بخشی از مقاله
*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***
پیش بینی رفتار نیروهای عمودی شناور با استفاده از الگوریتم یادگیری عاطفی
چکیده
شناور به شناورهایی اطلاق میگردد که با استفاده از پدیده اثر سطح و ارسال هوای فشرده به زیر بدنه نیروهای پسای وارده به شناور را تا حدبسیار زیادی کاهش می دهند. ایده اصلی این شناور تلفیقی ساختاری از شناورهای کاتاماران و هاورکرافت میباشد.در این شناور به واسطه محبوس شدن هوا در زیر بدنه و حرکت در امواج دریا نوع خاصی از ارتعاشات عمودی بوجود می آید که پدیده کابل استون نامیده می شود. در این شناور مسئله ارتعاشات و لزوم کاهش تکانهای شدید نیروهای عمودی و مقابله با پدیده کابل استون امری الزامی است و در خصوص کیفیت سواری موثر می باشد. در این مقاله تحلیل ارتعاشات یک شناور با استفاده از الگورتم یادگیری عاطفی مورد بررسی قرار گرفته است. روش یادگیری عاطفی یک روش یادگیری چند منظوره با بار محاسباتی کم است که در تصمیم گیری عاطفی معرفی می گردد. الگوریتم یادگیری عاطفی از منطقی بسیار قوی برخوردار بوده و می تواند در این زمینه الگوی ارتعاشی را تحلیل نماید. از نتایج بدست آمده می توان در زمینه تحلیل سیستمهای غیر خطی و پیش بینی سریهای زمانی استفاده نمود.
مقدمه
شناور در کلاس طراحی شناورهای هیدروائرواستاتیک می باشد. این شناورها از دهه ۰۶۹۱ طراحی و نمونه های جدید آنها دارای کاربری در طرحهای نظامی پرسرعت میباشد.ایده اصلی شناورهای تلفیقی ساختاری از هاورکرافت و کاتاماران می باشد.
هاورکرافت شناوری آئرواستاتیکی میباشد که با استفاده از بالشتک هوا بر روی سطوح آبی-خاکی حرکت میکند و کاتاماران از شناورهای هیدرواستاتیکی تندرو میباشد که دارای سازه دوگانه یا چند گانه میباشد و فرم خارجی بدنه آن سبب شده است تا این شناور دارای سرعت زیادی نسبت به سایر شناورهای دریایی باشد.در این شناور شکل بدنه به صورت دوبدنه ای می باشد و به وسیله یک سری فن های دمنده هوای لازم جهت هاورینگ سیستم به زیر بدنه تامین می گردد. بالشتکهای سر جلو و سر عقب مانع از خروج این هوا گردیده و بخشهایی از شناور با استفاده از فشار هوای زیر بدنه از آب خارج می گردد و باعث کاهش آبخور شناور شده و در زمان حرکت سرعتهای بیشتری را تامین می نمایدشکل(۱). این شناور می تواند در مناطق کم عمق براحتی حرکت نموده و از قابلیت مانور زیادتری برخوردار است. محبوس شدن هوای فشرده در زیر بدنه مسئله ای مهم در این شناور می باشد. یکی از مهمترین پدیده هایی که این شناور با آن مواجه است پدیده کابل استون می باشد این پدیده به واسطه برخورد بالشتک هوا با امواج نا منظم دریا و تغییر حجم بالشتک هوا درحالتهای دینامیکی رخ می دهد. در واقع پدیده کابل استون عبارتست از تشدید حرکات عمودی شناورکه در اثر برخورد امواج در جلوی شناور و تحریک بالشتک هوا ی فشرده در زیر شناور بوجود می آید. این مسئله سبب تکانهای شدیدی در انتهای شناور و بالا و پایین رفتن شناور می گردد که بر زیر سیستمهای داخلی اثرات مخربی داشته و جهت سرنشینان شناور غیر قابل تحمل می باشد. اثرات تراکم پذیری هوای محبوس شده و مدل حرکتی شناور در امواج نا منظم مسئله ای پیچیده است و برخورد امواج در جلوی شناور و اعمال ضربه به بالشتک هوا در زیر شناور باعث حرکت هوای فشرده در زیر شناور به سمت عقب می گردد و همانند پیستونی که درون سیلندر در حال حرکت است هوای فشرده را حرکت می دهدو درنهایت باعث ایجاد ضربه شدید و تکان های عمودی در انتهای شناور می گردد.