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
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.
محمد عبداله زاده(مهمان)
–
%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
شبیه سازی ها بر اساس سیمولینک می باشد.
الهام(مهمان)
–
سلام شبیه سازی با سیمولینکه یا کد نویسی؟
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.
محمد عبداله زاده(مهمان)
–
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
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.
محمد(مهمان)
–
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
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.
e_e(مهمان)
–
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
خوشحال هستیم که اموزش های ارایه شده مورد توجه شما دوستان قرار گرفته است.
در بخش اول جلسه 13، در اسلایدهای 30 و 31 به طور مختصر ب اثبات پایداری با استفاده از تابع لیاپانوف نشان داده شده است.شما می تونید برای اثبات کامل تر و ارجاع به یکی از مقالات خودم که لینک دسترسی اون رو در زیر قرار دادم نیز اشاره کنید:
https://journals.sagepub.com/doi/full/10.1177/0142331216640600
موفق باشید.
محمد عبداله زاده(مهمان)
–
با شلام دوباره خدمتتون خانم دکتر و ممنون از اموزش های خوبی که ارائه میدین که واقعا در بیشتر دانشگاه های ما چنین مطالبی ارائه نمی کنن خانمدکتر ببخشید اثبات رابطه ROSMC رو هم میشه لینک دسترسیش در اختیارمون بزارین ممنون میشم از لطفتون
مهندس بابایی
–
با سلام
ببینید مهمترین جلسات این مجموعه اموزشی، 4 جلسه اخر هست (مبحث ویژه) که یک روش hybrid رو به طور کامل به شما اموزش میده و دید خوبی روی کنترل غیرخطی و بهینه این سیستم پیدا می کنید.
در پاسخ به سوالتون باید بگم که بله، شما می تونید بحث سوییچینگ رو برای کوادروتور به کار ببرید اما من شخصا هنوز روی این موضوع کار نکردم و نمی دونم اموزش های این همکارمون رو که نام بردید چقدر با ساختار سیستم کوادروتور مرتبط هست. شاید خود ایشون بهتر بتونند راهنماییتون کنند.
اما در کل بایستی همانطور که به دوستان دیگه هم که توصیه کردم برید مقالات سه سال گذشته 2017-2019 رو در رابطه با موضوع خودتون مثلا بحث سوییچینگ روی کوادروتور دانلود کنید و ببینید که چقدر این موضوع تکراری و یا جدید می تونه باشه. بعد با مطالعه اونها یک و یا چند ایده جدید بهشون اضافه کنید و همون رو به عنوان موضوعتون انتخاب کنید. البته در مجموعه اموزش مقاله نویسی همه این نکات رو خدمت دوستان عرض کردم.
موفق باشید.
علی(مهمان)
–
سلام خدمت سرکار خانم بابایی
ببخشید من این آموزش رو تا جلسه 12 تهیه کردم و کامل دیدم و شبیه سازی ها رو انجام دادم. میخواستم ببینم میتونم بحث سوئیچینگ رو در این حیطه بکار ببرم و موضوع جدیدی برای پروژه پایانی ایجاد کنم؟ و اینکه آیا آموزش های سیستم های سوئیچینگ ارایه شده توسط خانم فرجی میتونه در این جهت کمکم کنه؟
مهندس بابایی
–
با سلام
از توجه شما به این مجموعه اموزشی ممنونیم.
فرمودین که فیلم های اموزش کوادروتور رو مشاهده کردید .بناراین الان دید خوبی باید نسبت به ساختار این سیستم و کنترل کننده های خظی و غیر خطی پایه که روی سیستم پیاده سازی شدند داشته باشید.
شما چون جرم رو می خوایید متغیر در نظر بگیرید بنابراین باید یک عدم قطعیت روی جرم سیستم تعریف کنید. من در زمینه cooprative control of Quadrotor چند مقاله دارم اما بحث جرم در انها در رابطه با جرم یک payload یا همان جسم مطرح شده است نه جرم خود کوادروتورها.
