این پایان­نامه گامی به سوی حل مساله تشخیص و شناسایی خطا در فرآیند tennessee eastman می­باشد. انگیزه این پایان­نامه ارائه و توسعه روش­های موجود در تشخیص و شناسایی خطا بوده است، که در عمل نیز کارکرد مناسبی از خود نشان دهند. ویژگی­های اصلی این پایان­نامه را می­توان به صورت " استفاده از شبکه های عصبی بعنوان طبقه­بندی کننده" و "استفاده از روش های تکاملی مانند الگوریتم ژنتیک به منظور بدست آوردن مولفه­های مناسب جهت استفاده در طبقه­بندی کننده ها" عنوان کرد. که در طول این پایان­نامه همراه با جزئیات شرح داده خواهند شد. در این پایان­نامه، ابتدا در مورد انواع خطا و چگونگی اعمال آنها به سیستم توضیحاتی ارائه می­شود، سپس به معرفی روش­های اولیه و ساده آشکارسازی و شناسایی خطا می­پردازیم، در ادامه روش­های جدیدتری، که به تبع پیشرفت صنعت رایانه­ها و پردازنده­های قوی بوجود آمده­اند، را معرفی می­کنیم. در فصل دوم به معرفی سیستم­های آشکارسازی و شناسایی خطا (fdi ) با رویکرد آماری و بر پایه داده می­پردازیم. این فصل الگوریتم­های بهینه­سازی روش مورد نظر جهت آشکارسازی و شناسایی خطا را نیز در بر دارد. فصل سوم مربوط به سیستم­های تشخیص و شناسایی خطا بر پایه دانش می­باشد، در این فصل در مورد شبکه عصبی مصنوعی توضیحاتی ارائه می­گردد و سپس به شرح چگونگی استفاده آن در سیستم­های fdi می­پردازیم. در فصل چهارم tennessee eastman process را معرفی می­کنیم، که الگوریتم­های پیشنهادی این پایان­نامه جهت آشکارسازی و تشخیص خطا در این سیستم بکار برده خواهد شد. نتایج پیاده­سازی روش­های مختلف بر روی tep در فصل پنجم آورده شده است و در انتها فصل ششم، مختص به نتیجه­گیری و پیشنهادات می­باشد.

با وجود تاریخچه موفقیت های قبلی سیستم های فازی در کاربردهای مختلف از جمله در تقریب زدن توابع، برخی کاربردها نیازمند طراحی پایگاه قوانین فازی با توانایی یادگیری بیشتر است. الگوریتم های تکاملی الهام بخش طراحی سیستم های فازی با توانایی های یادگیری بیشتر است. در این پایان نامه چهار الگوریتم تکاملی شامل: الگوریتم ژنتیک (ga)، الگوریتم بهینه سازی گروه ذرات (pso)، الگوریتم تکامل تفاضلی (de)و الگوریتم بهینه سازی زنبورهای عسل (hbo) برای ترکیب شان با منطق فازی جهت تقریب زدن توابع غیرخطی مورد استفاده قرار گرفته اند. براساس نتایج بدست آمده در این پایان نامه نشان می دهیم روش de به لحاظ دقت و روش pso به لحاظ سرعت بهترین روشها در مقایسه با روشهای دیگر هستند و روش ga دارای این مزیت است که خیلی سریع به صفر همگرا نمی شود. همچنین نشان می دهیم که روش hbo بدترین روش به لحاظ دقت وسر عت همگرایی در مقایسه با دیگر روشها بوده است.

با توجه به ارتباط موثر بین سیگنال الکتروکاردیوگرام و فعالیت الکتریکی قلب، همچنین کم هزینه و غیرتهاجمی بودن آن، استفاده از این سیگنال در زمینه تشخیص بیماری های قلبی – عروقی توسط پزشکان متخصص افزایش یافته است. در این میان تشخیص به موقع ایسکمی میوکارد به عنوان یکی از عوامل اصلی سکته قلبی، از اهمیت ویژه ای برخوردار می باشد. دو دیدگاه اساسی در زمینه روشهای تشخیص ایسکمی وجود دارد که دیدگاه اول به تفکیک اپیزودهای ایسکمیک در سیگنال و دیدگاه دوم به تفکیک ضربان های ایسکمیک می پردازد. از آن جهت که تفکیک ضربان به ضربان پیش زمینه ای برای تفکیک اپیزود به اپیزود ایسکمی می باشد، دست یابی به روشی با دقت بالا در این مرحله بسیار حائز اهمیت است. همچنین با توجه به وجود عدم قطعیتهای زبانی، استفاده از روشهای تعبیرپذیر در زمینه تشخیص های پزشکی، نسبت به سایر روشها ارجحیت بالاتری خواهد داشت. در این پروژه، سیستمی اتوماتیک با دقت نسبی بالا، دارای قابلیت تعبیر پذیری به منظور دسته بندی و تفکیک ضربان های ایسکمیک از ضربان های سالم پیشنهاد شده است. در این الگوریتم، پس از حذف نویز و استخراج اطلاعات شکلی از سیگنال با استفاده از روش تبدیل موجک چند مقیاسی، دسته بندی این اطلاعات و استخراج دانش در زمینه تشخیص بیماری توسط سیستم فازی ممدانی انجام شده است. ارزیابی این الگوریتم بر روی سی ثبت ازسیگنال های پایگاه داده esc(st-t) انجام شده است. به منظور بررسی کارایی این سیستم در مقایسه با روشهای دیگر، دسته بندی این اطلاعات با دو دسته بندی کننده دیگر – شبکه های عصبی- احتمالاتی و ماشینهای بردار پشتیبان- نیز انجام شده است. نتایج بدست آمده بیانگر حساسیت و خصوصیت نسبی بالا این روش در مقایسه با روشهای عصبی – احتمالاتی و ماشینهای بردار پشتیبان بوده است در کنار این واقعیت که این الگوریتم قابلیت تعبیر پذیری را نیز داراست. پس از بررسی تعبیر پذیری سیستم، تعدادی از قواعد زبانی موثر در تشخیص ایسکمی از پایگاه قواعد استخراج و به قواعد موجود در زمینه تشخیص ایسکمی افزوده گردید که این عمل باعث بهبود الگوریتم شده است.

تشخیص خطا مساله مهمی در حفظ عملکرد و امنیت یک فرآیند کنترل می باشد. روش های مختلفی برای تشخیص خطا در یک فرآیند وجود دارد. در این روشها علاوه بر مساله تشخیص خطا ، بحث مقاومت سیستم نسبت به نامعینی ها و اغتشاش نیز مهم خواهد بود . در نتیجه باید مصالحه مناسبی بین حساسیت سیستم به خطا و قوام سیستم وجود داشته باشد. هدف از انجام این پایان نامه بررسی و گسترش روشهایی است که به مساله تشخیص خطا درسیستم های دینامیکی با خطای مدلسازی و ورودی های نامعلوم می پردازد. یکی از روش های پیشنهادی بر اساس تبدیل مساله تشخیص خطای مقاوم به یک مساله استاندارد hبینهایت تطابق مدل می باشد. ابتدا یک مدل مرجع مناسب از لحاظ تشـــخیص خطــــای مقاوم انتخاب شده ســـپس یک فیلتر تشخــــیص خطـــــا بــــه صــورت یـک مــولــد مانده بر اســاس مینیمـــم ســازی نرم بینهایت اختـــلاف بین مدل مرجع و مولد واقعی مانده با استفـــاده از ابزار lmi طراحی می شود.

شیوع روز افزون سرطان سینه از یک طرف و اهمیت تشخیص به موقع و زودهنگام آن از طرف دیگر، لزوم تصویربرداری دقیق را برای شناسایی سرطان سینه، بیان می کند. به همین منظور تاکنون روش های تصویربرداری مختلفی از جمله ماموگرافی، ترموگرافی، سونوگرافی سینه و ام.آر.آی مورد مطالعه قرار گرفته است. در این میان، mri به دلیل حساسیت بالا، عدم استفاده از پرتو یونیزه، غیرتهاجمی بودن و غیره، یک روش تشخیصی ارزشمند به حساب می آید. یافته های بسیاری وجود دارد که نشان می دهد روش mri با تزریق ماده حاجب، برای تشخیص زودهنگام سرطان در زنان با ریسک ابتلای بالا، بسیار مفید و موثر می باشد. از آنجائیکه، تشخیص بیماری سرطان از جمله سرطان سینه و طبقه بندی نوع آن وابسته به تجربه و مهارت پزشک می باشد لزوم ارائه روشی که از طریق آن بتوان طبقه بندی را به روشی هوشمند انجام داد، احساس می شود. این نوشتار، به بررسی طبقه بندی داده های حاصل از تصاویر mri سینه، به دو گروه خوش خیم و بدخیم در دو بخش می پردازد. بخش اول بر روی داده های عددی مربوط به دانشگا کالیفرنیا در سال های 2006-2004 اعمال شده است که پس از انتخاب ویژگی با الگوریتم ژنتیک، شبکه های عصبی مختلف و نیز طبقه بندی کننده ماشین های بردار پشتیبان برای طبقه بندی به کار می رود. در نهایت با انتخاب سه طبقه بندی کننده برتر، توانستیم صحت 94%، 99% و 91% برای سه گروه داده mass non-mass,و تمام داده ها را بدست آوریم. در بخش دوم این پایان نامه، تصاویر جمع آوری شده از بیمارستان میلاد تهران برای این منظور به کار رفته است. دراین بخش برای استخراج ویژگی، پس از افزایش کنتراست تصویر، روش جستجوی پیکسل به پیکسل به تصویر اعمال می شود تا محدوده ای از ناحیه ای که تومور در بر گرفته است، مشخص شود. پس از تعیین ناحیه تومور، برای شناسایی دقیق مرز تومور از روش فازی استفاده می شود. روش های استخراج ویژگی بر روی ناحیه مورد نظر اعمال می شود. با به کارگیری ویژگی های بدست آمده و اعمال شبکه های عصبی مختلف، طبقه بندی داده ها به دو گروه خوش خیم و بدخیم انجام می شود. در این پایگاه داده، بااستفاده از بردار ماشین های پشتیبان خطی و سیگوئید توانستیم تفکیک داده ها را به طور کامل انجام دهیم.

با توجه به نرخ بالای مرگ و میر ناشی از بیماری سرطان سینه در میان زنان، آشکارسازی زودهنگام روشی موثر در تشخیص سریع و هدایت این بیماری و امکان معالجه به موقع و در نتیجه کاهش مرگ و میر می باشد. بسیاری از روش های هوشمند مانند دسته بندی کننده های عصبی که قابلیت یادگیری بر اساس داده های آموزشی را دارند دارای این مشکل اساسی هستند که نحوه و روند دسته بندی در هنگام ارزیابی نا مشخص و گنگ می باشد. به این منظور از دسته بندی کننده های فازی-عصبی به عنوان جایگزینی مناسب می توان نام برد. ولی سیستم های فازی-عصبی با داده هایی با ابعاد بالا مشکل دارند. این مشکل از اینجا ناشی می شود که تعداد قواعد فازی به صورت نمایی نسبت به تعداد ورودی ها افزایش می یابد. در این تحقیق دو سیستم فازی-عصبی سلسله مراتبی و فازی-عصبی پتانسیل گوسین برای حل این مشکل پیشنهاد شده است. کارایی این سیستم ها هم از نظر معیارهای ارزیابی و هم تعداد قواعد و پارامترها با دسته بندی کننده فازی-عصبی مورد مقایسه قرار گرفته است. ارزیابی تمامی الگوریتم ها روی پایگاه داده wbcd انجام شده است. نتایج بدست آمده علاوه بر کاهش تعداد قوانین و پارامترها بیانگر حساسیت، خصوصیت و صحت بالای دسته بندی کننده های پیشنهادی در آشکارسازی سرطان سینه می باشد.

