برای دانلود کل پاپورپوینت از لینک زیر استفاده کنید:
دانلود پاورپوینت منطق فازی و معرفی پروفسور لطفی زاده - 24 اسلاید
برای دانلود کل پاپورپوینت از لینک زیر استفاده کنید:
فرمت فایل : word(قابل ویرایش)تعداد صفحات:48
فهرست مطالب
مقدمه 1
فصل اول: تجهیزات جداکننده چند فازی
اصول جداسازی 3
انواع جداکننده ها 3
اجزاء یک جداکننده 11
ساختمان جداکننده 14
- جداکننده های عمودی 14
- جداکننده های افقی 16
- جداکننده های کروی 18
طراحی جداکننده های گاز مایع 19
معادلات اساسی طراحی 22
جداکننده های بدون نم گیر 24
جداکننده های با نم گیر 25
جداکننده ها از نوع ون با نم گیر 27
جداکننده ها با عناصر سانتریفوژ 29
جداکننده های فیلتری 30
جداکننده های مایع- مایع 33
فصل دوم: لخته گیرهای لوله ای شکل
- قسمتهای مختلف لخته گیر 37
تشریح کلی عملکرد لخته گیرهای انگشتی 39
ملاحظات طراحی 40
مراحل سایز کردن لخته گیر 41
استنتاج 45
منابع 46
منطق فازی و کنترل فازی - عصبی
پاندول معکوس
منطق فازی اولین بار در پی تنظیم نظریهٔ مجموعههای فازی به وسیلهٔ پروفسور لطفی زاده در صحنهٔ محاسبات نو ظاهر شد. کلمه fuzzy به معنای غیر دقیق، ناواضح و مبهم است.در این پروژه کنترل زاویه پاندول معکوس به روش فازی در مطلب در فرمت word ارائه شده است.منطق فازی چیست؟حتماً بارها شنیدهاید که کامپیوتر از یک منطق صفر و یک تبعیت میکند. در چارچوب این منطق، چیزها یا درستند یا نادرست، وجود دارند یا ندارند. اما انیشتین میگوید: <آنجایی که قوانین ریاضیات (کلاسیک) به واقعیات مربوط میشوند، مطمئن نیستند و آنجا که آنها مطمئن هستند، نمیتوانند به واقعیت اشاره داشته باشند.> هنگامی که درباره درستی یا نادرستی پدیدهها و اشیایی صحبت میکنیم که در دنیای واقعی با آنها سروکار داریم، توصیف انیشتین تجسمی است از ناکارآمدی قوانین منطق کلاسیک در علم ریاضیات. از این رو میبینیم اندیشه نسبیت شکل میگیرد و توسعه مییابد. در این مقاله میخواهیم به اختصار با منطق فازی آشنا شویم. منطقی که دنیا را نه به صورت حقایق صفر و یکی، بلکه به صورت طیفی خاکستری از واقعیتها میبیند و در هوش مصنوعی کاربرد فراوانی یافتهاست.
