ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > Identification of Rotary Inver...>الوصف

Identification of Rotary Inverted Pendulum Using Artificial Neural Network, Fuzzy Identification and Genetic Algorithm on Radial Basis Function

العنوان بلغة أخرى: التعرف على منظومة البندول المقلوب الدوار باستخدام الخلايا العصبية الصناعية والتعرف المضبب والخوارزمية الجينية للدوال الشعاعية
المصدر: مجلة كلية المأمون
الناشر: كلية المأمون الجامعة
المؤلف الرئيسي: عبدالجبار، ياسر خلدون (مؤلف)
المؤلف الرئيسي (الإنجليزية): Al-Jubouri, Yasir Khaldoon
المجلد/العدد: ع32
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2018
الصفحات: 269 - 289
DOI: 10.36458/1253-000-032-012
ISSN: 1992-4453
رقم MD: 967166
نوع المحتوى: بحوث ومقالات
اللغة: الإنجليزية
قواعد المعلومات: EcoLink, HumanIndex, IslamicInfo
مواضيع:
علم الفيزياء | التحليل الفيزيائي | التركيب الفيزيائي | الإشعاع الفيزيائي | الخلايا العصبية الصناعية | الشبكات العصبية | النظريات اللاخطية | مستخلصات الأبحاث
كلمات المؤلف المفتاحية:
System identification | Artificial Neural Network | Fuzzy identification | Genetic algorithm | Radial Basis Function
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: يدرس هذا البحث التركيب الفيزيائي والنموذج الديناميكي للبندول المقلوب الدوار ويستعرض ثلاث طرق للتعرف علية باستخدام الشبكة العصبية الصناعية والتعرف المضبب والخوارزمية الجينية للدوال الشعاعية. تم تطبيق متحكم من نوع المنظم الخطي الرباعي لتوليد إشارة سيطرة والتي تطبق كمدخل لكل نموذج وتم تطبيقها باستخدام برنامج الماتلاب. تم ربط نموذج شبكة عصبية مع النموذج البندول الدوار المقلوب وبنفس المدخل لتكون عملية التعليم مباشرة. بينما تم تطبيق نظرية المربعات المصغرة التكرارية على نموذج نظام مضبب قياسي. بينما تم استخدام الخوارزميات الجينية لإيجاد الأوزان المثلى لدالة شعاعية بحيث يتم تقليل الخطأ بين القيم المقاسة ومخرج الشبكة. النتائج أظهرت بأن النظريات اللاخطية مثل التعرف المضبب والشبكات العصبية تكون أكثر ملاءمة لتمثيل النظام. النتائج أظهرت بأن النظام المضبب كان أكثر دقة في التعرف على النظام ولكنها تعاني من عدم الاستمرارية، بينما كانت الخوارزمية الجينية للدوال الشعاعية دقيقة أيضا ولكن بزمن وصول أكبر، والشبكات العصبية كانت أقل دقة في تمثيل هذا النظام.

This paper studies the physical structure and the mathematical dynamic model for a rotary inverted pendulum system and presents three different methods to identify this system. These methods are the Artificial Neural Network (ANN), Fuzzy Identification and Genetic Algorithm on Radial Basis Functions. In each method we use an LQR controller to generate a control signal which is applied to the system model and then we find the response for both the system model and the identified model using MATLAB. A Neural Network emulator is connected to the system model and receives a control input from the LQR controller such that the learning process which is done on-line. On the other hand, a Recursive Least Squares method is used to tune a standard Fuzzy system. Meanwhile, a Genetic algorithm is used to find the best weights for a Radial Basis Function model which minimizes the error between the measured output and network output. The results show that nonlinear methods such as fuzzy identification and neural network are more convenient to represent such system. The results for these methods show that the fuzzy model did a more accurate identification for the system however, it suffers from discontinuity, while, the response found for the Genetic RBF was also accurate but with longer settling time. Finally, the Artificial Neural Network model had a less accurate result.
ISSN: 1992-4453

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.