اپلیکیشن اندرویدی فلشکارت آموزشی طراحی و پیادهسازی کنترلکنندههای پیشبین غیرخطی با JuliaSim
🎓 دوره آموزشی جامع
📚 اطلاعات دوره
عنوان دوره: دوره طراحی و پیادهسازی کنترلکنندههای پیشبین غیرخطی با JuliaSim
موضوع کلی: مهندسی کنترل پیشرفته
موضوع میانی: کنترل بهینه و پیشبین
📋 سرفصلهای دوره
- 1. مقدمهای بر مهندسی کنترل و کنترل پیشبین
- 2. مبانی سیستمهای دینامیکی غیرخطی
- 3. مدلسازی سیستمهای غیرخطی
- 4. مفاهیم اساسی کنترل بهینه
- 5. معادلات اویلر-لاگرانژ در کنترل بهینه
- 6. تابع هزینه و معیار بهینهسازی
- 7. کاربرد انتگرالگیرهای عددی در کنترل
- 8. مقدمهای بر کنترل پیشبین (MPC)
- 9. ساختار کلی کنترلکننده پیشبین
- 10. مفهوم افق پیشبینی و کنترل
- 11. مفهوم افق کنترل
- 12. حل مسئله بهینهسازی در MPC
- 13. روشهای عددی حل مسائل بهینهسازی MPC
- 14. الگوریتمهای تکراری در MPC
- 15. بهینهسازی غیرخطی در MPC
- 16. مقدمهای بر JuliaSim
- 17. معرفی محیط توسعه Julia
- 18. نصب و راهاندازی JuliaSim
- 19. مبانی برنامهنویسی در JuliaSim
- 20. کار با مدلهای سیستمها در JuliaSim
- 21. تعریف مدلهای دینامیکی در JuliaSim
- 22. مدلسازی سیستمهای فیزیکی در JuliaSim
- 23. شبیهسازی مدلها در JuliaSim
- 24. روشهای حل معادلات دیفرانسیل در JuliaSim
- 25. معرفی کتابخانه DifferentialEquations.jl
- 26. استفاده از JuliaSim برای مدلسازی MPC
- 27. تعریف تابع هزینه در JuliaSim برای MPC
- 28. پیادهسازی الگوریتمهای بهینهسازی در JuliaSim
- 29. روشهای حل بهینهسازی در JuliaSim
- 30. کار با بهینهسازهای مختلف در JuliaSim
- 31. پیادهسازی کنترلکننده پیشبین غیرخطی
- 32. طراحی تابع هزینه برای کنترلکننده پیشبین
- 33. تعریف محدودیتها در مسئله MPC
- 34. اعمال محدودیتهای حالت و ورودی
- 35. پیادهسازی محدودیتها در JuliaSim
- 36. شبیهسازی کنترلکننده پیشبین غیرخطی
- 37. تنظیم پارامترهای MPC
- 38. انتخاب افق پیشبینی و کنترل
- 39. تنظیم وزنها در تابع هزینه
- 40. عیبیابی و بهینهسازی عملکرد MPC
- 41. کنترلکنندههای پیشبین خطی (LMPC)
- 42. مقایسه LMPC و NMPC
- 43. مزایا و معایب NMPC
- 44. کاربردهای NMPC در صنایع مختلف
- 45. کنترل سیستمهای رباتیک با NMPC
- 46. کنترل فرآیندهای صنعتی با NMPC
- 47. کنترل سیستمهای خودران با NMPC
- 48. کنترل سیستمهای قدرت با NMPC
- 49. کنترل سیستمهای شیمیایی با NMPC
- 50. مدلسازی خطیسازی سیستمها
- 51. روشهای خطیسازی برای MPC
- 52. کاربرد خطیسازی در پیادهسازی MPC
- 53. پیادهسازی MPC مبتنی بر مدل خطیسازی شده
- 54. کنترل پیشبین مبتنی بر مدلهای تقریبزده
- 55. روشهای تقریبزنی برای مدلهای غیرخطی
- 56. استفاده از شبکههای عصبی در مدلسازی MPC
- 57. پیادهسازی MPC با استفاده از شبکههای عصبی
- 58. یادگیری مدل برای MPC
- 59. کنترل پیشبین مبتنی بر داده
- 60. روشهای یادگیری تقویتی در MPC
- 61. کاربرد یادگیری تقویتی در طراحی MPC
