این پایان نامه به بررسی و کاربرد روش های هوشمند در کنترل تطبیقی پرواز می پردازد. از میان روش های هوشمند دو روش شبکه های عصبی و منطق فازی مورد مطالعه قرار گرفته اند. همچنین از الگوریتم ژنتیک در ترکیب با این روش ها برای بهینه سازی عملکرد استفاده شده است. سیستم های تحت کنترل شامل ماهواره بر و ماهواره صلب و انعطاف پذیر است. این پایان نامه به دو بخش اساسی تقسیم می گردد، بخش اول به کنترل فازی، anfis و ارائه ساختار جدید عصبی – فازی بر روی ماهواره بر پرداخته، و بخش دوم شامل سنتز کنترلر تطبیقی بر پایه جبران ساز عصبی، برای کنترل وضعیت ماهواره های صلب و غیر صلب است. همچنین به بررسی مقاومت و تحلیل پایداری نیز پرداخته شده است. در انتها شبیه سازی ها تحت شرایط خاص از جمله وجود انواع اغتشاش، اشباع عملگر، و عدم قطعیت انجام شده و نتایج بصورت کاربردی ارائه شده است.

امروزه بسیاری از شرکت ها و تولیدکنندگان خودرو، جهت تولید خودروهای ایمن تر با آسایش بیشتر، اقدام به اضافه نمودن سیستم های هوشمند به خودرو نموده اند تا خطای انسانی و وظیفه انسانی را در رانندگی کاهش دهند که به این گونه از سیستم ها، سیستم های کمک راننده می گویند. یکی از عواملی که طبق آمار تقریبا مسئول حداقل 20% تلفات جانی در رانندگی است، رانندگی در شرایط خواب آلوده است که روش های متفاوتی برای تشخیص آن ارائه شده است تا سیستم های هوشمند در این شرایط جایگزین راننده شوند. در این پژوهش سعی شده است تا یک سیستم هوشمند ارائه شود که با دریافت قطعیت خواب آلودگی راننده، اقدام به هدایت خودرو نموده و نهایتا با اجتناب از برخورد با خودروهای دیگر آن را در حاشیه جاده متوقف نماید. تمرکز این پژوهش تنها بر الگوریتم سیستم هدایت بوده و به مسائل مکاترونیکی نپرداخته است اما از اجرایی بودن الگوریتم اطمینان حاصل شده است. سیستم طراحی شده در این پژوهش دارای سه زیر سیستم شامل: شناخت، تصمیم گیری و کنترل است. در زیر سیستم شناخت سیگنال های توصیف کننده محیط مانند ترس از برخورد، انحراف از مسیر و ... محاسبه می شوند. در زیر سیستم تصمیم گیری با استفاده از تصمیم گیری تقریبی به روش فازی سوگینو، تعیین می شود که هریک از مانورهای اجتناب از برخورد و تغییرلاین تا چه حدی اجرا شوند و درنتیجه هدف کنترلی را به صورت نسبی بین اجتناب از برخورد و تغییرلاین محاسبه می کند. در زیر سیستم کنترل خروجی های نهایی شامل: گاز-ترمز، فرمان و دنده به خودرو با کنترل-هایتناسبی بر اساس صفر نمودن هدف کنترلی به خودرو اعمال می شود. این سیستم هوشمند درنهایت در یک سناریو کامل شامل تمامی اتفاقات ممکنه نظیر: عبور از پیچ های تند، برخورد با موانع متعدد در شرایط پیچیده، برخورد با حاشیه جاده، شرایط نامساعد برای توقف و شرایط نامساعد برایتغییر لاین مورد ارزیابی قرار می گیرد. نتایج حاصله حاکی از کارآیی بالای سیستم هوشمند در تصمیم گیری پیچیده و شرایط سخت است که حتی انسان هوشیار نیز توانایی انجام آن را براحتی ندارد. لذا این سیستم قابلیت آن را دارد که در شرایط خواب آلودگی شدید راننده، پس از سیستم های هشدار مورد استفاده قرار گیرد.

