین راستا، تکنیک توابع لیاپانوف نایکنوا که شرط کاهشی بودن یکنواخت تابع لیاپانوف را با شرطی با محافظه کاری پایین تر جایگزین می نماید، بکار گرفته شده و روش هایی با محافظه کاری پایین برای تحلیل پایداری و طراحی کنترل کننده فیدبک حالت برای سیستم های فازی تاکاگی-سوگنو زمان گسسته ارائه می شود و نشان داده می شود که مساله تحلیل پایداری و محاسبه ماتریس های بهره فیدبک حالت به حل یک سری از نامعادلات ماتریسی خطی منجر می گردد. از طرف دیگر با توجه به اهمیت فیدبک خروجی و این نکته که اغلب راه کار های ارائه شده جهت پایدارسازی سیستم های فازی تاکاگی-سوگنو به فرم فیدبک حالت می باشند و همچنین از آنجاییکه اغلب فرایندهای موجود در صنعت با عدم قطعیت های زیادی همراه هستند که در نظر نگرفتن این نامعینی ها در طراحی کنترل کننده ها منجر به عملکرد ضعیف و در برخی موارد باعث ناپایداری سیستم کنترلی می گردد. در این رساله علاوه بر طراحی کنترل کننده، طراحی رویتگر فازی و طراحی کنترل کننده مقاومی که در مقابل عدم قطعیت ها عملکرد خود را حفظ نماید نیز مورد توجه قرار گرفته ا ست.

پایش کارایی سیستم کنترل از موضوعات کاربردی در حوزه ی مهندسی کنترل می باشد . برای ارتقای کارایی سیستم های کنترلی از معیارهای مختلفی استفاده می کنند که با استفاده از این معیارها عملکرد سیستم های کنترلی ارزیابی می گردد . هدف از پایش کارایی سیستم کنترلی بدست آوردن اطلاعاتی از کارایی بر حسب اهداف کنترلی است . گام بعدی پایش کارایی تشخیص منابع ناکارامدی و تلاش برای رفع مشکل و اصلاح کارایی سیستم است . تاکنون تحقیقات گسترده ای در زمینه روش های پایش و ارزیابی سیستم های کنترل توسط معیارهای مختلف شده است ولی در زمینه ترکیب این معیارها به منظور کاهش عدم قطعیت آن ها تحقیقات اندکی صورت گرفته است . در پژوهش حاضر به منظور کاهش تاثیر عدم قطعیت معیارهایی که در جهت پایش کارایی سیستم کنترلی تک ورودی تک خروجی استفاده کردیم، از الگوریتمی بر پایه ترکیب طبقه بندی کننده ها با بکار بردن اپراتور انتگرال فازی بهره بردیم تا ضمن ارزیابی سیستم تحت کنترل ، منابع ناکارامدی در صورت وجود را نیز بتوانیم تشخیص دهیم .

تا به امروز اندیس های متفاوتی برای پایش عملکرد سیستم های کنترلی ارائه شده است که هر کدام به پایش نوع خاصی از ناکارآمدی ها متمرکز بوده و تصمیم گیری بر اساس هرکدام از این اندیس ها بطور مجزا می تواند با نایقینی همراه باشد چراکه در عمل از یک طرف هر اندیس تحت برخی شرایط ممکن است ضعف عملکردی داشته باشد و از طرف دیگر ناکارآمدی های متفاوت در برخی موارد شبیه به یکدیگر عمل می کنند. بنابراین نیاز است تا از ترکیب تصمیمات این اندیس ها استفاده شود. از طرفی تمرکز اکثر تحقیقات انجام شده در زمینه پایش عملکرد سیستم های کنترلی بر روی ساختار تک حلقه ای بوده و این در حالی است که اکثر سیستم های صنعتی دارای ساختاری چندحلقه ای می باشند. یکی از عمومی ترین ساختارهای چندحلقه ای که اکثر سیستم های صنعتی را می تواند مدل کند چیزی نیست جز ساختار سری متوالی. بدین منظور و در راستای این پایان نامه از الگوریتمی برپایه نظریه ترکیب داده ها در سطح ترکیب تصمیمات با استفاده از ترکیب بیزین، دمپستر-شیفر و میانگین توابع اختصاص پایه در واحد ترکیب مرکزی و ترکیب میانگین وزن دار مرتبه یاقته در واحد تصمیم گیری جامع برای پایش عملکرد سیستم های کنترلی با ساختار سری متوالی استفاده شده است تا علاوه بر پایش عملکرد، بتوانیم منبع ناکارآمدی(در صورت وجود) را نیز تشخیص دهیم. در انتها نیز برای افزایش اعتبار الگوریتم پیشنهادی، نتایج حاصل از شبیه سازی کامپیوتری و همچنین پیاده سازی بر روی سیستم سری متوالی دبی و سطح آورده شده است.

در این پایان نامه هدف طراحی حسگر نرم بر پایه مدل به منظور به کار گیری در فرآیند صنعتی و شیمیایی تنسی ایستمن بوده است. برای این منظور با بررسی و تحلیل عملکرد فرآیند و تشخیص اهداف کنترلی آن از تکنیک های شناسایی سیستم های غیرخطی به طراحی مدلی جهت تخمین رفتار سیستم در شرایط مختلف کاری آن پرداخته شده است. در این راستا به معرفی رویکرد طراحی مدل غیرخطی شبکه های عصبی مصنوعی تطبیقی به کمک ساختار مدل mlp پرداخته شده است. تشخیص ساختار بهینه مدل، بهینه سازی داده های صنعتی و به روز رسانی تطبیقی مدل از نو آوری های بکار رفته در این پژوهش بوده است. موضوع دیگری که در طراحی حسگر های نرم بررسی شده است، ارزیابی عملکرد طراحی در شرایط مختلف کاری سیستم در حضور اغتشاش های فرآیند و تغییرات نقاط مرجع آن است. برای این منظور از تحلیل میانگین مربعات خطای پنجره ای (wmse) و مجموع مربعات خطا در هریک از طراحی ها صورت گرفته است. در این پژوهش نتایج مربوط به طراحی های مختلف با یکدیگر مقایسه و تأثیر حضور حسگر نرم در ساختار کنترلی فرآیند مورد بررسی قرار گرفته است.

