شناسایی سیستم با متلب

فصل اول: معرفی سیستم ، خطی سازی و نمایش حالت های مختلف سیستم جهت شناسایی سیستم با متلب

معرفی سیستم و معادلات حاکم برآن:

Cart_pendulum system ، سیستمی مکانیکی میباشد بدین صورت که مرکزیت جرم سیستم در بالای محور به تعادل رسیده است. نمونه ای از Cart_pendulum system در شکل زیر به نمایش گذاشته شده است.

معادلات این سیستم در حالت کلی همچون سیستم جرم و فنر میباشد و دینامیک سیستم در حالت کلی به صورت زیر میباشد.

شناسایی سیستم با متلب

که در اینجا M(q) ماتریس Inertia، C(q,q’) نشان دهنده نیروهای کوریلیس، K(q) نیروی مربوط به انرژی پتانسیل و B(q) نیز مربوط به نحوه تاثیر نیروهای خارجی بر روی سیستم است.

برای مدل سازی این سیستم متغیرهای حالت را موقعیت و سرعت انتخاب میکنیم. و از نماد رو و روآلفا و برای آن استفاده میکنیم. برای نمایش زاویه و سرعت زاویه ای نیز از نماد تتا و تتاآلفا  استفاده میکنیم.

در این سیستم باید با توجه به حرکت کارت ،پاندول به صورت عمودی موقعیت خود را حفظ کند.

F نیرویی است که به صورت افقی وارد میشود.

با این تفاسیر معادلات دینامیکی سیستم به صورت زیر بدست میآید.

M جرم سطح میباشد. m و J جرم و ممان اینرسی سیستمی که قراره کنترل شود هستند. فاصله بین سطح تا مرکز جرم سیستم میباشد.

برای بازنویسی معادلات در فضای حالت از متغیرهای زیر استفاده میکنیم.

در اینجا چون به یک سیستم تک ورودی تک خروجی نیاز داریم خروجی را برابر زاویه در نظر می گیریم.

شناسایی سیستم با متلب- خطی سازی سیستم:

برای خطی سازی سیستم فوق حول نقطه صفر(نگه داشتن پاندول بصورت عمودی) از دو تقریب زیر استفاده می کنیم.

توجه به کوچک بودن زاویه میتوان سینوس را معادل θ و کسینوس را معادل 1 در نظر گرفت. همچنین از آنجایی که مشتق θبسیار کوچک است میتوان از مرتبه 2 آن صرف نظر کرد.بنابراین به سیستم زیر خواهیم رسید.

با جایگذاری مقادیر به ماتریس های زیر میرسیم.

Mt=M+m

Jt=J+m*l^2

µ=Mt*Jt – m^2*l^2

M=0.5kg

m=0.5kg

C=0.1 N/m.sec friction of the cart

L=0.3m

J=0.006Kg*m^2 inertia of the pendulum

g=9.8

با جایگذاری مقادیر بالا ، ماتریس های حالت سیستم خطی شده بصورت زیر در می آید:

A=

0 0 1.0000 0

0 0 0 1.0000

0 7.7368 -0.1789 0

0 51.5789 -0.5263 0

B=

0

0

شناسایی سیستم با متلب

1.7895

5.2632

C=

0 1 0 0

D=

0

که با استفاده از دستور ss2tf(A,B,C,D) می توان تابع تبدیل سیستم خطی شده را بدست آورد که بصورت زیر می باشد

شبیه سازی سیستم خطی شده و کنترل شده :

تابع تبدیل سیستم خطی به صورت زیر است:

همانطور که از مخرج تابع تبدیل پیداست سیستم فوق ناپایدار میباشد.با روش LQR سیستم فوق را میتوان پایدار نمود.

دستورات این سیستم در زیر آورده شده است .ابتدا ماتریس Q به صورت مقابل تعریف میشود.

>> Q=C’*C

Q =

1 0 0 0

0 1 0 0

0 0 0 0

0 0 0 0

خال با استفاده از دستورlqr ،گین فیدبک محاسبه میگردد.

