,

مقاله یادگیری کارآمد مدل‌های LPV آفین و گویا با نمایش کسری خطی

تومان249,950

شناسایی مدل‌های مناسب برای کنترل سیستم‌های غیرخطی یکی از چالش‌های اصلی در تقاطع شناسایی سیستم و کنترل است. چارچوب متغیر با پارامتر خطی (LPV) راه‌حلی امیدوارکننده ارائه می‌دهد، اما روش‌های شناسایی موجو…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000150 دسته: ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

یادگیری کارآمد مدل‌های LPV آفین و گویا با نمایش کسری خطی

Efficient Learning of Affine and Rational Dependency LPV Models With Linear Fractional Representation

نویسندگان: Roel Drenth, Jan H. Hoekstra, Maarten Schoukens, Roland Tóth

شناسه منبع: arxiv / 2605.12203

دسته: Systems and Control

چکیده (فارسی)

شناسایی مدل‌های مناسب برای کنترل سیستم‌های غیرخطی یکی از چالش‌های اصلی در تقاطع شناسایی سیستم و کنترل است. چارچوب متغیر با پارامتر خطی (LPV) راه‌حلی امیدوارکننده ارائه می‌دهد، اما روش‌های شناسایی موجود اغلب به ساختارهای مدلی با وابستگی زمانی آفیین (affine) متکی هستند. در عوض، این مقاله استفاده از مدل‌های LPV با نمایش کسری خطی (LFR) را پیشنهاد می‌کند که وابستگی زمانی کسری را می‌پذیرد و قادر به مدل‌سازی سیستم‌های غیرخطی پیچیده با متغیرهای زمانی کمتر نسبت به مدل‌های آفیین است. این مقاله یک پارامترسازی مستقیم برای اطمینان از خوش‌تعریفی مدل‌های LPV-LFR کسری معرفی می‌کند که با تخمین مشترک یک گیاه LPV و نگاشت زمانی، تنها با استفاده از داده‌های ورودی-خروجی، قادر به مدل‌سازی سیستم‌های غیرخطی پیچیده است. دقت رویکرد پیشنهادی در دو مثال شبیه‌سازی نشان داده شده است.

Abstract (English)

Identifying control-friendly models of nonlinear systems remains one of the major challenges at the intersection of system identification and control. The Linear Parameter-Varying (LPV) framework offers a promising solution, but existing identification methods often rely on model structures with affine scheduling dependency. Instead, this work proposes the use of LPV models with Linear Fractional Representation (LFR) admitting a rational scheduling-dependency, capable of modelling complex nonlinear systems with fewer scheduling variables compared to affine models. This work introduces a direct parameterization to ensure well-posedness of rational LPV-LFR models, which by joint-estimation of an LPV plant and scheduling map, using only input-output data, is capable of modelling complex nonlinear systems. Accuracy of the proposed approach is shown on two simulation examples.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله یادگیری کارآمد مدل‌های LPV آفین و گویا با نمایش کسری خطی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا