Skip to content

Modellizzazione & comando dei sistemi industriali complessi per mezzo delle tecniche intelligenti

La motivazione principale di questo lavoro è l’implementazione delle varie capacità offerte dalle TIA, come sistemi ibridi migliorati, al fine di sviluppare approcci per la sintesi delle leggi di comando semplici, efficaci e robuste. La formulazione dei problemi di comando è stata svolta con una combinazione dei SIF, delle RNA e degli AG. Il nostro studio tratta e spiega, in maniera esplicita, i problemi incontrati nella fase di concezione dei SIF. Si tratta essenzialmente di:
- problemi di dimensionamento della base delle regole fuzzy del SIF (la struttura);
- problemi di configurazione dei parametri della base di conoscenze;
- problemi di stabilità/robustezza dell’anello di controllo.

I lavori presentati in questa tesi si articolano essenzialmente attorno ai principali assi della modellizzazione e del comando fuzzy di tipo TS1 per sistemi fortemente non lineari complessi.
In primo luogo, si mira a sintetizzare una legge di comando fuzzy stabile e robusta. Per soddisfare tale obiettivo, sarà sviluppata e proposta una strategia di comando. Anticipiamo anche l’impiego della tecnica dell’ibridazione neuronale fuzzy. È proposta e utilizzata anche la struttura RBF-fuzzy estesa al ragionamento approssimativo di tipo TS1. Inoltre si mira a sviluppare un algoritmo ibrido efficace per un’ottimizzazione strutturale e parametrica del controllore RBF-fuzzy proposto. Vengono anche indicate due tappe di apprendimento:
- verrà sviluppata e applicata un’ottimizzazione globale, basata su un algoritmo di tipo AG multi-obiettivo, dell’insieme struttura e parametri, della rete controllore;
- viene anticipato l’utilizzo della tecnica della discesa del gradiente per una più fine regolazione dei parametri delle conseguenze delle regole.
La semplicità della legge di comando, l’efficacia, la stabilità e la robustezza saranno considerate come fattori che intervengono nel criterio delle performance da ottimizzare.
In seconda fase, la nostra ricerca consiste nello sviluppare una metodologia di sintesi che consente la considerazione, esplicita e simultanea, di varie specifiche strutturali e funzionali. Il concetto di multi-modello viene sfruttato per la sintesi di una legge di comando fuzzy pur assicurando la stabilità in BF. L’idea consiste nel determinare un insieme ridotto di regole con la definizione delle zone di funzionamento (funzione di appartenenza) per ogni variabile di stato del sistema. Attorno a tali zone, sarà stabilito il multi-modello attraverso la linearizzazione del modello del sistema. Questa fase rappresenta la modellizzazione fuzzy del sistema non lineare. Il comportamento globale risulta dalla « fusione » dell’insieme dei vari comportamenti locali per mezzo del formalismo di TS. Gli AG rappresentano lo strumento di ottimizzazione che interviene in tutte le tappe di sintesi della legge di comando. L’algoritmo sviluppato in questo contributo consiste:
- nella simulazione del comportamento del procedimento da studiare;
- nell’inizializzazione della base ridotta delle regole;
- nella modellizzazione fuzzy del procedimento tramite l’approccio multi-modello;
- nello stabilire le condizioni di stabilità del modello completo tramite l’approccio energetico di Lyapunov.
L’approccio genetico viene adattato in quest’ultima tappa. Il metodo LMI è sostituito da uno sfruttamento genetico dello spazio di ricerca dei parametri che giustifica le condizioni della stabilità.
Per ogni struttura di comando, saranno presentati risultati di simulazione per mostrare e giustificare le performance desiderate. La convalida dei nostri risultati sarà confrontata con quelli ottenuti da altre tecniche citate come riferimento.