>> k=lqr(ss(A,B,C,D),Q,1)

k =

-1.0000 24.0733 -1.8097 3.5846

ماتریس جدید A با عنوان An به صورت مقابل تعریف میگردد. از این پس از این ماتریس در محاسبات استفاده میکنیم

>> An=A-B*k

An =

0 0 1.0000 0

0 0 0 1.0000

1.7895 -35.3417 3.0594 -6.4145

5.2632 -75.1225 8.9982 -18.8662

اکنون تابع تبدیل حلقه باز سیستم کنترل شده به صورت زیر میباشد و از این به بعد با این سیستم پایدار کار می کنیم.

تابع تبدیل سیستم خطی شده و کنترل شده را بصورت زیر در متلب شبیه سازی می کنیم:

پاسخ پله سیستم خطی شبیه سازی شده بصورت زیر می باشد:

همچنین در ادامه سیستم غیر خطی را در سیمولینک بصورت زیر شبیه سازی می کنیم:

پاسخ سیستم غیر خطی دارای نوسان میباشد که حل این مشکل از کنترل کننده PID استفاده شده است. پارامترهای کنترلر PID به شرح مقابل است.

Kp=40 Ki=10 Kd=2

پاسخ پله سیستم غیر خطی نیز در زیر آورده شده است:

همانگونه که در شکل زیر می بینیم رفتار سیستم خطی و غیز خطی تفاوت چندانی باهم ندارند و مشابه یکدیگرند.

همپنین فایل شبیه سازی تمام موارد در پوشه ای جداگانه ضمیمه گزارش شده است.

می توان رابطه بین ورودی و خروجی را به فرم معادلات فضاي حالت به صورت زير نشان داد که حالت سیستم و خروجی و ورودی هستند. ماتریس های حالت سیستم ما در زیر آورده شده است.

A =

0 0 1.0000 0

0 0 0 1.0000

1.7895 -35.3417 3.0594 -6.4145

5.2632 -75.1225 8.9982 -18.8662

B=

0 0 1.7895 5.2632

C=

0 1 0 0

D= 0

با توجه به اینکه در ایجا فقط خروجی زاویه را مد نظر داریم از این پس با ماتریس های بالا کار می کنیم.

با استفاده از دستور زیر تابع تبديل سیستم را بدست مي آوريم

[num,den]=ss2tf(A,B,C,D)

sys=tf(num,den)

1-3)معادلات ديفرانسيل خطي همگن با ضرايب ثابت

از روي تابع تبديل معادله ديفرانسيل خطي بدست مي آيد. که در حقیقت یک رابطه مشتقی انتگرالی بین عناصر است.

1-4)پاسخ ضربه پیوسته

به کمک دستور ilaplace در متلب میتوان پاسخ ضربه سیستم را بدست آورد.

gn=ilaplace(5.26*s^2)/(s^4+15.8068*s^3+73.3318*s^2+88.1821*s+51.5789)

پاسخ سیستم به ورودی ضربه

1-5)پاسخ فرکانسی سیستم

در این بخش نیز پاسخ سیستم را به کمک نرم افزار متلب بدست می آوریم.

Bod(sys)

تابع تبدیل در حوزه فرکانس

2- حالات مختلف نمایش سیستم در حالت گسسته:

2-1)فضای حالت سیستم بصورت گسسته:

(F,G,C,D)=ssdata(sys10)

F =

-15.8068 -9.1666 -2.7557 -1.6118

8.0000 0 0 0

0 4.0000 0 0

0 0 1.0000 0

G =

1 0 0 0

C =

0 0.6579 0 0

D = 0

2-2)تابع تبدیل سستم در حالت گسسته

Gz=c2d(sys,.1)

Transfer function:

0.01567*z^3 – 0.02209*z^2 – 0.00283*z + 0.009249

————————————————

z^4 – 2.832 z^3 + 2.914 z^2 – 1.285 z + 0.2058

Sampling time: 0.1

2-3)معادلات تفاضلی سیستم

0.01567u(k+3) – 0.02209u(k+2) – 0.00283u(k+1) + 0.009249u(k)=

y(k+4) – 2.832y(k+3) + 2.914u(k+2) – 1.285u(k+1) + 0.2058u(k)

2-4)پاسخ ضربه سیستم گسسته

gz=iztrans((.01567*z^3 -.02209*z^2 -.00283*z +.009249)/(z^4 – 2.832*z^3 + 2.914*z^2 -1.285*z +.2058))

براي بدست آوردن پاسخ فركانسي گسسته كافيست در تابع تبديل گسسته به جاي z ، قرار مي دهيم:

تابع تبدیل گسسته سیستم در حوزه فرکانس:

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

وب‌سایت

دیدگاه

برای امنیت، استفاده از سرویس reCAPTCHA گوگل مورد نیاز است که موضوع گوگل است Privacy Policy and Terms of Use.

