و یا به تعییر دیگر، از هر نقطه که فضای حالت سیستم رها شود، سیستم به مبداء مختصات منتهی شود.

کنترل تطبیقی

بسیاری از سیستم­های دینامیک که بایستی کنترل شوندپارامترهای نامعلوم دارند که یا ثابتند و یا به آهستگی تغییر می­ کنند. کنترل تطبیقی یک روش برای کنترل این چنین سیستم­هایی است. ایدۀ اصلی در کنترل تطبیقی این است که پارامترهای نامعلوم سیستم یا کنترل کنندۀ آن بر اساس سیگنال­های اندازه ­گیری شده به صورت بهنگام، تخمین زده شوند و در انجام محاسبات ورودی کنترل از آن­ها استفاده شود. به دلیل اینکه سیستم­های کنترل تطبیقی چه در پلان­های خطی طراحی شوند چه در پلان­های غیرخطی، ذاتاً غیرخطی­اند، تحلیل و طراحی آن­ها را می­توان توسط نظریۀ لیاپانوف انجام داد [۳۳,۳۴] .

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

تحقیقات در زمینۀ کنترل تطبیقی در اوایل سال­های ۱۹۵۰، دربارۀ طراحی خلبان خودکار در هواپیماهای با عملکرد برجسته، که در محدودۀ وسیعی از سرعت و ارتفاع کار می­ کنند و لذا با تغییرات پارامترها مواجهند، آغاز شد. اما تنها در دهۀ اخیر است که نظریۀ منسجم کنترل تطبیقی با استفاده ار ابزارهای نظری کنترل غیرخطی توسعه داده شده است [۳۲].
بعضی از کاربردهای مهم کنترل تطبیقی عبارتند از : جابجا کردن توسط ربات، هدایت کشتی، کنترل هواپیما، کنترل فرایند، سیستم­های قدرت، مهندسی پزشکی و . . .
هدف کنترل تطبیقی در واقع تطبیق و به‌روز کردن کنترل کننده همزمان با تغییرات پارامترها است. کنترل تطبیقی در واقع قانون کنترلی را که معمولاً در شرایط پارامترهای معلوم سیستم طراحی می‌شود، با پارامترهای حاصل از تخمین‌گر آنلاین، به نام قانون تطبیقی، ترکیب می‌کند.
کنترل تطبیقی در دو روش است:

غیر مستقیم

شماتیک این روش در شکل زیر آورده شده است. در این حالت پارامترها به صورت صریح تخمین زده شده و برای به دست آوردن مقادیر پارامترهای کنترل کننده به کار می‌روند.
شکل ‏۲٫۲- شمای کنترل تطبیقی غیرمستقیم

مستقیم

شماتیک این روش در شکل زیر آمده است. در این حالت کنترل کننده بر اساس مدل سیستم طراحی می‌شود. بنابراین، پارامترهای کنترل کننده در حقیقت به عنوان ترمی از پارامترهای سیستم، که تخمین زده می‌شوند، به دست می‌آیند.
شکل ‏۲٫۳- شمای کنترل تطبیقی مستقیم
فصل سوم
مقدمه‌ای بر محاسبات نرم