در چند دهه اخیر استفاده از تکنیک های محاسبات نرم بطور چشمگیری در مسائل تقریب ، پیش بینی و ... افزایش یافته است اما هنوز وجود یک سیستم هوشمند که تمام جنبه های این گونه مسائل را تحت پوشش قرار دهد، ضروری بنظر می رسد. این جنبه ها عبارتند از: 1) اعمال دانش افراد خبره به سیستم، 2) مدیریت عدم قطعیت موجود در دانش افراد خبره و 3) آموزش پذیری از روی نمونه داده ها یا نمونه داده های نویزدار. در این تحقیق با ترکیب نقاط قوت منطق فازی نوع-2، شبکه عصبی و الگوریتم ژنتیک، یک سیستم هوشمند ترکیبی به نام «شبکه عصبی فازی تاکاکی-سوگنو-کانگ نوع-2 بازه ای» جهت تقریب و پیش بینی ارائه شده است بطوریکه از توانایی تبدیل یک پایگاه دانش به یک نگاشت غیرخطی و آموزش از روی نمونه داده های ورودی-خروجی برخوردار است. همچنین در آموزش آن، ترکیب تکنیک آموزش rls (کمترین مربعات بازگشتی) با الگوریتم ژنتیک بکار رفته تا همزمان از مزایای آموزش محلی و سراسری استفاده شده باشد. سیستم های منطق فازی نوع-2 توانایی بالایی در مدیریت عدم قطعیت دارند ولی حجم محاسبات بالا و غیر قابل مدیریت آنها باعث گردیده که این سیستم ها در کاربردهای عملی و مهندسی مورد استفاده قرار نگیرند. حجم عمده این محاسبات مربوط به بلوک کاهش نوع سیستم است. در بخش دیگر، این تحقیق به بررسی این مشکل پرداخته شده و برای کاهش حجم محاسبات شبکه عصبی فازی tsk نوع-2 بازه ای، الگوریتم km بنحوی بهبود یافته، که پیچیدگی زمانی و محاسباتی کمتری نسبت به الگوریتم اصلی دارد. همچنین 3 مدل که فقط در نحوه استخراج مجموعه کاهش نوع یافته با مدل اصلی تفاوت دارد پیشنهاد شده است. نتایج نشان می دهد این مدل ها نسبت به مدل اصلی حجم محاسبات بسیار پایین تر دارند و در شرایطی خروجی آنها برابر ویا بهتر از مدل اصلی است.

چکیده: از دیرباز آرزوی بشر دستیابی به منبعی از انرژی بوده که علاوه بر آنکه بتواند مدت مدیدی از آن استفاده کند تولید پسماندهای خطرناک نیز در پی نداشته باشد. اکنون در هزاره سوم میلادی این آرزوی به ظاهر دست نیافتنی کم کم به واقعیت می پیوندد. اکنون بشر خود را آماده می کند تا با ساخت اولین راکتور هسته ای آرزوی نیاکان خود را تحقق بخشد. سوختی پاک و ارزان به نام هیدروژن با انرژی تولیدی فوق العاده زیاد و پسماندی بسیار پاک به نام هلیوم. سالهاست که دانشمندان واکنشی را که در خورشید و ستارگان رخ داده و در آن انرژی تولید می کند کشف کرده اند. این واکنش عبارتست از برخورد هسته های اتم هیدروژن و تولید یک هسته اتم هلیوم. یک تعریف پایه ای و ساده از همجوشی هسته ای عبارتست از ترکیب هسته های چند اتم سبکتر و تشکیل یک هسته سنگین تر که با آزاد شدن انرژی همراه است. همان طور که می دانیم هسته از ذرات ریزی تشکیل شده است که پروتون و نوترون جز لاینفک آن هستند. نوترون بدون بار و پروتون دارای بار مثبت است که سایر بارهای مثبت را به شدت از خود می راند. حال سوال اساسی که مطرح می شود آن است که اگر پروتون ها یکدیگر را دفع می کنند چگونه می توان آنها را در همجوشی هسته ای شرکت داد؟ راه حل اساسی آن است که به این پروتون ها آنقدر انرژی بدهیم که انرژی جنبشی آنها بیشتر از نیروی دافعه کولنی آنها شود و پروتون ها بتوانند به اندازه کافی به یکدیگر نزدیک شوند. اما برای این کار چیزی حدود 100 میلیون درجه سانتی گراد انرژی لازم است که هیچ محیط مادی توان مقاومت در برابر چنین انرژی را ندارد. یکی از راه های حل این مشکل محصورسازی مغناطیسی است. توکامک دستگاه چنبره ای محصورسازی پلاسماست که در آن از میدان های مغناطیسی برای محصورسازی و کنترل پلاسمای گرم استفاده می گردد. توکامک دماوند یک مجموعه پژوهشی در زمینه گداخت هسته ای است که در آن پلاسمایی با جریان بیشینه 40 کیلوآمپر در مدت زمان 20 میلی ثانیه تولید می شود. در این پروژه برای اولین بار موفق به کنترل جابجایی افقی پلاسما در توکامک دماوند در مسیر متغیر برنامه ریزی شده و در مدت زمان تخلیه الکتریکی شدیم. با بکارگیری این قابلیت پلاسما در محدوده زمانی گوناگون از یک تخلیه الکتریکی در مکان های خاصی از چنبره کنترل می شود. این کنترل امکان بررسی پارامترهای مختلف پلاسما را در شرایط مختلف زمانی و مکانی از یک تخلیه مهیا می کند. برای شناسایی مدل حلقه بسته کنترل مکان افقی پلاسما، ابتدا پس از انجام آزمایشات لازم معادلات مدارات راه انداز جریان کنترلی در پیچه ها به طور کامل تشریح گردید. سپس به بررسی روابط حاکم بر پلاسما پرداختیم. به دلیل پیچیدگی روابط حاکم بر فیزیک پلاسما امکان مدل سازی فیزیکی پلاسما وجود ندارد، به همین منظور با استفاده از تکنیک شناسایی سیستم-ها به مدل سازی دستگاه موجود پرداختیم. یکی از مشکلات موجود در شناسایی این دستگاه عدم امکان اعمال کامل و یکباره سیگنال prbs بوده که به علت کوتاه بودن زمان ماندگاری پلاسما و محدودیت سخت افزاری در راه انداز جریان کنترلی می-باشد. به همین دلیل در هر آزمایش بخشی از این سیگنال اعمال گردیده است. در این پژوهش برای مدل سازی دستگاه از دو مدل پیش بین با ساختار narx و مدل شبیه ساز با ساختار noe بر پایه شبکه عصبی mlp استفاده گردیده است. در نهایت براساس مدل شبیه ساز بدست آمده کنترل کننده غیر خطی عصبی بر پایه شبکه عصبی mlp برای جایگزینی با کنترل کننده خطی pd طراحی و ارزیابی شده است.

در این نوشتار قصد بر آن است تا با یک دیدگاه ترکیبی از کنترل کلاسیک و هوشمند، کنترل-کننده های مناسب طراحی شود تا بتوان به مطلوب مورد نظر در سیستم مفصل انعطاف پذیر دست یافت. کنترل کننده های مورد بحث در این پروژه عبارتند از فازی-لغزشی، فازی-بازگشت به عقب، عصبی-لغزشی، فازی-لیاپانوف و خطی ساز ورودی-خروجی. روش های کنترلی مذکور می توانند برای هر سیستم غیرخطی مورد استفاده قرار بگیرند و سعی شده است تا حد امکان مفاهیم روش های کنترلی طوری شرح داده شوند تا خواننده بتواند به راحتی برای هر سیستم دیگری معادلات را بازنویسی نماید. همزمان سازی یک سیستم مکانیکی با یک سیستم آشوبی و استفاده از خصوصیات آشوب از جمله پایداری جامع و ایجاد داده های غنی از جمله نوآوری های این پروژه می باشد. بدین ترتیب که همواره یکی از متغیرهای حالت سیستم با یک سیستم آشوبی همزمان می شود و متغیر دیگر روی مسیر معلوم حرکت می نماید. برقرار نمودن دو خواسته ی فوق در حد مطلوب و توسط یک ورودی از جمله ی مسائل چالش برانگیز در علم کنترل می باشد. کنترل کننده های ترکیبی یکی از ابزارهای مناسبی می باشند که در حل این گونه از مسائل مفید واقع می شوند. همزمان سازی یک متغیر با یک سیستم آشوب یا به عبارتی ضدکنترل آشوب سبب می شود تا این متغیر حالت همواره در یک دامنه کراندار قرار بگیرد و از طرفی داده های غنی حاوی فرکانس های متنوع وارد سیستم می شوند که مناسب برای شناسایی پارامترهای نامعلوم سیستم می باشند.

وسایل کنترلی که امروزه برای بهبود عملکرد فرآیند های صنعتی به کار می روند دارای پیچیدگی-های زیادی می باشند، این پیچیدگی ها هم شامل روش های مشکل طراحی دیجیتال هستند و هم پیچیدگی های سخت افزاری(حسگر های ورودی و خروجی،عملگرها و اجزاء و واحد پردازش) را شامل می گردند. این پیچیدگی احتمال بروز خرابی در سیستم را بسیار افزایش می دهد. در نتیجه سیستم های کنترلی بایستی دارای نظارت اتوماتیک بر عملکرد سیستم حلقه بسته به منظور آشکارسازی سریع و ایزولاسیون عیب باشند. این نوشتار به بررسی آشکارسازی عیب با استفاده از سیستم های فازی نوع دو بازه ای می پردازد. سیستم های فازی نوع دو بر اساس مجموعه های فازی نوع دو می باشند. در این مجموعه ها درجه تعلق نیز خود مجموعه ای فازی است، در نتیجه دارای انعطاف پذیری بالاتر و قابلیت عملکرد بیشتری نسبت به سیستم های فازی نوع یک هستند. در ابتدا سیستم های فازی بازه ای نوع یک برای برای آشکارسازی عیب در دو سیستم به کار گرفته شدند. این سیستم ها، دینامیک ساده ی خودرو و سیستم تعلیق فعال خودرو می باشند. از یک کنترل کننده مشهور برای شبیه سازی پاسخ دینامیکی سیستم تعلیق فعال استفاده گردید. سپس با استفاده از سیستم فازی بازه ای نوع یک، محدوده اطمینانی برای داده های ورودی - خروجی بدست آمد. سپس آشکارسازی عیب با استفاده از بازه ی اطمینان بدست آمده انجام گردید. نتایج شبیه سازی نشان داد که این روش می تواند، ابزار مناسبی برای ارزیابی عملکرد دینامیک ساده ی خودرو و سیستم تعلیق فعال خودرو باشد. پس از آن آشکارسازی عیب با استفاده از روش جدیدی بر اساس سیستم های فازی نوع دو بازه ای برای دو سیستم، تعلیق فعال خودرو و سیستم دو- مخزن بکار گرفته شد. برای رسیدن به این هدف در ابتدا هر دو سیستم با استفاده از سیستم فازی بازه ای نوع دو مدل شدند. با استفاده از مدل بدست آمده سیگنال مانده تولید شد. نتایج شبیه سازی نشان می دهد که سیستم های فازی نوع دو در مقایسه با سیستم های فازی نوع یک ابزار موثرتری برای آشکار سازی سریع عیب می-باشند و در نهایت جبران عیب برای سیستم تعلیق فعال خودرو با اسفاده از سیستم فازی نوع یک و دو انجام گردید.

در این رساله، مسأله کنترل آشوب در سیستم های تاخیری مرتبه یک بررسی می گردد. روش کنترلی مورد استفاده، کنترل فازی- تطبیقی مد لغزشی است که در کنترل سیستم های غیر خطی و در مواردی آشوبناک به عنوان یک روش کنترلی مطلوب بسیار مورد استفاده قرار گرفته است. در واقع روش کنترلی مورد نظر تلفیقی از مزایای کنترل کننده های تطبیقی، فازی و مد لغزشی را در بر دارد. هدف از کنترل آشوب در سیستم های آشوبناک، پایدار کردن نقاط تعادل سیستم تحت کنترل یا پایدار کردن پاسخ های متناوب جانشانی شده در جاذب آشوبناک آن می باشد. برای رسیدن به دو هدف فوق با استفاده از روش کنترلی مورد نظر، ابتدا با توجه به تئوری کنترل مد لغزشی، سطح لغزش تعریف می گردد و به عنوان ورودی سیستم کنترل در نظر گرفته می شود. پارامترهای کنترل-کننده فازی با استفاده از یک قانون بروز رسانی، برای برقراری شرط لغزش در تئوری کنترل مد لغزشی بروز می شوند و خروجی کنترل کننده مذکور به عنوان سیگنال کنترلی به سیستم تحت کنترل اعمال می گردد. برای پایدار کردن پاسخ های متناوب از کنترل فاری- تطبیقی مد لغزشی و سیگنال کنترل متناوب شده و روش همزمان سازی ، استفاده می گردد. در ادامه مقاوم بودن کنترل-کننده ی طراحی شده نسبت به نویز، عیب و عدم قطعیت، بررسی می شود. در نهایت کارایی روش مورد نظر برای همزمان سازی سیستم های آشوبناک تاخیری که یکی از روش های کنترلی معمول است، نشان داده می شود.