زمانیکه هواپیمای جنگنده پیشرفته در زوایای حمله بالا پرواز می کند، کوپلینگ اینرسی، تاثیرات آیرودینامیک ناپایا، لرزش بال(wing rock) و اشباع سطوح کنترل آیرودینامیکی منجر به اشکال در کنترل و مانورپذیری می شوند. هواپیماهای مدرن مستلزم مانورپذیری بالا هستند. دینامیک غیرخطی پیچیده بیان شده به سادگی توسط مدلهای خطی نمی تواند تخمین زده شود. همچنین از آنجایی که کنترلرهای خطی برای رسیدن به عملکرد و پایداری مطلوب، برای دینامیک خطی شده در نقاط عملکردی طراحی می شوند، استفاده از تیوری کنترل غیرخطی انگیزه ای جهت پاسخ به ملزومات پایداری و عملکرد با وجود دینامیک غیرخطی پیچیده می باشد. در طراحی کنترلر با استفاده از پسخوراندخطی ساز، مدل دقیق غیرخطی لازم می باشد، لذا مقاوم بودن را با وجود نامعینی تضمین نمی کند. سیستم های با نامعینی را می توان با کنترل مقاوم بررسی کرد. از ملزومات طراحی با کنترل مقاوم، معلوم بودن کران بالا روی خطای مدل سازی، مشخص بودن برخی خصوصیات نامعینی مدل و مدل نامی می باشد. روش دیگر برای بررسی این گونه مسایل استفاده از کنترل تطبیقی است. کنترل تطبیقی دارای این مزیت است که محدویت روی نامعینی لازم نیست شناخته شده باشد، همچنین نامعینی بطور همزمان حذف و سازگار می شود. کنترل تطبیقی برای دستگاههای که پارامترهای نامشخص بطور خطی در آن ظاهر می شوند، دارای عملکرد موفقی بوده است. روشهای طراحی کنترل تطبیقی استاندارد با فرض پارامتریزه کردن خطی نامعینی، دارای محدودیت می باشند. شبکه عصبی قدرت غلبه بر مشکلات مربوط به بکار بردن کنترل تطبیقی برای سیستم های نامعین غیرخطی را داراست. کاربرد شبکه عصبی در ساختار کنترل پرواز بر اساس پسخوراند خطی ساز و گام به عقب دینامیک هواپیما بعنوان ابزار مناسب برای این مسیله مد نظر می باشد. لذا از نقطه نظر تیوری ساختار تعقیب کنترل مستقیم با استفاده از شبکه عصبی بیان می شود. شبکه عصبی برای تبدیل معکوس غیرخطی که برای پسخوراند خطی ساز و گام به عقب لازم است استفاده می گردد. علاوه بر آن شبکه عصبی قادر به یادگیری همزمان جهت خطای معکوس که ممکن است از مدلسازی ناقص، تخمین معکوس یا تغییرات ناگهانی در دینامیک و ضرایب آیرودینامیکی هواپیما ناشی شود، می باشد. برای حصول اطمینان از سازگاری الگوریتم از فرضیات متعارف در مورد غیرخطی سازی که حاکی از خطای معکوس می باشد، استفاده می شود. از طریق تیوری پایداری لیاپانوف نشان داده می شود که خطاهای تعقیب و وزن های شبکه های عصبی بطور نمایی به یک مجموعه متراکم همگرا می شوند. هدف اصلی طراحی کنترلر نشان دادن تطبیق نامعینی آیرودینامیکی در شکل متغیرات پارامتریک و دینامیک مدل نشده می باشد که در طراحی کنترل معکوس نامی دیده نمی شود. در راستای مطالب گفته شده برای تایید سیستم کنترل پیشنهادی، شبیه سازیهایی با استفاده از دینامیک هواپیما اجرا و نتایج با پسخوراندخطی ساز مقایسه می گردد.

توانایی شبکه های عصبی در کشف روابط غیر خطی میان داده های ورودی، از آن ابزار ایده آلی در مدل کردن سیستم های دینامیک غیر خطی ساخته است. در نتیجه انتظار می رود شبکه های عصبی با قابلیت تشخیص الگوهای سیستم های غیرخطی، امکان پیش بینی تغییرات بازار را بیشتر و دقیق تر از تکنیک های متداول دیگر فراهم کنند. تحقیق حاضر به بررسی کاربرد شبکه های عصبی در پیش بینی شاخص کل بورس اوراق بهادار تهران پرداخته است. بدین منظور یک شبکه سه لایه با الگوریتم پس انتشار خطا برای پیش بینی شاخص کل در بازار بورس تهران طراحی وپیاده سازی شده است. همینطور از شبکه های فازی-عصبی نیز برای پیش بینی استفاده شده است و نتایج آن با نتایج شبکه های عصبی مقایسه شده است. داده هایی که مورد استفاده قرار گرفته اند، مقدار شاخص کل، قیمت دلار و قیمت طلا در یک بازه زمانی سه ساله بوده است. نتایج حاصل از پیش بینی نشان می دهد که شاخص کل در یک بازه کوتاه مدت بر اساس قیمت های گذشته، قابل پیش بینی است.

