الف – پرداخت وجه بحساب وب سایت ایران ترجمه(شماره حساب)ب- اطلاع جزئیات به ایمیل irantarjomeh@gmail.comشامل: مبلغ پرداختی – شماره فیش / ارجاع و تاریخ پرداخت – مقاله مورد نظر --مقالات آماده سفارش داده شده پس از تایید به ایمیل شما ارسال خواهند شد.
قیمت
قیمت این مقاله: 38000 تومان
(ایران ترجمه - Irantarjomeh)
توضیح
بخش زیادی از این مقاله بصورت رایگان ذیلا قابل مطالعه می باشد.
کنفرانس بین المللی فن آوری محاسباتی و اتوماسیون هوشمند
کالج مهندسی مکانیک و برق، دانشگاه هاربین، چین
IEEE
مرجع به انگلیسی
Fourth International Conference on Intelligent Computation Technology and Automation, college of Mechanical and electrical engineering, China
کشور
چین
تشخیص همزمان خطا و موقعیت پیشرانه ها و حسگر ها برای ربات خودکار زیرآبی
چکیده
در این مقاله یک روش تشخیص هیبرید کمّی / کیفی ارائه گردیده است که هدف آن تشخیص و تعیین موقعیت همزمان خطای پیشرانه و حسگر ابزار خودکار زیرآبی است که از فناوری شبکه های عصبی همراه با تکنولوژی تحلیل خط مشی دینامیکی بهره مند می باشد. در ابتدا، یک مدل تشخیص گر خطا به منظور ارزیابی توام وضعیت حالت و بردار خطای ربات خودکار زیرآبی (AUV) ارائه می گردد و بر مبنای آن مشکل تجزیه نوع خطا به هنگام بروز خطای پیشرانه و حسگر مرتفع می شود. پس از آن، بر مبنای تئوری تحلیل روند دینامیکی، موقعیت یابی سریع قطعه معیوب انجام گردید که برای این کار از فرآیندهای استخراج، شناسایی و گردآوری روندهای زمان حقیقی مرتبط با متغیرهای کنترل شده ربات خودکار زیرآبی ((AUV و مقادیر برآورد شده حالت، و انطباق با مجموعه ویژگیهای پایگاه دانش و اطلاعات خطا، استفاده شد. از طریق شبیه سازی خطاهای همزمان پیشرانه و حسگر، انباره ای از رویه های تصدیقی تجربی نمونه های آزمایشی ایجاد شد و نتایج آن معرف کارایی و تاثیر روش های پیشنهادی در این مقاله می باشند.
ربات خودکار زیرآبی (AUV) در محیط پیچیده دریایی کار می نمایند. امنیت به عنوان یک شاخص مهم در این ربات ها به شمار آمده و تشخیص بروز یک خطا بعنوان یک فناوری کلیدی برای امنیت AUV بشمار می آید. با تحلیل روش های موجود تشخیص خطا از طریق سیستم دینامیکی، می توان دریافت که روش های تشخیص خطای AUV غالبا بر مبنای روش کمّی، همانند روش مدل تحلیلی و روش فرآیند داده ها و غیره، می باشد. البته روش های کیفی نیز به میزان اندکی وجود دارند. به طور کلی، ما در نظر می گیریم که در چنین سیستمی، به هنگام بررسی و مطالعه روش تشخیصی، تنها یک خطای واحد رخ می دهد، و تحقیقات اندکی برای روش تشخیصی خطاهای همزمان وجود دارند.
به منظور حل مشکل تشخیص خطاهای همزمان پیشرانه و حسگر و همچنین موقعیت AUV، یک روش تشخیصی چند خطایی پیشنهاد شده است، که متشکل از فناوری کمی همراه با تکنولوژی کیفی می باشد.
