هدف از پژوهش حاضر پیش بینی شاخص قیمت کل سهام در بازار بورس تهران ( tepix ) با استفاده از شبکه عصبی و مقایسه آن با مدل رگرسیون خطی است . این شاخص نشاندهند? رکود و رونق بازار است و می تواند کمک زیادی به مسولان دولتی و بانک مرکزی دراجرای سیاستهایشان داشته باشد . برای پیش بینی شاخص قیمت سهام در بازار بورس تهران از متغیر های تأثیرگذار قیمت طلا و قیمت نفت ایران و نرخ ارز (دلار) استفاده شد ، متغیر شاخص قیمت سهام و قیمت طلا بصورت باوقفه در مدل ظاهر می شود .داده ها بصورت هفتگی به تعداد 314 می باشد که از این تعداد حدود 200 داده برای برآورد و 114 داده را برای داده های آزمایش در نظر گرفتیم . طراحی مدل شبکه عصبی بصورت:5 نرون در لایه ورودی ، 6 نرون در لایه پنهان و یک نرون در لایه خروجی انجام شد . با تغییر دادن توابع و تعداد نرون های لایه پنهان سعی شد شبکه ای که دارای کمترین میانگین خطا بود انتخاب شود . این شبکه های عصبی چندلایه پرسپترون را با الگوریتم پس انتشار خطا آموزش دادیم .با استفاده از مدل برآوردی رگرسیونی و شبکه عصبی ، داده های آزمایش مورد بررسی قرار گرفت . معیارهای mae ,rmse, u-thiel نشان از برتری نسبی روش شبکه عصبی دارد اما معیار mse به دلیل افزایش جمله خطا در روش رگرسیون خطی کمتر بود و از نظر اختلاف کم بین داده های واقعی و پیش بینی شده رگرسیون خطی دارای برتری بود .در مورد مدل arima نیز بررسی معیارهای بالا نشان از برتری نسبی شبکه عصبی دارد . درکل، شبکه عصبی در برآوردن شاخص کل قیمت سهام بورس اوراق بهادار تهران (tepix ) کارائی بالایی از خود نشان داد .

بکارگیری پایدارساز سیستم قدرت (pss) در سیستم های قدرت موجب بهبود پایداری دینامیکی در سیستم های قدرت می شود. ضروری است pss به خوبی و با پارامترهای مناسب طراحی گردد. در این پایان نامه یکبار از pss با پارامتر ثابت در سیستم قدرت استفاده می گردد و یکبار نیز از pss با پارامتر متغیر در سیستم قدرت استفاده می شود. در بکارگیری از pss با پارامتر ثابت؛ از یک تابع هدف جدید برای بهینه سازی و تعیین پایداری سیستم بهره گرفته می شود. این تابع هدف مجموع مقادیر دامنه نمونه ها در تبدیل فوریه گسسته (smvs-dft) سیگنال انحرافات سرعت ژنراتورها می باشد. بهینه سازی پارامترهای pssهای موجود در سیستم قدرت با مقیاس بزرگ در برابر وقوع انواع خطا یک بهینه سازی چند هدفه است. بنابراین، یک الگوریتم برای بهینه سازی چند هدفه ایجاد و مورد بهره برداری قرار داده می شود. بهینه سازی پارامترهای pss با استفاده از الگوریتم های پرندگان، ژنتیک و رقابت استعماری انجام می شود. الگوریتم رقابت استعماری، الگوریتم بهینه سازی جدیدی می باشد. در استفاده از pss با پارامتر متغیر؛ یک مدل جدید برای شبکه طراحی می گردد. pssهای مورد استفاده نیز به گونه ای در سیستم قدرت قرار می گیرند که بتوان پارامترهای آن ها را به صورت on-line تغییر داد. از شبکه عصبی شعاعی برای رسیدن به این هدف استفاده می شود. شبکه عصبی به صورت off-line در برابر وقوع خطاهای مختلف آموزش می بیند و به صورت on-line در شبکه قرار می گیرد. سیستم های قدرت مورد استفاده؛ سیستم تک ماشینه متصل به شین بینهایت و سیستم 4 ماشینه و 2 ناحیه ای کندور است. مدل pss نیز مدل pss مرسوم با دو بلوک جبران ساز است. نتایج در نهایت با نتایج بدست آمده توسط دیگر محققین برای این دو سیستم قدرت مقایسه می شود. در نهایت با بهینه سازی در حالت off-line کارایی تابع هدف جدید در مطالعات پایداری و کارایی الگوریتم چند هدفه مورد استفاده در بهینه سازی چند هدفه مشخص می گردد. با مشاهده ی میرایی نوسانات و بهبود پایداری دینامیکی نتایج و کارایی خوب روش جدید در بهره گیری از pss با پارامتر متغیر در سیستم قدرت آشکار خواهد شد.

مسائل برنامه ریزی خطی چند هدفه (molp)1 دسته ای از مسائل ریاضی هستند که به منظور تحلیل مسائل تصمیم گیری در شرایط وجود معیار های چند گانه و غالبا متضاد به وجود آمده اند. هدف از تشکیل و حل این مدل ها یافتن جوابی است که از هر نظر برای تصمیم گیرنده رضایت بخش باشد. روش های تعاملی2 که در آن ها تصمیم گیرنده اطلاعات خود را در مورد اولویت هایش نسبت به اهداف، در طی فرایند حل و به تدریج در اختیار تحلیل گر قرار می دهد، نسبت به سایرروش های حل این مسائل جوان ترند و تحقیقات جدیدی که در زمینه توسعه روش های برنامه ریزی چند هدفه صورت می گیرد، اکثرا مربوط به این گروه است. روش های تعاملی زیادی وجود دارد که تفاوت عمده آن ها در نوع اطلاعاتی است که در هر مرحله از تصمیم گیرنده (dm)1 گرفته و یا به او داده می شود. انتظار می رود در این روش ها جواب نهایی بسیار راضی کننده تر از جواب روش های دیگر باشد. چونdm مرتبا تأثیر گذار و هدایت-کننده فرایند حل مساله در رسیدن به راه حل نهایی است. اما نقطه ضعف عمده این روش ها در تعداد سوالاتی است که تصمیم گیرنده باید به آن ها پاسخ دهد؛ به طوری که بیشتر تحقیقات در زمینه برنامه-ریزی تعاملی بر روی کاهش تعداد سوالات است. مرحله کلیدی برای حل molp بدست آوردن تابع مطلوبیت تصمیم گیرنده (mauf)1 است، که یک روش دسترسی به آن استفاده از شبکه های عصبی مصنوعی (ann) است. مهم ترین مزیت ann این است که هیچ گونه فرض اولیه ای در مورد ساختار تابع مطلوبیت و خصوصیات آن ندارد. در این روش مهم ترین مساله چگونگی بدست آوردن اطلاعات اولویت تصمیم گیرنده و استفاده از آن برای یافتن بهترین جواب است. این اطلاعات که نقش عمده ای در مسائل بهینه سازی چند هدفه دارند می تواند به شکل های مختلفی در مراحل مختلف فرایند حل ارائه شوند. برای ارائه این اطلاعات dm باید گزینه های مختلفی را تست کند. یکی از روش های قابل استفاده در این مورد dnn2 است که هدف آن کاهش تعداد ارزیابی ها با حفظ قابلیت اطمینان و پیدا کردن تعداد داده های آموزشی بیشتر است. در این رویکرد بدون هیچ گونه پیش فرضی در مورد mauf، فرض می شود که mauf وجود دارد وdm با پاسخ دادن به تعداد سوالات کمتری در رابطه با مقایسات زوجی می تواند به mauf دست یابد]7[. در این تحقیق سعی بر آن است که روش تعاملی imolpو روش مبتنی بر شبکه های عصبی از نظر کارایی باهم مقایسه شوند. با توجه به اینکه با تصمیم گیرنده ها و درنتیجه رفتار های مختلف روبرو هستیم، در درجه اول باید بتوانیم رفتار dm را شبیه سازی کنیم و سپس با استفاده ازمعیارهای مقایسه، کارایی دو روش را مقایسه کنیم.

