محصولات آموزشی دکتر جوادی

محصولات آموزشی دکتر جوادی

  1. –

    @ساسان, کافیه پارامترها رو به بردار حالت اضافه کنید. اسم این روش تخمین دوگانه هستش که در جلسه 88 مفصل بررسی شده

  2. (مهمان) –

    @علی جوادی, بله مورد دوم پارامتر هم با نویز اندازه گیری کردیم و می خواهیم اونا رو هم تخمین بزنیم علاوه بر اندازه گیری حالت

  3. –

    @ساسان, سلام سوال خیلی نامفهمومه. آیا منظورتون اینه که علاوه بر حالت چطور میشه پارامتر رو هم تخمین زد؟ یا اینکه پارامترها رو با یه نویزی اندازه‌گیری کردید و می خواهید که اونها رو تخمین بزنید؟ لطفا سوال رو کامل بپرسید

  4. (مهمان) –

    با سلام اگر یک یا چند معادله اندازه گیری بر روی پارامترها داشته باشیم چطور باید همزمان با معادله اندازه گیری حالت بر روی فیلتر کالمن اعمال کنیم؟؟؟

  5. –

    @لیلا, خوب اگر G رو به عنوان یک متغیر جدید تعریف کرده و خود Q (که معکوس G هستش) هم داخل ناتساوی موجوده، بنابراین باز هم یک متغیر دارید که هم خودش و هم معکوسش در ناتساوی وجود داره و بنابراین باز هم LMI نیست. ممکنه مقاله با یه روشی مساله رو به LMI تبدیل کرده و معکوس رو بنحوی از بین برده. مقاله رو با دقت بیشتر بخونید امیدوارم این توضیحات کمک کرده باشه

  6. (مهمان) –

    @علی جوادی, ممنون از وقتی که گذاشتید. آقای دکتر ،دو تا مساله ای که یادم رفت بگم خدمتتون: 1) این بود که مقاله در داخل LMI ماتریس Q^-1 را مستقیما وارد نکرده بلکه اومده یه متغیر جدیدی بصورت G=Q^-1 رو تعریف کرده و داخل LMI از متغیر G استفاده کرده .....آیا این مطلب کمکی می کنه؟ 2) ضمنا خود مقاله بارها روابط رو LMI معرفی می کند... واقعا ممنون میشم نظرتون رو بفرمایید.

  7. –

    @لیلا, با سلام و تشکر از لطف شما مشکل این جاست که شما LMI ندارید بلکه NMI دارید چون هم خود Q رو دارید و هم معکوسش رو. بنابراین نمیتونید مستقیما مساله خودتون رو با متلب حل کنید. باید از یه روشی مثل Cone Complementarity Linearization یا CCL استفاده کنید تا NMI رو به LMI تبدیل کنید. برای مشاهده الگوریتم CCL مثلا میتونید به مقاله زیر مراجعه کنید: http://ieeexplore.ieee.org/document/618250

  8. (مهمان) –

    سلام آقای دکتر وقت بخیر ابتدا از جنابعالی بخاطر همه ی ویدئوهای مفید و به دور از نگاه بازاری، که دراین سایت قرار دادید ا سپاسگزارم. من یک LMI دارم که یکی از درایه های آن Q^ -1 می باشد . ماتریس Q یکی از متغیرهای من هست که با دستور sdpvar تعریف شده است. ضمنا شرط Q>0 نیز جز محدودیت ها لحاظ شده . (Q ماتریس مربعی 4در 4 است.) ولی هنگام run این خطا را می دهد: Only scalars can have negative or non-integer powers در صورت امکان راهنمایی بفرمایید.

  9. (مهمان) –

    با تشکر از حسن توجه جنابعالی

  10. –

    @غلامرضا بامی محمدی, این خطا مربوط به پروفایل جاده یا شبیه سازی سیستم نیست. احتمالا یه جایی یک بردار رو می‌خواهید تو یه بردار دیگه که هم سایز نیستند جاگذاری کنید. خط به خط اجرا کنید تا خطا رو پیدا کنید و درستش کنید. شاید اطلاعات لینک زیر هم کمک کنه: https://goo.gl/rk7yk6

  11. (مهمان) –

    با سلام تشکر فراروان از آموزش خوبتون. بنده ماتریس های فضا ی حالت مربوط به مدل کامل خودرو را استخراج نموده ام و lmi را برای آن حل کرده ام، ولی وقتی ورودی جاده تصادفی به سیستم میدهم خطا زیر (Assignment has more non-singleton rhs dimensions than non-singleton subscripts) ظاهر می شود. ورودی جاده را از روش های آ»وزش داده شده توسط جنابعالی به سیستم می دهم. لطفا بفرمایید مشکل بنده از کجاست. با تشکر فراوان