Il nostro lavoro spiega, in particolare, i problemi riscontrati nella fase di realizzazione dei sistemi fuzzy. Esso agisce principalmente per risolvere:
- I problemi di dimensionamento della regola dei sistemi fuzzy (la struttura);
- I problemi della configurazione dei parametri della base di conoscenze fuzzy;
- I problemi di stabilità/robustezza del ciclo di controllo.
Il lavoro presentato in questa tesi è principalmente articolato sui principali assi della modellizzazione fuzzy e sui controllori fuzzy di tipo TS1 per sistemi complessi altamente non lineari.
Inizialmente, ci proponiamo di sintetizzare una legge di un controllore fuzzy stabile e robusto. Per soddisfare tale obiettivo, verrà sviluppata e proposta una strategia di controllo. Anticipiamo inoltre l'uso della tecnica di ibridazione delle reti neurali fuzzy. La topologia RBF fuzzy si è estesa a TS1-t approssimata.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Mostra/Nascondi contenuto.
17 Introduzione generale A – Studio preliminare La concezione e la realizzazione dei sistemi di modellizzazione e di controllo avanzati dei procedimenti industriali complessi sono dei compiti innegabile e necessari di fronte alle esigenze dei nuovi sviluppi tecnologici. La complessità di questi procedimenti esige la costruzione degli algoritmi, strettamente adattati alle situazioni critiche e anche molto critiche. Due modalità di controllo automatico dei procedimenti sono continuamente ambite:  Le prime, chiamate convenzionali, si basano sulle matematiche dell‟insieme controllore/procedimento;  Le seconde sono al centro di una disciplina scientifica, relativamente nuova e, in ogni caso, controversa, chiamata « TIA » (tecniche di intelligenza artificiale). Le TIA caratterizzano l‟insieme degli algoritmi e delle tecniche, conosciute anche con la denominazione anglofona di « soft computing », introdotte nel 1994 da L.A. Zadeh, come mezzo per costruire sistemi intelligenti rispondenti:  agli obblighi di efficacia, di robustezza e di facilità di implementazione;   all’ottimizzazione di costi temporali, energetici, finanziari, ecc.  Le nuove tecniche devono tenere conto anche della presente della componente umana e, soprattutto, dell’esperienza nei sistemi da studiare e da analizzare [1]. Le principali tecniche sono : la logica fuzzy « LF », le reti di neuroni « RNA » e gli algoritmi genetici « AG » [2] - [4]. I primi due elementi dei TIA, « RNA » e « LF », tentano di modellizzare il funzionamento del cervello umano. Le RNA tentano di modellizzare l‟architettura neuronale del cervello. I sistemi fuzzy, dal canto loro, ne modellizzano la modalità di funzionamento (ragionamento): apprendimento e deduzione. Gli AG servono invece a modellizzare il processo dell‟evoluzione genetica delle specie viventi. Negli ultimi anni, lo sviluppo di nuovi concetti o metodologie e algoritmi nel campo dell‟intelligenza artificiale, ha fornito strumenti alternativi per affrontare il problema di modellizzazione e di controllo dei sistemi non lineari (scienze ingegneristiche). L‟obiettivo degli studiosi è costruire sistemi artificiali che fissino gli importanti meccanismi dei sistemi naturali. L‟aumento della robustezza, il controllo non lineare e il controllo adattivo sono gli obiettivi principali delle nuove strategie di controllo. Esse realizzano metodi avanzati di controllo. Gli algoritmi di controllo intelligente figurano tra le nuove tendenze di controllo dei sistemi complessi. L‟applicazione dei TIA, nonché le loro ibridazioni, per la modellizzazione e il comando dei sistemi fortemente non-lineari, possono fornire soluzioni ben adattate alla complessità dei procedimenti industriali.

