دوره پیاده‌سازی کنترل پیش‌بین مدل (MPC) و PID در محیط JuliaSim برای سیستم‌های صنعتی همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی کنترل پیش‌بین مدل (MPC) و PID در محیط JuliaSim برای سیستم‌های صنعتی

موضوع کلی: مهندسی کنترل و سیستم‌های خودکار

موضوع میانی: کنترل پیشرفته و بهینه‌سازی سیستم‌ها

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر مهندسی کنترل در صنعت
• 2. اصول پایه‌ای سیستم‌های خودکار
• 3. معرفی کنترل‌کننده‌های PID
• 4. تحلیل پایداری سیستم‌های خطی
• 5. طراحی کنترل‌کننده‌های PID گام به گام
• 6. تنظیم پارامترهای PID با روش زیگلر-نیکولز
• 7. کاربرد PID در سیستم‌های صنعتی رایج
• 8. مبانی نظری کنترل پیش‌بین مدل (MPC)
• 9. مزایای MPC نسبت به PID
• 10. معماری کلی سیستم‌های MPC
• 11. مدل‌سازی سیستم‌ها برای MPC
• 12. مدل‌های خطی و غیرخطی در MPC
• 13. پیش‌بینی رفتار سیستم در افق آینده
• 14. توابع هزینه و جریمه در MPC
• 15. بهینه‌سازی در هر گام زمانی
• 16. محدودیت‌های ورودی و خروجی در MPC
• 17. حل مسائل بهینه‌سازی مقید
• 18. الگوریتم‌های حل MPC
• 19. پیاده‌سازی MPC با JuliaSim
• 20. معرفی محیط JuliaSim
• 21. نحو زبان Julia برای مهندسی کنترل
• 22. کتابخانه‌های مرتبط با کنترل در Julia
• 23. مدل‌سازی سیستم‌های دینامیکی در JuliaSim
• 24. تعریف مدل‌های خطی در JuliaSim
• 25. تعریف مدل‌های غیرخطی در JuliaSim
• 26. پیاده‌سازی کنترل‌کننده‌های PID در JuliaSim
• 27. تنظیم پارامترهای PID با ابزارهای JuliaSim
• 28. شبیه‌سازی سیستم‌های کنترل شده با PID
• 29. معرفی MPC در JuliaSim
• 30. تعریف تابع هزینه در JuliaSim
• 31. تعریف محدودیت‌ها در JuliaSim
• 32. پیاده‌سازی الگوریتم‌های حل MPC در JuliaSim
• 33. شبیه‌سازی سیستم‌های MPC در JuliaSim
• 34. مقایسه عملکرد PID و MPC در JuliaSim
• 35. کاربرد MPC در سیستم‌های صنعتی واقعی
• 36. کنترل سیستم‌های توزیع شده با MPC
• 37. کنترل سیستم‌های مقیاس‌پذیر با MPC
• 38. بهینه‌سازی توابع هزینه پیچیده
• 39. مدیریت عدم قطعیت در MPC
• 40. روش‌های مقاوم‌سازی MPC
• 41. کنترل توالی عملیات در فرآیندهای صنعتی
• 42. بهینه‌سازی مصرف انرژی با MPC
• 43. بهینه‌سازی تولید با MPC
• 44. کنترل کیفیت محصولات با MPC
• 45. مدیریت منابع در سیستم‌های تولیدی
• 46. کنترل ربات‌های صنعتی با MPC
• 47. کنترل سیستم‌های خودران با MPC
• 48. کاربرد MPC در بهینه‌سازی زنجیره تأمین
• 49. کنترل سیستم‌های قدرت با MPC
• 50. کنترل ترافیک هوایی با MPC
• 51. کنترل فرآیندهای شیمیایی با MPC
• 52. کنترل سیستم‌های زیستی با MPC
• 53. بهینه‌سازی پارامترهای فرآیند
• 54. تحلیل حساسیت پارامترهای MPC
• 55. اعتبارسنجی مدل‌های کنترلی
• 56. مدل‌سازی و کنترل سیستم‌های گسسته-زمانی
• 57. مدل‌سازی و کنترل سیستم‌های پیوسته-زمانی
• 58. مقدمه‌ای بر بهینه‌سازی محدب
• 59. حل مسائل بهینه‌سازی خطی با JuliaSim
• 60. حل مسائل بهینه‌سازی درجه دوم با JuliaSim
• 61. روش‌های حل عددی در MPC
• 62. مقدمه‌ای بر کنترل تطبیقی
• 63. تنظیم خودکار پارامترهای کنترلی
• 64. کاربرد یادگیری ماشین در کنترل پیشرفته
• 65. یادگیری تقویتی برای MPC
• 66. شبکه‌های عصبی در مدل‌سازی سیستم‌ها
• 67. کنترل سیستم‌های با تأخیر زمانی
• 68. مدیریت حالت‌های گذرا در سیستم‌ها
• 69. طراحی کنترل‌کننده‌های چندمتغیره
• 70. تحلیل پایداری سیستم‌های غیرخطی
• 71. روش‌های خطی‌سازی در کنترل غیرخطی
• 72. کاربرد MPC در سیستم‌های رباتیک
• 73. کاربرد MPC در سیستم‌های حمل و نقل
• 74. کاربرد MPC در سیستم‌های انرژی تجدیدپذیر
• 75. کاربرد MPC در سیستم‌های مخابراتی
• 76. کاربرد MPC در سیستم‌های مالی
• 77. بهینه‌سازی سرمایه‌گذاری با MPC
• 78. مدیریت ریسک در سیستم‌های مالی
• 79. کاربرد MPC در سیستم‌های پایش سلامت
• 80. کنترل دستگاه‌های پزشکی با MPC
• 81. سیستم‌های تشخیص بیماری با MPC
• 82. کاربرد MPC در سیستم‌های رباتیک جراح
• 83. کاربرد MPC در سیستم‌های خودکار کشاورزی
• 84. بهینه‌سازی آبیاری و کوددهی
• 85. کاربرد MPC در سیستم‌های مدیریت پسماند
• 86. بهینه‌سازی فرآیندهای بازیافت
• 87. کاربرد MPC در سیستم‌های پایش محیط زیست
• 88. پیش‌بینی آلودگی هوا با MPC
• 89. کاربرد MPC در سیستم‌های امنیتی
• 90. کنترل پهپادهای نظارتی
• 91. کاربرد MPC در سیستم‌های مدیریت بحران
• 92. پیش‌بینی و مدیریت حوادث طبیعی
• 93. اصول استانداردسازی در مهندسی کنترل
• 94. مستندسازی پروژه‌های کنترلی
• 95. ارزیابی عملکرد سیستم‌های کنترلی
• 96. نگهداری و عیب‌یابی سیستم‌های خودکار
• 97. آینده مهندسی کنترل و سیستم‌های خودکار