کنترل کننده های pid از محبوب ترین مکانیزم کنترل حلقه بسته با فیدبک از سال ????بوده است، و به طور گسترده ای در کنترل کارخانه های صنعتی مورد استفاده قرار گرفته است. به دلیل توانایی های این کنترل کننده، از آن می توان به راحتی در اجرای فرآیندهای کنترل صنعتی بهره برد. کنترل کننده pid، تلاش می کند خطای بین خروجی اندازه گیری شده فرآیند و خروجی مورد نظر را تصحیح به طوری که تا آنجا که ممکن است پاسخ های گذرا و پایدار سیستم افزایش یابد. اگر چه این کنترل کننده ها به طور گسترده ای مورد استفاده قرار می گیرند، ولی همچنان تنظیم آن زمینه پژوهش در قلمرو مجامع دانشگاهی و صنعتی مهندسی کنترل می باشد، این در حالی است که تاکنون روش های مختلف پیشنهاد شده است. در میان آن ها، روش زیگلر و نیکولز به عنوان یک روش بسیار محبوب (زیگلر و نیکولز، ????) عنوان می گردد.الگوریتم رقابت استعماری (ica) یکی از الگوریتم های بهینه سازی تکاملی است که با الهام از فرایند اجتماعی و سیاسی از رقابت امپریالیستی است. در مقایسه با الگوریتم های بهینه سازی تکاملی متعارف، ica ثابت کرده است که دارای قابلیت های بهتری است. همانند سایر الگوریتم هایتکاملی، این الگوریتم با جمعیت اولیه تصادفی شروع می شود. هر فردی از جمعیت یک کشور نامیده می شود و آن ها را به صورت آرایه ای از مقادیر متغیر نشان می دهند.در رقابت استعماری، هر امپراتوری، تلاش می کند تا مستعمرات امپراتوری های دیگر را در اختیار گرفته و آن ها کنترل نماید. به تدریج قدرت امپراتوری ضعیف تر، کاهش یافته و در نتیجه یکی از آن ها قدرتمندتر خواهد شد. معمولاً این رقابت با انتخاب برخی ضعیف ترین مستعمرات از ضعیف ترین امپراتوری انجام می شود و در میان تمام امپراتوری ها برای تملک مستعمرات ایجاد رقابت می کند. در این رقابت، احتمال تملک مستعمرات فوق، بر اساس قدرت کلی هر کدام از امپراتوری ها تخمین زده می شود. هر امپراتوری که نتواند در این رقابت موفق شود و قدرت خود را افزایش ندهد (و یا حداقل از کاهش قدرت خود جلوگیری کند) حذف خواهد شد. رقابت امپریالیستی به تدریج در نتیجه افزایش قدرت امپراتوری های بزرگ و کاهش قدرت امپراتوری های ضعیف تر است. به تدریج قدرت امپراتوری ضعیف کاهش یافته تا آنجایی که موجب سقوط آنها خواهد شد. در پیاده سازی این مدل مستعمرات امپراتوری های سقوط بین امپراتوری های دیگر توزیع خواهد شد. روش فوق باعث همگرایی همه کشورها به یک کشور خواهد شد، به طوری که در نهایت تنها یک امپراتوری در جهان وجود داشته باشد و باقی کشورهای دیگر مستعمرات این امپراتوری محسوب خواهند شد.در این پایان نامه، بازوهای روباتیک را معرفی و سیستم های کنترلی و مهمترین ویژگی های آن را بررسی می کنیم.پس از تشریح الگوریتم رقابت استعماری با استفاده از آن به طراحی کنترل کننده pid برای سیستم مطرح شده که در این جا بازوی روباتیکی است، می پردازیم.نهایتاً با استفاده از نرم افزار matlab سیستم را تجزیه و تحلیل نموده و نتیجه گیری می کنیم

در این رساله نسبت به بررسی شرایط و عوامل مختلف دخیل در فرآیند تولید کاشی و سرامیک با توجه به میزان ضایعات و کیفیت محصولات خروجی با استفاده از الگوریتم gmdh در شبکه عصبی مصنوعی اقدام شده است که در ابتدا بدون در نظر گرفتن میزان اثرگذاری عوامل بر یکدیگر و در نهایت بر روی خروجی مورد نظر و با هدف کاهش ضایعات در عین افزایش میزان تولید و کیفیت، اطلاعات مربوطه دریافت شده که از بین تمامی اطلاعات موجود، تعداد 18 مورد به عنوان اطلاعات ورودی که شامل انواع مواد اولیه مورد استفاده و تنظیمات در بخش های مختلف می باشد، مورد آزمایش و بررسی قرار گرفته است. با توجه به اینکه الگوریتم gmdh نسبت به شناسایی عوامل کلیدی و تأثیرگذار از بین تمامی عامل های موجود و همچنین ارائه شرایط بهینه تنظیمات برای آنها به منظور رسیدن به شرایط مناسب کلی سیستم عمل می نماید و قابلیت پیش بینی شرایط سیستم به صورت کوتاه مدت و بلند مدت به صورت همزمان برخلاف سایر روش های پیش بینی که عمدتاً تنها به صورت پیش بینی فقط کوتاه مدت یا فقط بلند مدت عمل می کنند را دارا می باشد، از آن به عنوان ابزار پایه جهت شناسایی گلوگاهها و عوامل مهم در خط تولید مذکور استفاده شده که در نتیجه 7 عامل را به همراه تنظیمات بهینه مربوطه از بین 18 مورد اشاره شده با درجه اهمیت بالا به عنوان مبنای اعمال تغییرات معرفی نموده و نوع ترکیب آنها در یک شبکه عصبی با 7 ورودی و دولایه پنهان و یک خروجی بدست آمده که میزان ضایعات و مجموع تولید غیر از درجه 1 را از میزان میانگین در حدود 15% به میزان تقریبی 1% کاهش می دهد. بدین منظور در این تحقیق به ترتیب نسبت به شناسایی تمامی عوامل دخیل موجود در خط تولید و جدا نمودن عوامل غیر قابل تغییر و ثابت از بین آنها که با توجه به عدم امکان اعمال تغییر، بررسی آنها تأثیر ثابت بر سیستم می گذارد، دریافت اطلاعات در یک بازه زمانی 6 ماهه و درج در جدول استاندارد به عنوان ورودی الگوریتم، کدنویسی الگوریتم در برنامه matlab و سپس شناسایی عوامل گلوگاهی تأثیرگذار و شرایط بهینه تنظیمات مربوطه با استفاده از الگوریتم gmdh اقدام شده که از 70% اطلاعات به عنوان داده های آموزش شبکه و از 30% به عنوان داده های آزمایش آن استفاده شده است. همچنین تابع ریاضی حاصل شده در این روش به صورت یک سری زمانی از نوع توابع ولترا بوده که ضرایب این سری با استفاده از روش رگرسیون و تحت نرم افزار minitab بدست آمده است. درواقع خروجی شبکه عصبی gmdh، حاصل از محاسبات ناشی از سری زمانی ولترا می باشد.