فهرس المقالات Wavelet Neural Network

• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  1 - کنترل تطبیقی غیرمتمرکز سیستم دارای تأخیر زمانی غیرافاین غیرخطی ابعاد وسیع با استفاده از شبکه عصبی موجک
  الهه سعیدی بهرام کریمی مصطفی پوربهی
  در این مقاله، از یک کنترلر تطبیقی به همراه شبکه عصبی موجک برای یک کلاس از سیستم‌های غیرخطی ابعاد وسیع، با زیر سیستم غیر افاین غیرخطی نامعلوم دارای تأخیر زمانی استفاده شده است. تداخلات وارد شده به زیر سیستم‌ها، غیرخطی و دارای تأخیر در نظر گرفته شده است که در مقایسه با حا أکثر

  در این مقاله، از یک کنترلر تطبیقی به همراه شبکه عصبی موجک برای یک کلاس از سیستم‌های غیرخطی ابعاد وسیع، با زیر سیستم غیر افاین غیرخطی نامعلوم دارای تأخیر زمانی استفاده شده است. تداخلات وارد شده به زیر سیستم‌ها، غیرخطی و دارای تأخیر در نظر گرفته شده است که در مقایسه با حالتی که تأخیر برای تداخلات، در نظر گرفته نمی‌شود به واقعیت نزدیک‌تر است. در این مقاله، وزن‌های مربوط به لایه خروجی شبکه عصبی موجک، با استفاده از قوانین تطبیقی به دست می‌آیند و سپس به صورت روی خط تنظیم می‌شوند. پایداری سیستم حلقه بسته با استفاده از تحلیل پایداری لیاپانف- کراسفسکی تضمین شده است. علاوه بر پایداری، همگرایی خطای ردیابی به سمت صفر تضمین می‌شود و همچنین تمام سیگنال‌ها در سیستم حلقه بسته کراندار می‌باشند. در انتها، روش ارائه شده به منظور کنترل دو پاندول معکوس که توسط فنر به یکدیگر متصل شده‌اند، اعمال شده و شبیه سازی می‌شود. نتایج شبیه سازی کامپیوتری ارائه شده، کارایی روش پیشنهاد شده در این مقاله را نشان می‌دهد. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  2 - شناسایی سیستم غیرخطی چند متغیره مولد بخار نیروگاه با به کار بردن شبکه‌های عصبی تأخیر زمانی ویولت
  لیلا خلیل زاده گنجعلی خانی فرید شیخ‌الاسلام همایون مهدوی نسب
  یکی از مؤثرترین راهکارها برای افزایش راندمان نیروگاه، بهبود سیستم کنترل آن است. برای چنین بهبودی داشتن مدل دقیقی از مولد بخار نیروگاه ضروری است. در این مقاله، یک مولد بخار صنعتی به عنوان یک سیستم غیرخطی چندمتغیره برای شناسایی در نظر گرفته می‌شود. یک گام مهم در شناسایی غ أکثر

  یکی از مؤثرترین راهکارها برای افزایش راندمان نیروگاه، بهبود سیستم کنترل آن است. برای چنین بهبودی داشتن مدل دقیقی از مولد بخار نیروگاه ضروری است. در این مقاله، یک مولد بخار صنعتی به عنوان یک سیستم غیرخطی چندمتغیره برای شناسایی در نظر گرفته می‌شود. یک گام مهم در شناسایی غیرخطی سیستم، گسترش دادن یک مدل غیرخطی است. در سال‌‌های اخیر، شبکه‌های عصبی مصنوعی به طور موفقیت آمیزی در شناسایی سیستم‌های غیرخطی در بسیاری از پژوهش‌ها به کار گرفته شده‌اند. شبکه‌های عصبی ویولت نیز به‌عنوان یک ابزار قدرتمند در شناسایی غیرخطی سیستم به‌کار می‌روند. در این مقاله، برای شناسایی یک مولد بخار صنعتی یک مدل شبکه عصبی تأخیر زمانی و یک مدل شبکه عصبی ویولت ارائه می‌کنیم. نتایج شبیه سازی‌ها نشان دهنده کارایی مدل‌های ارائه شده در شناسایی سیستم مذکور می‌باشند و نشان می‌دهند مدل شبکه عصبی ویولت در تخمین خروجی‌های سیستم دقیق‌تر است. تفاصيل المقالة
• حرية الوصول المقاله
  • صفحة الملخص
  • نص كامل
  
  3 - Multi-Machine Power System Stability Improvement Using a New Fuzzy Wavelet Neural Network Damping Controller
  Mohammad Sadegh Payam Ehsan Bijami
  This paper presents a new damping controller design based on fuzzy wavelet neural network (FWNN) to damp the multi-machine power system low frequency oscillations. The error between the desired system output and the output of control object is directly utilized to tune أکثر

  This paper presents a new damping controller design based on fuzzy wavelet neural network (FWNN) to damp the multi-machine power system low frequency oscillations. The error between the desired system output and the output of control object is directly utilized to tune the network parameters. The orthogonal least square (OLS) algorithm is used to purify the wavelets for each rule and determine the number of fuzzy rules and network dimension. In this paper, Shuffled Frog Leaping Algorithm (SFLA) is proposed for learning of FWNN and to find the optimal values of the parameters of the FWNN damping controller. To illustrate the capability of the proposed approach, some numerical results are presented on a 2-area 4-machine and a 5-area-16-machine power system. To show the effectiveness and robustness of the designed controller, the case studies are tested under two conditions: applying a line-to-ground fault at a bus and applying a three phase fault at a bus. Furthermore, to make a comparison, the proposed approach is compared with a classical based method and a FWNN based genetic algorithm approach, which is adopted from literature, through eigenvalue analysis, time- domain simulation and some performance indices. The simulation results show the superiority and capability of the proposed FWNN damping controller. تفاصيل المقالة