اپراتورها می توانند با استفاده از سیستم های دورعملیات، کارهایی را که در نقاط دوری از آنها واقع شده است را انجام دهند. در یک سیستم دورعملیات هدف اپراتور فرمان دادن به بخش فرمانده است به گونه ای که بخش فرمانبر بتواند وظیفه محوله را در مکانی که در آن قرار دارد انجام دهد. در این صورت در یک سیستم دورعملیات فرمانبر، بایستی به نحوی کنترل شود که بتواند حرکت فرمانده را که توسط اپراتور به آن داده می شود دنبال نماید. گذشته از فرمانده، اپراتور و فرمانبر دو بخش دیگر نیز در این سیستم وجود دارند: کانال ارتباطی و محیط. ارتباطات بین محیط و بخش فرمانبر باید در نظر گرفته شود چرا که بازتاب این ارتباطات، در نهایت به اپراتور بازگردانده می شود. بنابراین برای بهبود عملکرد، از نیرویی که به بخش فرمانبر وارد می شود فیدبک گرفته شده و به عنوان ورودی برای بخش فرمانده مورد استفاده قرار می گیرد. در این حالت سیستم، کنترل شده دو طرفه خوانده می شود. بسیاری از الگوریتم های متفاوت برای کنترل اینگونه از سیستم ها به کار گرفته شده است : کنترل موقعیت – موقعیت ، کنترل نیرو – موقعیت و کنترل فشار – موقعیت. در نهایت کانال ارتباطی نقش بسیار مهمی را در این نوع از سیستم ها بازی می کند به خصوص هنگامی که فرمانده در فاصله بسیار دوری از فرمانبر واقع شده است و یا کانال ارتباطی از نوع کانال ارتباطی آهسته باشد. در اینگونه از موارد، یک تاخیر زمانی در بین اطلاعات مبدا و مقصد ایجاد می گردد. این تاخیر زمانی می تواند باعث ناپایداری سیستم دورعملیات دوطرفه گردد. طرح های کنترل دوطرفه کلاسیک در این نوع از سیستم ها که دارای تاخیرات زمانی هستند، قابل استفاده نمی باشند چرا که تاخیرات زمانی کوچک می تواند باعث ناپایداری سیستم گردد. محققان زیادی با طراحی سیستم های کنترلی مختلف برای سیستم های دورعملیات، به مقوله تاخیر در این نوع از سیستم ها پرداخته اند. اغلب کنترلرهای طراحی شده برای این نوع از سیستم های دورعملیات، عبارتند از: کنترل پسیویته، کنترل تسلیمی از راه دور و تجزیه متغیرهای موج . در این تحقیق روش جدیدی برای کنترل سیستم های دورعملیات با تاخیر ارائه شده است. در این روش با استفاده از تئوری و مدلسازی آشفته تکین روشی برای کنترل اینگونه از سیستم ها ارائه شده است. در تحقیق حاضر از بین مدل های موجود برای سیستم های دورعملیات از مدل دو پورته با فیدبک استفاده شد. در این مدل ورودی فرمانده، شامل دو پارامتر موقعیت و سرعت و ورودی های فرمانبر نیز شامل همین دو پارامتر می باشند. سیستم با بدترین شرایط کاری انتخاب شده است به طوریکه تمام ارتباط های ممکن بین سیستم فرمانده و فرمانبر موجود است و تاخیر کانال که ممکن است موجب ناپایداری سیستم گردد نیز عدد نسبتاً بزرگی درنظر گرفته شده است. در فصل 2 ابتدا تاریخچه سیستم های دورعملیات آورده شده و پس از ان روش های کنترلی که تا امروز، برای این سیستم ها مورد استفاده قرار گرفته است، به طور مختصر توضیح داده می شود. در فصل 3 توضیحاتی راجع به روش آشفته تکین و همچنین کاربرد این روش در سیستم های کنترلی ارائه می گردد. در فصل 4 کلیه پارمترهای سیستم درنظر گرفته شده و همچنین چگونگی طراحی کنترلر برای این سیستم تشریح شده است. در این روش با استفاده از روابط مربوط به سیستم های آشفته تکین ، کنترلر مناسبی برای این سیستم طراحی شده است تا با تاخیر زیاد هم بتواند از ناپایداری سیستم جلوگیری کند و در عین حال طراحی ساده ای نیز داشته باشد. در فصل 5 نتایج شبیه سازی ها نشان داده شده و در فصل 6 نتیجه گیری و همچنین پیشنهاداتی برای بهینه سازی این روش ارائه می گردد.

مهندسین قدرت برای مهیّا نمودن انرژی ارزان، ایمن و با کیفیّت، باید پیش بینی مناسبی از آینده سیستم قدرت در اختیار داشته باشند. در مورد یک سیستم قدرت پیش بینی بار مصرفی و پیش بینی قیمت اهمیت دارد. با توجه به نقش مهمّ پیش بینی بار در مدیریت و برنامه ریزی سیستم قدرت، در این پایان نامه هدف پیش بینی کوتاه مدّت بار سیستم قدرت می باشد. مدل های گوناگونی برای پیش بینی بار استفاده شده است که به دو دسته روش های کلاسیک و روش-های هوشمند تقسیم می شوند. با توجّه به رفتار غیر خطّی بار سیستم قدرت، روش های هوشمند، انتخاب مناسبی برای پیش بینی بار می باشند. شبکه های عصبی یکی از این روش های هوشمند است که به دلیل پیاده سازی آسان، عملکرد مناسب و مدل شفاف، روش مناسبی برای پیش بینی بار سیستم های قدرت می باشد. از طرفی برای پیش بینی به مجموعه ای از داده ها به عنوان ورودی نیاز است تا مدل پیش بینی کننده بر اساس آن ها بار آینده سیستم را پیش بینی کند. انتخاب مناسب این ورودی ها بسیار مهم است و سرعت انجام محاسبات و دقت پیش بینی به ورودی مدل پیش بینی بستگی دارد. این ورودی ها می تواند به طور تجربی انتخاب شود یا توسط سیستم های هوشمند، این انتخاب صورت گیرد. با توجّه به اهمیت انتخاب ورودی ها برای پیش بینی بار، در این پایان نامه برای انتخاب ورودی ها از الگوریتم های تکاملی استفاده شده است. این الگوریتم ها قادرند توابع با پارامتر های مختلف را بهینه کنند. با توجّه به ویژگی های الگوریتم ازدحام ذرّات ترکیبی، این الگوریتم برای حل مسأله انتخاب بهینه ورودی های سیستم پیش بینی کننده بار انتخاب شده است. در این پایان نامه از ترکیب این الگوریتم با تخمین گر حد اقل مربّعات و همچنین ترکیب این الگوریتم با شبکه های عصبی، روش های ترکیبی جدیدی ارائه شده اند که دقّت پیش بینی بار را افزایش می دهند. مقایسه نتایج حاصل از روش های مختلف، برتری این دو روش ترکیبی را نشان می دهد.