دراین پایان نامه به بررسی چند روش و بهره گیری از پند ایده برای سیم پیچی استاتور دینام خودرو پرداخته شده است، به عنوان روش نهایی انتخاب شده است. سپس با توجه به شرایط موجود، ابعاد هندسی و جنس قطعات ربات طراحی شده و تلرانس های موردنظر برای مفصل ها در نظر گرفته شده است. ربات مورد نظر به وسیله نرم افزار های مکانیکی موجود مانند سالید ورکز شبیه سازی شده و پس از مشخص شدن جنس و ابعاد، تحلیل دینامیکی آن صورت گرفته و به کمک معادلات دینامیکی، مقدار گشتاور لازم برای انتخاب عملگر محاسبه گردیده است. با توجه به موقعیت حرکت در طول مسیر برای هر یک از مفصلها نیاز به یک عملگر الکتریکی است که از یک موتور dc و بال اسکرو تشکیل شده است. با توجه به این عملگر و همراه با یک بال اسکرو می توان، یک حرکت خطی در راستای هدف ایجاد کرد. پس از مونتاژکردن ربات و اجزای دیگر مکانیکی در راستای هدف مورد نظر (سیم پیچی حلقه ستاره ای استاتور دینام خودرو)، جهت راه اندازی از اجزای الکترونیکی همچون درایورهای موتور و یک میکروکنترلر avr استفاده شده است که می تواند حرکت مورد نظر را با کد برنامه نویسی مربوط به موقعیت های مختلف ایجاد کرد. در طول حرکت ربات برای آنکه از مجری نهایی، سیم خارج شده و به دور قید های صفحه ی ستاره ای بچرخد، نیاز به تزریق سیم بر روی مرکز مجری نهایی ربات است که این کار توسط سیستمی به همان نام صورت می گیرد. در پایان کار عملکرد این سیستم با تولید یک حلقه سیم از استاتور مورد ارزیابی قرار می گیرد و متوجه خواهیم شد که حلقه سیم ستاره ای شکل دقیقاً مشابه حلقه سیم تولید شده توسط شرکت های اروپایی است، در صورتیکه فرآیند تولید حلقه سیم از ربات ساخته شده کاملاً متفاوت با فرآیند تولید از شرکت های دیگر است و مزیت آن این است که تمام حلقه سیم های استاتور های خودرو را سیم پیچی می کند.

در این پایان¬نامه به تحلیل سینماتیکی و دینامیکی ربات استوارت می¬پردازیم. تمرکز ما بر سینماتیک مستقیم، دینامیک معکوس و تکینگی¬های مکانیزم قرار دارد. هدف اصلی در اینجا ارائه¬ی روش¬های بهینه¬تر از لحاظ دقت و صحّت, خطا و زمان محاسبات در حل مسائل فوق می¬باشد. برای نیل به اهداف ذکر¬شده روشی عددی برای حل مسائل با تعداد متغیرهای بالا بسط داده شده و در حل سینماتیک مستقیم بکار رفته است؛ برای حل دینامیک معکوس مکانیزم نیز از روش کین بهره گرفته¬ایم و در نهایت برای بدست آوردن ضرایب چندجمله¬ای تکینگی از روشی موسوم به تجزیه ستون¬های ماتریس استفاده کرده¬ایم.