کجا اتومبیل خود را پارک میکنید؟
تصور کنید یک روز مطلع میشوید، نمایشگاه پوشاکی در گوشهای از شهر برپا شده است و تصمیم میگیرید، یک روز عصر به اتفاق خانواده سری به این نمایشگاه بزنید. چون محل نمایشگاه کمی دور است، از اتومبیل استفاده میکنید، اما وقتی به محل نمایشگاه میرسید، متوجه میشوید که عده زیادی به آنجا آمدهاند و پارکینگ نمایشگاه تا چشم کار میکند، پر شده است. اما چون حوصله صرف وقت برای پیدا کردن محل دیگری جهت پارک اتومبیل ندارید، با خود میگویید: <هر طور شده باید جای پارکی در این پارکینگ پیدا کنم.> سرانجام در گوشهای از این پارکینگ محلی را پیدا میکنید که یک ماشین به طور کامل در آن جا نمیشود، اما با کمی اغماض میشود یک ماشین را در آن جای داد، هرچند که این ریسک وجود دارد که فضای عبور و مرور دیگر خودروها را تنگ کنید و آنها هنگام حرکت به خودرو شما آسیب برسانند. اما به هرحال تصمیم میگیرید و ماشین خود را پارک میکنید. بسیارخوب! اکنون بیایید بررسی کنیم شما دقیقاً چه کار کردید؟ شما دنبال جای توقف یک اتومبیل میگشتید. آیا پیدا کردید؟ هم بله، هم نه. شما در ابتدا میخواستید ماشین را در جای مناسبی پارک کنید. آیا چنین عملی انجام دادید؟ از یک نظر بله، از یک دیدگاه نه. در مقایسه با وقت و انرژی لازم برای پیدا کردن یک مکان راحت برای توقف خودرو، شما جای مناسبی پیدا کردید. چون ممکن بود تا شب دنبال جا بگردید و چنین جایی را پیدا نکنید. اما از این نظر که اتومبیل را در جایی پارک کردید که فضای کافی برای قرارگرفتن ماشین شما نداشت، نمیتوان گفت جای مناسبی است. اگر به منطق کلاسیک در علم ریاضیات مراجعه کنیم و این پرسش را مطرح نماییم که قبل از ورود به پارکینگ چند درصد احتمال میدادید جایی برای پارککردن پیدا کنید، پاسخ بستگی به این دارد که واقعاً چه تعداد مکان مناسب (فضای کافی) برای توقف خودروها در آنجا وجود داشت؟ اگر به حافظه خود رجوع کنید، شاید به یاد بیاورید که هنگام ورود به پارکینگ و چرخیدن در قسمتهای مختلف آن، گاهی خودروهایی را میدیدید که طوری پارک کردهاند که مکان یک و نیم خودرو را اشغال کردهاند. بعضی دیگر نیز کج و معوج پارک کرده بودند و این فکر از ذهن شما چندبار گذشت که اگر صاحب بعضی از این خودروها درست پارک کرده بودند، الان جای خالی برای پارک کردن چندین ماشین دیگر هم وجود داشت. به این ترتیب علم ریاضیات و آمار و احتمال در مواجهه با چنین شرایطی قادر به پاسخگویی نیست. اگر قرار بود بر اساس منطق صفر و یک یا باینری کامپیوتر، روباتی ساخته شود تا اتومیبل شما را در یک مکان مناسب پارک کند، احتمالش کم بود. چنین روباتی به احتمال زیاد ناکام از پارکینگ خارج میشد. پس شما با چه منطقی توانستید اتومبیل خود را پارک کنید؟ شما از منطق فازی استفاده کردید.
دنیای فازی
میپرسم <هوا ابری است یا آفتابی؟> پاسخ میدهی: نیمهابری. میپرسم <آیا همه آنچه که دیروز به من گفتی، راست بود؟> پاسخ میدهی: بیشتر آن حقیقت داشت. ما در زندگی روزمره بارها از منطق فازی استفاده میکنیم. واقعیت این است که دنیای صفر و یک، دنیایی انتزاعی و خیالی است. به ندرت پیش میآید موضوعی صددرصد درست یا صددرصد نادرست باشد؛ زیرا در دنیای واقعی در بسیاری از مواقع، همهچیز منظم و مرتب سرجایش نیست. از نخستین روز تولد اندیشه فازی، بیش از چهل سال میگذرد. در این مدت نظریه فازی، چارچوب فکری و علمی جدیدی را در محافل آکادمیک و مهندسی معرفی نموده و دیدگاه دانشمندان را نسبت به کمّ و کیف دنیای اطراف ما تغییر داده است. منطق فازی جهانبینی بدیع و واقعگرایانهای است که به اصلاح شالوده منطق علمی و ذهنی بشر کمک شایانی کردهاست.
