محصولات آموزشی دکتر جوادی

محصولات آموزشی دکتر جوادی

  1. –

    سلام محدودیتی برای ماتریس سیستم وجود نداره و میتونید از همین LMI ها استفاده کنید

  2. –

    سلام خیر. تدریس نشده

  3. (مهمان) –

    با سلام و تشکر فراوان از لطف شما سیستمی که من مدل سازی میکنم یک سیستم چند درجه آزادیه یعنی متغیرهای حالت به هم وابسته هستن و ماتریس سیستم قطری نیست. .برای چنین سیستمی فیلم آموزشی یا راهکاری هست که منو راهنمایی بفرمایید؟

  4. (مهمان) –

    با سلام و احترام در مجموعه شما موضوع ensemble Kalman filter تدریس شده است؟

  5. (مهمان) –

    سلام، برای سیستم نیمه فعال بخاطر غیر خطی بودن نیروی دمپر دیگر امکان استفاده از LMI نیست؟

  6. –

    سلام من با مباحث پیاده سازی عملی فیلتر کالمن زیاد آشنایی ندارم ولی خانواده فیلتر کالمن معمولا در شبیه سازی بهتر جواب میدند مخصوصا UKf و CKF

  7. –

    سلام احتمالا سیستم شما پایداره و مقدار گاما بزرگ انتخاب شده و نیاز زیادی به واکنش کنترل کننده نیست

  8. (مهمان) –

    سلام اقای دکتر و خسته نباشید اقای دکتر ما اگه بخواهیم کنترل یه سیستم پیوسته غیر خطی رو با یه میکرو مثلا dspic یا هرچیز دیگه ای پیاده سازی کنیم و اندازه گیری هامون هم که خطی ان رو با سنسور ولتاژ و یا جریان اندازه بگیریم که متصل میشن به یکی از پورت های میکرو، از کدوم یک از روش های خانواده کالمن EKF، EKBF و یا HEKF استفاده کنیم معقول تره؟ و همچنین کدوم یکی از روش های PF و یا HPF ؟ با توجه به اینکه اندازه گیری هامون همیشه در دسترسن یعنی یه حالت پیوسته دارن و به محض اینکه یه سیکل میکرو تموم شه و سیکل بعدی شرو بشه میتونه اندازه گیری ها رو برداره و ازشون استفاده کنه.

  9. (مهمان) –

    با سلام خدمت استاد عزیز من این روش رو روی سیستم خودم پیاده کردم ولی مقدار k اونقدر کم و اعشاری به دست میاد که اصلا تغییری در پاسخ سیستم به وجود نمیاره فقط وقتی ضریب الفارو خیلی بزرگ در نظر میگیرم یه تغیراتی ایجاد میشه.ب نظرتون مشکل چی میتونه باشه؟

  10. –

    سلام اصولا تعداد ذره ها هر چقدر بیشتر باشه باید بهتر عمل کنه ولی فیلتر ذره ای در مجموع قابل اطمینان نیست. خانواده فیلتر کالمن عملکرد قابل اطمینان تری نسبت به فیلتر ذره ای دارند

  11. (مهمان) –

    با سلام خدمت اقای دکتر جوادی من یه سیستم غیر خطی پیوسته با اندازه گیری گسسته رو تو سیمولینک شبیه سازی کردم و با متلب فانکشن یه فیلتر ذره ای استاندارد (اولین روش نمونه برداری مجدد) و EKBF واسه کنترلش طراحی کردم عملکرد فیلتر ذره ای که باید با افزایش تعداد ذره ها بهتر شده اینجوری نیست و با تعداد 25 و 100 ذره عملکرد متوسط و با 50 ذره عملکرد عالی و در حد EKBF داره امکان داره همچین چیزی؟

  12. –

    سلام متاسفانه لینکش جدیدا مشکل پیدا کرده. میتونید داخل فایلهای جلسه اول که رایگان هست تولباکس رو پیدا کنید

  13. (مهمان) –

    سلام جناب جوادی من برای دانلود تولباکس ekf/ukf از مسیری که در ویدیوها هست به مشکل برخوردم اصلا لینک مربوط به ekf/ukf بالا نمیاد

  14. –

    سلام تابع زمانی نباید داخل LMI حضور داشته باشه و باید به نحوی حذف بشه

  15. (مهمان) –

    با سلام و خسته نباشید. آقای دکتر در مساله خودم بنده به این عبارت رسیدم مطابق با فیلم آموزشی، به چه نحوی میشه این عبارت رو به LMI تبدیل کرد؟ x*transpose(Nc1)*F(t)*transpose(Mc1)*MD11*F(t)*ND11 با تشکر

  16. –

    اقدام شد

  17. –

    تقریبا. چون رسیدن به مینیمم واقعی با روشهای حل عددی LMI تقریبا غیر ممکنه و اکثرا به حالت زیر بهینه میرسیم

  18. (مهمان) –

    با سلام آقای دکتر امکان دریافت مشاوره از طرف شما وجود دارد؟ بنده در حال کار بر روی یک مقاله ای هستم که برای حل LMI آن به دو مشکل اساسی برخورد کردم و تمامی فیلم های مربوط به LMI رو هم مشاهده کردم اما مشکلم برطرف نشد. از طریق این صفحه نیز فکر نکنم که بتونم به پاسخ برسم. ممنون

  19. (مهمان) –

    با سلام و درود ما توی پنالتی وکتور هم حالت ها و هم نیروی کنترلی رو کمینه میکنیم، پس میشه گفت به یه حالت بهینه میرسیم که با کمترین مقدار نیروی کنترلی سیستم عملکرد مطلوبشو حفظ کنه و پایدار بمونه؟ با در نظز گرفتن اینکه پنالتی وکتور شبیه تابع هزینه توی lqr هسش

  20. –

    ماتریسهای مربوط به LMI حتما باید مربعی باشند چون مثبت یا منفی معین بودن برای ماتریسهای مربعی تعریف میشه ولی متغیرهای تصمیم گیری به هر صورتی میتونند داخل LMI ظاهر شوند