من با این شرایط موافق هستم .

@Matlabcoderco

متلبی بزرگترین سایت فروش آموزش در قالب شبیه سازی مقاله با متلب به همراه فایل کمک آموزشی است.

سایت متلبی با تضمین هزینه, پروژه های آماده متلب را در قالب آموزش متلب و مباحث کمک آموزشی در سرتاسر ایران و جهان ارائه می کند.

شبیه سازی مقاله برق قدرت , شبیه سازی مقاله برق کنترل و شبیه سازی مقاله پردازش تصویر و پردازش سیگنال و… را به همراه فایل کمک آموزشی می توانید به راحتی در فروشگاه متلبی بیابید و خریداری کنید.

مقالات شبیه سازی شده از ژورنال های معتبر Elsevier, IEEE , Springer و… مشخص شده اند.

انجام شبیه سازی با متلب نیز با بهترین کیفیت و ضمانت و ارزان ترین قیمت توسط متخصصین سایت متلبی انجام می شود.

مشتری مداری متلبی یکی از دلایل استقبال جهت انجام پروژه متلب توسط متخصصین مجرب متلبی است.

یکی از امکانات سایت Matlabi تعویض پروژه متلب بصورت رایگان است.

تمام حقوق مادی و معنوی برای متلبی محفوظ است.

از یک سیستم به صورت عملی دیتا برداری شده است. دیتاهای حاصل در پایان همین پست پیوست شده است. این فایل شامل بردار زمان، بردار X و بردار Voltage است. اگر برای این سیستم یک مدل خطی نامتغیر با زمان در نظر بگیریم، این مدل را با استفاده از روشهای مختلفی که پایین ذکر شده. این‌کار را برای دو حالت زیر انجام می دهیم:

برای شروع آموزش انجام پروژه شناسایی سیستم با متلب به این صورت عمل می کنیم:

در این تمرین شناسایی سیستمی با ورودی و خروجی داده شده که در شکل 1 و 2 نمایش داده شده است با پنج روش مختلف مد نظر میباشد. سعی شده است سیستم شناسایی شده مورد ارزیابی قرار گیرد.

به نظر می رسد در ذخیره سازی یا انتقال داده ها باتوجه به دلایل زیر اشتباهی رخ داده است.

شناسایی سیستم با متلب

1- عدم یکسان بودن طول بردار ارائه شده برای زمان وX و ولتاژ

2- صفر بودن مقادیر ورودی تا سطر ستون چهارم که ناشی از گرد شدن داده است.

3- عدم یکسان بودن فرکانس نمونه برداری بدست آمده از روی بردار زمان

شکل زیر فرکانس نمونه برداری که از عکس تفاضل نمونه های بردار زمان بدست آمده است.

روش اول: روش کلاسیک زمانی شناسایی سیستم

استفاده از روشهایی کلاسیک برای شناسایی سیستم ها در واقع استفاده از روشهای شناسایی سیستم های خطی می باشد.

در سیستم های LTI گسسته ی علی ، رابطه ی بین ورودی و خروجی سیستم با رابطه ی 1 تعریف میشود.

که در سیستم های علی تغییر ناپذیر با زمان خطی پایدار رابطه ی بالا به رابطه ی زیر تغییر پیدا می کند.

در مساله ما در واقع هدف شناسایی g(k) میباشد.

در شناسایی کلاس سیستم ها با روش تابع ضربه ورودی های زیر مورد توجه می گیرد؟

که در مساله مورد بررسی ما ورودی دلخواه مورد نظر است

.

.

.

این مساله را می توان به صورت برداری به صورت زیر نوشت:

که در آن Y بردار با بعد 1*m

G بردار 1*m درواقع همان بردار مربوط به پاسخ ضربه سیستم میباشد.

