پرداخت امن توسط کارتهای شتاب
بازگشت وجه ضمانت بازگشت تا 7 روز
تضمین کیفیت ضمانت تضمین کیفیت
پشتیبانی 24 ساعته 7 روز هفته

آموزش مدلسازی و شبیه سازی سیستم کوادروتور

آموزش مدلسازی و شبیه سازی سیستم کوادروتور
Original price was: ۷۵۰,۰۰۰ تومان.Current price is: ۷۱۶,۴۰۰ تومان.٪4 تخفیف

 

 

اگر میخواهید به صورت اصولی کوادروتور را یاد بگیرید اینجا کلیک کنید:

مقدمه:
امروزه در بسياري از كشورهاي جهان دانشمندان وكارشناسان در پي ساخت رباتهاي پرنده ي پيشرفته اي هستند كه اين پرنده هاي هدايت پذير مي توانند در كاربردهای بسیاری که انجام ان برای ربات های زمینی امکان پذیر نیست مورد استفاده قرار گيرند.در این میان کوادروتور به دلیل ساختار ساده ، قدرت مانور و فضای کاری بالا و کاربردهای متنوع جایگاه ویژه ای یافته اند. این پست مربوط به جلسات اموزشی مدلسازی و شبیه سازی سیستم کوادروتور می باشد. جهت بررسی جامعی از روابط حاکم بر این سیستم، سخت افزار و انواع روش های مدلسازی این سیستم پرنده به تفصیل در چند جلسه اموزشی شرح داده شده است. با استفاده از روابط استخراج شده از مدل ریاضی این سیستم مباحث مربوط به ایرودینامیک پرواز برای این ربات پرنده و نحوه محاسبه نیروهای ایرودینامیکی حاکم بر این سیستم نیز به طور کامل ارایه شده است.در ادامه ساختار و بلوک دیاگرام کنترلی این سیستم بدون سرنشین و ارتباط بین لایه های کنترلی ان با جزییات کامل مورد بررسی قرار گرفته است. همچنین نحوه به کارگیری فیلتر کالمن پیوسته توسعه یافته برای تخمین متغیرهای حالت این سیستم پرنده به عنوان یکی از پرکاربردترین مشاهده گرهای موجود نیز به صورت کامل عنوان شده است.

جلسه اول:

جلسه دوم:

جلسه سوم:


جلسه چهارم:


جلسه پنجم:

جلسه ششم:


جلسه هفتم:


جلسه هشتم:

جلسه نهم:

جلسه دهم:

جلسه یازدهم:

جلسه دوازدهم:

جلسه سیزدهم (مبحث ویژه ):

جلسه چهاردهم:

مطالعه بیشتر

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.
منابع آموزشی

فیلم آموزشی

مقطع تحصیلی

تخصصی

دیدگاهها

  1. javad

    سلام خانم دکتر
    ببخشید من در مفاهیم اولیه مشکل دارم
    میشه همین جا این سوال رو جواب بدین
    منظور از عدم قطعیت‌ها در کوادرتور چيست و چگونه برای مقابله با آن‌ها کنترل‌کننده باید تنظيم می‌شود؟ پارامترهای ترم‌ها عدم قطعیت‌ها در کوادرتور چگونه به دست می‌آیند؟

    • مهندس بابایی

      با سلام
      ببینید سیستم کوادروتور دارای دینامیک پیچیده ای است. اگر در مفاهیم اولیه مشکل دارید حتما جلسات ابتدایی این اموزش رو به دقت مطالعه بفرمایید.
      در رابطه با بحث عدم قطعیت شما می بایست ابتدا مفهوم عدم قطعیت را درک کنید. عدم قطعیت به معنای تردید ما در اندازه گیری یک پارامتر می باشد.بنابراین هرگاه برای هر پارامتری خطایی در اندازه گیری ان وجود داشته باشد که برای ما ناشناخته باشد می تواند به عنوان یک سورس عدم قطعیت در نظر گرفته شود.
      برای سیستم کوادروتور نیز، عدم قطعیت های کنترلی مانند عدم قطعیت پارامتری و عدم قطعیت دینامیک مدل نشده در نظر گرفته می شود که مثلا می تونید 30% عدم قطعیت در پارامترهای سیستم در نظر بگیرید.
      روش هایی هم که برای خنثی کردن این عدم قطعیت ها معمولا در سیستم های مشابه کوادروتور در نظر گرفته می شوند، روش های مقاوم تطبیقی هست. یعنی روش های مانند H-بی نهایت، مد لغزشی که با کنترلر تطبیقی ترکیب می شوند و در نهایت با قوانین تطبیقی این عدم قطعیت ها تخمین زده می شوند و با کنترلر های مقاوم کنترل می شوند.
      اما دوست عزیز این موضوع در سطح پیشرفته از دانش کوادروتور مطرح می شود، اگر شما هنوز در مفاهیم اولیه مشکل دارید، ورود به این موضوع برای شما کمی زود است.
      موفق باشید.

