منبع مقاله درباره نرم افزار

r Manna and David Dill, “Design of
Hierarchical, Hybrid Control Systems” DARPA SEC PI Meeting June 12, 2000
[42] Jonathan Paxman, “Switching Controllers: Realization, Initialization and Stability”
Control Group Department of Engineering University of Cambridge A dissertation
submitted for the degree of Doctor of Philosophy October 2003
[43] Panos J,Antsaklis, Xenofon D. Koutsoukos, “Hybrid Systems Control” Department
of Electrical Engineering, University of Notre Dame
[44] Rongjung Zhang, Yaobin chen “Control of hybrid dynamical systems for Electric
vehicles” 2001 AACC
[45] Gregory A. Hubbard ,”System Level Control of a Hybrid-Electric Vehicle
Drivetrain” 1997 AACC
[46] Anthony M. Philips, Miroslava Jankovic, and Kathleen E. Bailey ,”Vehicle System
Controller Design for a Hybrid Electric Vehicle” 2000 IEEE
[47] Anthony M. Philips, “Functional Decomposition in a Vehicle Control System” 2002
IEEE
[48] سید روح اله امامی میبدی، “مدلسازی دینامیکی و شبیه سازی سیستم محرکه رانشی خودرو هایبرید برقی” پایان نامه کارشناسی ارشد برق قدرت ، دانشگاه صنعتی خواجه نصیر الدین طوسی، اسفند 83
کراس ، “تئوری جامع ماشینهای الکتریکی” [49]
[50] Paul F. Puleston, Sarah Spurgeon and Xiao Yun Lu, “A nonlinear sliding mode
control framework for engine speed control” Control and Instrumentation Group,
Department of Engineering , Leicester University
[51] Levent U. Gokdere, Khalid Benlyazid, Roger A. Dougal, Enrico Santi, Charles
W. Brice, “A virtual prototype for a hybrid electric vehicle” 2002 Elsevier Science
Mechatronics 12 (2002) 575-593
[52] E.Cerruto, A.Consoli, A. Raciti, A. Testa , “Energy Flows Management in Hybrid
Vehicles by Fuzzy Logic Controller” 1994 IEEE
[53] “User’s Guide: Fuzzy Toolbox”, Mathworks Inc., 2002.
[54] تشنه لب . محمد، صفاپور. نیما، افیونی . داریوش “سیستم های فازی و کنترل فازی”
[55] Kevin M. Passino, Stephen Yurkovich, “Fuzzy Control”, Department of Electrical
Engineering The Ohio State University
[56] Rahmoun, A., and Berrani, S. ” A Genetic-Based Neuro-Fuzzy Generator :
NEFGEN” Proceeding of ACS/IEEE International Conference on Computer
Systems and Applications, 2001, pp.18-23.
[57] Bologna, G., “FDIMLP: A New Neuro-Fuzzy Model” , Proceedings of International
Joint Conference on Neural Networks, 2001.Vol.2, 2001, pp. 1328-1333.
[58] Nurnberger, A., Nauck, D., and Kruse, R., “Neuro-Fuzzy Control Based on the
NEFCON-Model: Recent Developments” , Soft Computing 2, Vol.4 1999,pp.168-
182
[59] Jang, J.-S.R., “ANFIS: Adaptive-Network-based Fuzzy Inference System”, IEEE
Transactions on Systems, Man and Cybernetics, Vol.23, No.3, 1993, PP. 665-685
[60] “User’s Guide: Stateflow Toolbox “, Mathworks Inc., 2002.
[61] H. Marchand, B. Gaudin, “Supervisory Control Problems of Hierarchical Finite
State Machines” VerTeCs Team, Irisa, Campus Universitaire de Beaulieu, 35042 Rennes, France,
[62] Harel, David, “Statecharts: A Visual Formalism for Complex Systems,” Science of
Computer Programming 8, 1987, pages 231-274.
ضمائم
ضمیمه1
جعبه ابزار Fuzzy
سیستم های فازی و کنترل فازی [53]:
واژه فازی در لغت به معنای مبهم و گنگ می باشد. اگرچه سیستم های فازی پدیده های غیر قطعی و نا مشخص را توصیف می کنند، با این حال خود تئوری فازی یک تعریف دقیق می باشد. سیستم های فازی، سیستم های مبتنی بر دانش یا قواعد40 می باشند. قلب یک سیستم فازی ، پایگاه دانش بوده که از قواعد اگر-آنگاه تشکیل شده است. یک قاعده اگر – آنگاه فازی یک عبارت آگر-آنگاه بوده که بعضی از کلمات آن بوسیله تابع عضویت پیوسته مشخص شده اند. به عنوان مثال عبارت فازی (1-ض1) را در نظر بگیرید:
اگر سرعت اتومبیل بالا است، آنگاه نیروی کمتری به پدال گاز وارد کنید. (1-ض1)
در عبارت فوق ، کلمات کم و بالا ، متغیرهای زبانی41 هستند . در صحبتهای عامیانه ، اگر یک متغیر بتواند، واژه هایی از زبان طبیعی را به عنوان مقدار بپذیرد، یک متغیر زبانی نامیده می شود.