U مارتیس مربعی دارای بعد (M*M) که المان i و j ام ماتریس U ، u(i-j+1) می باشد.

که می توان با حل مساله حداقل میانگین مربعات آن را حل نمود.

به طوریکه در این روش با حل مساله LMS به جواب زیر می رسیم.

رابطه ی بین x و ولتاژ

تابع تبدیل بدست آمده از تخمین LMS در شناسایی در حوزه ی زمان در رابطه x و ولتاژ (بالا) ، تابع تبدیل بدست آمده از تخمین LMS در شناسایی در حوزه ی زمان با استفاده از تابع شبه معکوس در رابطه x و ولتاژ

خروجی سیستم بدست آمده به وسیله تخمین LMS در شناسای حوزهی زمان

رابطه ی بین مشتق x و ولتاژ:

شکل زیر تابع ضربه ی سیستم را در حالت انتخاب مشتق بردار x به عنوان ورودی نشان میدهد.

روش دوم: شناسایی کلاسیک سیستم برای حوزه فرکانس

برای یک سیستم تغییر ناپذیر در زمان داشتیم که خروجی سیستم ناشی کانولشن پاسخ ضربه در سیگنال ورودی میباشد ، این قضیه معادل ضرب سیگنال ورودی در تابع تبدیل سیستم در حوزه ی فرکانس میباشد که مطابق رابطه ی زیر تعریف میشود.

رابطه 5   

رابطه بین x و ولتاژ

شناسایی سیستم با متلب

با توجه به رابطه بالا پاسخ فرکانسی سیستم ما را به صورت زیر تخمین زده میشود.

رابطه بین مشتق x و ولتاژ :

روش سوم:شناسایی سیستم با استفاده از اغتشاشات تصادفی

رابطه ی بین تبدیل فوریه تابع خود همبستگی خروجی سیستم با خود همبستگی ورودی سیستم باه صورت رابطه ی زیر تعریف میشود.

رابطه 6

اگر ورودی سیستم ، را نویز تصادفی سفید اعمال کنیم در این صورت میباشد ، لذا میتوان نوشت:

از این روشها تنها می توان گین سیستم را بدست آورد و اطلاعاتی راجع به فاز در اختیار ما قرار نمیدهد.و نویز در سیگنال ورودی و خروجی امکان ایجاد بایاس در شناسایی سیستم را به وجود میآورد.

روش چهارم:شناسایی سیستم اغتشاشات توسط تابع همبستگی

تابع تبدیل یک سیستم را میتوان با استفاده از تبدیل فوریه توابع همبستگی ورودی-خروجی و خود همبستگی ورودی بدست آورد. این روش هم برآوردی از گین سیستم و هم فاز را در اختیار میگذارد.

رابطه بین x و ولتاژ :

رابطه بین مشتق x و ولتاژ:

روش پنجم:مدل سازی یا شناسایی اغتشاشات توسط مدل ARMA

برای شناسایی سیستم ساختاری تلفیقی از مدل AR و MA میتوان تعریف کرد که در آن خروجی سیستم وابسته گذشته های نویز وابسته است. با توجه به شکل زیر هدف تنها پیدا کردن تابع تبدیل G(z) میباشد. بنابراین شناسایی ضرایب شکل … مورد نظر است .

رابطه 10

در تخمین ARMA چون ورودی دخالتی در تولید خروجی ندارد لذا تنها برای یک حالت نتیجه خواهیم داشت.

برای تخمین ساختار مدل از نظر مرتبه مدل رابرای مرتبه های مختلف فیت نموده و معیار AIC_BIC برای انتخاب مرتبه ی صورت و مخرج تابع تبدل استفاده نمودیم و در نهایت ضرایب تخمین زده شده به صورت زیر میباشد.

AR_coef =

1.9524 -0.9570

MA_coef =

-1.1252 -0.0144 0.0267 0.1383

ضرایب تخمین زده شده برای تابعG(z) به صورت بالا میباشد. در وافع AR_coef ضرایب تخمین AR و MA_coef ضرایب تخمین MA می باشد که مدل کلی ARMA را می سازد .