بنابراین می بایست دنبال مقالات 2019و 2018 و 2017 در رابطه با بحث mass of quadrotor و uncertain باشید که بتونید از انها ایده بگیرید و ببیند چگونه جرم متغیر را به صورت عدم قطعیت در سیستم تعریف کردند.همچنین در بحث تطبیقی و مد لغزشی هم می توانید از اموزش های سایر اساتید استفاده کنید که داخل سایت موجود می باشد.
البته تاکید می کنم که عدم قطعیت بحث کاربردی در رابطه با سیستم کوادروتور می باشد و ایده های جذابی از ان استخراج خواهید نمود.
موفق باشید.
حسین(مهمان)
–
سلام خانم دکتر ممنون از اموزشهای خوبتان.
خانم دکتر ببخشید من میخواستم جرم کوادروتورو متغیر فرض کنم و براش کنترل کننده تطبیقی لغزشی طراحی کنم ، فیلمهای اموزشی کوادروتور و چندتا از اموزشهای خوبتان را تهیه کرده ام، سوالم این هستش که علاوه بر این فیلم اموزشی برای انجام اینکارم کدوم فیلم اموزشی رو تهیه کنم کمکم میکند؟
مهندس بابایی
–
با سلام
از توجه شما به این مجموعه اموزشی ممنونیم.
ببینید دوست عزیز ، دقیقا همان تعریفی که در اسلایدها ( اسلاید شماره 29) برای Ucont به کار برده شده است، از همان تعریف در برنامه نویسی متلب نیز استفاده شده است.
همانطور که در فیلم اموزشی هم توضیح دادم، Ucont درواقع پاسخ معادله ریکاتی است که در برنامه متلب (خط 183 برنامه Point to point ) با G نشان داده شده است.
از انجا که برنامه متلب این روش ترکیبی کمی دشوار است ، توصیه می کنم بخش اول این مبحث که مربوط به توضیحات تیوری نحوه ترکیب SMC با SDRE هست رو با دقت بیشتری مجددا ملاحظه کنید تا ابهامات ان به طور کامل برای شما برطرف گردد.
موفق باشید.
محمد عبداله زاده(مهمان)
–
سلام خانم دکتر ممنون از اموزش های خوبتون خانم دکتر ببخشید ی سوال داشتم در قسمت poit to pointدر شبیه سازی ROSMC در بر نامه متلب برای محاسبهUCONTINUSE چرا از فرمول اسلاید که زحمت توضیح دادنش کشیدین استفاده نکردین ممنون میشم توضیح بدیناین قسمت برا من گیج کننده بود
مهندس بابایی
–
با سلام
ببینید مقدار چترینگ در حقیقت صفر نیست، بلکه بسیار بسیار کم است که صفر به نظر می رسد. این کاهش محسوس چترینگ ارتباط مستقیم با مقادیر الفا و k دارد. در واقع انتخاب دقیق این پارامترها کمک بسیار بزرگی در کاهش میزان چترینگ می نماید. در جلسه اموزشی نیز توضیح داده شد که این مقادیر با استفاده از روش بهینه سازی الگوریتم ژنتیک بر اساس دستیابی به کمترین خطای ممکن طراحی شده اند که نتیجه ان همین کاهش محسوس چترینگ است. همچنین توجه بفرمایید که در این قسمت هنوز external disturbance به سیستم وارد نشده است بنابراین کنترل سیستم با نتایج دلخواه تا حد زیادی هموار خواهد بود. برای درک بیشتر موضوع ، external disturbance را به سیستم اعمال کنید، خواهید دید میزان چترینگ برای شما محسوس خواهد بود، هرچند با تعیین دقیق پارامترهای مرتبط با ان، باز هم می توان تا حد زیادی بر میزان چترینگ غلبه نمود.
