مقاله شبیه سازی شده
کد پروژه: 1044
موضوع: کنترل فازی Fuzzy Control
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab + گزارش شبیه سازی Word
عنوان مقاله:
شبیه سازی کنترلر فازی سیستم گوی و میله
مقاله شبیه سازی شده
کد پروژه: 1027
موضوع: کنترل فازی Fuzzy Control
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab + گزارش شبیه سازی Word و فایل ارائه پاورپوینت PPT
عنوان مقاله:
تشخیص خودکار مراحل خواب انسان با استفاده از جدول جستجوی فازی
Address:civilica
خلاصه مقاله:
نياز به استفاده اهز روشي هوشمند در تشخيص خودكار مراحل خواب در بسياري از كاربردهاي روانشناسي و پزشكي اهميت ويژه اي دارد دراين تحقيق با پياده سازي جدول جستجوي فازي روشي جديد و با دقت بالا در تشخيص مراحل خواب ايجاد نموده ايم استخراج قوانين فازي با استفاده از ويژگيهايي كه از اسپكتروگرام داده هاي EEG,EOG بدست آمده و همچنين توجه به مرحله قبلي خواب، امكان تشخيص مراحل خواب را در داده هاي تست تا پيش از 96% بوجودآورده است ضمن آنكه تشخيص صورت گرفته در 100% موارد صحيح بوده است و اين بيشترين دقت در بين تحقيقات مشابه مي باشد.
كلمات كليدي:
تشخيص خودكار مراحل خواب، اسپكتروگرام، جدول جستجوي فازي
مقاله شبیه سازی شده
کد پروژه: 1026
موضوع: کنترل فازی Fuzzy Control
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab
عنوان مقاله:
Temperature prediction based on fuzzy clustering and fuzzy rules interpolation techniques
پیش بینی دمای هوا براساس خوشه بندی فازی و تکنیکهای درونیابی قواعد فازی
Address: ieeexplore
ABSTRACT
In this paper, we present a new method to deal with temperature prediction based on fuzzy clustering and fuzzy rules interpolation techniques. First, the proposed method constructs fuzzy rules from training samples based on the fuzzy C-Means clustering algorithm, where each fuzzy rule corresponds to a cluster and the linguistic terms appearing in the fuzzy rules are represented by triangular fuzzy sets. Then, it performs fuzzy inference based on the multiple fuzzy rules interpolation scheme, where it calculates the weight of each fuzzy rule with respect to the input observation based on the defuzzified values of triangular fuzzy sets. Finally, it uses the weight of each fuzzy rule to calculate the forecasted output. We also apply the proposed method to handle the temperature prediction problem. The experimental result shows that the proposed method gets higher average forecasting accuracy rates than Chen and Hwang's method.
مقاله شبیه سازی شده
کد پروژه: 1024
موضوع: کنترل فازی Fuzzy Control
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab +گزارش کامل از خلاصه ای از مقاله و نتایج شبیه سازی
عنوان مقاله:
Optimal Control with Fuzzy state space Modeling using Riccati Equation
دانلود: PDF
نام ژورنال یا کنفرانس مربوط به مقاله:
International Journal of Information and Electronics Engineering
Abstract
Fuzzy logic has a boon for nonlinear controlsystems. Normal fuzzy logic control with a proportional integral – Derivative (PID) controller is common. Controlsystems can be defined through transfer functions and state-space. relations for linear systems. Optimal control to meet aperformance index is possible only through State Spaceanalysis. Optimal control in state space is centered around theRiccati Equation with state variable functions that has to besolved to yield the control law or trajectory. In the controlscheme of an ozone generator, optimal control with aperformance index had to be implemented. The method forfinding the control functions by solving the equationgraphically is described. The data is used for realizing anembedded control scheme for the generator
Index Terms
Fuzzy control, neuro-fuzzy systems, fuzzysystem model, process control
مقاله شبیه سازی شده
کد پروژه: 1022
موضوع:کنترل فازی Fuzzy Control
شبیه سازی کنترلر فازی سیستم پاندول معکوس
شامل:فایل شبیه سازی با نرم افزار متلبMatlab و گزارش شبیه سازی Word
خلاصه:
سیستم پاندول معکوس که یکی از سیستمهای پایه برای مهندسی کنترل است را در نرم افزار متلب پیاده سازی کرده سپس توسط یک کنترلر فازی سیستم را کنترل کردیم.برای آزمایش پایداری سیستم یک اغتشاش به آن وارد کرده و مشاهده میکنیم که سیستم پایدار است.