شکل زیر خروجی مدل تخمینی را نشان میدهد. بخوبی دیده می شود که تخمین ARMA تخمین مناسبی از سیستم نمیباشد.

به نظر میرسد که مدل ARMA به علت اینکه ورودی در تولید خروجی نقشی ندارد ضعیف عمل نموده لذا مدل ARMAX را بهتر کردن تخمین استفاده نمودیم

روش ششم:مدل سازی یا شناسایی اغتشاشات توسط مدل ARMAX

رابطه ی بین x و ولتاژ

در مدل ARMAX همانند شکل نشان داده شده در زیر ورودی هم در خروجی تاثیر میگذارد.

تخمین مدل ARMAX به صورت زیر میباشد

شکل زیر خروجی تخمین زده شده به ازای مدل ARMAX را نشان میدهد.

رابطه ی بین مشتق x و ولتاژ

بحث و نتيجه گيری

در این تمرین روشهای مختلف شناسایی سیستم به ازای ورودی و خروجی داده شده بررسی شد.

در روش اول با استفاده تکنیک شناسایی در حوزه ی زمان با تخمن LMS پاسخ ضربه سیستم شناسایی شد.

مشاهده شد که در حالتی که ماتریس شبه معکوس برای تخمین استفاده کردیم تخمینی بهتری بدست آمد درحالیکه تخمین بدون روش با پایداری شبه معکوس استفاده شد چون ماتریس تولیدی معکوس بنابراین پاسخ ضربه ی تخمینی در تولید خروجی موفق عمل نکرد.

با توجه به شکل ظاهری ورودی و خروجی می توان نتیجه گرفت که به ورودی در تولید خروجی نقش داشته است.

چرا که قسمت های گذرای موجود در قسمت اول ورودی سبب تولید قسمت های گذرای خروجی شده.

بنابراین قسمت سوم که شناسایی سیستم با ورودی اغتشاشات است نمی تواند تخمینی خوبی را در اختیار بگذرد چرا که خروجی ناشی از ورودی هست و نه تنها نویز، این موضوع در مدل ARMA نیز کاملا مشهود است.

چرا که تخمین بسیار ضعیفی از سیستم را ارائه میدهد. در حالیکه سیستم ARMAX تخمین بسیار قویتری را ارائه کرده است و تخمین سیستم زمانی که ورودی مشتق x است بسیار بهتر عمل میکند چرا که خروجی در قسمت گذرای اولیه نسبت به حالتی که ورودی خود x هست بهتر خروجی اصلی را دنبال میکند.

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

وب‌سایت

دیدگاه

برای امنیت، استفاده از سرویس reCAPTCHA گوگل مورد نیاز است که موضوع گوگل است Privacy Policy and Terms of Use.

من با این شرایط موافق هستم .

@Matlabcoderco

متلبی بزرگترین سایت فروش آموزش در قالب شبیه سازی مقاله با متلب به همراه فایل کمک آموزشی است.

سایت متلبی با تضمین هزینه, پروژه های آماده متلب را در قالب آموزش متلب و مباحث کمک آموزشی در سرتاسر ایران و جهان ارائه می کند.

شبیه سازی مقاله برق قدرت , شبیه سازی مقاله برق کنترل و شبیه سازی مقاله پردازش تصویر و پردازش سیگنال و… را به همراه فایل کمک آموزشی می توانید به راحتی در فروشگاه متلبی بیابید و خریداری کنید.

مقالات شبیه سازی شده از ژورنال های معتبر Elsevier, IEEE , Springer و… مشخص شده اند.

انجام شبیه سازی با متلب نیز با بهترین کیفیت و ضمانت و ارزان ترین قیمت توسط متخصصین سایت متلبی انجام می شود.

مشتری مداری متلبی یکی از دلایل استقبال جهت انجام پروژه متلب توسط متخصصین مجرب متلبی است.

یکی از امکانات سایت Matlabi تعویض پروژه متلب بصورت رایگان است.

تمام حقوق مادی و معنوی برای متلبی محفوظ است.

