دانلود فایل پاورپوینت کنترل عصبی - تطبیقی بازوی انعطاف پذیر

بخشی از پاورپوینت

--- پاورپوینت شامل تصاویر میباشد ----

اسلاید 1 :

• هدف، حرکت دادن دو بازوی سری انعطاف پذير است به طوری که ارتعاش بازوها به حداقل برسد
• از شبکه عصبی RBF برای تعيين گشتاور بازوها استفاده شده است.

اسلاید 2 :

بازشناسی چهره با استفاده از شبکه های عصبی

• هدف، ذخيره سازی چهره اشخاص و بازشناسی آن ها در حالت هايی متفاوت از چهره های ذخيره شده است.
• به دليل حجم بسيار بالای داده ها، نياز به فشرده سازی با استفاده از استخراج ويژگی ها است (مثلاً شبکه هب).
• از شبکه ای شبيه به شبکه MLP برای ذخیره سازی و باز سازی چهره استفاده شد.

اسلاید 3 :

تخمين حالت شارژ باتری ها توسط فيلتر کالمن با استفاده از مدل عصبی

• هدف، تخمين حالت شارژ (مقدار شارژ موجود) در باتری توسط فيلتر کالمن است
• فيلتر کاملن نياز به مدل دقيقی از فرايند دارد که در اين جا از شبکه عصبی RBF استفاده شده است.

اسلاید 4 :

کنترل سرعت و گشتاور موتور سويج رلوکتانس

• هدف، کنترل سرعت موتور سنکرون سوييچ رلوکتانس به همراه کاهش ريپل گشتاور و نويز صوتی است
• از شبکه عصبی RBF برای تخمين مقدار گشتاور لازم استفاده شده است

اسلاید 5 :

کنترل بهينه گشتاور-سوخت در نيروی کششی خودروهای ترکيبی با استفاده از شبکه های عصبی

• هدف، کنترل دور موتور احتراق داخلی در خودروهای ترکيبی است به طوری که خواسته های رانندگی و همچنين حالت شارژ باتری ها حفظ شوند.
• از شبکه عصبی MLP برای تعيين مقدار سوخت بهينه استفاده شده است.

اسلاید 6 :

کنترل سکوی ردياب الکترواپتيکی

• هدف، رديابی اجسام پرنده با شتاب متغير با تغيير مناسب ولتاژ سروموتورها است.
• از شبکه عصبی MLP برای شناسايي و کنترل سکوی ردياب در عمل استفاده شده است.

اسلاید 7 :

کنترل تصوير در پريسکوپ سه درجه آزادی

• هدف، پايدارسازی تصوير در آيينه پريسکوپ مي باشد.
• از شبکه عصبی MLP و شبکه بازگشتی قطری مرتبه دو برای شناسايي و کنترل سکوی ردياب در عمل استفاده شده است.

اسلاید 8 :

اصلاح خطای پرواز با استفاده از فيلتر کالمن و شبکه عصبی

• هدف، اصلاح خطای ناوبری اينرسی در حين پرواز مي باشد.
• از فيلتر کالمن و شبکه عصبی MLPبرای تصحيح خطای پرواز استفاده شده است.

اسلاید 9 :

کنترل ربات های بازو با استفاده از کنترل پيش بين و مدل عصبی

• هدف، حرکت دادن بازوهای ربات در فضای دکارتی است به طوری که ضمن دنبال کردن مسير دلخواه، از موانع نيز اجتناب شود.
• از کنترل پيش بين مدل-مبنا با مدل MLPاستفاده شده است. علاوه بر آن، مدل پيش بينی موانع متحرک نيز توسط يک MLP ديگر انجام شده است.