چکیده مدل سازی و شناسایی سیستم ها کاربردهای مهمی از جمله در زمینه کنترل فرآیند دارد. به طور معمول فرآیند مدل سازی، به معنای مدل کردن یک سیستم نامشخص با استفاده از داده های ورودی-خروجی می باشد. جهت مدل سازی سیستم دیدگاه های مختلفی پیشنهاد شده است. شناسایی در صورت معلوم بودن ساختار مدل سیستم معمولا منجر به دقت زیاد می شود، اما هنگامی که سیستم، پیچیده و یا دارای عدم قطعیت است، فرآیند مدل سازی با خطا مواجه می شود. شبکه های فازی-عصبی روش های زیادی را برای مدل سازی پیشنهاد کرده اند، البته چنانچه سیستم مورد نظر پیچیده باشد، این روش ها قادر به تغییر ساختار مدل در جهت رسیدن به مدل بهینه نمی باشند. در این پایان نامه، الگوریتم آموزشی مدل خطی محلی درختی(lolimot) و شبکه تکه ای خطی(pln) به عنوان دو دیدگاه در مدل سازی شبکه های فازی-عصبی خطی محلی، جهت شناسایی سیستم های غیرخطی، مورد توجه قرار گرفته اند. lolimot و pln دو الگوریتم آموزشی افزایشی بوده که با تقسیم بندی فضای ورودی در هر گام جهت افزایش دقت مدل سازی یک مدل خطی محلی جدید به مدل تکه ای خطی قبلی اضافه می نماید. در طول فرآیند آموزش در دو الگوریتم بیان شده ممکن است برخی از مدل های محلی زائد و غیرضروری باشند. لذا در این الگوریتم ها به منظور بهینه سازی ساختار مدل، نورون ها و قسمت های اضافی حذف می شوند. در این پایان نامه الگوریتمی ارائه شده که در آن از مزایای هر دو الگوریتم pln و lolimot جهت بهبود الگوریتم lolimot استفاده شده است. مدل سازی توسط الگوریتم بهبودیافته lolimot جدید با بهره گیری از الگوریتم lolimot جهت رسیدن به دقت مدل سازی مطلوب و بهره گیری از الگوریتم pln جهت رسیدن به مدلی ساده تر، انجام می گیرد. که این خود مهمترین مزیت الگوریتم ترکیبی جدید محسوب می شود. در پایان شبیه سازی برروی دو مدل، سیستم تعلیق فعال نیم خودرو و سیستم تعلیق الکترومغناطیسی انجام شده است. نتایج شبیه سازی ها تایید کننده عملکرد مناسب الگوریتم بهبودیافته lolimot در مقایسه با دو روش pln و lolimot می باشد.

خودروهای امروزی نسبت به نسل های قبلی خود بسیار هوشمندترند. آن ها ایمن تر، سریع تر، ساکت-تر و کم مصرف ترند و آلودگی کم تری ایجاد می کنند. بدون شک سیستم های کنترلی خودرو سهم زیادی در ایجاد این برتری ها دارند. یکی از این سیستم های کنترلی، سیستم ترمز ضد قفل است که، از قفل شدن چرخ-ها در هنگام ترمزهای ناگهانی و سنگین جلوگیری کرده و از کنترل خارج شدن اتومبیل در این شرایط ممانعت به عمل می آورد. این وسیله با افزایش و کاهش سریع فشار روی ترمزها، سرعت کند شدن خودرو را به مقداری نگه می دارد که، چرخ ها قفل نشوند. با این کار، خودرو به سرعت متوقف می شود و مهم تر آن که کنترل فرمان و تعادل خودرو برقرار می ماند. در واقع سیستم ترمز ضد قفل، همانند یک سیستم عصبی عمل می کند و در مواقع اضطراری که نگه داشتن خودرو کار بسیار سختی است، به کمک راننده رفته و خودرو را متوقف می کند. در این پایان نامه ابتدا مدلسازی سیستم چرخ خودرو و محرک هیدرولیکی که مجهز به شیرهای روشن و خاموش می باشد، صورت می گیرد. سپس به طراحی مشاهده گر مقاوم در برابر نامعینی های سیستم برای تخمین سرعت خودرو پرداخته می شود. بعد از آن طراحی کنترل کننده ی سوئیچینگ که دارای دقت و مقاومت بالایی می باشد و تضمین می کند لغزش چرخ ها به مقدار مناسب خود همگرا می شوند صورت می گیرد. به منظور پایداری سیستم حلقه بسته، همگرایی آن با استفاده از تحلیل پایداری لیاپانوف و در چارچوب فیلیپوف انجام می شود. در پایان نیز شبیه سازی های صورت گرفته نشان می دهند مشاهده گر توانسته سرعت خودرو را به خوبی تخمین بزند. در ضمن کنترل کننده ی سوئیچینگ کیفیت مناسبی در کنترل ترمز خودرو ارائه نموده است.