دانلود تحقیق مروری بر کنترلرهای فازی و کاربردهای آن در Robotics

اختصاصی از فی بوو دانلود تحقیق مروری بر کنترلرهای فازی و کاربردهای آن در Robotics دانلود با لینک مستقیم و پر سرعت .

تاریخچه منطق فازی:

اولین با در سال 1965 توسط دکتر لطفی زاده مطرح گردید.
برای برطرف ساختن ناتوانی منطق دوگانه و ریاضیات بسیار دقیق در برخورد با دنیای واقعی و نا دقیق
در سال 1968 نظریات مربوط به کارگیری منطق فازی در بحث کنترل مطرح گردید
اولین با در سال 1974 در ارتباط با فرایند کنترل یک موتور بخار توسط آقایان ممدانی و اصیلیان صورت پذیرفت .

یکی از  موارد  مهم به کار گیری منطق فازی برای طراحی سیستم های کنترلی براساس کنترل منطقی فازی FLC (Fuzzy Logic Control) می باشد

فهرست:

تاریخچه منطق فازی
بررسی اجمالی کنترلرهای فازی
کنترلرهای ساده فازی
کنترلرهای خود سازمان ده فازی
کنترلرهای وفق پذیر فازی
بررسی چند نمونه از کاربرد کنترلهای فازی در Robotics

شامل 27 اسلاید powerpoint

دانلود پاورپوینت مروری بر کنترلرهای فازی و کاربردهای آن در Robotics

اختصاصی از فی بوو دانلود پاورپوینت مروری بر کنترلرهای فازی و کاربردهای آن در Robotics دانلود با لینک مستقیم و پر سرعت .

مشخصات این فایل
عنوان:مروری بر کنترلرهای فازی و کاربردهای آن در Robotics
فرمت فایل:powerpoint(قابل ویرایش)
تعداد اسلایدها:27

این پاورپوینت در مورد مروری بر کنترلرهای فازی و کاربردهای آن در Robotics می باشد.

 

بخشی از تیترها به همراه مختصری از توضیحات پاورپوینت مروری بر کنترلرهای فازی و کاربردهای آن در Robotics

کنترلر ساده فازی
طراحی یک کنترلر فازی برای یک رباط فرضی:
فرض کنید می خواهیم برای یک Robot که دارای یک Sensor Sonar می باشد می خواهیم یک کنترلر سادة فازی طراحی کنیم. به طوری که Robot با استفاده از اطلاعات فاصله تا نزدیک یک جسم برود و وقتی به آن رسید با ایستد.
تعریف کنترلر ساده فازی آسان است
کنترلر ساده فازی یک کارکرد متوسط کنترلی را ارئه میکند
امکان تنظیم و بهینه کردن توابع عضویت برای آنها در نظر گرفته نشده است
در سیستم های پیچیده تنها یک نقطه شروع برای رسیدن به کنترلر نهایی می باشد
...(ادامه دارد)

یک سیستم کنترل فازی ترکیبی برای دو پاندول کوپل شده
nدارای کنترلر فازی از نوع خود سازمان ده می باشد.
nدر این سیستم دو پاندول موجودند که به وسیله یک فنر به هم متصل هستند. یکی از پاندول ها به صورت تصادفی از طریق فنر دیگری را می کشد. هدف از سیستم کنترلی آن ثابت نگه
داشتن پاندول دیگر است.
nاین سیستم کنترلی به صورت آزمون و خطا کار می کند. و با استفاده از جدول کارکرد خود FLC خود را به مرور بهبود می بخشد. برای این منظور:
nابتدا با یکسری قوانین ابتدایی FLC اولیه تشکیل میگردد.
nسپس با در نظر گرفتن یک معیار کارآیی سیستم FLC  به دست آمده بهبود بخشیده می شود.
...(ادامه دارد)

نتیجه گیری
nاقتصاددان انگلیسی Shackle می گوید:
nدر دنیایی که دانش در مورد پدیده‌ها قبل اتفاق افتادن آنها وجود ندارد. در دنیایی که هیچ ترتیب دقیقی در آن وجود ندارد. رفتار ذاتی ما در برابر زندگی اشاره بر قابل اطمینان و قدرتمند بودن تصمیمات ما را دارد. از آنجایی که تصمیمات بدون نیاز به یک پیش‌بینی دقیق و هم صرف‌نظر از بی نظمی طبیعت گرفته می‌شود، می‌توان به عنوان یک گزینه برای مواجهه با عدم قطعیت از آن استفاده کرد.
nفرایند یادگیری و استنتاج در انسان بسیار خارق العاده است.
nانسان امکان انجام حرکاتی را دارد که علم Robotic برای رسیدن به نقطه ای که رباتی با این قابلیت های رفتاری و حرکتی بسازد فاصلة زیادی دارد.
nاما در این بین انسانهایی وجود دارند که به لحاظ حرکتی، به ربات ها بسیار نزدیک شده‌اند!
...(ادامه دارد)

بخشی از فهرست مطالب پاورپوینت مروری بر کنترلرهای فازی و کاربردهای آن در Robotics

تاریخچه منطق فازی
بررسی اجمالی کنترلرهای فازی
کنترلرهای ساده فازی
کنترلرهای خود سازمان ده فازی
کنترلرهای وفق پذیر فازی
بررسی چند نمونه از کاربرد کنترلهای فازی در Robotics
...(ادامه دارد)

دانلود مقاله قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی

اختصاصی از فی بوو دانلود مقاله قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی دانلود با لینک مستقیم و پر سرعت .

