محصولات آموزشی دکتر جوادی

محصولات آموزشی دکتر جوادی

  1. –

    سلام باید محدودیتهای متلب در حل LMI با ابعاد بالا رو ببینید. تا حالا برای من همچین موردی پیش نیومده

  2. (مهمان) –

    سلام مجدد، من همون هستم که کامنت قبلی سوال پرسیدم! ببخشید باز یک سوال دیگه دارم، این روش های LMI معمولا نهایتا در کنترل یا estimation به حل یک مساله LMIدر هر step از شبیه سازی منجر میشن، در این روش ها ماتریس هایی که داریم همگی از ابعاد کوچک هستند مثلا از ابعاد system order یا ابعاد کوچک زیر 20 یا 30 هستند. مساله ی که من دارم در اصل ابعاد ماتریس ها و بردارها وابسته به کل دیتا ها هست، فرض کنید کلا دیتاهای ورودی خروجی سیستم در یک آزمایش، مثلا ممکنه این بردارها و ماتریس ها از بعد هزار در هزار یا حتی بیشتر باشند، و به همین شکل قید ها هم میتونن تعدادشون هزار عدد بشن! میتونم ازتون بپرسم آیا lmi میتونه اینکار رو انجام و در مقالات این روش متداول هست؟ ممنون میشم اگر راهنماییم کنید. مرسی

  3. (مهمان) –

    سلام ماتریس مربوط به متغیر تصمیم گیری مربعی نیست پس چطور میشه که با ترانهاده خودش جمع بشه؟

  4. –

    سلام قسمت متقارنش رو برای حل استفاده کنید یعنی اگر ماتریس A نامتقارن رو دارید به جای خودش از 0.5*(A+A') استفاده کنید

  5. (مهمان) –

    با سلام اگر در یک LMI ترانهاده یک متغیر تصمیم گیری در درایه ای دیگر از ماتریس LMI وجود داشته باشد چگونه باید مساله را حل نمود؟ به عنوان مثال : [H' F; H I]

  6. –

    سلام اگر LMI برقرار باشه هم تضعیف اغتشاش داریم (به خاطر منفی بودن J) و هم بدون اغتشاش سیستم قطعا پایداره (چون مشتق تابع لیاپونوف منفی میشه) در اسلاید 5 کامل توضیح دادم با دقت گوش کنید.

  7. (مهمان) –

    با سلام و خسته نباشید خدمت استاد محترم در جلسه دوم هدف تامین پایداریمون اینه که با وجود اغتشاش مشتق تابع لیاپانوف منفی بشه تا پایداری مجانبی به دست بیاد.میشه بگین دقیقا توی کدوم معادله این شرط در نظر گرفته میشه چون ما بیشتر شرط L2 GAIN رو دنبال میکنیم و در آخر یک مقداری رو کوچیک تر مساوی صفر میزاریم که باز دلیلی بر منفی شدن ' V نیست چون میتونه مثبت باشه و کل مقدار منفی بشه چرا که j منفیه و اگه با یه مقدار مثبت هم جمع بشه باز میتونه منفی بمونه.پیشاپیش از پاسختون تشکر میکنم

  8. –

    سلام من در این زمینه اطلاعی ندارم. باید به مقالات و کتابهای مربوطه مراجعه کنید

  9. (مهمان) –

    سلام، وقت شما بخیر، من سوالی دارم که جوابش در هیچکدام از این تیترها نیست،چونکه بیشتر آموزش مربوط به کنترل و مسایل طراحی کنترلر و رویتگر هست در این آموزش. فرض کنید که من یک تابع هزینه Least squares دارم ولی این تابع هزینه homogeneous است، یعنی حداقل سازی نرم A*X این مساله رو میخوام با LMI حل کنم، ولی LMI جواب بدیهی X=0 را ایجاد می کند، در حالت حل آنالیزی ما قید: نرم x مساوی با یک را قرار می دهیم و مساله با SVD حل می شود، ولی این مساله را می خواهم با LMI حل کنم طوری که جواب بدیهی به من ندهد. اگر ممکن هست من رو راهنمایی کنید، و حتی اگر در ویدیوها هست بگید من تهیه میکنم. با تشکر.

  10. –

    سلام دقیقه 48 تا 57 جلسه دوم (اسلاید 8) مجموعه زیر رو ببینید: https://www.controlref.com/robust-disturbance-uncertainty/

  11. (مهمان) –

    سلام و خسته نباشید یک سوال مفهومی داشتم. ما مگه نمیگیم سیستممون یک سیستم مستهلک کننده انرژیه پس چرا وقتی میخوایم بهره L2 رو حساب کنیم گاما رو یک عدد بزرگ تر از یک میگیریم خب اینجوری یعنی انرژی خروجی نسبت به انرژی ورودی بیشتره ینی انگار سیستم تقویت کنندس تا مستهلک کننده . من فک میکردم گاما L2 رو باید یه چیزی بین 0 تا یک میگرفتیم که در اینصورت هم به جواب نمیرسیم.یا به عبارتی ما میگیم نرم بینهایت سیستم همون اندازه ماکسیمم پاسخ فرکانسیه سیستمه یعنی این مقدار میتونه از یک بیشتر باشه؟ممنون میشم بگین اشکال این ذهنیت من چیه و یکم روشن کنید برام. بازم از تدریس خوبتون تشکر میکنم.

  12. –

    سلام. خیر. به LMI میرسیم

  13. (مهمان) –

    با سلام و خسته نباشید میخواستم بدونم تو این روش، برای اثبات پایداری، به حل یک معادله ریکاتی میرسیم؟

  14. –

    سلام در زمینه کنترل غیرخطی به دکتر موسی پور مراجعه کنید که تخصصشون هست.

  15. (مهمان) –

    سلام جناب دکتر جوادی .ممنون از ویدیوهای بسیار کاربردی . با توجه به اینکه من در زمینه طراحی کنترل غیر خطی کار می کنم . ممکنه ایمیلی از شما داشته باشم

  16. –

    نرم L2 اغتشاش هیچوقت صفر نیست و اگر صفر باشد یعنی اغتشاش نداریم و نیازی به کنترل مقاوم نیست

  17. (مهمان) –

    با عرض سلام و خسته نباشید. سوالی داشتم از خدمتتان. روش کنترل Hinf به ما می گوید، نسبت L2 خروجی کنترل شده به اغتشاش کوچکتر از گاما است. ولی اگر اغتشاش موجود در سیستم، در لحظات ابتدایی تقریبا صفر باشد، این نسبت در همان لحظات، بسیار زیاد می شود. و از گاما فراتر می رود، چگونه می توان این سوال را توجیه کرد؟ با سپاس از شما استاد گرامی

  18. –

    سلام محدودیتی برای تعداد ورودیها و حالتها وجود نداره. با روش ارائه شده نمیشه سیستم حلقه بسته رو سریعتر کرد. در واقع نیاز به تغییراتی در LMI هست که در این مجموعه تدریس نشده

  19. –

    سلام خیر. مدلسازی و نحوه حل مساله در اینجا متفاوت از LFT است

  20. (مهمان) –

    سلام این روش برای سیستم های که تعداد ورودی ها بیشتر از تعداد متغیر های حالت هست،نیز قابل حل است؟ اگر بخواهم قطب های حلقه بسته رو سریع تر کنم،چه تغییراتی باید به ماتریس اصلی اعمال کنم؟ با تشکر