Control Systems: Classical, Modern, and AI-Based Approaches

سیستم‌های کنترل: رویکردهای کلاسیک، مدرن و مبتنی بر هوش مصنوعی یک مطالعه گسترده و جامع از اصول، ریاضیات و برنامه‌های کاربردی را برای کسانی که در حال مطالعه کنترل پایه در مکانیک، الکتریکی، هوافضا و غیره هستند فراهم می‌کند. رشته های مهندسی این متن یک پایه ریاضی قوی برای تئوری کنترل سیستم‌های کنترل خطی، غیرخطی، بهینه، مدل، پیش‌بینی‌کننده، قوی، دیجیتالی و تطبیقی ​​ایجاد می‌کند و به کاربردها در چندین حوزه نوظهور مانند هواپیما، الکترومکانیکی و برخی از سیستم‌های غیر مهندسی می‌پردازد. : کنترل موتور DC، کنترل ضخامت پرتو فولادی، دیگ درام، سیستم کنترل حرکتی، راکتور شیمیایی، مونتاژ دیسک سر، کنترل پیچ هواپیما، کنترل انحراف دمپر، کنترل هلیکوپتر، و کنترل نیروی جزر و مدی. کنترل غیرمتمرکز، کنترل نظری بازی و کنترل سیستم های ترکیبی مورد بحث قرار می گیرد. همچنین سیستم‌های کنترل مبتنی بر شبکه‌های عصبی مصنوعی، منطق فازی و الگوریتم‌های ژنتیک که سیستم‌های مبتنی بر هوش مصنوعی نامیده می‌شوند با کاربردهایی مانند فرود خودکار هواپیما، کنترل فرآیند صنعتی، سیستم تعلیق فعال، زمان‌بندی بهره فازی، کنترل PID مورد مطالعه و تحلیل قرار می‌گیرند. و کنترل عصبی تطبیقی. پوشش عددی با MATLAB^® یکپارچه شده است و مثال ها و تمرین های متعددی برای هر فصل گنجانده شده است. کد MATLAB مرتبط^® در دسترس خواهد بود.

Control Systems: Classical, Modern, and AI-Based Approaches provides a broad and comprehensive study of the principles, mathematics, and applications for those studying basic control in mechanical, electrical, aerospace, and other engineering disciplines. The text builds a strong mathematical foundation of control theory of linear, nonlinear, optimal, model predictive, robust, digital, and adaptive control systems, and it addresses applications in several emerging areas, such as aircraft, electro-mechanical, and some nonengineering systems: DC motor control, steel beam thickness control, drum boiler, motional control system, chemical reactor, head-disk assembly, pitch control of an aircraft, yaw-damper control, helicopter control, and tidal power control. Decentralized control, game-theoretic control, and control of hybrid systems are discussed. Also, control systems based on artificial neural networks, fuzzy logic, and genetic algorithms, termed as AI-based systems are studied and analyzed with applications such as auto-landing aircraft, industrial process control, active suspension system, fuzzy gain scheduling, PID control, and adaptive neuro control. Numerical coverage with MATLAB^® is integrated, and numerous examples and exercises are included for each chapter. Associated MATLAB^® code will be made available.