مسیله پرواز «تعقیب عوارض/ اجتناب از عوارض» شامل سه زیر مجموعه طراحی مسیر بهینه مرجع، گسترش قانون کنترلی و ترکیب اطلاعات سنسوری می باشد. تمرکز این پروژه بر روی دو قسمت اول یعنی طراحی مسیر و طراحی کنترل کننده جهت تعقیب مسیر برای اجسام پرنده بدون سرنشین می باشد. به طوری که در بخش اول این پروژه ، با درنظر گرفتن مزایا و معایب روش های قبل، از الگوریتمی موسوم به جستجوی مستقیم مش تطبیقی برای حل مسیله مسیریابی در فضای سه بعدی استفاده خواهدشد. به این منظور، ابتدا تابع هزینه ای به همراه مجموعه نسبتاً کاملی از قیود ناشی از محدودیت های دینامیکی جسم پرنده و خواسته های عملیاتی پرواز تعریف می شود و با توجه به بهبود تابع هزینه در مش تطبیقی ایجاد شده، الگوریتم به سمت مسیر بهینه حرکت می کند. برای بررسی قیود غیرخطی مسیله، با تعریف تابع هزینه ثانویه ای به عنوان فیلتر، فضای نقاط نامطلوب، از فضای جستجوی مطلوب جداخواهدشد. نتایج شبیه سازی برروی داده های واقعی، عملکرد مطلوب روش بکاررفته را در مقایسه با روش های نوین همچون الگوریتم ژنتیک نشان می دهد. در بخش دوم پروژه، از مسیر بهینه طراحی شده در قسمت اول به عنوان مسیر مرجع برای ردیابی جسم پرنده استفاده می شود. در این بخش، با هدف گسترش قانون کنترلی به طراحی کنترل-کننده مقاوم یکبار با استفاده از روش h? و با تابع معیار عملکرد درجه اول و دوم پرداخته شده و از آنجا که نتایج حاصل و نتایج بدست آمده از سنتز ? عدم توانایی کنترل کننده در ایجاد عملکرد مقاوم را نشان می دهد بار دیگر کنترل کننده با مینیمم سازی همزمان h? وh2 با محدودیت بر روی قطبهای حلقه بسته طراحی شده است. نتایح حاصل از اعمال کنترل کننده بر مدل غیرخطی جسم با وجود اغتشاش ثابت باد و نویز اندازه گیری توانایی استراتژی اتخاذ شده را بخوبی به اثبات می رساند.

ناوبری اینرسی یکی از روش های تعیین موقعیّت جسم متحرّک است که بر اساس قوانین نیوتن عمل می-کند. به دلایلی گوناگون، این سیستم در معرض خطای رشد کننده است و از این رو، تحلیل خطاها و نیز اصلاح آن به کمک ترکیب اطّلاعات با سیستم های کمک ناوبری مورد بررسی در بسیاری از مقالات قرار گرفته است. در این پایان نامه، ابتدا روش ناوبری اینرسی بررسی شده و معادلات حاکم که منجر به استخراج وضعیّت، سرعت و موقعیّت از داده های سنسورهای اینرسی می شود، بیان خواهند شد. پس از آن عوامل موجد خطا معرّفی شده و معادلات دینامیک خطای سیستم ناوبری اینرسی به دست می آیند و به کمک این معادلات، روش ترکیب اطّلاعات مبتنی بر فیلتر کالمن تشریح و شبیه سازی می شود. در سالیان اخیر، استفاده از سنسورهای اینرسی ریزماشین افزایش یافته که سبب پایین آمدن هزینه تمام شده سیستم ناوبری اینرسی شده است. بخش پایانی به این گونه سنسورها پرداخته و مشکلات روش متداول فیلتر کالمن در ترکیب اطّلاعات سیستم های ناوبری با این گونه سنسورها تشریح می شود. در پایان، روش هایی مبتنی بر شبکه های عصبی پیشنهاد می شود تا به کمک آنها بتوان عمل ترکیب اطّلاعات سیستم ناوبری اینرسی و کمک ناوبری را انجام داد. این روش ها می توانند در فرایند همراستایی سیستم ناوبری اینرسی و کالیبراسیون سنسورهای اینرسی به کار روند. روش های پیشنهادی شبیه سازی شده و عملکرد آن با روش های متداول فیلتر کالمن مقایسه می شود. نتایج شبیه سازی عملکرد بهتر روش پیشنهادی را در مقایسه با روش فیلتر کالمن نشان می دهد.

