Robust and Fault-Tolerant Control: Neural-Network-Based Solutions

ویرایش: [1st ed.] 
نویسندگان: Krzysztof Patan  
سری: Studies in Systems, Decision and Control 197 
ISBN (شابک) : 9783030118686, 9783030118693 
ناشر: Springer International Publishing 
سال نشر: 2019 
تعداد صفحات: XXVIII, 209
[231] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 8 Mb 

قیمت کتاب (تومان) : 42,000



کنترل مقاوم و مقاوم در برابر خطا استراتژی‌های کنترل خودکار جدیدی را برای سیستم‌های غیرخطی توسعه‌یافته با استفاده از شبکه‌های عصبی مصنوعی پیشنهاد می‌کند و توجه ویژه‌ای به رویکردهای مقاوم و مقاوم در برابر خطا دارد. این کتاب استحکام و تحمل خطا را در زمینه کنترل پیش‌بینی مدل، تطبیق خطا و پیکربندی مجدد، و استراتژی‌های کنترل یادگیری تکراری بحث می‌کند. این مونوگراف با بسط بحث های نظری خود شامل بسیاری از مطالعات موردی است که نشان می دهد رویکردهای پیشنهادی در عمل چگونه کار می کنند. مهم ترین ویژگی های کتاب عبارتند از:

• بررسی جامع معماری شبکه های عصبی با کاربردهای احتمالی در مدل سازی و کنترل سیستم؛
  
• مقدمه ای مختصر بر مقاوم و مقاوم در برابر خطا کنترل؛
  
• ارائه گام به گام رویکردهای کنترلی پیشنهادی؛
  
• مطالعات موردی فراوانی که مراحل مهم در طراحی مقاوم و مقاوم به خطا را نشان می دهد. کنترل؛ و
  
• تعداد زیادی شکل و جداول که تحلیل عملکرد رویکردهای کنترلی شرح داده شده را تسهیل می کند.
  

مواد ارائه شده در این کتاب برای محققان مفید خواهد بود. و مهندسانی که مایلند از صرف زمان زیاد در جستجوی راه حل های کنترل مبتنی بر شبکه عصبی اجتناب کنند. این برای مهندسین برق، علوم کامپیوتر و کنترل اتوماتیک که علاقه مند به تئوری کنترل و کاربردهای آنها هستند نوشته شده است. این مونوگراف همچنین به دانشجویان تحصیلات تکمیلی علاقه مند خواهد شد که درگیر مطالعه خودآموز کنترل غیرخطی قوی و مقاوم به خطا هستند.

Robust and Fault-Tolerant Control proposes novel automatic control strategies for nonlinear systems developed by means of artificial neural networks and pays special attention to robust and fault-tolerant approaches. The book discusses robustness and fault tolerance in the context of model predictive control, fault accommodation and reconfiguration, and iterative learning control strategies. Expanding on its theoretical deliberations the monograph includes many case studies demonstrating how the proposed approaches work in practice. The most important features of the book include:

• a comprehensive review of neural network architectures with possible applications in system modelling and control;
  
• a concise introduction to robust and fault-tolerant control;
  
• step-by-step presentation of the control approaches proposed;
  
• an abundance of case studies illustrating the important steps in designing robust and fault-tolerant control; and
  
• a large number of figures and tables facilitating the performance analysis of the control approaches described.
  

The material presented in this book will be useful for researchers and engineers who wish to avoid spending excessive time in searching neural-network-based control solutions. It is written for electrical, computer science and automatic control engineers interested in control theory and their applications. This monograph will also interest postgraduate students engaged in self-study of nonlinear robust and fault-tolerant control.