پیش بینی اهداف میکرو آر ان ای ها از اهمیت ویژه ای برخوردار است. توسعه روش های محاسباتی و متعاقبا صرفه جویی در هزینه و زمان پژوهش های آزمایشگاهی، تاثیر بسزایی در افزایش سرعت ساخت داروهای درمانی از جمله داروهای ضد سرطانی دارد. با توجه به اینکه زمان کمی از شناخت میکرو آر ان ای ها می گذرد، روند پژوهش ها در ابتدا کند بوده است. اما به مرور با شکل گیری دیتابیس های بیولوژیکی و درک اهمیت آنها دانشمندان به این زمینه روی آورده اند. تاکنون روش های مختلفی با در نظر گرفتن ویژگی های مختلف از جمله ویژگی های ساختاری، موقعیتی و ترمودینامیکی بر روی گونه های مختلف از جمله انسان، موش و حتی گونه های گیاهی ارائه شده است. با این وجود، پراکندگی زیادی در این کارها دیده می شود و مدل های هوشمند بطور سطحی در آنها بررسی شده اند. در این نوشتار، ابتدا انواع ویژگی ها استخراج شده، سپس ویژگی های برتر به روش pca انتخاب گردیده اند. انواع مدل های هوشمند و کلاسیک از جمله شبکه های عصبی مختلف، بردار ماشین پشتیبان، knn و درخت تصمیم گیری بر روی داده ها با روش اعتبارسنجی ضربدری 10تایی تست و نتایج آنها با یکدیگر مقایسه و تحلیل شده است. علاوه بر این در این نوشتار یک روش جدید برای تهیه نمونه های منفی معرفی و استفاده از شروط جفت بندی (در استخراج ویژگی ترمودینامیکی) بجای رشته های پیونددهنده پیشنهاد شده است. در ضمن معیار mcc برای ارزیابی دسته بندی کننده ها معرفی و نشان داده شده است که استفاده از معیار دقت می تواند گمراه کننده باشد.

توکامک مهمترین دستگاه برای رسیدن به شرایط همجوشی هسته ای لازم در واکنش گداخت است. این دستگاه چنبره ای شکل برای محصورسازی پلاسما است. پلاسمای توکامک برای جابجایی عمودی ذاتا ناپایدار است که این ناپایداری، باعث برخورد آن با دیواره چنبره توکامک و از هم گسیختگی و اتلاف انرژی آن می شود. و باید سیستم کنترل با تولید میدانهای مغناطیسی متغیر، نیروهای مغناطیسی لازم جهت کنترل پلاسما را فراهم بیاورد. در این پروژه برای کنترل مکان عمودی پلاسما، ابتدا نیاز است که مدل مناسبی برای سیستم تخمین زده شود. تخمین مدل با روش شناسایی انجام می شود. شناسایی در دو حالت پیش-بین و شبیه ساز صورت می گیرد. در شناسایی مدل، با هدف بهبود تحقیقات پیش بین بر روی این دستگاه، ابتدا پراکندگی داده های موجود مورد بررسی قرار می گیرد و برای افزایش غنای ورودی شناسایی، داده های بیشتری تولید می گردد. با توجه به زمان محدود محصور سازی پلاسما محدوده زمانی مناسبی که می توان از داده ها استفاده کرد مشخص می شود و بر روی داده ها پیش پردازش صورت می گیرد و سپس با استفاده از داده های موجود با دو روش تست همبستگی خطی و تست بایکوهرنس، میزان غیرخطی بودن سیستم مورد بررسی قرار می گیرد. با استفاده از روش پیش بینی چند گام به جلو، زمان نمونه-برداری مناسب انتخاب می گردد. سپس دینامیک های موثر در ورودی تعیین می شود. در این پروژه، تحلیل ساختارهای مختلف مدل نیز مورد توجه قرار گرفته است. در شناسایی پیش بین مدل های شبکه عصبی mlp، شبکه rbf و مدل خطی محلی و مدل همرشتاین- وینر مورد بررسی قرار می گیرد و با توجه به میزان خطای بدست آمده در روش ها و مقایسه آنها با هم بهترین روش انتخاب می گردد. در شناسایی شبیه ساز نیز دینامیک های موثر در ورودی تعیین می گرددو مدل های شبکه عصبی و خطی محلی مورد استفاده قرار می گیرد. در نهایت با استفاده از مدل شبیه ساز، کنترل کننده غیرخطی طراحی می شود و نتایج به دست آمده از این کنترل کننده عصبی با نتایج بدست آمده از کنترل کننده pd واقعی مقایسه می گردد.

در این پایان نامه، ضمن نگاهی گذرا به تاریخچهgame ai و معرفی متداولترین روش های هوش مصنوعی و یادگیری ماشین در بازی های کامپیوتری، اقدام به طراحی و پیاده سازی یک بازی مبارزه ای به عنوان بستری برای اعمال روش های مختلف هوش مصنوعی و اصول برنامه نویسی شده است. برای این منظور، یک مسابقه بوکس دو بعدی با نمای دوربین از بالا - بر مبنای بازی قدیمی بوکس آتاری - به شکلی شبیه سازی شده است که افراد مختلف می توانند هوش مصنوعی های متفاوت برای عامل خود نوشته و با یکدیگر به رقابت بپردازند. همچنین پیاده سازی بازی، که با زبان c#.net است، به نحوی صورت گرفته است که به راحتی قابل ارتقاء و توسعه است. برای مثال بخش نمایش انمیشین بازی را می توان بدون دستکاری سایر قسمت ها، از gdi+ به xna تغییر داد. در ادامه دو هوش مصنوعی کاملا مجزا برای بازی، یکی بر مبنای ایده سنتی و متداول هوش مصنوعی اسکریپت شده و دیگری بر مبنای منطق فازی پیاده سازی شده است. نهایتا با استفاده از یک الگوریتم هوش جمعی جدید بر مبنای الگوریتم زنبورها، پارامترهای هوش اسکریپت شده بهینه شده است. در الگوریتم هوش جمعی جدید ارائه شده، زنبورها به گروه های مختلف تقسیم می شوند. گروه های دورتر از بهترین جواب پیدا شده، شعاع جستجو و تعداد جستجوگر بیشتری دارند. برعکس گروه های نزدیک به بهترین جواب پیدا شده شعاع جستجو و تعداد جستجو گر کمتر و در عوض تعداد زنبور جمع آوری بیشتری دارند. نشان داده شده است که الگوریتم پیشنهادی از سرعت بسیار بالا و دقت قابل قبولی برخوردار است. در قلب هوش مصنوعی فازی طراحی شده برای بازی یک سیستم فازی سلسله مراتبی با مدل سوگنو وجود دارد. به موجب وجود این سیستم خاص، تفکر انسانی به راحتی در بازی پیاده سازی شده است. در پایان مشاهده می شود که هوش فازی یک بازی روان تری را ارائه می دهد؛ تنوع رفتاری هوش فازی بسیار بیشتر از تنوع حرکات هوش اسکریپت شده است. این تنوع باعث افزایش میزان جذابیت و واقعیت پذیری بازی شده است به نحوی که بازیکن انسانی از بازی در مقابل هوش فازی خسته و دل زده نمی شود

در این پایان نامه، کنترل سیستم جرثقیل معلق به روش lqr توزیع شده موازی بررسی می گردد که در این روش کنترلی از مدل فازی تاکاگی-سوگنو و کنترل کننده بهینه استفاده می شود. هدف از طراحی، کنترل موقعیت و زاویه تاب بار با استفاده از کنترل کننده lqr فازی توزیع شده موازی است. با به کار بردن مدل فازی تاکاگی-سوگنو ، سیستم های غیرخطی توسط ترکیب چند زیرسیستم خطی در فضای افراز شده فازی تقریب زده می شوند. از آنجا که زیرسیستم های خطی به صورت فازی ترکیب شده اند، مدل فازی t-s یک مدل غیرخطی است که می تواند مشخصات غیرخطی سیستم غیرخطی پیچیده را حفظ کند. با استفاده از جبران سازی توزیع شده موازی می توان برای مدل فازی t-s موجود کنترل کننده فازی طراحی کرد. برای طراحی کنترل کننده lqr فازی توزیع شده موازی، با توجه به مدل t-s بدست آمده، برای هر زیر سیستم خطی کنترل کننده lqr طراحی می شود. طراحی کنترل کننده و بررسی پایداری سیستم کنترلی با مسئله lmi انجام می شود. در ادامه مقاوم بودن کنترل کننده طراحی شده نسبت به نویز، اغتشاش و خطا بررسی می شود.

در سال های اخیر شبیه سازهای رانندگی کم هزینه برای کاربردهای آموزشی، تجاری و تفریحی بسیار مورد توجه قرار گرفته اند. برخلاف سکوی شش درجه آزادی استوارت، ساختارهایی با درجات آزادی کاهش یافته، فاقد الگوریتم های کنترل حرکت اختصاصی بوده و عمدتا در آن ها از همان ساختار استاندارد کلی بهره گرفته می شود. الگوریتم کنترل حرکت شبیه ساز، وظیفه ی مدیریت نحوه حرکت سکو با توجه به خروجی های مدل دینامیکی خودرو را بر عهده دارد. ورودیهای مدل دینامیکی خودرو توسط کاربر شبیه ساز و شرایط جاده ای تولید می شود. به علت نبود الگوریتم کنترل حرکت اختصاصی برای سکوهایی با درجات آزادی کاهشی یافته، ارزیابی کیفیت احساس حرکتی که می توان توسط این ساختارها تولید نمود، در دست نمی باشد. در این پژوهش روشی کلی برای هر سکوی شبیه ساز رانندگی با درجات آزادی کاهشی یافته ارایه می شود. الگوریتم کنترل حرکت مذکور باید به گونه ای طراحی گردد که ضمن داشتن پاسخی مطلوب از تمام ظرفیت فضای کاری سکو استفاده نماید. در روش پیشنهادی از ادراک انسان از شواهد حرکتی محیط اطراف نظیر چگونگی درک جابه جایی، سرعت و شتاب خطی و زاویه ای بدن در هر لحظه بهره گرفته شده است. یکی از مهمترین حسگرهای شواهد حرکتی در بدن انسان سیستم وستیبیولار در گوش داخلی انسان است. حسگر مذکور توانایی درک نیروهای ویژه (از جنس شتاب خطی) و سرعت های زاویه ای سر انسان را دارا می باشد. در نهایت این روش بر روی سکوی شبیه ساز رانندگی آساران با سه درجه آزادی اوج، غلت و پرش که توسط اساتید و دانشجویان دانشگاه خواجه نصیر طوسی طراحی و ساخته شده، تنظیم و پیاده سازی گردیده است.

در این نوشتار یک سیستم کنترل پسیو برای تحمل پذیری خطای سنسور جهت سیستم پاندول معکوس چرخشی طراحی می شود. بدین منظور از یک مدل فازی تاکاگی-سوگنو برای مدل سازی رفتار فیزیکی پاندول معکوس چرخشی استفاده شده است. بر اساس مدل به دست آمده، کنترل کننده ای بر پایه ی روش جبران سازی توزیع شده موازی طراحی می شود. سپس با تعمیم روابط پریتی که برای تشخیص خطا در سیستم های خطی استفاده می شود، به سیستم های غیرخطی با کمک مدل فازی تاکاگی-سوگنو به تشخیص خطا پرداخته شده است. سیستم طراحی شده در شبیه سازی و پیاده سازی عملی، عملکرد بسیار خوبی در تشخیص و تحمل پذیری خطا از خود نشان داده است.

در این پایان نامه سعی بر آن بوده است تا عملکرد سیستم های فازی را در طبقه بندی چهار نوع تفکر حرکت در سیگنال eeg بررسی نماییم. با توجه به اینکه تفکرات، احساسات و حتی حالات روحی مختلف یک شخص به راحتی بر روی سیگنال مغزی او اثر می گذارد نیاز به طبقه بندی کننده ای که بتوان به کمک آن عدم قطعیت و ابهام در سیگنال مغزی را مدل کند دور از ذهن نخواهد بود. داده های مورد استفاده از چهارمین مسابقه جهانی bci انتخاب شده اند که سیگنال های مربوط به چهار تصور حرکت دست چپ، دست راست، هر دو پا و زبان است. در ادامه انواع روش های استخراج ویژگی بر روی این داده ها اعمال شد و توسط روش های pca ، ga و روش های آماری به کاهش بعد و انتخاب ویژگی پرداختیم. مشاهده شد که روش های آماری قابلیت بهتری در انتخاب ویژگی دارند چرا که این فرض وجود دارد اگر روش های آماری نتوانند قابلیت تفکیک پذیری خوبی بین دسته داده ها ایجاد کنند به احتمال زیاد طبقه بندی کننده مورد نظر نیز قادر به این کار نخواهد بود. همچنین ترکیبات خطی ایجاد شده توسط روش های آماری anova و manova قدرت تفکیک پذیری زیادی را بین ویژگی ها به وجود آورد. در نهایت از طبقه بندی کننده?های فازی نوع اول و فازی نوع دوم بازه ای جهت مقایسه و بدست آوردن میزان صحت استفاده شد. به دلیل حذف بیشتر نویز اندازه گیری در زمان ثبت داده ها و همچنین استفاده از محدوده فرکانسی مناسب بررسی داده های bci که در باند فرکانسی میو و بتا می باشد، عدم قطعیت مربوط به ثبت سیگنال از بین می رود. اما همچنان نوع دیگر عدم قطعیت که در استنتاج طبقه بندی کننده مدل می شود، وجود دارد. نتایج نشان داد که سیستم فازی نوع دوم بازه ای قابلیت بیشتری را برای مدل کردن این نوع عدم قطعیت از خود نشان می دهد و این امر در میزان صحت بدست آمده قابل مشاهده است. همچنین الگوریتم بهینه سازی ای پیشنهاد شد که با استفاده از چند الگوریتم بهینه ?سازی سراسری و با به کارگیری مزایا و حذف معایب آن ها به آموزش پارامترهای سیستم فازی بپردازد.