مدل¬سازی وکنترل سیستم¬های پیچیده¬ای که در صنایع مهم وکاربردی مورد استفاده هستند یکی از بحث¬های مهم وکاربردی می¬باشد، و لذا مدل¬سازی و کنترل دقیق آن¬ها بسیار مهم است زیرا هرگونه اشتباه در مدل¬سازی چنین سیستم¬هایی منجر به کنترل غیر دقیق ودر نهایت عملکرد ضعیف می¬گردد. در این نوشتار مدل¬سازی توربین گازی v94.2 زیمنس به صورت یک سیستم دو ورودی و چهار خروجی در نظر گرفته شده است به این صورت که پس از ذخیره سازی داده¬ها اقدام به انجام فرآیند پیش پردازش بر روی داده¬ها جهت شناسایی دقیق صورت گرفته و پس از تحلیل همبستگی وابستگی هر یک از خروجی¬ها به داده¬های ورودی-خروجی سیستم بررسی می¬شود. و سپس برای شناسایی توربین ابتدا مدل¬های خطی دینامیک بررسی شده و سپس از روش¬های مدل¬سازی غیرخطی با استفاده از شبکه عصبی mlp)) و شبکه عصبی مبتنی بر توابع شعاعی ((rbf استفاده گردیده و جهت مدل-سازی دقیق¬تر از روش ترکیبی فازی-عصبی-تطبیقی(anfis) استفاده گردیده و بهبود آن در مدل¬سازی نسبت به روش¬های قبلی به صورت کاملاً دقیق ارائه گردیده است. در ادامه اقدام به طراحی سیستم کنترل با استفاده از شبکه عصبی نموده¬ایم و ضرایب کنترل کننده در هر یک از نقاط کار تعیین گردیده و صحت عملکرد کنترل کننده بررسی شده است، و با طراحی سیستم کنترل با روش فازی-عصبی تطبیقی(anfis) به مقایسه آن با روش طراحی کنترلر به روش شبکه عصبی پرداخته¬ایم و نتایج آن را ارائه داده¬ایم.

هدف این پروژه طراحی کنترلر مناسب برای پایداری کوادروتور می باشد. در مدل سازی پرنده از بیان زوایای اویلری استفاده شده و معادلت حرکت با استفاده از روش نیوتن اویلر به دست آمده اند. با در نظر گرفتن نیروی درگ اصطکاکی ناشی از سرعت خطی ربات سعی در واقع گرایانه بودن مدل شده است. در ادامه با کمک گرفتن از تابع معکوس دوران و ژاکوبین سرعت ها سعی در جدا کردن دوازده معادله حالت از هم و خارج کردن ترم های به شدت غیرخطی زوایای اویلر شده است. با استفاده از کنترل کلاسیک و پیش خوران برخی عناصر غیرخطی پرنده به پایداری رسیده است. پس از آن کارایی کنترلر در برخی مانورها از جمله مانور چرخش 360 درجه پرنده مورد ارزیابی قرار گرفته است. از آنجا که تأثیر تمامی ترم ها در طراحی کنترلر مورد بررسی قرار گرفته است انجام این مانور که در آن تمامی ترم های غیرخطی تحت تأثیر قرار می گیرند با موفقیت صورت گرفت. پس از آن با استفاده از روش شناسایی حداقل مربعات خطا حاصل ضرب دو ترم وزن و ضریب تراست در طول پرواز شناسایی می شود تا با رها شدن وزنه از پرنده کنترلر با شرایط جدید وفق پیدا کند. از طرف دیگر پرواز پرنده در شرایط مختلف محیطی که ضریب تراست را تحت تأثیر قرار می دهند ممکن خواهد بود. از طرف دیگر تغییر ملخ و یا تغییر در کارکرد موتور و فرسوده شدن آن تأثیر کمتری بر روی رفتار کنترلی خواهد داشت. از آنجا که مولتی روتورها در اکثر زمان پرواز خود در حالت هاور هستند می توان با بهینه کردن پرواز ربات در حالت هاور به کارکرد بهتر ربات دست یافت از این رو با خطی سازی و طراحی کنترلر بهینه خطی lqr نتایج با قبل مقایسه شد. رفتار این کنترلر در حوالی نقطه هاور بهینه و مورد قبول است ولی برای انجام مانورهای سنگین کارایی خود را از دست می دهد که نتیجه حاکی از برتری فاحش کنترل به روش جداسازی معادلات بود. در آخر مراحل ساخت و آزمایش کنترل کلاسیک آمده است. در این قسمت چالش های پیش رو برای ساخت مولتی روتور مورد بررسی قرار گرفته است.