سیستم های تهویه مطبوع (hvac) از اصلی ترین تاسیسات تمام ساختمان های مسکونی، تجاری، صنعتی و اماکن عمومی به شمار می آیند. هدف این سیستمها معمولاً ایجاد محیطی راحت و مناسب از نظردما، رطوبت و سایر پارامترهای محیطی برای ساکنین آن است. رسیدن به این اهداف مستلزم طراحی سیستم کنترلی مناسب است. در این پایان نامه یک روش کنترل فازی برای مساله کنترل سیستم های hvac ارایه شده است. در روش ارایه شده از الگوریتم های ژنتیکی که ابزارهای جستجوی همه منظوره هستند، برای طراحی سیستم کنترل فازی استفاده شده است. بدین ترتیب، نیاز به دانش کامل فرد خبره درباره سیستم تحت کنترل مرتفع شده و طراحی به صورت اتوماتیک و با پیش فرضهایی ساده درباره تعداد مجموعه های فازی و روند کلی قواعد انجام می شود. مرحله طراحی شامل دو بخش تعلیم وتنظیم می باشد. در مرحله تعلیم، شالوده سیستم فازی شامل قواعد و برخی مقیاس گرهای نامشخص بدست می آید. در این مرحله، از الگوریتم ژنتیکی با نمایش باینری استفاده می شود. برای کاهش طول رشته باینری از یک روش خاص برای کدکردن پایگاه قواعد استفاده شده است. تعلیم ژنتیک بر اساس دو ساختار متفاوت کنترل کننده فازی ـ ساختار با حلقه های مجزا و ساختار سلسله مراتبی ـ انجام می شود. در مرحله تنظیم با داشتن قواعد بدست آمده در مرحله تعلیم، عناصر پایگاه داده سیستم فازی یعنی توابع عضویت و مقیاس گرها تنظیم می شوند. توابع عضویت به کمک یک روش ابتکاری با چند پارامتر حقیقی کد می شود و از الگوریتم ژنتیکی با نمایش حقیقی استفاده می شود. برای ارزیابی هر یک از کنترل کننده های فازی پاسخ های پله با چند نقطه تنظیم مختلف بدست آمده و بر اساس معیارهای عملکرد متداول (زمان استقرار، خطای حالت ماندگارو ... ) برازندگی هر یک از آنها تعیین می شود. نتایج شبیه سازی ، کارایی روش پیشنهادی را برای طراحی کنترل کننده فازی مناسب برای سیستم hvac نشان می دهد.

