دانشگاه آزاد اسلامی

واحد تهران جنوب

دانشکده تحصیلات تکمیلی

پایان نامه برای دریافت درجه کارشناسی ارشد

مهندسی برق – گرایش کنترل

عنوان:

شناسایی روی خط (On-line) سیستم های چند متغییره با استفاده از روش زیرفضا (SubSpace)

برای رعایت حریم خصوصی اسامی استاد راهنما،استاد مشاور و نگارنده درج نمی شود

تکه هایی از متن به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

چکیده

به دلیل اینکه اکثر سیستم های حقیقی ساختاری غیرخطی دارند لذا شناسایی آنها در دهه های اخیر بسیار مورد توجه قرار گرفته است. در این پایان نامه نیز سعی شده مدل Hammerstein که یکی از انواع ساختارهای غیرخطی است به صورت On-line شناسایی شود. مدل Hammerstein متشکل از اتصال متوالی یک بلوک غیرخطی و یک بلوک خطی است. بلوک خطی که معرف دینامیک سیستم واقعی نیز می باشد به کمک روش شناسایی SIMPCA که جزو روش های شناسایی زیرفضاست تخمین زده می شود. به دلیل اینکه روش های شناسایی زیرفضا مدل فضای حالت سیستم را شناسایی می کنند، می توان آنها را جهت شناسایی سیستم های چندمتغییره (MIMO) بکار برد. بلوک غیرخطی نیز توسط نگاشت غیرخطی حاصل از ترکیب خطی یکسری توابع پایه به دست می آید. این توابع پایه، نگاشتی از ورودی های اصلی سیستم محسوب می شوند و می توان از چند جمله ایها، کثیرالجمله ایهای قطعه ای، سیگموئیدها، موجک ها، سینوس ها و کسینوس ها یا توابع پایه شعاعی استفاده کرد و در اینجا به دلیل سادگی در برنامه نویسی و توانایی بکارگیری ورودی هایی با چند بعد، از توابع پایه شعاعی استفاده خواهد شد. در این پروژه سه روش برای تخمین مناسب نگاشت غیرخطی پیشنهاد شده است. اولین روش الگوریتم پالایش انتخابی نامیده می شود. در این الگوریتم ابتدا یک سری توابع پایه اولیه به عنوان ورودی های جدید سیستم تعریف می شود سپس با کمک ورودی های جدید تخمین ماتریس های سیستم محاسبه می شود و با اعمال SVD بر ماتریس های ورودی، یک نگاشت غیرخطی به دست می آید که به کمک یکسری توابع پایه تصادفی می توان آن را پالایش نمود تا نگاشتی مناسب حاصل شود. در دو روش دیگر ترکیب خطی توابع پایه بهینه سازی می شود به عبارتی با تعریف یک تابع هدف و بهینه سازی پارامترهای آن به کمک روش بهینه سازی شبه – نیوتن با کد BFGS و الگوریتم ژنتیک، بلوک غیرخطی شناسایی می شود. هر سه روش فوق الذکر برای شناسایی سیستم به صورت Off-line می توانند استفاده شون ولی جهت شناسایی on-line می بایست سرعت محاسبات مدنظر قرار گیرد لذا دو روش آخر روش های مناسبتری هستند، پس برای شناسایی بخش غیرخطی مدل Hammerstein به صورت on-line از روش های بهینه سازی تابع هدف استفاده خواهد شد. در این پروژه شیوه پنجره لغزان با طول N داده ورودی / خروجی به کار برده می شود تا سیستم غیرخطی به صورت on-line شناسایی شود.

