مقاله طراحی کنترلر ژنتیک فازی برای سیستم تعلیق فعال خودرو با الگوی رانندگی سرعت متغیر
فرمت فایل : word (قابل ویرایش) تعداد صفحات : 14 صفحه
چکیده:
شبیه سازی راحتی سفر خودرو به طور معمول بر تحلیل حوزه ی فرکانس با فرض ثابت بودن سرعت خودرو استوار است. اما در شرایط واقعی رانندگی به دلیل تغییرات سرعت خودرو، فرکانس اغتشاشات وارده به بدن انسان تغییر می کند. در این مقاله بهینه سازی کنترلر فازی سیستم تعلیق فعال بر اساس ارتعاشات منتقل شده به بدن انسان با الگوی رانندگی سرعت متغیر با استفاده از الگوریتم ژنتیک ارائه شده است. در این مسئله بهینه یابی تابع هدف، شاخص راحتی سفر (R_I) است که بر اساس استاندارد ایزو1-2631 ارزیابی می شود. نتایج نشان می دهد که الگوی رانندگی بر بهینه یابی کنترلر فازی سیستم تعلیق فعال تاثیر دارد و لذا برای رسیدن به عملکرد بهتر سیستم تعلیق فعال باید از کنترلر فازی بهینه شده بازای ورودی جاده تحت الگوی رانندگی استفاده شود. این به معنای نیاز به کنترلر فازی تطبیقی سازگار با شرایط ورودی جاده و الگوی رانندگی می باشد.
1- مقدمه
سیستم تعلیق خودرو به دلیل اینکه بدنه خودرو بر آن سوار می شود و نیروهای وارده از طرف جاده را به بدنه منتقل می کند، تاثیر بسزایی در راحتی سفر و فرمانپذیری خودرو دارد[1]. در این رابطه سیستم های تعلیق فعال جهت بهبود همزمان راحتی سفر و فرمانپذیری خودرو مطرح شده اند[2]. در سیستم های تعلیق فعال، بسته به شرایط عملکردی نیروی مطلوب محاسبه و با استفاده از عملگرهایی جهت کاهش ارتعاشات خودرو اعمال می گردد.
اغلب روش های طراحی کنترلر سیستم تعلیق فعال بر پایه استراتژی های کنترل بهینه استوار هستند. در سیستم تعلیق فعال، بازای مقادیر شتاب جرم معلق، بار تایر و جابجایی تعلیق بهینه می شوند. علی رغم بهینه یابی آنها، پارامترهای کنترلر بازای تغییر وضعیت جاده لزوما بهینه باقی نخواهند ماند. بدین منظور، روش کنترل فازی به عنوان روش کنترل جایگزین در مقایسه با کنترل بهینه به وسیله محققان مورد توجه قرار گرفت. یک نکته مهم در طراحی کنترل فازی سیستم تعلیق فعال، تعیین قواعد کنترل و توابع عضویت می باشد تا سیستم عملکرد رضایت بخشی داشته باشد. قواعد کنترل وتوابع عضویت در ابتدا به وسیله دانش و تجربه طراح ایجاد می شوند لکن برای تنظیم نهایی آنها نیاز به فرآیند بهینه یابی می باشد[3]. بدین منظور می توان از الگوریتم ژنتیک برای بهینه کردن پارامترهای کنترلر فازی همچون متغیرهای ورودی، توابع عضویت و قواعد کنترلر فازی استفاده نمود [4]. کر[1] یک روش الگوریتم ژنتیک برای طراحی کنترلرهای منطق فازی معرفی کرد[5,6]. در سالهای اخیر مطالعاتی در این زمینه صورت گرفته است. در مقاله ی ارائه شده توسط منتظری و همکارانش [7] برای بهینه سازی کنترلر فازی سیستم تعلیق فعال از ورودی جاده سرعت ثابت استفاده شده است.
فروشنده دوره گرد با الگوریتم ژنتیک vb.net
فروشنده دوره گرد با الگوریتم ژنتیک vb.netفروشنده دوره گرد با الگوریتم ژنتیک vb.net همراه با مستند سازی و توضیح نحوه راه اندازی برنامه
...دریافت فایل
ترجمه مقاله ISI 2015: زمان‌بندی وظیفه در محاسبات ابری بر اساس الگوریتم ژنتیک چند-هدفه
چکیده
کارایی زمان‌بندی وظیفه در محاسبات ابری، بیشتر شامل کل زمان تکمیل، متوسط زمان تکمیل و موازنه‌ی بارِ منبع است. اگرچه این تحقیق نتوانسته که این سه تابع هدف را به صورت ترکیبی در نظر بگیرد. در این مقاله، برای حل مسئله‌ی زمان‌بندی وظیفه در محاسبات ابری، یک الگوریتم ژنتیک چند-هدفه پیشنهاد شده است. یک مجموعه‌ی بزرگ وظیفه، به چندین وظیفه‌ی کوچک تقسیم شده و در نتیجه اجازه‌ی جور شدنِ این وظایف کوچک با منابع موجود و همچنین کدگذاری کروموزوم‌ها را می‌دهد. در فاز انتخاب، از وزن‌های این سه تابع هدف استفاده شده تا مشخص شود که کدام‌یک از توابع برازش باید به کار گرفته شود. احتمال ترکیب و جهش، به گونه‌ای تعیین شده که از تنوع جمعیت و سرعت بخشیدن به سرعتِ همگرایی اطمینان حاصل شود. در پایان، نتایجِ شبیه‌سازی انجام‌گرفته، بر کارایی الگوریتم پیشنهادی صحه می‌گذارد.
کلیدواژه‌ها: محاسبات ابری، زمان‌بندی وظیفه، الگوریتم ژنتیک، چند-هدفه
فایل ترجمه: WORD فایل مقاله: PDF
فروشنده دوره گرد با الگوریتم ژنتیک vb.net
فروشنده دوره گرد با الگوریتم ژنتیک vb.netفروشنده دوره گرد با الگوریتم ژنتیک vb.net همراه با مستند سازی و توضیح نحوه راه اندازی برنامه
...دریافت فایل
فروشنده دوره گرد با الگوریتم ژنتیک vb.net
فروشنده دوره گرد با الگوریتم ژنتیک vb.netفروشنده دوره گرد با الگوریتم ژنتیک vb.net همراه با مستند سازی و توضیح نحوه راه اندازی برنامه
...دریافت فایل