سورس مقاله در متلب: تخمین ∞H برای بهینه سازی تابع عضویت فازی
پروژه ۵۱۷: شبیه سازی مقاله در متلب (ام فایل) + تحقیق کامل + ترجمه کامل مقاله + فیلم اجرای کد
*********************
دانلود: دانلود اصل مقاله لاتین
*********************
خلاصه ای از مقاله: (فایل وورد کامل )
ما با فرض یک سیستم منطق فازی چگونه می توانیم بهترین عملکرد حاصل از توابع عضویت را تعیین کنیم؟ اگر ما توابع عضویت را به یک شکل خاص (مثلا مثلث یا ذوزنقه) محدود کنیم ،می توانیم تابع عضویت را توسط چند متغیر پارامتری کنیم و مساله بهینه سازی عضویت را به یک مساله بهینه سازی پارامتر کاهش دهیم. سپس مساله بهینه سازی پارمتر را می توان به عنوان مساله فیلترینگ غیرخطی فرمول بندی کرد.
ما در این مقاله مساله فیلترینگ غیرخطی را با استفاده از نظریه تخمین وضعیت ،حل می کنیم. اما توابع عضویت که از این روش بدست می ایند بطور کلی یک جمع عادی نیستند.
یعنی ارزشهای تابع عضویت به هرنقطه این محیط،تا حدود یک اضافه نمی کنند. بنابراین ما با افزودن محدودیتهای وضعیت به نحوی که توابع عضویت حاصل ،جمع عادی باشند،فیلتر را تغییر می دهیم. عادی بودن جمع نه تنها برای درخواست مستقیم ان بلکه به دلایل محاسباتی در اجرای سیستمهای منطق فازی در زمان واقعی مطلوب می باشد. روشهایی که در این مقاله پیشنهاد شدند، در کنترل کننده عملکرد موتور اتومبیل فازی نشان داده می شوند و با بهینه سازی مبتنی بر فیلترینگ کالمن مقایسه می شوند.
در این پروژه ، کاربرد یک سیستم کنترل سرعت اتومبیل با فازی انجام گردیده است. شتاب یک اتومبیل را می توان به عنوان تابعی از نیروهای خارجی عمل کننده بر وسیله نقلیه بیان کرد که شامل:نیروی موتور fe (تابعی از موقعیت دستگاه کنترل سوخت است)،نیروی کشش fd (تابعی از سرعت) و نیروی گرانشی القائی fg (تابعی از نوع جاده) می باشد. {ادامه در فایل اصلی}
یک سیستم فازی با دو ورودی ویک خروجی
دیگر موارد که در متن آمده:
۱-مقدمه
۲-بهینه سازی سیستم فازی از طریق فیلتر
۲.۱-فیلتر H بی نهایت
۲.۲-بهینه سازی سیستم فازی
۲.۳- بهینه سازی سیستم فازی با محدودیتهای جمع عادی
۲.۴-تجزیه تحلیل محاسباتی
۳- نتایج شبیه سازی
۴-نتیجه گیری
در صورت سوال در مورد محصول می توانید از بخش تماس با ما (منوی بالا)، با شماره تلفن مورد نظر مکاتبه نمایید.
برخی نتایج:
Iteration # 1 / 40 …
Error = 0.00055174 – Iteration # 2 / 40 …
Error = 0.0005516 – Iteration # 3 / 40 …
Error = 0.0005509 – Iteration # 4 / 40 …
Error = 0.0005497 – Iteration # 5 / 40 …
Error = 0.00054806 – Iteration # 6 / 40 …
Error = 0.00054541 – Iteration # 7 / 40 …
Error = 0.00054277 – Iteration # 8 / 40 …
Error = 0.0005393 – Iteration # 9 / 40 …
Error = 0.00053441 – Iteration # 10 / 40 …
Error = 0.00053054 – Iteration # 11 / 40 …
Error = 0.00052708 – Iteration # 12 / 40 …
Error = 0.00052182 – Iteration # 13 / 40 …
Error = 0.00051312 – Iteration # 14 / 40 …
Error = 0.00050712 – Iteration # 15 / 40 …
Error = 0.00050053 – Iteration # 16 / 40 …
Error = 0.00049456 – Iteration # 17 / 40 …
Error = 0.00048319 – Iteration # 18 / 40 …
Error = 0.00046582 – Iteration # 19 / 40 …
Error = 0.00045503 – Iteration # 20 / 40 …
Error = 0.00044799 – Iteration # 21 / 40 …
Error = 0.00044161 – Iteration # 22 / 40 …
Error = 0.00043665 – Iteration # 23 / 40 …
Error = 0.0004326 – Iteration # 24 / 40 …
Error = 0.00042724 – Iteration # 25 / 40 …
Error = 0.00042201 – Iteration # 26 / 40 …
Error = 0.00041929 – Iteration # 27 / 40 …
Error = 0.00041344 – Iteration # 28 / 40 …
Error = 0.00040931 – Iteration # 29 / 40 …
Error = 0.00040422 – Iteration # 30 / 40 …
Error = 0.00039847 – Iteration # 31 / 40 …
Error = 0.00038948 – Iteration # 32 / 40 …
Error = 0.00038268 – Iteration # 33 / 40 …
Error = 0.00037685 – Iteration # 34 / 40 …
Error = 0.00037829 – Iteration # 35 / 40 …
Error = 0.00037685 – Iteration # 36 / 40 …
Error = 0.00037682 – Iteration # 37 / 40 …
Error = 0.00037682 – Iteration # 38 / 40 …
Error = 0.00037682 – Iteration # 39 / 40 …
Error = 0.00037682 – Iteration # 40 / 40 …
Error = 0.00037682
ans =
۰٫۵۴۲۰
Enter the file name to which to save the fuzzy parameters.
(Enter a blank if you do not want to save the fuzzy parameters.)
?
Enter the file name to which to save the training errors.
(Enter a blank if you do not want to save the errors.)
?
Error change = 31.7023%, Ave c change = 1.2956e-05, Ave b change = 5.896e-06
Ave cout change = 1.7779e-05, Ave bout change = 3.194e-05
Norm(P) = 1000
The fuzzy cruise control optimization has completed.
مجموعه: الکترونیک, الگوریتم های فراابتکاری و هوشمند, کنترل, منطق فازی, مهندسی کامپیوتر, مهندسی مکانیک, یادگیری ماشین