در آپارات وارد شوید تا ویدیوهای و کانال‌های بهتری بر اساس سلیقه شما پیشنهاد شود
وارد شوید

آهنگ احساسی و غمگین

“آینده در دستان شماست

شناسایی سیستم با متلب

زیبایی هایی که هنوز ندیده اید

میکس فوق العاده زیبا از آهنگ دل را ببین با صدای علیرضا افتخاری و سفر های مقام معظم رهبری به شهر های مخطلف کشور (زاهدان-زنجان-بم) که چیز پر مغز و قشنگی از آب در آمده حتماً ببینید…

موسسه تدوین آثار و نشر اخلاقیات شهدای شهرستان زرند

مداحی مهدی اکبری کاش بودی کرببلا برادر بی حرمم حسن جان



فرادرس بزرگ‌ترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.

مدرس فرادرس

کارشناسی ارشد مهندسی برق – کنترل

مهندس امید زندی کارشناس ارشد مهندسی برق – کنترل از دانشگاه علم و صنعت ایران هستند. ایشان موفق به کسب رتبه اول المپیاد علمی دانشجویی مهندسی برق کشور در سال ۹۴ و همچنین رتبه سوم المپیاد علمی دانشجویی کشوری در سال ۱۳۹۳ در رشته برق شده اند و جز دانشجویان ممتاز دانشگاه علم و صنعت در گرایش کنترل هستند. ایشان از رساله ارشد خود در زمینه «شناسایی عیوب ماشین های دوار» با موفقیت دفاع کردند. (+)

شناسایی سیستم با متلب

در مهندسی کنترل، اغلب الگوریتم های کنترلی که ارائه می شود بر مبنای مدل هستند، بدین معنی که یا ساختار کنترل کننده بر اساس مدل است و یا اینکه پارامترهای کنترل کننده وابسته به پارامترهای مدل پلانت هستند. در نتیجه برای کارکرد صحیح این قوانین کنترلی لازم است که مدل نسبتاً دقیق و مناسب از سیستم داشته باشیم. از طرفی اکثر پلانت های واقعی که در عمل با آن ها سروکار داریم را نمی توان با استفاده از روش های ریاضی و بر اساس قوانین فیزیکی حاکم بر پلانت، مدل سازی کرد. در این موارد ناچار هستیم که بر اساس داده های آزمایشگاهی که از پلانت گرفته می شود، یک مدل مناسب استخراج کنیم. در درس شناسایی سیستم ابزارهای لازم برای رسیدن به این هدف ارائه خواهد شد.

هزینه آموزش: ۳۰,۰۰۰ تومان

دانشجویان خارج ایران (+)

(توضیحات بیشتر +)

در مهندسی کنترل، اغلب الگوریتم های کنترلی که ارائه می شود بر مبنای مدل هستند، بدین معنی که یا ساختار کنترل کننده بر اساس مدل است و یا اینکه پارامترهای کنترل کننده وابسته به پارامترهای مدل پلانت هستند. در نتیجه برای کارکرد صحیح این قوانین کنترلی لازم است که مدل نسبتاً دقیق و مناسب از سیستم داشته باشیم. از طرفی اکثر پلانت های واقعی که در عمل با آن ها سروکار داریم را نمی توان با استفاده از روش های ریاضی و بر اساس قوانین فیزیکی حاکم بر پلانت، مدل سازی کرد. در این موارد ناچار هستیم که بر اساس داده های آزمایشگاهی که از پلانت گرفته می شود، یک مدل مناسب استخراج کنیم. در درس شناسایی سیستم ابزارهای لازم برای رسیدن به این هدف ارائه خواهد شد.

پیش نمایش

بخش ۱ : سیستم های خطی نامتغیر با زمان (الف) – ۵۳ دقیقه

توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

دانلود مستقیم

– حجم دانلود
۴۲ مگابایت

(کلیک کنید +)

پیش نمایش ۲ : سیستم های خطی نامتغیر با زمان (ب) – ۱۵ دقیقه

توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

دانلود مستقیم پیش نمایش

– حجم دانلود
۱۴ مگابایت

(کلیک کنید +)

بخش ۳ : سیستم های خطی نامتغیر با زمان (پ) – ۵۱ دقیقه

توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

دانلود مستقیم

– حجم دانلود
۵۰ مگابایت

(کلیک کنید +)

پیش نمایش ۴ : سیستم های خطی نامتغیر با زمان (ت) – ۸ دقیقه

توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.