پیشینه منطق فازی
تئوری مجموعههای فازی و منطق فازی را اولین بار پرفسور لطفیزاده (2) در رسالهای به نام <مجموعههای فازی - اطلاعات و کنترل> در سال 1965 معرفی نمود. هدف اولیه او در آن زمان، توسعه مدلی کارآمدتر برای توصیف فرآیند پردازش زبانهای طبیعی بود. او مفاهیم و اصلاحاتی همچون مجموعههای فازی، رویدادهای فازی، اعداد فازی و فازیسازی را وارد علوم ریاضیات و مهندسی نمود. از آن زمان تاکنون، پرفسور لطفی زاده به دلیل معرفی نظریه بدیع و سودمند منطق فازی و تلاشهایش در این زمینه، موفق به کسب جوایز بینالمللی متعددی شده است. پس از معرفی منطق فازی به دنیای علم، در ابتدا مقاومتهای بسیاری دربرابر پذیرش این نظریه صورت گرفت. بخشی از این مقاومتها، چنان که ذکر شد، ناشی از برداشتهای نادرست از منطق فازی و کارایی آن بود. جالب اینکه، منطق فازی در سالهای نخست تولدش بیشتر در دنیای مشرق زمین، بهویژه کشور ژاپن با استقبال روبهرو شد، اما استیلای اندیشه کلاسیک صفر و یک در کشورهای مغرب زمین، اجازه رشد اندکی به این نظریه داد. با این حال به تدریج که این علم کاربردهایی پیدا کرد و وسایل الکترونیکی و دیجیتالی جدیدی وارد بازار شدند که بر اساس منطق فازی کارمیکردند، مخالفتها نیز اندک اندک کاهش یافتند. در ژاپن استقبال از منطق فازی، عمدتاً به کاربرد آن در روباتیک و هوش مصنوعی مربوط میشود. موضوعی که یکی از نیروهای اصلی پیشبرندهِ این علم طی چهل سال گذشته بوده است. در حقیقت میتوان گفت بخش بزرگی از تاریخچه دانش هوش مصنوعی، با تاریخچه منطق فازی همراه و همداستان است.
تفاوت میان نظریه احتمالات و منطق فازی
یکی از مباحث مهم در منطق فازی، تمیزدادن آن از نظریه احتمالات در علم ریاضیات است. غالباً نظریه فازی با نظریه احتمالات اشتباه میشود. در حالی که این دو مفهوم کاملاً با یکدیگر متفاوتند. این موضوع به قدری مهم است که حتی برخی از دانشمندان بزرگ علم ریاضیات در دنیا - بهویژه کشورهای غربی - درمورد آن با یکدیگر بحث دارند و جالب آن که هنوز هم ریاضیدانانی وجود دارند که با منطق فازی مخالفند و آن را یک سوء تعبیر از نظریه احتمالات تفسیر میکنند. از نگاه این ریاضیدانان، منطق فازی چیزی نیست جز یک برداشت نادرست از نظریه احتمالات که به گونهای غیرقابل قبول، مقادیر و اندازهگیریهای نادقیق را وارد علوم ریاضیات، مهندسی و کنترل کرده است. بعضی نیز مانند Bruno de Finetti معتقدند فقط یک نوع توصیف از مفهوم عدمقطعیت در علم ریاضیات کافی است و چون علم آمار و احتمالات وجود دارد، نیازی به مراجعه به منطق فازی نیست. با این حال، اکثریت طرفداران نظریه منطق فازی، کارشناسان و متخصصانی هستند که به طور مستقیم یا غیرمستقیم با علم مهندسی کنترل سروکار دارند. حتی تعدادی از پیروان منطق فازی همچون بارت کاسکو تا آنجا پیش میروند که احتمالات را شاخه و زیرمجموعهای از منطق فازی مینامند. توضیح تفاوت میان این دو نظریه البته کار چندان دشواری نیست. منطق فازی با حقایق نادقیق سروکار دارد و به حدود و درجات یک واقعیت اشاره دارد؛ حال آنکه نظریه احتمالات بر شالوده مجموعه حالات تصادفیِ یک پدیده استوار است و درباره شانس وقوع یک حالت خاص صحبت میکند؛ حالتی که وقتی اتفاق بیفتد، دقیق فرض میشود. ذکر یک مثال میتواند موضوع را روشن کند. فرض کنید در حال رانندگی در یک خیابان هستید. اتفاقاً متوجه میشوید که کودکی در اتومبیل دیگری که به موازات شما در حال حرکت است، نشسته و سر و یک دست خود را از پنجره ماشین بیرون آورده و در حال بازیگوشی است. این وضعیت واقعی است و نمیتوان گفت احتمال اینکه بدن این کودک بیرون