| Meaningful English Sentences

If u want the impossible event happens in your life, change your belief that it is impossible to happen

اگر میخواهی محال ترین اتفاق زندگیت رخ بدهد، باور محال بودنش را عوض کن

آخرین ویرایش: - -

سازمان بین‌المللی کار

سازمان بین‌المللی کار

International Labour Organization Organisation internationale du Travail Organización Internacional del Trabajo
نوع رکن	وابسته به سازمان ملل متحد
مخفف	ILO
رئیس	خوان سُماویا
وضعیت	فعال
تأسیس	۱۹۱۹
مقر اصلی	ژنو، سوئیس
وب‌گاه	ilo.org

سازمان بین‌المللی کار یکی از موسسات تخصصی سازمان ملل متحد است که به امور مربوط به کار و کارگران می‌پردازد. این سازمان در سال ۱۹۱۹ و در نتیجه بحث‌های کنفرانس صلح پاریس تأسیس شد. سازمان بین‌المللی کار در آغاز وابسته به جامعه ملل بود و پس از تأسیس سازمان ملل متحد از سازمان‌های وابسته به آن شد. منشور فعلی سازمان که به بیانیه فیلادلفیا معروف است در سال ۱۹۴۴ تصویب شد.

مقر این سازمان در شهر ژنو در کشور سوئیس است. سازمان هر سال در ماه خرداد کنفرانسی برگزار می‌کند.

تاریخچه تاسیس

سازمان بین‌المللی کار در سال ۱۹۱۹ پس از پایان جنگ جهانی اول در زمانی که کنفرانس صلح در کاخ ورسای بر پا بود، شکل گرفت. نیاز به پیدایش چنین سازمانی در قرن نوزدهم به وسیله دوتن از صنعتگران ولزی و فرانسوی یعنی رابرت اوون و دانیل لگراند مورد تأکید و پیگیری قرار گرفته بود. پس از آنکه طرح مذکور در خلال همکاری‌های بین‌المللی جهت تدوین قانون کارگران در سال ۱۹۰۱ در باسل مورد توجه قرار گرفت. سازمان ILO با هدف تدوین مقررات و قوانین بین‌المللی در جهت بهینه سازی استانداردهای بین‌المللی کار و حصول اطمینان از بکار گیری آنها متولد شد.قانون ILO در بین ماههای ژانویه و آوریل ۱۹۱۹ به وسیله کمیسیون کار در کنفرانس بین‌المللی صلح تدوین شد. این کمیسیون ترکیبی بود از نمایندگان ۹ کشور بلژیک، کوبا، چکسلواکی، فرانسه، ایتالیا، ژاپن، لهستان، بریتانیا، و ایالات متحده آمریکا که رهبری کمیسیون را ساموئل گامپرس، رئیس فدراسیون کارگری آمریکا (AFL ) بر عهده داشت. نتیجه این نشست بروز سازمان سه جانبه گرایی بود که تنها سازمانی بود که نمایندگان دولت، کارفرمایان و کارگران را در یک نقطه سامان می‌داد. قانون ILO فصل هشتم معاهده صلح ورسای است.

منابع

آخرین ویرایش: چهارشنبه 25 اردیبهشت 1392 01:51 ب.ظ

تعریف کار به روایت بانک مرکزی

تعریف کار به روایت بانک مرکزی

بازارکار - به اعتقاد بانک مرکزی کار حتما نباید به کسب درآمد نقدی منجر شود.

به گزارش خبرآنلاین، بانک مرکزی "کار" را این گونه تعریف کرده است:"هر فعالیت فکری یا بدنی که به منظور کسب درآمد(نقدی یا غیر نقدی) صورت پذیرد و هدف آن تولید کالا و یا ارایه خدمت باشد، کار محسوب می شود. فعالیت هایی نظیر خانه داری، تحصیل و ورزش غیرحرفه ای در این تعریف کار به حساب نمی آید."

آخرین ویرایش: - -

English for academic purposes

English for academic purposes (EAP) entails training students, usually in a higher education setting, to use language appropriately for study. It is a challenging and multi-faceted area within the wider field of English language learning and teaching (ELT), and is one of the most common forms of English for specific purposes (ESP).

An EAP program focuses instruction on skills required to perform in an English-speaking academic context across core subject areas generally encountered in a university setting. Programs may also include a more narrow focus on the more specific linguistic demands of a particular area of study, for example business subjects.^[1] Programs may be divided into pre-sessional courses and courses taken alongside students' other subjects. In the former case, sometimes EAP courses may be intended to raise students' general English levels so that they can enter university. In the UK, this often means endeavoring to help students get a score of 6 or above in the IELTS examination. In the US, this can mean helping students attain a score of 80 or greater on the TOEFL or more than 4 on the iTEP. Outside Anglophone countries, English-medium universities may have a preparatory school where students can spend a year or two working on their English and academic skills before starting degree courses. EAP courses running alongside other degree courses may be based on the American English and Composition model, or may employ Content-based instruction, either using material from the students' degree subjects or as an independent, elective-like course. These in-sessional courses may be desirable more to help students develop study skills and required academic practices than for language development.^[1]

In common with most language teaching, EAP instruction teaches vocabulary, grammar and the four skills (reading, writing, speaking - including pronunciation - and listening), but usually tries to tie these to the specific study needs of students; for example, a writing lesson would focus on writing essays rather than, say, business letters. Similarly, the vocabulary chosen for study tends to be based on academic texts. In addition, EAP practitioners often find that, either directly or indirectly, they are teaching study skills and often having to tackle differences in educational culture, such as differing attitudes to plagiarism.^[2] This trend has become more prominent as the numbers of foreign students attending UK universities, and other institutions across the Anglosphere, has increased over the last decade.

There is some debate amongst EAP teachers as to the best way to help students with academic English.^[1][3] On the one hand, students might be taught particular conventions but not expected to understand why they need to adapt their writing; a pragmatic approach. On the other hand students might be encouraged to challenge writing conventions and only adopt them if they seem justified; a critical approach.^[1][3] Recently attempts have been made to try and reconcile these opposing views. A critical pragmatic approach to EAP encourages students to develop writing conventions required by universities while also encouraging them to think about the reasons why these conventions exist.^[1][3]\]

آخرین ویرایش: - -

طراحی مسیر یا Path Planning با استفاده از PSO

فرض کنید که قرار است درجه حرارت یک محل را تنظیم کنیم، به نحوی که یک معیار (مثلا میزان مطرف انرژی) بهینه شود. اگر فقط تنظیم درجه حرارت در یک زمان به خصوص مد نظر باشد، مسأله چندان سخت نیست. اما اگر هدف ار حل مسأله، تنظیم درجه حرارت در تمام ساعات شبانه روز (بهتر است بگوییم در هر لحظه از شبانه روز) باشد، چه؟

این مسأله دارای بعد بینهایت است. زیرا ما باید درجه حرارت را برای هر لحظه از شبانه روز تعیین کنیم و می دانیم که تعداد این لحظات، بی نهایت است. البته فرض می کنیم که در این اطراف، کسی که به فیزیک کوانتومی معتقد است، حضور ندارد. (این جمله آخر چندان جدی نبود.)

مسأله طراحی مسیر حرکت یک روبات از یک مبدأ مشخص تا یک مقصد مشخص نیز، دارای بی نهایت متغیر مجهول است. زیرا در تمام بازه زمانی حرکت، قطعا این روبات در جایی از فضا حضور دارد و دارای مختصات است و هدف ما از حل مسأله، پیدا کردن مختصاتی برای روبات در تمام لحظات است، که اولا ما را از مبدأ مورد نظر تا مقصد مشخصی برساند، و ثانیا یک معیار (مثلا طول مسیر و یا انرژی مصرفی بریا حرکت) را بهینه کند. بسیاری از مسائلی که در حوزه مهندسی کنترل، روبانیک و مکاترونیک مطرح می شوند، دارای ابعاد بی نهایت هستند و باید به نحوی آن ها را تبدیل به مسائلی با بعد محدود کرد.

یکی از رویکردها برای حل چنین مسائلی، پارامتریزه کردن منحنی توصیف کننده مسیر و پیدا کردن مقادیر بهینه پارامترهای آن است. در این فیلم آموزشی، مسأله طراحی مسیر با استفاده از این تکنیک، و توسط الگوریتم PSO حل شده است. این روش می تواند برای سایر مسائل نیز مورد استفاده قرار بگیرد که نمونه ای از آن ها، در فیلم مورد اشاره قرار گرفته اند.

الگوریتم PSO یکی از مهم ترین الگوریتم های بهینه سازی هوشمند است که در حوزه هوش ازدحامی (Swarm Intelligence) جای می گیرد. این الگوریتم، توسط جیمز کندی و راسل سی ابرهارت در سال ۱۹۹۵ معرفی گردید، و با الهام از رفتار اجتماعی حیواناتی چون ماهی ها و پرندگان که در گروه هایی کوچک و بزرگ کنار هم زندگی می کنند، طراحی شده است. در الگوریتم PSO، اعضای جمعیت جواب ها، به صورت مستقیم با هم ارتباط دارند و از طریق تبادل اطلاعات با یکدیگر و یادآوری خاطرات خوب گذشته، به حل مسأله می پردازند. الگوریتم PSO برای انواع مسائل پیوسته و گسسته مناسب است و پاسخ های بسیار مناسبی برای مسائل بهینه سازی مختلف داده است.

اهم مطالب و سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:

• بیان چند نمونه از مسائلی که مجهول مورد سئوال در آن ها توابع هستند و بی نهایت متغیر دارند
  • تخمین تابع
  • طراحی مسیر انواع روبات
  • کنترل بهینه حلقه باز سیستم های دینامیکی
• شیوه های تبدیل مسائل دارای بعد بی نهایت به مسائل با بعد محدود
• بیان مسأله طراحی مسیر یا Path Planning
• ارائه راه حل برای مسأله طراحی مسیر به صورت اسپلاین
• شیوه تعریف اسپلاین در محیط متلب
• حل مسأله طراحی مسیر حرکت روبات با استفاده از الگوریتم PSO در محیط متلب
• اضافه کردن مانع به مدل مسأله طراحی مسیر
• نمایش گرافیکی نتایج حاصل از طراحی مسیر
• طرح پیشنهادهایی برای توسعه مسأله طراحی مسیر

آخرین ویرایش: - -

شناسایی سیستم های غیر خطی با استفاده از الگوریتم ژنتیک

به جرأت می توان گفت که یکی از مسائل مهم در تمامی رشته های علمی و مهندسی، مسأله مدل سازی است و در بسیاری از رشته ها، این مسأله مهم ترین مسأله ای است که در آن حوزه تعریف می شود. تبدیل داده های برگرفته از مشاهدات، به مدلی ریاضی که بتواند سیستم مورد مطالعه را توصیف نماید، گاهی اوقات بزرگترین هدفی است که یک محقق دارد. اگر هدف از مدل سازی، ایجاد یک مدل دینامیکی، به صورت مجموعه ای از معادلات دیفرانسیلی باشد، مسأله مدل سازی غالبا با نام شناسایی سیستم یا System Identification شناخته می شود. شناسایی سیستم مختص هیچ رشته خاصی نیست، اما اغلب مهندسین کنترل و ریاضی دان ها به کار توسعه الگوریتم ها و روش های شناسایی مبادرت می ورزند.

روش های مختلفی برای حل مسأله شناسایی سیستم و مدل سازی سیستم های دینامیکی به وجود آمده اند که در حوزه های مختلفی نظیر، مهندسی برق، مهندسی پزشکی، مهندسی مکانیک، مهندسی شیمی و فرآیند، اقتصاد، هواشناسی و کشاورزی کاربرد دارند.

الگوریتم ژنتیک (Genetic Algorithm) یا GA، به طور قطع شناخته شده ترین روش بهینه سازی هوشمند و الگوریتم تکاملی است، که کاربردهای فراوانی در رشته های مختلف علمی و مهندسی دارد. اهمیت این الگوریتم در محاسبات تکاملی و هوش محاسباتی به قدری است که اولین کلمه ای که پس از عبارت “الگوریتم تکاملی” به ذهن می رسد، الگوریتم ژنتیک است. در این پست قصد داریم فیلم جدیدی را معرفی نماییم، که در آن مسأله شناسایی سیستم غیرخطی به یک مسأله بهینه سازی تبدیل گردیده است و توسط الگوریتم ژنتیک پیوسته (عدد حقیقی) حل شده است.