در این پایان نامه با استفاده از روش بهینه سازی الگوریتم ژنتیک یک ساختار پایدارساز فازی عصبی مبتنی بر تبدیل موجک به منظور افزایش پایداری و میرا کردن نوسانات فرکانس پایین در یک سیستم قدرت تک ماشینه وچند ماشینه پیشنهاد می شود. پایدارساز پیشنهادی متشکل از مفاهیم سیستم های فازی، شبکه های عصبی وتبدیل موجک می باشد. در روش ارائه شده مقادیر ثابت یا توابع خطی در قسمت تالی قواعد فازی در سیستم های فازی سوگنو با توابع موجک به منظور افزایش توان محاسباتی سیستم فازی عصبی جانشین شده است. این افزایش توان محاسباتی سیستم فوق به دلیل دارا بودن خاصیت تحلیل محلی سیگنال در حوزه زمان و فرکانس در توابع موجک می باشد. با استفاده از روش بهینه سازی الگوریتم ژنتیک پارامترهای این پایدارساز از قبیل پارامترهای توابع عضویت سیستم فازی، پارامترهای انتقال و مقیاس توابع موجک و ضرایب وزنی در شبکه عصبی، توسط الگوریتم پیشنهادی تنظیم شد. همچنین با استفاده از دو عملگر توسعه یافته جهت یاب تکامل و عملگر مهاجرت، توانایی الگوریتم ژنتیک کلاسیک را افزایش داده ایم.

در این پژوهش، خاک های لسی شمال ایران با مطالعه نمونه هایی از استان گلستان مورد ارزیابی قرار گرفته است.3880 کیلومتر مربع از کل منطقه 21000 کیلومتر مربعی در استان گلستان با مصالح لس هایی پوشیده شده است که منشا آنها جنوب چین می باشد. این مصالح لسی عمدتا" در سه ناحیه پراکندگی دارند. پتانسیل رمبندگی ارتباط نزدیکی با شدت بارش سالیانه و آب و هوا دارد. سه نوع اقلیم خشک، نیمه خشک و کوهستانی در استان وجود دارد. میزان بارش در شمال استان کمتر از قسمت جنوبی می باشد. نمونه های دست نخورده بلوکی جهت انجام آزمایشات تهیه شد وخصوصیات فیزیکی- مکانیکی مانند چگالی ذرات جامد خاک، درصد رطوبت اولیه، حدود آتربرگ، دانه بندی ذرات ودانسیته برجا تعیین گردید. پتانسیل رمبندگی در اثر مرطوب کردن نمونه و تحت تنش های متفاوت توسط آزمایش تحکیم منفرد اندازه-گیری شد. نتایج این آزمایشات نشان می دهد که خصوصیات خاک های لسی استان گلستان مشابه لس های سایر نقاط جهان می باشد. نتایج آزمایشات xrd و میکروسکوپ الکترونی (sem) نشان می دهد که ایلیت و کلریت کانی های رسی غالب در این مناطق می باشند. در ادامه تحلیل های رگرسیونی بر روی داده ها انجام شد و نهایتا" بهترین معادله جهت ارزیابی مقدار رمبندگی ارائه گردید. آنالیز آماری تحکیم منفرد نشان می دهد متغیرهایی که بیشترین تاثیر را بر روی ضریب رمبندگی دارند شامل درصد رطوبت، وزن واحد حجم خشک، نسبت تخلخل و میزان ذرات سیلتی و ماسه ای می-باشد. پتانسیل رمبندگی یک روند افزایشی، با کاهش درصد رطوبت و درجه اشباع نشان می دهد. علاوه بر موارد ذکر شده، ضریب رمبندگی با افزایش دانسیته، کاهش می یابد. نتایج آزمایشات نشان می دهد که ضرایب رمبندگی از شمال به جنوب استان کاهش می یابد به گونه ای که دامنه تغییرات ضرایب رمبندگی از 10/18% در مناطق شمالی به 06/1% در مناطق جنوبی می رسد. در این تحقیق توسط شبکه های عصبی، ارتباط بین پارامتر های موثر برخاک، شرایط بارگذاری و ضریب رمبندگی مورد ارزیابی قرار گرفت و 31 نوع شبکه عصبی با استفاده از داده های تجربی، جهت پیش بینی مقدار رمبندگی آموزش داده شد. مقادیر مجموع مربعات خطا در تمامی شبکه ها نشان می دهد که یک شبکه forward feed دو لایه با توابع فعال ساز tansig-purelin با 5 نورون در لایه اول بهترین شبکه جهت پیش بینی مقدار رمبندگی با پارامترهای فوق می-باشد.