در این پروژه مسئله کنترل سرعت و گشتاور در موتور سوئیچ رلوکتانس مورد بررسی قرار گرفته است. یکی از مهمترین خصوصیاتی که یک کنترل کننده مناسب می بایستی داشته باشد مسئله پایداری و مقاوم بودن در مقابل اغتشاشات می باشد. برهمین اساس در این پایان نامه کنترل کننده تطبیقی فازی برای کنترل سرعت موتور سوئیچ رلوکتانس طراحی گردیده است. اجزای اصلی این کنترل کننده شامل کنترل کننده فازی تطبیقی و کنترل کننده بهینه می باشد.هدف از بکارگیری کنترل کننده فازی آن است که بر اساس خطای سرعت و قانون تنظیم پارامترهای متغیر آن، به صورت تطبیقی اثر عبارت های نامشخص و عدم قطعیت ها را حذف نماید تاسیستم غیر خطی و نامشخص موتور به یک سیستم خطی و با پارامترهای مشخص تبدیل گردد. سپس با تعریف معادلات فضا حالت جدید بر اساس خطای سرعت، کنترل کننده بهینه به منظور حذف خطای تعریف شده، مورد استفاده قرار گیرد. در مورد کنترل گشتاور از فیدبک گشتاور استفاده شده که وظیفه تخمین گشتاور فاز بر عهده شبکه عصبی قرار دارد. سپس با استفاده از یک کنترل کننده pi ریپل گشتاور تا حد قبولی کاهش می یابد. همچنین به منظور بررسی عملکرد کنترل کننده طراحی شده در این پروژه، بر اساس روش کنترل لغزشی، کنترل کننده سرعت طراحی شده و شبیه سازی می گردد. در زمینه کاهش تغییرات نیروی شعاعی نشان داده می شود که با اعمال ولتاژ پیوسته به جای اعمال ولتاژ ناشی از کلیدزنی کلیدهای الکترونیکی، تغییرات نیروی شعاعی به میزان قابل توجهی کاهش می یابد. مسئله دیگری که در این پروژه به آن پرداخته شده است، مسئله تخمین سرعت زاویه ای موتور سوئیچ رلوکتانس می باشد. تخمینگر طراحی شده در این پروژه با بکارگیری قانون لیلپانوف و به صورت تطبیقی سرعت زاویه ای موتور را تخمین می زند. مهمترین مزیت این تخمینگر آن است که ساختار آن غیر خطی بوده و بر اساس وجود پارامترهای نامشخص و عدم قطعیت طراحی شده است. همچنین پایداری آن نیز اثبات گردیده و در نهایت، این تخمینگر بر روی موتور مورد نظر، پیاده سازی می شود. همچنین به منظور بررسی عملکرد این تخمینگر تطبیقی، تخمینگر لغزشی نیز شبیه سازی شده و نتایج شبیه سازی نشان دهنده کارایی مناسب تخمینگر تطبیقی طراحی شده می باشد. در پایان از تخمینگر طراحی شده، برای کنترل سرعت موتور sr استفاده می گردد.

در این پروژه از الگوریتمهای هوشمند نظیر شبکه های عصبی برای مدل سازی، فیلتر کالمن توسعه یافته برای تخمین حالت شارژ و نیز منطق فازی برای کنترل حالت شارژ باتری در محدوده مشخص استفاده می گردد، که در این صورت علاوه بر شارژ سریع باتری از فراشارژ شدن آن و درنتیجه صدمه زدن به باتری جلوگیری می گردد. گفتنی است که الگوریتمهای مورد استفاده نسبت به تغییر پارامترهای باتری مقاوم اند و لذا در تمام مدت کارکرد باتری تخمین خوب و کنترل مناسبی را انجام می دهند. برای پیاده سازی، ابتدا مدار واسطی طراحی شد که بتواند داده های موردنظر را با نرخ مطلوب نمونه برداری کند و از طریق درگاه پیاپی به رایانه بفرستد و نیز سیگنال کنترلی را که کنترل کننده فازی درون رایانه تولید می کند از همان درگاه دریافت و محقق نماید و به راه انداز شارژ باتری اعمال کند. نرم افزار به کار رفته برای پیاده سازی الگوریتمهای تخمین، کنترل فازی و نیز ارتباط با سخت افزار با استفاده از زبان برنامه نویسی visual c++ نوشته شده است. تمام آزمایشات عملی بر روی باتری لیتیوم- یون با ظرفیت نامی 5/1 آمپرساعت و ولتاژ نامی 7/3 ولت و شرایط دمایی آزمایشگاه انجام یافته است. دلیل استفاده از باتری لیتیوم- یون آن است که باتری مذکور یکی از متداول ترین باتری ها در کاربردهای صنعتی، مانند: خودروهای الکتریکی ترکیبی، نیروگاه های خورشیدی، زیردریایی ها و ماهواره ها است. نتایج عملی به دست آمده با استفاده از کنترل کننده هوشمند طراحی شده، با شارژکننده تجارتی موجود در بازار نیز مقایسه شده است و نتایج به دست آمده نشان می دهد که کنترل کننده هوشمند در مقایسه با شارژکننده تجارتی دارای سرعت شارژ بالا همراه با حفظ حالت شارژ مطلوب است.