در این تحقیق با ترکیب الگوریتم های بهینه سازی چندهدفه ی تکاملی و خاصیت انعطاف پذیری در توابع فعال سازی نرون های شبکه عصبی، تعداد نرون های شبکه عصبی را برای رسیدن به خطای کمتر کاهش دهیم و در نتیجه ساختار شبکه عصبی را بهینه می کنیم. در واقع با استفاده از توانایی الگوریتم های بهینه سازی چندهدفه ی تکاملی و انعطاف پذیری در نرونهای شبکه عصبی، الگوریتمی با حجم محاسبات کم و زمان اجرای پایین جهت تخمین توابع غیرخطی و مسائل دسته بندی معرفی می شود و سپس کارایی آن با الگوریتم پیشنهادی و الگوریتم های پیشین ارائه شده در این زمینه مقایسه می شود. نتایج بیانگر این است که الگوریتم ارائه شده کارایی مناسبتری نسبت به کارهای قبل دارد.

در طی سه دهه گذشته روشها و ابزارهای گوناگونی برای شناسایی و کشف خطا در فرآیندها و سیستمهای صنعتی ایجاد و توسعه داده شده اند. در این نوشتار، فرآیند te بعنوان نمونه ای از یک فرآیند واقعی شیمیای انتخاب شده و ابزارهای جدیدی بر مبنای نظریه پردازش سیگنال کوانتمی و تحلیل موجک برای تشخیص خطا در فرآیند مذکور توسعه داده شده است.

از جمله دستگاه¬ها¬¬ و زمینه¬هایی¬که نقش عمده¬ای را در کاهش مصرف انرژی واحدهای فرآیندی ایفا می¬کنند به ترتیب مبدل¬های حرارتی و انتگراسیون حرارتی واحدها می¬باشنددر این پایان¬نامه نیز تلاش شده است تا با بکارگیری الگوریتم¬های تکاملی و با نگرشی متفاوت، مسئله¬ی بهینه¬سازی درشبکه¬های مبدل¬های حرارتی (hen) دوباره مورد بررسی قرار گیرد کاربرد روشهای تکاملی در بهینه¬سازی مبدل¬های حرارتی در دو دهه اخیر مورد توجه بسیاری از محققین قرار گرفته است.از روشهای نوین در این دسته، روش بهینه¬سازی مبتنی بررفتارگروهی گربه¬ها (cso) است.که با توجه به الگوی حرکت گربه¬ها طراحی شده است که هدف اصلی دراین بهینه¬سازی کاهش هزینه سالینه شبکه مبدل¬های حرارتی می باشد. و روش توزیع تصادفی (rnd)شبکه¬های با ساختار مشخص را دوباره بهینه¬سازی نموده و اصلاحات لازم در سطوح شبکه¬ها ، برای رسیدن به شبکه¬ای با کمترین هزینه¬ی سالیانه ارائه شود.روش پیشنهادی بر روی جند سیستم برگرفته شده از مقالات پیاده سازی گردید. نتایج شبیه سازی ها نشان می دهد که با استفاده از روش پیشنهادی نتایجی بهتر نسبت به کارهای قبلی به دست آمده است.

پاندول معکوس یک مسئله سنتی در دینامیک و کنترل محسوب می شود. حالت پایه زمانی است که پاندول روی یک ارابه قرار گرفته است و با عقب و جلو رفتن ارابه می توان تعادل پاندول را حفظ نمود. هدف این پایان نامه طراحی و ساخت پاندول معکوسی است که به جای ارابه، روی دو چرخ هم محور قرار دارد. حرکت و چرخش ربات باید از راه دور و بدون سیم کنترل شود. ابتدا مدل ریاضی ربات استخراج شده و کنترل کننده های pid و lqr روی این مدل شبیه سازی می شود. در مرحله پیاده سازی، از یک کنترل کننده pid برای حفظ زاویه پاندول استفاده می شود. برای اندازه گیری زاویه پاندول، از یک حسگر جایرو و یک حسگر شتاب سنج استفاده می شود. اطلاعات این دو سنسور برای داشتن زاویه ای بدون نویز و دریفت توسط فیلتر کالمن با یکدیگر ترکیب می شود. ربات ساخته شده به خوبی تعادل خود را حفظ می کند، اما نتایج شبیه سازی نشان می دهد که برای داشتن کنترل بهتر روی موقعیت آن، بهتر است در مرحله پیاده سازی از کنترل کننده lqr به جای pid استفاده شود.

خروجی شبکه های فازی نوع 2 بازه ای قبل از غیرفازی سازی یک بازه می باشد که عموما میانگین این بازه به عنوان خروجی قطعی در نظر گرفته می شود. این شبکه ها عدم قطعیت در سیگنال های ورودی را با ایجاد یک بازه در خروجی توصیف می کنند که در نظر گرفتن میانگین این بازه به عنوان خروجی عملا نقش عدم قطعیت های توصیف شده را از بین می برد. زمانی می توان از کنترل کننده ی فازی نوع 2 بازه ای انتظار عملکرد بهتر نسبت به کنترل کننده ی فازی نوع 1 داشت که از عدم قطعیت های توصیف شده به شکل هدفمندی در کنترل سیستم استفاده شود. در این پایان نامه جهت بهبود عملکرد کنترل کننده ی فازی نوع 2 بازه ای برای کنترل فرآیند خنثی سازی ph دو روش برای غیرفازی سازی ارائه شده است. در روش اول سعی شده است با اندازه گیری سیگنال خطا و بازه ی خروجی کنترل کننده، خروجی قطعی به نحوی تعیین شود تا خطا با سرعت بیشتری کاهش یابد. در روش دوم سعی شده است غیرفازی سازی به گونه ای انجام شود تا سیگنال خروجی قطعی کنترل کننده با توجه به حضور نویز در سیگنال خطا، سیگنالی با تغییرات نرم باشد. استفاده از غیرفازی سازهای ارائه شده سبب بهبود عملکرد کنترل کننده ی فازی نوع 2 بازه ای در کنترل فرآیند خنثی سازی ph شده است.

امروزه استفاده از بینایی ماشین و به تبع آن پردازش تصویر، از موثرترین راه کار ها برای ارتباط ربات با محیط اطراف خود است تا ربات بتواند درک بهتری از محیط داشته باشد و تصمیمات بهتری بگیرد. معمولا برای کار ربات با تصویر، اولین قدم تشخیص لبه های اجسام موجود در تصویر است. در این پایان نامه سعی شد تا، از روش هوشمند عصبی – فازی به همراه روش کلاسیک sobel برای تشخیص لبه های جسم استفاده شود و در نهایت از این اطلاعات (لبه های استخراج شده) برای تشخیص شئ موجود در تصویر و تولید دستورات و عکس العمل های مناسب رباتی، که مراحل بعدی پردازش محسوب می شوند، استفاده کردیم. از آنجایی که لبه و مرز تصاویر یک مفهوم فازی به حساب می آید، استفاده از منطق فازی در کنار خاصیت آموزش پذیری شبکه عصبی، تاثیری مثبتی در دقت و کاهش خطا داشته است. برای سرعت بخشیدن به پردازش و ارتقای لبه های به دست آمده در فاز اول کار، از فیلتر sobel هم استفاده کردیم. سپس نوع جسم جلوی دوربین در سه دسته ی کلی دایره شکل ها، مثلثی ها و مربع شکل ها طبقه بندی شد؛ تا در استفاده های بعدی ربات بتواند تصمیم مورد نظر را بگیرد و اشیا را مرتب کند.

هدف از این پایان نامه طراحی کنترل کننده های مناسب جهت ردیابی مسیر مطلوب در سیستم روبات متحرک با دیدگاه ترکیب ی از کنتر ل کلاسیک و هوشمن د میباشد . کنترل کننده ها ی مورد بحث در این پایان نامه عبارتند از : فیدبک خطی سازی ورودی- خروجی، شبکه عصبی- فیدبک خطی سازی، شبکه عصبی- فیدبک خطی سازی به همراه شناساگر و آموزش خطای پسخور. روشهای کنترلی مذکور میتوانند برای هر سیستم غیرخطی مورد استفاده قرار گیرند و سعی شده است تا حد امکا ن مفاهیم روشهای کنترلی طوری بیان شوند که بتوان به راحتی برای هر سیستم دیگری معادلات را بازنویسی نمود. همزمانسازی یک سیستم مکانیکی با یک سیستم آشوبگونه و استفاده از خصوصیات آشوب از جمله نوآوریهای این پایان نامه میباشد . بدین ترتیب که معادلات خطای سیستم با یک سیستم آشوبگونه همزمان میشود، در واقع با استفاده از آشوب، تلاش کنترلی بر این اساس است که سیگنال خطا به جای همواره صفر بودن، با یک سیستم آشوبگونه همزمان میشود و این باعث کاهش هزینه کنترلی خواهد بود زیرا همواره صفر بودن سیگنال خطا بسیار سختگیرانه است. مطلوب کنترلی برای سیستم خطا میتواند صفر مطلق، آغشته به نویز یا آشوب باشد که این سیگنالهای نویز و آشوب خود تحریک کنندهای برای کنترل کننده و یا همزمانساز هستند. در اینجا قابل ذکر است که نویز یک پدیده تصادفی مطلق و صفر ثابت است، در حالیکه آشوب از لحاظ رفتاری در طیف بین این دو قرار دارد و نشان داده خواهد شد که آشوب در کاهش انرژی تاثیر بیشتری دارد. همزمانسازی خطا با یک سیستم آشوبگونه یا به عبارتی ضد کنترل آشوب سبب میشود تا این خطا همواره در یک دامنه کراندار قرار بگیرد و به علت حضور ضریب کوچک کننده برای سیستم آشوب، این دامنه بسیار کوچک است. د ر این پایاننامه به جهت مکانیکی بودن سیستم روبات متحرک، از سیستم مکانیکی آشوبگونه ژیروسکوپ برای همزمانسازی، استفاده میشود.

نیروگاه ها از واحدهای صنعتی بسیار مهم با عملکرد رفتاری پیچیده، غیرخطی و متغیر با زمان بوده که نقش بسیار کلیدی را در کشور ایفا می کنند. بروز هر گونه عیب می تواند موجب ایجاد اشکال در عملکرد عادی آنها شده و چنانچه به موقع تشخیص و نسبت به رفع آن اقدامی صورت نگیرد منجر به توقف عملکرد و در نهایت ایجاد سوانح و حوادث برای تجهیزات و حتی جانی می شود و خسارات بسیار سنگین مالی بر جای گذارد.در این راستا روشهای ارائه شده نه تنها باید قابلیت تشخیص وقوع عیب در سیستم را دارا باشند بلکه باید بتوانند نوع خطا و مشخصات آنرا شناسایی و اعلام نمایند. جهت برآوردن این نیازها جهت تشخیص و شناسایی خطا از یکی از تکنیک های شناسایی سیستم به نام شناسایی زیرفضا برای شناسایی پارامترهای فضای حالت استفاده کرده ایم سپس پارامترهای تخمین زده شده را به عنوان ویژگی در سیستم تشخیص خطا بکار بردیم و با کاهش ویژگی ها اقدام به تشخیص خطا کردیم. این الگوریتم ها از آنجا که شناسایی فضای حالت را به طور مستقیم از داده های ورودی ـ خروجی با استفاده از ls خطی انجام میدهند مشکلات مربوط به بهینه سازی غیرخطی را نداشته و فضای حالت بهینه را در اختیار ما قرار میدهد. الگوریتم های شناسایی زیرفضا جهت محاسبات روی ـ خطی به علت نیاز به حجم بالای داده های ورودی ـ خروجی که در تجزیه زیرفضاها با استفاده از svd دارند مناسب نیستند به این منظور با تعمیم این الگوریتم ها به روش انتشاردهنده (propagator) محاسبه زیرفضاها به صورت روی خطی به راحتی انجام میپذیرد. همچنین برای رفع مشکل غیرخطی داده ها یک مدل همرشتاین که شامل بخش غیرخطی ls-svm میباشد به صورت روی ـ خطی نیز طراحی شد. در نهایت جهت کاهش پیچیدگی ریاضیاتی ما یک رهیافت تشخیص خطای موثر از مفهوم ردیابی زیرفضا استفاده کرده ایم و یک الگوریتم ردیابی زیرفضای مقاوم توسعه داده شده که تحت عنوان ردیابی زیرفضای تقریبی تصویر عمود شناخته میشود که با کاهش ویژگی ها (feature) اقدام به تشخیص و شناسایی خطا میکند.به طور کلی روش شناسایی زیرفضا به دقت روش های شناسایی (pem) نیست اما مزایایی از قبیل سرعت و تعمیم به سیستم های mimo را دارا میباشد.