جبرانسازی سری با خازن روشی است که در سیستم های قدرت برای کاهش مشکلات ناشی از راکتانس خطوط انتقال استفاده می شود. با کاهش راکتانس موثر خطوط، این خازن ها می توانند پایداری گذرا را افزایش و قابلیت بارپذیری این خطوط را بهبود دهند و همچنین با کنترل مقدار این راکتانس می توان بار به اشتراک گذاشته بین خطوط موازی را بهتر کنترل نمود. این فواید باعث شده است که این خازن ها بطور گسترده ای در سیستم های قدرت استفاده شوند. با این وجود، با افزایش نیروگاه های ذغالی و هسته ای در سال های اخیر، استفاده از این خارن ها مشکلاتی را نظیر افزایش خطر تعامل بین سیستم های الکتریکی و سیستم پیچشی روتور توربین-ژنراتور ها که به عنوان پدیده تشدید زیرسنکرون شناخته می شود، به همراه دارد.در همین راستا، در این پایان نامه چند کنترولر برای حذف نوسانات پیچشی در سیستم های قدرت که با خازن سری جبرانسازی شده اند، پیشنهاد می شود. سیستم قدرت مدرن به شدت غیرخطی هستند و پارامترهای آن ها دائماً با زمان در حال تغییر هستند. از این رو، استفاده از تکنیک های هوشمند برای کنترل کردن این سیستم ها امری اجتناب ناپذیر است. در این پایان نامه، یک کنترولر pi شبکه عصبی موجک برای میراسازی نوسانات پیچشی پیشنهاد می شود. سیستم کنترل حلقه بسته این کنترولر شامل دو شبکه عصبی موجک می باشد. شبکه عصبی اول، یک شبکه پیشخور می باشد که به عنوان مدل پیش بینی سیستم کنترل شده استفاده می شود. شبکه عصبی دوم یک کنترولر pi- مانند شبکه عصبی موجک می باشد که توانایی های یک شبکه عصبی موجک و یک pi کنترولر را ترکیب می کند. روش gradient descent برای آموزش شبکه های عصبی موجک استفاده می شود. در کل فرآیند طراحی، به یک مدل دقیق از سیستم قدرت نیازی نمی باشد. دومین کنترولر پیشنهادی، یک pid خود تنظیم می باشد که در حالت on-line پیاده سازی می شود.گین های pid بطور هوشمندانه براساس اهداف طراحی و نیازهای سیستم تنظیم می شود. یک شبکه عصبی موجک برای شناسایی دینامیک سیستم قدرت استفاده می شود. برای تضمین همگرایی این شبکه عصبی، از نرخ های آموزشی تطبیقی که از روش پایداری لیاپانوف استخراج شده اند، استفاده می شود. کنترولر بعدی، یک کنترولر تکمیلی مالتی مُدال سیستم تحریک می باشد. در این کنترولر، هر مُد پیچشی از طریق یک مسیر فیدبک مجزا برای دستیابی به میرایی مالتی مُدال، کنترل می شود. برای داشتن یک کنترولر مقاوم، پارامترهای کنترولر پیشنهادی در چندین شرایط بهره برداری سیستم قدرت بهینه می شوند. عمل بهینه سازی همزمان برای پارامترهای کنترلی پایدار با در نظر گرفتن مُدهای چندگانه و تحت شرایط بهره برداری متفاوت به یک مسئله بهینه سازی غیرخطی مقید فرموله می شود. در این پایان نامه، از روش بهینه سازی آشوب برای حل این مسئله بهینه سازی با کارآیی بالا استفاده می شود. به منظور تنظیم ولتاژ و کنترل توان راکتیو در سیستم های قدرت، کندانسورهای سنکرون در شین های پرمصرف نصب می شوند. در این پایان نامه، تاثیر کندانسور سنکرون بر روی تشدید زیرسنکرون و نوسانات فرکانس پایین در یک سیستم قدرت بررسی می شود. کندانسور سنکرون به منظور میراسازی نوسانات پیچشی و کنترل توان راکتیو در یک شین میانی در خط انتقال نصب می شود. قابل ذکر است که ژنراتور به هیچ کنترلی تجهیز نمی شود. وقتیکه کندانسور سنکرون در خطوط انتقال نصب می شود، نوسانات ژنراتور بطور موثری مهار می شود زیر کندانسور سنکرون می تواند عدم تعادل انرژی ناشی از اغتشاشات را در سیستم قدرت جبران کند. پیشرفت های اخیر در الکترونیک قدرت یک مکانیزم انعطاف پذیر برای کنترل سیستم های قدرت فراهم آورده است. ادوات facts که نتیجه همین پیشرفت ها می باشند، را می توان برای هر هدف کنترلی در سیستم های قدرت بکار برد. در این پایان نامه، یک جبرانساز توان راکتیو (svc) برای حذف نوسانات زیرسنکرون پیشنهاد می شود. این جبرانسازها معمولاً برای کنترل توان و تنظیم ولتاژ در سیستم های قدرت مورد استفاده قرار می گیرند بطوریکه قادر به میراسازی نوسانات در این سیستم ها نمی باشند. از این رو، یک کنترولر کمکی بنام کنترولر زیرسنکرون تکمیلی (ssdc) برای افزایش میرایی svc طراحی می شود. مجدداً از الگوریتم بهینه سازی آشوب برای بهینه سازی پارامترهای ssdc استفاده می شود. با استفاده از یک سیگنال پایدارساز ساده، ssdc ولتاژ خروجی svc را در مُدهای پیچشی مدوله می کند. بنابراین، نوسانات سریعاً میرا می شوند. نتایج بدست آمده برای تمامی کنترولرهای پیشنهادی حاکی از میراسازی نوسانات پیچشی می باشد به گونه ای نوسانات و ارتعاشات ایجاد شده بر روی قسمت های مختلف شفت به حداقل می رسد.

نوسانات الکترومکانیکی فرکانس پایین کاراکترهای اجتناب ناپذیر سیستم های قدرت می باشند و آنها بطور وسیعی روی ظرفیت انتقال خطوط انتقال و پایداری سیستم قدرت اثر می گذارند. pss و ادوات facts می توانند به میرایی نوسانات فرکانس پایین کمک کنند. هدف از این تحقیق اجرای شبیه سازی pss فازی و طراحی کنترلر میراکننده برای ادوات facts می باشد. ابتدا یک pss مبتنی بر منطق فازی با استفاده از مرجع [1] شبیه سازی نمودیم. این pss بهتر از pss معمولی نوسانات سیستم را بهبود می بخشد. سپس برای بهبود میرایی نوسانات سیستم قدرت بوسیله ادوات facts کنترلرهای هوشمندی مختلفی طراحی کردیم. کنترلرهای بکار رفته، کنترلر منطق فازی، شبکه عصبی معمولی و شبکه عصبی wavelet می باشند. این کنترلرها را به عنوان کنترلرهای تکمیلی sssc و svc مورد استفاده قرار دادیم. در کنترلر فازی sssc از سیگنال توان انتقالی خط بعنوان ورودی کنترلر استفاده کردیم ولی در svc از سیگنال ولتاژ باسی که svc در آن قرار گرفته بعنوان ورودی کنترلر استفاده کردیم و خروجی کنترلرها را به ولتاژ مرجع این ادوات facts اعمال کردیم. همچنین در رابطه با کنترلر شبکه عصبی ویولت از توابع فعالسازهای مختلف استفاده کردیم و سرعت یادگیری و خطای نهایی هر کدام از توابع را باهم مقایسه نمودیم. در نهایت با استفاده از شبیه سازی با نرم افزار matlab کنترلرهای مختلف را با یکدیگر مقایسه کردیم و بهبود میرایی نوسانات سیستم قدرت را مشاهده نمودیم.

افزایش تقاضای توان الکتریکی، نیازمند افزایش ظرفیتهای انتقال است. از طرف دیگر، تولید کننده های توان الکتریکی به علت برخی ملاحظات اقتصادی، رغبت چندانی به ایجاد خطوط انتقال جدید ندارند. بنابراین، سیستم قدرت در شرایطی کار می کند که از حداکثر قابلیت انتقال آن استفاده می شود. در چنین وضعیتی، پایداری سیستم قدرت بطور قابل ملاحظه ای کاهش می یابد. جبرانسازی توان راکتیو یکی از موضوعات مهم در سیستم قدرت است و سیستمهای انتقال متناوب انعطاف پذیر (ادوات facts) نقش مهمی در کنترل توان راکتیو تزریقی به سیستم قدرت و در نتیجه در نوسانات ولتاژ و پایداری ایفا می کنند. بنابراین، این ادوات قادر به بهبود پایداری سیستم قدرت هستند. با وجود اینکه کنترل تحریک، پایداری دینامیکی را بهبود می بخشد و در بهبود پایداری گذرا موثر است اما نشان داده شده است که اگر یک اغتشاش بزرگ در نزدیکی پایانه ژنراتور ایجاد شود، پایداری سیستم قدرت از بین خواهد رفت. محققان ثابت کرده اند که پایداری گذرا با استفاده از ادوات facts بهبود بیشتری خواهد یافت. امروزه ادوات facts مانند sssc، statcom و upfc برای میراسازی نوسانات و بهبود پایداری گذرای سیستمهای قدرت بکار برده می شوند. با ترکیب نظریه تبدیل ویولت و مفهوم شبکه های عصبی، شبکه نگاشت جدیدی به نام شبکه عصبی موجک تطبیقی پیشنهاد شده اند که به عنوان جایگزینی برای شبکه های عصبی feed forward برای تقریب توابع غیرخطی مورد استفاده قرار می گیرند. در این تحقیق، کنترل ادوات facts جهت بهبود پایداری گذرای سیستم قدرت توسط شبکه عصبی ویولت انجام می گیرد. از کنترل کننده pi برای آموزش off-line شبکه های عصبی کنترل کننده و شناسایی کننده استفاده شده است. همچنین با استفاده از نرخهای آموزش تطبیقی برای پارامتر های وزنی در حالت on-line، کنترل کننده انعطاف پذیری بسیار خوبی دارد. روشهای کنترل ادوات facts توسط شبکه های عصبی را می توان به دو دسته کلی تقسیم بندی کرد: 1) روش غیرمستقیم و 2) روش مستقیم. در روش اول، نیاز به شناسایی سیستم قدرت برای کنترل سیستم مورد نظر در حالت on-line داریم. در روش دوم، نیازی به شناسایی دینامیک غیرخطی سستم قدرت نخواهیم داشت. در این پایان نامه از هر دو روش کنترلی برای کنترل سیستم قدرت جهت بهبود پایداری گذرا استفاده شده است. در روش کنترلی مستقیم، از یک مقدار تخمینی برای شناسایی دینامیک سیستم استفاده می کنیم. در روش کنترلی غیرمستقیم، از یک شبکه عصبی دیگر برای شناسایی دقیق دینامیک سیستم استفاده می کنیم.