امروزه موضوع ارزیابی عملکرد کنترل کننده در علم مهندسی کنترل بسیار مورد توجه قرار گرفته است. برای این منظور معمولا یک شاخص عملکرد از کنترل گر متصل به سیستم با یک کنترل گر مرجع -مثلاً کنترل حداقل واریانس- مقایسه می گردد. با این حال در عمده تحقیقات انجام گرفته در این زمینه سیستم تحت کنترل، خطی فرض شده است و لذا عملکرد کنترل گر تنها در محدوده کاری ای از سیستم که در آن بتوان مدل سیستم را خطی فرض کرد، مورد ارزیابی قرار گرفته است. در این پروژه سعی شده است برای دسته ای از سیستم های غیرخطی (سیستم های خطی سازی پذیر با فیدبک) عملکرد کنترل گر با در نظر داشتن غیرخطی بودن سیستم مورد توجه قرار گیرد. در اینجا کنترل حداقل واریانس به عنوان مرجع در نظر گرفته می شود. برای این منظور ابتدا سیستم مورد نظر به کمک شبکه های عصبی با ساختار مناسب شناسایی می شود؛ سپس با داشتن مدل شناسایی شده، توسط خطی سازی فیدبک، سیستم خطی می شود؛ در ادامه برای سیستم خطی شده، یک کنترل گر خطی اعمال می گردد. از روی داده های خروجی سیستم تحت این کنترل گر شاخص هریس محاسبه می گردد و این شاخص، معیاری برای سایر کنترل گرهای خطی و غیرخطی قرار می گیرد. در نهایت این روش ارزیابی عملکرد، بر روی یک دستگاه کنترل ph آزمایشگاهی پیاده سازی شده است.

در این پایان نامه، ابتدا مدار محرک سیستم کنترل مکان عمودی پلاسما را که مبتنی بر تریستور بود را با مدار محرک مبتنی بر igbt جایگزین کردیم. سپس با استفاده از پردازنده dsp ممیز-ثابت tms320vc5502 از شرکت texas instruments به تحقق کنترل کننده آنالوگ pd به صورت دیجیتال بر روی این سیستم پرداختیم و در انتها به پیاده سازی کنترل کننده عصبی چند لایه دینامیک به صورت برون خط و برخط برای کنترل مکان عمودی پلاسما در دستگاه توکامک دماوند، پرداختیم. یکی از دلایلی که ما را به پیاده سازی کنترل کننده عصبی بر روی این توکامک ترغیب کرد، عدم وجود مدلی دقیق برای این دستگاه غیرخطی متغیر با زمان است. ساختار کنترل کننده عصبی مورد استفاده از نوع تطبیقی مستقیم می باشد. برای آموزش کنترل کننده عصبی به صورت برخط از الگوریتم های گرادیان نزولی با ممان و rprop استفاده کردیم. برای پیاده سازی این الگوریتم ها بر روی پردازنده ممیز-ثابت مذکور به صورت بلادرنگ، سعی شده از بهترین و سریع ترین روش ها برای کدنویسی استفاده شود تا در مدت زمان نمونه برداری سیستم(ts=100us) پردازنده مذکور بتواند هم شبکه عصبی را یکبار اجرا کند و هم پارامترهای آن را بروز نماید. در این پایان نامه هدف ما این نیست که بهترین کنترل کننده عصبی را برای کنترل مکان عمودی پلاسما پیدا کنیم، بلکه زیرساخت های لازم را برای تحقیق بیشتر در این زمینه فراهم آوریم.

در این پایان نامه از میکروشبکه حاوی dg های مبتنی بر مبدل استفاده شده است. این میکروشبکه دارای دو مد متصل و جزیره ای می باشد که کنترل بار در آن ها بر اساس تنظیم دامنه و زاویه ولتاژ خروجی مبدل dg ها انجام می شود.در مد متصل، میکروشبکه از طریق یک مبدل back-to-back به شبکه اصلی وصل شده است و توسط این مبدل کنترل توان قرارداد شده ارسالی از شبکه اصلی به میکروشبکه و بلعکس امکان پذیر می شود. هدف این پایان نامه طراحی بهینه و هم زمان پارامترهای اجزا و کنترل کننده های میکروشبکه در هر دو حالت متصل و جزیره ای می باشد و این طراحی تضمین کننده پایداری میکروشبکه در هر دو مد و در گذار بین دو مد می باشد. لذا انجام این طراحی نیازمند به یک روش بهینه سازی چند هدفه می باشد که از الگوریتم تکاملی چند هدفه nsga-ii استفاده شده است. این مسئله بهینه سازی دارای دو هدف می باشد. برای تعیین این توابع، معادلات فضای حالت میکروشبکه در هر کدام از مدها محاسبه و سپس، بزرگترین مقدار حقیقی مقادیر ویژه ماتریس های حالت به عنوان توابع هدف در نظر گرفته شده-است. یکی از دستاوردهای کنترلی این پایان نامه، آن است که با رفتن به مد جزیره ای کنترل کننده های مربوط به dgها سوییچ نمی کنند و همچنین، بار میکروشبکه هیچ خاموشی را احساس نخواهد کرد. شبیه سازی با نرم افزار pscad انجام شده است. نتایج شبیه سازی در قالب چند سناریو به ارزیابی سیستم طراحی شده می پردازد.