مقدمه

روش های شناسایی که بر مبنای تحقق بنا شده و به آن روش هندسی یا زیرفضا نیز می گویند، جزو روش هایی است که سیستم های خطی چندمتغییره را به شکل مدل فضای حالت با دقت مناسب و به طور سریع شناسایی می کند. مسئله شناسایی سیستم های MIMO یکی از مسائل مهم است که روش های شناسایی SISO جوابگوی آن نمی باشد یکی از دلایل اینست که به دست آوردن و پیش بینی یک ساختار پارامتریک برای این سیستم ها بسیار دشوار است. در اواسط دهه 1960 دو مقاله مهم یکی برای تخمین مدل ARMAX توسط AStrom و Bohlin و دیگری توسط Ho و Kalman برای حل مسئله تحقق فضای حالت ارائه گردید که آغازی برای طرح مسئله شناسایی سیستم ها و فرایندهایی بود که در صنعت با آن مواجهیم. می توان گفت روش های زیرفضا براساس ایده تئوری تحقق سیستم های قطعی و تصادفی تکیه دارد و توسط محققینی همچون Ho و Kalman (1966 و Van Overschee و De Moor (1996 – 1994 و Verhagen (1994 و Verhaegen و Dewilde (1992 و Viberg (1995 و Akaike (1975 – 1974 و Faurre (1976 و Picci (1976 و Lindquist و Picci (1979 – 1991 و بسیاری دیگر پایه گذاری شده و توسعه یافته است. این روش ها علاوه بر سیستم های خطی، سیستم های غیرخطی را نیز شناسایی می نمایند. در چند دهه اخیر تلاش هایی برای ارائه روش هایی جهت شناسایی سیستم های غیرخطی با استفاده از الگوریتم زیرفضا انجام گرفته از جمله شناسایی مدل Wiener و Hammerstein، شناسایی مدل Hammerstein با استفاده از LS-SVM و شناسایی سیستم های دوسویه. در این پروژه الگوریتم جدیدی جهت شناسایی on-line سیستم های غیرخطی با مدل Hammerstein ارائه خواهد شد. مدل های Hammerstein از اتصال متوالی یک بلوک خطی و یک بلوک غیرخطی تشکیل می شود. برای شناسایی بلوک خطی از الگوریتم شناسایی زیرفضا با استفاده از آنالیز مولفه اصلی یا SIMPCA (Qin ,Wang و جهت شناسایی بلوک غیرخطی از روش نگاشت غیرخطی که یکسری توابع پایه شعاعی را جهت این نگاشت به کار می برد استفاده خواهیم کرد. به این دلیل از توابع پایه شعاعی استفاده می شود که نوشتن برنامه شبیه سازی با این تابع ساده تر است و همچنین امکان اعمال چند ورودی به طور همزمان برای آن وجود دارد. سپس با اعمال روش هایی سعی در اصلاح نگاشت یا بهینه سازی پارامترهای توابع پایه می نماییم. این روش ها شامل الگوریتم پالایش انتخابی، الگوریتم بهینه سازی شبه – نیوتن با کد BFGS و الگوریتم ژنتیک می باشد. هر سه روش بررسی و اجرا خواهند شد و مناسبترین آنها جهت شناسایی on-line به کار گرفته می شود. این پایان نامه در 6 فصل تنظیم شده است، فصل اول شامل شناسایی مقدماتی با مقوله شناسایی و اهداف پروژه می باشد، در فصل دوم وارد مبحث شناسایی زیرفضا شده و با ایده اصلی آن آشنا می شویم در فصل سوم چند روش مهم شناسایی زیرفضا تجزیه و تحلیل می شود و در فصل چهارم روشهای شناسایی مدل غیرخطی و به صورت off-line ارائه می شود. فصل پنجم نیز شامل شناسایی on-line مدل غیرخطی Hammerstein با استفاده از روش SIMPCA می باشد و در انتها نتیجه گیری و پیشنهادات لازم ارائه می گردد.

برای دانلود متن کامل پایان نامه اینجا کلیک کنید.

لینک بالا اشتباه است

برای دانلود متن کامل اینجا کلیک کنید

       

:: بازدید از این مطلب : 454