- 62. بهینهسازی تطبیقی در MPC
- 63. کنترلکنندههای پیشبین نامی (Nominal MPC)
- 64. کنترلکنندههای پیشبین مقاوم (Robust MPC)
- 65. مفاهیم عدم قطعیت در مدلها
- 66. پیادهسازی Robust MPC
- 67. روشهای حل مسائل Robust MPC
- 68. کنترل پیشبین با در نظر گرفتن اغتشاشات
- 69. کاربرد JuliaSim در Robust MPC
- 70. پیادهسازی الگوریتمهای Robust MPC در JuliaSim
- 71. بهینهسازی آفلاین برای MPC
- 72. بهینهسازی آنلاین برای MPC
- 73. مقایسه روشهای بهینهسازی آفلاین و آنلاین
- 74. طراحی کنترلکنندههای پیشبین برای سیستمهای با تأخیر
- 75. مدلسازی سیستمهای با تأخیر در JuliaSim
- 76. پیادهسازی MPC برای سیستمهای با تأخیر
- 77. تحلیل پایداری MPC
- 78. روشهای تحلیل پایداری برای NMPC
- 79. شرایط لازم برای پایداری MPC
- 80. تحلیل پایداری در JuliaSim
- 81. روشهای بهبود عملکرد MPC
- 82. کاربرد بهینهسازی چندهدفه در MPC
- 83. پیادهسازی کنترلکنندههای چندهدفه
- 84. طراحی کنترلکنندههای پیشبین برای سیستمهای توزیعشده
- 85. مدلسازی سیستمهای توزیعشده در JuliaSim
- 86. پیادهسازی MPC برای سیستمهای توزیعشده
- 87. کنترل پیشبین در رباتیک موازی
- 88. کنترل پیشبین در سیستمهای پروازی
- 89. کاربرد JuliaSim در طراحی کنترلکنندههای پروازی
- 90. بهینهسازی مسیر در سیستمهای خودمختار
- 91. پیادهسازی الگوریتمهای بهینهسازی مسیر
- 92. کنترل پیشبین با محدودیتهای پیچیده
- 93. روشهای عددی برای مسائل پیچیده
- 94. کاربرد JuliaSim در حل مسائل پیچیده
- 95. تحلیل حساسیت پارامترهای MPC
- 96. بهینهسازی پارامترهای MPC
- 97. روشهای خودکار تنظیم پارامترهای MPC
- 98. مطالعه موردی: کنترل ربات صنعتی با JuliaSim
- 99. مطالعه موردی: کنترل سیستم شیمیایی با JuliaSim
- 100. مطالعه موردی: کنترل سیستم انرژی با JuliaSim
این اپلیکیشن فارسی برای یادگیری و مرور محتوای آموزشی از طریق فلشکارت طراحی شده است. کارتها را یکییکی مرور کنید، پاسخ پرسشها را به یاد بیاورید و نتیجه هر پاسخ را ثبت کنید. محتوای دوره پس از نصب درون برنامه در دسترس است تا برای مطالعه روزمره معمولاً به اتصال مداوم اینترنت نیاز نداشته باشید.
محتوای آموزشی در قالبهای متنوع ارائه میشود تا هم برای یادگیری مفاهیم جدید و هم برای تثبیت آموختهها قابل استفاده باشد.
- رابط کاربری فارسی و راستچین با فونت وزیر.
- تم روشن و تیره مطابق تنظیمات سیستم.
- صفحهبندی ساده برای انتخاب دوره و شروع مرور.
- نمایش تعداد دفعات مرور هر فصل.
- انتخاب چند فصل برای مرور همزمان.
- امکان تمرکز بر فصلهایی که هنوز مرور نشدهاند.
این اپلیکیشن برای دانشآموزان، دانشجویان، داوطلبان آزمونها و علاقهمندان به یادگیری طراحی شده است؛ بهویژه کسانی که میخواهند مطالب آموزشی را در زمانهای کوتاه مرور کنند، دانستههای خود را بسنجند و مطالعه منظمتری داشته باشند.
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.