سیستم دینامیکی غیر خطی که در این فیلم آموزشی مورد بررسی قرار گرفته است، مدل شکار و شکارچی یا Predator-Prey Model است. این مدل کاربردهای فراوانی در حوزه مهندسی زیست-پزشکی (Biomedical Engineering) و اقتصاد (Economics) دارد. مدل های دینامیکی توصیف کننده رفتار دینامیکی بیماری هایی نظیر ایدز، هپاتیت و سرطان از توسعه مدل شکار و شکارچی به دست آمده اند. برای توصیف بازار رقابتی و مدل سازی چرخه عرضه و تقاضا نیز از مدل شکار و شکارچی استفاده های فراوانی شده است.

آخرین ویرایش: - -

طراحی کنترل کننده PID با استفاده از الگوریتم های هوشمند

به جرأت می توان گفت که کنترل کننده تناسبی-انتگرالی-مشتقی یا به اختصار کنترل کننده PID، شناخته شده ترین مکانیزم کنترلی در میان سایر روش های کنترل می باشد. همچنین کنترل کننده PID پرکاربردترین کنترل کننده در صنعت است، تا جایی که اگر این کنترل کننده و خویشاوندان آن را، از صنعت کنونی حذف بکنیم، عملا بسیاری ار صنایع و کارخانه ها تعطیل خواهند شد.

درکنار قدرت، محبوبیت و سادگی این ساختار کنترلی، مشکلی وجود دارد که تا کنون راه حل دقیق و قطعی برای آن ارائه نشده است، و آن تعیین مقادیر مناسب ضرایب و ثوابت مربوط به این کنترل کننده است. هر چند روش های مختلفی برای حل این مشکل ارائه شده اند، اما تقریبا هیچ یک از روش های مذکور، دارای حوزه اثر کامل نیستند و نمی توان کارایی آن ها را در تمام موارد، تضمین کرد.

قدرت نهفته در ساختار الگوریتم های بهینه سازی هوشمند، می تواند به عنوان راه چاره ای برای تعیین ضرایب کنترل کننده PID در نظر گرفته شود. تا کنون در مقالات و کتاب های مختلف، از الگوریتم های بهینه سازی هوشمند (مانند الگوریتم ژنتیک و الگوریتم PSO) برای تنظیم کنترل کننده PID استفاده شده است. گروه آموزشی-پژوهشی فیلم آموزشی کاملی در خصوص تنظیم ضرایب کنترل کننده PID با استفاده از الگوریتم های هوشمند تهیه نموده است، که به دانشجویان، محققین و مهندسین عزیز تقدیم می نماید. در این فیلم آموزشی از چهار الگوریتم بهینه سازی هوشمند، برای طراحی کنترل کننده PID استفاده شده است، که عبارتند از:

• الگوریتم ژنتیک یا GA
• الگوریتم بهینه سازی ازدحام ذرات یا PSO
• الگوریتم تکامل تفاضلی یا DE
• الگوریتم رقابت استعماری یا ICA

در این فیلم آموزشی، که محتوای آن به صورت کاملا عملی و به زبان فارسی روان تهیه شده است، با استفاده از برخی توابع موجود در جعبه ابزار سیستم های کنترل (Control System Toolbox) از نرم افزار متلب (MATLAB)، و یاری گرفتن از کدهای الگوریتم های بهینه سازی مذکور، برنامه هایی برای طراحی کنترل کننده PID برای سیستم های خطی پیاده سازی شده است. در طراحی کنترل کننده PID از خواص پاسخ پله سیستم حلقه بسته (مانند زمان نشست یا Settling Time و درصد فراجهش یا Overshoot) استفاده شده است. همچنین از موقعیت قطب های سیستم حلقه بسته نیز در ارزیابی کیفیت کنترل کننده PID بهره گرفته شده است.

آخرین ویرایش: - -

Quadratic form

material may be challenged and removed. (March 2012)

In mathematics, a quadratic form is a homogeneous polynomial of degree two in a number of variables. For example,

is a quadratic form in the variables x and y.

Quadratic forms occupy a central place in various branches of mathematics, including number theory, linear algebra, group theory (orthogonal group), differential geometry (Riemannian metric), differential topology (intersection forms of four-manifolds), and Lie theory (the Killing form).

Contents [hide] 1 Introduction 2 History 3 Real quadratic forms 4 Definitions 4.1 Quadratic spaces 4.2 Further definitions 5 Equivalence of forms 6 Geometric meaning 7 Integral quadratic forms 7.1 Historical use 7.2 Universal quadratic forms 8 See also 9 Notes 10 References 11 Further reading 12 External links

[edit] Introduction

Quadratic forms are homogeneous quadratic polynomials in n variables. In the cases of one, two, and three variables they are called unary, binary, and ternary and have the following explicit form:

where a, ..., f are the coefficients.^[1] Note that quadratic functions, such as ax² + bx + c in the one variable case, are not quadratic forms, as they are typically not homogeneous (unless b and c are both 0).

The theory of quadratic forms and methods used in their study depend in a large measure on the nature of the coefficients, which may be real or complex numbers, rational numbers, or integers. In linear algebra, analytic geometry, and in the majority of applications of quadratic forms, the coefficients are real or complex numbers. In the algebraic theory of quadratic forms, the coefficients are elements of a certain field. In the arithmetic theory of quadratic forms, the coefficients belong to a fixed commutative ring, frequently the integers Z or the p-adic integers Z_p.^[2] Binary quadratic forms have been extensively studied in number theory, in particular, in the theory of quadratic fields, continued fractions, and modular forms. The theory of integral quadratic forms in n variables has important applications to algebraic topology.

Using homogeneous coordinates, a non-zero quadratic form in n variables defines an (n−2)-dimensional quadric in the (n−1)-dimensional projective space. This is a basic construction in projective geometry. In this way one may visualize 3-dimensional real quadratic forms as conic sections.

A closely related notion with geometric overtones is a quadratic space, which is a pair (V,q), with V a vector space over a field K, and q: V → K a quadratic form on V. An example is given by the three-dimensional Euclidean space and the square of the Euclidean norm expressing the distance between a point with coordinates (x,y,z) and the origin:

[edit] History

The study of particular quadratic forms, in particular the question of whether a given integer can be the value of a quadratic form over the integers, dates back many centuries. One such case is Fermat's theorem on sums of two squares, which determines when an integer may be expressed in the form x² + y², where x, y are integers. This problem is related to the problem of finding Pythagorean triples, which appeared in the second millennium B.C.^[3]

In 628, the Indian mathematician Brahmagupta wrote Brahmasphutasiddhanta which includes, among many other things, a study of equations of the form x² − ny² = c. In particular he considered what is now called Pell's equation, x² − ny² = 1, and found a method for its solution.^[4] In Europe this problem was studied by Brouncker, Euler and Lagrange.

In 1801 Gauss published Disquisitiones Arithmeticae, a major portion of which was devoted to a complete theory of binary quadratic forms over the integers. Since then, the concept has been generalized, and the connections with quadratic number fields, the modular group, and other areas of mathematics have been further elucidated.

[edit] Real quadratic forms

See also: Sylvester's law of inertia and Definite form

Any n×n real symmetric matrix A determines a quadratic form q_A in n variables by the formula

Conversely, given a quadratic form in n variables, its coefficients can be arranged into an n×n symmetric matrix. One of the most important questions in the theory of quadratic forms is how much can one simplify a quadratic form q by a homogeneous linear change of variables. A fundamental theorem due to Jacobi asserts that q can be brought to a diagonal form

so that the corresponding symmetric matrix is diagonal, and this is even possible to accomplish with a change of variables given by an orthogonal matrix – in this case the coefficients λ₁, λ₂, …, λ_n are in fact determined uniquely up to a permutation. If the change of variables is given by an invertible matrix, not necessarily orthogonal, then the coefficients λ_i can be made to be 0,1, and −1. Sylvester's law of inertia states that the numbers of 1 and −1 are invariants of the quadratic form, in the sense that any other diagonalization will contain the same number of each. The signature of the quadratic form is the triple (n₀, n₊, n₋) where n₀ is the number 0s and n_± is the number of ±1s. Sylvester's law of inertia shows that this is a well-defined quantity attached to the quadratic form. The case when all λ_i have the same sign is especially important: in this case the quadratic form is called positive definite (all 1) or negative definite (all −1); if none of the terms are 0 then the form is called nondegenerate; this includes positive definite, negative definite, and indefinite (a mix of 1 and −1); equivalently, a nondegenerate quadratic form is one whose associated symmetric form is a nondegenerate bilinear form. A real vector space with an indefinite nondegenerate quadratic form of index (p, q) (p 1s, q −1s) is often denoted as R^p,q particularly in the physical theory of space-time.

The discriminant of a quadratic form, concretely the class of the determinant of a representing matrix in K/(K*)² (up to non-zero squares) can also be defined, and for a real quadratic form is a cruder invariant than signature, taking values of only “positive, zero, or negative”. Zero corresponds to degenerate, while for a non-degenerate form it is the parity of the number of negative coefficients,

These results are reformulated in a different way below.

Let q be a quadratic form defined on an n-dimensional real vector space. Let A be the matrix of the quadratic form q in a given basis. This means that A is a symmetric n×n matrix such that

where x is the column vector of coordinates of v in the chosen basis. Under a change of basis, the column x is multiplied on the left by an n×n invertible matrix S, and the symmetric square matrix A is transformed into another symmetric square matrix B of the same size according to the formula

Any symmetric matrix A can be transformed into a diagonal matrix

by a suitable choice of an orthogonal matrix S, and the diagonal entries of B are uniquely determined — this is Jacobi's theorem. If S is allowed to be any invertible matrix then B can be made to have only 0,1, and −1 on the diagonal, and the number of the entries of each type (n₀ for 0, n₊ for 1, and n₋ for −1) depends only on A. This is one of the formulations of Sylvester's law of inertia and the numbers n₊ and n₋ are called the positive and negative indices of inertia. Although their definition involved a choice of basis and consideration of the corresponding real symmetric matrix A, Sylvester's law of inertia means that they are invariants of the quadratic form q.

The quadratic form q is positive definite (resp., negative definite) if q(v) > 0 (resp., q(v) < 0) for every nonzero vector v.^[5] When q(v) assumes both positive and negative values, q is an indefinite quadratic form. The theorems of Jacobi and Sylvester show that any positive definite quadratic form in n variables can be brought to the sum of n squares by a suitable invertible linear transformation: geometrically, there is only one positive definite real quadratic form of every dimension. Its isometry group is a compact orthogonal group O(n). This stands in contrast with the case of indefinite forms, when the corresponding group, the indefinite orthogonal group O(p, q), is non-compact. Further, the isometry groups of Q and −Q are the same (O(p, q) ≈ O(q, p)), but the associated Clifford algebras (and hence Pin groups) are different.

[edit] Definitions

An n-ary quadratic form over a field K is a homogeneous polynomial of degree 2 in n variables with coefficients in K:

This formula may be rewritten using matrices: let x be the column vector with components x₁, ..., x_n and A = (a_ij) be the n×n matrix over K whose entries are the coefficients of q. Then

Two n-ary quadratic forms φ and ψ over K are equivalent if there exists a nonsingular linear transformation C ∈ GL(n, K) such that

Let us assume that the characteristic of K is different from 2. (The theory of quadratic forms over a field of characteristic 2 has important differences and many definitions and theorems have to be modified.) The coefficient matrix A of q may be replaced by the symmetric matrix (A + A^T)/2 with the same quadratic form, so it may be assumed from the outset that A is symmetric. Moreover, a symmetric matrix A is uniquely determined by the corresponding quadratic form. Under an equivalence C, the symmetric matrix A of φ and the symmetric matrix B of ψ are related as follows:

The associated bilinear form of a quadratic form q is defined by

Thus, b_q is a symmetric bilinear form over K with matrix A. Conversely, any symmetric bilinear form b defines a quadratic form

and these two processes are the inverses of one another. As a consequence, over a field of characteristic not equal to 2, the theories of symmetric bilinear forms and of quadratic forms in n variables are essentially the same.

[edit] Quadratic spaces

A quadratic form q in n variables over K induces a map from the n-dimensional coordinate space Kⁿ into K:

The map Q is a quadratic map, which means that it has the properties:

• For all a in K and v in V:

• When the characteristic of K is not two, the map B_Q: V×V → K defined below is bilinear over K:

This bilinear form B_Q has the special property that B(x, x) = Q(x) for all x in V. When the characteristic of K is two so that 2 is not a unit, it is still possible to use a quadratic form to define a bilinear form B(x,y) = Q(x+y) − Q(x) − Q(y). However, Q(x) can no longer be recovered from this B in the same way, since B(x, x) = 0 for all x.

The pair (V, Q) consisting of a finite-dimensional vector space V over K and a quadratic map from V to K is called a quadratic space and B_Q is the associated bilinear form of Q. The notion of a quadratic space is a coordinate-free version of the notion of quadratic form. Sometimes, Q is also called a quadratic form.

Two n-dimensional quadratic spaces (V, Q) and (V ′, Q ′) are isometric if there exists an invertible linear transformation T: V →V ′ (isometry) such that

The isometry classes of n-dimensional quadratic spaces over K correspond to the equivalence classes of n-ary quadratic forms over K.

[edit] Further definitions

See also: Isotropic quadratic form

Two elements v and w of V are called orthogonal if B(v,w) = 0. The kernel of a bilinear form B consists of the elements that are orthogonal to all elements of V. Q is non-singular if the kernel of its associated bilinear form is 0. If there exists a non-zero v in V such that Q(v) = 0, the quadratic form Q is isotropic, otherwise it is anisotropic. This terminology also applies to vectors and subspaces of a quadratic space. If the restriction of Q to a subspace U of V is identically zero, U is totally singular.

The orthogonal group of a non-singular quadratic form Q is the group of the linear automorphisms of V that preserve Q, i.e. the group of isometries of (V, Q) into itself.

[edit] Equivalence of forms

Every quadratic form q in n variables over a field of characteristic not equal to 2 is equivalent to a diagonal form

Such a diagonal form is often denoted by

Classification of all quadratic forms up to equivalence can thus be reduced to the case of diagonal forms.

[edit] Geometric meaning

Using Cartesian coordinates in three dimensions, let , and let be a symmetric 3-by-3 matrix. Then the geometric nature of the [[soluti>on set]] of the equation depends on the eigenvalues of the matrix .

If all eigenvalues of are non-zero, then the solution set is an ellipsoid or a hyperboloid. If all the eigenvalues are positive, then it is an ellipsoid; if all the eigenvalues are negative, then it is an imaginary ellipsoid (we get the equation of an ellipsoid but with imaginary radii); if some eigenvalues are positive and some are negative, then it is a hyperboloid.

If there exist one or more eigenvalues , then the shape depends on the corresponding . If the corresponding , then the solution set is a paraboloid (either elliptic or hyperbolic); if the corresponding , then the dimension degenerates and does not get into play, and the geometric meaning will be determined by other eigenvalues and other components of . When the solution set is a paraboloid, whether it is elliptic or hyperbolic is determined by whether all other non-zero eigenvalues are of the same sign: if they are, then it is elliptic; otherwise, it is hyperbolic.

[edit] Integral quadratic forms

Quadratic forms over the ring of integers are called integral quadratic forms, whereas the corresponding modules are quadratic lattices (sometimes, simply lattices). They play an important role in number theory and topology.

An integral quadratic form has integer coefficients, such as x² + xy + y²; equivalently, given a lattice Λ in a vector space V (over a field with characteristic 0, such as Q or R), a quadratic form Q is integral with respect to Λ if and only if it is integer-valued on Λ, meaning Q(x,y) ∈ Z if x,y ∈ Λ.

This is the current use of the term; in the past it was sometimes used differently, as detailed below.

[edit] Historical use

Historically there was some confusion and controversy over whether the notion of integral quadratic form should mean:

twos in

the quadratic form associated to a symmetric matrix with integer coefficients

twos out

a polynomial with integer coefficients (so the associated symmetric matrix may have half-integer coefficients off the diagonal)

This debate was due to the confusion of quadratic forms (represented by polynomials) and symmetric bilinear forms (represented by matrices), and "twos out" is now the accepted convention; "twos in" is instead the theory of integral symmetric bilinear forms (integral symmetric matrices).

In "twos in", binary quadratic forms are of the form , represented by the symmetric matrix

this is the convention Gauss uses in Disquisitiones Arithmeticae.

In "twos out", binary quadratic forms are of the form , represented by the symmetric matrix

Several points of view mean that twos out has been adopted as the standard convention. Those include:

• better understanding of the 2-adic theory of quadratic forms, the 'local' source of the difficulty;
• the lattice point of view, which was generally adopted by the experts in the arithmetic of quadratic forms during the 1950s;
• the actual needs for integral quadratic form theory in topology for intersection theory;
• the Lie group and algebraic group aspects.

[edit] Universal quadratic forms

An integral quadratic form whose image consists of all the positive integers is sometimes called universal. Lagrange's four-square theorem shows that is universal. Ramanujan generalized this to and found 54 {a,b,c,d} such that it can generate all positive integers, namely,

{1,1,1,d}, 1 ≤ d ≤ 7

{1,1,2,d}, 2 ≤ d ≤ 14

{1,1,3,d}, 3 ≤ d ≤ 6

{1,2,2,d}, 2 ≤ d ≤ 7

{1,2,3,d}, 3 ≤ d ≤ 10

{1,2,4,d}, 4 ≤ d ≤ 14

{1,2,5,d}, 6 ≤ d ≤ 10

There are also forms whose image consists of all but one of the positive integers. For example, {1,2,5,5} has 15 as the exception. Recently, the 15 and 290 theorems have completely characterized universal integral quadratic forms: if all coefficients are integers, then it represents all positive integers if and only if it represents all integers up through 290; if it has an integral matrix, it represents all positive integers if and only if it represents all integers up through 15.

[edit] See also

• ε-quadratic form
• Quadratic form (statistics)
• Discriminant of a quadratic form
• Cubic form
• Witt group
• Witt's theorem
• Hasse–Minkowski theorem
• Orthogonal group
• Square class
• Ramanujan's ternary quadratic form

آخرین ویرایش: چهارشنبه 18 اردیبهشت 1392 11:00 ب.ظ

موتور جستجوگر گوگل اسکولار (جستجوی منابع علمی و دانلود مقالات و منابع رایگان)

گوگل اسکالِر (Google Scholar)‏ جستجوگری از شرکت گوگل است که امکان جستجوی واژه‌های کلیدی در مقاله‌ها، رساله‌های علمی و گزارش‌های فنی را فراهم می‌کند. کلیه منابع مربوط به رشته‌های مختلف دانشگاهی از علوم پزشکی و فیزیک گرفته تا علوم مهندسی و اقتصاد در حوزه جستجوی این ابزار رایگان قرار می‌گیرد. نتایج جستجو براساس میزان ارتباط با واژه جستجو شده فهرست می‌شود. بر خلاف موتور جست‌وجوی همگانی گوگل، در گوگل اسکالر مرتب کردن یافته‌ها بر اساس میزان ارجاع به آن توسط دیگر مولفان است و نه صرفا دفعات بازدید یا پیوند به آن در اینترنت.

با این موتور جوستجوگر می‌توانید در منابع دانشگاهی و پژوهشی شامل مقالات، رساله‌های دانشگاهی، کتاب‌ها، چکیده‌ها و متون حقوقی و قضایی به جست‌وجو بپردازید. منابع جست‌وجو شونده از پایگاه‌های ناشران دانشگاهی، انجمن‌های علمی، گنجینه‌های برخط، دانشگاه‌ها و دیگر پایگاه‌های علمی و پژوهشی خواهد بود. گوگل اسکالر به شما کمک می‌کند که از یک جای مناسب در میان جهانی از پژوهش‌های دانشگاهی و سازمانی به جست‌وجو بپردازید و به اطلاعات مرتبط با زمینهٔ کاری خود دست یابید.

ویژگی های استفاده از این سرویس

• جستجو منابع گوناگون از محلهای مناسب
• جستجوی ساده مقالات ، چکیده و استناد
• استخراج مقالات کلیدی در هر عرصه پژوهش

این سرویس توان‌مندی‌های گوناگونی را در اختیار کاربران ارائه می‌دهد که می‌توان به موارد زیر اشاره کرد

• امکان جست‌وجوی مقاله‌ها بر حسب سال انتشار
• مشاهدهٔ ارجاع‌ها و جست‌وجو براساس آن
• امکان مشاهدهٔ شمار ارجاع‌ها
• یافتن نسخه‌های گوناگون مقاله در اینترنت
• امکان ارائهٔ ارجاع قالب‌بندی شدهٔ مقاله با فرمت‌های گوناگون
• نمایش اطلاعات نویسندگان و پژوهش‌گران برتر.

به منظور استفاده از این سرویس جستجوگر به آدرس زیر مراجعه کنید. در صورت در دسترس بودن رایگان آن منبع، لینک دانلود آن در کنار آدرس منبع قرار خواهد گرفت

http://scholar.google.com/

 

 

سرویس دانلود رایگان مقاله

 

اعضاء محترم هیئت علمی، مدرسین، محققین، و دانشجویان گرامی

با احترام، یك وب‌سایت بسیار خوب به نشانی زیر:

http://paperdl.com/

كه جهت دسترسی راحت و پیوسته و رایگان به منابع پایگاه‌های‌ Science Direct، IEEE، وSpringer بسیار ارزشمند است معرفی می‌گردد. از دوستان و همكاران تقاضا میشود مطابق دستورالعمل از آن استفاده كنند. جهت استفاده از این سایت، مسیر ساده زیر را طی نمایید.

1. وارد سایت شده و در آن عضو شوید (عضویت كاملاً مجانی است).
2. با نام كاربری (فقط حروف لاتین) و كلمه عبور كه به ایمیل شما ارسال می شود لاگین شوید.
3. لینك مقاله‌هایی را كه می‌خواهید دانلود كنید در قسمت سرچ این سایت وارد كنید.
4. مقاله خود را كه اكنون آماده شده بردارید.

• توجه: فقط بصورت غیر دانشجویی عضو شوید و این کار را در خانه انجام دهید! چون این یسیتم به شدت به پروکسی حساس است پس از هر خط اینترنت فقط یک نفر می تواند عضو شود! از فیلتر شکن استفاده نکنید! چند تا ایمیل هم نسازید!
• توجه: در هر 30 ساعت فقط میتوانید 2 مقاله دانلود نمایید.

 

به منظور دریافت کتابهای مورد نیاز به آدرس سایتهای زیر مراجعه کنید

http://en.bookfi.org

آخرین ویرایش: چهارشنبه 18 اردیبهشت 1392 02:53 ب.ظ

چرا کنترل مدرن؟

روشهای کنترل کلاسیک (سنتی) بر اساس رابطه ورودی-خروجی و طبق تابع تبدیل در حوزه لاپلاس بنا نهاده شده اند. مدل تابع تبدیل بخوبی قادر است رفتار ورودی-خروجی (توصیف خارجی) سیستمهای تک ورودی تک خروجی مرتبه پایین را تشریح کند. تئوری های مربوط به کنترل کلاسیک توانسته بطور گسترده ای در بسیاری از سیستم های کنترل صنعتی بکار برده شوند اما استفاده از این روشها در بسیاری از سیستمها از جمله، سیستمهای چند ورودی چند خروجی و سیستمهای مرتبه بالا باعث پیچیدگی زیادی میشود. به منظور تجزیه و تحلیل دقیق رفتاری سیستمهای پیچیده و طراحی سیستمهای کنترل پیشرفته با عملکرد بهتر و بهینه تر نیاز است مدلهای ریاضی جامع تر و دقیق تری در مقایسه با مدل تابع تبدیل مورد استفاده قرار گیرد. اساس روشهای کنترل مدرن بر پایه روشهای فضای حالت است. مدلسازی سیستمها در فضای حالت علاوه بر توصیف رفتار ورودی-خروجی (توصیف خارجی) قادر است توصیفی از رفتار متغیرهای حالت دینامیک داخلی سیستم (توصیف داخلی) را ارائه دهد. بر اساس توصیف فضای حالت میتوان تصویر کاملی از ساختار داخلی سیستم را بدست آورد و چگونگی ارتباط و وابستگی سیگنالهای ورودی، متغیرهای حالت و سیگنالهای خروجی را درک کرد. در بازنویسی مدل ریاضی سیستم در فضای حالت، سیستم مرتبه n، تک ورودی تک خروجی به صورت یک دسته از n معادله دیفرانسیل مرتبه اول بازنویسی میشود. نمایش سیستمها در فضای حالت میتواند توصیف ریاضی سیستمهای مرتبه بالا و همچنین سیستمهای چند ورودی چند خروجی را بسیار ساده کند. در این درس عمدتا سیستمهای خطی نامتغیر با زمان مورد بحث قرار میگیرند و بصورت کلی به فرم بردای مطابق معادله زیر نمایش داده میشوند. شامل دو معادله است که معادله اول را معادله حالت و معادله دوم را معادله خروجی سیستم گویند.

dX/dt = A.X+B.u
y = C.X+D.u

در مطالعات سیستمی در فضای حالت، نیازمند استفاده از ریاضیات جبر خطی هستیم و درک دقیق مفاهیم و قضایای جبر خطی یکی از ابزارهای اصلی محسوب میشود. لذا دانشجویان عزیز بایستی قبل از این با این مفاهیم و قضایا آشنایی کامل داشته باشند بدین منظور مروری بر این مفاهیم انجام خواهد شد

سرفصل کنترل مدرن

• معرفی سیستم های استاتیکی و دینامیکی
• مروری بر تئوری های کنترل کلاسیک و بیان ضعف های آن
• نمایش سیستمهای غیرخطی در فضای حالت، خطی سازی و استخراج تقریب خطی آنها.
• نمایش سیستمهای خطی در فضای حالت و حل معادلات آنها.
• آشنایی با مفاهیم جبر خطی، تبدیلهای همانندی و استفاده آنها در تحلیل سیستمی.
• تعریف کنترل پذیری، معرفی ماتریس کنترل پذیری و تجزیه سیستمهای کنترل ناپذیر.
• تعریف رؤیت پذیری، معرفی ماتریس رؤیت پذیری و تجزیه سیستمهای رؤیت ناپذیر.
• کنترل پذیری و رؤیت پذیری سیستمهای به هم پیوسته موازی، سری و اتصال فیدبکی.
• تئوری های تحقق.
• تعریف پایداری و روشهای تحلیل پایداری.
• سیستمهای کنترل خطی فیدبک حالت.
• طراحی رؤیتگرهای خطی.
• طراحی سیستمهای فیدبک حالت همراه با رؤیتگر.
• سیستمهای کنترل بهینه و معرفی فیلتر کالمن (رؤیتگر بهینه)

منابع

• علی خاكی صدیق، اصول كنترل مدرن، انتشارات دانشگاه تهران
• حمید رضا تقی راد، مقدمه ای بر كنترل مدرن، انتشارات دانشگاه صنعتی خواجه نصیرالدین طوسی،
• Linear System Theory and Design, C. T. Chen, Oxford University Press, 3rd edition, 1999

 

موضوعات پروژه ها

• Wind Turbine Generator (Wind Power Generator).
• Fuel Cell System.
• Waste-to-Energy Plants.
• Dual Stator Induction Generator.
• Induction Furnace.
• Hydropower Generator.
• Marine Current Generator.
• Doubly Fed Induction Generator.
• Stand-alone Self-excited Induction Generator.
• Francis Hydro-Turbine generator Set (FTGS).
• Magnetic Levitation Wind Turbine.
• Solar Power Generator.
• Brushless Doubly-Fed Generator.
• Three Phase Asynchronous Induction Motor (Vector control).
• Single-phase induction motor

آخرین ویرایش: - -

طرحی فلسفی از ماهیت فیدبک مثبت در سیستم های کنترل اتوماتیک

چکیده:

فیدبک به مثابهء یک سنخ مکانیسم مهار ، در بسیاری از سیستم‌ها، از جمله در سیستم‌های مکانیکی، الکتریکی، بیولوژیکی و حرارتی و برودتی کاربرد دارد. در عمل، هیچ سیستم کنترلی با فیدبک مثبت نمی‌تواند برای مدت طولانی پایدار بماند. ادامه فرایند فیدبک مثبت تقریباً همواره به انفجار یا فروپاشی سیستم ختم می‌شود. با این حال این امکان وجود دارد که فیدبک مثبت بخشی از یک فرایند جامع فیدبک منفی بوده و در نهایت منجر به تعادل سیستم گردد. در این مقاله یک طرح فلسفی از ماهیت و چند و چون فرایندهای مبتنی بر فیدبک مثبت و منفی ارائه میگردد و پیرامون علّت بروز خود فرایندهای مبتنی بر فیدبک بحث خواهیم کرد.

کلمات کلیدی : فیدبک منفی (negative feedback)، سیستم های دینامیک(dynamic Systems)، سیستم حلقه باز (open loop)، سیستم حلقه بسته (closed loop)، چرخهء معیوب (Vicious cycle)

فیدبک(1) به عبارتی به مفهوم بازگرداندن بخشی از خروجی یک سیستم و ترکیب آن با ورودی به منظور کنترل خروجی می‌باشد .کلمه فیدبک یا بازخوران به معنی روشی برای کنترل سیستم، بوسیله وارد کردن مجدد نتایج عملکرد گذشته به داخل سیستم است. استفاده از فیدبک در ماشین بخار به قرن نوزدهم میلادی برمی گردد و بکارگیری فیدبک در سیستم‌های حرارتی و برودتی با نصب ترموستات، امروزه بسیار متداول است. همچنین در بدن انسان، فیدبک نقش عمده ای در تنظیم دما و کنترل ترشح داخلی غدد ایفا می کند. از آنجائی که بدن انسان یک سیستم هموستاز (خود پایدار) بوده ، فیدبک مثبت موجب ناپایداری بیشتر این سیستم و در نتیجه بروز مرگ و فروپاشی سیستم می‌گردد امّا فرایند فیدبک منفی (2) در سیستم از اطلاعات برای کنترل تغییر رخ داده شده استفاده می کند و مانند کنترل دمای بدن، منجر به حفظ وضعیت تعادل میشود. اکوسیستم‌های مالی، نهادهای سیاسی، رسانه‌ها، اقتصاد به معنای عام‌، تغییرات اجتماعی و …نیز از این قاعده مستثنی نیستند. افزایش(کاهش) در یک متغیر، بعد از یک تأخیر باعث افزایش(کاهش) همان متغیر می شود. به عنوان مثال به سپرده های بانکی سود بانکی تعلق می گیرد که به افزایش میزان سپرده بانکی منجر می شود، و این امربه نوبه خود به افزایش سود بانکی می انجامد و دور مزبور به طور متناوب تکرار میشود و اصطلاحاً روی مدار فیدبک مثبت می افتد.

سیستم های دینامیک را به طور کلّی می توان در سه حالت تحلیل نمود. نخست سیستم حلقه باز (4) که عبارتست از زنجیره ای ساده متشکل از عناصری که با هم بستگی علّی دارند. به عنوان مثال وقتی که دمای هوا کاهش می یابد مردم لباس گرم می پوشند، اما پوشیدن لباس گرم تاثیری بر دمای اتاق ندارد. در این مدل ، خروجی هیچ نقش و تاثیری در ورودی سیستم بازی نمی کند.

دوم کنترل پیشخور (5) که موضوع بحث ما نیست و دست آخر سیستم حلقه بسته (6)یا فیدبکی که عبارتست از زنجیره ای دوری از علت و معلولها که بر هم تأثیر متقابل دارند. فرایندهای فیدبکی در تحلیلهای مبتنی بر سیستم های دینامیک اهمیت محوری دارند. بعنوان مثال دو متغیّرجمعیت بزرگسالان و نوزادان، حلقه بسته ای با فیدبک مثبت ایجاد می کند بطوریکه با فرض ثابت بودن نرخ زاد و ولد و بالاتر بودن آن از نرخ مرگ و میر، نوزادان پس از چند سال (تاخیر سیستم ) خود بزرگسال شده و بر جمعیت بزرگسال می افزایند و همین امر تعداد نوزادان را زیاد می کند و پس یک تاخیر زمانی، دور فوق طور متناوب تکرار می گردد. در یک جمع بندی کلّی باید گفت حلقه های با فیدبک مثبت سیستم را به سمت ناپایداری و حلقه های فیدبک منفی سیستم را به سمت پایداری می برد.

مثال کلاسیک در این مورد کارکرد فیدبک در سیستم کنترلی بدن انسان، تنظیم درجه حرارت بدن است . بدن انسان دارای هزاران سیستم کنترلی است . بسیاری از سیستمهای کنترلی در داخل اندامها عمل کرده سپس توسط سیستم عصبی و هورمونی ارتباطی بین قسمتهای مختلف بدن بر قرار می گیرد زیرا جهت برقراری هومئوستازی ارتباط اندامهای مختلف در هماهنگی فعالیت تمام سلولها ضروری است. هنگامی که فردی در یک روز آفتابی از خانه خارج می شود زمانی که احساس گرما می کند این افزایش دما ادراک گیرنده های حسی او را تحت تاثیر قرار می دهد( داده ورودی) . اگر انسان همچنان زیر آفتاب بماند بدن واکنش فیزیولوژیک نشان میدهد به این معنی که منافذ پوست باز شده و از طریق ترشح و تبخیر عرق خنک خواهد شد، به علاوه واکنش رفتاری نیز تغییر میکند و به سایه پناه می برد و بدن خنک می شود این نمونه مثالی از فیدبک منفی است که در آن واکنش سیستم در جهت عکس روند خروجی است که در این مثال افزایش دمای بدن که به عنوان ورودی بود باعث تغییر در سیستم و کاهش دمای بدن می شود. در فیدبک مثبت افزایش خروجی منجر به افزایش بیشتر و بیشتر آن می شود. مثالی از این فرایند، آتش سوزی جنگل است. در ابتدا چوبها کمی مرطوب هستند و خوب نمی سوزند اما با ادامه آتش سوزی چوبهای مجاور خشک می شوند و شروع به سوختن می کنند و این خود موجب خشک شدن چوبهای بیشتر و گسترش آتش سوزی می شود. فیدبک منفی عموما مطلوب تر است زیرا موجب ثبات می گردد و باعث می شود که سیستم در شرایط ثابت باقی بماند. فیدبک مثبت موجب ناپایداری می شود و از آن به چرخه ی معیوب (3) نیز یاد می شود .

بیشتر سیستمهای کنترل بدن توسط یک روند فیدبک منفی عمل می کنند . هر گاه عاملی به مقدار بیش از حد کم یا زیاد شود یک سیستم کنترل کننده موجب شروع فیدبک منفی می شود به این ترتیب هومئوستاز حفظ می گردد.به عنوان مثال تنظیم غلظت CO2 در مایع خارج سلولی :هرگاه غلظت CO2 در مایع خارج سلولی زیاد باشد موجب افزایش تنفس شده به این ترتیب ریه ها مقدار بیشتری CO2 را به خارج از بدن دفع می کنند و این امر منجر به کاهش غلظت CO2 می شود به این ترتیب غلظت زیاد CO2 خود موجب کاهش غلظت آن میشود که به این روند فیدبک منفی یا خود تنظیمی منفی گویند. به این ترتیب این نوع فیدبک که در طی آن افزایش خروجی سیستم باعث کاهش ورودی می شود یا کاهش خروجی سیستم باعث افزایش ورودی می گردد فیدبک منفی یا خود تنظیمی منفی نام دارد . فیدبک منفی بصورت کلّی دقیقاً در جهت ثبات سیستم عمل می کند و برای کاربرد موثر مکانیسم های هومئوستاتیک الزامی است . بر خلاف فیدبک منفی ، فیدبک مثبت به ثبات سیستم نمی انجامد بلکه منجر به بی ثباتی و اغلب مرگ خواهد شد به عنوان مثال قلب انسان در هر دقیقه 5 لیتر خون پمپ می کند . حال اگر شخصی ناگهان دو لیتر خون از دست بدهد مقدار خون در بدن آنقدر پایین می آید که خون کافی برای پمپاژ در اختیار قلب قرار نمی گیرد . به این ترتیب فشار خون کاهش یافته و میزان جریان خون به عظله قلبی از طریق عروق گردنی (مسئول تغذیه ی قلب) کاهش می یابد. این امر موجب تضعیف قلب خواهد شد و قدرت پمپاژ قلب را به میزان بیشتری کاهش می دهد که به دنبال آن باعث کاهش بیشتری در میزان جریان خون گردنی و تضعیف بیشتر قلب می شود تا اینکه در نهایت مرگ فرا می رسد. در سیستمهای ناپایدار (نامتجانس) عمل فیدبک می تواندباعث ناپایدارتر شدن سیستم نیز گردد.

