دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
ویرایش: [1 ed.] نویسندگان: Radu-Emil Precup, Raul-Cristian Roman, Ali Safaei سری: ISBN (شابک) : 0367697300, 9780367697303 ناشر: CRC Press سال نشر: 2021 تعداد صفحات: 392 [403] زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 26 Mb
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Data-Driven Model-Free Controllers به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب کنترلرهای بدون مدل مبتنی بر داده نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
این کتاب محدوده وسیعی از کنترلکنندههای بدون مدل مبتنی بر داده را دستهبندی میکند، مزایای دقیق این کنترلکنندهها را آشکار میکند، نظریه عمیق و اثباتهای ریاضی پشت آنها را ارائه میدهد و در نهایت کاربردهای آنها را مورد بحث قرار میدهد. هر فصل شامل بخشی برای ارائه تئوری و تعاریف ریاضی یکی از الگوریتم های فوق می باشد. بخش دوم هر فصل به مثال ها و کاربردهای الگوریتم های کنترل مربوطه در مسائل مهندسی عملی اختصاص دارد. این کتاب پیشنهاد میکند از معادلات پیچیده ریاضی اجتناب شود، زیرا عمومی است زیرا شامل انواع مختلفی از کنترلکنندههای بدون مدل مبتنی بر داده است، مانند کنترلکنندههای تنظیم بازخورد تکراری، کنترلکنندههای بدون مدل (کنترلکنندههای هوشمند PID)، کنترلکنندههای تطبیقی بدون مدل، کنترلکنندههای مدل کنترلکنندههای حالت لغزشی رایگان، کنترلکنندههای تنظیم بازخورد مرجع تطبیقی بدون مدل ترکیبی و بدون مدل، کنترلکنندههای فازی تطبیقی بدون مدل هیبریدی و کنترلکنندههای بدون مدل مشارکتی. این کتاب شامل موضوع کنترل کننده های بهینه بدون مدل نیز می باشد. تنظیم بهینه کنترلکنندههای بدون مدل در فصلهایی بررسی میشود که به تنظیم بازخورد تکراری و تنظیم بازخورد مرجع مجازی میپردازند. علاوه بر این، گسترش برخی از الگوریتمهای کنترل بدون مدل به مسئله اجماع و ردیابی شکلگیری سیستمهای پویا چند عامل ارائه شده است. این کتاب می تواند به عنوان یک کتاب درسی برای دانشجویان مقاطع کارشناسی و کارشناسی ارشد و همچنین مرجع تخصصی برای محققان صنعتی و دانشگاهی در نظر گرفته شود و خوانندگان صنعت و دانشگاه را به خود جذب کند.
This book categorizes the wide area of data-driven model-free controllers, reveals the exact benefits of such controllers, gives the in-depth theory and mathematical proofs behind them, and finally discusses their applications. Each chapter includes a section for presenting the theory and mathematical definitions of one of the above mentioned algorithms. The second section of each chapter is dedicated to the examples and applications of the corresponding control algorithms in practical engineering problems. This book proposes to avoid complex mathematical equations, being generic as it includes several types of data-driven model-free controllers, such as Iterative Feedback Tuning controllers, Model-Free Controllers (intelligent PID controllers), Model-Free Adaptive Controllers, model-free sliding mode controllers, hybrid model‐free and model‐free adaptive‐Virtual Reference Feedback Tuning controllers, hybrid model-free and model-free adaptive fuzzy controllers and cooperative model-free controllers. The book includes the topic of optimal model-free controllers, as well. The optimal tuning of model-free controllers is treated in the chapters that deal with Iterative Feedback Tuning and Virtual Reference Feedback Tuning. Moreover, the extension of some model-free control algorithms to the consensus and formation-tracking problem of multi-agent dynamic systems is provided. This book can be considered as a textbook for undergraduate and postgraduate students, as well as a professional reference for industrial and academic researchers, attracting the readers from both industry and academia.