اتومبیل باشد، چقدر است. چون بدن او واقعاً بیرون ماشین است، با این توضیح که بدن او کاملاً بیرون نیست، بلکه فقط بخشی از بدن او در خارج اتومبیل قرارگرفته است. تئوری احتمالات در اینجا کاربردی ندارد. چون ما نمیتوانیم از احتمال خارج بودن بدن کودک از ماشین صحبت کنیم؛ زیرا آشکارا فرض غلطی است. اما میتوانیم از احتمال وقوع حادثه صحبت کنیم. مثلاً هرچه بدن کودک بیشتر بیرون باشد، احتمال اینکه در اثر برخورد با بدنه یک اتومبیل در حال حرکت دچار آسیب شود، بیشتر میشود. این حادثه هنوز اتفاق نیفتاده است، ولی میتوانیم از احتمال وقوع آن صحبت کنیم. اما بیرون بودن تن کودک از ماشین همین حالا به واقعیت تبدیل شده است و فقط میتوانیم از میزان و درجات آن صحبت کنیم. تفاوت ظریف و در عین حال پررنگی میان نظریه احتمالات و نظریه فازی وجود دارد که اگر دقت نکنیم، دچار اشتباه میشویم؛ زیرا این دو نظریه معمولاً در کنار یکدیگر و در مورد اشیای مختلف همزمان مصداقهایی پیدا میکنند. هنگامی که به یک پدیده مینگریم، نوع نگاه ما به آن پدیده میتواند تعیین کند که باید درباره احتمالات صحبت کنیم یا منطق فازی. در مثال فوق موضوع دغدغه ما کودکی است که در حال بازی گوشی است. اما یک وقت نگران این هستیم که تا چه اندازه خطر او را تهدید میکند. خطری که هنوز به وقوع نپیوسته است. یک وقت هم ممکن است نگران باشیم که بدن او چقدر بیرون پنجره است. واقعیتی که هماکنون به وقوع پیوسته است. شکل 4 یک دیدگاه درباره علت بحث و جدل علمی میان دانشمندان این است که برخی از ریاضیدانان اتکا به علم آمار و احتمال را کافی میدانند و نظریه فازی را یک برداشت غیرکارآمد از جهان درباره ما تلقی میکنند. به عنوان مثال، اگر به مورد کودک و اتومبیل مراجعه کنیم، این پرسش مطرح میشود که اگر نگرانی و دغدغه نهایی ما احتمال وقوع حادثه است، دیگر چه نیازی به این است که ما درباره درجات <بیرون بودن تن کودک از اتومبیل> صحبت کنیم؟ بحث درباره ابعاد فلسفی منطق فازی بسیار شیرین و البته گسترده است. متأسفانه مجال برای طرح گستردهِ ابعاد فلسفی منطق فازی در این مقاله وجود ندارد. از این رو اگر مایل به مطالعه بیشتر در این زمینه هستید، کتاب بسیاری خواندنی < تفکر فازی- نوشته بارت کاسکو - ترجمه دکتر علی غفاری - انتشارات دانشگاه صنعتی خواجهنصیرالدین طوسی> را، توصیه میکنیم.
چکیده- بیماری دیابت به شرایط حادی اطلاق می¬شود که در آن تولید و مصرف انسولین در بدن دچار اختلال شده و در نتیجه¬ غلظت گلوکز در خون افزایش می¬یابد. نگه¬داری سطح گلوکز خون در نرمال¬ترین حد ممکن عوارض بلندمدت ناشی از بیماری دیابت را به¬طور قابل ملاحظه¬ای کاهش داده و منجر به کاهش هزینه¬های مرتبط با این بیماری می¬گردد. در بیماران دیابتی سیستم درونی تنظیم گلوکز که به-درستی عمل نمی¬کند، با یک الگوریتم کنترلی به¬منظور تنظیم سطح گلوکز خون جایگزین می¬شود. برای توسعه¬ی یک الگوریتم کارآمد آشنایی با نحوه¬ی عملکرد سیستم تنظیم گلوکز در یک فرد سالم ضروری است. در این تحقیق برای توصیف دینامیک¬های غیرخطی سیستم گلوکز- انسولین در بیماران مبتلا به دیابت نوع 1 از مدل مینیمال برگمان استفاده شده است. سپس یک کنترلر فازی با هدف تنظیم نرخ تزریق انسولین با فرض وجود اغتشاش و درنظرگرفتن تغییرات پارامترهای مدل پیشنهاد شده است. نتایج شبیه¬سازی¬ها نشان می¬دهد که کنترلر پیشنهادی توانسته سطح گلوکز خون را با موفقیت تنظیم نماید. هم¬چنین کارایی کنترلر مورد نظر یعنی رباست بودن و دقت بالای آن با وجود اغتشاش¬های فیزیکی مانند مصرف ماده¬ی غذایی از طریق شبیه¬سازی¬ها تایید می¬شود.
