در این مطلب، ویدئو چگونه سیستم استنتاج عصبی فازی تطبیقی را در MATLAB/SIMULINK طراحی کنیم؟ (قسمت دوم) | دکتر ج.ا لاغری با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید. اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
مدت زمان فیلم: 00:14:21
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00 =>04
سلام علیکم
به قسمت دوم و آخر سریال ANFIS خوش آمدید
2
04 =>11
. امروز قصد دارم
نحوه پیاده سازی Adaptive Neuro Fuzzy Inference
3
11 =>16
System در نرم افزار MATLAB Simulink برای
مسائل مهندسی را به شما آموزش دهم.
4
16 =>23
دوستان اکثر اوقات مدل پایه یا معمولی
هر سیستم یا سیستم قدرتی در سیمولینک طراحی شده است
5
23 =>30
. این مدل معمولی بیشتر
از کنترلر PI یا PID استفاده می کند. حال فرض کنید می
6
30 =>37
خواهیم از ANFIS به عنوان یک کنترل کننده هوشمند
در آن مدل برای بهبود پاسخگویی آن استفاده کنیم. سپس
7
37 =>42
چگونه می توانیم آن را انجام دهیم؟
قبل از پاسخ به این سوال، می خواهم
8
42 =>50
در اینجا برجسته کنم که این ابزار ANFIS را می
توان برای هر مدل مرتبط با هر زمینه ای استفاده کرد.
9
50 =>59
ابتدا باید توجه داشته باشید که هر زمان و هر جا که از
کنترلر PI یا PID در هر مدلی استفاده شود،
10
59 =>01:04
می توان آن کنترلر PI یا PID را
با کنترلر ANFIS جایگزین کرد. بنابراین، این
11
01:04 =>01:10
ابزار بسیار مفید است و می تواند در
1000 موضوع تحقیق برای تکمیل
12
01:10 =>01:15
تحقیقات کارشناسی ارشد و دکتری استفاده شود.
حالا، اجازه دهید شروع کنیم.
13
01:15 =>01:20
اولین شرط این است که ما باید
آن مدل متعارف هر سیستمی را داشته باشیم.
14
01:20 =>01:26
برای راحتی شما، من
مدل ساده تنظیم کننده ولتاژ اتوماتیک
15
01:26 =>01:32
سیستم قدرت را همانطور که در اینجا نشان داده شده است در نظر میگیرم.
در مورد این موضوع قبلاً ویدیویی به
16
01:32 =>01:39
نام نحوه طراحی مدل تنظیم کننده اتوماتیک ولتاژ
نیروگاه حرارتی یا آبی با استفاده از
17
01:39 =>01:45
توابع انتقال در نرم افزار MATLAB/SIMULINK ساخته ام
بنابراین اگر می توانید این ویدیو را مشاهده کنید
18
01:45 =>01:51
و کنترلر ANFIS را در این مدل اعمال کنید.
این مدل را می توان برای
19
01:51 =>01:55
تحقیقات کارشناسی ارشد یا یکی از اهداف تحقیقاتی دکترا استفاده کرد
.
20
01:55 =>02:03
حال فقط به مدل نگاه کنید، ممکن است مشاهده شود
که در این مدل از کنترلر PID استفاده می کنیم.
21
02:03 =>02:09
کافیست روی این بلوک کنترلر PID دوبار کلیک کنید،
می توانید ببینید که پارامترهای کنترلر PID
22
02:09 =>02:20
برای P، I و D به ترتیب 1، 0.25 و 0.28 هستند.
اجازه دهید نمودار ولتاژ را با استفاده از
23
02:20 =>02:27
کنترل کننده PID در این مقادیر بررسی کنیم. شبیه سازی را اجرا کنید.
در ویدیوی قبلی همانطور که چند لحظه
24
02:27 =>02:32
قبل گفته شد، در مورد رضایت بخش بودن پاسخ آن بحث کردیم
که پس از چندین بار تلاش به دست آمد
25
02:32 =>02:38
. با این حال، اگر نمودار
را مشاهده کردید، همچنان حاوی بیش از حد بزرگ و
26
02:38 =>02:42
زمان ته نشینی بسیار طولانی است.
بنابراین، پاسخ آن را می توان
27
02:42 =>02:48
با استفاده از بلوک تیونر PID موجود
در MATLAB Simulink بیشتر بهبود بخشید.
28
02:48 =>02:51
در مورد این موضوع قبلاً ویدیویی با
عنوان
29
02:51 =>02:57
نحوه طراحی PID Controller در PID Tuner
با استفاده از نرم افزار MATLAB SIMULINK ساخته ام.
30
02:57 =>03:04
در آن ویدئو، پارامترهای P، I و
D پس از تنظیم مطابق شکل زیر بدست
31
03:04 =>03:07
آمد.
پس از تغییر پارامترهای P، I و
32
03:07 =>03:14
D با پارامترهای تنظیم شده، ok را فشار دهید.
حالا شبیه سازی را دوباره اجرا کنید تا پاسخ تنظیم شده
33
03:14 =>03:21
را ببینید. می بینید، اکنون پاسخ ولتاژ
بهبود یافته است و بیش از حد صفر و
34
03:21 =>03:27
زمان ته نشینی کمتری نسبت به نم