موفق باشید.
ن (مهمان) –
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 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.
محمد عبداله زاده (مهمان) –
%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 شبیه سازی ها بر اساس سیمولینک می باشد.
الهام (مهمان) –
سلام شبیه سازی با سیمولینکه یا کد نویسی؟
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.
محمد عبداله زاده (مهمان) –
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 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.
محمد (مهمان) –
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 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.
e_e (مهمان) –
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 خوشحال هستیم که اموزش های ارایه شده مورد توجه شما دوستان قرار گرفته است. در بخش اول جلسه 13، در اسلایدهای 30 و 31 به طور مختصر ب اثبات پایداری با استفاده از تابع لیاپانوف نشان داده شده است.شما می تونید برای اثبات کامل تر و ارجاع به یکی از مقالات خودم که لینک دسترسی اون رو در زیر قرار دادم نیز اشاره کنید: https://journals.sagepub.com/doi/full/10.1177/0142331216640600 موفق باشید.
محمد عبداله زاده (مهمان) –
با شلام دوباره خدمتتون خانم دکتر و ممنون از اموزش های خوبی که ارائه میدین که واقعا در بیشتر دانشگاه های ما چنین مطالبی ارائه نمی کنن خانمدکتر ببخشید اثبات رابطه ROSMC رو هم میشه لینک دسترسیش در اختیارمون بزارین ممنون میشم از لطفتون
مهندس بابایی –
با سلام ببینید مهمترین جلسات این مجموعه اموزشی، 4 جلسه اخر هست (مبحث ویژه) که یک روش hybrid رو به طور کامل به شما اموزش میده و دید خوبی روی کنترل غیرخطی و بهینه این سیستم پیدا می کنید. در پاسخ به سوالتون باید بگم که بله، شما می تونید بحث سوییچینگ رو برای کوادروتور به کار ببرید اما من شخصا هنوز روی این موضوع کار نکردم و نمی دونم اموزش های این همکارمون رو که نام بردید چقدر با ساختار سیستم کوادروتور مرتبط هست. شاید خود ایشون بهتر بتونند راهنماییتون کنند. اما در کل بایستی همانطور که به دوستان دیگه هم که توصیه کردم برید مقالات سه سال گذشته 2017-2019 رو در رابطه با موضوع خودتون مثلا بحث سوییچینگ روی کوادروتور دانلود کنید و ببینید که چقدر این موضوع تکراری و یا جدید می تونه باشه. بعد با مطالعه اونها یک و یا چند ایده جدید بهشون اضافه کنید و همون رو به عنوان موضوعتون انتخاب کنید. البته در مجموعه اموزش مقاله نویسی همه این نکات رو خدمت دوستان عرض کردم. موفق باشید.
علی (مهمان) –
سلام خدمت سرکار خانم بابایی ببخشید من این آموزش رو تا جلسه 12 تهیه کردم و کامل دیدم و شبیه سازی ها رو انجام دادم. میخواستم ببینم میتونم بحث سوئیچینگ رو در این حیطه بکار ببرم و موضوع جدیدی برای پروژه پایانی ایجاد کنم؟ و اینکه آیا آموزش های سیستم های سوئیچینگ ارایه شده توسط خانم فرجی میتونه در این جهت کمکم کنه؟
مهندس بابایی –
با سلام از توجه شما به این مجموعه اموزشی ممنونیم. فرمودین که فیلم های اموزش کوادروتور رو مشاهده کردید .بناراین الان دید خوبی باید نسبت به ساختار این سیستم و کنترل کننده های خظی و غیر خطی پایه که روی سیستم پیاده سازی شدند داشته باشید. شما چون جرم رو می خوایید متغیر در نظر بگیرید بنابراین باید یک عدم قطعیت روی جرم سیستم تعریف کنید. من در زمینه cooprative control of Quadrotor چند مقاله دارم اما بحث جرم در انها در رابطه با جرم یک payload یا همان جسم مطرح شده است نه جرم خود کوادروتورها. بنابراین می بایست دنبال مقالات 2019و 2018 و 2017 در رابطه با بحث mass of quadrotor و uncertain باشید که بتونید از انها ایده بگیرید و ببیند چگونه جرم متغیر را به صورت عدم قطعیت در سیستم تعریف کردند.همچنین در بحث تطبیقی و مد لغزشی هم می توانید از اموزش های سایر اساتید استفاده کنید که داخل سایت موجود می باشد. البته تاکید می کنم که عدم قطعیت بحث کاربردی در رابطه با سیستم کوادروتور می باشد و ایده های جذابی از ان استخراج خواهید نمود. موفق باشید.