واژگان کلیدی- دیابت، غلظت گلوکز خون، نرخ تزریق انسولین، مدل مینیمال برگمان، کنترل فازی.
1- مقدمه
در بدن انسان، تعداد زیادی حلقه¬ی طبیعی فیدبک¬دار برای حفظ تعادل حیاتی وجود دارد. ناتوانی یا سوءعمل هر یک از این حلقه¬ها باعث بروز بیماری¬های جدی با عوارض کوتاه یا بلندمدت می¬شود. بیماری دیابت یکی از انواع بیماری¬هایی است که در نتیجه¬ی عملکرد نادرست این حلقه¬های طبیعی در بدن ایجاد می¬شود.
دیابت، یک بیماری متابولیکی است که در آن بدن انسولین را به¬طور مناسب تولید یا مصرف نمی¬نماید.
در حالت طبیعی، غذا در معده تبدیل به گلوکز یا قندخون می¬شود. قند از معده به جریان خون وارد می¬گردد. لوزالمعده (پانکراس) هورمون انسولین را ترشح می¬کند و این هورمون باعث می¬شود قند از جریان خون وارد سلول¬های بدن شود. در نتیجه مقدار قندخون در حد نرمال و متعادل باقی می¬ماند.
ولی در بیماری دیابت، انسولین به میزان کافی در بدن وجود ندارد و یا انسولین موجود قادر نیست تا وظایف خود را به درستی انجام دهد، در نتیجه به علت وجود مقاومت در برابر آن، قندخون نمی¬تواند به¬طور مؤثری وارد سلول¬های بدن شود و مقدار آن بالا می¬رود.
بالا بودن قندخون در درازمدت باعث بروز عوارضی در سیستم قلب و عروق، کلیهها، چشم و سلسله¬ی اعصاب می¬گردد.
دیابت یکی از شایع¬ترین بیماری¬های انسانی در زمان ماست. در برآورد و تخمینی که در سال 1985 انجام شده مشاهده شده است که 30 میلیون نفر در سراسر جهان مبتلا به بیماری دیابت بودند، اما امروزه حدود 194 میلیون نفر به بیماری دیابت مبتلا هستند که در مقایسه با 20 سال گذشته 6 برابر شده است ]19[. آمارها نشان می¬دهد که اگر جلوی پیشرفت این بیماری همهگیر گرفته نشود تا سال 2025 شمار مبتلایان در سطح جهانی 50 درصد رشد خواهد داشت ]20[. طبق آمارهای بدست آمده، در کشور آمریکا در سال 2005 میلادی 8/20 میلیون نفر - 7 درصد کل جمعیت- به بیماری دیابت مبتلا بوده¬اند ]21[. از هر 20 ایرانی یک نفر به دیابت مبتلاست و نیمی از این تعداد نمیدانند که دیابت دارند. هر 10 ثانیه یک نفر در جهان به دلیل عدم آگاهی از دیابت و روش کنترل آن، جان خود را از دست می¬دهد. هر 30 ثانیه یک نفر در جهان به علت عدم آگاهی از دیابت و روش کنترل آن، پای خود را از دست می¬دهد ]22[.