به منظور میراسازی نوسانات فرکانس پایین و متعاقباً بهبود پایداری دینامیکی سیستم قدرت، معمولاً از پایدارسازهای سیستم قدرت استفاده می گردد. در این میان پایدارسازهای تطبیقی، با توجه به خصوصیات غیر خطی سیستم قدرت، بیشتر مورد توجه قرار گرفته اند، هر چند، افزایش انعطاف پذیری و نیز تضمین همگرایی آنها همواره در حال بررسی است. در این پایان نامه شبکه های عصبی موجک بازگشتی با خصوصیاتی نظیر؛ قابلیت یادگیری شبکه های عصبی پیشخور؛ سرعت بالای آموزش شبکه های عصبی موجک و نیز دینامیک مناسب شبکه های عصبی بازگشتی، در جهت طراحی پایدار سازهای تطبیقی با سطح مطلوب تری از انعطاف پذیری بکار گرفته شده اند. در این راستا یک کنترل کننده pid با قابلیت یادگیری در حالت آنلاین، و نیز یک کنترل کننده عصبی-تطبیقی با قابلیت بالای تطبیق پذیری در حالت آنلاین، ارائه شده اند. به منظور مقدار دهی آغازین کنترل کننده pid از الگوریتم بهینه سازی آشوب استفاده شده است. همچنین در طول طراحی کنترل کننده عصبی-تطبیقی به منظور بهره برداری از تمام ظرفیت شبکه عصبی، یک الگوریتم آموزش ترکیبی موسوم به cgs-bp برای آموزش آفلاین شبکه عصبی موجک بازگشتی ارائه شده است. الگوریتم پیشنهادی cgs-bp حاصل ترکیب الگوریتم پس انتشار خطا و الگوریتم جستجوی سراسری آشوب می باشد. بعلاوه، تئوری پایداری لیاپانف گسسته به منظور تضمین همگرایی کنترل کننده های پیشنهادی در حالت آنلاین، به نحوی مطلوب بکار گرفته شده است. در ادامه با توجه به ویژگی های مطلوب ادوات facts، کنترل کننده pid پیشنهادی به منظور اعمال به sssc در جهت میراسازی نوسانات بین ناحیه ای سیستم قدرت بکار گرفته خواهد شد. همچنین یک کنترل کننده تطبیقی-عصبی چند هدفه مبتنی بر تئوری کنترل معکوس به منظور اعمال به sssc و میرا سازی نوسانات بین ناحیه ای سیستم قدرت چند ماشینه ارائه شده است؛ این کنترل کننده با دریافت مقادیر مطلوب نوسانات سیستم در حالت آنلاین، سیگنال کنترلی مناسب را تولید می نماید. نهایتاً با بکار گیری یک شبکه عصبی موجک بازگشتی در شاخه تناسبی یک کنترل کننده pi کلاسیک، یک کنترل کننده pi با بهره تناسبیِ عصبی به منظور اعمال به ادوات facts و میرا سازی نوسانات فرکانس پایین سیستم قدرت ارائه خواهد شد. در کنترل کننده مذکور سیگنال خطا قبل از اعمال به بهره تناسبی، توسط یک شبکه عصبی موجک بازگشتی در جهت کمینه نمودن تابع هزینه پیشنهادی و در حالت آنلاین پردازش خواهد شد. پایداری کنترل کننده مذکور با استفاده از تئوری پایداری لیاپانف گسسته بررسی می شود. همچنین، قدرت بالای تطبیق پذیری کنترل کننده پیشنهادی در حالت آنلاین و نیز سرعت بالای آن در بازیافت آنلاین سیستم قدرت پس از اغتشاشات ناگهانی، بواسطه مطالعات شبیه سازی به اثبات می رسد.

امروزه تامین توان راکتیو در کنار توان اکتیو مسئله مهمی است. در این مسئله کیفیت تولید نیز مطرح است. بنابراین نیاز به ادواتی که بتوانند این کیفیت را درکنار تامین توان ارائه کنند، احساس می شود. تولید و تامین توان راکتیو توسط نیروگاه ها، اگرچه تقاضای مصرف کنندگان را تامین می کند، ولی علاوه بر اشغال ظرفیت خطوط انتقال، هزینه تمام شده توان را بالا می برد. روش های جبرانسازی با عناصری از قبیل سلف و خازن وجود دارند که این روش ها به محاسبات از پیش انجام شده ای نیاز دارند تا مقدار ظرفیت و میزان جبرانسازی را مشخص کنند. این قبیل جبرانسازها تنها برای یک شرایط خاص مفیدند و زمانی که بار سیستم قدرت تغییر کند باعث کاهش یا افزایش ولتاژ در محل اتصال می شوند. بنابراین جبرانسازهایی که قابل کنترل باشند مطرح گردیدند. نیاز به کنترل پذیر بودن جبرانسازها و همچنین با درنظرگرفتن کیفیت توان در سیستم های قدرت، سبب گردید تا جبرانسازهای پیشرفته ای مانند سیستم های انتقال متناوب قابل انعطاف در سیستم های قدرت حضور پیداکنند. statcom توزیع به عنوان یکی از سیستم های انتقال متناوب قابل انعطاف با قابلیت کنترل بالا و کاربردهای متنوع از قبیل تنظیم ولتاژ، جبرانسازی توان راکتیو و تصحیح ضریب توان در شبکه قدرت بسیار مورد استفاده است. مسئله اصلی نحوه کنترل کردن statcom توزیع برای دستیابی به هدف مورد نظر است. برای تنظیم ولتاژ نقطه اتصال statcom توزیع سرعت و دقت کنترل جریان راکتیوی که statcom توزیع با شبکه مبادله می کند از اهمیت بسیاری برخوردار است. بنابراین سرعت کنترل کننده حلقه داخلی اساس پایداری دینامیکی و گذرای سیستم حلقه بسته است. این در حالی است که سرعت کنترل جریان خازن نبایستی بالا باشد، به طوری که هر اغتشاشی در سیستم یا تغییراتی در مرجع آن نباید منجر به شارژ یا دشارژ بیش از حد جریان لینک dc در d-statcom شود. این جریان های بالا نیاز به ادوات نیمه هادی با سرعت بالا دارند که این خود باعث اغتشاش در ولتاژ محل اتصال می شود. به خاطر این دو محدودیت مولفه جریان راکتیو از مولفه جریان اکتیو به طور مجزا باید کنترل شوند. در این پایان نامه برای کنترل کننده خارجی از دو کنترل کننده ترکیبی-تطابقیِ فازی-تناسبی-انتگرالی و برای حلقه کنترل داخلی یا جریان از روش کنترل بهینه lqr استفاده می شود. همچنین برای تنظیم این کنترل کننده از روش بهینه سازی الگوریتم ژنتیک استفاده می شود.