جهت رفع این مشکل باید بتوان به نحوی جریان هوا را از زیر بالشتک کنترل و خارج نمود که این عمل با ایجاد دریچه در انتهای شناور امکان پذیر می باشد و همزمان با برخورد موج به جلوی شناور دریچه های تخلیه باز می گردند و از افزایش فشار هوای محبوس شده جلو گیری می نمایندشکل(۲). در واقع ایجاد سیستم کنترلی به صورتی است که پس از برخورد امواج در جلوی شناوربه صورت اتوماتیک دریچه های تخلیه بازگردند تا علاوه بر خروج هوا بتوانند فشار درون بالشتک را کاهش دهد
مدل ریاضی و معادلات نیروهای عمودی در شناور
تحلیل مدل ریاضی شناور حغحبرای اولین بار در سال ۰۷۹۱توسط کلوزئوف صورت گرفت. برای انجام این کار به صورت مناسب یک متد ریاضی ساده و در عین حال منطقی ارائه گردید تا تغییرات فشار دینامیکی درون بالشتک را به همراه شتابهای کلی شناور تحلیل نماید.سورنسن در سال ۳۹۹۱ یک مدل حرکتی قابل قبول را پیشنهاد نمود. او از یک سیستم شامل دو شیر تخلیه در جلو بالشتک هوا استفاده نمود. باز و بسته کردن شیرهای خروجی دبی هوای بالشتک را کنترل می نماید.سه سنسور فشاری در بالشتک و یک شتاب سنج بر روی شناوربه عنوان قسمتی از سیستم کنترل حرکت مورد استفاده قرار گرفت و به وسیله فیلتر کردن مناسب سیگنالهای خروجی از واحد اندازه گیری و استفاده از یک مدل ریاضی جهت رفتار شناور استفاده گردید.سیستم کنترلی می تواند سیگنالهای صحیحی را به سیستم اصلی بدهد. مکان و نحوه جاگذاری سیستم خروجی هوا حائز اهمیت است .به عنوان نمونه چنانچه سیستم خروجی هوا در وسط کشتی قرار بگیرد اثر بسیارکمی بر روی تشدید آکوستیک خواهد داشت و علت آن این است که مولفه فشار آکوستیک در وسط دارای دامنه کوچکی است در حالیکه مقدار ماکزیمم خود را در دو انتهای بالشتک بدست می آورد. سورنسن دریافت که تغییرات ناحیه نشتی القاﺀ شده توسط موج و حرکت زیر درزگیرها برای تعیین اندازه پاسخ مهم است و تغییر شکل کیسه به صورت شبه استاتیکی تحلیل گردید .تغییرات زمانی پیش بینی شده تغییرات حجم بالشتک هوا ناشی از کیسه هوای بالشتک نشان می دهد که آنالیزهای سورنسن قابل قبول و توسعه است .آنها فرض کردند که موجهای برخورد کننده به صورت توزیع شده از درون بالشتک عبور می کنند اثر تغییر در حجم بالشتک و ناحیه نشتی ناشی از تفرق سیستم موج ورودی بوسیله بدنه های جانبی ،فشار بالشتک و درزگیر جلو باید بررسی گردد.با توجه به شکل (۳) محور مختصات را بر روی مرکز ثقل شناور قرار داده و شناور با جرم و با سرعت به امواج برخورد می کند معادله ترکیبی به صورت زیر نوشت می شود
که در این روابط جرم شناور و ممان اینرسی و زمان می باشدو Ah , مشتق هیدرودینامیکی سایدهاو نیروی هیدرو دینامیک خطی روی سایدها می باشدکه پس از حل معادلات نیروی آیررودینامیکی غیر خطی به صورت زیر محاسبه می گردد.