در سیستم های عملی اطلاعات مهم از دو منبع سرچشمه می گیرند. یکی از منابع مهم افراد خبره می باشند که دانش و آگاهیشان را در مورد سیستم با زبان طبیعی توصیف می کنند. منبع دیگر اندازه گیری ها و مدلهای ریاضی هستند که از قواعد فیزیکی مشتق شده اند. بنابراین یک مسئله مهم ترکیب این دو نوع اطلاعات در طراحی سیستم ها است. برای انجام این ترکیب سوال کلیدی این است که چگونه می توان دانش بشری را در چهار چوبی مشابه مدلهای ریاضی فرموله کرد. به عبارت دیگر سوال اساسی این است که چگونه می توان دانش بشری را به یک فرمول ریاضی تبدیل کرد. اساساً آنچه که یک سیستم فازی انجام می دهد، همین تبدیل است. برای اینکه بدانیم این تبدیل چگونه صورت می گیرد، ابتدا باید بدانیم سیستم های فازی ، چگونه سیستم هایی هستند.
سیستم های فازی، سیستم های مبتنی بر دانش یا قواعد می باشند. قلب یک سیستم فازی یک پایگاه دانش بوده که از قواعد اگر – آنگاه فازی تشکیل شده است. یک قاعده اگر-آنگاه فازی یک عبارت اگر – آنگاه بوده که بعضی کلمات آن بوسیله توابع تعلق پیوسته مشخص شده اند.
بنابراین نقطه شروع ساخت یک سیستم فازی بدست آوردن مجموعه ای از قواعد اگر و آنگاه فازی می باشد. مرحله بعدی ترکیب این قواعد در یک سیتم واحد می باشد. شکل(3) ساختار اصلی یک سیستم فازی را نشان می دهد.
در کتب و مقالات معمولاً از سه نوع سیستم فازی صحبت به میان می آید: 1) سیستم های فازی خالص ، 2) سیستم های فازی تاکاگی- سوگنو و کانگ (TSK)، 3) سیستم های با فازی ساز و غیر فازی ساز.
ساختار اصلی یک سیستم فازی خالص در شکل(1-ض1) نشان داده شده است. پایگاه قواعد فازی مجموعه ای از قواعد اگر- آنگاه را نشان می دهد.
شکل(1-ض1) ساختار اصلی سیستم های فازی خالص
موتور استنتاج فازی این قواعد را به یک نگاشت از مجموعه های فازی در فضای ورودی به مجموعه های فازی در فضای خروجی بر اساس اصول منطق فازی ترکیب می کند. در شکل (1-ض1) اگر خط نقطه چین وجود داشته باشد، چنین سیستمی سیستمی فازی دینامیک نامیده می شود.
مشکل اصلی در رابطه با سیستم های فازی خالص این است که ورودی ها و خروجی های آن مجموعه های فازی می باشند. در حالیکه در سیستم های مهندسی، ورودی ها و خروجی ها با متغیّر هایی با مقادیر حقیقی می باشند. برای حل این مشکل ، تاکاگی- سوگنو و کانگ نوع دیگری سیستم های فازی معرفی کرده اند که ورودی ها و خروجی های آن متغیرهایی با مقادیر واقعی هستند. شکل(2-ض1) ساختار اصلی سیستم فازی TSK را نشان می دهد.
شکل(2-ض1) ساختار اصلی سیستم فازی TSK
به عنوان نمونه ، قانون (2-ض1) مثالی از این قواعد مربوط به این سیستم می باشد.
اگر سرعت اتومبیل (x) بالاست، آنگاه نیروی وارد بر پدال گاز برابر است با y=cx (2-ض1)
مقایسه روابط (1-ض1) و (2-ض1) نشان می دهد که بخش آنگاه قاعده فازی از یک عبارت توصیفی با مقادیر زبانی به یک رابطه ریاضی ساده تبدیل شده است. این تغییر، ترکیب قواعد فازی را ساده تر می سازد. در حقیقت سیستم فازی TSK یک میانگین وزنی از مقادیر بخش های آنگاه قواعد می باشد.
