Amir Reza Zare Bidaki

[ 1 ] - Fuzzy PID Tuned by a Multi-Objective Algorithm to Solve Load Frequency Control Problem

Abstract In this paper, a fuzzy PID with new structure is proposed to solve the load frequency control in interconnected power systems. in this study, a new structure and effective of the fuzzy PID-type Load frequency control (LFC) is proposed to solve the load frequency control in interconnected power systems. The main objective is to eliminate the deviations in the frequency of different area...

[ 2 ] - بکارگیری ایده آموزش پسخورد خطا برای کنترل سرعت سیستم سروالکتروهیدرولیک با استفاده از روش لاگور

در این مقاله کنترل کننده جدید لاگور برای کنترل سرعت سیستم سروالکتروهیدرولیک پیشنهاد شده است. در این کنترل کننده روش آموزش پسخورد خطا با ایده Tracking، برای کنترل سیستم سرو به کار گرفته شده است. کنترل کننده پیشنهادی توانسته است با یک سیگنال کنترلی مناسب و در کمترین زمان نشست نسبت به روش‌های پیشین به اهداف کنترلی دست یابد. نتایج به دست آمده با کمک شبیه‌سازی معادلات غیر خطی سیستم در محیط مطلب (MAT...

[ 3 ] - مدلسازی ستون تقطیر با استفاده از ساختار مدل ARX و شبکه‌های عصبی مصنوعی

فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می‌باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی‌باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت‌گیر و هزینه‌بر است. برای غلبه بر این مشکلات می‌توان از مدلهای تجربی نظیر شبکه‌های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه‌های عصبی این است که پیش‌بینی‌های آن تنها در محدوده اطلاعات شناسایی معتبر است...

[ 4 ] - بکارگیری ایده آموزش پسخورد خطا برای کنترل سرعت سیستم سروالکتروهیدرولیک با استفاده از روش لاگور

در این مقاله کنترل کننده جدید لاگور برای کنترل سرعت سیستم سروالکتروهیدرولیک پیشنهاد شده است. در این کنترل کننده روش آموزش پسخورد خطا با ایده Tracking، برای کنترل سیستم سرو به کار گرفته شده است. کنترل کننده پیشنهادی توانسته است با یک سیگنال کنترلی مناسب و در کمترین زمان نشست نسبت به روش‌های پیشین به اهداف کنترلی دست یابد. نتایج به دست آمده با کمک شبیه‌سازی معادلات غیر خطی سیستم در محیط مطلب (MAT...

[ 5 ] - مدلسازی ستون تقطیر با استفاده از ساختار مدل ARX و شبکه‌های عصبی مصنوعی

فرآیند تقطیر یک فرآیند صنعتی پیچیده و به شدت غیرخطی می‌باشد. به طور کلی پیدا کردن مدل دقیق تحلیلی از ستونهای تقطیر با خلوص بالا همواره امکان پذیر نمی‌باشد. از طرفی توسعه مدلهای تحلیلی معمولا وقت‌گیر و هزینه‌بر است. برای غلبه بر این مشکلات می‌توان از مدلهای تجربی نظیر شبکه‌های عصبی استفاده کرد. یکی از ایرادات اساسی شبکه‌های عصبی این است که پیش‌بینی‌های آن تنها در محدوده اطلاعات شناسایی معتبر است...