CONSULTA INTEGRALMENTE QUESTA TESI

La consultazione è esclusivamente in formato digitale .PDF

Acquista
Il miglior software antiplagio

L'unico servizio antiplagio competitivo nel prezzo che garantisce l'aiuto della nostra redazione nel controllo dei risultati.
Analisi sicura e anonima al 100%!
Ottieni un Certificato Antiplagio dopo la valutazione.

Informazioni tesi

Traduttore: Marco Casella
  Autore: Ammar Soukkou
  Tipo: Traduzione
  Anno: -
  Università: Ferhat Abbas, Sétif - Algeria
  Facoltà: Sciences de l’Ingénieur
  Corso: Electronics Department
  Relatore: Khellaf  Abdelhafid
  Lingua: Italiano
  Num. pagine: 259

Questo documento è una traduzione dall'originale:

"Modélisation & Commande des Systèmes Industriels Complexes par les Techniques Intelligentes"

FAQ

Per consultare la tesi è necessario essere registrati e acquistare la consultazione integrale del file, al costo di 29,89€.
Il pagamento può essere effettuato tramite carta di credito/carta prepagata, PayPal, bonifico bancario.
Confermato il pagamento si potrà consultare i file esclusivamente in formato .PDF accedendo alla propria Home Personale. Si potrà quindi procedere a salvare o stampare il file.
Maggiori informazioni
Ingiustamente snobbata durante le ricerche bibliografiche, una tesi di laurea si rivela decisamente utile:
  • perché affronta un singolo argomento in modo sintetico e specifico come altri testi non fanno;
  • perché è un lavoro originale che si basa su una ricerca bibliografica accurata;
  • perché, a differenza di altri materiali che puoi reperire online, una tesi di laurea è stata verificata da un docente universitario e dalla commissione in sede d'esame. La nostra redazione inoltre controlla prima della pubblicazione la completezza dei materiali e, dal 2009, anche l'originalità della tesi attraverso il software antiplagio Compilatio.net.
  • L'utilizzo della consultazione integrale della tesi da parte dell'Utente che ne acquista il diritto è da considerarsi esclusivamente privato.
  • Nel caso in cui l’utente che consulta la tesi volesse citarne alcune parti, dovrà inserire correttamente la fonte, come si cita un qualsiasi altro testo di riferimento bibliografico.
  • L'Utente è l'unico ed esclusivo responsabile del materiale di cui acquista il diritto alla consultazione. Si impegna a non divulgare a mezzo stampa, editoria in genere, televisione, radio, Internet e/o qualsiasi altro mezzo divulgativo esistente o che venisse inventato, il contenuto della tesi che consulta o stralci della medesima. Verrà perseguito legalmente nel caso di riproduzione totale e/o parziale su qualsiasi mezzo e/o su qualsiasi supporto, nel caso di divulgazione nonché nel caso di ricavo economico derivante dallo sfruttamento del diritto acquisito.
L'obiettivo di Tesionline è quello di rendere accessibile a una platea il più possibile vasta il patrimonio di cultura e conoscenza contenuto nelle tesi.
Per raggiungerlo, è fondamentale superare la barriera rappresentata dalla lingua. Ecco perché cerchiamo persone disponibili ad effettuare la traduzione delle tesi pubblicate nel nostro sito.

Scopri come funziona »

DUBBI? Contattaci

Contatta la redazione a
[email protected]

Ci trovi su Skype (redazione_tesi)
dalle 9:00 alle 13:00

Oppure vieni a trovarci su


Non hai trovato quello che cercavi?


Abbiamo più di 45.000 Tesi di Laurea: cerca nel nostro database

Oppure consulta la sezione dedicata ad appunti universitari selezionati e pubblicati dalla nostra redazione

Ottimizza la tua ricerca:

  • individua con precisione le parole chiave specifiche della tua ricerca
  • elimina i termini non significativi (aggettivi, articoli, avverbi...)
  • se non hai risultati amplia la ricerca con termini via via più generici (ad esempio da "anziano oncologico" a "paziente oncologico")
  • utilizza la ricerca avanzata
  • utilizza gli operatori booleani (and, or, "")

Idee per la tesi?

Scopri le migliori tesi scelte da noi sugli argomenti recenti


Come si scrive una tesi di laurea?


A quale cattedra chiedere la tesi? Quale sarà il docente più disponibile? Quale l'argomento più interessante per me? ...e quale quello più interessante per il mondo del lavoro?

Scarica gratuitamente la nostra guida "Come si scrive una tesi di laurea" e iscriviti alla newsletter per ricevere consigli e materiale utile.


La tesi l'ho già scritta,
ora cosa ne faccio?


La tua tesi ti ha aiutato ad ottenere quel sudato titolo di studio, ma può darti molto di più: ti differenzia dai tuoi colleghi universitari, mostra i tuoi interessi ed è un lavoro di ricerca unico, che può essere utile anche ad altri.

Il nostro consiglio è di non sprecare tutto questo lavoro:

È ora di pubblicare la tesi