چکیده مسیریابی و هدایت ربات همواره یکی از مسایل مهم در رباتیک و بهخصوص رباتهای متحرک بوده است، شاید بتوان گفت نیاز به هدایت رباتها از زمان بهوجود آمدنشان شکل گرفته است. مطالعات بسیار زیادی روی این موضوع انجام شده و به نتایج قابل توجهی رسیده است. هدایت ربات شامل چهار زیر مساله اصلی است؛ موقعیتیابی، تولید نقشه محیط، مسیریابی و کنترل ربات. در این پایاننامه به بررسی سه زیر مساله اول هدایت ربات میپردازیم؛ موقعیتیابی در دو بعد را با استفاده از نتایج کارهای قبلی انجام میدهیم و راه حل جدیدی برای پیدا کردن موقعیت ربات هنگام بالا رفتن از پله ارائه میکنیم. در تولید نقشه با الهام گرفتن از روش تقسیم بندی فضاهای خالی فضایکاری ربات را به سلولهای مربعی با اندازه یکسان تقسیم میکنیم. ساختمان دادهای که برای ذخیره کردن نقشه از آن استفاده میکنیم یک ماتریس است. این ماتریس هم بعد با شبکهای است که از تقسیم- بندی فضای کاری ربات بهدست آمده است. هر سلول در شبکه با یک درایه در ماتریس بیان میشود. سپس با استفاده از دو سنسور فاصله یاب لیزری، که بطور افقی و عمودی روی ربات نصب شدهاند، نقشه محیط را بهدست آورده و در ماتریس نقشه ذخیره میکنیم. در تولید نقشه نه تنها به مختصات موانع در محیط توجه داریم بلکه [ ?? آنها را از نظر نوع و شدت سختی نیز طبقهبندی میکنیم. شدت سختی موانع را با اعداد منفی در بازه [ 0 نشان میدهیم. هر چه مانع سختتر عدد منفیتر. حاصل رویهی تولید نقشه یک ماتریس است که در نقطه هدف مقدار مثبت بینهایت در نقاط خالی مقدار صفر و در نقاط مانع، همانگونه که گفته شد، بسته به شدت سختی مانع مقداری بین صفر و منفی بینهایت میگیرند. برای مسیریابی از یک شبکه هاپفیلد استفاده میکنیم. نورونهای شبکه هاپفیلد در یک شبکه هم بعد با ماتریس نقشه تولید شده قرار میگیرند. متناظر با هر درایه از ماتریس نقشه یک نورون در شبکه هاپفیلد داریم. ماتریس نقشه به عنوان ورودی خارجی به شبکه هاپفیلد اعمال میشود. پس از آموزش شبکه عصبی هاپفیلد، ربات با استفاده از خروجی نورونهای شبکه عصبی به مسیریابی میپردازد. نتایج بهدست آمده در محیط شبیه سازی شده این تئوریها را تایید میکند. i

در این پایان نامه، پایش و ارزیابی عملکرد اقتصادی سیستم¬های کنترل فرآیند پیشرفته صنعتی مورد بررسی قرار گرفته و یک معیار تحلیل و تصمیم¬گیری هوشمند فازی جهت تنظیم کنترل¬کننده¬ها برای رسیدن به بیشترین سوددهی اقتصادی ارائه می گردد. پایش و ارزیابی عملکرد اقتصادی حلقه¬ها و سیستم¬های کنترلی پیشرفته صنعتی، امروزه به¬طور چشم¬گیری مورد توجه قرار گرفته است. توابع عملکرد به¬عنوان معیاری برای تعیین میزان سود یا زیان سیستم به ازای دور شدن یا نزدیک شدن متغیر فرآیند x از نقطه عملکرد بهینه، تعریف می¬شوند. شاخص سوددهی به صورت انتگرال حاصل¬ضرب تابع عملکرد در تابع توزیع احتمال تعریف می‏گردد. تقریب¬ها نیز می‏توانند هدف را به¬صورت کاهش میزان واریانس متغیر کنترل¬شونده و انتقال مقدار متوسط فرآیند به نزدیک قید کارکردی مساله بدون نقض این قید تعریف کنند. هرگونه نقض قید به¬معنای تلفات برای فرآیند است. در این تحقیق با استفاده از تئوری مجموعه¬های فازی یک معیار هوشمند برای تحلیل و بررسی عملکرد اقتصادی در سیستم¬های کنترلی طراحی می‏گردد. الگوریتم طراحی¬شده در این تحقیق، مبتنی بر روش هوشمند تصمیم¬گیری چند ویژگی فازی است که مقایسه بین کنترل¬کننده¬ها در آن بر اساس α-cut ها صورت می¬گیرد. در ابتدا معیارهای سوددهی سیستم کنترلی با توجه به نوع فرآیند تعیین می¬شوند. سپس با دو دید فنی و اقتصادی به پایش و ارزیابی عملکرد نگاه کرده و در فازی¬سازی به بدون بعد کردن مقادیر شاخص¬ها پرداخته می¬شود تا بتوان آن¬ها را با مقادیر متناظر خود در دیگر کنترل¬کننده¬ها مقایسه کرد. سپس در محلی¬سازی و جامع¬سازی معیارها، میزان اثربخشی هر معیار مشخص می¬شود. در مرحله بعدی، شاخص¬های عملکرد به¬صورت توابع فازی تعریف می¬شوند. نمادهای عملکرد با توجه به جدول تصمیم¬گیری حاصل می¬شوند و به¬عنوان معیار نهایی جهت سنجش کنترل-کننده¬ها با یکدیگر، بکار می¬روند. درنهایت با استفاده از سنجش دوبه¬دو بین هر دو کنترل¬کننده، ارزیابی عملکرد اقتصادی صورت می¬گیرد. با پیاده¬سازی الگوریتم طراحی¬شده بر روی نمونه شبیه¬سازی و فرآیند واقعی، صحت کار الگوریتم کاملاً مشخص شده است.

هدف از انجام این پروژه ارائه یک الگوریتم مناسب و خودکار برای کنترل قابل اطمینان فرایندهای چند متغیره، از لحظه راه اندازی می باشد. فرایندهای چند متغیره مورد نظر طیف گسترده ای از فرایندهای صنعتی پایدار را در بر دارند. در این راستا زیر الگوریتم هایی که تمهیدات و اقدامات لازم را جهت کنترل عمومی فرایند مهیا می سازند، ارائه شده اند. این زیر الگوریتم ها با داشتن حداقل دانش ممکن از ویژگی های فرایند تحت کنترل، مرحله به مرحله اطلاعات مورد استفاده در گام بعدی را آماده می سازد تا در نهایت کنترل مناسب فرایند چندمتغیره انجام گیرد. این زیر الگوریتم ها به ترتیب جهت انجام مراحل راه اندازی، تست حلقه باز، تست فیدبک رله ای تعمیم داده شده، تست حلقه بسته ، شناسایی مدل، کنترل pid چند متغیره و در نهایت کنترل کننده پیش بین تعمیم یافته ی چندمتغیره طراحی و تنظیم شده اند. در نهایت عملکرد الگوریتم ارائه شده با شبیه سازی بر روی چندین فرایند چندمتغیره ی شامل مدل های خطی و غیرخطی چند فرایند صنعتیِ پایدار و همچنین پیاده سازی بر روی فرایند ترکیبی کنترل سطح و فلو، واقع در آزمایشگاه کنترل فرایند دانشگاه صنعتی خواجه نصیرالدین طوسی، مورد ارزیابی قرار گرفته است.