حسین (مهمان) –
سلام خانم دکتر ممنون از اموزشهای خوبتان. خانم دکتر ببخشید من میخواستم جرم کوادروتورو متغیر فرض کنم و براش کنترل کننده تطبیقی لغزشی طراحی کنم ، فیلمهای اموزشی کوادروتور و چندتا از اموزشهای خوبتان را تهیه کرده ام، سوالم این هستش که علاوه بر این فیلم اموزشی برای انجام اینکارم کدوم فیلم اموزشی رو تهیه کنم کمکم میکند؟
مهندس بابایی –
با سلام از توجه شما به این مجموعه اموزشی ممنونیم. ببینید دوست عزیز ، دقیقا همان تعریفی که در اسلایدها ( اسلاید شماره 29) برای Ucont به کار برده شده است، از همان تعریف در برنامه نویسی متلب نیز استفاده شده است. همانطور که در فیلم اموزشی هم توضیح دادم، Ucont درواقع پاسخ معادله ریکاتی است که در برنامه متلب (خط 183 برنامه Point to point ) با G نشان داده شده است. از انجا که برنامه متلب این روش ترکیبی کمی دشوار است ، توصیه می کنم بخش اول این مبحث که مربوط به توضیحات تیوری نحوه ترکیب SMC با SDRE هست رو با دقت بیشتری مجددا ملاحظه کنید تا ابهامات ان به طور کامل برای شما برطرف گردد. موفق باشید.
محمد عبداله زاده (مهمان) –
سلام خانم دکتر ممنون از اموزش های خوبتون خانم دکتر ببخشید ی سوال داشتم در قسمت poit to pointدر شبیه سازی ROSMC در بر نامه متلب برای محاسبهUCONTINUSE چرا از فرمول اسلاید که زحمت توضیح دادنش کشیدین استفاده نکردین ممنون میشم توضیح بدیناین قسمت برا من گیج کننده بود
مهندس بابایی –
با سلام ببینید مقدار چترینگ در حقیقت صفر نیست، بلکه بسیار بسیار کم است که صفر به نظر می رسد. این کاهش محسوس چترینگ ارتباط مستقیم با مقادیر الفا و k دارد. در واقع انتخاب دقیق این پارامترها کمک بسیار بزرگی در کاهش میزان چترینگ می نماید. در جلسه اموزشی نیز توضیح داده شد که این مقادیر با استفاده از روش بهینه سازی الگوریتم ژنتیک بر اساس دستیابی به کمترین خطای ممکن طراحی شده اند که نتیجه ان همین کاهش محسوس چترینگ است. همچنین توجه بفرمایید که در این قسمت هنوز external disturbance به سیستم وارد نشده است بنابراین کنترل سیستم با نتایج دلخواه تا حد زیادی هموار خواهد بود. برای درک بیشتر موضوع ، external disturbance را به سیستم اعمال کنید، خواهید دید میزان چترینگ برای شما محسوس خواهد بود، هرچند با تعیین دقیق پارامترهای مرتبط با ان، باز هم می توان تا حد زیادی بر میزان چترینگ غلبه نمود. موفق باشید.