به¬ دلیل کاربردهای بالقوه سیستم¬های آشوب در بسیاری از زمینه¬های ارتباطات محرمانه، مهندسی بیولوژیک، تشخیص الگو و پردازش اطلاعات، اخیرا کنترل و هم-زمان¬سازی سیستم¬های دینامیکی آشوبناک مورد توجه و علاقه بسیاری قرار گرفته است. سیستم¬های آشوب بسیار حساس به شرایط اولیه بوده و پیش بینی کردن رفتار آن¬ها بسیار سخت است. در فرآیند هم¬زمان¬سازی خروجی سیستم پایه جهت کنترل سیستم پیرو، به طوری که خروجی سیستم پیرو خروجی سیستم پایه را به طور مجانبی دنبال کند مورد استفاده قرار می¬گیرد. بسیاری از نظریه¬ها و روش¬های پیشرفته مانند کنترل بهینه، کنترل تطبیقی، کنترل مد لغزشی و غیره برای کنترل سیستم¬های آشوب گسترش یافته¬اند. اخیرا، سیستم¬های فازی به طور فزاینده¬ای در مسئله کنترل سیستم¬های غیرخطی و آشوبناک مورد توجه قرار گرفته¬اند. به دلیل توانایی سیستم¬های فازی در تخمین سیستم نامعین، کنترل¬کننده¬های فازی مختلفی برای سیستم¬های غیرخطی و به خصوص برای مواقعی که اطلاعات کاملی از سیستم وجود ندارد، ارائه شده است. کنترل مد لغزشی نیز یک روش موثر برای غلبه بر نامعینی¬های سیستم¬های آشوبناک فراهم کرده و به صورت کارآمدی بر روی این نوع سیستم¬ها اعمال می¬شود. کنترل¬کننده مد لغزشی برای این که مسیرهای حالت سیستم را وادار به ماندن در سطح لغزشی از پیش تعیین¬شده بکند از کنترل ناپیوسته استفاده می¬کند. اگرچه کنترل¬کننده-های مد لغزشی کنترل¬کننده¬های مقاوم هستند و روش طراحی آسانی دارند ولی یک مسئله اساسی به عنوان مانع موثر استفاده وسیع از این نوع کنترل¬کننده¬ها مطرح می¬شود. این مانع، چگونگی طراحی یک کنترل کننده مد لغزشی بدون اطلاع از دینامیک کامل سیستم است. در اکثر مواقع پارامترهای سیستم به طور دقیق مشخص نیستند و مدل کردن ریاضی یک سیستم عملی به طور کامل امکان¬پذیر نیست و همیشه دینامیک¬های مدل نشده¬ای وجود خواهند داشت. برای رفع این مشکل، در این پایان¬نامه از ترکیب روش کنترل مد لغزشی و سیستم¬های فازی نوع 2 فاصله¬ای برای کنترل و هم¬زمان¬سازی سیستم¬های آشوب به فرم نرمال استفاده شده است. این روش یک روش طراحی آسان برای طراحی سیستماتیک یک کنترل کننده مناسب برای پایداری سیستم آشوب نامعین است. در این پایان¬نامه برای تعیین مقدار بهینه پارامترهای سیستم فازی نوع 2 فاصله ای از روش الگوریتم پرندگان استفاده شده است. طراحی کنترل¬کننده به این روش پایداری سیستم حلقه بسته را تضمین کرده و به دلیل توانایی بالای سیستم¬های فازی نوع 2 در مدل کردن نامعینی¬ها، مقاومت کنترل¬کننده افزایش یافته است.