در این پایان نامه از شبکه های عصبی مصنوعی، ترکیب شبکه عصبی مصنوعی با الگوریتم ژنتیک و ترکیب شبکه عصبی با کالمن فیلتر جهت مدلسازی بهینه و کنترل یک سیستم واقعی تهویه مطبوع استفاده شده است. با استفاده از روش های یاد شده ابتدا سیستم آموزش دیده و پس از بررسی صحت مدلسازی، قابلیت این مدلسازی برای پیش بینی شرایط آینده سیستم مورد بررسی قرار گرفته است. علاوه بر روش های زیر سیستم مورد بررسی در دو فاز گرمایشی و سرمایشی توسط معادلات جرم و انرژی در سیمولینک از نرم افزار متلب شبیه سازی شده و نتایج حاصل از این قسمت در آخر با نتایج مدلسازی بهینه مقایسه شده است. مهمترین برتری مدلسازی با استفاده از شبکه های عصبی مصنوعی در مقایسه با روش های مدلسازی با استفاده از معادلات جرم و انرژی این است که تمام عدم قطعیت ها و خصوصیات غیر خطی سیستم تهویه مطبوع را، به علت استفاده از داده های واقعی جهت مدلسازی، در بر می گیرد. از این رو روش یاد شده می تواند با پیش بینی شرایط آینده سیستم و با تنظیم دقیق زمان روشن و خاموش کردن تجهیزات اصلی مصرف کننده انرژی مصرف انرژی را در سیستم های تهویه مطبوع بهینه کند. مهمترین دستاورد این پژوهش مدلسازی دقیق تر و مطابق واقعیت از سیستم غیر خطی تهویه مطبوع است.

نیوماتیک از دیرباز نقش مهمی را به عنوان تکنولوژی در اجرای کارهای مکانیکی به عهده داشته است اما به طور معمول اولین گزینه انتخاب برای کاربردهای سرو نمی باشد. عوامل غیرخطی کننده ای مانند اصطکاک، تراکم پذیری هوا و زمان تاخیر در المان ها ، رسیدن به اهداف کنترلی را در نیوماتیک مشکل ساخته است. اما مزایایی از قبیل هزینه پایین، نسبت نیرو به وزن بالا، تمیزی، نگهداری راحت و سرعت بالا سبب شده که از عملگرهای نیوماتیکی به طور گسترده در صنایع مختلف استفاده شود. در این گونه سیستم ها مدل های مختلفی برای یافتن اصطکاک ارائه شده است ، هدف ما در این تحقیق به دست آوردن مقدار اصطکاک به صورت تجربی و یافتن عوامل موثر بر اصطکاک با آزمایش و خطا می باشد. در ادامه نیز برای تخمین مقدار اصطکاک در عملگرهای نیوماتیکی در شرایط مختلف، از روش آموزش شبکه های عصبی استفاده شده است. این روش هنگامی استفاده می شود، که رابطه مشخصی بین ورودی ها و خروجی های سیستم وجود نداشته باشد .

مزایای بسیار انرژی¬های تجدیدپذیر و نیز جهت گیری¬کشور ما در حرکت به سوی اقتصاد بدون نفت، اولویت بخشی به توسعه این¬گونه انرژی¬ها همچون انرژی باد را ضروری می¬سازد. حفظ محیط زیست و کاهش آلودگی هوا یکی از مهم¬ترین دستاوردهای استفاده از منابع تجدیدپذیری (انرژی¬های سبز) از جمله انرژی باد است، بگونه¬ای که در ازای هر کیلووات ساعت برق تولیدی از انرژی¬های تجدیدپذیری به جای زغال¬سنگ، از انتشار حدود یک کیلوگرم co2 جلوگیری خواهد شد. هدف از این پایان نامه طراحی یک استراتژی کنترلی تعقیب کننده توان ماکزیمم برای سیستم¬های توربین بادی سرعت متغییر است. سیستم¬های توربین بادی معمولی کند بوده و به پارامترهای طراحی توربین وابستگی دارد و از اندازه¬گیری¬های سرعت باد و یا سرعت روتور به عنوان ورودی¬های متغیر کنترلی استفاده می¬کند. میزان دقت کنترلر در این سیستم¬ها به میزان دقت وسایل اندازگیری وابسته است و همین مسئله قابلیت اطمینان این¬گونه کنترلرها را کاهش می¬دهد. سیستم کنترلی پیشنهادی بدون هیچ¬گونه آگاهی و شناختی از سرعت باد و پارامترهای توربین، پاسخی سریع به تغییرات باد خواهد داد.این سیستم شامل یک ماشین سنکرون آهن ربای دائم با تعداد قطب بالا استفاده می¬شود تا بتوان ژنراتور را بی واسطه¬ی گیربکس به توربین متصل کرد. هدف این پایان نامه ارائه¬ی یک روش کنترلی بر پایه کنترل برداری به منظور جذب حداکثر توان از سیستم تولید توان بادی پیشنهادی می-باشد. روش ارائه شده به سیستم تولید توان بادی اجازه می¬دهد تا در شرایط تغییرات سرعت باد در مطلوب ترین نقطه کاری خود قرار بگیرد تا از توربین بادی بیشترین میزان توان دریافت شود. مدل-سازی و شبیه¬سازی سیستم توربین¬بادی پیشنهادی با استفاده از نرم¬افزار matlab/simulink انجام گرفته و نتایج حاصله که حاکی از مناسب بودن الگوریتم پیشنهادی برای سیستم¬های توربین¬بادی است، به نمایش درآمده است.