به طوریکه عرض بالشتک و به ترتیب شامل اغتشاشات کوچک در فشار بالشتک و فشار اعمالی روی در زمان خروج هوا می باشد. مکانیزمهای مستهلک کننده مهم اثرات کابل لستون،ناشی از جریان هوا از طریق فنها و نشتی هوا از زیر درزگیرها که بخشی از سیستم کنترل حرکت محسوب می گردند می باشند
همانطور که از شکل (۴) مشاهده می گردد بسرعت جریان در زیربالشتک سرعقب بر اساس معادلات برنولی برای سیالات تراکم ناپذیر برای حالت پایدار و همچنین زمانی که این سرعت از سرعت صوت کمتر است و طول بالشتک عقب کوچکتر از موج باشد به صورت زیر محاسبه می گردد .
که در این رابطه فشاردر بالشتک عقب شناور و فشار اتمسفر می باشد و ضریب انقباض جت هوا و ارتفاع هوای خروجی و ارتفاع بالشتک می باشد.در فرکانس تشدید قسمت دینامیکی فشار بالشتک با دا منه ای تقریبا یکسان در کل بالشتک ،نوسان می کند اثرات تراکم پذیری هوا در بالشتک بسیار اهمیت دارد.پریود تشدیددر حالتی که نزدیک به ۲ هرتز می تواند طبق رابطه زیر محاسبه گردد.
که در این رابطه ارتفاع بالشتک هواو مساحت بالشتک و جرم شناور باشد. فشار اتمسفریک و فشار بالشتک می باشد
مدلهای با قابلیت یادگیری فازی عصبی
روشهای هوش مصنوعی و محاسبات آن با استفاده از قوانین طبیعت شکل گرفته است. همانند انسان روش یاد گیری عاطفی نیز به عنوان بخشی از سیستم یادگیری تقویتی معرفی میگردد. مدلهای فازی عصبی قابل آموزش را به دو دسته مهم می توان تقسیم نمود.
۱-سیستم استنتاج فازی عصبی تاکاگی سوگنو
۲-مدلهای خطی تکه ای تحت شرایطی مدلهای خطی-قطعه ای معادل با مدل
تاکاگی سوگنو می باشند.این مدلها را می توان به عنوان حالت عام شبکه های عصبی مالیزه شده دانست. سیستم استنتاج فازی تاکاگی سوگنو بر پایه قوانین فازی به شکل زیر می باشد.
که در آن تعداد قواعد فازی ورودیهای شبکه هستند.هرچه مجموعه فازی ورودی در قانون ام و یک تابع غیر فازی است و معمولا بصورت ترکیبی خطی از ورودیها در نظر گرفته می شود:
معادله (۵)را می توان به فرم ماتریسی نوشت
بنابر این خروجی مدل بر اساس معادله زیر محاسبه می شود:
تابع عضویت ورودی j ام در قانون ام درجه صحت قانون ط ام می باشد.
می توان مدل تاکاگی سوگنو را در شکل تابع مینا نوشت در این صورت شباهت این مدل به شبکه عصبی مشهود است
مدل فازی عصبی دارای دو دسته پارامترهای قابل تنظیم است ،ابتدا پارامترهای مقدم که مشخصات تابع عضویت های ورودی را تعیین می کنند عبارتند از مرکز و واریانس گوسی ها و سپس پارامترهای تالی یعنی ضرایب ورودیها در تابع ستالی قواعد بازی(معادله۸). در اکثر کاربردها تنها قواعد تالی در الگوریتم یادگیری تنظیم می شوند . اینکار براحتی به روشی همانند تخمین حداقل مربعات قابل انجام است گرچه می توان از روشهای قدرتمند غیر خطی نیز در بهینه سازی تمام پارامترها استفاده نمود. در روشهای بهینه سازی مبتنی بر گرادیان قوانین یادگیری به منظور کمینه کردن ،تابع هزینه زیر بکار می روند
که در آن شتعداد نمونه داده جهت یادگیری است.