در این پایان نامه کنترل مقاوم سیستم های نامعین غیرخطی براساس رویکرد تطبیقی مورد بررسی قرار گرفته است. رویکرد تطبیقی بر اساس ماشین بردار پشتیبان تابع موجک برای کاهش خطای ردیابی همزمان ناشی از اغتشاشات خارجی و نامعینی ها پیشنهاد شده است. در این روش، ماشین بردار پشتیبان هسته موجک به منظور ایجاد کنترل کننده تطبیقی به کار رفته است و یک قانون یادگیری همزمان برای بردار وزنی و بایاس بدست آمده است. از ویژگی های مهم استراتژی کنترل بیان شده استحکام ذاتی آن و توانایی رسیدگی به رفتار غیرخطی سیستم می باشد. کنترل کننده تطبیقی براساس تابع موجک به عنوان روش پیشنهادی اول برای مقاوم سازی سیستم های نامعین بیان شده است. در ساختار این کنترل کننده از ماشین بردار پشتیبان تابع هسته موجک برای بهبود عملکرد تخمین سیستم غیرخطی نامعین، کنترل کننده برای کاهش خطای ردیابی ناشی از خطای تخمین ماشین بردار پشتیبان تابع موجک و اغتشاشات خارجی و الگوریتم ژنتیک برای بهینه سازی پارامتر های ماشین بردار پشتیبان تابع موجک استفاده شده است. در ادامه از ماشین بردار پشتیبان ترکیبی هسته موجک و rbf در ساختار کنترل کننده طراحی شده استفاده شده است و نتایج حاصل توسط مثال های کاربردی مورد بررسی قرار گرفته است. به عنوان روش دوم پیشنهادی از ساختار کنترل کننده تطبیقی- مدلغزشی که بر پایه ماشین بردار پشتیبان تابع هسته موجک می باشد، استفاده شده است. ساختار کنترلی طراحی شده نیز بر روی سیستم غیر خطی تصادفی نامعین تاخیردار پیاده سازی شده و عملکرد آن با روش های موجود مقایسه گردیده است.

در طراحی سیستم های کنترل با فیدبک با فرض کنترل پذیری کامل حالت و انتخاب مناسب بهره فیدبک، قطب های حلقه بسته سیستم در مکان های موردنظر جایابی می شوند. در حالت کلی لازم است که کلیه متغیرهای حالت برای فیدبک در دسترس باشند در بسیاری از کاربردهای واقعی اندازه گیری تمامی متغیرهای حالت امکان پذیر و یا ازنظر اقتصادی مقرون به صرفه نیست. در مواردی از این قبیل نمی توان به تمام متغیرهای حالت دسترسی پیدا کرد. در این موارد ، به کارگیری رویت گرحالت الزامی است .در این پایان نامه مشاهده گر ترکیبی فازی برای تخمین متغیرهای حالت سیستم های غیرخطی نامعین طراحی شده است. متغیرهای حالت سیستم با استفاده از مشاهده گر و بدون داشتن اطلاعات کامل از سیستم تحت کنترل با استفاده از منطق فازی نوع 2 تخمین زده می شود. پارامترهای سیستم فازی بر اساس یک الگوریتم که از پایداری لیاپانوف به دست می آید چنان تنظیم می شود که خطای خروجی اندازه گیری شده و خروجی تخمین زده شده به صفر نزدیک شود. مشاهده گر ارائه شده در حضور اغتشاش و نامعینی عملکرد خوبی از خود نشان می دهد. برای آزمایش قابلیت پیاده سازی و عملکرد مشاهده گر پیشنهادی ، روی سیستم پاندول و سیستم duffing modified شبیه سازی شده است. نتایج شبیه سازی نشان می دهد که رویتگر ارائه شده در این پایان نامه ،می تواند به صورت مناسبی متغیرهای حالت سیستم های فوق را در حضور اغتشاش و نامعینی تخمین بزند. در عین حال خطای تخمین نیز بسیار پایین می باشد.