در این پروژه با استفاده از روش های هوشمند مانند روش های فازی، فازی-عصبی، عصبی و عصبی- تطبیقی، کنترل کننده بهینه گشتاور-سوخت در خودروهای هیبرید موازی طراحی خواهد شد. در خودروهای هیبرید موازی که از نوع سیستم های بسیار پیچیده مکاترونیکی محسوب می شوند. از دو منبع تولید انرژی که عمدتاً موتور الکتریکی و موتور احتراقی می باشند. به گونه ای که گشتاور تولید شده توسط آن ها با یکدیگر کوپل شده و مورد استفاده خودرو قرار گیرد، استفاده می گردد.آنچه در مورد کنترل این سیستم مورد اهمیت است، نحوه استفاده از هر منبع و نسبت تولید گشتاور توسط هر یک از آن ها می باشد. در این پروژه کنترل بهینه گشتاور- سوخت، برای اولین بار است که بر روی خودروهای هیبریدی انجام می گیرد؛ به این معنا که در برخی مقالات تنها مینیمم کردن مصرف سوخت مد نظر است و در برخی دیگر تنها ماکزیمم کردن گشتاور موتور احتراقی هدف قرار گرفته است. در اینجا می خواهیم علاوه بر کاهش مصرف سوخت خودرو، گشتاور آن نیزکم نشود تا خودروی هیبرید نیز مانند خودروهای متداول رضایت مندی راننده خودرو را نیز به همراه داشته باشد. ماکزیمم کردن گشتاور خروجی، یک ترم مهم است که در بسیاری از تحقیقات در مورد خودروهای هیبرید نادیده گرفته می شود. برای مثال، در مسیرهایی که شتاب گیری سریع مورد نیاز است، مانند مسیرهای مسابقه، گشتاوئر بالایی نیاز است، تخمین حالت شارژ باتری ها نیز پارامتر بسیار مهمی است که در این پروژه در نظر گرفته خواهد شد؛ بدین معنی که حالت شارژ باتری که یکی از ورودی های کنترل کننده می باشد قابل اندازه گیری نبوده و توسط روش آمپر- ساعت به تخمین آن می پردازیم. برای طراحی کنترل کننده خودروی هیبرید موازی، از 4 استراتژی فازی- ممدانی، فازی-عصبی، عصبی با آموزش قطع-خط و عصبی با آموزش وصل-خط که یک روش عصبی-تطبیقی می باشد، استفاده می نماییم. هر کدام از روش های هوشمند مورد استفاده در این پروژه دارای مزایا و معایب خاص خود می باشد که بیان خواهیم نمود. نتایج شبیه سازی عملکرد بسیار مناسب کنترل کننده عصبی-تطبیقی را در مقایسه با سایر کنتدل کننده های طراحی شده در این پروژه نشان می دهد.

امروزه سیستم های سرمایش در عرصه های مختلف، کاربردهای فراوان دارند. هدف از کنترل سیستم های سرمایش، آن است که دما و در بسیاری از کاربردها، رطوبت نسبی، مقدار مطلوبی را دنبال کنند، کنترل سیستم های سرمایش با روش های مختلف انجام می شود. در این پروژه برای مدل سیستم تبرید و تهویه خودروی سمند، کنترل کننده پیش بین عصبی طراحی شده است. در این شبیه سازی از یک مدل عددی که بر اساس شرایط عملکرد گذاری سیکل تبرید خودرو می باشد و به واقعیت بسیار نزدیک است، استفاده شده است. در این مدل سازی، خودرو به دو قسمت سیستم تهویه و تیرید (a/c system ) و اتاقک خودرو تفکیک شده و در آن، بارهای حرارتی لحاظ شده است. نکته مهم این است که مدل مورد نظر دارای تاخیر زمانی زیاد و متغیر می باشد. برای طراحی کنترل کننده پیش بین عصبی برای سیستم تبرید و تهویه خودرو ابتدا این سیستم با یک شبکه عصبی پایه شعاعی مدل می شود، سپس با حد اقل کردن یک تابع هزینه، ورودی کنترلی بهینه حاصل و به سیستم اعمال خواهد شد. نتایج حاصل از این روش های کنترل pid, pid فازی و کنترل عصبی با شبکه پایه شعاعی مقایسه می شود. نتایج شبیه سازی، عملکرد مناسب کنترل کننده طراحی شده را در مقایسه با سایر کنترل کننده ها نشان می دهد.