  2. جواد

    خانم دکتر ببخشید سوال دیگه ای که در شبیه سازی ها برام پیش میاد بصورت زیر هستش ممنونم میشم جواب بدین.
    منظور از عدم قطعیت‌ها در کوادرتور چیه و چگونه برای مقابله با آن‌ها کنترل‌کننده باید تنظيم بشه؟ همچنین پارامتر ترم‌های عدم قطعیت‌ها در کوادرتور چگونه به دست میان؟

    • مهندس بابایی

      با سلام
      پاسخ سوال شما در پرسش بعدی شما داده شده است. ملاحظه بفرمایید.

      • javad

        با عرض معذرت و سپاس از وقتی که گذاشتن
        اما برای من هیچی نشون نمیده
        با تشکر از شما

        • مهندس بابایی

          پاسخ سوال شما در سوال بعدی شما به طور کامل ذکر شد.

  3. جواد

    سلام خانم مهندس
    وقتتون بخیر
    بنده میخواستم یک سیستم کنترلی کوادروتور رو بررسی کنم به سوالی برخورد کردم که گفتم از شما بپرسم. ممنونم میشم که جواب بدین.
    1) روش بیان‌شده برای کنترل مود لغزشی که در مقالات وجود دارد برای یک مسئله ساده (SISO) بیان‌شده است. در حالی که این سیستم کوادروتور MIMO هست. این رو چطور میشه توجیه کرد.

    • مهندس بابایی

      با سلام
      اگر دقت کرده باشید اکثر مقالات با محوریت کوادروتور که از روش مد لغزشی برای کنترل کوادروتور استفاده نموده اند، با دید یک سیستم چند متغیره این طراحی رو انجام داده اند. ما یک سطح اسلاید تعریف نمی کنیم، یا یک کنترل کننده طراحی نمی کنیم، بلکه چند سطح اسلاید و چند کنترلر مجزا برای هر یک از متغیرهای اصلی سیستم کوادروتور تعریف می کنیم که این موضوع از ماهیت های اصلی کنترلر مد لغزشی هست که فقط برای یک سیستم تک ورودی تک خروجی استفاده نمی شه، بلکه مد لغزشی چند سطحی خواهیم داشت که برای سیستم های چند ورودی-چندخروجی قابل اجراست که در سیستم کوادروتور هم دقیقا همین موضوع اجرا شده است.
      موفق باشید.

  4. ن

    سلام، خانم مهندس چرا هیچ ایمیلی از شما نیست؟!
    راجع به شبیه سازی کاش با سیمولینک انجام میدادید…ممکن هست خیلی زود فایل سیمولینک را با توضیح بگذارید؟

    • مهندس بابایی

      با سلام
      خیر. متاسفانه فرصتی برای شبیه سازی بر اساس سیمولینک نیست.
      ایمیل: rose.babaie@gmail.com

      موفق باشید.

  5. محمد عبداله زاده

    سلام خاتم دکتر ببخشید ی سوال دیگه خانم دکتر طبق فرمایشاتتون بر روی سیستم تابع هزینه قبلی نوشتم با انتخاب بعضی ضرایب به صورت ثابت خانم دکتر الان ج درستی میده ولی U در ابتدای ضربه سریع به 150 به -150 داره و بعد فورا مقدار 3.5 پایدار میشه به صورت سریع خانم دکتر در حالی که در smc این چنین حالتی نداریم ولی هم S مقدارش صفر میشه و هم x مقدار پایدار میگیره هر چی تلاش کردم تا مقدار U محدود کنم نتونستم شما راهی بنظرتون میرسه والا هنوز نمی دونم که این ج که گرفتم ج درست هست یا نه ممنون میشم اگه اطلاعاتی دارید بهم بدید با تشکر و خیلی ممنون بابت اموزش های بسیار عالیتون

