کتاب صوتی پیاده‌سازی عملی کنترل پیش‌بین مدل

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی عملی کنترل پیش‌بین مدل

موضوع کلی: کنترل پیش بین مدل (MPC)

موضوع میانی: رویکردهای بهینه‌سازی در MPC

📋 سرفصل‌های دوره

• 1. مقدمه‌ای بر کنترل پیش‌بین مدل
• 2. مبانی سیستم‌های دینامیکی خطی
• 3. مدل‌سازی سیستم‌های دینامیکی
• 4. معادلات حالت و خروجی
• 5. تحلیل پایداری سیستم‌های خطی
• 6. مفاهیم اساسی کنترل
• 7. کنترل‌کننده‌های PID
• 8. طراحی کنترل‌کننده‌های PID
• 9. مقدمه‌ای بر کنترل پیش‌بین مدل (MPC)
• 10. مبانی MPC
• 11. مدل‌سازی سیستم برای MPC
• 12. محدودیت‌های حالت و خروجی
• 13. محدودیت‌های ورودی
• 14. فرمول‌بندی مسئله بهینه‌سازی در MPC
• 15. تابع هزینه در MPC
• 16. حل مسئله بهینه‌سازی در MPC
• 17. الگوریتم‌های حل MPC
• 18. پیاده‌سازی MPC در متلب
• 19. شبیه‌سازی سیستم با MPC
• 20. کنترل پیش‌بین مدل برای سیستم‌های خطی
• 21. کنترل پیش‌بین مدل برای سیستم‌های غیرخطی
• 22. مقدمه‌ای بر بهینه‌سازی مقید
• 23. روش‌های حل بهینه‌سازی مقید
• 24. برنامه‌ریزی خطی
• 25. برنامه‌ریزی غیرخطی
• 26. برنامه‌ریزی عدد صحیح
• 27. کاربرد بهینه‌سازی در MPC
• 28. MPC با مدل‌های پیچیده
• 29. MPC با تاخیر زمانی
• 30. MPC با عدم قطعیت
• 31. روش‌های مقاوم در MPC
• 32. MPC تطبیقی
• 33. MPC مبتنی بر یادگیری ماشین
• 34. کنترل پیش‌بین مدل در صنعت
• 35. کاربرد MPC در فرآیندهای شیمیایی
• 36. کاربرد MPC در سیستم‌های رباتیک
• 37. کاربرد MPC در سیستم‌های قدرت
• 38. کاربرد MPC در خودروهای خودران
• 39. کاربرد MPC در مدیریت انرژی
• 40. کاربرد MPC در تصفیه آب
• 41. کاربرد MPC در صنایع غذایی
• 42. کاربرد MPC در سیستم‌های تهویه مطبوع
• 43. کاربرد MPC در سیستم‌های بیولوژیکی
• 44. تحلیل عملکرد MPC
• 45. خطاهای مدل در MPC
• 46. بهبود عملکرد MPC
• 47. بهینه‌سازی پارامترهای MPC
• 48. انتخاب مدل مناسب برای MPC
• 49. مدیریت محدودیت‌ها در MPC
• 50. حل مسائل مقیاس‌پذیر در MPC
• 51. MPC توزیع‌شده
• 52. MPC مبتنی بر مدل‌های فیزیکی
• 53. MPC مبتنی بر مدل‌های داده‌محور
• 54. ارتباط MPC با سایر روش‌های کنترلی
• 55. مقدمه‌ای بر کنترل بهینه
• 56. کنترل‌کننده‌های بهینه خطی (LQR)
• 57. طراحی LQR
• 58. مقدمه‌ای بر فیلتر کالمن
• 59. فیلتر کالمن برای تخمین حالت
• 60. ترکیب LQR و فیلتر کالمن
• 61. مقدمه‌ای بر مدل‌های پیش‌بین حالت (SSM)
• 62. مدل‌سازی SSM
• 63. کاربرد SSM در MPC
• 64. مقدمه‌ای بر بهینه‌سازی پویا
• 65. معادلات بلمن
• 66. کاربرد بهینه‌سازی پویا در MPC
• 67. کنترل پیش‌بین مدل مبتنی بر مدل‌های مبتنی بر داده
• 68. یادگیری مدل‌های پیش‌بین
• 69. کاربرد شبکه‌های عصبی در MPC
• 70. کاربرد ماشین‌های بردار پشتیبان در MPC
• 71. کاربرد درختان تصمیم در MPC
• 72. کاربرد مدل‌های آماری در MPC
• 73. روش‌های مبتنی بر یادگیری تقویتی برای MPC
• 74. مقدمه‌ای بر بهینه‌سازی با قیود غیرخطی
• 75. روش‌های حل بهینه‌سازی با قیود غیرخطی
• 76. MPC برای سیستم‌های با دینامیک غیرخطی پیچیده
• 77. مدل‌سازی غیرخطی سیستم‌ها
• 78. روش‌های خطی‌سازی در MPC
• 79. روش‌های تعمیم‌یافته در MPC
• 80. MPC با در نظر گرفتن رفتار دینامیکی پیچیده
• 81. تحلیل پایداری MPC برای سیستم‌های غیرخطی
• 82. مقدمه‌ای بر کنترل موثر
• 83. کنترل مقاوم در برابر اغتشاشات
• 84. کنترل پیش‌بین مدل مقاوم
• 85. روش‌های طراحی کنترل‌کننده مقاوم
• 86. کاربرد MPC در سیستم‌های با عدم قطعیت بالا
• 87. بهبود قابلیت اطمینان در MPC
• 88. ارزیابی ریسک در MPC
• 89. مقدمه‌ای بر کنترل پیش‌بین مدل توزیع‌شده
• 90. معماری‌های MPC توزیع‌شده
• 91. هماهنگی در MPC توزیع‌شده
• 92. کاربرد MPC توزیع‌شده در شبکه‌های هوشمند
• 93. کاربرد MPC توزیع‌شده در رباتیک گروهی
• 94. مقدمه‌ای بر کنترل پیش‌بین مدل با یادگیری
• 95. یادگیری مدل‌های دینامیکی از داده
• 96. یادگیری تابع هزینه در MPC
• 97. یادگیری محدودیت‌ها در MPC
• 98. بهبود کارایی MPC با یادگیری
• 99. ارزیابی و اعتبارسنجی مدل‌های یادگرفته شده
• 100. مقدمه‌ای بر پیاده‌سازی سخت‌افزاری MPC