مشخصات این فایل
عنوان: قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی 
فرمت فایل: word(قابل ویرایش)
تعداد صفحات:26

این مقاله در مورد قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی می باشد.

 

بخشی از تیترها به همراه مختصری از توضیحات مقاله قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی 

2.دسته بندی رنگ فازی:
دسته بندی فازی یک روش یادگیری با ناظر است که جهت قطعه بندی تصاویر استفاده می شود .این سیستم هر پیکسل رنگی از تصویر ورودی را در یک دسته رنگ قرار می دهد.فضاهای رنگ متنوعی مانند HSV,YIQ,HSL,RGB در پردازش تصاویر استفاده می شود.[1]...(ادامه دارد)

فضای رنگ RGB
یکی از فضا های رنگ متداول فضای رنگ RGB می باشد که شامل سه رنگ قرمز وآبی وسبز  می باشد وهر کدام در بازه صفر تا یک ویا 0 تا 255 تغییر می کنند حداقل مقدار (رنگ سیاه ) (0و0و0) بوده وحداکثر مقدار (رنگ سفید )(255و255و255) می باشد....(ادامه دارد)

پارامتر H:
همانطور که قبلا هم گفته شد پارامتر Hue  نشان دهتده رنگ تصویر می باشد و مقدار آن از صفر تا 360 درجه قابل تغییر می باشد. مجموعه فازی H را می توان با 11 تابع عضویت نمایش داد. که این توابع عضویت می توانند به صورت های مختلف های مختلفی چون ذوزنقه ای ، زنگوله ای ، مثلثی ، گوسی و... باشند.در شکل زیر نمونه ای از توابع عضویت از مجموعه فازی H که ذوزنقه ای شکل اند، مشاهده می شود....(ادامه دارد)

قوانین همسایگی :
در این پروژه می توان از قوانین همسایگی پیکسلهای مجاور جهت افزایش سرعت اجرای الگوریتم استفاده نمود. دلیل این کار را می توان اینگونه بیان کرد که در اکثر مواقع پیکسلهایی که در مجاورت هم قرار دارند دارای رنگ مشابهی هستند لذا برای هر پیکسل قبل از آن که به سیستم FIS ارسال شده تا رنگ آن تشخیص داده شود می توان مقادیر H,S,L آن پیکسل را با پیکسلهای مجاور آن مقایسه کرد، در صورتی که با یکی از پیکسلهای همسایه خود مقادیر یکسان داشته  باشد می توان خروجی FIS را که برای آن پیکسل محاسبه شده بود را برای این پیکسل هم قرار دهیم .این عمل باعث می شود تعداد پیکسلهای...(ادامه دارد)

4.نتیجه گیری:
با توجه به اهمیت وکاربرد، سگمنت بندی تصاویر مورد توجه قرار گرفته شده است وروشهای متفاوتی برای آن ارائه شده است که هریک از این روش ها از لحاظ زمان اجرا واز لحاظ دقت تشخیص دارای معایب ومزایای هستند که از میان این روشها ،روشهای فازی دارای سرعت  ودقت بالایی در تشخیص هستند.در این پروژه هم  روش جدیدی از قطعه بندی تصاویر رنگی بااستفاده از روش فازی  پیاده سازی شد که سرعت آن را با استفاده قوانین همسایگی در تصاویر...(ادامه دارد)

بخشی از فهرست مطالب مقاله قطعه بندی تصاویر رنگی با استفاده از سیستم های فازی

چکیده:
1.مقدمه:
2.دسته بندی رنگ فازی:
فضای رنگ RGB
فضای رنگ HSL
3.شبیه سازی الگوریتم:
پارامتر H:
پارامتر L:
پارامتر S :
...(ادامه دارد)

حل تمرین کتاب سیستم های فازی وکنترل فازی تشنه لب فصل چهارم

اختصاصی از فی بوو حل تمرین کتاب سیستم های فازی وکنترل فازی تشنه لب فصل چهارم دانلود با لینک مستقیم و پر سرعت .

 

حل تمرین های فصل دوم کتاب سیستم های فازی و کنترل فازی (تشنه لب)؛(به غیر از پاسخ تمرین۵).
در حل تمرین ها تلاش شده تا ساده ترین روش انتخاب شود.
(پاسخ ها به صورت دست نویس هستند)
صحت پاسخ ها توسط استاد درس تایید شده اند.

