سیستم های سرو الکتروهیدرولیک یکی از مهم ترین سیستم‌های کنترلی هستند که در بسیاری از حوزه ها از جمله اتوماسیون صنعتی، ماشین های کنترل عددی، صنعت نفت و گاز و غیره مورد استفاده قرار می‌گیرند. با توجه به رفتار غیرخطی اجزای سیستم هیدرولیکی و وجود نامعینی های مختلف در عملکرد آن، مدل‌سازی و کنترل این سیستم ها را با مشکل مواجه می سازد. در این مقاله از به منظور غلبه بر نامعینی‌ها یک کنترل‌کننده تطبیقی فازی مبتنی بر کنترل مودلغزشی برای کنترل موقعیت یک سیستم سرو الکتروهیدرولیک پیشنهاد شده است. ارایه کنترل‌کننده مقاوم پیشنهادی منجر به وابستگی حداقلی به مدل سیستم خواهد شد. پایداری سیستم در حضور عدم قطعیت ها با تکیه بر تئوری لیاپانوف، اثبات شده و با توجه به متغیر با زمان بودن عدم قطعیت ها، برای تقریب حداکثر باند و محدوده عدم قطعیت ها، یک قانون تطبیق برای تخمین آن نیز پیشنهاد شده است. نتایج شبیه سازی، عملکرد مناسب و پایدار کنترل کننده فازی تطبیقی مودلغزشی پیشنهادی را نسبت به سایر روش‌های کنترلی نشان می دهد. Manuscript profile

This paper presents a novel adaptive neuro-fuzzy inference system based on interval Gaussian type-2 fuzzy sets in the antecedent part and Gaussian type-1 fuzzy sets as coefficients of linear combination of input variables in the consequent part. The capability of the proposed ANFIS2 for function approximation and dynamical system identification is remarkable. The structure of ANFIS2 is very similar to ANFIS but in ANFIS2, a layer is added for purpose to type reduction. An adaptive learning rate based back propagation with convergence guaranteed is used for parameter learning. Finally, the proposed ANFIS2 is used to control of a flexible link robot arm. Simulation results shows the proposed ANFIS2 with Gaussian type-1 fuzzy set as coefficients of linear combination of input variables in the consequent part has good performance and high accuracy but more training time. Manuscript profile

By introducing Colpitts oscillator as a chaotic system, this paper deals with back-stepping control method and investigates the restrictions and problems of the controller where non-existence of a suitable response in the presence of uncertainty is the most important problem to note. In this paper, the back-stepping sliding mode method is introduced as a robust method for controlling nonlinear Colpitts oscillator system with chaotic behavior. Thereafter, we simulated the proposed method and compared its advantages with that of the previous method. The experimental results show that the most important advantages of the proposed method are making system robust in case of uncertainties and disturbances, and also having a fast response. Manuscript profile

With the ever-increasing growth of electrical energy consumption in different fields of a power plant, expanding strategies in power plants is a vital, important and inevitable action. Generally, greenhouse gas emissions can be reduced by replacing wind energy instead of using fossil fuels in power plants for electricity generation. A physical system that is capable of harnessing energy for distribution and compensation electricity at a desired and determined later time is called a typical energy storage system. In this paper, a proper optimization method for expansion planning of electrical energy storage is presented. Since the meta-heuristic algorithms are a very suitable tool for optimization purposes, a hybrid of genetic algorithm (GA) and particle swarm optimization (PSO) technique are used in this research. The main objective of the optimization problem is to increase the energy storage. The implementation of the proposed method is performed using MATLAB and GAMS tools. The simulation results strongly validate the correctness and effectiveness of the proposed method. Manuscript profile

هدف از این مقاله پیش بینی زنده ماندن و یا مرگ افراد مبتلا به خون ریزی مغزی در طی سی روز بر اساس میزان خون ریزی مغزی است. تشخیص و درمان به موقع و صحیح خون ریزی مغزی از اهمیت بسیار بالایی برخوردار است، چنانچه در مدت این سی روز فوت بیمار پیش بینی شود، پزشک معالج باید مراقبت های ویژه و درمان قوی تری برای بیمار استفاده کند. خون ریزی های مغزی نیاز به درمان فوری و تشخیص سریع و دقیق دارند. در این مقاله با استفاده از حجم خون ریزی مغزی و سن بیمار و با استفاده از شبکه عصبی ماشین بردار پشتیبان (SVM) پیش بینی شده است که چند درصد از افراد مبتلا به خون ریزی مغزی زنده می مانند و چند درصد فوت می کنند. پارامتر های حجم خون ریزی مغزی و سن بیماران، ورودی شبکه عصبی در نظر گرفته شده است. خروجی شبکه، زنده ماندن و یا مرگ بیماران مبتلا به خون ریزی مغزی طی سی روز آینده است. داده هایی که استفاده شده شامل سن و حجم خون ریزی 66 بیمار مبتلا به خونریزی لوبار، 76 بیمار مبتلا به خون ریزی عمیق، 9 بیمار مبتلا به خون ریزی پونتین و 11 بیمار مبتلا به خون ریزی مخچه ای است. تمام مدل های خون ریزی به عنوان ورودی شبکه عصبی ماشین بردار پشتیبان در نظر گرفته شده است. دقت کلی شبکه عصبی ماشین بردار پشتیبان طراحی شده 93 درصد است. مستقل از نوع خون ریزی مغزی، زنده ماندن و یا مرگ افراد مبتلا به خون ریزی مغزی در طی سی روز پیش بینی شده است. Manuscript profile

انرژی‌های تجدیدپذیر در سال‌های اخیر به دلیل محدودیت و احتمال اتمام منابع سوخت‌های فسیلی و مسائل زیست محیطی مرتبط به شدت توسعه یافته است. مهمترین چالش در این نوع سیستم‌ها، دستیابی به اندازه بهینه برای داشتن یک سیستم مقرون به صرفه بر اساس ذخیره انرژی خورشیدی و بادی است. در این مقاله بهینه‌سازی سیستم هیبرید بادی-خورشیدی با سیستم ذخیره باتری برای تامین یک بار مشخص ساعتی با هدف حداقل‌سازی هزینه‌های سالیانه سیستم و احتمال تلفات عرضه توان مورد توجه قرار گرفته است. هزینه‌های سالیانه سیستم شامل هزینه‌های سرمایه‌گذاری اولیه، هزینه نگهداری و هزینه تعویض تجهیزات می‌باشد. هدف بهینه‌سازی، تعیین بهینه تعداد پنل‌های خورشیدی، توربین‌های بادی، تعداد باتری‌ها، ارتفاع برج بادی و زاویه پنل خورشیدی نسبت به تابش خورشید است. به این منظور الگوریتم جدید بهینه‌سازی ملخ مورد استفاده قرار گرفته است. همچنین در این مطالعه، اثر تغییرات راندمان اینورتر، تغییرات تقاضای بار و اثر تغییرات ماکزیمم احتمال تلفات عرضه توان بر طراحی سیستم مورد ارزیابی قرار گرفته است. نتایج شبیه‌سازی نشان می‌دهد که کاهش راندمان، افزایش بار و حداکثر قابلیت اطمینان در سیستم در قالب کاهش احتمال تلفات عرضه توان موجب افزایش هزینه‌های سالیانه انرژی سیستم می‌گردد. به‌علاوه، نتایج حاصله موید برتری روش بهینه‌سازی ملخ نسبت به روش اجتماع ذرات در دست‌یابی به تابع هدف بهتر و هزینه کمتر می‌باشد. Manuscript profile