مقدمه‌ای بر محاسبات نرم

مقدمه

محاسبات نرم^[۱۲] [۸] به مجموعه‌ای از شیوه‌های جدید محاسباتی در علوم رایانه، هوش مصنوعی، یادگیری ماشینی و بسیاری از زمینه‌های کاربردی دیگر اطلاق می‌شود. در تمامی این زمینه‌ها به مطالعه، مدل‌سازی و آنالیز پدیده‌های بسیار پیچیده‌ای نیاز است که شیوه‌های علمی دقیق در گذشته به حلّ آسان، تحلیلی، و کامل آنها توفیق کامل نداشته‌اند.
در مقایسه با تدابیر علمی نرم، روش‌های علمی بکار رفته در سده‌های پیشین، تنها از عهدۀ مدل‌سازی و آنالیز سامانه‌های نسبتاً ساده در مکانیک، فیزیک، و برخی از زمینه‌های کاربردی و مهندسی برآمده‌اند. مسائل پیچیده‌تری همچون سامانه‌های وابسته به علوم زیست‌شناسی و پزشکی، علوم اجتماعی، علوم انسانی، علوم مدیریت و نظایر آنها بیرون از قلمرو اصلی و توفیق‌آفرین روش های ریاضی و تحلیلی دقیق باقی مانده ‌بودند. شایان ذکرست که خصایص سادگی و پیچیدگی اموری هستند نسبی، و به ‌طور یقین، اغلب مدل‌سازی‌های ریاضی و علمی موفّق در گذشته هم، به مفهوم مطلق کلام، بسیار پر اهمّیّت و پیچیده بوده‌اند.
محاسبات نرم با تقبل نادقیق بودن و با محور قرار دادن ذهن انسان به‌ پیش می‌رود. اصل هدایت کنندۀ محاسبات نرم بهره‌برداری از خاصیت عدم دقیق بودن جهت مهار کردن مسأله و پایین آوردن هزینۀ راه‌حل است.
محاسبات نرم را می‌شود حاصل تلاش‌های جدید علمی دانست که مدل‌سازی، تحلیل، و در نهایت کنترل سیستم‌های پیچیده را با سهولت و موفّقیت زیادتری امکان‌پذیر می‌سازد. به عنوان مهم‌ترین شاخه‌های این محاسبات، باید منطق فازی، شبکه‌های عصبی مصنوعی، و الگوریتم ژنتیک را نام ‌برد
برخلاف شیوه‌های محاسباتی سخت که تمامی همّت و توان خود را به دقیق‌بودن، و در جهت مدل‌ نمودن کامل حقیقت معطوف می‌دارند، روش‌های نرم بر اساس تحمّل نادقیق‌نگری‌ها، حقایق جزیی و ناکامل، و فقدان اطمینان استوار گردیده‌اند. درک هر چه روشن‌تر از چرایی، چگونگی، و نیز فلسفۀ این‌ گونه محاسبات جدید است که افق‌های جدید در علوم پیچیدۀ آینده را روشن‌می‌سازد.
به زبان سادۀ علمی، روش‌های سخت، برآمده از طبیعت و نحوۀ رفتار ماشین است، ولی در مقابل، شیوه‌های نرم به انسان و تدابیر اتخاذ شده از سوی ذهن او به منظور حل و فصل مسائل اختصاص پیدا می‌کند.
در ادامه از سه مبحث اصلی محاسبات نرم فقط دو مورد شبکۀ عصبی و منطق فازی را که در این پایان‌نامه از آنها استفاده شده معرفی می‌کنیم و از پرداختن به الگوریتم ژنتیک خودداری می‌نماییم.