چکیده: رفتار دینامیکی مواد عموماً وابسته به نرخ کرنش می باشد. نرخ کرنش در اکثر مدل های ماده در تغییر شکل های دینامیکی به صورت یک پارامتر مهم وجود دارد و برخی از این مدل ها نظیر جانسون ـ کوک و زریلی ـ آرمسترانگ در بسیاری از نرم افزارهای اجزای محدود در شبیه سازی رفتارهای ماده مورد استفاده قرار می گیرند. این مدل ها دارای ثابت هایی هستند که عمدتاً از طریق آزمایش تعیین می شوند. در این پایان نامه، ثابت های مدل جانسون ـ کوک مورد مطالعه قرار گرفته اند. مدل جانسون ـ کوک دارای 5 ثابت می باشد که با استفاده از آزمایش کشش شبه استاتیکی، میل? هاپکینسون فشاری و آزمایش تیلور به دست می آیند. ضرایب a ، b و n از طریق آزمایش شبه استاتیکی، محاسبه می گردند. ضرایب c و m با استفاده از میل? هاپکینسون اندازه گیری می شوند. هم? این پنج ضریب مجدداً با استفاده از آزمایش تیلور به دست آمده و با مقادیر تعیین شده از آزمایش شبه استاتیکی و میل? هاپکینسون مقایسه می شوند. آزمایش تیلور به صورت آزمایشی و عددی مورد تحقیق قرار می گیرد. در شبیه سازی آزمایش تیلور یک تابع هدف تعریف می شود. این تابع هدف عبارت است از تفاوت پروفیل هندسی نمون? آزمایش شد? تیلور که از آزمایش و شبیه سازی به دست می آیند. این تابع هدف دارای 21 ثابت است. به همین جهت با 21 مجموع? دلخواه از ثابت های a ، b ، n، c و m ، 21 شبیه سازی انجام شده و تابع هدف با استفاده از نتایج آن ها، به دست آمده و سپس با استفاده از روش الگوریتم ژنتیک بهینه سازی گردیده است. مقادیر a ، b ، n، c و m بهینه همان ثابت های مدل جانسون ـ کوک هستند. نتایج به دست آمده، توافق خوبی بین نتایج بهینه سازی از یک سو و نتایج به دست آمده از آزمایش های شبه استاتیکی و هاپکینسون فشاری نشان می دهد. با استفاده از این روند، می توان مطمئن بود که ثابت های به دست آمده از دقت کافی برخوردارند. همچنین، نتایج شبیه سازی ها نشان می دهند که ثابت های c و m خود وابسته به نرخ کرنش هستند. از آنجا که برای اندازه گیری ثابت های مدل ماده، تعداد محدودی آزمایش در نرخ های کرنش معینی صورت می گیرد، با استفاده از شبکه عصبی، می توان این ثابت ها را برای نرخ های کرنشی که در آزمایش مورد استفاده قرار نگرفته اند، تعیین نمود.

بدلیل پایین بودن قیمت انرژی در ایران و در نتیجه بالا بودن دوره بازگشت سرمایه در پروژه های بهینه سازی مصرف انرژی در ساختمان ها، سازندگان بنا از ساخت ساختمان هایی با هدف مصرف کم انرژی استقبال نمی کنند. حتی افزایش قیمت حامل های انرژی تا سطح منطقه نیز باعث اقتصادی بودن بسیاری از طرح های صرفه جویی انرژی نمی گردد. روش های معماری کاهش دهنده مصرف انرژی، روش های بدون هزینه و پایداری بوده که هم از منظر اقتصادی و هم از منظر زیست محیطی مناسب تر از دیگر روش ها می باشند. هرچند صرفه جویی انرژی با طراحی معماری در همه کشور ها قابل استفاده است ولی بواسطه ساختار اقتصادی، اجتماعی و فرهنگی، برای ایران از مناسبت بیشتری برخوردار است. مصرف انرژی به تعداد زیادی از پارامترهای طراحی وابسته است که هر یک از این پارامترها می توانند تاثیرات مختلف و حتی متضادی در مصرف انرژی ساختمان داشته باشند. در میان این پارامترهای گسترده آنچه که در این پایان نامه بعنوان موضوع تحقیق انتخاب گردیده پنجره ها، دیوارها، سقف ها و دمای داخل می باشند. در حقیقت هدف این پژوهش یافتن مناسب ترین طرح از نقطه نظر مصرف انرژی برای یک ساختمان با تاکید بر تغییر در اندازه و نوع پنجره ها، جنس دیوارها و سقف ها و اندازه دمای داخلی است. به منظور یافتن طرح بهینه از الگوریتم ژنتیک استفاده می گردد اما از آنجا که استفاده از این الگوریتم نیاز به محاسبات گسترده ای دارد به منظور کاهش حجم محاسبات از شبکه های عصبی بهره گرفته می شود. ابتدا برای تایید این مدل (تلفیق شبکه عصبی و الگوریتم ژنتیک)، مقاله ای که نتایج آن موجود است به این روش حل و با یکدیگر مقایسه می شوند. پس از اطمینان از کیفیت این مدل، از آن برای بهینه سازی یک ساختمان نمونه در شهر قزوین استفاده می گردد. این مدل قادر است حالت های بهینه را در کوتاهترین زمان از میان میلیون ها حالت ممکن شناسایی کند و پاسخ های آن تا حدود بسیار زیادی دقیق هستند. از جمله محدودیت های آن می توان به کند بودن روند تشکیل پایگاه داده لازم برای آموزش شبکه عصبی و نیز مشخص نبودن تعداد داده کافی برای تشکیل این پایگاه اشاره نمود.