در این پایان نامه مدل سیمولینکی ساده شده برای توربین گازی پرکاربرد در کشور یعنی توربین گازی v94.2 ساخت شرکت زیمنس، با استفاده از داده های عملکردی و واقعی در دسترس ارائه شده است. داده های واقعی توربین از طریق شرکت مپنا تأمین شده اند. مدل مذکور بر اساس ساختار مدل روون توربین گازی است. یکی از عیب های مهم توربین گازی که کمتر به آن پرداخته شده، عیب شعله است. عیوب شعله در اثر عوامل مختلفی نظیر عدم تعادل نسبت سوخت به هوا در ورودی محفظه ی احتراق و عدم پاشش متقارن سوخت در سوخت پاش ها به وقوع می پیوندند. از اثرات ناشی از عیب های شعله، می توان به افزایش میزان آلاینده های خروجی از محفظه، ناپایداری احتراق و فشارهای اکوستیک اشاره کرد. از بین عیوب شعله و اثرات مختلف ارائه شده ناشی از این عیوب، عیب عدم تعادل نسبت سوخت به هوا قابلیت شبیه سازی در مدل مذکور به دست آمده را دارد. سیستم توربین گازی در حالت عملکرد طبیعی و معیوب برای سناریوهای مختلف سرعت روتور، شبیه سازی شده است. نتایج شبیه سازی تشخیص عیب را در زمان وقوع نشان می دهد.

تا کنون روش های زیادی برای حل مسئل? مکان یابی و تهیه نقشه همزمان (slam) با استفاده از ربات متحرک مطرح شده است. یکی از رایج ترین این روش ها استفاده از فیلتر کالمن توسعه یافته (ekf) می باشد. برای این که ekf عملکرد بهینه داشته باشد باید ماتریس های کواریانس نویز فرآیند (q) و کواریانس نویز اندازه گیری (r) را به درستی مقداردهی کرد. در اغلب مسائل اطلاع دقیقی از این دو ماتریس در دست نیست و مقدار دهی اشتباه این ماتریس ها باعث خطای زیادی در تخمین می شود. در این پروژه روشی پیشنهاد می شود که با استفاده از یک شبکه عصبی-فازی، در هر گام فیلتر ماتریس های q و r تصحیح می شوند تا تخمین دقیق تری از وضعیت ربات و نقشه محیط داشته باشیم. نتایج شبیه سازی این الگوریتم در نرم افزار شبیه ساز kiks و همچنین پیاده سازی این الگوریتم برای حل مسئل? slam بر روی ربات kheperaii نشان می دهد که استفاده از این روش در دنیای واقعی می تواند تاثیر زیادی در عملکرد بهینه ekf داشته باشد و فیلتر دقت بهتری در تخمین پیدا کند.

در این تحقیق دو نوع کنترل کننده مد لغزشی فازی- عصبی برای بازوی انعطاف پذیر ارائه شده است. در طراحی کنترل کننده اول از دو سطح لغزش خطی برای انجام ردیابی مفصل و تنظیم ارتعاشات نوک بازو استفاده شده است، سه روش مختلف برای این نوع کنترل کننده طراحی شده است. در روش اول ابتدا شرط رسیدن به نزدیکی سطح لغزش اول – که برای ردیابی مفصل بازو طراحی شده است- را فراهم کرده و سپس با نگه داشتن مسیر فاز اول در محدوده سطح لغزش، مسیر فاز دوم را به سطح لغزش دوم می رسانیم. در روش دوم مدل بازوی صلبی را بعنوان مدل محلی در نظر گرفته و کنترل کننده مد لغزشی برای آن طراحی شده است. همچنین یک کنترل کننده مد لغزشی دیگر برای برقراری شرایط اعتبار مدل محلی استفاده شده و یک سیستم فازی تاکاگی سوگنو با استفاده از دو کنترل کننده بیان شده و بر اساس میزان اعتبار مدل محلی سیگنال کنترل مناسب را تعیین می کند. در روش سوم طراحی کنترل کننده مد لغزشی بر اساس مدل صلبی انجام شده و تنها دامنه سیگنال کنترل بر اساس توابع کلید زنی اول و دوم تعیین می شود بطوری که فاصله مسیر فاز ارتعاشات نوک بازو از سطح لغزش دوم زیاد شود بهره سیگنال کنترل مد لغزشی کاهش می یابد. در کنترل کننده نوع دوم از یک سطح لغزش غیر خطی برای دستیابی به دو هدف ردیابی و تنظیم ارتعاشات بازو استفاده شده است. ابتدا یک تابع لیاپانوف از خطای ردیابی و ارتعاشات نوک بازو در نظر گرفته شده و بر اساس آن یک سطح لغزش غیر خطی تعریف شده است، بطوری که با رسیدن به این سطح لغزش، شرایط پایداری تابع لیاپانوف بیان شده تضمین خواهد شد. در هر چهار کنترل کننده بیان شده، پارامترهای بخش تالی سیستم فازی، بر اساس تابع هزینه ای که از شرط وجود مد لغزش به دست آمده است، تطبیق یافته اند، در تطبیق پارامترهای کنترل کننده از مدل سیستم استفاده شده و برای بدست آوردن قانون تطبیق نیازی به محاسبه ژاکوبین سیستم نیست. در انتها هر چهار کنترل کننده بروی سیستم واقعی بازوی انعطاف پذیر کوانزر پیاده سازی شده است.

در این پایان نامه به مساله آشکار سازی و تشخیص خطا در شبکه های حسگر بی سیم با رویکردی مبتنی بر سیگنال های حس شده توسط گره های حسگری و ارائه رهیافتی موثر در جهت کاهش انرژی مصرفی، پرداخته شده است. مساله مصرف انرژی همواره به عنوان یکی از چالش های مهم در شبکه های حسگر بی سیم به شمار می رود. همچنین گره ها متشکل از اجزای الکترونیکی هستند و وقوع خطا در این اجزا، اجتناب ناپذیر می باشد که می تواند منجر به گزارش نادرست از پدیده فیزیکی تحت مشاهده و افزایش مصرف انرژی در ارتباطات شود. یکی از راه حل های ارائه شده جهت حفظ انرژی در هر گره از طریق کاهش داده های ارسالی است. در این پایان نامه سعی بر آن است که با استفاده از یک سیستم آشکار سازی و تشخیص خطا در هر گره، وقوع خطای داده ای در مقادیر اندازه گیری شده به صورت محلی شناسایی و از ارسال بسته های حاوی داده های معیوب جلوگیری کنیم. رهیافت های بررسی شده در سیستم آشکارساز، یک رهیافت تکراری به نام شبکه عصبی mlp و یک رهیافت جهت تخمین زیر فضای سیگنال به صورت بازگشتی به نام r-opast است. رویه آشکارسازی خطا می تواند از طرفی منجر به افزایش انرژی مصرفی در محاسبات و از سوی دیگر منجر به کاهش انرژی مصرفی در ارتباطات شود. نتایج شبیه سازی رهیافت ارائه شده، نشان دهنده آن است که با استفاده از ایده همکاری و تقسیم وظیفه آشکارسازی خطا میان گره ها در یک زنجیره گره حسگری، می توان انرژی مصرفی کل را در هر گره کاهش داد.

تولید انرژی الکتریکی، بی تردید یکی از اساسی ترین مسائل زندگی امروزی است، به طوری که زندگی بدون آن غیر قابل تصور است. توربین گازی به عنوان محرک اصلی در نیروگاه های فسیلی و سیکل ترکیبی یکی از عوامل اصلی تداوم تولید انرژی است. صحت عملکرد توربین مسئله ای پر اهمیت در صنعت نیروگاهی است، اهمیت این مسئله به این دلیل است که عملکرد نادرست توربین نه تنها سبب کاهش بازده نیروگاه بلکه می تواند سبب آسیب دیدگی و از کار افتادن آن شود و هزینه های سنگینی را به صاحبان صنایع تحمیل کند. به این ترتیب پایش وضعیت توربین گازی یک عمل منطقی و پیشگیرانه برای جلوگیری از ضررهای ناشی از عملکرد نادرست توربین است. در این نوشتار طراحی یک سیستم پایش وضعیت به منظور تشخیص خطاهای رایج یک توربین گاز با استفاده از اطلاعات موجود در داده سنسورهای دمای تعبیه شده در آن و با استفاده از سنسورنرم و روش تصمیم گیری آستانه تطبیقی مورد مطالعه قرار گرفته است. توربین گازی مورد مطالعه، یک شبیه ساز است، این شبیه ساز توسط یک گروه تحقیقاتی تحت نظارت پروفسور پاتن و با همکاری پروفسور سیمانی طراحی شده و به عنوان یک شبیه ساز مرجع در بسیاری از تحقیقات مشابه سال های اخیر با هدف تشخیص خطا در توربین گاز مورد استفاده قرار گرفته است. مقایسه نتایج این نوشتار با نتایج آخرین کار انجام شده در این زمینه در سال 2012 نشان از برتری سیستم طراحی شده در این نوشتار دارد. سیستم طراحی شده علاوه بر سادگی، حساسیت به مراتب بیشتری در تشخیص خطا دارد و این امر سبب افزایش ضریب اطمینان آن می شود.

با توجه به رقابت صنایع خودرو در تولید خودروهای ایمن تر و هوشمندتر از سویی و آمار دلخراش تصادفات ناشی از خستگی و خواب آلودگی رانندگان از سوی دیگر، بر آن شدیم تا با تحلیل و بررسی رفتار راننده به عنوان مهم ترین عامل در سیکل رانندگی، گامی در جهت کاهش این قبیل تصادفات دلخراش برداریم.در این تحقیق یکی از روش های تشخیص خواب آلودگی که همان تشخیص بر اساس الگوی رانندگی در دو حالت هشیار و خواب آلوده است صورت می گیرد که این اطلاعات از حالات مختلف انسان ها توسط تست هایی که بر روی شبیه ساز رانندگی پژو انجام شدند بدست می آید.در فصل دوم، نحوه انجام آزمایشات و مشخصات شبیه ساز شرح داده شده است. برای تحلیل رفتار طولی خودرو در این پژوهش ما از یکی از مدل های رایج راننده در حرکت طولی خودرو به نام مدل تعقیب خودروی فازی استفاده کرده ایم که در فصل 3 بطور کامل توضیح داده خواهد شد.در فصل چهارم داده های واقعی حاصل از انجام آزمایشات در شبیه ساز رانندگی را مورد تحلیل قرار دادیم و در فصل پنجم جمع بندی نتایج و کارهایی که می توانند در آینده در ادامه این پژوهش انجام شوند آورده شده اند.

یک شبکه adhoc بی سیم از مجموعه ای از پایانه های سیار بی سیم تشکیل شده است که بصورت پویا یک شبکه غیر دائمی و بدون زیرساخت را تشکیل می دهند. توپولوژی شبکه ممکن است بصورت پیش بینی نشده و دوره ای تغییر کند، در نتیجه مسیریابی در شبکه های adhoc فرآیند پرچالشی است. همچنین اگر بخواهیم مسیر انتخاب شده بین گره فرستنده و گره گیرنده، نیازمندی های کیفیت سرویس کاربر را نیز ارضا کند، بر پیچیدگی مسیریابی افزوده می شود. پیشرفت های صورت گرفته در زمینه فناوری ارتباط بی سیم و فراگیر شدن ابزارهای مجهز به ارتباطات بی سیم علاقه بسیاری را برای تولید نرم افزارهای چندرسانه ای با داشتن کیفیت سرویس در شبکه های adhoc ایجاد کرده است. در این پایان نامه دو روش جدید و هوشمند برای مسیریابی کیفیت سرویس چند محدودیته در شبکه های adhoc را ارائه می کنیم. می توان گفت روش های ارائه شده با استفاده از حداقل منابع و زمان محاسباتی پایین در یک محیط پویا، پارامترهای کارایی شبکه را بهبود می دهد. نتایج شبیه سازی بیانگر کارایی بیشتر این روش در مقایسه با دیگر روش های کلاسیک موجود می باشد.