شبکۀ عصبی مصنوعی

مقدمه

هوش مصنوعی^[۱۳] (AI) توسط فلاسفه و ریاضی‌دانانی نظیر بول که اقدام به ارائۀ قوانین و نظریه‌هایی در مورد منطق نمودند، مطرح شده بود. با اختراع رایانه‌های الکترونیکی در سال ۱۹۴۳، هوش مصنوعی دانشمندان آن زمان را به چالشی بزرگ فراخواند. دراین شرایط، چنین به‌نظر می‌رسید که این فناوری قادر به شبیه‌سازی رفتارهای هوشمندانه خواهد بود.
با وجود مخالفت گروهی از متفکرین با هوش مصنوعی که با تردید به کارآمدی آن می‌نگریستند تنها پس از چهار دهه، شاهد تولد ماشینهای شطرنج باز و دیگر سامانه‌های هوشمند در صنایع گوناگون شدیم.
نام هوش مصنوعی در سال ۱۹۶۵ میلادی به عنوان یک دانش جدید ابداع گردید. البته فعّالیّت در این زمینه از سال ۱۹۶۰ میلادی شروع شد.
بیشتر کارهای پژوهشی اولیه در هوش مصنوعی بر روی انجام ماشینی بازی‌ها و نیز اثبات قضیه‌های ریاضی با کمک رایانه‌ها بود. در آغاز چنین به نظر می‌آمد که رایانه‌ها قادر خواهند بود چنین فعالیت‌هایی را تنها با بهره گرفتن از تعداد بسیار زیادی کشف و جستجو برای مسیرهای حل مسئله و سپس انتخاب بهترین روش برای حل آن‌ها به انجام رسانند.
این اصطلاح (هوش مصنوعی) برای اولین بار توسط جان مکارتی (John McCorthy) -که از آن به‌عنوان پدر «علم و دانش تولید ماشینهای هوشمند» یاد می‌شود- استفاده شد. آقای جان مکارتی مخترع یکی از زبان‌های برنامه نویسی هوش مصنوعی به نام (lisp) نیز هستند. با این عنوان می‌توان به هویت رفتارهای هوشمندانه یک ابزار مصنوعی پی برد. (ساختۀ دست بشر، غیر طبیعی، مصنوعی) حال آنکه AI به عنوان یک اصطلاح عمومی پذیرفته شده که شامل محاسبات هوشمندانه و ترکیبی (مرکب از مواد مصنوعی) است.
هنوز تعریف دقیقی برای هوش مصنوعی که مورد توافق دانشمندان این علم باشد ارائه نشده‌است، و این به هیچ وجه مایۀ تعجّب نیست. چرا که مقولۀ مادر و اساسی‌تر از آن، یعنی خود هوش هم هنوز بطور همه‌جانبه و فراگیر تن به تعریف نداده‌ است. در واقع، می‌توان نسل‌هایی از دانشمندان را سراغ گرفت که تمام دوران زندگی خود را صرف مطالعه و تلاش در راه یافتن جوابی به این سؤال عمده نموده‌اند که: هوش چیست؟
اما اکثر تعریف‌هایی که در این زمینه ارائه شده‌اند بر پایه یکی از ۴ باور زیر قرار می‌گیرند:

• • سیستم‌هایی که به طور منطقی فکر می‌کنند.

• • سیستم‌هایی که به طور منطقی عمل می‌کنند.

• • سیستم‌هایی که مانند انسان فکر می‌کنند.

• • سیستم‌هایی که مانند انسان عمل می‌کنند.

شاید بتوان هوش مصنوعی را این گونه توصیف کرد: «هوش مصنوعی عبارت است از مطالعه این که چگونه کامپیوترها را می‌توان وادار به کارهایی کرد که در حال حاضر انسان‌ها آنها را صحیح یا بهتر انجام می‌دهند». هوش مصنوعی به هوشی که یک ماشین از خود نشان می‌دهد و یا به دانشی در کامپیوتر که سعی در ایجاد آن دارد گفته می‌شود. بیشتر نوشته‌ها و مقاله‌های مربوط به هوش مصنوعی آن را «دانش شناخت و طراحی عامل‌های هوشمند» تعریف کرده‌اند. یک عامل هوشمند سیستمی است که با شناخت محیط اطراف خود، شانس موفقیت خود را بالا می‌برد. جان مکارتی که واژه هوش مصنوعی را در سال ۱۹۵۶ استفاده نمود، آن را «دانش و مهندسی ساخت ماشین‌های هوشمند» تعریف کرده‌است.
به فرض اینکه تعاریف بالا را از هوشمندی بپذیریم، موارد زیر فهرستی است از وظایفی که از یک سیستم هوشمند انتظار می‌رود و تقریباً اکثر دانشمندان هوش مصنوعی بر آن توافق نظردارند به شرح زیر است:

• • تولید گفتار

• • تشخیص و درک گفتار (پردازش زبان طبیعی انسان)

• • دستور پذیری و قابلیت انجام اعمال فیزیکی در محیط طبیعی و مجازی

• • استنتاج و استدلال

• • تشخیص الگو و بازشناسی الگو برای پاسخ گویی به مسائل بر اساس دانش قبلی

• • شمایلی گرافیکی و یا فیزیکی جهت ابراز احساسات و عکس العمل‌های ظریف

• • سرعت عکس العمل بالا