بکارگیری هرچه بیشتر علوم مهندسی سیستم ها و کنترل و فناوری های نوین، موجبات رشد و توسعه هرچه بیشتر کشورها را فراهم می آورد. یکی از زیرساخت های مهم توسعه پایدار کشورها، شبکه های حمل و نقل می باشد که دراین میان بزرگراه ها از مهمترین ارکان آنها هستند. به همین دلیل با توجه به پیچیدگی سیستم ترافیک، در سالهای اخیر مدلسازی و کنترل جریان های ترافیکی در بزرگراهها مورد توجه ویژه محافل کنترل بوده است. در این راستا روش های مدلسازی متنوعی پیشنهاد شده است. اما با توجه به پیچیدگی و ترم های غیر خطی موجود در سیستم، بسیاری از این مدل ها قادر به شبیه سازی دقیق رفتار ترافیک نیستند. در این پایان نامه، ابتدا راهکارهای جدیدی برای بهبود کارآمدی و توسعه محدوده عملکرد مدلسازی جریان ترافیک به کمک آنالیز مولفه های اصلی و شبکه های عصبی پیشنهاد می گردد. در نتایج شبیه سازی های انجام شده، کارآمدی مدل پیشنهادی در مقایسه با شبکه های عصبی دیگر نشان داده شده است. در ادامه، با توجه به اهمیت بحث کنترل، عملکرد مدل پیشنهادی در ترکیب با کنترلر پیش بین مورد بررسی قرار می گیرد. در نتایج به دست آمده، مشخص است که کنترلر پیش بین در ترکیب با مدل پیشنهادی قادر به کنترل جریان ترافیک با استفاده از محدودکننده فلو در بزرگراه فرضی مورد مطالعه است.در ادامه، عملکرد مدل پیشنهادی و ترکیب آن با کنترلر پیش بین بر روی داده های حقیقی به دست آمده از بزرگراهی در آمریکا مورد بررسی قرار گرفته است. در این بخش نشان داده شده است که مدل شبکه عصبی پیشنهادی در مقایسه با مدل معروف metanet با دقت بیشتری قادر به مدل کردن رفتار ترافیک در این بزرگراه می باشد. همچنین نشان داده شده است که محدودکننده فلوی بزرگراه با مدل شبکه عصبی و کنترلر پیش بین در مقایسه با محدودکننده سرعت با مدل metanet و کنترلر پیش بین، گزینه بهتری در جهت کنترل ترافیک در این بزرگراه است.

آلودگی صوتی یکی از معضلات جدی جوامع صنعتی می باشد. هر چند روش های متکی بر جذب صوت کاربردهای فراوانی داشته اما در فرکانس های پایین کارایی لازم را ندارند. برای غلبه بر این مشکل رویه های فعال برای حذف نویز ارائه گردیده اند. در این تحقیق نیز به منظور کاهش نویز صوتی به صورت فعال، ایده هایی مبتنی بر یادگیری تقویتی ارائه گردید. در این مسیر ابتدا برای سیگنال های تناوبی یک روش پیشنهاد شد که در آن نیازی به دانستن اطلاعات دینامیک نبوده و بار محاسباتی اندکی داشت اما نیاز به حافظه زیاد در بسیاری از موارد عملکرد آن را محدود می نمود. با ترکیب این روش با تکنیک های کاهش داده - نظیر تقسیم و غلبه، تقریب تابع، تجمیع حالات و کد سازی غیریکنواخت - متدهای جدیدی با افزایش قابل ملاحظه ای در بازدهی شکل گرفت. حذف نویز صوتی تناوبی با چند هارمونیک به کمک مبحث سیستم چند عاملی نیز از دیگر روش های ارائه شده در این پایان نامه بود. در سیستم پیشنهادی، وظیفه در نظر گرفته شده برای هر عامل، حذف نویز در یک هارمونیک خاص بود اما تنها سیگنال تقویتی در دسترس، توان کل بود. برای حل این معضل و دست یابی به پاداش اختصاصی هر عامل از پاداش عمومی از ایده "تکنیکهای ارزیابی عامل نقاد مبتنی بر دانش" با تغییر مناسب استفاده گردید. در این تحقیق گستره استفاده از یادگیری تقویتی برای حذف نویز به صورت فعال تنها به سیگنال های تناوبی محدود نگشت و روش هایی نیز برای سیگنال های پهن باند ارائه گردید. بنابراین در مجموع در این پایان نامه 2 روش برای حذف نویزهای صوتی پهن باند و 11 روش برای نویزهای تناوبی ارائه و به کمک شبیه سازی کامپیوتری عملکرد آن ها با یکدیگر و با روش های استاندارد دیگر مقایسه گردید و کارائی مناسب روش های پیشنهادی نشان داده شد.

به دلیل اینکه توربین¬های بادی در مناطق دور نصب می¬شوند، روش کنترل مقاوم در برابر عیب و تشخیص عیب یک راه مناسب افزایش اطمینان از عملکرد آنها و کاهش هزینه¬های تعمیر و نگهداری می¬باشد. در این پایان¬نامه به کنترل مقاوم در برابر عیب در توربین¬های بادی می¬پردازیم. مدلی که استفاده شده است مدل یک توربین بادی 8/4 مگاواتی سرعت-متغیر زاویه-متغیر (زاویه چرخش تیغه) می¬باشد. سناریوی عیب به دو صورت تعریف می¬شود:1) تغییر مقدار هوا در روغن هیدرولیک عملگر تغییر زاویه پیچش تیغه که توسط تغییر پارامترهای سیستم مدل می¬شود (منشأ عیب معلوم است).2) تغییر تأثیر عملکرد عملگر سیستم که توسط ضریبی در ورودی کنترل مدل می¬شود(منشأ عیب معلوم نیست). در هر دو صورت مدل غیرخطی سیستم بعد از خطی سازی در نقاط کار آن(بر اساس سرعت باد) و تقریب خطی به صورت یک مدل خطی با پارامتر متغیر بدست می¬آید. برای مقابله با عیب از نوع اول که دینامیک سیستم را از طریق تغییر پارامترهای سیستم تغییر می¬دهد از تخمین پارامتر توسط فیلتر کالمن توسعه یافته و کنترلر lpv استفاده می¬شود. برای مقابله با عیب از نوع دوم از روش کنترل تأخیر زمان استفاده می¬شود اینطور که عدم قطعیتی که توسط عیب در سیستم ایجاد می¬شود تخمین زده می¬شود و این عدم قطعیت توسط کنترلر در کنترل سیستم در نظر گرفته می¬شود. عملکرد هردو روش با کنترلر pi و کنترلر معکوس به وسیله شبیه سازی در محیط نرم افزار متلب مقایسه شده است و نشان می¬دهد که هردو کنترلر در برابر عیب با حذف نوسانات حاصل از عیب در خروجی سرعت ژنراتور و توان ژنراتور به خوبی عمل کرده است.

چکیده ندارد.