کنترل سیستمهای غیرخطی، به علت عدم وجود روشهای قاعدهمند برای چنین سیستمهایی ، یک موضوع چالش برانگیز در مباحث کنترل به شمار میرود. این مساله از نظر عملی اهمیت فراوانی دارد، زیرا رفتار بسیاری از سیستمهای واقعی، رفتاری غیرخطی است و دینامیک مدلهای خطی برای توصیف آنها کفایت نمیکند. از طرفی در بسیاری موارد مدل دینامیکی دقیق سیستم مورد بررسی در دسترس نمی باشد و برخی توابع سیستم نامعلوم هستند. یکی از راهکارهای کنترل چنین سیستم هایی ترکیب روش های کلاسیک و هوشمند کنترلی می باشد که از این میان ترکیب کنترل تطبیقی و سیستم های فازی یکی از پرکاربردترین روش ها در کنترل سیستم های غیرخطی است. در این پایاننامه در چارچوب کنترل تطبیقی و با استفاده از تقریب فازی و تکنیک طراحی گام به عقب یک طرح کنترلی برای کلاسی از سیستمهای غیرخطی تک ورودی تک خروجی با ساختار فیدبک غیر اکید مورد مطالعه قرار گرفته است که هدف آن طراحی ساختار یک کنترلکننده مناسب برای دستیابی به ردیابی خروجی سیستم حلقه بسته از سیگنال مرجع با خطای قابل قبول و نیز تضمین پایداری سیستم حلقه بسته است. روش کنترل فازی تطبیقی برای کلاسی از سیستم های غیر خطی با ساختار فیدبک غیر اکید با تاخیرهای متغیر با زمان ارائه شده و پایداری سیستم حلقه بسته و ردیابی خروجی سیستم حلقه بسته از ورودی مرجع بر اساس نظریه لیاپانوف اثبات شده است. کنترل کننده پیشنهادی بر روی دو سیستم در سه حالت مختلف با تاخیرهای متغیر با زمان ، با تاخیرهای ثابت و بدون تاخیر اعمال شده و نتایج شبیه سازی ها ارائه و مقایسه شده است.

در طراحی سیستم های کنترل با فیدبک با فرض کنترل پذیری کامل حالت و انتخاب مناسب بهره فیدبک، قطب های حلقه بسته سیستم در مکان های موردنظر جایابی می شوند. در حالت کلی لازم است که کلیه متغیرهای حالت برای فیدبک در دسترس باشند در بسیاری از کاربردهای واقعی اندازه گیری تمامی متغیرهای حالت امکان پذیر و یا ازنظر اقتصادی مقرون به صرفه نیست. در مواردی از این قبیل نمی¬توان به تمام متغیرهای حالت دسترسی پیدا کرد. در این موارد ، به کارگیری رویت گرحالت الزامی است .در این پایان نامه مشاهده گر ترکیبی فازی برای تخمین متغیرهای حالت سیستم¬های غیرخطی نامعین طراحی شده است. متغیرهای حالت سیستم با استفاده از مشاهده گر و بدون داشتن اطلاعات کامل از سیستم تحت کنترل با استفاده از منطق فازی نوع 2 تخمین زده می شود. پارامترهای سیستم فازی بر اساس یک الگوریتم که از پایداری لیاپانوف به دست می آید چنان تنظیم می شود که خطای خروجی اندازه گیری شده و خروجی تخمین زده شده به صفر نزدیک شود. مشاهده گر ارائه شده در حضور اغتشاش و نامعینی عملکرد خوبی از خود نشان می دهد. برای آزمایش قابلیت پیاده سازی و عملکرد مشاهده گر پیشنهادی ، روی سیستم پاندول و سیستم duffing modified شبیه سازی شده است. نتایج شبیه سازی نشان می دهد که رویتگر ارائه شده در این پایان نامه ،می تواند به صورت مناسبی متغیرهای حالت سیستم های فوق را در حضور اغتشاش و نامعینی تخمین بزند. در عین حال خطای تخمین نیز بسیار پایین می باشد.