محققان در روشهای کنترلی، همیشه دنبال ایده های جدید با پیچیدگیهای جالب که در دنیای واقعی با آن روبرو هستند می باشند. یکی از این سیستم های مطرح در مهندسی کنترل، سیستم گوی معلق مغناطیسی می باشد. سیستم گوی معلق مغناطیسی با توجه به عملکرد غیرخطی، سیستمی ایده آل با ویژگیهای خاص برای اعمال کنترل کننده های مختلف می باشد. در این پایان نامه بعد از طراحی کامل سیستم شامل سیم پیچ و مدار الکترونیکی اقدام به ساخت سیستم گوی معلق مغناطیسی گردید. از سنسور مادون قرمز برای اندازه گیری موقعیت استفاده شده است و خروجی کنترل کننده نیز با یک طبقه ترانزیستوری به سیستم اعمال شد. در بخش طراحی کنترل کننده نیز کنترل کننده های pid و svfc مورد شبیه سازی قرار گرفت. در قسمت پیاده سازی عملی کنترل کننده نیز کنترل کننده pid و کنترل کننده تناسبی با بهره متغیر پیاده سازی شد که جواب آن تقریباً قابل قبول می باشد.

در این نوشتار روشی نوین برای حل معادلات دیفرانسیل با مشتقات جزئی بیضوی به صورت تحلیلی ارایه شده است. روشهای عددی گوناگونی برای حل این دسته از معادلات موجود است، اما ایجاد روشی هوشمند که قابلیت تولید پاسخ های تحلیلی دارد، کمک خواهد کرد که از مزایای تولید راه حل های تحلیلی نیز بهره مند شد. علت اهمیت بالای اینگونه معادلات را می توان در کاربردهای فیزیکی آنها دانست. برای حل این معادلات از برنامه نویسی ژنتیک کارتزین استفاده خواهد شد که در آن عملگر برش نیز افزوده شده تا بتواند پاسخ های تحلیلی مناسب تری را تولید نماید. نوع پیشین این نوع برنامه نویسی، برنامه نویسی ژنتیک است که از ساختار درخت برای تکامل استفاده می نمود. در مقابل ساختار درختی، برنامه نویسی ژنتیک کارتزین از ساختار گرافی بهره می برد. علاوه بر ساختار گرافی، قابلیت منحصر به فرد خنثایی نیز در این برنامه نویسی وجود دارد که موجب شده تا بتوانیم از مزایای این نوع برنامه نویسی که در مقالات گوناگونی ارایه شده بهره مند شویم. بدین وسیله انتظار می رود که پاسخ های بهتری از لحاظ دقت نسبت به برنامه نویسی ژنتیک معمولی تولید نماید. درنتیجه می توان دامنه بزرگی از مسایل که از معادلات دیفرانسیل با مشتقات جزئی بیضوی پیروی می کنند را مورد خطاب قرار داده و حل تحلیلی برای آنها پیشنهاد کرد.

در این نوشتار پس از جمع آوری داده های سنسورها و عملگرهای توربین گازی مدل v94.2 زیمنس، ابتدا شناسایی پارامترهای کلیدی توربین در وضعیت های راه اندازی، بار گذاری و از دست دادن بار با استفاده شبکه های عصبی mlp بصورت black box انجام خواهد گردید. این پارامترها شامل سرعت، بار و دمای خروجی توربین گاز می باشد. پس از آن مدل دینامیکی جهت تخمین متغیرهای موثر در هریک از وضعیت ها استخراج می گردد و صحت نتایج آن بوسیله داده های تست بررسی خواهد شد. در ادامه مدل پیش بین توربین گازی استخراج و نتایج آن با استفاده از داده های تست بررسی خواهد شد. در انتهای شناسایی، مدل سیمولاتوری توربین گاز معرفی خواهد گشت. در ادامه طراحی کلی سیستم کنترل با استفاده از مفاهیم کنترل کننده عصبی انجام خواهد گرفت، سیستم کنترل معرفی شده شامل دو حلقه اصلی یکی برای کنترل بار/ سرعت و دیگری جهت کنترل دما خواهد بود. روابط لازم جهت به روز رسانی ضرایب کنترل کننده و نیز محاسبه ژاکوپین فرآیند، در هر یک از نقاط کار بررسی و صحت عملکرد کنترل کننده نیز با استفاده از داده های تست نشان داده خواهد شد.

در این پایان نامه، ابتدا مدار محرک سیستم کنترل مکان عمودی پلاسما را که مبتنی بر تریستور بود را با مدار محرک مبتنی بر igbt جایگزین کردیم. سپس با استفاده از پردازنده dsp ممیز-ثابت tms320vc5502 از شرکت texas instruments به تحقق کنترل کننده آنالوگ pd به صورت دیجیتال بر روی این سیستم پرداختیم و در انتها به پیاده سازی کنترل کننده عصبی چند لایه دینامیک به صورت برون خط و برخط برای کنترل مکان عمودی پلاسما در دستگاه توکامک دماوند، پرداختیم. یکی از دلایلی که ما را به پیاده سازی کنترل کننده عصبی بر روی این توکامک ترغیب کرد، عدم وجود مدلی دقیق برای این دستگاه غیرخطی متغیر با زمان است. ساختار کنترل کننده عصبی مورد استفاده از نوع تطبیقی مستقیم می باشد. برای آموزش کنترل کننده عصبی به صورت برخط از الگوریتم های گرادیان نزولی با ممان و rprop استفاده کردیم. برای پیاده سازی این الگوریتم ها بر روی پردازنده ممیز-ثابت مذکور به صورت بلادرنگ، سعی شده از بهترین و سریع ترین روش ها برای کدنویسی استفاده شود تا در مدت زمان نمونه برداری سیستم(ts=100us) پردازنده مذکور بتواند هم شبکه عصبی را یکبار اجرا کند و هم پارامترهای آن را بروز نماید. در این پایان نامه هدف ما این نیست که بهترین کنترل کننده عصبی را برای کنترل مکان عمودی پلاسما پیدا کنیم، بلکه زیرساخت های لازم را برای تحقیق بیشتر در این زمینه فراهم آوریم.

دراین طرح، ابتدا کارایی و ساختار سه نوع عملگر الکتروهیدرولیکی، الکترومکانیکی و الکتروهیدرواستاتیکی مورد بررسی قرار گرفته است، سپس با انتخاب عملگر الکتروهیدرواستاتیکی بعنوان عملگری با مزایای مضاعف نسبت به دیگر عملگرها، این عملگر با توجه به کاربرد مورد نظر، شبیه ساز بار دینامیکی، و قطعات موجود در بازار ایران طراحی شده است. کارکرد مدار طراحی شده با استفاده از شبیه سازی مدار در نرم افزار matlab، جعبه ابزار simhydraulic بررسی می شود و برای اثبات صحت کارکرد آن نتایج این شبیه سازی با شبیه سازی همین مدار در نرم افزار automation studio و مدل سازی ریاضی آن در simulink مقایسه می شود. با توجه به رفتار غیر خطی عملگر، دو کنترل کننده ی فازی-pid و فازی-pid با استفاده از شبکه عصبی برای کنترل مجموعه طراحی و شبیه سازی شده است. در نهایت عملگر الکتروهیدرواستاتیکی با مداری متفاوت، کارکردی مشابه و مصرف کمتر انرژی نسبت به ساختار مرسوم آن طراحی و شبیه سازی می شود.

پیش بینی فرایند دینامیکی یکی از مهمترین اجزای مدیریت و کنترل این فرایندها در بسیاری از زمینه ها در علوم و فن آوری می باشد . از جمله این فرایندها که ارتباط مستقیمی بازندگی بشری که بدون صنعت زیستن برایش ناممکن است، آلودگی هوا می باشد. در این گزارش با استفاده از چهار روش اقدام به پیش بینی آلاینده های هوای شهر اراک نمودیم. در فصل اول به کمک روشهای کلاسیک و بوسیله ابزارهای ریاضی اقدام به بررسی نوع داده ها به صورت سری های زمانی نموده ایم. در ادامه با توجه به دینامیک بالای غیر خطی داده ها با کمک سه نوع شبکه های عصبی که به خوبی می توانند دینامیک غیر خطی داده ها را مدل کنند اقدام به پیش بین نمودیم. دومین روش، شبکه های عصبی پرسپترون چند لایه می باشد. سپس اقدام به حافظه دار نمودن شبکه نمودیم، که حاصل آن دوشبکه عصبی با نامهای tdl و گاما شد.

در این رساله به طور کلی هدف استفاده از روش تابع سیم پیچی برای مدلسازی دقیقترِ ماشین سنکرون قطب برجسته، بمنظور استفاده از این مدل در طراحی یک سیستم تشخیص و شناسایی خطا مبتنی بر مدل می باشد. برای این منظور، ابتدا روش تابع سیم پیچی توسعه یافته جهت استفاده در محاسبه دقیق اندوکتانسهای ماشین سنکرون قطب برجسته که داری فاصله هوایی غیر یکنواخت است معرفی می گردد. استفاده از روش تابع سیم پیچی در محاسبه اندوکتانسهای ماشینهای با فاصله هوایی غیر یکنواخت مورد تردید برخی از محققان است. لذا ابتدا به رفع این تردید پرداخته و در ادامه به کمک روش پیشنهادی، اندوکتانس های یک ماشین قطب برجسته محاسبه میشود. برای تایید درستی روش پیشنهاد شده، اندوکتانسهای به دست آمده از این روش با آنهایی که از روش اجزا محدود محاسبه شده اند، مقایسه میشوند. علاوه بر این، برای در نظرگرفتن اشباع هسته، از منحنی های مغناطیسی به دست آمده از روش اجزا محدود استفاده میشود. مقایسه نتایج تست های عملی با نتایج شبیه سازی صحتِ روش پیشنهادی را تایید میکند. در ادامه با استفاده از روش تابع سیم پیچی، اندوکتانسهای ماشین ناسالمِ تحت خطای اتصال کوتاه مورد محاسبه و بررسی قرار میگیرد. با استفاده از این اندوکتانسها، مدل ماشین در حالت ناسالم استخراج میگردد. در این قسمت نیز مقایسه نتایج تست های عملی با نتایج شبیه سازی برای ماشینِ ناسالمی که تحت خطای اتصال کوتاه است، صحتِ روش پیشنهادی تایید میشود. در ادامه به کمک مدل به دست آمده برای ماشین، یک سیستم تشخیص و شناسایی خطا طراحی میگردد. این سیستم یک سیستم دو لایه است که وظیفه لایه اول تشخیص وقوع خطا و وظیفه لایه دوم شناسایی نوع و محل خطاست. سیستم طراحی شده یک سیستم تشخیص و شناسایی خطای مبتنی بر مدل است که در آن یک مدل برای حالت سالم و چندین مدل برای حالات مختلف خطا در نظرگرفته شده است. در این روش تشخیص و شناسایی خطا، ورودی ماشین واقعی به مدلِ ماشین نیز خورانده میشود. سپس سیگنالهای خروجیِ ماشین واقعی و مدل با هم مقایسه میشوند. نتیجه این مقایسه سیگنال مانده است که با ارزیابی آن وجود یا عدم وجود خطا و سپس نوع و محل آن اعلام میشود. مزیت سیستم دو لای? ارائه شده در این رساله این است که برای تشخیص خطا همواره فقط یک مدل (که مدل حالت سالم است) مورد استفاده قرار میگیرد و این باعث کاهش حجم محاسبات در دوره کار عادی ماشین و افزایش سرعتِ تشخیص خطا میشود. بعد از وقوع خطا و اعلام آن توسط لایه اول، لایه دوم وارد عمل شده و وظیفه شناسایی خطا را به عهده میگیرد. نتایج تستهای عملی کارایی سیستم ارائه شده را تایید میکند. کلید واژه: تشخیص و شناسایی خطا، اتصال کوتاه داخلی، ماشین سنکرون قطب برجسته، روش تابع سیم پیچی، روش اجزا محدود