یکی از اهداف اصلی در سیستم های انرژی بادی، کسب بیشترین توان ممکن در کوتاهترین زمان از باد است.این هدف با بکارگیری الگوریتم های دنبال کردن حداکثر توان(mppt)حاصل می شود. در طراحی این الگوریتم ها توجه به دو نکته حائز اهمیت است. یکی این که مشخصه عملکرد بهینه توان مکانیکی (orcm) و الکتربکی (orce)،در سیستم های توربین بادی متفاوت از یکدیگر بوده و در صورتی که سیستم در orce کار کند، توان الکتریکی بیشتری حاصل خواهد شد و دیگر آن که رفتار سیستم های توربین بادی، شدیدا غیر خطی بوده و عملکرد مناسب کنترلرهای هوشمند در سیستم های غیرخطی انکار ناپذیر است. در این پایان نامه، سیستم های سرعت متغیر مبتنی بر ژنراتور سنکرون آهنربا دائم همراه با پل دیودی ومبدل dc/dc و باتری، به عنوان سیستم مورد مطالعه در نظر گرفته می شود. ابتدا یک روش نو بر پایه حساب تغییرات، جهت دستیابی به حداکثر توان ارائه می گردد. روش پیشنهادی، برخلاف اکثر روشهای قبلی، که سعی در ماکزیمم کردن انرژی مکانیکی ورودی به ژنراتور داشتند، انرژی الکتریکی را به عنوان تابع هدف در نظر گرفته و با سوق دادن آن در orce، سبب افزایش بازده سیستم می شود. در ادامه جهت حذف وابستگی روش پیشنهادی به سنسور بادسنج، از شبکه های عصبی مبتنی بر کوانتوم استفاده می گردد. بالا بودن بازده روش پیشنهادی نسبت به روش(tip speed ratio)mppt-tsr، با نتایج شبیه سازی اثبات می شود. سپس جهت بهبود کارایی دو نمونه از الگوریتم mppt با نام های mppt-tsr و mppt-ot(optimum torque) از کنترلرهای تطبیقی عصبی کوانتوم، بهره برده می شود. در این راستا از روش هایdac(direct adoptive control)وiac(indirect adoptive control) به ترتیب برای به روز رسانی پارامترهای کنترلر در روش mppt-tsr و mppt-ot استفاده می گردد. روش پیشنهادی علاوه بر داشتن مزایای کنترلرهای تطبیقی، از قابلیت هایی چون آموزش سریع، دقت بالا و دینامیک مناسب کنترلرهای هوشمند مبتنی بر کوانتوم، نیز برخوردار است. نتایج حاصل از شبیه سازی، عملکرد خوب این کنترل کننده ها را نسبت به کنترلرهای کلاسیک و کنترلرهای هوشمند مبتنی برperceptron) mlp(multi-layer اثبات می کند.

نوسانات فرکانس پایین در سیستم قدرت یک پدیده اجتناب ناپذیر بوده و میراسازی این نوسانات نیز امری ضروری و اجتناب ناپذیراست. جهت میراسازی این نوسانات، پایدارسازهای مختلفی ارائه شده است. از آن جا که رفتار دینامیکی سیستم قدرت، شدیدا غیر خطی و متغیر با زمان است، استفاده از پایدارساز های کلاسیک عملکرد مطلوبی به همراه نخواهد داشت. از طرفی عملکرد مناسب پایدارسازهای تطبیقی عصبی به علت انعطاف پذیری بالا در سیستم های غیرخطی و پیچیده، غیر قابل انکار است. در این پایان نامه یک ساختار پایدارساز تطبیقی عصبی مبتنی بر کوانتوم، به منظور افزایش پایداری و میرا کردن نوسانات فرکانس پایین در سیستم قدرت پیشنهاد می شود. پایدارساز پیشنهادی بر پایه مفاهیم کنترل تطبیقی و شبکه های عصبی کوانتوم بوده تا علاوه بر استفاده از مزایای کنترل تطبیقی، از مزایایی چون سرعت بالا، دقت زیاد و دینامیک خوب شبکه های عصبی کوانتوم نیز بهره مند گردد. پایدارساز پیشنهادی در سیستم قدرت تک ماشینه به کارگرفته شده و قابلیت بالای آن در جهت افزایش میرایی نوسانات محلی فرکانس پایین نسبت به پایدارسازهای کلاسیک و پایدارسازهای عصبی تطبیقی قدیم به اثبات می رسد. همچنین در این راستا ترکیب های مختلف شبکه عصبی mlp و کوانتوم به عنوان شناسایی کننده وکنترلر مورد بررسی قرار گرفته وآزمایشات شبیه سازی نشان خواهد داد ترکیباتی که از شبکه عصبی کوانتوم بیشتر استفاده گردیده نتیجه بهتری دارد. در ادامه با توجه به ویژگی های مطلوب ادوات facts، کنترل کننده پیشنهادی به منظور اعمال به sssc جهت میراسازی نوسانات بین ناحیه ای به کار گرفته خواهد شد. نتایج شبیه سازی نشان خواهد داد پایدارساز پیشنهادی نسبت به پایدارسازهای کلاسیک و پایداسازهای عصبی تطبیقی مبتنی بر mlp و پایدارسازهای معکوس آنلاین موفق تر خواهد بود.

هدف از طراحی کنترل کننده برای سیستم های دور عملیات دستیابی به پایداری و کارایی بهینه در حضور عواملی چون تاخیر زمانی، اغتشاشات سیستم و خطای مدل سازی می باشد. یکی از عوامل ناپایدار کننده در سیستم های دور عملیات دوطرفه وجود تاخیر زمانی ثابت و متغیر با زمان در کانال ارتباطی میان دو ربات فرمانده و فرمانبر می باشد. زمان تاخیر موجود در کانال ارتباطی موجب پیدایش طیفی از بی نهایت فرکانس در معادله مشخصه شده و باعث ناپایداری و سختی تحلیل سیستم با استفاده از روش های کنترل کلاسیک می شود. با توجه به عدم وجود یک روش تحلیلی مناسب برای حل معادلات دیفرانسیلی دارای تاخیر، انتقال تمامی مقادیر ویژه به نقاط مطلوب با استفاده از روش های کلاسیک توسعه یافته برای سیستم هایی بامعادلات دیفرانسیلی معمولی عملی نمی باشد. در این پژوهش با استفاده از مفهوم تابع لامبرت w به منظور انتقال مجموعه ای منطقی از مقادیر ویژه به نقاط مطلوب، ساختار کنترلی جدیدی برای سیستم های دور عملیات طراحی شده است. در این ساختار با استفاده از مفهوم تابع لامبرت w سمت راست ترین قطب سیستم به نقاط مطلوب انتقال می یابد و موجب پایداری سیستم و ردیابی مناسب سیگنال موقعیت و سرعت ربات فرمانده توسط ربات فرمانبر می شود. در ادامه با استفاده از شناسایی و پیش بینی تاخیر موجود در کانال ارتباطی از طریق شبکه های عصبی rbfn و mlp کنترل کننده تطبیقی ای برای سیستم های دور عملیات طراحی می گردد که موجب بهبود پاسخ به ازای تاخیر متغیر با زمان می شود. پایداری سیستم و طرح ارائه شده توسط قضیه ماتریس پراکندگی و رسم سمت راست ترین قطب های سیستم در صفحه jw بررسی شده است. در نتایج شبیه سازی کارایی مناسب و ردیابی خوب ربات فرمانبر از ربات فرمانده در حضور عواملی چون تاخیر زمانی ثابت و متغیر با زمان نشان داده شده است.