در سه دهه¬ی اخیر تحقیقات گسترده¬ای در زمینه کنترل قندخون در بیماران مبتلا به دیابت نوع اول انجام گرفته است. مقالات مختلف، استفاده از روش¬های گوناگون کنترل کلاسیک و مدرن را پیشنهاد می¬دهند که طبعاً هر کدام مزایا و معایب خود را دارند ]12-1[. در اغلب این مقالات ابتدا مدل غیرخطی تاثیر متقابل گلوکز و انسولین، خطی سازی شده و سپس از روشهای کنترل خطی جهت بهبود شرایط بیمار استفاده می شود. اما کنترلرهای خطی ممکن است در مداوای بیمارانی که در شرایط بسیار حادی قرار دارند، با شکست مواجه گردند. در واقع اگر شرایط بیمار فاصله زیادی با شرایط نرمال داشته باشد، مدل خطی دیگر معتبر نبوده و نباید جهت طراحی کنترلر مورد استفاده قرار گیرد.
به¬طور کلی استراتژی¬های کنترلی به کار رفته در این زمینه را می¬توان به سه دسته¬ی کنترل حلقه¬باز، حلقه¬بسته و نیمه¬حلقه¬بسته تقسیم نمود. در روش¬های کنترل حلقه¬باز، پزشک یک دُز معین انسولین را دو یا سه بار در روز به بیمار تزریق می¬کند. این روش کنترلی بسیار ساده و پر کاربرد است. هر چند که اگر بیمار در معرض تغییرات شدید قند خون باشد، این روش کارایی چندان خوبی نخواهد داشت. در روش¬های کنترل حلقه¬بسته، انسولین به¬طور پیوسته تزریق شده و سطح گلوکز خون به صورت بلادرنگ مانیتور می¬شود. استراتژی دیگر کنترل نیمه¬حلقه¬بسته است. در روش¬های کنترلی نیمه¬حلقه¬بسته، قندخون در فواصل زمانی معین اندازه گرفته شده و نرخ تزریق انسولین با توجه به این نمونه¬برداری¬ها تنظیم می¬شود. طبعاٌ این نوع کنترل بسیار ساده¬تر بوده و هزینه¬ی کمتری در بر خواهد داشت.
یکی از مشکلات کلیه¬ی روش¬های کنترل کلاسیک در برخورد با سیستم¬های بیولوژیکی آن است که این روش¬ها معمولاً به-شدت به پارامترهای مدل وابسته هستند. در حالی¬که این پارامترها معمولاً مقادیر مشخص و ثابتی نداشته و از یک فرد به فرد دیگر تغییر می¬کنند. با استفاده از تکنیک¬های کنترل فازی که کمتر به مدل ریاضی سیستم وابسته هستند، می¬توان این مشکل را برطرف نمود.
در این مقاله دینامیک های غیر خطی تاثیر متقابل گلوکز و انسولین، با کمک مدل مینیمال ارائه شده توسط برگمان مدل می-شود. سپس یک کنترلر فازی با هدف تنظیم نرخ تزریق انسولین با فرض وجود اغتشاش و درنظرگرفتن تغییرات پارامترهای مدل پیشنهاد شده است. نتایج شبیه¬سازی¬ها نشان می¬دهد که کنترلر پیشنهادی توانسته سطح گلوکز خون را با موفقیت تنظیم نماید. هم-چنین کارایی کنترلر مورد نظر یعنی رباست بودن و دقت بالای آن با وجود اغتشاش¬های فیزیکی مانند مصرف ماده¬ی غذایی از طریق شبیه¬سازی¬ها تایید می¬شود.
2- مدل ریاضی
مدل¬ مینیمال برای بیان غلظت انسولین و گلوکز پلاسما که به مدل برگمان نیز معروف است به منظور بررسی و آنالیز نتیجه¬ی تست¬های تحمل گلوکز در انسان¬ها و حیوانات آزمایشگاهی استفاده¬ی بسیار متداولی دارد. این مدل¬ توسط دکتر ریچارد اِن. برگمان ارائه شده و توسط او و همکارانش از دهه¬ 70 میلادی به بعد در حال گسترش است ]17-13[. این مدل در تحقیقات فیزیولوژیکی بر روی متابولیسم گلوکز بسیار محبوب است.
مدل¬ مینیمالِ گلوکز و انسولین یک توصیف کمی و صرفه¬جویانه از غلظت انسولین و گلوکز موجود در نمونه¬ی خون ارائه می¬دهد. به طور کلی یکی از دلایل نامگذاری این مدل به مدل مینیمال این است که این مدل، یک مدل ریاضی با حداقل پارامترهای ممکن برای پوشش دادن داده¬های تجربی موجود است.