اصلی¬ترین هدف در شناسایی سیستم¬ها ایجاد مدلی است که رفتاری همانند سیستم اصلی داشته باشد. شناسایی، در سیستم¬های غیرخطی دارای ملاحظات بیشتری نسبت به سیستم¬های خطی است. چرا که فرآیند¬های غیرخطی عموما به¬ صورت منحصر به فرد عمل می¬نمایند و خصوصیات مشترک کمی دارند. در برخی مواقع سیستم غیرخطی مورد نظر یک جعبه سیاه است که هیچ اطلاعی از درون سیستم در دست نمی باشد و تنها اطلاع ما از سیستم، دسته ای از داده ورودی- خروجی و مرتبه سیستم است. کاربرد شبکه¬های عصبی در زمینه شبیه-سازی و کنترل روز به روز در حال گسترش می¬باشد. به دلیل این‏که شبکه عصبی نیاز به داشتن اطلاعاتی درباره سیستم یا فرآیند ندارد، این روش همانند روش‏های جعبه سیاه عمل می¬کند. توانایی تخمین پاسخ سیستم‏های فیزیکی که از معادلات پیچیده¬ای برخوردار می¬باشند، با استفاده از شبکه عصبی بازگشتی بسیار آسان شده است. در این پایان¬نامه یک معماری برای شبکه¬های عصبی بازگشتی جهت شناسایی سیستم‏های دینامیکی ارائه شده است. معماری ارائه شده بر اساس اطلاعات محدودی از ورودی – خروجی بدست آمده از سیستم اصلی، برای شناسایی هر دو نوع سیستم‏های دینامیکی خطی و غیرخطی بکار می¬رود. یک لایه ورودی، یک لایه میانی، یک لایه خروجی به اضافه یک لایه زمینه ساختار شبکه را تشکیل می¬دهند. حافظه دینامیکی در شبکه از طریق فیدبک¬هایی بیش از یک واحد از عصب¬های لایه مخفی و اعمال این فیدبک¬ها به عنوان ورودی لایه زمینه و وجود خود بازگشتی‏ها با وزن¬های قابل تنظیم در عصب¬ لایه خروجی، فراهم شده است. ورودی سیستم در همان لحظه و لحظات قبلی، بخش اول لایه ورودی شبکه را تشکیل می¬دهند. با توجه به برتری روش شناسایی سری- موازی به شناسایی موازی، به جای این‏که فیدبک¬ها از خروجی شبکه عصبی گرفته شوند، از خروجی سیستم فیدبک گرفته می¬شود. بدین ترتیب خروجی لحظات قبلی سیستم نیز بخش دوم لایه ورودی شبکه را تشکیل می¬دهند. وجود این فیدبک¬ها در ساختار، باعث می¬شود حافظه دینامیکی در شبکه افزایش یافته و معماری ارائه شده برای تخمین توابع غیرخطی مناسب باشد. الگوریتم پس انتشار با توجه به سرعت بالای همگرایی برای آموزش شبکه در نظر گرفته شده است. با توجه به این‏که روش بهینه¬سازی گرادیان کاهشی برای اصلاح وزن¬ها از نرخ یادگیری ثابت استفاده می¬کند و امکان گیر افتادن در مینیمم محلی زیاد است، برای اصلاح وزن¬ها از قوانین تطبیقی روش حداقل مربعات بازگشتی استفاده می¬شود.

در این پایان‏نامه طراحی کنترل‏کننده ی پیش‏بین برای سیستم‏های غیرخطی دارای قید مورد مطالعه قرار گرفته است. کنترل‏کننده پیش‏بین، با پیش‏بینی رفتار آینده سیستم در طول افق محدود این امکان را فراهم می سازد تا خطای ردیابی آینده در مسئله بهینه‏سازی وارد شود. باتوجه به اینکه سیستم‏های عملی همواره در معرض محدودیت‏ها قرار دارند، این روش به طور صریح محدودیت‏ها را در مسئله بهینه‏سازی مد‏نظر قرار می‏دهد. وجود مسئله بهینه‏سازی برخط این امکان را فراهم می کند تا بر اساس اطلاعات به روز سیستم در هر لحظه بتوان به کنترل‏کننده بهینه دست‏یافت. هدف کنترلی، طراحی کنترل‏کننده ی مناسب برای دستیابی به تنظیم و ردیابی رضایت‏بخش می‏باشد. کنترل‏کننده ارائه شده توانایی قابل ملاحظه ای در همگرایی سریع حالت-ها به نقطه ی تعادل و ردیابی موفق مسیر مطلوب در حضور اغتشاش ها را دارد، همچنین قابلیت این روش در مقابله با تأخیر موجود در سیستم بسیار قابل توجه می‏باشد.