Cover Half Title Title Page Copyright Page Table of Contents Authors Chapter 1 Introduction 1.1 The Motivation of Data-Driven Model-Free Control 1.2 A Concise Overview of the Main Data-Driven MFC Techniques 1.3 Dynamic Systems Used in Implementations 1.3.1 Tower Crane System 1.3.2 Nonholonomic Autonomous Ground Rover 1.3.3 Underactuated Autonomous Quadrotor 1.4 Concluding Remarks References Chapter 2 Iterative Feedback Tuning 2.1 Background 2.2 Theory and Algorithm in the SISO Case 2.3 Theory and Algorithm in the MIMO Case 2.4 Example and Application 2.4.1 SISO Control Systems 2.4.2 MIMO Control System References Chapter 3 Intelligent PID Controllers 3.1 Introduction 3.2 Theory of Intelligent PID Controllers for Continuous-Time Dynamic Systems 3.2.1 Structure of iPID Controllers for Continuous-Time Dynamic Systems 3.2.2 Iterated Time Integrals for Online Parameter Estimations 3.2.3 Adaptive Observers for Online Parameter Estimations 3.2.4 Adaptive Model-Based Parameter Estimators 3.3 Theory of Intelligent PID Controllers for Discrete-Time Dynamic Systems 3.3.1 First-Order Discrete-Time iP/iPi/iPID Controllers 3.3.1.1 The First-Order Discrete-Time iP Controller 3.3.1.2 The First-Order Discrete-Time iPI Controller 3.3.1.3 The First-Order Discrete-Time iPID Controller 3.3.2 Second-Order Discrete-Time iP/iPi/iPID Controllers 3.3.2.1 The Second-Order Discrete-Time iP Controller 3.3.2.2 The Second-Order Discrete-Time iPI Controller 3.3.2.3 The Second-Order Discrete-Time iPID Controller 3.4 Example and Application 3.4.1 SISO Control Systems 3.4.1.1 The First-Order Discrete-Time iP Controllers 3.4.1.2 The First-Order Discrete-Time iPI Controllers 3.4.1.3 The First-Order Discrete-Time iPID Controllers 3.4.1.4 The Second-Order Discrete-Time iP Controllers 3.4.1.5 The Second-Order Discrete-Time iPI Controllers 3.4.1.6 The Second-Order Discrete-Time iPID Controllers 3.4.2 MIMO Control Systems 3.4.2.1 The First-Order Discrete-Time iP Controllers 3.4.2.2 The First-Order Discrete-Time iPI Controllers 3.4.2.3 The First-Order Discrete-Time iPID Controllers 3.4.2.4 The Second-Order Discrete-Time iP Controllers 3.4.2.5 The Second-Order Discrete-Time iPI Controllers 3.4.2.6 The Second-Order Discrete-Time iPID Controllers 3.4.2.7 Simulation and Experimental Results for the iPID Controller with the Adaptive Model-Based Parameter Estimator References Chapter 4 Model-Free Sliding Mode Controllers 4.1 Introduction 4.2 Theory 4.2.1 The Hybrid Model-Free Sliding Mode Controllers 4.2.2 The First Hybrid Model-Free Sliding Mode Controller 4.2.3 The Second Hybrid Model-Free Sliding Mode Controller 4.3 Example and Application 4.3.1 SISO Control Systems 4.3.1.1 The First Hybrid Model-Free Sliding Mode Controller 4.3.1.2 The Second Hybrid Model-Free Sliding Mode Controller 4.3.2 MIMO Control Systems 4.3.2.1 The First Hybrid Model-Free Sliding Mode Controller 4.3.2.2 The Second Hybrid Model-Free Sliding Mode Controller References Chapter 5 Model-Free Adaptive Controllers 5.1 Introduction 5.2 Theory 5.2.1 The MFAC Algorithm for Discrete-Time Dynamic Systems 5.2.1.1 The MFAC-CFDL Algorithms 5.2.1.2 The MFAC-PFDL Algorithms 5.2.2 The Generic Structure of Single-Integrator and Double-Integrator Completely Unknown Nonlinear Dynamic Systems 5.2.3 Model-Free Adaptive Controller Algorithm for