مشکلات عمده سیستم فازی TSK عبارتند از : 1) بخش آنگاه قاعده یک فرمول ریاضی بوده و بنابراین چها چوبی را برای نمایش دانش بشری فراهم نمی کند. 2) این سیستم دست ما را برای اعمال اصول مختلف منطق فازی باز نمی گذارد و در نتیجه انعطاف پذیری سیستم های فازی در این ساختار وجود ندارد، برای حل این مشکلات ما از نوع سومی از سیستم های فازی یعنی سیستم های فازی سازها و غیرفازی سازها استفاده می کنیم.
به منظور استفاده از سیستم های فازی خالص در سیستم های مهندسی، یک روش ساده اضافه کردن یک فازی ساز در ورودی که متغیّرهایی با مقادیر حقیقی را به یک مجموعه فازی تبدیل کرده و یک غیر فازی ساز که یک مجموعه فازی را به یک متغیّر با مقدار حقیقی در خروجی تبدیل می کند. شکل(3-ض1) ساختار اصلی یک سیستم فازی با فازی ساز و غیر فازی ساز را نشان می دهد. با توجه به شکل چهار مرحله قابل تفکیک است[54 و55].
شکل(3-ض1) ساختار اصلی یک سیستم فازی با فازی ساز و غیر فازی ساز
الف) مشابه هر سیستم کنترلی، ناچار به اخذ اطلاعات از سیستم کنترل هستیم. این اطلاعات شامل مقادیری است که توسط واحد تصمیم گیری فازی مورد نیاز است.
ب) در مرحله فازی کردن ، اطلاعات اخذ شده به عنوان ورودی به واحد تصمیم گیری بایستی فازی شود. که در این رابطه به هر مقدار عددی یا فازی یک یا چند مجموعه فازی با درجه خاصی از عضویت نسبت داده می شود.
برای مقدار دهی به متغیرهای زبانی از توابع عضویت استفاده می گردد. برای مثال شکل(4-ض1) تابع عضویت ? را برحسب e(t) نشان می دهد.
شکل(4-ض1) تابع عضویت ? را برحسب e(t) نشان می دهد.
در واقع شکل(4-ض1) برای مقداردهی به متغیر زبانی (possmall) بکار رفته است. برای فهم این موضوع به عبارات زیر توجه نمایید:
اگر e(t)=-?/2 باشد در این صورت ?(-?/2)=0 است.
اگر e(t)=?/8 باشد، در این صورت ?(?/8)=0.5 است.
…..
در واقع تابع عضویت، درجه عضویت هر یک از متغیرهای زبانی را بصورت پیوسته نشان می دهد. در حالت کلّی اگر X یک مجموعه جهانی و A یک مجموعه فازی باشد، برای هر مقدار x?X ، تابع ?A(x) به عنوان تابع عضویت می باشد و هر عضو X را بین 0 و 1 مقدار دهی می کند. در جعبه ابزار Fuzzy در نرم افزار Matlab ، 11 نوع تابع عضویت وجود دارد.
ج) در مرحله تصمیم گیری یا استنتاج42، کمیت فازی شده از یک مجموعه قوانین با ساختار کنترلی زیر عبور می کند:
If x1 is A11 and (or) x2 is A12 …and (or) xn is A1n then y1 is B11…and (or) ym is B1m.
:
If xr is Ar1 and (or) x2 is Ar2 …and (or) xn is Arn then y1 is Br1…and (or) ym is Brm.
در اینجاx1,x2,…,xn متغیرهای زبانی ورودی و y1,y2,…,ym متغیرهای زبانی خروجی واحد تصمیم گیری هستند. مقادیر Aij و Bij زیر مجموعه های فازی و نشان دهنده ارزش متغیّرها هستند. در واقع قوانین 1…r قوانینی هستند که با تجربه و یا مدل سیستم پایه گذاری شده اند و براساس Aij ها که شرایط موجود در سیستم هستند ، تصمیم گیری می شوند. این تصمیم گیری براساس درجات عضویت سیگنال ورودی در زیر مجموعه های Aij صورت می گیرد و لذا نوع خروجی را مشخص می کند. البته برای این منظور از قاعده های استنتاج استفاده شده است.
د) برای اعمال کنترل به سیستم ، ناچار به تبدیل کمیت های فازی بدست آمده به کمیت های اصلی هستیم. در اکثر موارد روشهایی نیاز است تا مقداری به عنوان کمیت قطعی خروجی انتخاب شود ، بطوریکه به بهترین نحو نمایشگر مجموعه های عضویت خروجی باشند. به این روشها ، فازی زدایی43 گفته

مطلب مرتبط :   دانلود پایان نامه ارشد درموردطلاق

دیدگاهتان را بنویسید