به طور کلّی مرگ فرایندی مبتنی بر فیدبک مثبت است. اگر چه هر فیدبک مثبتی الزاماً منجر به حلقهء معیوب و به تبع آن مرگ ارگان نمی شود و گاهی فیدبک مثبت بخشی از فرایند جامع فیدبک منفی برای حفظ حیات است. حیات، مکانیسم کنترلی هوموستازی است. قابل ذکر است که اگر فیدبک مثبت ضعیف باشد می تواند توسط فیدبک منفی خنثی شود در غیر این صورت موجب دوره تسلسل بدخیمی و مرگ خواهد شد .در مواردی نادر مانند لخته شدن خون فرایند فیدبک مثبت در بدن می تواند مفید باشد. هنگامیکه یک رگ خونی پاره می شود و یک لخته ی خون شروع به تشکیل می کند . فاکتورهای لخته کننده فعال شده در داخل لخته خون موجب فعال شدن فاکتورهای لخته کننده غیر فعال در مجاورت لخته خون شده در نتیجه منجر به تشکیل لخته بیشتری می شوند و این روند همچنان ادامه دارد تا اینکه سوراخ یا پارگی به وجود آمده در رگ توسط لخته مسدود شود. یا در تولید سیگنالهای عصبی هنگامیکه غشای یک فیبر عصبی تحریک می شود این عمل منجر به باز شدن کانالهای سدیمی و ورود سدیم به درون فیبر عصبی خواهد شد که به دنبال آن پتانسیل غشای فیبر عصبی تغییر می کند این روند آنقدر ادامه می یابد تا اینکه سیگنال عصبی سراسر مسیر را تا تمام انتهای فیبر عصبی طی می کند.

شکل زیر بلوک دیاگرام کلی یک سیستم فرضی را نشان می دهد که در آن S ، سیگنال منبع، X سیگنال ورودی به سیستم بدون فیدبک و A تابع تبدیل (ضریب تبدیل) سیستم بدون فیدبک، Y سیگنال خروجی و B شبکه فیدبک کننده و Z مقدار فیدبک شده و Afتابع تبدیل سیستم با فیدبک می باشد.

 

طبیعتاً اگر حلقه فیدبک قطع شود خواهیم داشت:

 

Z=0

X = S

Af = A

برای به دست آوردم رابطه بین

A

و

Af

خواهیم داشت:

 

و از آن نتیجه میگیریم

در صورتیکه در سیستمی A . B > 0 باشد، فیدبک مثبت است و در صورتیکه 0> A. Bباشد، فیدبک منفی خواهد بود و در حالتی که A. B=0 در مدار فیدبک نخواهیم داشت. ما در اینجا استراتژی های کنترلی در طبیعت را تشریح نمودیم و دربارهء کارکرد فیدبک در سیستمهای طبیعی گوناگون سخن گفتیم. اما همچنان یک پرسش بدون پاسخ می ماند و اینکه اساساً علت بروز خود فیدبک چیست؟ چرا سیستم های طبیعی به صورت خودبخودی می توانند روی چرخه فیدبک مثبت یا منفی بیفتند؟ خود پدیده هایی که بصورت فیدبکی انجام میگیرند تا حد زیادی می تواند محل مناقشه منطقی باشد. چرا که به هر حال با سیستمی مواجه هستیم که آینده اش در گذشته اش تاثیر میکند و به همین منوال باز هم این چرخه ادامه می یابد. ریاضیاتی که در تشریح مدل ماهیت کنترل فیدبکی بیان نمودیم درواقع نوعی تفسیر یا تعلیل نیست. این مدل ریاضی صرفاً به ما میگوید پدیده اینگونه هست نه اینکه باید اینگونه باشد. بعبارتی ریاضیات فوق الذکر ، تنها چگونگی این رویداد را نشان میدهد نه چیستی آن را.

پانوشت :

1) Feedback

2) Negative feedback

3) Vicious cycle

4) open loop

5) Feedforward

6) closed loop

منابع و مآخذ:

1)سیستم های کنترل خطی، فصل اوّل، دکتر علی خاکی صدیق، چاپ دوم ، مهر 1381

2)فیزیولوژی پزشکی گایتون – جلد دوم – ترجمه دکتر محمدرضا بیگدلی

 

آخرین ویرایش: چهارشنبه 18 اردیبهشت 1392 02:29 ب.ظ

IELTS Essay Writing Tips

IELTS Test takers have to write an essay up-to to 250 words in task 2 in IELTS academic module. In this module students need to write an essay regarding general interest and students are able to get good marks. The important thing is time management, through proper time management in the whole section, students can get better marks. Most of the students unable to write complete essay within the given time frame due to lack of practice. It is, therefore, I am going to explain you some important tips for IELTS Essay writing.

Better IELTS Essay Writing Tips

1- Initially approach the time issue, you should get ready for writing an IELTS essays keeping in brain that you will have just 40 minutes. You have to make a decision how to handle your time in the initial position by distributing the time accordingly. For example, you have to accumulate five minutes to consider and build up ideas another five minutes for writing an outline, give five minutes to the introduction, expend twenty minutes in body and five minutes for the conclusion.

 

2- The point of view should be well-organized, well-written and well-explained in IELTS, they should be relevant to the essay matter while there should be an excellent use of examples, information and facts to support the point of view but re-check they are all well-ordered because a random essay would only confuse the reader.

3- Appropriately manage the paragraphs in IELTS essays would also make sure some excellent points, since you have to summarize the whole thing in 250 words limit then preferably there should be just five to six lines in one paragraph. You should ensure every paragraph is arguing a separate thought from the remaining which is also supported by appropriate supports. However, you have to ensure as well that all paragraphs are consistent with each other.

4- It is suggested that before you finish your IELTS essay read again and again for proofread, because sentence compositions, spelling errors and other mistakes are counted in the test.

 

5- It have been experience that almost all the students are unable to express their point to the person who reads efficiently, so ensure you are using each methods successfully to give your point in an comprehensible way. It is suitable that you go for a convincing language consecutively to converse with the reader because it is a large influential tool.

6- Ensure you are not using high pitch words in your IELTS essay, these days Examiners don’t get impressed with the utilization of pointless words relatively they want to read impressive that is clear and logical.

Therefore, you should ensure that you are following the above mentioned tips for writing IELTS essay if you would like some excellent marks in the academic writing test. IELTS essay test are not that complicated, a student should just ensure of some little yet significant things which can facilitate them succeed points. Last but not the least advice is to improve time management as recommended above and if you face any kind of problem you can inquire through the instructor anytime to take you out of it with no trouble.

آخرین ویرایش: - -

نکته ای تامل برانگیز : میزان فاصله ی قلب آدم ها و تن صدا

استادى از شاگردانش پرسید: چرا ما وقتى عصبانى هستیم داد می‌زنیم؟ چرا مردم هنگامى که خشمگین هستند صدایشان را بلند می‌کنند و سر هم داد می‌کشند؟ شاگردان فکرى کردند و یکى از آن‌ها گفت: چون در آن لحظه، آرامش و خونسردیمان را از دست می‌دهیم استاد پرسید: این که آرامشمان را از دست می‌دهیم درست است امّا چرا با وجودى که طرف مقابل کنارمان قرار دارد داد می‌زنیم؟ آیا نمی‌توان با صداى ملایم صحبت کرد؟ چرا هنگامى که خشمگین هستیم داد می‌زنیم؟ شاگردان هر کدام جواب‌هایى دادند امّا پاسخ‌هاى هیچکدام استاد را راضى نکرد. سرانجام او چنین توضیح داد: هنگامى که دو نفر از دست یکدیگر عصبانى هستند، قلب‌هایشان از یکدیگر فاصله می‌گیرد. آن‌ها براى این که فاصله را جبران کنند مجبورند که داد بزنند. هر چه میزان عصبانیت و خشم بیشتر باشد، این فاصله بیشتر است و آن‌ها باید صدایشان را بلندتر کنند. سپس استاد پرسید: هنگامى که دو نفر عاشق همدیگر باشند چه اتفاقى می‌افتد؟ آن‌ها سر هم داد نمی‌زنند بلکه خیلى به آرامى با هم صحبت می‌کنند. چرا؟ چون قلب‌هایشان خیلى به هم نزدیک است. فاصله قلب‌هاشان بسیار کم است. استاد ادامه داد: هنگامى که عشقشان به یکدیگر بیشتر شد، چه اتفاقى می‌افتد؟ آن‌ها حتى حرف معمولى هم با هم نمی‌زنند و فقط در گوش هم نجوا می‌کنند و عشقشان باز هم به یکدیگر بیشتر می‌شود. سرانجام، حتى از نجوا کردن هم بی‌نیاز می‌شوند و فقط به یکدیگر نگاه می‌کنند. این هنگامى است که دیگر هیچ فاصله‌اى بین قلب‌هاى آن‌ها باقى نمانده باشد.این همان عشق خدا به انسان و انسان به خداست است که خدا حرف نمی زند اما همیشه صدایش را در همه وجودت می توانی حس کنی اینجا بین انسان و خدا هیچ فاصله ای نیست می توانی در اوج همه شلوغی ها بدون اینکه لب به سخن باز کنی با او حرف بزنی

آخرین ویرایش: - -

«چگونه یک مقاله علمی را خواندنی تر بنویسیم؟»

«چگونه یک مقاله علمی را خواندنی تر بنویسیم؟»

• نویسندگان: فرانسیس فان روی، امین اس بریدان

مارتین گرگوری بیش از یک دهه پیش در مجله «نیچر» نوشت: «دو نوع نوشتار‌ علمی وجود دارد. یک نوع برای جلب خواننده و نوع دیگر فقط برای این‌که مورد ارجاع قرار گیرد و این نوع دوم مانند یک بیماری عفونی به سرعت در حال گسترش است.»

**

10 فرمان طلایی برای نگارش علمی وجذاب مقالات:

1.یک تفکر قدیمی در معماری وجود دارد که می‌گوید شکل اشیا از عملکردشان پیروی می‌‌کند. این تفکر در نگارش هم وجود دارد. بسیاری از دانشمندان عقیده دارند هیچ چیزی مهم‌تر از نتایج مقالاتشان نیست.
اما واقعیت این است که اولین عملکرد مقاله انتقال پیام به خواننده و متقاعد کردن وی به ارزشمند بودن تحقیق انجام شده است بنابراین بهتر است قبل از شروع به نوشتن، در مورد پیام موضوع تأمل شود. حتی بهتر است پیش از نوشتن عنوان مقاله، راجع به نتایج مقاله نیز اندیشیده شود. دانشمندان امروزی کمتر به بیان نتایج خام می‌پردازند و هدفشان تفسیر و بحث بهتر نتایج است (Horton,1995.)