در این پایان نامه سه روش جدید برای کنترل آونگ برگشته دو بعدی پیشنهاد شده است. آونگ برگشته دوبعدی (فضایی) که مدل موشک در حال پرتاب است، سیستمی غیرخطی، چند ورودی - چند خروجی و پیچیده می باشد و کنترل آن به روشهای کلاسیک امری دشوار است. در این پایان نامه ابتدا با استفاده از نگرش کنترل غیرمتمرکز، سیستم آونگ برگشته دوبعدی به دو زیر- سیستم تقسیم می شود. در روش پیشنهادی اول با استفاده از روش واتزویجی، هر زیر - سیستم نیز به دو سطح واتزویج شده و سپس کنترل لغزشی را اعمال می کنیم. در این جا هر زیر - سیستم به طور جداگانه کنترل می شود. بر طبق نظریه کنترل غیرمتمرکز، هر زیر - سیستم اثرات ناشی از زیر - سیستم دیگر را بر روی خود به عنوان اغتشاش بیرونی می بیند. کنترل کننده ها بگونه ای طراحی می شوند که توانایی غلبه بر این اغتشاش را داشته باشند. سپس قسمتهایی از هر کنترل کننده که وابسته به دینامیک سیستم و پارامترهای آن هستند، توسط دو شبکه عصبی - فازی مدلسازی می شوند. استفاده از نگرش کنترل غیرمتمرکز و روش واتزویجی باعث سادگی سیستم کنترل، افزایش سرعت در محاسبات و در عین حال توانایی و کیفیت بالای آن شده است. استفاده از مدلسازی عصبی - فازی باعث بی نیازی کنترل از مدل و پارامترهای آن می شود. در روش پیشنهادی دوم از دو شبکه عصبی - فازی ‏‎anfis‎‏برای کنترل زیر - سیستم ها استفاده شده است و در روش سوم با استفاده از نظریه کنترل غیرمتمرکز از ساختاری مقاوم و تطبیقی که از مدلسازی فازی بهره می گیرد آونگ برگشته دو بعدی کنترل شده است. به علت تنوع ساختاری این روش ها، هر یک دارای نقاط ضعف و قوت خاص خود است. نتایج شبیه سازی، توانایی بالا و برتری روش های پیشنهاد شده را از بعضی جنبه ها نسبت به سایر روشهای موجود نشان می دهند.

دراین پروژه ابتدا کنترل کننده های کلاسیک ابتدایی(همچون انتگرالی و انتگرالی-تناسبی-مشتقی) در سیستمهای ابعاد وسیع مورد مطالعه قرار گرفتند. سپس برای اصلاح مشخصه های کنترلی، کنترل کننده های کلاسیک پیشرفته (همچون غیرمتمرکز، چند لایه و براساس مقادیر ویژه ساختاری)مورد استفاده قرار می گیرند. کنترل کننده غیرمتمرکز دیگری نیز براساس مقادیر ویژه ساختاری در سیستمهای ابعاد وسیع بررسی خواهند شد.نتایج شبیه سازی ها نشان می دهد که این کنترل کننده در سیستم مورد مطالعه نتایج قابل قبولی ارائه می دهد. همچنین کنترل کننده فازی ‏‎pid‎‏ نیز در سیستم مورد مطالعه بررسی خواهد شد. بدین منظور ، کنترل کننده فازی و همچنین ترکیب فازی و کلاسیک در سیستم مورد مطالعه مورد ارزیابی قرار خواهند گرفت.نتایج حاصل از شبیه سازی ها نشان می دهد که کنترل کننده های فازی-کلاسیک نتایج نسبتا بهتری دارند.همچنین معیارها و شرایطی نیز برای تحلیل پایداری سیستمهای ابعاد وسیع تحت کنترل کننده های مختلف ارائه خواهد شد.