کنترل سیستم‏هایی که دارای غیرخطی‏گری‏های شدید و یا تغییرات سریع در نقاط کار خود هستند، در چند دهه‏ی اخیر از چالش‏های پیش‏روی مهندسان بوده است. براین‏اساس، تکنیک‏های مختلف کنترلی بکار گرفته شده است که کنترل پیش‏بین مدل، یکی از آن‏هاست. در این بین، بزرگ ترین چالش کنترل پیش‏بین، دقت مدل استفاده‎شده ‏است. اینکه مدل از چه نوع و چه مقدار دقتی باشد، بر روی عملکرد کنترل پیش‏بین مدل، تأثیر بسزایی دارد. تلاش‏های بسیاری در امر بهبود دقت و درعین حال سادگی مدل بکار گرفته‏شده، انجام شده است. یکی از روش‏های مورد استفاده، مدل‎های چندگانه می‏باشد. ایده‏ی اصلی در کنترل براساس مدل‏های چندگانه، وجود یک بانک مدل است که مدل‏های آن براساس شرایط کاری مختلف سیستم تعیین شده‏اند. در این روش، رفتار فرایند به طور پیوسته با رفتار چندین مدل از پیش تعیین شده مورد مقایسه قرار می گیرد و مدلی که بهتر از سایرین، رفتار سیستم را تقریب می‏زند، در هر لحظه از زمان شناسایی می‏شود، سپس کنترل‏کننده‏ی متناسب با مدل انتخاب‏شده در حلقه‏ی کنترلی قرار می گیرد. در این بین نحوه‎ی تولید و انتخاب مدل-های خطی مناسب، همواره جزو چالش های ذاتی این دسته روش ها بوده است. در این پروژه برای حل این مشکل، الگوریتمی بر مبنای معیار غیرخطی گری(nonlinearity measure) و معیار فاصله (gap metric) ارائه شده است. از مزایای این الگوریتم، کاهش بار محاسباتی در بانک کنترل‎کننده است که به بهبود عملکرد کنترل‏کننده نیز می‏انجامد. در پایان الگوریتم بیان شده ابتدا بر روی مدل غیرخطی سیستم تنظیم ph شبیه سازی شده و سپس در ادامه بر روی دستگاه کنترل ph آزمایشگاهی پیاده‎سازی شده است. نتایج به دست آمده نشان از کارایی الگوریتم ارائه شده دارد.

هدف از این پایان نامه طراحی حسگر نرم جهت استفاده در کوره سیمان می باشد.کوره سیمان یک سیستم کاملا غیر خطی و پیچیده است که پارامترهای موثر در آن بسیار به هم وابسته هستند.با توجه به اینکه تجهیزات اندازه گیری در این سیستم تجهیزاتی بسیار گرانبها می باشند ، حسگر نرم می تواند جایگزینی موقت جهت جابجایی حسگر معیوب باشد و همین طور جهت امور مانیتور کردن فرایند و... نیز کاربرد دارد.ابتدا با استفاده از یک مدل سیمولاتوری داده های مورد نیاز جمع آوری شده است.لازم به ذکر است این مدل با استفاده از داده های واقعی از کارخانه سیمان ساوه طراحی شده است.سپس با استفاده از این داده ها فرایند شناسایی سیستم انجام شده و بعد از این مراحل ،طراحی حسگر نرم با استفاده از شبکه های عصبی و همین طور مدل narx صورت گرفته است و در نهایت حسگر طراحی شده در مدار کنترلی که قبلا طراحی شده است مورد ارزیابی قرار گرفته است. در رارزیابی حسگر به این نتیجه رسیده شد که حسگر نرم به صورت کمکی و حتی در زمان محدود به صورت جایگزین حسگر سخت افزاری قرار می گیرد.

شبکه توزیع آب شهری، رابط بین منابع تامین آب و شبکه مصرفکنندگان است. کنترل شبکه آب عبارت است از تامین حجم لازم آب با فشار مناسب، در زمان مشخص و گره ای خاص از شبکه. در بسیاری از شبکه ها از تجهیزات کنترلی گسسته یا چندحالته استفاده می شود. مدل دینامیکی حاکم بر شبکه، با خاموش و روشن شدن پمپ ها و یا باز و بسته شدن شیرهای جریان، در مدت زمان اندکی تغییر می کند. با توجه به اینکه مدت زمان این تغییر و تغییر معادله حاکم، در مقابل دینامیک مخازن بسیار اندک است، این تغییر گسسته یا آنی فرض می شود. بنابراین شبکه آب را می تواند به صورت یک سیستم ترکیبی مدل نمود. سیستم های ترکیبی، سیستم هایی هستند که در آنها بین دینامیک های پیوسته و گسسته برهمکنش وجود دارد. در این پایان نامه برای شبکه های آبی که دارای ادوات کنترل گسسته هستند، براساس روش های تحلیل سیستم های ترکیبی، روشی خودکار برای ایجاد فرمان کنترل مناسب ارائه شده است. برای این منظور مدل ترکیبی شبکه آب و پیشبینی مصرف تهیه شده است و سپس با در نظر گرفتن یک قانون کنترل ترکیبی، با استفاده از روش نمادین بر پایه نواحی هندسی به شکل چندوجهی محدب در تحلیل حالات قابل دسترس، مجموعه حالاتِ کنترل پذیرو برنامه های کاری مناسب برای کنترل سیستم، از هر حالت اولیه کنترل پذیر، ارائه شده است.

