دانلود ترجمه مقاله ساخت AUVs با سیستم کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی
ترجمه فارسی مقاله ساخت AUVs با سیستم کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی
.
.
| بخشی از ترجمه فارسی مقاله : ساخت AUVs با سیستم کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی |
|
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. |
.
|
بخشی از مقاله انگلیسی : |
Neural-Network-Based Adaptive Control Systems for AUVs |
| 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. |
|
.
| مشخصات مقاله : | |
| عنوان فارسی: سیستم های کنترلی تطبیق پذیر مبتنی بر شبکه های عصبی برای AUVs |
|
| عنوان انگلیسی: Neural-Network-Based Adaptive Control Systems for AUVs |
|
| تعداد صفحات مقاله انگلیسی : 10 | تعداد صفحات ترجمه فارسی : ۲۱ |
| سال انتشار : 1991 | نشریه: الزویر – Elsevier |
| فرمت مقاله انگلیسی : PDF | فرمت ترجمه مقاله : ورد تایپ شده |
| کد محصول : 8957 | رفرنس : دارد |
| محتوای فایل : zip | حجم فایل : 2.05Mb |
| رشته های مرتبط با این مقاله: مهندسی کامپیوتر | |
| گرایش های مرتبط با این مقاله: هوش مصنوعی | |
| مجله: کاربرد مهندسی هوش مصنوعی – Engineering Applications of Artificial Intelligence | |
| دانشگاه: دانشگاه توکیو |
|
| 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 | |
| وضعیت ترجمه عناوین تصاویر و جداول : ترجمه شده است | |
| وضعیت ترجمه متون داخل تصاویر و جداول : ترجمه نشده است | |
| وضعیت ترجمه منابع داخل متن: درج نشده است | |
| وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است | |
| مطالب مرتبط: |
|
دانلود مقالات کامپیوتر با ترجمه فارسی دانلود رایگان مقاله انگلیسی با ترجمه فارسی |
.
| پشتیبانی : | |
| شما پس از انتخاب دکمه خرید در سایت کالج پروژه به سایت ایران عرضه جهت انجام مراحل خرید هدایت خواهید شد. | |
| – تلفن ثابت: ۰۴۱۴۲۲۷۳۷۸۱ – ساعات تماس: ۷ صبح الی ۱۸ عصر – آدرس ایمیل: iranarze.supt@gmail.com – تلگرام ایران عرضه: ۰۹۲۱۶۴۲۶۳۸۴ – پیامک: ۰۹۲۱۶۴۲۶۳۸۴ – آدرس: آذربایجان شرقی، مرند، خیابان کشاورزی، کوچه امین، پلاک ۳۰ – کد پستی: ۵۴۱۶۸۵۵۱۸۳ |
|
.
