فهرست نشریات علمی دسترسی آزاد ایران

این مقاله یک ساختار بهبود ‌یافته برای کنترل تطبیقی بدون مدل مبتنی بر پدیده کوانتیزاسیون داده‌ها را بر پایه شبکه عصبی GMDH (روش گروهی پردازش داده‌ها) بنا شده است. در این مطالعه، به منظور غلبه بر اثرات مخرب کوانتیزاسیون بر روی داده‌های سیستم، داده‌های کوانتیزه شده سیستم مورد مطالعه ابتدا به بلوک شبکه عصبی منتقل شده، سپس شبکه عصبی با تکیه بر قابلیت پیش‌بینی، داده‌های خروجی واقعی سیستم مورد مطالعه را تخمین می­زند. در ادامه داده‌های تخمین زده شده توسط شبکه عصبی، جهت تولید سیگنال کنترلی به بلوک کنترل کننده تطبیقی بدون مدل منتقل می­شوند. به این ترتیب کنترل کننده تطبیقی بدون مدل با در دست داشتن داده‌های واقعی خروجی و تنها با محاسبه یک رابطه بازگشتی ساده، سیگنال کنترلی مطلوب را تولید خواهد کرد. سپس سیگنال کنترلی تولید شده توسط این کنترل کننده، به منظور برآورده سازی هدف کنترلی، به سیستم مورد مطالعه اعمال خواهد شد. پایداری ساختار کنترلی پیشنهاد شده در این پایان نامه توسط نظریه لیاپانوف بررسی شده است. نتایج شبیه‌سازی نیز برتری ساختار کنترلی پیشنهاد شده در این پایان نامه را نسبت به کنترل کننده تطبیقی بدون مدل مرسوم در حضور داده‌های کوانتیزه شده نشان می­دهد.