در این پایان نامه به شناسایی و کنترل هلیکوپتر آزمایشگاهی دو روتوره در کانال صعودی بر مبنای مدلسازی فازی تاکاگی-سوگنو و بر اساس تئوری های لیاپانوف عمومی، فازی و نایکنوا می پردازیم. این هلیکوپتر آزمایشگاهی به منظور بررسی روش های مختلف شناسایی و کنترل طراحی و ساخته شده است. در واقع یک سیستم غیرخطی، شدیدا تحت تاثیر نویز و متداخل بوده و در بخشی از فضای کاری خود ناپایدار و در بخشی دیگر از آن پایدار می باشد. بنابراین سیستم مناسبی جهت پیاده سازی و مقایسه عملکرد کنترلگرهای متفاوت می باشد. از طرفی قابلیت سیستم های فازی تاکاگی-سوگنو در مدلسازی دسته وسیعی از سیستم های غیرخطی و همچنین توانایی این سیستم ها در ارائه روش ساختار یافته ای جهت بررسی پایداری سیستم حلقه بسته، باعث شده است که تجزیه و تحلیل این سیستم ها در سال های اخیر مورد توجه بسیاری قرار گیرد. تحلیل های پایداری بر روی این سیستم ها غالبا بر اساس تئوری لیاپانوف صورت می گیرند. از طرفی محافظه کاری بالا در این روش ها به یک مساله چالش برانگیز تبدیل شده است. در همین راستا، اخیرا در یک پژوهش صورت گرفته، تکنیک توابع لیاپانوف نایکنوا که شرط کاهشی بودن یکنواخت تابع لیاپانوف را با شرطی با محافظه کاری پایین تر جایگزین می نماید، برای سیستم های فازی ارائه شده است. در این پروژه برآنیم تا راهکار جدید ارائه شده را به طور عملی بر روی هلی کوپتر مورد آزمایش قرار دهیم. به منظور مقایسه محافظه کاری موجود در راه کار های مورد نظر، بایستی تکنیک های به کار گرفته شده جهت کاهش محافظه کاری در همه روش ها دارای ساختاری یکسان باشند. بنابراین با در نظر گرفتن این نکته و همچنین لحاظ کردن نرخ میرایی به طراحی و فرمول بندی مجدد کنترلگر و رویتگر فازی بر اساس توابع لیاپانوف عمومی، فازی و نایکنوا می پردازیم. در واقع با پیاده سازی این کنترلگرها بر روی سیستم مورد نظر و مقایسه عملکرد آن ها، به بررسی عملی مطالعات انجام شده می پردازیم.

در این پروژه به دنبال ارائه راهکاری برای بهبود مدل شبکه عصبی در کنترل پیش بین هستیم. در واقع در این کار، صورت مسئله از آنجا شروع می شود که سیستم مورد نظر، سیستمی است که رفتار خاصی دارد که در فرایندهای صنعتی معمول است. این رفتار به گونه ای است که سیستم در دو نقطه کاری متفاوت کار می کند، نقطه کار اصلی سیستم نقطه کاری است که سیستم اکثر اوقات در این ناحیه کار کرده و اپراتور به دنبال کنترل سیستم در این نقطه است. اما نقطه کار دیگر سیستم نقطه کار نادر بوده که سیستم گاهی اوقات به آن نقطه تغییر وضعیت می دهد. اما از آنجایی که کنترل پیش بین مدل شبکه عصبی وابستگی شدیدی به مدل دارد، در صورت استفاده مستقیم از داده های بدست آمده از فرایند، به علت پایین بودن تعداد داده ها در ناحیه نادر نسبت به ناحیه معمول، کیفیت شناسایی در ناحیه نادر پایین بوده و لذا عملکرد کنترل کننده در ناحیه نادر دچار اختلال می شود. بنابراین چنانچه فرایندی با درجه غیرخطی بالا، اکثر اوقات در یک ناحیه کاری و گاهی به ناحیه کاری دیگر برود، به دلیل تغییر رفتار سیستم از دیدگاه حوزه فرکانس و حوزه زمان و متعاقباً پایین بودن کیفیت شناسایی در نقطه کار جدید، عملکرد کنترل کننده مناسب نخواهد بود و احتمال ناپایداری افزایش می یابد. لذا لازم است نسبت داده ها به صورتی باشد که شناسایی در ناحیه نادر از حداقل کیفیت برخوردار باشد، و در عین حال مدل سازی در ناحیه معمول از بهترین کیفیت ممکن برخوردار باشد. در این پروژه، الگوریتمی ارائه شده که در آن با توجه به نویز موجود، تعداد داده های ناحیه نادر مشخص شده است، و سپس بازه ای برای انتخاب نسبت داده ها پیشنهاد شده که کران بالای آن وابستگی شدیدی به مقدار غیرخطی گری سیستم دارد. نتایج آزمایش های شبیه سازی برای بررسی صحت بازه موردنظر استفاده شدند. در نهایت نتایج پیاده سازی، بر روی دستگاه خنثی سازی اسید باز به صورت عملی تست شده و نتایج نسبتاً خوبی بدست آمده است.

از مشکلات اصلی بکار گیری شبکه عصبی تعیین تعداد نرون های بهینه در لایه ی پنهان آن است. هر چه سیستم ساده تر و رفتار آن به یک سیستم خطی نزدیکتر باشد، به طبع تعداد نرون های کمتری برای شناسایی آن لازم است. روش معمول برای تعیین تعداد نرون بهینه، بررسی نمودار mse داده های آزمایش و آموزش، برحسب تعداد نرون ها می باشد. در این پروژه از شاخص هایی برای تشخیص میزان پیچیدگی یک سیستم استفاده شده تا تعداد نرون بهینه در نقاط کاری مختلف تعیین گردد. با یافتن تعداد بهینه ی نرون ها می توان شناسایی مناسبی از سیستم داشت. شاخص های غیر خطی گری، آنتروپی و لیبشیتز که به ترتیب میزان غیر خطی بودن یک سیستم، میزان پیچیده بودن و تعداد دینامیک های موثر یک سیستم را بیان می کنند بکار گرفته شده است. در این تحقیق یک شبکه عصبی pnn که بر اساس شاخص های بکار گرفته شده تعداد بهینه ی نرون ها را تخمین می زند، مورد استفاده قرار گرفته است و در انتها از الگوریتم ارائه شده برای یافتن تعداد نرون های بهینه در شبکه ی عصبی mlp با یک لایه ی پنهان به عنوان مدل پیش بین در کنترل کننده پیش بین غیرخطی استفاده شده است. از این روش برای سیستم کنترل ph بهره گرفته شده است و بر اساس بررسی mse داده های آزمایش و آموزش نشان داده می شود که این تعداد نرون تخمین زده شده عملکرد مطلوبی دارد.

