مقاله سیستم های کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی برای AUVs (سال 1991 الزویر)
| عنوان فارسی مقاله | سیستم های کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی برای AUVs |
| عنوان انگلیسی مقاله | Neural-Network-Based Adaptive Control Systems for AUVs |
| فهرست مطالب | مقدمه
شبکه های عصبی چند لایه سیستم یادگیری با نظارت یادگیری با نظارت برای PTEROA60 یادگیری با نظارت برای PTEROA60 مقاومت در برابر مزاحمت‌ها سیستم یادگیری بدون نظارت ارزیابی و تطبیق پذیری فرایند سازماندهی کنترلر SONCS برای بستر تست کوچک PW45 کنترل فازی اولیه پیش از یادگیری کنترلر مدل رو به جلو ارزیابی و تخمین نتیجه گیری |
| بخشی از متن مقاله انگلیسی | In this paper, two types of learning systems, the supervised learning system and the unsupervised learning system, are introduced to construct neural-network-based control systems. Both approaches are applied to longitudinal motion control of the free-swimming vehicle “PTEROA”. The supervised learning system is based on the simple concept of learning the behavior of the supervisor controller. It is implemented along with a fuzzy controller as the supervisor, and evaluated through numerical simulations and experiments. It is shown that the characteristics of the neural networks, such as flexibility of the I/0 selection and saturation of the outputs, provide favorable performance to the control system for A UVs. The unsupervised learning system, which is called “SONCS”, is introduced as an adaptive control system. The subsystems and the organizing process of the controller are described in detail. The SONCS is applied to the control problem of the untethered test-bed vehicle PW45, and its performance is evaluated through free-swimming tank tests. It is shown that after several times of adaptation, the SONCS succeeds in organizing an appropriate controller for horizontal swimming at a desired depth. |
| ترجمه بخشی از متن مقاله |
در این مقاله، دو نوع از سیستم های یادگیری، سیستم یادگیری با نظارت و سیستم یادگیری بدون نظارت برای ساخت سیستم‌های کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی معرفی می شوند. هر دو روش برای کنترل حرکت طولی دستگاه شناور آزاد PTEROA به کار رفته اند. سیستم یادگیری با نظارت بر اساس مفهوم ساده یادگیری رفتار کنترلر با نظارت است که به همراه یک کنترلر فازی به عنوان ناظر پیاده سازی می شود و با آزمایش‌ها و شبیه سازی‌های عددی ارزیابی می شود. نشان داده می شود که ویژگی‌های شبکه های عصبی مانند انعطاف‌پذیری انتخاب I/O و اشباع خروجی‌ها، کارایی مطلوبی برای سیستم کنترلی AUV فراهم می کنند. سیستم یادگیری بدون نظارت که SONCS نامیده می شود، به عنوان یک سیستم کنترلی تطبیق‌پذیر معرفی می گردد. زیرسیستم‌ها و فرایند سازماندهی کنترلر با جزئیات شرح داده می شود. SONCS در مساله کنترلی وسیله بدون هادی فیزیکی PW45 به کار می رود و کارایی آن با استفاده از آزمایش‌های تانک‌های شناور آزاد ارزیابی می شود. نشان داده می شود بعد از چند بار تطبیق‌پذیری، SONCS در سازماندهی یک کنترلر مناسب برای شنای افقی در عمق مطلوب به موفقیت می رسد. |
| سال انتشار | 1991 |
| ناشر | الزویر |
| مجله | کاربرد مهندسی هوش مصنوعی – Engineering Applications of Artificial Intelligence |
| کلمات کلیدی | کنترل تطبیق پذیر، خود سازماندهی، کنترل یادگیری، کنترل حرکت هوشمند، انتشار رو به عقب خطا، شبکه-های عصبی، وسایل نقلیه زیر آبی، شبکه های عصبی چند لایه، یادگیری با نظارت و بدون نظارت، مقاومت، کنترل فازی |
| تعداد صفحات مقاله انگلیسی | 10 |
| تعداد صفحات ترجمه مقاله | 21 |
| مناسب برای رشته | مهندسی کامپیوتر |
| مناسب برای گرایش | هوش مصنوعی |
| دانلود رایگان مقاله انگلیسی | ○ دانلود رایگان مقاله انگلیسی با فرمت pdf |
| خرید ترجمه فارسی | ○ خرید ترجمه آماده این مقاله با فرمت ورد |
| سایر مقالات این رشته | ○ مشاهده سایر مقالات رشته مهندسی کامپیوتر |