یکی از مهم ترین چالش ها در هر سیستم کنترلی نویز های داخل سیستم یا دستگاه ها می باشد که با مخدوش کردن حالت های سیستم باعث کاهش دقت و عدم کارایی کنترل کننده می شود که نیاز به تخمین حالت-ها است. محققان از روش های مختلفی برای تخمین حالت های سیستم استفاده کرده اند که شامل تخمین گر حداقل مربعات، حداقل مربعات عمومی و فیلتر کالمن بوده که برای سیستم غیرخطی کارامد نبودند. برای تخمین بهتر حالت های سیستم غیرخطی روش فیلتر کالمن توسعه یافته (ekf) استفاده شده که با داشتن حالت های سیستم می توان کنترل کننده ای کارامد طراحی کرد

حساب کسری و کاربرد آن در علوم مختلف مهندسی در سال های اخیر بیش از پیش مورد توجه محققان قرار گرفته است. علم کنترل نیز از آن بی بهره نبوده و حساب کسری در آن نفوذ روزافزون داشته است.

کنترل سیستم های غیرخطی نا معین در حضور اغتشاش، یکی از مسائل مهم و چالش برانگیز کنترلی می باشد که توجه بسیاری از محققان را به خود جلب کرده است. به دلیل وجود محدودیت شناخت در مورد پدیده های فیزیکی، امکان توصیف بسیاری از پدیده های آشکار به وسیله توابع غیرخطی وجود ندارد و دست یابی به مدل ریاضی سیستم مشکل است. این عوامل کار را برای طراحی کنترل کننده های مقاوم از جمله کنترل مدلغزشی مشکل می سازد و باعث می شود تا برای کنترل این نوع سیستم ها از ترکیب این کنترل کننده با الگوریتم های هوشمند استفاده شود. در واقع ترکیب کنترل کننده مدلغزشی و یک روش هوشمند مانند شبکه های عصبی می تواند باعث وابستگی کمتر و یا تقریباً ناچیز کنترل کننده به مدل سیستم شود. در این پایان نامه تلاش می شود تا قابلیت کنترل مدلغزشی با رویکرد تطبیقی با استفاده از قدرت تخمین شبکه های عصبی ارائه شود که در آن ساختار شبکه عصبی پیشنهادی بر مبنای عصب های راف می باشند. مزیت این روش این است که نیاز به شناخت دقیق از سیستم ندارد. سیستم مورد بررسی در این پایان نامه به صورت سیستم غیرخطی به فرم افاین می باشد. توابع غیرخطی موجود در مدل سیستم، به صورت توابع ناشناخته و کران دار فرض می شوند. به دلیل نامعین بودن این توابع، نیاز به تخمین مناسب در طی فرآیند کنترل وجود دارد. با توجه به توانایی بالای شبکه های عصبی راف در مدل کردن نامعینی ها، این تخمین گر قادر است با تعداد عصب های کم به خوبی توابع نامعین موجود در مدل سیستم را به صورت برخط تخمین زده و در اختیار کنترل کننده مد لغزشی قرار دهد.هدف کنترلی این است که سیستم حلقه بسته، پایدار مجانبی بوده و در برابر اغتشاش و خطای تخمین مقاوم باشد.

فرزکاری یکی از رایج ترین عملیات براده برداری می باشد و درصد بسیار زیادی از قطعات صنعتی از قبیل قالب ها، حفره ها و پروفیل ها توسط عملیات فرزکاری5/2 بعدی تولید می شوند. زمان کل مورد نیاز برای فرزکاری قطعات به دو قسمت تقسیم می شود: زمان ماشینکاری که ابزار عملا در حال براده برداری از قطعه می باشد و زمان غیرماشینکاری (airtime) که ابزار بدون انجام براده برداری در فضا در حال حرکت می باشد.