با جایگذاری معادله(۶)در این رابطه ،تابع مربعی به شکل هزینه نوشته می شود
در این رابطه ماتریس همبستگی ، Aماتریس که سطر م اش برابر با باشد. بالاخره بردار همبستگی مقابل بعدی است. روشهای مختلفی را می توان در بهینه سازی بکار برد ،مانند روش تند ترین شیب،گرادیان مزدوج و روش لونبرگ مارکوات . با نوشتن معادله ساده روش تند ترین شیب قاعده یادگیری به شکل زیر بدست می آید.
که η نرخ یادگیری می باشد.
روشهای متعدد و قدرتمندی برای آموزش شبکه فازی عصبی سوگنو پیشنهاد شده است از آن جمله می توان به
اشاره نمود. یکی از معروفترین این روشهاست که در کاربردهایی نظیر شناسایی سیستم ،کنترل ،پیش بینی و پردازش سیگنال مورد استفاده قرار گرفته است. این الگوریتم یک روش یادگیری ترکیبی از بهینه سازی گرادیان و حد اقل مربعات است
یادگیری عاطفی
سیستمهای یادگیری عاطفی با سیستمهای کنترل یادگیر متفاوت می باشند.در سیستم های کنترل یادگیر تکرار شونده تحلیل ریاضی به صورت کامل صورت می پذیرد به طوریکه کنترل کننده از یک سری تجربیات تکرارهای گذشته می آموزد تا خود را چنان اصلاح نماید که عملکرد سیستم حلقه بسته با افزایش تکرارها بهبود یابد.بسیاری از الگوریتم های یادگیری جدید مانند یادگیری تقویتی- کنترل کننده های فازی و روشهای تفاضل زمانی در مقایسه با روشهای یادگیری کلاسیک معمولی از دقت بالاتری برخوردار بوده و با سرعت بیشتری به نتیجه می رسند.یادگیری سریع در سیستمهای زمان واقعی مانند کاربردهای کنترلی از اهمیت بالایی برخوردار است . در حالیکه در پیش بینی ،دو ویژگی دقت و بار محاسباتی مورد توجه قرار می گیرند.یادگیری عاطفی روشی برگرفته از علم روانشناسی است که به منظور کاهش محاسبات در مسایل پیش بینی ،توسعه یافته است. از ویژگیهای این روش می توان به امکان تحقق اهداف چندگانه در پیش بینی اشاره نمود.در این روش سیگنال عاطفه جایگزین سیگنال تقویت گردیده است.دلیل اصلی استفاده از عاطفه در مسایل پیش بینی ،کاهش خطای پیش بینی در بعضی از ناحیه ها یا قسمتهاست.این روش بر پایه یک سیگنال عاطفه که عوامل نقاط را نسبت به عملکرد کلی پیش بینی نشان می دهد استوار است. ویژگی بارز سیگنال عاطفه آنست که می تواند به صورت ترکیبی از هدفها و محدودیتهایی که باعث بهبود پیش بینی یا تخمین می گردد ،تولید شودتابع هزینه تنها بر حسب سیگنال عاطفه تعریف می گردد و الگوریتم یادگیری براحتی طوری طراحی می گرددکه تابع هرینه را کاهش دهد بنابر این سیستم پیش بین یاد می گیرد که به صورت کلی عملکرد خواسته شده را برآورد سازد.اگرنقاد بر یکسری از ناحیه ها یا بعضی از خصوصیات تاکید بیشتری