مقاله شبیه سازی شده
کد پروژه: 1021
موضوع:کنترل فازی Fuzzy Control
شبیه سازی کنترلر فازی سیستم پاندول معکوس به همراه اغتشاش وبهبود پایداری سیستم
شامل:فایل شبیه سازی با نرم افزار متلبMatlab و گزارش شبیه سازی Word
خلاصه:
سیستم پاندول معکوس که یکی از سیستمهای پایه برای مهندسی کنترل است را در نرم افزار متلب پیاده سازی کرده سپس توسط یک کنترلر فازی سیستم را کنترل کردیم.برای آزمایش پایداری سیستم یک اغتشاش به آن وارد کرده و مشاهده میکنیم که سیستم پایدار است.
مقاله شبیه سازی شده
کد پروژه: 1061
موضوع: کنترل فازی Fuzzy Control – رباتیک Robotic
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab + گزارش شبیه سازی Word
عنوان مقاله:
A Fuzzy Control Based Robotic Fish with Multiple Actuators
Address: http://www.ijfs.org.tw/
File PDF: download
Abstract
This paper shows an application of fuzzy logic in designing and fabricating an intelligent robotic fish with multiple actuators which can swim freely and autonomously avoid obstacles in water. The multiple actuators on the robotic fish consist of two pectoral fins, one on each side of the fish, two tail sections, a center of gravity adjuster for the head of the fish, and a pump used to draw in or expel water. Based on the multiple actuators having adequate controls, the fish can swim forward, turn to the right, turn to the left, rise, and sink with high agility. The two main functions of the robotic fish are obstacle avoidance and target tracking. The distance between the fish and the obstacle is detected and measured by four infrared sensors on the fish’s body. The fish can then avoid the obstacle autonomously when it approaches the obstacle. Obstacle avoidance is achieved using fuzzy control technique. As shown in the simulation and practical experiment, the path of obstacle avoidance using fuzzy control is much smoother than that using intuitive control. The other function is target tracking, in which the robotic tracker fish can track the robotic target fish autonomously and due to the obstacle avoidance function the two will not collide. All of the above motion controls are implemented by FPGA with the aids of several sensors.
Keywords
Robotic fish, multiple actuators, fuzzy logic, obstacle avoidance, target tracking, FPGA.
چكيده
این مقاله یکی از کاربردهای منطق فازی را در طراحی یک ماهی رباتیک هوشمند با محرک های چندگانه معرفی مینماید، که می تواند به راحتی شنا نموده و از خطراتی که در آب وجود دارد کاملا مستقل عمل کند.محرک های موجود در ماهی شامل دوبال کناری در هریک از اطراف ماهی است به همراه دو قسمت دم ،مرکز ثقل برای سر ماهی ویک پمپ که برای کشیدن ویا بیرون ریختن آب استفاده می شود است .بر اساس کنترلهای مناسب این محرکها ،ماهی می تواند به سمت جلو حرکت نماید ، به راست ویا به سمت چپ بچرخد وبسیار سریع در آب فرو رود. دو تابع اصلی این ماهی اجتناب از برخورد با مانع و ردیابی هدف هستند.فاصله بین ماهی و مانع توسط چهار سنسور مادون قرمز تشخیص داده می شود.سپس ماهی می تواند از این مانع بگذرد. این حرکت توسط تکنیک کنترلی فازی انجام می گیرد.همان طور که در شبیه سازی نشان داده شده است ،مسیر این مانع با استفاده از کنترل فازی، بسیار راحت تر از کنترل واقعی خود ماهی تعیین می شود.تابع دیگر ، ردیابی هدف است که در آن ماهی می تواند به راحتی هدف را شناسایی کند و با توجه به تابع تعریف شده،مانع از برخورد با آن شود.تمام حرکت های کنترلی ذکر شده را می توان توسط FPGAوچند سنسور پیاده سازی نمود.
كلمات كليدي: ماهی رباتیک- محرک های چندگانه-منطق فازی-جلوگیری از برخورد با مانع- ردیابی هدف- FPGA
مقاله شبیه سازی شده
کد پروژه: 1056
موضوع: کنترل فازی Fuzzy Control و پردازش تصویر
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab + گزارش شبیه سازی Word و فایل ارائه پاورپوینت PPT
عنوان مقاله:
Fuzzy Logic Technique in Digital Images using Edge Detection
ABSTRACT
Image Edge detection significantly reduces the amount of data and filters out useless information, while preserving the important structural properties in an image. This paper presents a fuzzy rule base algorithm which is capable of detecting edges efficiently from the gray scale images. The following paper introduces such operators on hand of computer vision application. In the proposed algorithm, edginess at each pixel of a digital image is calculated using three 33 linear spatial filters i.e. low-pass, high-pass and edge enhancement (Sobel) filters through spatial convolution process. Finally We Have compared results of the proposed algorithm with other algorithms such as Sobel, Robert, and Prewitt. Experimental results show the ability and high performance of proposed algorithm.
Index terms
Edge Detection, Noise, Digital Image Processing, fuzzy logic, Mechanical parts, Measurement.