در این نوشتار قصد بر آن است که به معرفی نگرشی نوین در استفاده از سیگنال آشوب در سیستم های مکانیکی بپردازیم و با استفاده از مفهوم همزمان سازی که به وفور در سیستم های مخابراتی و به صورت ویژه در مخابرات امن استفاده می شود، سیستم مکانیکی را آمیخته به سیگنال آشوب کرده و نتایج و اثرات حضور این سیگنال را بر عملکرد سیستم مکانیکی مورد بررسی قرار می-دهیم. لذا، برای مقایسه ی حضور و عدم حضور سیگنال آشوب در سیستم مکانیکی و تاثیر آن بر عملکرد سیستم، سیستم لورنز را به عنوان سیستم آشوب ناک انتخاب می کنیم، این سیستم دارای یک پارامتر آزاد است که با تغییر آن وضعیت سیستم غیرخطی تغییر کرده و می توان عملکرد سیستم مکانیکی را در حالت های مختلف باهم مقایسه کرد. تغییر عملکرد را برای کنترل کننده های مختلف بررسی کرده و ناحیه ی با عملکرد بهینه را مشخص می کنیم. به صورت نظریه و عملی نشان می دهیم که عملکرد بهینه ی سیستم در ناحیه ای رخ می دهد که سیگنال همزمان سازی آشوب ناک می باشد. در ادامه پارامتر ضریب تضعیف همزمان سازی را که یکی از پارامترهای موثر در عملکرد سیستم است، تغییر داده و به ازای آن عملکرد سیستم را به ازای این تغییر تحلیل می نماییم

یکی از ربات های متحرک که امروزه توجه محققین زیادی را به خود جلب کرده، ربات تعادلی متحرک است. این سیستم یک پاندول معکوس است که بر روی یک یا دو چرخ قرار گرفته و قابلیت حرکت دارد. با توجه به اینکه این ربات ها به صورت ذاتی ناپایدار هستند و علاوه بر این دینامیک پیچیده و عملکرد غیرخطی دارند، یافتن یک سیستم کنترلی مناسب که تعادل ربات را حفظ کند اساسی است. یکی از روش های کنترلی کارآمد، کنترل کننده فازی توزیع یافته (pdc) است. در این روش از مدل سازی فازی استفاده می شود که مدل های خطی محلی را در نقاط کار مختلف سیستم به دست می آورد و با استفاده از تئوری فازی آن ها را ترکیب می کند. در حقیقت در این روش ابتدا معادلات دینامیکی غیرخطی سیستم به مدل فازی تاکاگی-سوگنو (ts) تبدیل می شود. مدل ts توسط قوانین فازی اگر-آنگاه بیان می شود که هر قانون دینامیک های محلی را در قالب یک مدل خطی ارائه می کند، مدل نهایی سیستم از ترکیب فازی این مدل های خطی محلی، حاصل می شود. پس از به دست آوردن مدل فازی، برای طراحی کنترل کننده از روش pdc استفاده می شود که در آن برای هر زیرسیستم خطی، یک کنترل کننده خطی طراحی می شود و در نهایت با ترکیب فازی این کنترل کننده ها، یک کنترل کننده غیرخطی ایجاد می شود. پایداری این کنترل کننده با حل شرایط پایداری با استفاده از نامساوی ماتریس خطی (lmi) قابل اثبات است.این پایان نامه به شبیه سازی و پیاده سازی کنترل کننده فازی توزیع یافته بروی ربات غیرخطی و ناپایدار دوچرخ تعادلی می پردازد. در ابتدا مدل دینامیکی غیرخطی سیستم که با روش لاگرانژ محاسبه شده است، به مدل فازی تاکاگی-سوگنو با سه زیرمدل و تابع عضویت ذوزنقه ای تبدیل می شود. سپس قوانین کنترلی فازی بر اساس روش جبرانساز موازی توزیع یافته بدست می آیند و با استفاده از آن به حفظ تعادل ربات و تعقیب حرکت ربات بر روی یک مسیر دایره ای می پردازیم. سپس مساله وجود تاخیر زمانی مشخص مورد بررسی قرار می گیرد و برای حفظ پایداری ربات با تاخیر زمانی، در قسمت کنترل کننده از پیش بین اسمیت استفاده می شود. نتایج شبیه سازی در هر مرحله کارایی کنترل کننده به کار برده شده را تایید می کنند. سپس کنترل کننده فازی توزیع یافته طراحی شده را بر روی ربات اجرا می کنیم تا عملکرد آن را در حفظ تعادل ربات تعادلی دوچرخ بررسی کنیم. علاوه بر این، یک کنترل کننده pid با سعی و خطا طراحی و بر روی ربات پیاده می شود و با استفاده از نتایج آن، مدل فازی ts دیگری با استفاده از داده های ورودی و خروجی ربات و به کارگیری الگوریتم ژنتیک به دست می آید. در این مرحله کنترل کننده pdc با کنترل کننده محلی pid نیز بر روی ربات پیاده می شود و مقایسه نتایج کنترل کننده pdc با کنترل کننده محلی فیدبک حالت و کنترل کننده pdc با کنترل کننده محلی pid نشان می دهد که هر دو کنترل کننده ربات را متعادل می کنند اما در حالتی که کنترل کننده های محلی، فیدبک حالت هستند تغییرات زاویه پاندول ربات کم تر است و تلاش کنترلی کمتری برای حفظ تعادل ربات لازم است.

پایان نامه حاضر به شناسایی و کنترل یک مدل سیمولاتوری از توربین گازی اختصاص دارد. بدین منظور روش های خطی و غیرخطی در شناسایی سیستم ها، و نیز کنترل کننده فازی و الگوریتم های بهینه سازی مورد استفاده قرار گرفته اند. در طراحی یک سیستم کنترل به طور معمول لازم است که ابتدا بیان ریاضی منطقی مناسبی از خروجی تحت کنترل به دست آورد، لذا برای شناخت هرچه بیشتر این سیستم از 9 روش شناسایی خطی و غیرخطی استفاده شده است که معیارهای سنجش mse و fitness شرایط مقایسه روش های به کار گرفته شده و انتخاب کارآمدترین روش را مهیا می کند. از طرف دیگر، برای شناسایی ورودی های موثر، از 2 روش تحلیل فیزیکی و استفاده از تابع همبستگی استفاده شده است. سعی شده است مفاهیم روش های شناسایی طوری شرح داده شوند تا خواننده بتواند به راحتی برای هر سیستم دیگری معادلات را بازنویسی نماید. با توجه به عدم تمرکز پژوهشگران برروی بهسازی سیستم گاورنر این سیمولاتور توربین گازی، از یک کنترل کننده ساده استفاده شده است، لذا پیاده سازی یک کنترل کننده پیشرفته تر در بهبود عملکرد گاورنر این توربین کمک شایان توجهی می کند. این توربین از یک سرعت اولیه شروع به کار می کند و پس از طی زمان مشخص و رسیدن به حد ثانویه سرعت، گاورنر فعال می شود، از آنجاییکه کنترل کننده های فازی در موارد شرطی عملکرد قابل قبولی دارند، استفاده از این کنترل کننده ها در مقابل کنترل کننده های کلاسیک در این پایان نامه به کار گرفته شده است. همچنین استفاده از الگوریتم های مبتنی بر جستجوی تصادفی مانند الگوریتم بهینه سازی ذرات(pso) و الگوریتم انتخاب تکثیری (clonalg) ، برای ارزیابی بهتر و مقایسه با یکدیگر، گامی در جهت پیشبرد هرچه بهتر بهینه سازی این سیستم است.

در این پایان نامه، با استفاده از یک مجموعه داده ی اندازه گیری شده از بویلر بازیاب حرارتِ مستقر در نیروگاه سیکل ترکیبی نکا، یک مدلِ دینامیکیِ پیش بین، با دقت مناسب برای تخمین سطح آب دو درامِ اصلیِ سامانه طراحی شده است. در این فرایند ابتدا تحلیل دینامیکیِ سامانه، توسط عملگر کورلیشن انجام شده و مدل های خطیِ arx، armax و bj با ورودی های منتخب مبنی بر نتایج به دست آمده از این مرحله بررسی شده¬اند. نتایج این مرحله عدم موفقیت مدل های خطی در پیش بینی سامانه را نشان داده است. سپس شبکه های عصبیِ rbf و mlp و روش های بهینه سازی مختلفی نظیر gd، gdm، lm و ls برای پیاده سازی ساختار غیرخطیِ narx مورد استفاده قرار گرفته اند. در این مرحله از الگوریتم ژنتیک و روش های fs و be جهت یافتن دینامیک ها استفاده شده و نتایج برای یافتن بهترین مدل با هم مقایسه شده اند که این نتایج حاکی از عملکرد بهتر شبکه های mlp در مقایسه با شبکه های rbf بوده است. همچنین در بین روش های انتخاب دینامیک، fs و be با وجود اندکی خطای بیشتر از روش ga در پیش بینی خروجی ها، به دلیل دستیابی به ابعاد بسیار کوچک تری برای رگرسورهای ورودی، به عنوان بهترین الگوریتم های شناسایی دینامیک معرفی گردیده اند.

این پایان نامه به بررسی شناسایی وکنترل عملگر الکترومکانیکی چرخشی نوین که توسط نرم افزارmatlab شبیه سازی شده است، پرداخته است. در فصل اول، مقدمه ی کلی درباره ی عملگرهای الکترومکانیکی و فرایند پایان نامه توضیحاتی داده شده است. فصل دوم به معرفی بخش های مختلف یک عملگر الکترومکانیکی پرداخته است. در این فصل انواع سازوکارهای مختلف برای طراحی یک عملگر الکترومکانیکی توضیح داده شده است. در انتهای این فصل نیز به بررسی عملگر الکترومکانیکی شبیه سازی شده در simmechanics پرداخته و قسمت های مختلف شبیه سازی توضیح داده شده اند. در فصل سوم به منظور یافتن مدل ریاضی از سامانه، از روش های شناسایی جعبه سیاه استفاده شده است. در ادامه نیز مدل مرتبه اول با تاخیر بر روی این سامانه برازش شده است. فصل چهارم این پایان نامه به بررسی کنترل عملگر الکترومکانیکی به عنوان یک سامانه غیرخطی پرداخته است. در ابتدای این فصل روش های مختلف به کار رفته برای کنترل یک عملگر الکترومکانیکی به طور خلاصه بیان شده اند. ورودی این سامانه، ولتاژ تامینی موتور الکتریکی و خروجی آن زاویه ی بالک نصب شده بر خروجی عملگر الکترومکانیکی می باشد. از این سامانه در سطوح پروازی استفاده می شود. هدف از کنترل، ردیابی ورودی مرجع aprbs برای بالک در حضور اغتشاش ناشی از باد می باشد. در این فصل از روش های عصبی fel و dinc استفاده شده است. نتایج شبیه سازی مربوط به روش های هوشمند با روش های متداول کنترل صنعتی مبتنی بر مدل شناسایی شده،از جهت انرژی مصرفی و سایر شاخص های کنترلی مورد مقایسه قرار گرفته است.

هم اکنون شاهد آن هستیم که توجه جدی جهانیان به توسعه و گسترش استفاده از انرژی تجدیدپذیر و یک منبع توان جدید با بازدهی بالا، انتشار آلودگی پایین، و سوخت در دسترس معطوف شده است. از جمله این موارد پیل های سوختی می باشد که در صنعت خودروسازی بسیار مورد توجه قرار گرفته اند و دانشمندان در حال ساخت ماشینی هستند که از اگزوز آن به جای دود، آب خارج می شود. موضوعی که در این پروژه مورد بررسی قرار گرفته است، مدیریت آب و رطوبت در پیل سوختی با استفاده از روش آموزش خطای پسخورد(fel) که روشی هوشمند بر مبنای شبکه عصبی است، می باشد. تا از این طریق فرسایش غشاء کنترل شده، طول عمر پیل سوختی افزایش یابد و ولتاژ خروجی در برابر تغییراتی که در پارامتر های سیستم و اغتشاشات وارده به سیستم وجود دارد، ثابت و مقاوم بماند. در این پروژه مدلسازی و کنترل پیل سوختی با غشاء تبادل پروتونی (pemfc) مبدل های الکترونیک قدرت در خودروهای پیل سوختی ترکیبی (fchv) مورد بررسی قرار گرفته است. مدل دینامیکی نیمه تجربی ارائه شده است که به دلیل دقت بالایی که دارد، برای طراحی کنترل کننده های پیل سوختی مناسب است. سپس به معرفی و پیاده سازی روش های کلاسیک و هوشمند پرداخته شده و این روش ها با روش fel که روشی ترکیبی است، مقایسه می شود. در انتها هم از الگوریتم ژنتیک برای بدست آوردن پاسخ بهتر در مقابل اغتشاش و نامعینی در سیستم استفاده شده است.