یک نویسنده ممکن است موضوعی را در ذهن خود روشن و واضح تصور کند و نیازی به توصیف و تفسیر حس نکند در صورتی‌ که خواننده ممکن است اصلاً چنین تفکری نداشته باشد. تمام تردید‌ها توسط خوانندگان مختلف از این تفکر نویسنده ناشی می‌شود که مطلبی که در اثر بحث و گفتگوی زیاد برای وی مسجل و بدیهی شده است برای خواننده نیز واضح و روشن است. گاهی اوقات، نتایجی که مربوط به موضوع اصلی نیستند هر قدر هم که جالب باشند، بهتر است حذف شوند و اگر این نتایج حذف شده مفید و اساسی باشند بهتر است در یک مقاله دیگر مطرح شوند.
یک نوشتار باید یک پرسش اصلی را پاسخ دهد و بی‌توجهی به این موضوع از دلایل شایع بی‌میلی خوانندگان نسبت به مطالب است .(Lambert et al 2003) این پرسش باید مشخص، جدید، مورد علاقه و استقبال جامعه علمی باشد. (Perneger & Hudelson, 2004)
خوانندگان مجلات فوق تخصصی به توضیحات اضافه و طولانی درباره موضوع مورد بحث علاقه‌ای ندارند، در حالی ‌که در مجلات عمومی، برای ایجاد پس زمینه علمی مناسب برای خوانندگان نیاز به توضیحات تکمیلی احساس می‌شود. به طور کلی دانشمندان باید خود را جای خوانندگان گذاشته و عمق و جزئیات لازم مطلب را از دیدگاه خوانندگان بررسی کنند.

2 .مورد دیگر استفاده از شیوایی و فن بیان مناسب در حین پیروی از اسلوب مقاله‌نویسی است. David Reese چنین عنوان می‌کند که در یک مقاله پزشکی، علمی یا هر نوع دیگر، نویسنده باید با استفاده از لغات متداول سعی کند که خواننده را نسبت مطلب نوشته‌شده متقاعد سازد. در عین حال، علی‌رغم تلاش برای فصاحت مطالب، هرگز مشاهدات و حقایق ارایه‌شده در مقالات نباید تحت تأثیر فن خطابه قرار گیرند.

به عنوان مثال در یک مقاله ضرورتی برای استفاده از صفات و قیدهای پیچیده وجود ندارد و در صورتی ‌که بیان نتایج و بحث منطقی و روان باشند، خواننده نیازی به لغات نامفهوم و غیر ضروری جهت درک بهتر مطلب احساس نمی‌کند. کلمات غیر ضروری بهتر است حذف شود. یک نگارش پرتوان، معمولاً مختصر و فشرده است. این موضوع در مورد نوشته‌های عمومی نیز مصداق دارد. هر قدر در یک نوشته ترکیبات طولانی‌ و پیچیده و توضیحات اضافی در پرانتز بیشتر باشد، خوانندگان و حتی علاقه‌مندان به موضوع را از ادامه مطالعه باز می‌دارد. بهترین و مطمئن‌ترین کار برای جلب توجه خواننده‌ها بیان مطالب به صورت صریح، قطعی و مشخص است.3.خوانندگان انتظار دارند هر نوع اطلاعات خاص موجود در یک مقاله را در محل مخصوص آن پیدا کنند. در صورتی‌ که جابجایی‌های زیادی در محل‌های ارایه اطلاعات ایجاد شود، مثلاً برخی نتایج بدون آن‌که در قسمت یافته‌های مقاله ذکر شده باشند در بحث مورد ارزیابی و تفسیر قرار گیرند، خواننده را سردرگم می‌کنند. مطالبی که قرار نیست در قسمت بحث مطرح شود بهتر است از قسمت نتایج حذف شود.

4.عنوان مهم‌ترین عبارت یک مقاله است. اگر خواننده‌ای اهمیت نوشته‌ای را از عنوان آن برداشت نکند به خواندن آن ادامه نمی‌دهد. عنوان‌های طولانی حامل اطلاعات بیشتری هستند ولی توجه کمتری جلب می‌کنند، به‌خصوص در افرادی که با نگاه سریع و گذرا از روی عناوین موجود در فهرست مجلات، مقاله مورد نظرشان را انتخاب می‌کنند. عنوان‌های کوتاه جذاب‌تر هستند ولی ممکن است مفهوم کامل را نرسانند. عناوینی که از لغات ایهام‌دار استفاده می‌کنند، جذابیت بیشتری برای خوانندگان دارند، ولی نباید به تبیین محتوای اطلاعاتی مطلب بپردازند. در نهایت در هنگام انتخاب عنوان مناسب، باز هم بهتر است نویسنده خود را در جایگاه خواننده قرار دهد.

5.خلاصه مقاله نیز دارای اهمیتی تقریباً مساوی با عنوان است، گاهی تنها بر اساس خلاصه مقاله یک خواننده تصمیم می‌گیرد مقاله را بخواند یا آن را کنار بگذارد. هر قدر هم یک مطلب حاوی اطلاعات قیمتی و مهم باشد، در صورتی‌ که در خلاصه مطرح نشده باشد، خواننده علاقه‌ای به ادامه دادن مطالعه پیدا نمی‌کند. خلاصه مقاله به دو شکل نوشته می‌شود؛ نوع آزاد که شامل یک پاراگراف است و بیشتر در مقالات مولکولی و بیولوژی سلولی استفاده می‌شود و نوع ساختاری که هر چهار قسمت مقاله در آن رعایت می‌شود و بیشتر در مقالات کلینیکال استفاده می‌شود. در مورد این‌که بهتر است خلاصه پیش از نوشتن مقاله تهیه شود یا پس از اتمام آن، بهتر است که هر دو روش یک‌بار مورد ارزیابی و آزمایش قرارگیرد و سپس روش مناسب‌تر را انتخاب کنیم.

6. بین بررسی متون و مقدمه مقاله اختلاف زیادی وجود دارد، مقدمه نباید تا جایی که امکان دارد به مرور متون بپردازد هدف اصلی آن طراحی یک نقشه است که نویسنده ابتدا به طور عام لزوم بررسی موضوع را عنوان می‌کند و سپس با نشان دادن روش‌ها به یک سؤال اصلی که همان هدف مقاله است، می‌رسد. یک تاریخچه کوتاه که اهمیت مطالعه را عنوان می‌کند و اطلاعات قبلی موجود در این زمینه را بیان کرده و نقایص موجود را نمایان می‌سازد، عموماً در مقدمه آورده می‌شود.

7. قسمت مواد و روش‌ها در مقاله باید به طور تخصصی و با جزئیات کامل مطرح شود. به نحوی که محققان دیگر نیز بتوانند آن را انجام دهند. یک اشتباه شایع در این قسمت، بیان نشدن برخی جزئیات ضروری است که خواننده را از درک صحیح روش انجام مطالعه باز می‌دارد، بنابراین قرار دادن خود به جای خواننده در این قسمت نیز بسیار مفید خواهد بود. شرکت‌هایی که محصولات آن‌ها مورد استفاده قرار گرفته به طور خلاصه باید لیست شوند.

8. نتایج باید با یک نظم و توالی منظم ارایه شوند، بیان نتایج باید از توالی منطقی پیروی کند و نه از ترتیب زمانی. در غیر این ‌صورت درک آن‌ها مانند چیدن قطعات پازل در کنار هم است که می‌تواند بسیار گیج‌کننده باشد. از ارایه نتایج غیر ضروری که تأثیر چندانی در بحث ندارند باید پرهیز شود تا خواننده سردرگم نشود و پیام اصلی نیز کم‌رنگ‌تر نشود. هدف از نوشتن یک مقاله تحقیقاتی، ارایه یک فرضیه و بحث و تفصیل و تفسیر در مورد آن است. بنابراین بحث یک مقاله باید کاملاً روان و مرتبط با نتایج و با تفسیرهای کامل و ذکر منابع مختلف باشد. تفکرات و اندیشه‌های تحقیقاتی باید با دلایل مستدل و مستند حمایت شوند و به طور کاملاً واضح و روشن مورد ارزیابی قرار گیرند تا خواننده بتواند با آن ارتباط برقرار کند. .

9. در نهایت، افزایش تعداد مقالات تحقیقاتی و مقالات مروری نشان‌دهنده افزایش فشار بر محققان است تا در زمینه‌های مورد علاقه خود همگام با مقالات روز باشند. اگرچه روزانه بر تعداد الگوها و راهنماها برای نوشتن یک مقاله گویا و قابل درک افزوده می‌شود، دانشمندان از میان حجم زیادی از مقالات از همین الگو‌ها جهت انتخاب مقاله مورد نظرشان استفاده می‌کنند. دانشمندان کماکان مقالات را، در صورتی که به عنوان آن‌ها علاقه‌مند باشند یا پرسش و پاسخ‌های مهمی را در برداشته باشند، مطالعه می‌کنند و هر قدر یک مطلب بهتر و منطقی‌تر نوشته شود خوانندگان بیشتری را جذب می‌کند و بیشتر مورد ارجاع سایر مقالات واقع می‌شود.

10 . و بالاخره این که در نظر گرفتن دو نکته هنگام مقاله‌نویسی بسیار مهم است: پیام اصلی و خواننده مقاله، چرا که تمام هدف نویسنده متقاعد کردن خواننده به ارزش و اهمیت تحقیق انجام شده است و اگر او به خواننده‌ها بی‌توجهی کند، خواننده‌ها نیز به نوشته‌های او بی‌توجهی می‌کنند.

آخرین ویرایش: - -

Linear matrix inequality

Linear matrix inequality

In convex optimization, a linear matrix inequality (LMI) is an expression of the form

where

• is a real vector,
• are symmetric matrices ,
• is a generalized inequality meaning is a positive semidefinite matrix belonging to the positive semidefinite cone in the subspace of symmetric matrices .

This linear matrix inequality specifies a convex constraint on y.

Contents 1 Applications 2 Solving LMIs 3 References 4 External links

Applications

There are efficient numerical methods to determine whether an LMI is feasible (e.g., whether there exists a vector y such that LMI(y) ≥ 0), or to solve a convex optimization problem with LMI constraints. Many optimization problems in control theory, system identification and signal processing can be formulated using LMIs. Also LMIs find application in Polynomial Sum-Of-Squares. The prototypical primal and dual semidefinite program is a minimization of a real linear function respectively subject to the primal and dual convex cones governing this LMI.

Solving LMIs

A major breakthrough in convex optimization lies in the introduction of interior-point methods. These methods were developed in a series of papers and became of true interest in the context of LMI problems in the work of Yurii Nesterov and Arkadii Nemirovskii.

References

• Y. Nesterov and A. Nemirovsky, Interior Point Polynomial Methods in Convex Programming. SIAM, 1994.

External links

• S. Boyd, L. El Ghaoui, E. Feron, and V. Balakrishnan, Linear Matrix Inequalities in System and Control Theory (book in pdf)

• C. Scherer and S. Weiland Course on Linear Matrix Inequalities in Control, Dutch Institute of Systems and Control (DISC).