    • مهندس بابایی

      با سلام
      دوست عزیز دقت کنید که خیلی از این سوالاتی که شما تا الان پرسیدید و من پاسخ دادم، قطعا اگر با استاد راهنما و مشاور پایان نامتون هم صحبت می کردید چون شناخت کافی روی سیستم شما دارند می تونستند شما رو راهنمایی کنند.
      اما برای اینکه مشکل شما حل بشه، به نکته ای که در ادامه میگم دقت کنید:
      ما در عمل (real application) نباید یک ضربه ناگهانی با یک دامنه نامتعارف مثل مال شما (150) در ورودی کنترلی خودمون داشته باشیم. بنابراین باید به دنبال حذف اون باشیم. برای این کار باید ضریب کنترلی مربوط به پارامتر U خودمون رو تا حد امکان کاهش بدیم تا به U فرصت کافی بدیم تا بتونه خودش رو صاف کنه و اون ضربه ناگهانی از بین بره. بنابراین بینید کدوم پارامترها و ضرایب روی U شما تاثیر مستقیم دارند، اونها رو شروع به کاهش دادن بکنید تا کم کم ضربه ایجاد شده حذف بشه یا به حداقل ممکن برسه.
      و اینکه چرا نتایج شما درست نباشه؟ اگر با نکاتی که اموزش دادم طراحی رو انجام دادید و به نتایجی که ذکر کردید رسیدید، قطعا پاسخ های شما صحیح است. فقط نکته اخری رو هم که بهتون گفتم رو هم حتما اعمال کنید.

      موفق باشید.

  6. ن

    سلام. الگوریتم ژنتیک برای بهینه سازی پارامترهای Q در کدام آموزش هست؟ تو بخش دوم جلسه سیزده توضیح دادید که برای انتخاب پارامترهای Q به صورت اسکالر از الگوریتم ژنتیک استفاده کردید و اینکه قبلا راجع بهش گفتید…

    • مهندس بابایی

      با سلام
      جلسه دهم، به موضوع الگوریتم ژنتیک اختصاص دارد.
      موفق باشید.

      • ن

        متشکرم. موفق باشید

        • مهندس بابایی

          پایدار باشید.

  7. محمد عبداله زاده

    %J=Q(1,1)*(x1)*(x1)’+Q(1,1)*(x3)*(x3)’+Q(1,1)*(x5)*(x5)’+Q(1,1)*(2-x7)*(2-x7)’…..
    %+Q(1,1)*(2-x9)*(2-x9)’+Q(1,1)*(2-x11)*(2-x11)’+R(1,1)*u1*u1’+R(2,2)*u2*u2’+R(3,3)*u3*u3’+R(4,4)*u4*u4′;
    با سلام مجدد خانم دکتر ببخشید من طبق فرمایشاتتون که عمل کردم بر روی شناور مغناطیسی sdre پیاده سازی کردم و ج گرفتم فقط بهینه سازی مونده که هرچی می کنم الگوریتم بهینه سازی ج نمیده که همون پیام که خدمتتون نشون دادم رو میده و یا اینکه ج میده ج درست نمیده طبق اموزش خوبی که در الگوریتم ژنتیک ارائهدادین جلو رفتم و بر روی اسلایدینگ هم پیاده سازیش کردم خانم دکتر ببخشید میشه کمکم کنید راهنماییکنید چرا تابع هزینه به صورت بالا اوردین که در اون عناصر ماتریسQ در تابع هزینه اوردین ممنون میشم راهنماییم کنید بازم بابت اموزش های خوبتون تشکر می کنم ایشاللههمیشه سرفراز و سر بلند باشین با تشکر
    تابع هزینه که منتعریفکردم به صورت زیر است
    J=30*(Q(1,1)*(x1s-.004)*(x1s-.004)’)+(Q(3,3)*((x3s-x3sd)*(x3s-x3sd)’))+(Q(2,2)*((x2s)*(x2s)’))+(3*(R1*(utot)*(utot’)))
    با تشکر

    • مهندس بابایی

      با سلام
      ببینید این تابع هزینه ای که می فرمایید مختص سیستم کوادروتور من هست و هر کدوم از دوستان می تونند یک تابع هزینه متفاوت تعریف کنند. اینکه چرا از Q استفاده کردم به خاطر این بود که می خواستم از یک ماتریس وزن دهی وابسته به حالت در تابع هزینه استفاده کنم. اما شما دقت کنید که لزوما این تابع هزینه ممکنه برای سیستم شناور مغناطیسی شما درست جواب ندهذ. بنابراین اگر می خوایید با الگوریتم ژنتیک ضرایب رو بهینه سازی کنید همون تابع هزینه ای که در جلسه اموزشی به شما اموزش دادم رو استفاده کنید. یعنی ماتریس های R و Q رو از حالت وابسته به حالت خارج کنید و اونها رو به صورت اسکالر تعریف کنید و در مرحله اول هر دوی اونها رو 1 قرار بدید و خروجی بگیرید. دقت کنید این تابع هزینه هیچ ارتباطی به تابع هزینه ای که در بخش SDRE تعریف کردیم ندارد و می تواند کاملا متفاوت از ان تعریف شود.

      موفق باشید.

