دانلود کتاب کنترل عصبی غیرمتمرکز: کاربرد در رباتیک بعد از پرداخت مقدور خواهد بود
توضیحات کتاب در بخش جزئیات آمده است و می توانید موارد را مشاهده فرمایید
نام کتاب : Decentralized Neural Control: Application to Robotics
ویرایش : 1
عنوان ترجمه شده به فارسی : کنترل عصبی غیرمتمرکز: کاربرد در رباتیک
سری : Studies in Systems, Decision and Control 96
نویسندگان : Ramon Garcia-Hernandez, Michel Lopez-Franco, Edgar N. Sanchez, Alma y. Alanis, Jose A. Ruz-Hernandez (auth.)
ناشر : Springer International Publishing
سال نشر : 2017
تعداد صفحات : 121
ISBN (شابک) : 9783319533117 , 9783319533124
زبان کتاب : English
فرمت کتاب : pdf
حجم کتاب : 4 مگابایت
بعد از تکمیل فرایند پرداخت لینک دانلود کتاب ارائه خواهد شد. درصورت ثبت نام و ورود به حساب کاربری خود قادر خواهید بود لیست کتاب های خریداری شده را مشاهده فرمایید.
این کتاب یک رویکرد غیرمتمرکز برای شناسایی و کنترل سیستمهای رباتیک ارائه میکند. همچنین تحقیقات اخیر در کنترل عصبی غیرمتمرکز را ارائه میکند و شامل کاربردهایی در رباتیک است. کنترل غیرمتمرکز به دلیل پیچیدگی در طراحی، اشکال زدایی، جمع آوری داده ها و الزامات ذخیره سازی، عاری از مشکلات است و آن را برای سیستم های متصل به هم ترجیح می دهد. علاوه بر این، برخلاف رویکرد متمرکز، میتوان آن را با پردازندههای موازی پیادهسازی کرد.
این رویکرد با چهار طرح کنترل غیرمتمرکز سروکار دارد که قادر به شناسایی پویایی ربات هستند. آموزش هر شبکه عصبی به صورت آنلاین با استفاده از یک فیلتر کالمن توسعه یافته (EKF) انجام می شود.
اولین طرح کنترل غیرمتمرکز غیرمستقیم، رویکرد کنترل بلوک گسسته زمان را برای فرمول بندی یک منیفولد کشویی غیرخطی اعمال می کند.< /p>دومین طرح کنترل عصبی غیرمتمرکز مستقیم مبتنی بر تکنیک پشت سر گذاشتن است که توسط یک شبکه عصبی مرتبه بالا تقریب شده است.
طرح کنترل سوم یک کنترل بهینه عصبی معکوس غیرمتمرکز را برای تثبیت اعمال میکند.
چهارمین کنترل بهینه معکوس عصبی غیرمتمرکز برای ردیابی مسیر طراحی شده است.
این کار جامع در مورد کنترل غیرمتمرکز دستکاریکنندههای ربات و روباتهای متحرک برای اساتید، دانشجویان و متخصصانی که میخواهند دانش پیشرفته را درک و به کار ببرند در نظر گرفته شده است. در زمینه کاری خود
This book provides a decentralized approach for the identification and control of robotics systems. It also presents recent research in decentralized neural control and includes applications to robotics. Decentralized control is free from difficulties due to complexity in design, debugging, data gathering and storage requirements, making it preferable for interconnected systems. Furthermore, as opposed to the centralized approach, it can be implemented with parallel processors.
This approach deals with four decentralized control schemes, which are able to identify the robot dynamics. The training of each neural network is performed on-line using an extended Kalman filter (EKF).
The first indirect decentralized control scheme applies the discrete-time block control approach, to formulate a nonlinear sliding manifold.
The second direct decentralized neural control scheme is based on the backstepping technique, approximated by a high order neural network.The third control scheme applies a decentralized neural inverse optimal control for stabilization.
The fourth decentralized neural inverse optimal control is designed for trajectory tracking.
This comprehensive work on decentralized control of robot manipulators and mobile robots is intended for professors, students and professionals wanting to understand and apply advanced knowledge in their field of work.