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:
نویسندگان: Benosman. Mouhacine
سری:
ISBN (شابک) : 9780128031360, 0128031360
ناشر: Elsevier Science
سال نشر: 2016
تعداد صفحات: 277
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 4 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
کلمات کلیدی مربوط به کتاب کنترل تطبیقی مبتنی بر یادگیری: رویکردی برای جستجوی افراط؟ تئوری و کاربردها: سیستم های کنترل تطبیقی، سیستم های تطبیقی، منابع اینترنتی
در صورت تبدیل فایل کتاب Learning-Based Adaptive Control: An Extremum Seeking Approach ? Theory and Applications 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 کنترل تطبیقی مبتنی بر یادگیری: رویکردی برای جستجوی افراط؟ تئوری و کاربردها 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.
کنترل تطبیقی یکی از مشکلات اصلی مورد مطالعه در نظریه کنترل بوده است. موضوع به خوبی درک شده است، اما دارای مرز تحقیقاتی بسیار فعال است. این کتاب بر روی یک زیر کلاس خاص از کنترل تطبیقی، یعنی کنترل تطبیقی مبتنی بر یادگیری تمرکز دارد. همانطور که سیستم ها در طول زمان تکامل می یابند یا در معرض محیط های بدون ساختار قرار می گیرند، انتظار می رود که برخی از ویژگی های آنها تغییر کند. این کتاب دیدگاه جدیدی در مورد نحوه برخورد با این تغییرات ارائه می دهد. با ادغام الگوریتمهای یادگیری بدون مدل و مبتنی بر مدل، نویسنده با استفاده از تعدادی مثال مکاترونیک نشان میدهد که چگونه فرآیند یادگیری را میتوان کوتاه کرد و عملکرد کنترل بهینه را میتوان به دست آورد و حفظ کرد.
Adaptive control has been one of the main problems studied in control theory. The subject is well understood, yet it has a very active research frontier. This book focuses on a specific subclass of adaptive control, namely, learning-based adaptive control. As systems evolve during time or are exposed to unstructured environments, it is expected that some of their characteristics may change. This book offers a new perspective about how to deal with these variations. By merging together Model-Free and Model-Based learning algorithms, the author demonstrates, using a number of mechatronic examples, how the learning process can be shortened and optimal control performance can be reached and maintained.
Content:
Front Matter,Copyright,Preface,AcknowledgmentsEntitled to full textChapter 1 - Some Mathematical Tools, Pages 1-17
Chapter 2 - Adaptive Control: An Overview, Pages 19-53
Chapter 3 - Extremum Seeking-Based Iterative Feedback Gains Tuning Theory, Pages 55-100
Chapter 4 - Extremum Seeking-Based Indirect Adaptive Control, Pages 101-140
Chapter 5 - Extremum Seeking-Based Real-Time Parametric Identification for Nonlinear Systems, Pages 141-221
Chapter 6 - Extremum Seeking-Based Iterative Learning Model Predictive Control (ESILC-MPC), Pages 223-254
Conclusions and Further Notes, Pages 255-264
Index, Pages 265-270