ربات زیرآبی خطا پیشرانه حسگر
۲- سیستم تشخیص چند خطایی و تعیین موقعیت AUV
به هنگامی که خطاهای شبیه سازی برای پیشرانه و حسگر رخ می دهند، چه به صورت روش تحلیلی کمّی یا کیفی، محدودیت هایی در خصوص فرآیند تشخیص وجود دارد. به هنگامی که از روش تحلیل کمّی استفاده می شود، به واسطه عدم خطّیّت AUV، و همچنین بعلت اتصال بین هر متغیر حالت و بردارهای خطا و عدم قطعیت محیط بیرونی و غیره، حاصل آوردن مدل دقیق سیستمی و بیان تحلیلی خطا مشکل می باشد، بنابراین صرف استفاده از روش تحلیل کمّی جهت تشخیص و موقعیت یابی خطا مشکل می باشد. بعلاوه، به هنگامی که از روش تحلیل کیفی استفاده می شود، به واسطه آنکه تخصیص حسگرهای AUV محدود است، حاصل آوردن اطلاعات خطای برخی از مولفه ها مشکل می باشد و می بایست آنها را از بخشی از متغیرهای حالات برآورد شده بدست آورد. علاوه براین، در فرآیند استخراج اطلاعات خطا، ویژگی های دینامیکی AUV پیچیده بوده و محیط کاری نیز چندان متناسب نمی باشد و بازتاب دادن تغییر ویژگی های دینامیکی AUV بر مبنای استدلال کیفی با اطلاعات حالت محدود مشکل می باشد. بنابراین صرف استفاده از روش کیفی نیز جهت حاصل آوردن نتیجه تشخیصی رضایت بخش مشکل است. جهت حل این مشکلات، روش تشخیصی کمّی/ کیفی پیشنهاد می گردد که ترکیبی از روش مشاهده گر بر مبنای شبکه عصبی با تحلیل خط مشی کیفی استفاده می نماید. بر این مبنا می توان یکی از این سیستم های خودکار زیرآبی که تحت عنوان «سگ آبی» خوانده می شود را به عنوان مثال مد نظر قرار داد. سیستم تشخیص و موقعیت یابی همزمان خطا برای AUV در شکل ۱ نشان داده شده است.
ربات زیرآبی خطا پیشرانه حسگر
۳- تشخیص همزمان خطای پیشرانه و حسگر برای AUV
به هنگامی که خطای پیشرانه و حسگر برای سیستم کنترل حالت AUV رخ می دهد، معادله حالت گسسته را می توان به شرح ذیل تشریح نمود:
۴- موقعیت یابی خطای پیشرانه و حسگر برای AUV
در فرآیند مطالعاتی، نویسنده دریافت که تعاملات و ابهاماتی بین ویژگی های خطا و دلایل خطا به هنگام بروز معایب پیشرانه و حسگر به صورت همزمان وجود دارند. اما خط مشی تغییر کنترل و مقادیر حالت پاسخ داده شده برای نوع مختلف خطاها پس از مشخص نمودن انواع خطا منحصر بفرد بوده است. بنابراین موقعیت یابی خطا را می توان از طریق خط مشی تغییر هر متغیر حاصل آورد. روش تحلیل روند کیفی (QTA) به عنوان یک دیدگاه مفید جهت استخراج اطلاعات از داده های عددی و مشخص نمودن آن به صورت سمبولیک، در یک راهکار کیفی یا نیمه کیفی، بحساب می آید. در این مقاله، موقعیت یابی خطای پیشرانه حسگر بر مبنای روش QTA مشخص شده است.
الف. بخش بندی خطی داده های توالی زمانی
بر حسب اصل این دیدگاه، توالی زمان دلخواه y (t)را می توان با استفاده از بسیاری از بخش های خطی در بازه توالی زمانی یکنواخت پیوسته حاصل آورد و بنابر این بخش بندی خطی بازه یکنواخت را می توان به شرح ذیل بیان داشت:
ب. شناسایی روند سیگنال و انباشتگی
هر یک از سیگنال های برآورد شده بر مبنای توالی زمانی به یک ترتیب بخش بندی خطی منتقل می شوند. به منظور تسهیل درک این موضوع، این بخش بندی را می بایست مشخص ساخته و آنها را گرد آورده و همانند شکل ۳ تشریح نمود.
ج. مبانی / پایگاه های دانش خطا
روش موقعیت یابی عیب بر مبنای روش QTA به عنوان روشی محسوب می شود که بر مبنای دانش متخصصین می باشد، استقرار مبانی یا پایگاه های دانش خطا به عنوان یک پیش نیاز برای درک موقعیت یابی یک خطا مدنظر است. به طور کلی، مبانی دانش خطا بر اساس ویژگی های کنترلی اشیاء مشخص می گردند، بدان معنی که تغییرات عمومی سیگنال ها به وسیله راهکارهای آزمایشی و شبیه سازی خطاها تعیین خواهند شد. مورد مشخص شده برای AUV آن است که خط مشی های تغییر هر یک از سیگنال های اندازه گیری به صورت مشابهی می باشند، با این حال مولفه یکسانی با مقادیر خطای متغیر و گوناگون وجود دارد. بنابراین در فرآیند استقرار مبانی دانش خطا، تنها لازم است تا یک خط مشی نوعی را برای هر خطا به یاد داشته باشیم. در فرآیند انطباق این روند، در صورتی که مجموعه های روند آنلاین در تطابق با مجموعه های روند مبانی دانش خطا نباشد، بنابراین یک مجموعه خطای بیشتر ایجاد شده تا آنکه مبانی دانش را افزایش دهد.
د. فرآیند موقعیت یابی خطا
فرآیند موقعیت یابی خطا، بر مبنای روش QTA، آن است که مجموعه های روند آنلاین هر سیگنال که در تطابق با مجموعه های روند در مبانی دانش خطا باشند. خطای کاندید بر مبنای دانش قواعد مربوطه و با استفاده از دستور زبان if مشخص می گردد تا آنکه قابلیت نگاشت ویژگی های خطا وجود داشته باشد. این ویژگی های خطا، به صورت خط مشی ها یا روندهای سیگنال سنجشی برای کنترل و مقادیر حالت است. فرآیند موقعیت یابی خطا در شکل ۴ نشان داده شده است.
ربات زیرآبی خطا پیشرانه حسگر
۵- تحلیل آزمایشات و نتایج
به منظور تصدیق قابلیت پیاده سازی / امکان سنجی روش پیشنهادی در این مقاله، انباره آزمایشات شبیه سازی خطا بر مبنای سیستم AUV «سگ آبی» ایجاد شد.
AUV دارای حرکت مستقیمی با سرعت هدف ۲/۰ متر در ثانیه و زاویه انحراف هدف صفر درجه می باشد. در طی بازه از ۲۰۰ الی ۲۰۵ بار، خطای نقص خروجی پیشرانه چپ رخ می دهد (خروجی حقیقی مسئول ۹۰% خروجی طبیعی پیشرانه خطا می باشد) و در عین حال، خطای سوگیری حسگر سرعت رخ می دهد (سرعت برآورد شده به کنترلر پس از آنکه مقدار از ۰٫۱m/s کسر گردید باز خورد داده می شود). کنترل و مقادیر حالت در شکل ۵ نشان داده شده است.
ربات زیرآبی خطا پیشرانه حسگر
۶- نتیجه گیری
در این مقاله، یک روش جدید تشخیص خطا با ترکیب روش کمّی و روش کیفی جهت حل خطاهای همزمان پیشرانه و حسگر برای ربات خودکار زیرآبی (AUV) پیشنهاد شده است. اتصال روش کمّی و کیفی، قابلیت حل مشکل عدم دقت، بین ویژگی های خطا و دلایل خطا به هنگامی که تنها اقدام به استفاده از روش کمّی می نماییم، را خواهد داشت و همچنین قابلیت حل مشکل افزونگی دلایل خطا، به هنگامی که تنها از روش کیفی استفاده می کنیم، را برای ما بوجود می آورد. در نهایت، آزمایش انباره / مخزن ربات خودکار زیرآبی (AUA) تحت عنوان «سگ آبی» نشان دهنده آن است که روش پیشنهادی در این مقاله امکان پذیر و عملی می باشد.
لطفا به جای کپی مقالات با خرید آنها به قیمتی بسیار متناسب مشخص شده ما را در ارانه هر چه بیشتر مقالات و مضامین ترجمه شده علمی و بهبود محتویات سایت ایران ترجمه یاری دهید.