امروزه به دلیل پیچیدگی سیستم های رباتیکی نیاز به استراتژی های کارآمدی به منظور استفاده از ربات ها در محیط واقعی وجود دارد. در این میان میزان اطلاعات دریافتی از محیط با رشد روزافزون تعداد حسگرها افزایش می یابد. این در حالی است که عامل هوشمند به دلیل توان پردازشی محدود نیازمند به استفاده بخشی از اطلاعات دریافتی از حسگرها است. مکانیزم های کنترل توجه با استفاده از حالت فعلی عامل هوشمند در محیط بخشی از ورودی اطلاعات حسگرها را به منظور پردازش دقیق و جزئی انتخاب می کنند و عامل براساس حسگرهایی که به آن توجه شده است تصمیم می گیرد چگونه عمل کند. در این پژوهش سعی بر این است تا یادگیری یک وظیفه در چارچوب یادگیری تقویتی بیز به همراه یادگیری کنترل توجه بر روی یک سیستم رانندگی اجرا شود. در روش ارائه شده عامل با ساخت مفاهیم کارکردی و تصمیم گیری در فضای مفاهیم -کنش ها به جای فضای کنش-حالت قابلیت این را پیدا کند تا با دیدن یک موقعیت جدید بتواند آنرا به مفاهیمی که در ذهن خود ایجاد کرده اختصاص دهد و تصمیم گیری کند. در این صورت نیازی نیست عامل تمامی حالت های یک محیط را مشاهده کند. هم چنین به منظور سرعت بخشیدن به استراتژی توجه عامل هوشمند سعی در استفاده از تخمین فضای حالت خود می کند، زیرا با داشتن تخمینی از حالت آینده عامل می تواند گام های توجهی خود را به صورت بهینه انجام دهد. در این راستا ساختار ارائه شده بر روی یک سیستم رانندگی در محیط شبیه سازی webots^tm اجرا شده است و سپس برای بررسی کارآمدی این ساختار، روش پیشنهادی در محیط واقعی توسط ربات ایپاک پیاده سازی شده است. نتایج حاصل از شبیه سازی و پیاده سازی ساختار با وجود موانع ثابت و متحرک و در محیط های متفاوت کارایی این الگوریتم در رویارویی با محیط های جدید را نشان می دهد.

یکی از ویژگی های مهم یک طراحی برای پایش عملکرد کنترلی سیستم ها، عدم نیاز به پیش دانش نسبت به اطلاعات کامل و دقیق از مدل سیستم است. مسئله ی ارزیابی عملکرد کنترلی سیستم های چندمتغیره به همین دلیل هنوز با چالش های حل نشده ای رو به رو است. در این پایان نامه با رفع نواقص روش های ارائه شده تاکنون یک رویکرد جدید برای به دست آوردن پاسخ دقیق یا تقریبی مسئله ی ارزیابی عملکرد کنترلی سیستم های چندمتغیره بر اساس محک حداقل واریانس و استفاده از اطلاعات ناکامل نسبت به سیستم معرفی شده است. به دست آوردن باند بالا و پایین شاخص هریس بر اساس ماتریس تأخیر قطری راست سیستم می تواند در بهبود تقریب شاخص هریس در دسته ای از سیستم ها مفید باشد. همچنین با تعریف زوج ماتریس تأخیر قطری چپ-راست سیستم، ضمن آن که موفق به محاسبه ی همه ی زوج ماتریس های برهم کنش گر قطری چپ-راست برای هر سیستم برای محاسبه ی مقدار دقیق شاخص هریس در دسته ای از سیستم ها می شویم، موجب بهبود تقریب شاخص هریس در دسته ای از سیستم ها که زوج ماتریس برهم کنش گر چپ-راست ندارند خواهیم شد. در پایان مزیت های رویکرد ارائه شده توسط مثال هایی از سیستم های مشهور فرآیندی که برای هر کدام با یکی از راه حل های ارائه شده بهره می بریم، نشان داده شده است.

با توجه به رشد استفاده از منابع انرژی پاک در تولید برق، در این پروژه به بررسی تاثیر نوسانات توان در ریزشبکه ها ی قدرت، که نتیجه به کارگیری این منابع انرژی می باشد، پرداخته می شود. این نوسانات توان در ریزشبکه ها باعث نوسان فرکانس می شود که در ادامه می تواند به تجهیزات آسیب وارد کند. در این پروژه با استفاده از یک سیستم ذخیره کننده انرژی و طراحی کنترل کننده به حل این مسئله پرداخته می شود تا نوسان فرکانس در ریزشبکه ها قابل کنترل باشد و همچنین در هدف صنعت برق که توسعه استفاده از منابع انرژی پاک است، اختلالی ایجاد نشود. مدلسازی ریزشبکه ی مورد مطالعه براساس شرایط آب و هوایی ارائه می شود تا در هر مکان و شرایطی قابل اجرا باشد و تنها لازم است که شرایط آب و هوایی یک روز از مکان مورد نظر به آن داده شود تا ریزشبکه برای آن بهینه شود.

مساله انتخاب ورودی برای پیش بینی سری های زمانی و شناسایی سیستم ها از مسایل بسیار مهم در مدل سازی است که نسبت به دیگر مسایل کمتر مورد توجه قرار گرفته است؛ در حالی که یکی از مهم ترین آن هاست. اهمیت مساله در این است که انتخاب ورودی مناسب می تواند عملکرد و قابلیت تعمیم مدل را تا حد زیادی بهبود بخشد و بدین طریق از بروز مساله بیش برازش جلوگیری کند، بنابراین انتخاب مناسب ورودی ها می تواند صحت مدل سازی و دقت پیش بینی را افزایش دهد. در این پایان نامه مساله انتخاب متغیرهای ورودی به منظور پیش بینی سری های زمانی مورد بحث و بررسی قرار گرفته است. همچنین سعی شده است روش هایی که برای انتخاب متغیرهای ورودی استفاده شده مورد مطالعه قرار گیرد. سری زمانی مورد مطالعه، تغییرات جفت ارز یورو اروپا- دلار آمریکا است. از آنجا که نرخ ارز یکی از مهم ترین متغیرهای بازارهای پولی و مالی است و رفتاری به ظاهر تصادفی و غیر قابل پیش بینی دارد، پیش بینی آن از مسایلی است که همواره مورد توجه بوده است. بر طبق تحقیقات انجام شده روش های خطی و غیر خطی زیادی برای مدل سازی و پیش بینی استفاده شده است. در همه این روش ها رفتار نرخ ارز یا تنها توسط مقادیر گذشته آن مدل سازی شده و یا از تغییرات سایر متغیرهای اقتصادی نیز کمک گرفته شده است. مدل هایی که به کمک سایر متغیرهای اقتصادی ساخته شده اند دقت پیش بینی بهتری از خود نشان می دهند. مساله ای که در این میان وجود دارد پیچیده تر شدن مدل سازی به دلیل چند بعدی گشتن مساله و استفاده از تعداد ورودی بسیار است. بنابراین باید از میان متغیرهای تاثیرگذار، حداقل تعداد متغیری را انتخاب کرد که منجر به پیش بینی دقیق تری می شوند. در این پایان نامه از مفهوم کنترل توجه که از سیستم بینایی انسان الهام گرفته شده است، برای حل مشکل منابع اطلاعاتی زیاد و انتخاب مناسب ترین مجموعه از میان متغیرها در پیش بینی سری زمانی استفاده شده است. نتایج پیاده-سازی به کمک یک شبکه عصبی پس انتشار خطا کارایی این روش را نشان می دهد که بسیار خوب عمل کرده است.

