Intelligent Control: A Hybrid Approach Based on Fuzzy Logic, Neural Networks and Genetic Algorithms

ویرایش: 1 
نویسندگان: Nazmul Siddique (auth.)  
سری: Studies in Computational Intelligence 517 
ISBN (شابک) : 9783319021348, 9783319021355 
ناشر: Springer International Publishing 
سال نشر: 2014 
تعداد صفحات: 292 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 6 مگابایت 

قیمت کتاب (تومان) : 38,000



کنترل هوشمند روش‌های مدل‌سازی و کنترل غیر سنتی را برای سیستم‌های غیرخطی در نظر می‌گیرد. منطق فازی، شبکه های عصبی و تکنیک های محاسبات تکاملی ابزار اصلی مورد استفاده هستند. این کتاب یک کنترل‌کننده منطق فازی سوئیچینگ مدولار را ارائه می‌کند که در آن ابتدا یک کنترل‌کننده فازی نوع PD و سپس یک کنترل‌کننده فازی از نوع PI اجرا می‌شود، بنابراین عملکرد کنترل‌کننده را در مقایسه با یک کنترل‌کننده فازی نوع PID بهبود می‌بخشد. مزیت کنترل کننده فازی نوع سوئیچینگ این است که از یک پایه قاعده استفاده می کند و بنابراین پایه قانون را در طول اجرا به حداقل می رساند. یک پایه قانون واحد با ادغام توابع عضویت برای تغییر خطای کنترل‌کننده نوع PD و مجموع خطاهای کنترل‌کننده نوع PI ایجاد می‌شود. سپس توابع عضویت با استفاده از الگوریتم های تکاملی بهینه می شوند. از آنجایی که دو کنترل کننده فازی به صورت سری اجرا شدند، تنظیم بیشتر لازم در مورد فاکتورهای مقیاس بندی دیفرانسیل و انتگرال کنترل کننده انجام می شود. تنظیم مبتنی بر شبکه عصبی برای پارامترهای مقیاس‌بندی کنترل‌کننده فازی سپس توضیح داده می‌شود و در نهایت یک الگوریتم تکاملی برای کنترل‌کننده فازی تنظیم‌شده عصبی اعمال می‌شود که در آن شکل تابع سیگموئیدی شبکه عصبی تعیین می‌شود.

< p> موضوع مهم پایداری پرداخته شده است و متن به صورت تجربی نشان می دهد که کنترل کننده توسعه یافته در محدوده عملیاتی پایدار بوده است. متن با ایده‌هایی برای تحقیقات آینده پایان می‌یابد تا به خواننده پتانسیل مطالعه بیشتر در این زمینه را نشان دهد.

کنترل هوشمندبرای محققانی از زمینه‌های مهندسی و علوم کامپیوتر که کار می‌کنند مورد علاقه خواهد بود. در کنترل هوشمند و تطبیقی.

Intelligent Control considers non-traditional modelling and control approaches to nonlinear systems. Fuzzy logic, neural networks and evolutionary computing techniques are the main tools used. The book presents a modular switching fuzzy logic controller where a PD-type fuzzy controller is executed first followed by a PI-type fuzzy controller thus improving the performance of the controller compared with a PID-type fuzzy controller. The advantage of the switching-type fuzzy controller is that it uses one rule-base thus minimises the rule-base during execution. A single rule-base is developed by merging the membership functions for change of error of the PD-type controller and sum of error of the PI-type controller. Membership functions are then optimized using evolutionary algorithms. Since the two fuzzy controllers were executed in series, necessary further tuning of the differential and integral scaling factors of the controller is then performed. Neural-network-based tuning for the scaling parameters of the fuzzy controller is then described and finally an evolutionary algorithm is applied to the neurally-tuned-fuzzy controller in which the sigmoidal function shape of the neural network is determined.

The important issue of stability is addressed and the text demonstrates empirically that the developed controller was stable within the operating range. The text concludes with ideas for future research to show the reader the potential for further study in this area.

Intelligent Control will be of interest to researchers from engineering and computer science backgrounds working in the intelligent and adaptive control.

Front Matter....Pages i-xvii
Introduction....Pages 1-9
Dynamical Systems....Pages 11-37
Control Systems....Pages 39-55
Mathematics of Fuzzy Control....Pages 57-93
Fuzzy Control....Pages 95-135
Evolutionary-Fuzzy Control....Pages 137-178
Neuro-Fuzzy Control....Pages 179-216
Evolutionary-Neuro-Fuzzy Control....Pages 217-242
Stability Analysis of Intelligent Controllers....Pages 243-267
Future Work....Pages 269-280
Back Matter....Pages 281-282