مقاله شبیه سازی شده
کد پروژه: 1029
موضوع: کنترل فازی Fuzzy Control و پردازش تصویر
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab + گزارش شبیه سازی Word و فایل ارائه پاورپوینت PPT
عنوان مقاله:
An Image Filter for Eliminating Impulse Noise Based on Type-2 Fuzzy Sets
حذف نویزازتصاویر توسط فیلترمبتنی بر مجموعه های فازی نوع -2
Address: ieeexplore
ABSTRACT
Large amount of information is random in image processing. To some extent, type-1 fuzzy sets can reduce the effect of uncertainties. Fuzzy sets theory can provide us with knowledge-based and robust tools for image processing. But there are many situations where it needs to be extended to type-2 fuzzy sets because it can also be difficult to determine the crisp membership function itself. By computing the fuzziness of the pixels' corrupted degree, a new image filter based on type-2 fuzzy sets for impulse noise is presented in this paper. Comparing with some other filters, this new filter is more effective. In the end, simulation results show that the new algorithm is feasible.
مقاله شبیه سازی شده
کد پروژه: 1028
موضوع: کنترل فازی Fuzzy Control
شامل:مقاله اصلی + فایل شبیه سازی با نرم افزار متلبMatlab + گزارش شبیه سازی Word و فایل ارائه پاورپوینت PPT
عنوان مقاله:
Fuzzy Logic Based Image Edge Detection Algorithm in MATLAB
الگوریتم تشخیص لبه تصویر مبتنی بر منطق فازی در MATLAB
Address: citeseerx
File PDF: download
E. K. Kaur, et al., "Fuzzy logic based image edge detection algorithm in MATLAB," International Journal of Computer Applications, vol. 1, pp. 55-58, 2010.
This paper reports the implementation, in MATLAB environment, of a very simple but efficient fuzzy logic based algorithm to detect the edges of an input image by scanning it throughout using a 2*2 pixel window. Also, a Graphical User Interface (GUI) in MATLAB has been designed to aid the loading of the image, and to display the resultant image at different intermediate levels of processing. Threshold level for the image can be set from the slider control of GUI. Fuzzy inference system designed has four inputs, which corresponds to four pixels of instantaneous scanning matrix, one output that tells whether the pixel under consideration is “black”, “white ” or “edge ” pixel. Rule base comprises of sixteen rules, which classify the target pixel. Algorithm for the noise removal has been implemented at different levels of processing. The resultant image from FIS is subjected to first and second derivative to trace the edges of the image and for their further refinement. The results of the implemented algorithm has been compared with the standard edge detection algorithm such as „Canny‟, „Sobel‟, „Prewit ‟ and „Roberts‟. Main feature of the algorithm is that it has been designed by the smallest possible mask i.e. 2*2 unlike 3*3 or bigger masks found in the literature.
Keywords
Fuzzy logic, Edge detection, digital image processing, feature extraction, noise removal, electronic vision, computer vision, comparison
چکیده
در این مقاله برای پیاده سازی در محیط MATLAB، از یک الگوریتم بسیار ساده اما کارآمد مبتنی بر منطق فازی برای تشخیص لبه تصویر ورودی از اسکن آن را در سراسر با استفاده از پنجره پیکسل 2×2 استفاده شده است. همچنین، یک رابط کاربری گرافیکی (GUI) در MATLAB طراحی شده است برای کمک به بارگذاری تصویر، و برای نشان دادن تصویر حاصل که در سطوح مختلف میانی پردازش شده است. سطح سقف برای تصویر را می توان از کنترل لغزشی GUI تنظیم کرد. سیستم استنتاج فازی طراحی شده دارای چهار ورودی ، که مربوط به چهار پیکسل از اسکن لحظه ماتریس، یک خروجی که می گوید که آیا پیکسل مورد نظر "سیاه و سفید"، "سفید" یا "لبه" پیکسل است. rule پایه شامل شانزده rules، که طبقه بندی پیکسل مورد نظر است، می باشد. الگوریتمی برای حذف نویز در سطوح مختلف از پردازش اجرا شده است.نتایج به دست آمده از الگوریتم اجرا شده است با الگوریتم تشخیص لبه استاندارد مانند 'Canny' ، 'Sobel' ، 'Prewit' و 'Roberts' مقایسه شده است. از ویژگی های اصلی این الگوریتم این است که براساس کوچکترین امکان پذیری ماسک یعنی 2 * 2 بر خلاف 3 * 3 و یا ماسک بزرگتر که در بقیه نوشته ها یافت می شود طراحی شده است.
کلید واژه ها
منطق فازی، تشخیص لبه، پردازش تصویر دیجیتال، استخراج ویژگی، حذف نویز، چشم انداز الکترونیکی، بینایی کامپیوتر، مقایسه
گروه فنی و مهندسی پندار