دانلود مستقیم پیش نمایش

– حجم دانلود
۸ مگابایت

(کلیک کنید +)

پیش نمایش ۵ : شبیه سازی، پیش بینی و کنترل (الف) – ۱۴ دقیقه

پیش نمایش ۶ : شبیه سازی، پیش بینی و کنترل (ب) – ۱۰ دقیقه

پیش نمایش ۷ : انواع مدل های ریاضی در شناسایی سیستم ها (الف) – ۱۵ دقیقه

پیش نمایش ۸ : انواع مدل های ریاضی در شناسایی سیستم ها (ب) – ۱۲ دقیقه

پیش نمایش ۹ : انواع مدل های ریاضی در شناسایی سیستم ها (پ) – ۱۰ دقیقه

پیش نمایش ۱۰ : روش های شناسایی غیرپارامتری در حوزه زمان و فرکانس (الف) – ۲۲ دقیقه

پیش نمایش ۱۱ : روش های شناسایی غیرپارامتری در حوزه زمان و فرکانس (ب) – ۱۷ دقیقه

پیش نمایش ۱۲ : روش های شناسایی پارامتری (الف) – ۱۶ دقیقه

پیش نمایش ۱۳ : روش های شناسایی پارامتری (ب) – ۱۳ دقیقه

پیش نمایش ۱۴ : روش های شناسایی بازگشتی – ۱۷ دقیقه

شادیه
:

سلام آقای زندی….خیلی ممنون به خاطر آموزش های خیلی خوبتون ….میشه یه آموزش از روش کنترلی SDRE در حد دو سه ساعت اماده کنید مطمئنم طرفدار خیلی زیادی داره… خیلی از دانشجو ها بهش احتیاج دارن

شناسایی سیستم با متلب

مهدی
:

جای آموزش تولباکسی با این اهمیت واقعا خالی بود و به نظرم ای کار عالی بود. بنده این آموزش رو تهیه کردم و بعد از دیدن نصف آن در یک روز راضی هستم. بیان مدرس و تسلطشان خوب بود و سرفصلها هم خوب انتخاب شده بودند.

آرش هدایتی
:

ممنون بابت انتشار آموزش خوب شناسایی سیستم
آموزش های فرادرس واقعا عالی هستند.

سید مرتضی
:

سلام.
آقای مهندس زندی خسته نباشید. متاسفانه آموزش از حد انتظارم پایین تر بود. دلایلشم میتونه مواردی از قبیل اینکه به جنبه ی عملی شناسایی سیستم واقعا کم توجه شد، بحث عملی آماده سازی داده ها (Data prepartion) برای شناسایی سیستم های واقعی اشاره نشد.
مثال های استفاده شده ساده و ابتدایی بودن(همون مثال هایی که قبلا در فرادرس کنترل تطبیقی شناسایی کرده بودند).
جای یک مثال عملی وخوب چند متغییره واقعا خالی بود.

امید زندی
:

در پاسخ به سید مرتضی:
سلام
مطالبی که تدریس شد بر اساس کتاب مرجع شناسایی سیستم Ljung است که این کتاب مهمترین کتاب شناسایی سیستم در کل دنیا است و حتی تولباکس شناسایی سیستم نرم افزار متلب بر اساس این کتاب نوشته شده است و مباحث آماده سازی داده ها جز سرفصل های شناسایی سیستم نیست و جز مباحث پردازش سیگنال است.
من تا حد امکان سعی کردم آموزش عملی تر هم بشود که می تونید مثال شناسایی دینامیک موتور DC را ببینید.
همچنین درسته من در اکثر مثال ها از سیستم های siso استفاده کردم، اما روابط ریاضی عام هستند و براحتی به سیستم های چندمتغیره نیز قابل گسترش هستند.
و نکته آخر این است که در مباحث شناسایی سیستم اغلب فرض می کنیم داده برداری کامل و درست است( برای اطمینان از این شرایط دروس پردازش سیگنال ها و سیستم ها را می توانید مطالعه کنید) و هدف این است که یک معادله دینامیکی بین ورودی و خروجی را بدست آوریم که یک شاخص از پیش تعریف را حداقل سازی کند.

