شناسایی پارامترهای یک پروسه با استفاده از روش حداقل مربعات بازگشتی با فاکتور فراموشی نمایی

در بسیاری از پروسه ها، ممکن است برخی از پارامتر­های آنها بنا به دلایلی تغییر کند. برای مثال، در یک ربات، پارامتر­هایی مانند جرم و یا اصطکاک به مرور زمان و بر اثر فعالیت­هایی چون برداشتن اجسام تغییر می­کنند. حتی طول بازو­ها نیز ممکن است دستخوش تغییراتی بر اثر برخورد یا تصادف با اجسام دیگر شود. در پروسه­ هایی این چنین که پارامتر­های سیستم تغییر می­کنند، جهت انجام عملیات­های متفاوتی از جمله کنترل نیاز است که پارامتر­های پروسه در هر لحظه شناسایی شود و کنترل در چنین شرایطی را کنترل تطبیقی گویند.

اساس شناسایی پارامتر­های پروسه، تخمین این پارامتر­ها با استفاده از اطلاعات ورودی و خروجی است. در این تخمین، همواره از یک قانون تطبیق استفاده می­شود. همه قوانین تطبیق از فرم­های متفاوت خظای تخمین به همراه توابع معیار گوناگون استفاده می­کنند. لذا، جهت تخمین پارامتر­های یک پروسه، روش­های بسیار متنوعی وجود دارد. نمونه­ای از این روش­ها عبارتند از:

• روش­های مبتنی بر گرادیان

• روش­های مبتنی بر حداقل مربعات

در این پروژه، از روش حداقل مربعات بازگشتی (RLS) با فاکتور فراموشی نمایی جهت تخمین پارامتر­های پروسه استفاده می­شود. بر این اساس، ابتدا شرحی کامل بر ساختار روش RLS با فاکتور فراموشی نمایی شده است. در ادامه، دو پروسه نمونه که یکی مربوط به ساختار تیر انعطاف پذیر و دیگری مربوط به یک تابع تبدیل نوعی است، ارائه شده است. سپس،  شبیه سازی روش مذکور روی هر یک از پروسه­ های نمونه انجام شده و تحلیل­های لازم شامل اثر بردار اولیه روی تخمین پارامتر، اثر ماتریس کواریانس، اثر فاکتور فراموشی، بررسی سیگنال­های تحریک مختلف، تخمین در حضور نویز و اثر تغییر پارامترهای پروسه به ازای شرایط کاری متفاوت ارائه شده است.

فایل کامل پروژه در متلب به همراه توضیحات کامل در فایل ورد در فایل دانلود وجود دارد.

منبع: www.robopardaz.com

انجام دهنده پروژه: مجید امانی

خوب(18)بد(1)