پروژه فازی

اختصاصی از فی بوو پروژه فازی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل: word(قابل ویرایش)تعداد صفحات42

فهرست
چکیده
1- مقدمه (3)
2- مروری بر روش های قبل (7)
1.2 - الگوریتمk-Means Hard (7)
1.1.2 - مثالی عددی از الگوریتم k-Means (9)
2.2- الگوریتم Fuzzy c-Means (13)
3.2- الگوریتم Hard k-Modes (15)
4.2- الگوریتم fuzzy k-Modes (18)
3- الگوریتم پیشنهادی : genetic fuzzy k-Modes (21)
4- نتایج آزمایش (25)
5- نتیجه گیری (32)
پیوست – کد برنامه
مراجع

چکیده

خوشه بندی روشی است که داده های یک مجموعه داده را به گروه یا خوشه تقسیم می کند . از مرسوم ترین روش های خوشه بندی،الگوریتم های خوشه بندی k-Means وfuzzy k-Means می باشند.این دو الگوریتم فقط روی داده های عددی عمل می کنند و به منظور رفع این محدودیت، الگوریتم های k-Modes و fuzzy k-Modes ارائه شدند که مجموعه داده های گروهی (دسته ای) را نیز خوشه بندی می کنند. . با این وجود، این الگوریتم ها ،شبیه همه روال های بهینه سازی دیگر که برای مینیمم عمومی یک تابع جستجو می کنند، احتمال گیر افتادن در یک مینیمم محلی وجود دارد. به منظوردستیابی به جوبب بهینه عمومی ، الگوریتم های تکاملی مانند ژنتیک و جدول جستجو با الگوریتم های مذکور ترکیب می شوند. در این پژوهش، الگوریتم ژنتیک ، GA، را با الگوریتم fuzzy k-Modes ترکیب شده ،بطوریکه عملگر ادغام به عنوان یک مرحله از الگوریتم fuzzy k-Modes تعریف می شود. آزمایش ها روی دو مجموعه داده واقعی انجام شده است تا همراه با مثال کارایی الگوریتم پیشنهادی را روشن نماید.

1.مقدمه
به عنوان یک ابزار اولیه در داده کاوی ،تجزیه و تحلیل خوشه ، که تجزیه و تحلیل سگمنت نیز نامیده می شود،روشی است که داده ها را به گروه هایی همگن تحت عنوان خوشه تقسیم می کند.در چنین روشی داده های موجود در یک کلاستر یا خوشه خیلی شبیه به هم و داده ها ی کلاستر های مختلف خیلی متفاوت نسبت به هم هستند.اغلب، شباهت بر مبنای معیار فاصله می باشد.
آنالیز خوشه،خوشه بندی، تکنیک عمومی برای آنالیز داده های آماری می باشد که در بسیاری زمینه ها مانند یادگیری ماشین ، داده کاوی ، شناسایی الگو و آنالیز تصویر کاربرد دارد.در کنار اصطلاح خوشه بندی داده (یا فقط خوشه بندی)،بعضی اصطلاحات دیگرنیزهمانند کلاس بندی اتوماتیک ،طبقه بندی عددی ، آنالیز نوع شناسی ، با معنای مشابه استفاده می شود[1].
به طور کلی ،یک الگوریتم خوشه بندی خوب معمولا برای طراحی شامل چهار فاز ذیل را شامل می شود:1- نمایش داده 2- مدل کردن .3- بهینه سازی .4- اعتبار سنجی[2] ..
فاز نمایش داده، تعیین می کند که چه نوعی از ساختارهای خوشه می تواند داده ها را شناسایی کند.سپس فاز مدلینگ ضوابط و معیار ها را برروی ساختار تعریف می کند بطوریکه که ساختارها ی گروه های مطلوب را از موارد نامطلوب مجزا می کند.در فاز مدلینگ ، در طول جستجو برای ساختار های مخفی در داده ،یک معیار کیفیت مانند معیار بهینه سازی یا معیار تقریب تولید می شود. بعبارتی دیگرفاز بهینه سازش،ساختار های موثرتر و بهینه تر را انتخاب میکند. از آنجا که فرآیند خوشه بندی ،یک فرایند بدون سرپرستی است فاز اعتبار سنجی خیلی ضروری است تا نتایج تولید شده به وسیله الگوریتم خوشه بندی ارزیابی شوند.
به طور کلی ،الگوریتم های خوشه بندی به دو دسته تقسیم بندی می شوند[3,4] : الگوریتم های خوشه بندی سخت و الگوریتم های خوشه بندی فازی .
در چهارچوب خوشه بندی سخت ،هر شی ء به یک و فقط یک خوشه تعلق دارد و برعکس در چهار چوب خوشه بندی فازی به هر شی ء اجازه داده می شود که توابع تعلقی به همه خوشه ها داشته باشد.هر دو روش الگوریتم خوشه بندی سخت و فازی ،مرکز های خوشه (نمونه های اولیه) را تعیین می کنند و مجموع مربع فاصله بین این مرکز ها و خوشه ها را مینیمم می کنند.