حاتمی
:

عرض سلام و خسته نباشید و تشکر ویژه من رو بابت سایت پربارتون بپذیرین. لازم به ذکره که بدونین بنده با کمک آموزش های شما از جمله آموزش درس شناسایی سیستم شما توانستم پروژه این درس خودم رو بدون نیاز به کمک استاد تا حد زیادی پیش ببرم. از این بابت از شما بسیار سپاسگذارم. درخواستی که دارم این هست که در صورت امکان در زمینه کاربردی کردن بعضی از دروس از جمله کنترل غیر خطی یا شناسایی سیستم و حتی کنترل چند متغیره مطالبی به صورت متوسط تا پیشرفته نیز درسهاتون طراحی و ارائه بشه. مطمئنم دانشجویان و فعالان زیادی در زمینه گفته شده استقبال میکنن. با تشکر دوباره از تمامی زحمات شما . واقعا تحول بزرگی در زمینه انتقال دانش و یادگیری در سطح کشور ایجاد کردید.بسیار بسیار سپاسگذارم.

مریم مولا
:

با عرض سلام وخسته نباشید.
ویدیوی آموزشی که در اختیار ما قرار داده اید بسیار آموزنده بود ولی کاش در مورد سری های زمانی که از سنسورها میگیریم و وروردی ای در اختیار نداریم هم مطالبی گفته میشد. باز هم ممنون.

امید زندی
:

در پاسخ به خانم مولا
شناسایی سری های زمانی گاها راحت تر است . مثلا در فصل اول به سیگنال گفتار اشاره کردم که چون ورودی نداریم باید بصورتی مدل شود که فقط خروجی در مدل نیاز باشد. به همین دلیل استفاده از مدل های IIR برای این موارد خیلی مناسب است در واقع همان مدل ARX که چندجمله‌ای ورودی یعنی B صفر است و سپس با همان تکنیک های که گفته شد تخمین پارامترهای آن انجام میشه

وحید باقری
:

راستش زیاد کمکم نکرد و میتونست بهتر باشه. البته این نظر من بود

نظر شما در مورد این فرادرس چیست؟

امتیاز شما به این آموزش:

Not Selected
امتیاز …
عالی
خوب
متوسط
ضعیف
خیلی ضعیف

نام *

ای-میل *

تماس با فرادرس

عضویت در خبرنامه فرادرس
Please leave this field empty.

صفحات

فرادرس

سازمان علمی و آموزشی «فرادرس» (Faradars) از قدیمی‌ترین وب‌سایت‌های یادگیری آنلاین است که توانسته طی بیش از ده سال فعالیت خود بالغ بر ۱۰۰۰۰ ساعت آموزش ویدیویی در قالب فراتر از ۱۰۰۰ عنوان علمی، مهارتی و کاربردی را منتشر کند و به بزرگترین پلتفرم آموزشی ایران مبدل شود.

فرادرس با پایبندی به شعار «دانش در دسترس همه، همیشه و همه جا» با همکاری بیش از ۸۵۰ مدرس برجسته در زمینه‌های علمی گوناگون از جمله آمار و داده‌کاوی، هوش مصنوعی، برنامه‌نویسی، طراحی و گرافیک کامپیوتری، آموزش‌های دانشگاهی و تخصصی، آموزش نرم‌افزارهای گوناگون، دروس رسمی دبیرستان و پیش دانشگاهی، آموزش‌های دانش‌آموزی و نوجوانان، آموزش زبان‌های خارجی، مهندسی برق، الکترونیک و رباتیک، مهندسی کنترل، مهندسی مکانیک، مهندسی شیمی، مهندسی صنایع، مهندسی معماری و مهندسی عمران توانسته بستری را فراهم کند تا افراد با شرایط مختلف زمانی، مکانی و جسمانی بتوانند با بهره‌گیری از آموزش‌های با کیفیت، به روز و مهارت‌محور همواره به یادگیری بپردازند. شما هم با پیوستن به جمع بزرگ و بالغ بر ۲۷۰ هزار نفری دانشجویان و دانش‌آموزان فرادرس و با بهره‌گیری از آموزش‌های آن، می‌توانید تجربه‌ای متفاوت از علم و مهارت‌آموزی داشته باشید. تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند.

مشاهده بیشتر