در این نوشتار به بررسی موضوع عیب یابی با استفاده از مدل rowen که یکی از مدل های مهم و معروف توربین های گازی کار سنگین است، پرداخته خواهد شد. مدل مذکور قبلاً در محیط simulink شبیه سازی شده است . چندین نوع عیب مهم حرارتی به طور معمول در توربین های گازی رخ می دهند. در این نوشتار با بررسی این عیب ها و افزودن آن ها به مدل شبیه سازی شده، سعی در ایجاد مدلی جامع تر شده است. ضرایب و مشخصات عیب های اضافه شده به مدل، قبل از اعتبار سنجی آن، بر اساس مدل توربین گازی simani است. سپس برای اعتبار سنجی مدل، از داده های عملکردی توربین گازی استفاده خواهد شد که به دلیل محدودیت داده ها تنها در دو حالت نرمال و عیب آلودگی پره های کمپرسور به اعتبارسنجی مدل پرداخته خواهد شد. داده های واقعی توربین گازی از نیروگاه سیکل ترکیبی پره سر اخذ شده اند. روش تنظیم پارامترهای مدل بر پایه الگوریتم ژنتیک چندهدفه خواهد بود. درنهایت و پس از انجام مراحل فوق، با استفاده از شبکه های عصبی به تشخیص عیب داده های دریافتی از مدل rowen در دو حالت قبل و بعد از اعتبار سنجی آن پرداخته خواهد شد.

در این پایان نامه موضوع ناوبری ربات سیار در محیطی با موانع نرم مورد بررسی قرار گرفته است. در سال‏های اخیر حرکت ربات‏های سیار در محیطهایی که عبور از آنها ممکن اما همراه با هزینه است، نظر بسیاری از محققین را به خود جلب کرده است، به خاطر اینکه به طور گسترده‏ای در رشته‏های گوناگون از قبیل اکتشافات فضایی، نظارت زیرآبی، صنایع نظامی، کاربردهای پزشکی، نجات، و غیره استفاده شده است. برای این کاربردها ناوبری خودکار ربات‏های سیار، یعنی توانایی ربات برای برنامه‏ریزی و اجرای اعمال بدون برخورد با مانع در محیطش، موضوع بسیار مهمی به شمار می‏رود.ناوبری یک ربات سیار شامل چهار زیر مسئله اساسی است:1-مکانیابی، کجا هستم؟2-بدست آوردن نقشه، محیط چگونه است؟3-برنامه ریزی حرکت، کجا باید بروم؟4-طراحی کنترلر، چطور به آنجا بروم؟. در این پایان‏نامه ما روی سه زیر مسئله اول برای حرکت ربات در محیط با موانع نرم تمرکز کرده‏ایم، در مرحله برنامه ریزی حرکت ما از شبکه عصبی هاپفیلد استفاده نموده‏ایم و در مرحله بدست آوردن نقشه محیط، برای ارزیابی هزینه عبوری ربات از نواحی گوناگون از الگوریتم‏های یادگیری تقویتی استفاده نموده‏ایم. ایده‏ های مطرح شده هم در نرم‏افزار وباتز شبیه سازی شد و هم بر روی یک ربات نمونه واقعی پیاده سازی گردید، نتایج بدست آمده درستی روش‏های پیشنهاد شده را نشان می‏دهد.

در این پایان نامه 3 روش برای تنظیم پارامتر های کنترل کننده مرتبه کسری مبتنی بر ساختار اسمیت استاندارد، اسمیت با فیلتر مقاوم ساز و ورودی مرجع وزن دار بیان شده است. در بخش اول این رساله روشی مبتنی بر بهینه سازی مقید بر اساس قیود فرکانس قطع بهره، حاشیه ی فاز و توابع حساسیت برای طراحی کنترل کننده مرتبه کسری بیان شده که روش مذکور مبتنی بر ساختار اسمیت استاندارد می باشد. در بخش دوم پروژه روشی تحلیلی برای طراحی کنترل کننده مبتنی بر ساختار اسمیت با فیلتر مقاوم ساز ارائه شده که در آن از ترکیب کنترل کننده و فیلتر مرتبه کسری برای دست یابی به پاسخ مطلوب استفاده شده است. روش ارائه شده در این بخش برای سیستم های پایدار و ناپایدار مرتبه کسری قابل استفاده می باشد. همچنین در تحلیل انجام شده در این بخش از پروژه نشان داده ایم که کنترل کننده مرتبه کسری بدست آمده تحت شرایط بیان شده در این رساله می تواند عملکرد مقاوم تری نسبت به کنترل کننده کلاسیک داشته باشد. در بخش پایانی پروژه روشی تحلیلی برای تنظیم پارامتر های کنترل کننده مرتبه کسری مبتنی بر ساختار ورودی مرجع وزن دار بیان شده که در آن برای کاهش نوسانات و دست یابی به پاسخ حلقه بسته مطلوب از یک پیش فیلتر مرتبه کسری نیز استفاده شده است. همچنین با توجه به وجود امکانات آزمایشگاهی دو روش مبتنی بر ساختار اسمیت استاندارد و ورودی مرجع وزن دار بیان شده در این رساله بر روی سیستم های دو ورودی-دو خروجی کنترل ترکیبی سطح-فلو و هلیکوپتر آزمایشگاهی پیاده سازی و نتایج آنها با کنترل کننده های کلاسیک مقایسه شده است. ساده و موثر بودن از ویژگی های روش های پیشنهادی در این رساله می باشد.

