طراحی سیستم کنترل عصبی و پیاده سازی آن بر روی سیستم پاندول معکوس واقعی

با ورود شبکه های عصبی به عرصه علوم مختلف از جمله علوم کنترل و نیز با توجه به قابلیتهای جالبی که در این نوع شبکه ها وجود دارد طراحان سیستمهای کنترل، این شبکه ها را جهت شناسایی و کنترل سیستمهای دینامیکی بکار گرفته اند. در این راستا همواره افزایش قابلیتها و کاهش حجم محاسبات این شبکه ها مورد نظر بوده است . شبکه های عصبی بازگشتی (recurrent-nnets) با ایجاد نگاشتهای دینامیک ، دارای قابلیتهای دینامیکی بیشتری نسبت به شبکه های پیشرو (feedforward) می باشند. از میان این نوع شبکه ها، شبکه عصبی بازگشتی قطری (diagonal-recurrrent) به جهت سادگی ساختار و کمی حجم محاسبات ، قابلیت بکارگیری در کارهای بلادرنگ (real-time) از جمله سیستمهای کنترل را داراست . در این پایان نامه یک سیستم کنترل بر پایه شبکه عصبی بازگشتی قطری شامل یک شناگر عصبی (neuroidentifier) و یک کنترل کننده عصبی (neurocontroller) با الگوریتم آموزش پس از انتشار خطای دینامیک (dynamic-back-propagation) و قابلیتهای دینامیکی بالا ارایه شده است . همچنین الگوریتمهای مربوط به آموزش شناساگر عصبی و کنترل عصبی هم بصورت شبیه سازی و هم بصورت بلادرنگ بر روی سیستم پاندول معکوس واقعی اجرا شده و قابلیتهای مختلف این سیستم کنترل بررسی شده اند. سخت افزار لازم جهت پیاده سازی سیستم کنترل عصبی و نیز نتایج بدست آمده از اجرای آلگوریتمهای شناسایی و کنترل عصبی بصورت بلادرنگ بر روی سیستم پاندول معکوس واقعی ارایه شده اند.