در این پروژه به بررسی، تحلیل و بهینه سازی ارتعاشی دستگاه فیدر ارتعاشی صنعتی (vibratory feeder) پرداخته شده است در فیدرهای صنعتی، مکانیک پیچیده حرکت ذرات بر روی فیدر یکی از مشکلات عمده تحلیل این سیستمها بشمار می آید در اینجا با مدلسازی تقریبی اثر حرکت ذرات بر روی رفتار سیستم با استفاده از مدل جرم معادل به تحلیل و بهینه سازی پارامترهای ارتعاشی سیستم پرداخته شده است یکی از مهمترین مشکلات و موانع موجود در مدلسازی و تحلیل سیستمهای فیدر ارتعاشی صنعتی، مدلسازی حرکت ذرات بر روی فیدر مرتعش می باشد. مدلسازی این حرکات با توجه به تأثیر بسیار آنها بر روی رفتار دستگاه از اهمیت بالایی برخوردار است با این وجود تأثیر شکل جنس و جرم مواد اثر ذرات مجاور بر روی یکدیگر اثر متقابل ذرات و صفحه فیدر بر روی یکدیگر، از جمله عواملی است که مدلسازی حرکات ذرات را بر روی این سیستم با مشکل مواجه نموده و در عمل غیر ممکن می سازد در این مقاله با مدلسازی اثر ذرات بر روی رفتار سیستم با مدل جرم معادل ذرات، پس از تحلیل حرکت دستگاه با انتخاب یک تابع هدف مناسب بر اساس حرکت ذرات بر روی فیدر مرتعش مقادیر پارامترهای سیستم در حالت رفتار بهینه سیستم در سه حالت دستگاههای فرکانس ثابت30، 50و 60 هرتز و همچنین فرکانس متغیر بدست آمده است.

تاکنون تحقیقات زیادی به منظور مدل سازی فیزیکی کامل و دقیق فرآیند ماشینکاری تخلیه الکتریکی (edm) صورت گرفته که به دلیل پیچیدگی مکانیزم براده برداری بی نتیجه مانده اند در این تحقیق از شبکه های عصبی پرسپترون چند لایه (mlp) و rbf به منظور مدل سازی این فرایند استفاده شده است جریان، ولتاژ و دوره تناوب پالس ها به عنوان ورودی های شبکه و نرخ براده برداری و صافی سطح خروجی های شبکه می باشند. آموزش شبکه ها با استفاده از داده های حاصل از انجام آزمایش های مختلف با دستگاه اسپارک صورت گرفته و در نهایت نتایج حاصل از مدل سازی در مقایسه با مقادیر تجربی در محدوده قابل قبولی از خطا قرار دارند که نشانگر دقت مدل های ارایه شده و توانایی شبکه های عصبی در مدل سازی فرآیند edm می باشند.