باوجود تأخیر کانال ارتباطی در سیستم های کنترل از راه دور دوطرفه، پایداری و شفافیت بسیار حائز اهمیت می باشند. این تحقیق یک روش جدید برای طراحی کنترلر بر اساس روش آشفته تکین برای سیستم های کنترل از راه دور دوطرفه غیرخطی ارائه می نماید. با بکار بردن روش آشفته تکین سیستم کنترل از راه دور به دو زیرسیستم کند و تند شکسته می شود. این روش گامی به سوی کاهش مرتبه مدل سازی می باشد. در این تحقیق سیستم کنترل از راه دور به دو حالت فرمانبر و خطا (اختلاف فرمانده و فرمانبر) تقسیم و سپس برای هر کدام یک کنترلر مدلغزشی تطبیقی طراحی می شود و در ادامه سیگنال کنترلی که شامل مجموع هردو سیگنال کنترلی زیرسیستم ها می باشد به سیستم اصلی اعمال می شود. تمام تلاش این تحقیق بر آن است که خطای تعقیب فرمانده و فرمانبر کاهش یابد. موقعیت فرمانده و فرمانبر برای تأخیر زمانی ثابت و متغیر با یکدیگر مقایسه می شوند و سیگنال کنترلی به فرمانبر اعمال می شود تا آن دو یکدیگر را در حداقل زمان ممکن تعقیب نمایند. مزیت استفاده این نوع روش، سادگی در طراحی کنترل کننده می باشد و برای سیستم هایی که دارای دینامیک و ساختار پیچیده و غنی می باشند می تواند بسیار مفید و موثر باشد. استفاده از این روش علاوه بر سادگی چشمگیری که به همراه دارد می تواند به طراح دید وسیع تر و بهتری نسبت دینامیک سیستم دهد که این امر در هنگام پیاده سازی و عیب یابی سیستم می تواند به طرز محسوسی مفید و قابل استفاده باشد. در نهایت پاسخ های به دست آمده در این تحقیق، با مقاله دیگری مقایسه شده و مزایای آن مورد ارزیابی قرار می گیرد. در بخش شبیه سازی مقایسه بین روش جدید و روش قبلی ارائه می شود و در تمام نتایج شبیه سازی مخصوصاً بخش تأخیر متغیر، برتری محسوس روش جدید به تصویر کشیده می شود.

سیستم تعلیق خودرو به منظور بهبود راحتی سفر و افزایش ایمنی خودرو استفاده می شود. با گسترش تحقیقات در زمینه ی سیستم های تعلیق خودرو امروزه از سیستم های تعلیق متنوع و پیشرفته ای استفاده می شود، از جمله ی این سیستم ها سیستم تعلیق فعال خودرو می باشد. سیستم های تعلیق فعال با استفاده از یک عملگر هیدرولیکی و کنترل آن باعث بهبود پارامترهای سفر، بخصوص راحتی سفر و ایمنی خودرو می شوند. در این پژوهش از قانون های کنترلی مبتنی بر شبکه ی عصبی برای طراحی سیستم تعلیق فعال خودرو استفاده شده است، همچنین از فیدبک خطی ساز به همراه شبکه های عصبی در بخشی از این پژوهش استفاده کرده ایم. برای ربع خودرو کنترل کننده به گونه ای طراحی می شود که جابجایی عمودی بدنه، انحراف تعلیق و انحراف تایر کاهش یابد و همچنین نیروی کنترل اعمال شده در یک محدوده ی قابل قبول باقی بماند. برای کنترل سیستم تعلیق خودرو از کنترل کننده های عصبی آنلاین و آفلاین بهره خواهیم برد. شبیه سازی ها را در محیط مجازی با استفاده از جعبه افزار simulink مربوط به نرم افزار matlab انجام می دهیم. کنترل کننده آفلاین ابتدا مورد بررسی قرار خواهد گرفت. این کنترل کننده شامل دو مرحله مجزا می باشد: یکی مرحله شناسایی ودیگری کنترل. در مرحله شناسایی با استفاده از داده های دریافتی، مدل مورد تحلیل قرار گرفته و سپس کنترل مناسب در مرحله دوم بمنظور دستیابی به جواب مطلوب که کاهش نوسانات سیستم تعلیق و همینطور کاهش دامنه ی این تغییرات می باشد، به ورودی کنترل اعمال می شود. در ادامه، کنترل کننده ی آنلاین ارائه می شود. این کنترل کننده قابلیت خود را در بهبود پاسخ سیستم ارائه خواهد داد. در انتها نیز با استفاده از روش فیدبک خطی ساز ابتدا مدل سیستم تعلیق را خطی خواهیم کرد و سپس با استفاده از کنترل کننده ی آنلاین، خواهیم دید که پاسخ ها نسبت به حالتی که فیدبک خطی ساز اعمال نشده است به میزان چشمگیری بهبود یافته است. نتایج شبیه سازی نیز بصورت مقایسه ای ارائه خواهند شد و کارایی روش های ارائه شده مشخص خواهد شد.

به منظور عملکرد رضایت‏بخش یک سیستم قدرت ثبات فرکانس امری الزامیست، چرا که کنترل ‏دقیق فرکانس، ثبات سرعت موتورهای سنکرون و القایی را به‏دنبال دارد و تثبیت سرعت بارهای موتوری، ‏به‏طور ویژه در عملکرد رضایت‏بخش واحدهای تولیدی اهمیت دارد. همچنین در سیستم های قدرت، افت زیاد فرکانس، ممکن است منجر به ایجاد جریان‏های شدید مغناطیسی در ‏موتورهای القایی و ترانسفرماتورها شود و صدمات جبران ناپذیری وارد نماید‏. کنترل اولیه فرکانس در واحدهای تولیدی به عهده سیستم گاورنر می باشد، اما سیستم قدرت برای حفظ فرکانس در مقدار نامی نیازمند کنترل مکمل (کنترل بار- فرکانس) و کنترل اضطراری می باشد. تا امروز روش های مختلفی برای کنترل بار- فرکانس سیستم های قدرت ارائه شده است. با پیشرفت های علمی، بالا بردن دقت در مدلسازی سیستم قدرت و در نظر گرفتن المان های غیرخطی، امری اجتناب ناپذیر است و در این صورت روش های کنترلی نوین مانند شبکه های عصبی اهمیت خود را نشان می دهند. در این تحقیق ما پس از بررسی روش های مختلف کنترل بار- فرکانس که تا امروز ارائه شده، به مدلسازی کنترل بار- فرکانس سیستم قدرت سه ناحیه ای و پیشنهاد شبکه های عصبی کوانتومی به منظور شناسایی و کنترل بار- فرکانس (کنترل مکمل) در سیستم کنترل خودکار تولید می پردازیم و با روش های قبلی ارائه شده، مقایسه می کنیم.

در این تحقیق روش جدیدی برای کنترل سیستم های دورعملیات دارای تأخیر که در تعامل با یک محیط نرم می باشند، با استفاده از روش های هوشمند مبتنی بر شبکه ی عصبی، ارائه می شود. ابتدا مدلی برای سیستم دورعملیات، در نظر گرفته شده و تمام ارتباط های ممکن در این سیستم مدلسازی می شود. بعد از مدل سازی سیستم های دورعملیات، با استفاده از یک تابع لیاپانوف، یک کنترلر برای این سیستم طراحی می کنیم که از مقادیر به دست آمده از این کنترلر برای آموزش کنترلر عصبی خارج خط استفاده می کنیم. در ادامه نیز به طراحی کنترلر عصبی هوشمند به صورت خارج خط و بر خط، برای سیستم دورعملیات می پردازیم. در نهایت نشان داده خواهد شد که با اعمال کنترلر طراحی شده به سیستم دورعملیات، در حضور تأخیر متغیر و ثابت با زمان، پاسخ های سیستم بسیار مناسب خواهد بود.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.