آخرین ویرایش: - -

سیستمهای فازی 1

سیستمهای فازی

دهه1960آغازتئوری فازی

منطق فازی یا Fuzzy Logic برای اولین بار در سال 1960 توسط دکتر لطفی زاده ، استاد علوم کامپیوتری دانشگاه برکلی کالیفرنیا (Berkeley)، ابداع شد.
مقاله کلاسیک پرفسور لطفی زاده درباره مجموعه فازی که در سال 1965 به چاپ رسید، سرآغاز جهتی نوین در علوم و مهندسی سیستم و کامپیوتر بود. پس از آن پرفسور لطفی زاده به پژوهشهای خود در زمینه مجموعه فازی ادامه داد تا آنکه در سال 1973 طی یک مقاله کلاسیک دیگر تحت عنوان "شرحی بر دیدی نو در تجزیه و تحلیل سیستمهای پیچیده و فرایندهای تصمیم گیری" مفهوم استفاده از متغیرهای زبانی را در سیستم های حافظه و کنترل مطرح کرد. این مقاله اساس تکنولوژی کنترل بر مبنای منطق فازی است که در اینده اثرات عمیق در طراحی سیستم های کنترل هوشیار خواهد داشت.گرچه منطق فازی کاربردی خیلی وسیع تر از منطق متداول دارد ولی پرفسور لطفی زاده معتقد است که منطق فازی اکسیر و نوشدارو نیست. وی میگوید "کارهای زیادی هست که انسان میتواند به آسانی انجام دهد در حالی که کامپیوترها و سیستمهای منطقی قادرت فازی یک فرا مجموعه از منطق بولی است که بر مفهوم درستی نسبی، دلالت می کند. منطق کلاسیک هر چیزی را بر اساس یک سیستم دوتائی نشان می دهد ( درست یا غلط، 0 یا 1، سیاه یا سفید) ولی منطق فازی درستی هر چیزی را با یک عدد که مقدار آن بین صفر و یک است نشان می دهد. مثلاً اگر رنگ سیاه را عدد صفر و رنگ سفید را عدد 1 نشان دهیم، آن گاه رنگ خاکستری عددی نزدیک به صفر خواهد بود. در سال 1965، دکتر لطفی‌زاده نظریه سیستم‌های فازی را معرفی کرد. در فضایی که دانشمندان علوم مهندسی به دنبال روش‌های ریاضی برای شکست دادن مسایل دشوارتر بودند، نظریه فازی به گونه‌ای دیگر از مدل‌سازی، اقدام کرد.
منطق فازی معتقد است که ابهام در ماهیت علم است. بر خلاف دیگران که معتقدند که باید تقریب‌ها را دقیق‌تر کرد تا بهره‌وری افزایش یابد، لطفی‌زاده معتقد است که باید به دنبال ساختن مدل‌هایی بود که ابهام را به عنوان بخشی از سیستم مدل کند. در منطق ارسطویی، یک دسته‌بندی درست و نادرست وجود دارد. تمام گزاره‌ها درست یا نادرست هستند. بنابراین جمله «هوا سرد است»، در مدل ارسطویی اساساً یک گزاره نمی‌باشد، چرا که مقدار سرد بودن برای افراد مختلف متفاوت است و این جمله اساساً همیشه درست یا همیشه نادرست نیست. در منطق فازی، جملاتی هستند که مقداری درست و مقداری نادرست هستند. برای مثال، جمله "هوا سرد است" یک گزاره منطقی فازی می‌باشد که درستی آن گاهی کم و گاهی زیاد است. گاهی همیشه درست و گاهی همیشه نادرست و گاهی تا حدودی درست است. منطق فازی می‌تواند پایه‌ریز بنیانی برای فن‌آوری جدیدی باشد که چیست؟

دهه1980:کاربردهای بزرگ
در اوائل دهه 1980 این زمینه از نقطه نظر تئوریک پیشرفت کندی داشت.در این مدت راه حل ها و مفاهیم جدید اندکی معرفی گردید چرا که هنوز افرادکمی داشتند روی ان کار می کردند.در واقع کاربردهای کنترل فازی بود که هنوز تئوری فازی را سر پا نگاه داشته بود.
مهندسان زاپنی(با حساسیتی که نسبی به فن اوری های جدید دارند)به سرعت دریافتند که کنترل کننده های فازی بسهولت قابل طراحی بوده و در مورد بسیاری مسائل می توان از انها استفاده کرد.بدلیل اینکه کنترل فازی به یک مدل ریاضی نیاز ندارد انرا می توان در مورد با وجودی که تئوری فازی جایگاه واقعی خود را پیدا نکرد با این حال هنوز محققینی بودند که روشهای جدید فازی نظیر الگوریتم های فازی تصمیم گیری های فازی و... مطرح گردید.
دهه 1970:تئوری فازی رشد پیدا کرد و کاربردهای عملی ظاهر گردید.
اگر بگوییم پذیرفته شدن تئوری فازی بعنوان یک زمینه مستقل بواسطه کارهای بر جسته پروفسور لطفی زاده بوده سخن به گزاف نگفته ایم.بسیاری از مفاهیم بنیادی تئوری فازی بوسیله زاده در اواخر دهه 60 و اوائل دهه 70 مطرح گردید.پس از معرفی مجموعه ای فازی در سال 1965 او مفاهیم الگوریتم های فازی در سال 1968 تصمیم گیری فازی در سال 1970 و ترتیب فازی را در سال 1971 مطرح نمود.در سال 1973او مقاله دیگری را منتشر کرد به نام طرح یک راه حل جدید برای تجزیه تحلیل سیستم های پیچیده و فرایندهای تصمیم گیری).این مقاله اساس کنترل فازی را بنا کرد.او در این مفهوم متغییر های زبانی و استفاده از قواعد اگر انگاه را برای فرموله کردن دانش بشری معرفی نمود.
رخداد بزرگ در دهه 1970 تولد کنترل کننده های فازی برای سیستم های واقعی بود. در سال 1975 ممدانی و اسیلیان چهارچوب اولیه ای را برای کنترل کننده فازی مشخص کردند و کنترل کننده فازی را به یک موتور بخار اعمال نمودند.نتیج در مقاله ای تحت عنوان(ازمایشی در سنتز زبانی با استفاده از یک کنترل کننده فازی)منتشر گردید.انها دریافتند که ساخت کنترل کننده فازی بسیار موضوع جدی در دستور کار خود قرار دادند.در فوریه1992 اولین کنفرانس بین المللی IEEEدر زمینه سیستمهای فازی در سان دیگو برگزار گردید.این یک اقدام سمبلیک در مورد پذیرفتن سیستم های فازی بوسیله بزرگترین سازمان مهندسی یعنی IEEEبود.در سال 1993 بخش سیستم های فازی IEEEگشایش یافت.از نقطه نظر تئوری سیستم های فازی و کنترل در اواخر دهه 80 و اوائل دهه 90 رشد چشمگیری پیدا کرد و پیشرفتهایی در زمینه برخی مشکلات اساسی سیستمهای فازی صورت گرفت. بعنوان مثال تکنیک های شبکه عصبی برای تعیین و تنظیم توابع تعلق استفاده شدند.با وجودی که تصویر سیستم های فازی شفاف تر شده با این حال کارهای زیادی هنوز باید انجام شود و بسیاری از راه حل ها و روش ها در ابتدای راه قرار دارد.ما اعتقاد داریم که تنها سرمایه گذاری مراکز تحقیقاتی معتبر بر روی افراد مستعد و خلایق می تواند باعث پیشرفتهای عمده در زمینه تئوری فازی شود.

چرا سیستم فازی؟

واژه(فازی) در فرهنگ لغت اکسفورد بصورت (مبهم گنگ نادقیق کیج مغشوش درهم و نامشخص)تعریف شده است. سیستم های فازی سیستم هایی هستند با تعریف دقیق و کنترل فازی نیز نوع خاصی از کنترل غیر خطی میباشد که ان هم تعریف می گردد . این مطلب مشابه کنترل وسیستم های خطی می باشد که واژه(خطی) یک صفت فنی بوده که حالت و وضعیت سیستم و کنترل را مشخص می کند. چنین چیزی درمورد واژه(فازی) وجود دارد.

دهه1990:چالشها کماکان باقی است

موفقیت سیستم های فازی در زاپن تعجب محققان را در امریکا و اروپا برانگیخت .عده ای هنوز به ان خرده می گرفتند ولی عده ای دیگراز عقیده خود دست بر داشته و بعنوان گرچه سیستم های فازی پدید های غیر قطعی و نا مشخص را توصیف می کنند با این حال خود تئوری فازی یک تئوری دقیق می باشد.در این متن دو نوع موجیه برای تئوری سیستم های فازی وجود دارد:
_دنیای واقعی ما بسیار پیچیده تر از ان است که بتوان یک توصیف و تعریف دقیق برای ان بدست اورد بنابراین باید یک توصیف تقریبی یا همان فازی که قابل قبول تجزیه و تحلیل باشد برای یک مدل معرفی شود.
_با حرکت ما بسوی عصر اطلاعات دانش و معرفت بشری بسیار اهمیت پیدا می کند. بنابراین ما به فرضیه ای نیاز داریم که بتوان دانش بشری را به شکل سیستماتیک فرموله کرده و انرا به همراه سایر مدلهای ریاضی در سیستم های مهندسی قرار دهد.
توجیه اول گرچه درست است با این حال طبیعت واحدی را برای تئوری سیستم های فازی شخص نمی کند. در حقیقت تمامی نظریه های علوم مهندسی دنیای واقعی را به شکلی تقریبی توصیف می کنند.بعنوان مثال در عالم واقع تمامی سیستم های خطی می باشد.یک تئوری مهندسی خوب از یکسو باید بتواند مشخصه های اصلی و کلیدی دنیای واقعی را توصیف کرده و از سویی دیگر قابل تجزیه تحلیل ریاضی باشد.بنابراین از این جنبه تئوری فازی تفاوتی با سایر تئوری های علوم مهندسی ندارند.
توجیه دوم مشخصه واحدی از سیستم های فازی را توصیف کرده و وجودی تئوری سیستم های فازی را به عنوان یک شاخصه مستقل در علوم مهندسی توجیه می کند.بعنوان یک قاعده کلی یک تئوری قاعده کلی یک تئوری مهندسی خوب باید قادر باشد از تمامی اطلاعات موجود به نحو موثری استفاده کند.
در سیستم های عملی اطلاعات مهم از دو منبع سر چشمه می گیرند.یکی از منابع افراد خبره می باشند که دانش و اگاهیشان را در مورد سیستم با زبان طبیعی تعریف می کنند.منبع دیگر اندازه گیری ها و مدل های ریاضی هستند که از قواعد فیزیکی مشتق شده اند.بنابراین یک مسئله مهم ترکیب این دو نوع اطلاعات در طراحی سیستم ها است.برای انجام این ترکیب سئوال کلیدی این است که چگونه می توان دانش بشری را به یک فرمول ریاضی تبدیل کرد. اساسا انچه که یک سیستم فازی انجام می دهد همین تبدیل است.برای اینکه بدانیم این تبدیل چگونه صورت می گیرد ابتدا باید بدانیم سیستم های فازی چگونه سیستم هایی هستند.


سیستم های فازی چگونه سیستم هایی هستند؟

سیستم های فازی سیستم ها مبتنی بردانش یا قواعد میباشد .قلب یک سیستم فازی یک پایگاه دانش بوده که از قواعد اگر-آنگاه فازی تشکیل شده است. یک قاعده اگر-آنگاه فازی یک عبارت اگر –آنگاه بوده که بعضی کلمات آن بوسیله توابع تعلق پیوسته مشخص شده اند. بعنوان مثال عبارت فازی زیر را در نظر بگیرید: اگر سرعت اتومبیل بالاست انگاه نیروی کمتری به پدال گاز وارد کنید.
بطور کلی دو راه حل برای طراحی چنین کنترل کننده ای وجود دارد یک راه حل استفاده از کنترل کننده های متعارف نظیر PID بوده وراه حل دوم شبیه سازی رفتار رانندگان است بدین معنی که قواعدی که راننده در حین حرکت استفاده می کند را به کنترل کننده خودکار تبدیل نماییم0ما راه حل دوم را در نظر میگیریم. در صحبتهای عامیانه راننده ها در شرایط÷ طبیعی از سه قاعده زیر در حین رانندگی استفادهمی کنند:2-اگر سرعت پایین است آنگاه نیروی بیشتری به پدال گاز وارد کنید. 3-اگر سرعت متوسط است آنگاه نیروی متعادلی به پدال گاز وارد کنید4.اگر سرعت بالاست آنگاه نیروی کمتری به پدال گاز وارد کنید .با این حال ما می توانیم یک سیستم فازی را بر اساس این قواعد بسازیم.از آنجا که سیستم فازی بعنوان کنترل کننده استفاده شده ان را کنترل کننده فازی می نامند. بطور خلاصه نقطه شروع ساخت یک سیستم فازی بدست اوردن مجموعه ای از قواعد اگر – انگاه فازی از دانش افراد خبره یا دانش حوزه مورد برسی می باشد .مرحله بعدی ترکیب این قواعد در یک سیستم واحد است .