  12. –

    @یاسر, با سلام و تشکر از لطف شما من متوجه نشدم منظورتون تعیین ماتریسهای Q و R دقیقا تو چه روشی هستش؟ معمولا برای فیلتر کالمن کواریانس و تخمین اولیه جزو پارامترهای تنظیم هستند که مفصل توضیح دادم. سوالتون رو دقیقتر بپرسید (کدوم جلسه و کدوم روش)

  13. (مهمان) –

    سلام، خیلی ممنون از مجموعه فوق العاده شما، فیلم راهنما رو هم دیدم ولی متوجه نشدم، که مباحث تیونینگ فیلتر کالمن رو کجا و چجوری گفتین؟ یعنی مباحث و روش های مربوط به انتخاب ماتریس های Q و R و....

  14. –

    @پیام, اولا که مستقیما از داده ها استفاده نمیشه ولی میتونه کمک کنه چون همیشه میتونه جهت جاذبه زمین رو به ما نشون بده (حداقل زوایای رول و پیچ رو خیلی کمک میکنه). برای اطلاعات بیشتر به کتابهای ناوبری مراجعه کنید

  15. (مهمان) –

    با سلام اگر با استفاده از انتگرال‌گیری از داده‌های ژیروسکوپ میشه زاویه رو محاسبه کرد و مشکلش اینه که بعد یه مدت (به خاطر نویز و خطاهای مختلف) دریفت به وجود میاد و خطای افزایشی ایجاد میشه. بنابراین از داده‌های سنسورهای دیگه مثل شتاب سنج هم استفاده میشه تا این خطا به وجود نیاد. خواستم بدونم از داده های شتاب سنج ما چه استفاده ای میکنیم؟ از داده های ژیروسکوپ میشه زاویه رو محاسبه کرد، از داده های شتابسنج چه استفاده ای میتوان کرد؟ عملیات خاصی روی داده های ان باید انجام دهیم؟ با تشکر

  16. –

    @پیام, سلام اولا که از داده‌های شتاب سنج نمیشه زاویه بدست آورد بلکه با انتگرال‌گیری از داده‌های ژیروسکوپ میشه زاویه رو محاسبه کرد ولی مشکلش اینه که بعد یه مدت (به خاطر نویز و خطاهای مختلف) دریفت به وجود میاد و خطای افزایشی ایجاد میشه. بنابراین از داده‌های سنسورهای دیگه مثل شتاب سنج هم استفاده میشه تا این خطا به وجود نیاد. با توجه به غیرخطی بودن دینامیک و معادلات اندازه‌گیری این مساله، باید از یه فیلتر غیرخطی استفاده کرد. برای اطلاعات بیشتر در مورد جلسات مربوط به فیلترهای غیرخطی به فهرست موضوعی جلسات ابتدای همین پست مراجعه کنید

  17. (مهمان) –

    با سلام من میخواهم با استفاده از ماژول mpu6050 زاویه را با استفاده از فیلتر کالمن بدست اورم. این ماژول یک ژایروسکوپ دارد و یک شتابسنج که داده های ژایروسکوپ و شتابسنج وارد یک فیلتر کالمن میشود و این فیلتر به ما زاویه میدهد. سوال من این است که میتوانیم با استفاده از داده های خود شتابسنج موجود در این ماژول ،زاویه را بدست اوریم. پس چرا از فیلتر کالمن برای تلفیق داده ها ی ژایروسکوپ و شتابسنج برای بدست اوردن زاویه استفاده کنیم؟ در ضمن از چه نوع فیلترکالمنی باید استفاده کنم؟ با تشکر

  18. –

    @پیام, اگر نویزها رو به عنوان اغتشاشهای دارای نرم محدود فرض کنیم، امکانش هست

  19. (مهمان) –

    با سلام اگر در سیستمی نویز فرایند، نویز اندازه گیری و عدم قعطیت (نامعینی پارامتری سیستم) داشته باشیم، میتوانیم از کنترلر مقاوم در طراحی کنترلر استفاده کنیم و پلنت را طوری کنترل کنیم که اثرنویز فرایند، نویز اندازه گیری و عدم قعطیت در خروجی کاهش یابد ؟

  20. –

    @پیام, منظور من هم دقیقا بحث تخمین بود نه کنترل. یعنی از بین بردن اثر نامعینی یا کم کردن اثر نویز روی خطای تخمین. برای اطلاعات بیشتر فیلمهای مربوطه رو ببینید. اگر ببینید دیگه سوالی براتون باقی نمیمونه