چکیده مقاله
در این مقاله، الگوریتمی ارائه شده است که یک کنترل کننده ی معکوس مستقیم مبتنی بر شبکه عصبی فازی دینامیک DFNN مقاوم در برابر نقص را پیاده سازی کند این الگوریتم کنترلی با الهام از روش کنترل معکوس مستقیم، از الگوریتم یادگیری DFNN به عنوان تخمین گر دینامیک معکوس یک فرآیند تحت کنترل استفاده می کند و سپس با استفاده از یک DFNN دیگر، یک کنترل کننده در مسیر مستقیم FeedForward با دینامک عکس دینامیک فرآیند قرار می دهد تخمین گر و کنترل کننده DFNN براساس شبکه عصبی تابع پایه شعاعی گسترده ساخته شده و عملکرد آنها معادل یک سیستم فازی TSK است که دارای سرعت یادگیری سریعتر و ساختار شبکه فشرده تر با عملکرد تقریبی و تعمیم بالا است از آنجا که این کنترل کننده ی هوشمند با الگوریتم تشخیص نقص از طریق افزونگی داده ها، از آسیب های ناشی از نقص، مقاوم می شود یا به عبارت دیگر تحمل نقص مبتنی بر الگوریتم را برای محاسبات خود اعمال می کند، بنابراین در هنگام انجام کنترل، قادر به تشخیص و تصحیح خطاهای دائمی و گذرا در عملیات ماتریسی مربوط به محاسبات کنترلی است در نهایت، در این مقاله، کارکرد این الگوریتم در کنترل و شناسایی سیستم دینامیکی غیرخطی از طریق شبیه سازی بررسی شده است که کارایی آن در انجام عملیات کنترل قابل مشاهده است هر الگوریتم زمان اجرای خاص خود را دارد که از موارد مهم قابل بررسی در طراحی الگوریتم است و کارایی آن از روی زمان اجرای آن بررسی می شود زمان اجرای الگوریتم مقاوم شده در برابر نقص در حضور نقص و عدم حضور نقص متفاوت است که زمان اجرا و کارایی هر دو به هنگام اجرای الگوریتم ها در این تحقیق بررسی و گزارش شده است
کلیدواژهها
نویسندگان
شیوه ارجاع
محمودی جهرمی، ندا و ترابی جهرمی، امین و غفاری، ولی اله،1402،کنترل معکوس مستقیم مبتنی بر شبکه ی عصبی فازی دینامیک مقاوم در برابر نقص محاسباتی با استفاده از تحمل نقص مبتنی بر الگوریتم،پنجمین کنفرانس بین المللی محاسبات نرم،رودسر
ارائهشده در
مجموعه مقالات پنجمین کنفرانس بین المللی محاسبات نرم16 اسفند 1402 · رودسر