در این نوشتار به بررسی موضوع عیب یابی با استفاده از مدل rowen که یکی از مدل های مهم و معروف توربین های گازی کار سنگین است، پرداخته خواهد شد. مدل مذکور قبلاً در محیط simulink شبیه سازی شده است . چندین نوع عیب مهم حرارتی به طور معمول در توربین های گازی رخ می دهند. در این نوشتار با بررسی این عیب ها و افزودن آن ها به مدل شبیه سازی شده، سعی در ایجاد مدلی جامع تر شده است. ضرایب و مشخصات عیب های اضافه شده به مدل، قبل از اعتبار سنجی آن، بر اساس مدل توربین گازی simani است. سپس برای اعتبار سنجی مدل، از داده های عملکردی توربین گازی استفاده خواهد شد که به دلیل محدودیت داده ها تنها در دو حالت نرمال و عیب آلودگی پره های کمپرسور به اعتبارسنجی مدل پرداخته خواهد شد. داده های واقعی توربین گازی از نیروگاه سیکل ترکیبی پره سر اخذ شده اند. روش تنظیم پارامترهای مدل بر پایه الگوریتم ژنتیک چندهدفه خواهد بود. درنهایت و پس از انجام مراحل فوق، با استفاده از شبکه های عصبی به تشخیص عیب داده های دریافتی از مدل rowen در دو حالت قبل و بعد از اعتبار سنجی آن پرداخته خواهد شد.

در این نوشتار، شناسایی و کنترل شبیه ساز بار آیرودینامیکی توسط عملگر الکتروهیدرواستاتیکی مورد بحث قرارگرفته است. بخش مکانیکی و هیدرولیکی این عملگر در نرم افزار simhydraulic-matlab شبیه سازی شده و توسط نرم افزارهای مختلف مانند automation studio مورد اعتبارسنجی قرارگرفته است. برای بدست آوردن مدل ریاضی، از روش شناسایی جعبه سیاه با استفاده از داده های شبیه ساز استفاده شده است. کنترل شبیه ساز بار از مباحث ضروری موجود در صنعت می باشد، بنابراین به کمک کنترل کننده رایج صنعتی pid، سیستم موردمطالعه را کنترل می نماییم. به دلیل پیچیدگی ها و غیرخطی گری های سیستم، pid قادر به کنترل کردن این سیستم نیست، بنابراین به کمک کنترل کننده های هوشمند، همانند کنترل کننده های فازی pi و عصبی fel کنترل سیستم را بهبود می بخشیم و در نهایت نتایج بدست آمده از آن ها با یکدیگر مقایسه و تحلیل لازم صورت می پذیرد.

آنچه در این نوشتار خواهید خواند معرفی یک ساختار نوین برای تشخیص و جداسازی عیب در یک سیستم صنعتی می باشد. در ساختار پیشنهاد شده ابتدا با استفاده از یک شبکه عصبی دینامیکی، سیستم مورد نظر شناسایی می شود، سپس با مقایسه خروجیهای مدل و سیستم، مانده ساخته می شود که با شناسایی و مدل سازی این مانده، عدم قطعیت موجود در مدل نرم افزاری سیستم تقریب زده می شود و نشان داده می شود که می توان بر اساس عدم قطعیت موجود در مدل نرم افزاری، آستانه های تطبیقی را برای خروجی مدل تعریف کرد و سپس روشی موثر برای جداسازی عیوب به ویژه در سیستمهایی که برای هر عیب بیش از یک شدت در نظر گرفت، ارائه می گردد. که جداسازی با استفاده از یک درخت تصمیم و شبکه های عصبی تحقق می یابد. و هر بخش درخت متناظر با حالت خاصی از رفتار سیستم در هنگام وقوع عیب می باشد. این روش در مقایسه با سایر کارهای انجام شده بر روی این محک مقرون به صرفه می باشد و همچنین برای کاربردهای عیب یابی بر خط مناسب می باشد. به منظور بررسی عملکرد این ساختار آن را بر روی یکی از محکهای استاندارد تشخیص عیب، یعنی محک damadics به کار بردیم. از آن جایی که در توسعه این روش فرض خاصی در مورد سیستم مورد مطالعه در نظر گرفته نمی شود، به سادگی می توان آن را برای طیف وسیعی از سیستمهای صنعتی به کار برد.

در این نوشتار دو روش جدید برای طراحی سنسور نرم بر مبنای ماشین بردار پشتیبان اصلاح شده و کمترین مربعات ماشین بردار پشتیبان اصلاح شده، پیشنهاد و طراحی می شود. در روش های اصلاح شده، ماشین به طور کامل برای تعداد مختلف بردار پشتیبان آموزش می یابد. علاوه بر آن، مراکز توابع کرنل به صورت تصادفی از بین تمام داده ها انتخاب می شود. نوآوری این پایان نامه اصلاح الگوریتم آموزش ماشین در این روش ها می باشد. همچنین در این پژوهش از روش های پیشنهادشده برای تخمین دو متغیر نقطه اشتعال و غلظت محصول نهایی در واحد غلظت شکن پالایشگاه نفت تبریز استفاده می شود. با توجه به ابعاد بالای سیستم، بهره گیری از روش آنالیز مولفه های اصلی برای کاهش ابعاد سیستم پیشنهاد می شود. نتایج شبیه سازی نشان می دهد که به کارگیری این روش ها برای طراحی سنسور نرم در واحد غلظت شکن پالایشگاه نفت تبریز نسبت به سایر روش های طراحی مانند شبکه های عصبی mlp و rbf، شبکه عصبی- فازی خطی محلی، ماشین بردار پشتیبان استاندارد و حداقل مربعات ماشین بردار پشتیبان استاندارد، دارای عملکرد بهتری است.

تجهیزات و ادوات دوار امروزه جز حیاتی¬ترین تجهزات مورد استفاده در زندگی روزمره انسان¬ها می باشد. کارکرد بهینه این تجهیزات تاثیرات بسزایی در زمینه¬های مختلف همچون اقتصادی و زیست محیطی دارد. از جمله مهمترین اجزاء تجهیزات دوار روتور سیستم می باشد که وظیفه انتقال نیرو و حرکت دورانی را بر عهده دارد. دسترسی به سرعت های بالاتر از یک طرف و حذف پارامترهای ناخواسته کارکردی روتور از طرف دیگر می تواند تاثیر بسزایی در ارتقاء کیفیت عملکردی یک سیستم دوار داشته باشد. استفاده از سیستم یاتاقان مغناطیسی یکی از روش های نوین و پیشرفته به منظور بهبود عملکرد یک روتور می باشد. با استفاده از این سیستم امکان حذف اصطکاک¬های تماسی در حرکت روتور برای دستیابی به سرعت های بالاتر وجود دارد. همچنین به علت آنکه سیستم¬های یاتاقان مغنلطیسی تجهیزاتی فعال می باشند می توان با استفاده از این قابلیت خاص به خذف پارامترهای ناخواسته کارکردی روتور هنگام کارکرد پرداخت. طراحی و پیاده سازی یک سیستم یاتاقان مغناطیسی کاری پیچیده است به همین علت مهندسان به دنبال روش و ابزارهای مختلفی برای تسهیل روندهای طراحی سیستم های یاتاقان مغناطیسی می باشد. در این پژوهش ابتدا به مطالعه اجزای مختلف یک سیستم یاتاقان مغناطیسی پرداخته می شود و در هر بخش استفاده از نرم افزارهای مدلسازی و شبیه سازی تخصصی همچون amesim ،adams و simulink جهت امکان توسعه محیط شبیه ساز به منظور تسهیل نمودن روند طراحی سیستم یاتاقان مغناطیسی مورد بررسی قرار گرفته است.

در این پایان نامه، تعمیم رویکردهای بیزین در تخمین پارامتر و تعیین ساختار مدل به سیستم های با نرخ نمونه برداری چندگانه ارائه شده است.

در این پایان نامه از دو روش دسته بندی کننده های نظارتی و غیرنظارتی، به عنوان روش های مبتنی بر سیگنال، برای آشکارسازی و تشخیص عیب در سیستم غیرخطی توربین های گازی بهره گرفته شده است. برای این منظور از داده های عملکردی توربین گازی که در شرایط نرمال و معیوب توربین ثبت شده اند، استفاده شده است. داده ها از دو منبع مختلف بدست آمده اند، که شامل داده های ثبت شده از شبیه ساز simani و نیز داده های واقعی توربین گازی می باشند. داده های تجربی، از توربین گازی v94.2 زیمنس، که یکی از توربین های پرکاربرد در نیروگاه های کشور است، ثبت شده است. این توربین یک توربین گازی تک شفت با توان نامی 162 مگاوات می باشد و در واحد شماره 3 نیروگاه سیکل ترکیبی پره سر گیلان نصب شده است. شبیه ساز simani یک شبیه ساز دقیق و معتبر برای توربین های گازی تک شفت می باشد، که توانایی مدل کردن چهار نوع از عیب های رایج توربین های گازی را دارا می باشد. از الگوریتم های خوشه بندی فازی fuzzy c-means، gustafson-kessel و gath-geva به عنوان دسته بندی کننده های غیرنظارتی و از دسته بندی کننده های anfis، mlp و rbf به عنوان دسته بندی کننده های نظارتی، استفاده شده است. برای کاهش بعد داده ها از روش های کاهش بعد آنالیز اجزای اصلی، به عنوان یک روش غیر نظارتی، و روش آنالیز تفکیک خطی، به عنوان یک روش نظارتی، استفاده شده است. مقایسه نتایج حاصله برای داده های شبیه ساز simani نشان می دهد که ترکیب روش کاهش بعد آنالیز تفکیک خطی و الگوریتم خوشه بندی gustafson-kessel در بخش دسته بندی کننده های غیرنظارتی و ترکیب روش کاهش بعد آنالیز تفکیک خطی و دسته بندی کننده های مختلف در بخش دسته بندی کننده های نظارتی عملکرد بهتری دارند. نتایج حاصله برای داده های توربین گازی واقع در نیروگاه پره سر گیلان نیز نشان می دهد که ترکیب روش کاهش بعد آنالیز تفکیک خطی و الگوریتم های خوشه بندی فازی عملکرد بسیار خوبی را به نمایش می گذارد.

در این مجلد، در ابتدا دسته های مختلف روش های عیب یابی، شامل دو دسته ی عمده ی عیب یابی برپایه ی مدل و عیب یابی برپایه ی حافظه ی فرآیند بررسی می شوند. بررسی روش های یادشده به همراه تاریخچه و با تعریف مفاهیم اولیه در حوزه ی متناظر همراه می باشد. در ادامه بر دسته ی اول متمرکز شده و در جستجوی روش هایی از این دسته است که متناسب با سیستم های غیرخطی می باشد. برای بررسی روش های عیب یابی برپایه ی مدل در سیستم های غیرخطی چهار گروه مدنظر قرار می دهد: روش های هندسی، روش های برپایه ی رویتگر تطبیقی، روش های برپایه ی رویتگر مقاوم، و روش های برپایه ی رویتگر مود لغزشی. ساختار کلی روش های هر یک از این چهار گروه با توجه مقالات دهه ی اخیر توضیح داده می شود. در نهایت مجموعه با پیشنهادات و نتیجه گیری به پایان می رسد.

بسیاری از مطالعات انجام شده در زمینه شناسایی عارضه راه از تصاویر ماهواره ای پیکسل مبنا می باشند. جهت کاستن از مشکلات روش های پیکسل مبنا، در این پایان نامه از روش عارضه مبنا استفاده شده است. همچنین در پردازش تصاویر معمولاً با عدم قطعیت هایی مانند عدم قطعیت های ناشی از تصویر نمودن عارضه سه بعدی در تصویر دو بعدی، مرزهای مبهم، شرایط روشنایی ضعیف و غیر یکنواخت و همچنین غیر خطی بودن سیستم های تصویربرداری مواجه می باشیم. از آنجایی که توابع عضویت در مجموعه های فازی نوع 1 قطعی می باشند، در این پایان نامه استفاده از مجموعه های فازی نوع 2 که به دلیل رفتار بسیار منعطف تر توابع عضویت فازی، امکان مدل نمودن نمونه هایی با عدم قطعیت های بالا را بیش از پیش فراهم می سازند پیشنهاد شده است. با توجه به اینکه یکی از مهم ترین چالش های حال حاضر سیستم های فازی نوع 2 تعداد محاسبات بالای آن می باشد، طرح ترکیبی جدیدی از الگوریتم ژنتیک شامل روش های pittsburg و cooperative-competitive جهت طراحی سیستم ارائه گردیده است.