هدف این نوشتار توسعه شبیه‏ساز توربین گازی تک شفت، سایز کوچک و یک مگاوات simani جهت کامل‏تر نمودن آن با نگاهی به توربین گازی تک شفت و کار سنگین v94.2 زیمنس است. در این نوشتار ابتدا شبیه‏ساز توربین گازی simani که یک مدل فیزیکی، دینامیکی و در دسترس است موردبررسی دقیق قرار می‏گیرد. در این بررسی روش‏های به کاررفته در مدل‏سازی هر بخش، شامل مجرای ورودی، کمپرسور، محفظه‏ی احتراق، توربین، مجرای خروجی و سیستم کنترلی و همچنین معادلات به کاررفته در این بخش‏ها به خوبی تبیین شده است. سپس در راستای توسعه‏ی این مدل تعدادی از معادلات به‏کاررفته در بخش‏های مختلف، دقیق‏تر شده‏اند و همچنین بلوک igv و سیستم مه پاش، به مدل اضافه شده است. پس از اضافه شدن این بخش‏ها رفتار مدل با داده‏های واقعی توربین گازی v94.2 مقایسه می‏شود. در ادامه با الهام گرفتن از روش‏های به کاررفته در مدل simani، توربین و کمپرسور توربین گازی v94.2 به صورت فیزیکی و دینامیکی مدل شده است. در این مدل سازی از مشخصه عملکردهای واقعی توربین و کمپرسور توربین گازی v94.2 استفاده شده و همچنین نتایج این مدل‏سازی‏ با شبیه ساز توربین گازی v94.2 مقایسه شده است.

در این پایان نامه کنترل پیش بین چندعاملی به منظور کنترل ثانویه ولتاژ و فرکانس ریزشبکه در حالت جزیره ای طراحی شده است. استفاده از کنترل چندعاملی با توجه به اینکه هر عامل، اطلاعات را تنها از برخی عامل ها دریافت می کند، منجر به کاهش حجم اطلاعات نسبت به حالت متمرکز می شود. همچنین به دلیل پردازش موازی عامل ها، از حجم محاسبات کاسته شده و قابلیت اطمینان، به دلیل وابسته نبودن به یک واحد کنترلی افزایش می یابد. با توجه به قابلیت های کنترل پیش بین از جمله توانایی لحاظ کردن قیود و طراحی ساده برای سیستم های چندمتغیره، از آن به عنوان کنترل کننده ی لایه ی دوم هر عامل استفاده شده است. به منظور کنترل مناسب دامنه ولتاژ و فرکانس ریزشبکه در شرایط مختلف، بازه ی مجاز دامنه ولتاژ و فرکانس به عنوان قید در کنترل پیش بین لحاظ شده است. این کار منجر به تضمین عدم خروج ولتاژ و فرکانس از بازه ی مجاز خود می شود. با توجه به اینکه لایه کنترلی ثانویه کندتر از لایه اول است، از رویکرد سیستم های چندنرخی در روند طراحی کنترل کننده پیش بین استفاده شده است. به منظور ارزیابی روش ارائه شده شبیه سازی در حالت های مختلفی انجام و نتایج آن آورده شده است. نتایج شبیه سازی نشان می دهد این کنترل کننده، منجر به تثبیت ولتاژ و فرکانس در مقادیر مطلوب خود می گردد

در این پایان نامه، تعمیم رویکردهای بیزین در تخمین پارامتر و تعیین ساختار مدل به سیستم های با نرخ نمونه برداری چندگانه ارائه شده است.

در این پایان نامه از دو روش دسته بندی کننده های نظارتی و غیرنظارتی، به عنوان روش های مبتنی بر سیگنال، برای آشکارسازی و تشخیص عیب در سیستم غیرخطی توربین های گازی بهره گرفته شده است. برای این منظور از داده های عملکردی توربین گازی که در شرایط نرمال و معیوب توربین ثبت شده اند، استفاده شده است. داده ها از دو منبع مختلف بدست آمده اند، که شامل داده های ثبت شده از شبیه ساز simani و نیز داده های واقعی توربین گازی می باشند. داده های تجربی، از توربین گازی v94.2 زیمنس، که یکی از توربین های پرکاربرد در نیروگاه های کشور است، ثبت شده است. این توربین یک توربین گازی تک شفت با توان نامی 162 مگاوات می باشد و در واحد شماره 3 نیروگاه سیکل ترکیبی پره سر گیلان نصب شده است. شبیه ساز simani یک شبیه ساز دقیق و معتبر برای توربین های گازی تک شفت می باشد، که توانایی مدل کردن چهار نوع از عیب های رایج توربین های گازی را دارا می باشد. از الگوریتم های خوشه بندی فازی fuzzy c-means، gustafson-kessel و gath-geva به عنوان دسته بندی کننده های غیرنظارتی و از دسته بندی کننده های anfis، mlp و rbf به عنوان دسته بندی کننده های نظارتی، استفاده شده است. برای کاهش بعد داده ها از روش های کاهش بعد آنالیز اجزای اصلی، به عنوان یک روش غیر نظارتی، و روش آنالیز تفکیک خطی، به عنوان یک روش نظارتی، استفاده شده است. مقایسه نتایج حاصله برای داده های شبیه ساز simani نشان می دهد که ترکیب روش کاهش بعد آنالیز تفکیک خطی و الگوریتم خوشه بندی gustafson-kessel در بخش دسته بندی کننده های غیرنظارتی و ترکیب روش کاهش بعد آنالیز تفکیک خطی و دسته بندی کننده های مختلف در بخش دسته بندی کننده های نظارتی عملکرد بهتری دارند. نتایج حاصله برای داده های توربین گازی واقع در نیروگاه پره سر گیلان نیز نشان می دهد که ترکیب روش کاهش بعد آنالیز تفکیک خطی و الگوریتم های خوشه بندی فازی عملکرد بسیار خوبی را به نمایش می گذارد.