Continuous-Time Dynamic Systems 5.3 Example and Application 5.3.1 SISO Control Systems 5.3.1.1 The MFAC-CFDL Algorithms 5.3.1.2 The MFAC-PFDL Algorithms 5.3.2 MIMO Control Systems 5.3.2.1 The MFAC-CFDL Algorithms Using Three SISO Loops Running in Parallel 5.3.2.2 The MFAC-CFDL Algorithms Using a Single Loop 5.3.2.3 The MFAC-PFDL Algorithms Using Three SISO Loops Running in Parallel 5.3.2.4 Simulation and Experimental Results for the Continuous-Time MFAC Algorithm References Chapter 6 Hybrid Model-Free and Model-Free Adaptive Virtual Reference Feedback Tuning Controllers 6.1 Introduction 6.2 Theory 6.2.1 The VRFT Technique 6.2.2 The First-Order Discrete-Time Model-Free Control-VRFT Controllers 6.2.3 The Second-Order Discrete-Time Model-Free Control-VRFT Controllers 6.2.4 The MFAC-VRFT Algorithms 6.3 Example and Application 6.3.1 SISO Control Systems 6.3.1.1 The Discrete-Time First-Order MFC-VRFT Controller with P Component 6.3.1.2 The Discrete-Time Second-Order MFC-VRFT Controller with P Component 6.3.1.3 The MFAC-VRFT Algorithms in Compact-Form Dynamic Linearization Version 6.3.2 MIMO Control Systems 6.3.2.1 The Discrete-Time First-Order MFC-VRFT Controller with P Component 6.3.2.2 The Discrete-Time Second-Order MFC-VRFT Controller with P Component 6.3.2.3 The MFAC-VRFT Algorithms in Compact-Form Dynamic Linearization Version References Chapter 7 Hybrid Model-Free and Model-Free Adaptive Fuzzy Controllers 7.1 A Short Overview of Fuzzy Logic and Control 7.1.1 Fuzzy Sets, Set-Theoretic Operators, Fuzzy Relations 7.1.2 Information Processing in Fuzzy Controllers 7.1.2.1 The Fuzzification Module 7.1.2.2 The Inference Module 7.1.2.3 The Defuzzification Module 7.1.3 Fuzzy Controllers and Design Approaches 7.1.3.1 Fuzzy Controllers without Dynamics 7.1.3.2 Fuzzy Controllers with Dynamics 7.2 Hybrid Model-Free Fuzzy Controllers 7.2.1 First-Order Discrete-Time iPI Controllers with Takagi-Sugeno-Kang PD Fuzzy Terms 7.2.2 Second-Order Discrete-Time iPI Controllers with Takagi-Sugeno-Kang PD Fuzzy Terms 7.3 Hybrid Model-Free Adaptive Fuzzy Controllers 7.4 Example and Application 7.4.1 SISO Control Systems 7.4.1.1 The First-Order Discrete-Time iPI Controllers with Takagi-Sugeno-Kang PD Fuzzy Terms 7.4.1.2 The Second-Order Discrete-Time iPI Controllers with Takagi-Sugeno-Kang PD Fuzzy Terms 7.4.1.3 The Hybrid Model-Free Adaptive Fuzzy Controllers 7.4.2 MIMO Control Systems 7.4.2.1 The First-Order Discrete-Time iPI Controllers with Takagi-Sugeno-Kang PD Fuzzy Terms 7.4.2.2 The Second-Order Discrete-Time iPI Controllers with Takagi-Sugeno-Kang PD Fuzzy Terms 7.4.2.3 The Hybrid Model-Free Adaptive Fuzzy Controllers References Chapter 8 Cooperative Model-Free Adaptive Controllers for Multiagent Systems 8.1 Introduction 8.2 Theory 8.2.1 The Generic Structure of a Nonlinear Multiagent Dynamic System 8.2.2 Cooperative Model-Free Adaptive Controller Without Relative State Measurements 8.2.3 Cooperative Model-Free Adaptive Controller with Relative State Measurements 8.2.4 Operating Principles of the Cooperative Model-Free Adaptive Controllers 8.3 Simulation Results 8.3.1 Simulation of CAMFC-1 Algorithm 8.3.2 Simulation of CAMFC-2 Algorithm References Appendix: Simulation Results for Implementation of Model-Free Adaptive Controller on a Differential-Drive Ground Mobile Robot Index