سکته مغزی سومین عامل مرگ و میر و شایع ترین بیماری اختلالات عصبی و عضلانی در جهان به شمار می رود. امروزه علوم مهندسی در توانبخشی و کمک به افراد با این مشکلات، سهم عمده ای را دارند. از جمله مواردی که مورد توجه محققین و مهندسین در این زمینه است، استفاده از سیگنال های الکتروانسفالوگرافی (eeg) برای پی بردن به نیات کاربر است. واسط مغز-کامپیوتر (bci) سیستمی است که به کاربر اجازه می دهد تنها با استفاده از سیگنال های eeg و بدون استفاده از عضلات با محیط ارتباط برقرار کند. هر سیستم bci دارای پنج فاز ثبت سیگنال، پیش پردازش، استخراج ویژگی، طبقه بندی و دستور کنترلی می باشد. در این پایان نامه سیستم bci نگارنده مغز-کامپیوتر انتخاب شده است، هدف این سیستم تشخیص کلمات و اعداد مد نظر کاربر می باشد. در مرحله پیش پردازش، یک سیستم bci برای انجام وظیفه مطلوب نیازمند استخراج مشخصه هایی از سیگنال هایی مغزی است. پتانسیل وابسته به رخداد یکی از مشخصه های سیگنال eeg است که در هنگام فعالیت های مغزی ظاهر می شود. بنابراین در این مرحله با استفاده از افزایش نسبت سیگنال به نویز (snr) پتانسیل وابسته به رخداد ظاهر شد. همچنین در این مرحله از آنالیز مولفه های مستقل و آنالیز مولفه های اصلی برای کاهش ابعاد و جداسازی مولفه ی فعالیت های مغزی استفاده شد. به علت آنکه سیگنال های eeg درای ماهیتی ناایستا هستند، برای استخراج ویژگی آنها علاوه بر روش های زمانی و فرکانسی، تبدیل موجک نیز در حوزه ی زمان-فرکانس به کار گرفته شد. دو روش ماشین بردار پشتیبان و شبکه های عصبی به همراه خوشه بندی فازی برای مرحله طبقه بندی انتخاب شد.

در این پژوهش به بررسی مسیریابی ربات های چرخ دار پرداخته شد. طبق بررسی ها، روی سرعت های حرکت این ربات ها محدودیت های غیرهولونومیکی حاکم است که این محدودیت ها باعث می شوند این ربات ها نتوانند برای رفتن از یک نقطه به نقطه ی دیگر، از هر مسیری که صرفاً در آن مانع وجود ندارد حرکت کنند. از آن جا که الگوریتم دوجهته روشی کارامد به شمار می آید، از این الگوریتم برای مسیریابی استفاده شده است. با تحلیل و بررسی بر روی این روش، کاستی های موجود شناسایی و روش مذکور گسترش داده شد. ابتدا روش مسیریابی گسترش یافته پیشنهاد شد. در ادامه روش توقف و تکرار و در انتها روش اعمال نویز تبیین گردید. نتایج به دست آمده از شبیه سازی ها با نرم افزار matlab نشان داد که با گسترش روش دوجهته کاستی های اصلی برطرف می گردد و با روش توقف و تکرار نتایج به صورت قابل توجهی بهبود می یابد و همچنین با استفاده از روش اعمال نویز نتایج قابل قبولی حاصل می شود.

برای آشکار سازی اهداف در محدوده خاصی از فضا ، وابسته به تغییر فرکانس داپلر برای جدا سازی بازگشتی های بسیار کوچک حاصل از اهداف متحرک هستیم . از طرفی موقعیت مکانی هدف را از نظر فاصله و در یک یا دو مختصات زاویه ای جهت ردیابی هدف و بدست آوردن مسیر حرکت بررسی می کنیم .در ادامه استخراج هوشمند مشخصه ها و الگوریتم های دسته بندی با استفاده از تصویرهای تشخیص زمان- فرکانس (t-f) ارایه می شوند. شبکه پرسپترون چند لایه و شبکه تابع اساسی شعاعی برای شناسایی نوع مدولاسیون مشخصه هدف موجود در سیگنال دریافتی ارایه می شوند. این شبکه های دسته بندی غیرخطی از یک بردار مشخصه ورودی که بر اساس تصاویر t-f تولید می شوند، استفاده می کنند. در اولین الگوریتم استخراج مشخصه ها انرژی مدولاسیون با استفاده از توزیع فرکانسی مرزی برای شناسایی منطقه از تصویر t-f برداشته می شود. سپس یک الگوریتم دودویی کننده وفقی برای ساختن بردار مشخصه برای رسیدن به تفکیک بالا استفاده می شود. در دومین الگوریتم استخراج کننده مشخصه از فیلتر پایین گذر در تصویر t-f قبل از محاسبه توزیع فرکانس مرزی، استفاده می شود. استفاده از تحلیل اجزای اساسی برای ساختن بردار مشخصه بررسی می شود. یک پایگاه داده توسعه یافته کامل می شود و نتایج دسته بندی برای مدولاسیون های مشخصه حرکتی هدف شبیه سازی می گردد .