  8. محمد عبداله زاده

    سلام دوباره خدمتون خانم دکتر ببخشید مرتب مزاحمتون میشم خانم دکتر ببخشید من رو سیستم شناور مغناطیسی که پیاده می کنم وقتی محدوده تغییرمی دم ضرایب که اعمال می کنم خانم دکتر ج میده ولی error درست کم نمی کنه ممنون میشم راهنماییم کنید بتونم درست ضرایب اعمال کنم

    • مهندس بابایی

      با سلام
      اگر الان مثل قبل fitness function شما بی نهایت نمیشه، پس شما مرحله اول کار رو جلو رفتید و به درستی کنترل کننده رو روی سیستمتون پیاده سازی کردید. حالا میزان خطای شما مطلوب نیست و می خوایید اون رو کاهش بدید که این مرحله دوم کار شماست. ببینید در این مرحله خیلی مهم هست که شما روی مدلسازی و ساختار دینامیکی سیستمتون اشراف کامل داشته باشد چراکه باید وابستگی پارامترهای دینامیکی سیستمتون رو به کنترل کننده ای که طراحی کردید کامل بدونید، که مثلا با تغییر کدوم پارامتر در کنترل کننده، کدوم متغیر حالت سیستم شناور مغناطیسی شما تحت تاثیر قرار میگیره. من دانش زیادی نسبت به ساختار دینامیکی شناور مغناطیسی ندارم که بتونم مستقیما راهنماییتون کنم. چون تخصص من در زمینه کنترل کوادروتور های سینگل و همکار هستش. اما می تونم اینطور راهنماییتون کنم که روی وزن ماتریس های R و Q کار کنید چرا که ما این ماتریس ها رو در روش SDRE ، وابسته به حالت تعریف می کنیم. بنابراین هرجا میزان خطا در هر متغیری مطلوب شما نیست برید میزان وابستگیش رو در R و Q تغییر بدبد تا به یک حد تعادل برسید.

      موفق باشید.

  9. محمد

    سلام خانم دکتر روزتون بخیر ببخشید مرتب مزاحمتون میشم خانم دکتر من با استفاده از اموزش های مفیدتون تونستم ROSMC رو سیستم خودم که شناور مغناطیسی بود پیاده سازی کنم فقط ی مشکل دارم تنظیم ضریب ها هستش ERROR میده با استفاده از ژنتیک می خوام بزنم نمی دونم چرا تابع هزینه یل بی نهایت میشه . یا معادله همیلتون در حل نمی تونه حل کنه ممنون میشم راهنمایی بفرمایید چی کار کنم
    Optimization running.
    Error running optimization.
    Unable to solve the specified Riccati equation because the Hamiltonian spectrum is too close to the imaginary axis.

    • مهندس بابایی

      با سلام
      خواهش می کنم. ببینیداین خطا نشان می دهد برنامه متلب شما قادر به حل معادله ریکاتی نیست. بنابراین باید روی پارامترهای مرتبط با SDRE که به صورت دستی تنظیم کردید متمرکز شوید. مثلا تنظیم گاما صفر و گامایک به شدت در حل معادله ریکاتی تاثیرگذار هستند. این دو پارامتر را حدالمقدور بسیار کوچک انتخاب کنید. همچنین گذاشتن قدرمطلق برای برخی متغیرها و پارامترها در طراحی ماتریس G1 و R و Q را طبق توضیحاتی که در فیلم آموزش عرض کردم را نیز فراموش نکنید.

  10. e_e

    سلام خانم دکتر سوال من این است که اگر بخواهم الگوریتم ژنتیک را در سیمولینک بکار برم به چه شکلی می توان انجام داد چه بصورت استفاده از optimtool و یا نوشتن کد ga ممنمونمی شم راهنمایی کنید.

    • مهندس بابایی

      با سلام

      در این مجموعه اموزشی هیچ یک از برنامه هاب متلب بر اساس سیمولینک نیستند و تماما بر اساس کد نویسی اموزش داده شده اند، بنابراین هیچ اموزشی در بخش سیمولینک نداریم. برای کاربرد ژنتیک در سیمولینک می توانید به اموزش های سایر اساتید در سایت مراجعه بفرمایید و همچنین کد های مربوط به GA ، گاها به صورت اماده و رایگان در نت موجود هستند و می توانید با جستجو در نت بعضی از نمونه ها را دریافت کنید.
      موفق باشید.

دیدگاه خود را بنویسید

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

Original price was: ۳۵۰,۰۰۰ تومان.Current price is: ۲۳۸,۸۰۰ تومان.
Original price was: ۳۷۰,۰۰۰ تومان.Current price is: ۳۵۶,۴۰۰ تومان.
Original price was: ۳۰۰,۰۰۰ تومان.Current price is: ۱۷۸,۸۰۰ تومان.
محصولات مشابه
سبد خرید

سبد خرید شما خالی است.

ورود به سایت
آموزش مدلسازی و شبیه سازی سیستم کوادروتور

Original price was: ۷۵۰,۰۰۰ تومان.Current price is: ۷۱۶,۴۰۰ تومان.