معمولااز سه نوع سیستم فازی صحبت به میان می اید :

1)سیستم های فازی خالص
2)سیستم های فازی تاکاگی –سوگنو و کانگ TSK) )
3)سیستم های با فازی ساز و غیر فازی ساز

بطور خلاصه این سه نوع سیستم را شرح می دهیم ساختار اصلی یک سیستم فازی خالص در شکل 3 نشان داده شده است .پایگاه قواعد فازیمجموعه ای از قواعد اگر-آنگاه فازی را نشان می دهد .موتور استنتاج فازی این قواعد را به یک نگاشت از مجموعه های فازی در فضای ورودی به مجموعه های فازی در فضای خروجی بر اساس اصول منطق فازی ترکیب می کند .مشکل اصلی در رابطه با سیستم های فازی خالص این است که ورودی ها و خروجی های ان مجموعه های فازی می باشند (وازهایی در زبان طبیعی ). برای حل این مشکل تاکاگی سوگنو و کانگ نوع دیگری سیستم های فازی معرفی کرده اند که ورودی ها و خروجی های ان متغییر هایی با مقادیر واقعی هستند. سیستم TSKبجای استفادهاز قواعدی به شکل 1 از قواعدی بدین صورت استفاده می کند :
-اگر سرعت اتومبیل (X) بالاست انگاه نیروی وارد بر پدال گاز برابر است با Y=CX
که وازه(بالا) همان معنی 1 را داده و C یک عدد ثابت می با شد .مقایسه نشان می دهد که بخش انگاه قاعده فازی از یک عبارت تو صیفی با مقادیر زبانی به یک رابطه ریاضی ساده تبدیل شده این تغییر ترکیب قواعد فازی را ساده تر می سازد .در حقیقت سیستم فازی TSK یک میانگین وزنی از مقادیر بخش های انگاه قواعد می باشد .

مشکلات عمده سیستم فازی TSK عبارتند از:
1)بخش آنگاه قاعده یک فرمول ریاضی بوده و بنابراین چهارچوبی را برای نمایش دانش بشری فراهم نمی کند . 2)این سیستم دست ما را برای اعمال اصول اصول مختلف منطق فازی باز نمی گذارد و در نتیجه انعطاف پذیری سیستم های فازی در این ساختار وجود ندارد.
برای حل این مشکل ما از نوع سومی از سیستم های فازی یعنی سیستم های فازی با فازی سازها استفاده میکنیم .به منظور استفاده ازسیستم های فازی خالص در سیستم های مهندسی یک روش ساده اضافه کردن یک فازی ساز در ورودی که متغییر هایی با مقادیر حقیقی را به یک مجموعه فازی تبدیل کرده و یک غیر فازی ساز که یک مجموعه فازی را به یک متغییر با مقدار حقیقی در خروجی تبدیل میکند می باشد .نتیجه یک سیستم فازی با فازی ساز و غیر فازی ساز بوده که در شکل 5 نشان داده شده است .این سیستم فازی معایب سیستم فازی خالص و سیستم فازی TSK رامی پوشاند.از این پس منظور ما از سیستم های فازی سیستم های فازی با فازی ساز و غیر فازی ساز خواهد بود.

سیستم های فازی کجا و چگونه استفاده می شوند؟

سیستم های فازی را می توان بعنوان کنترل کننده حلقه باز و یا کنترل کننده حلقه بسته مورد استفاده قرار داد .هنگامی که بعنوان کنترل کننده حلقه باز استفاده میشود سیستم فازی معمولا بعضی پارامترهای کنترل را معین کرده و انگاه سیستم مطابق با این پارامترها ی کنترل کار می کند. بسیاری از کار برد های سیستم فازی در الکترونیک به این دسته تعلق دارند. هنگامی که سیستم فازی بعنوان یک کنترل کننده حلقه بسته استفاده میشود در این حالت خروجی های فرایند را اندازه گیری کرده و بطور همزمان عملیات کنترل را انجام میدهد . کاربرد سیستم فازی در فرایندهای صنعتی به این دسته تعلق دارد.
منطق فازی روشی برای پردازش وقایع غیر قطعی ارائه می‌کند؛ دقیقا آنچه که در طبیعت و زندگی روزمره با آن در ارتباط هستم. در منطق فازی با مقادیری غیر قطعی و تقریبی کار می‌کنیم؛ محدوده‌ای از احتمالات که ممکن است اتفاق بیافتند. منطق فازی در مقابل منطق باینری binary یا منطق Boolean قرار دارد.
منطق فازی برای طراحی سیستم‌های خبره expert systems به کار می‌رود. سیستم‌های خبره قوانین جهان واقع را شبیه سازی می‌کنند. کنترل خودکار ترافیک، دوربین‌های فیلمبرداری، ماشین‌های لباسشویی هوشمند، سیستم‌های تشخیص هویت از روی اثر انگشت یا تصویر مردمک چشم و غلط یاب تایپی در نرم افزارهای ویرایش متن مانند MS-Word از منطق فازی استفاده می‌کنند.
نارسایی منطق 0 و 1 برای شبیه سازی جهان واقعی را منطق فازی کاملا حل می‌کند. برای مثال در سیستم راننده خودکار اتومبیل، محاسبه و کنترل فاصله اتومبیل از کناره جدول یا اتومبیل‌های دیگر با منطق باینری ممکن نیست و در این شرایط منطق فازی مشکل گشا خواهد بود.
اگر رانندگی آموزش می‌دهید برای بیان فاصله بین اتومبیل و کناره جدول خواهید گفت: "تقریبا نیم متر". تنها روش برای گفتن چنین مقادیر غیر قطعی در سیستم‌های کامپیوتری استفاده از منطق فازی است.

ماشین شستشوی فازی:

سیستم فازی مورد استفاده یک سیستم سه ورودی یک خروجی است که سه ورودی فوق نوع کثیفی و مقدار اندازه گیری شده کثیفی وحجم لباس بوده و خروجی تعداد دورهای مناسب شستشو میباشد .بعنوان ورودی (سنسورهایی)در این سیستم تعبیه شده این سنسورها که از نوع نوری می با شند میزان نوری را که از طرف مقابل ساطع شده واز آب عبور کرده اندازه گیری می نمایند .سنسور نوری همچنین میتواند معین کند که نوع کثیفی چیست لباس گل آلود است یا چرب؟ گل در اب سریعتر حل می شود بنابراین اگر نور دریافتی بسرعت کاهش پیدا کند در آن صورت لباس گل آلود است در حالی که اگر لباس روغنی باشد کندتر در آب حل شده و کاهش نور دریافتی کندتر خواهد بود . ماشین همچنین دارای یک سنسور بار می باشد که حجم لباس ها را ثبت می کند واضح است که تعدادلباس های بیشتر زمان بیشتری برای شستشو لازم دارد .موارد فوق را می توان در تعدادی قاعده اگر- آنگاه فازی برای ساخت یک سیستم فازی خلاصه کرد.
تثبیت کننده تصویر دیجیتال :

هر کس که با یک دوربین فیلم برداری کار کرده باشد میداند که فیلم برداری بدون لرزش دست کار مشکلی است برای تصیح خطای ناشی از لرزش دست نوع جدیدی از دوربین ها به بازار عرضه شده است . این نوع دوربین ها که بر اساس سیستم های فازی میباشند تثبیت کننده تصویر دیجیتال نامیده شده اند . این سیستم ها بر اساس قواعد (هیوریستیک)زیر ساخته شده اند:10-اگر تمامی نقاط تصویر به یک جهت حرکت کرده اند آنگاه دست لرزش داشته است 0 11)اگر فقط تعدادی نقاط تصویر حرکت کرده است آنگاه دست لرزش نداشته است .

کنترل فازی کوره سیمان :

سیمان بوسیله آسیاب کلینکر که ترکیبی از مواد معدنی است در یک کوره ساخته میشود . بدلیل این که عملکرد این کوره غیر خطی ومتغییر با زمان میباشد وداده های نمونه برداری کمی نیز دارد کنترل آن با استفاده از روشهای کنترل متعارف کاری مشکل است. در اواخر دهه 1970 شرکتی در دانمارک یک سیستم فازی را برای کنترل کوره سیمان ابداع نمود . سیستم فازی (کنترل فازی فوق چهار ورودی و دو خروجی داشت) ورودی های چهارگانه عبارتند اند از:
1)درصد اکسیژن در گازهای اگزوز
2)درجه حرارت گازهای اگزوز
3)گشتاور آسیاب کوره
4)وزن حجمی کلینکر
خروجی های این سیستم نیز
1)میزان زغال سنگ ریخته شده به کوره
2)میزان جریان هوا میباشد.
مجموعه ی که از قواعد اگر-آنگاه فازی رابطه خروجی ها را با ورودی ها مشخص می کند .بعنوان مثال :
1)اگر درصد اکسیژن بالا ودرجه حرارت پایین است آنگاه درجه هوا را افزایش دهید.
2)اگر درصد اکسیژن بالا و درجه حرارت بالا است آنگاه میزان زغال سنگ را اندکی کاهش دهید.
سیستم فازی ای که با ترکیب این قواعد ساخته شده بود در سال 1978 به مدت 6 روز در کوره سیمان شرکت اسمیت در دانمارک بکار گرفته شد ه که نسبت به حالت کنترل توسط انسان و همچنین مصرف سوخت بهبود را نشان میداد.

کنترل فازی قطار زیرزمینی :

یکی از مهمترین کاربرد سیستم های فازی را تا امروز می توان سیستم کنترل فازی متروی سندایی در ژاپن بر شمرد.مسیر شمال جنوبی این قطار به طور6/13 کیلومترودارای16 ایستگاه می باشد . سیستم فازی آن چهار پارامتررابطورهمزمان درنظرمی گیرد:
ایمنی ،راحتی سرنشینان، رسیدن به سرعت مطلوب ودقت ترمز. سیستم فازی دارای دوبخش است:بخش کنترل کننده سرعت ( که سرعت قطاررا در حد مجاز نگاه می دارد) وبخش کنترل کننده توقف اتوماتیک (که سرعت قطارراتا توقف نهایی تنظیم می کند) بخش کنترل کننده سرعت ازقواعدزیر استفاده می کند :
برای ایمنی :اگرسرعت قطارداردبه مرز مجازنزدیک شود، آنگاه بیشترین میزان ترمز را انتخاب کنید.
برای راحتی سرنشینان، اگرسرعت قطاردرمحدوده مجاز است،آنگاه عملکرد کنترل ترمزرا تغییر ندهید.
البته درسیستم واقعی از تعداد پا را مترها وقواعد بیشتری استفاده شده است.سیستم توقف خودکار رامی توان از روی چنین قواعدی بنا کرد:
برای راحتی سرنشینان:اگر قطار درمنطقه مجاز متوقف خواهد شد آنگاه عمل کرد کنترل ترمزراتغییرندهید.
برای راحتی وایمنی سرنشینان:اگر قطار در منطقه مجاز قراردارد آنگاه عمل کردکنترل ترمزرااز حالت شتاب به حالت ترمز تغییر دهید.
البته باز هم درشتاب واقعی،از تعداد قواعد بیشتری استفاده شده است.امروزه قطارزیرزمینی سندایی یکی از پیشرفته ترین سیستمهای مترو محسوب شده که از سال 1991کارحمل ونقل مسافران رابه عهده دارد.

زمینه های تحقیق عمده در تئوری فازی

منظور ما از تئوری فازی تمام تئوری هایی است که از مفاهیم اساسی مجموعه های فازی یا توابع تعلق استفاده میکنند .تئوری فازی را به 5 شاخه عمده می توان تقسیم کرد .
1)ریاضیات فازی که در ان مفاهیم ریاضیات کلاسیک با جایگزینی مجموعه های فازی با مجموعه های کلاسیک تو سیه پیدا کرده است .
2)منطق فازی وهوش مصنوعی که در آن منطق کلاسیک تقریب هایی یافته و سیستم های (خبره) بر اساس اطلاعات و استنتاج تقریبی توسعه پیدا کرده است.
3)سیستم های فازی که شامل کنترل فازی و راه حل هایی در زمینه پردازش سیگنال و مخابرات می باشد. 4)عدم قطعیت و اطلاعات که انواع دیگری از عدم قطعیت را مورد تجزیه تحلیل قرار داده.
5)تصمیم گیری های فازی که مسائل بهینه سازی را با محدودیت های ملایم در نظر می گیرد

آخرین ویرایش: - -