این مدل از یک محفظه¬ی گلوکز تشکیل می¬شود که انسولین پلاسما از طریق یک محفظه¬ی تاخیر عمل نموده و جذب خالص گلوکز را تحت تاثیر قرار می¬دهد. معادلات مدل مینیمال برگمان عبارتند از:
(1)
در معادلات فوق، G(t) اختلاف غلظت گلوکز خون با حالت نرمال آن، Gb، را نشان می¬دهد. هم¬چنین I(t) اختلاف غلظت انسولین آزاد پلاسما با مقدار نرمال آن، Ib، می¬باشد. X(t) با غلظت انسولین در محفظه¬ی تاخیر متناسب است. و و پارامترهای مدل مینیمال هستند که دینامیک های تاثیر متقابل گلوکز پلاسما و انسولین را مدل می¬نمایند. نرخ آزادسازی انسولین از لوزالمعده، n نرخ کسری ناپدید شدن انسولین و D(t) و u(t) به ترتیب نرخ تزریق خارجی گلوکز و انسولین هستند.
3- طراحی کنترلر
برای بسیاری از مسایل کنترل عملی (برای مثال، فرآیند کنترل صنعتی) مشاهده¬ی یک مدل ریاضی ساده و در عین حال دقیق مشکل می¬باشد، اما می¬تواند آزمایشاتی توسط یک شخص ماهر و با¬تجربه فراهم شود، که یک راه¬کار عملی و تجربی مفید را برای کنترل نمودن فرآیند ارائه نماید. کنترل فازی برای این نوع مسائل بیش از هر راه دیگری مفید می¬باشد.
بلاک دیاگرام یک سیستم کنترل فازی در شکل (1) نشان داده شده است.
شکل 1¬- کنترلر فازی
کنترلر فازی از چهار عنصر زیر تشکیل می¬شود:
1. پایگاه قواعد فازی (مجموعه¬ای از قواعد اگر- آن¬گاه)، که شامل کمیت¬های منطقی فازی است که از توصیفات زبانی یک فرد خبره برای رسیدن به یک شیوه¬ی کنترل مطلوب است بدست آمده است.
2. مکانیزم استنتاج (که "موتور استنتاج" یا "استنتاج فازی" نیز نامیده می¬شود)، که از نحوه¬ی تصمیم¬گیری فرد خبره در تفسیر و استفاده از دانشِ چگونگی کنترل بهینه¬ی سیستم بهره می¬گیرد.
3. واسط فازی¬¬کننده ، که ورودی کنترلر را به اطلاعاتی که موتور استنتاج برای فعال¬سازی و اعمال قوانین می¬تواند از آن¬ها استفاده کند، تبدیل می¬نماید.
4. واسط غیر¬¬¬فازی¬کننده ، که نتایج بدست آمده از موتور استنتاج را به ورودی¬های حقیقی برای فرآیند مورد نظر تبدیل می¬کند.
3-1 شبیه¬سازی¬ها و نتایج
در این مقاله برای طراحی کنترلر فازی مورد نظر برای کنترل سطح قندخونِ بیماران دیابتی، از نرم¬افزار متلب استفاده شده است. مدل ریاضی به¬کار گرفته شده مدل مینیمال برگمان است که مقادیر ثوابت و پارامترهای آن برای سه بیمار در نظر گرفته شده با شرایط متفاوت در جدول زیر آمده است ]18[:
جدول1- مقادیر پارامترها
Patient 3 Patient 2 Patient 1 Normal
0.0361
0.0142
9.94 × 10-6
0.0046
0.2814
82.9370
80
7
80
60 0.0271
0.0072
2.16 × 10-6
0.0038
0.2465
77.5783
80
7
80
55 0.0339
0.02
5.3 × 10-6
0.005
0.3
78
80
7
80
50 0.0317
0.0123
4.92 × 10-6
0.0039
0.2659
79.0353
80
7
291.2
364.8 p1
p2
p3
γ
n
h
Gb
Ib
G0
I0
در نخستین بخش شبیه¬سازی، از سیستم معادله¬ی (1) بدون اعمال کنترلر استفاده شده است. پارامترهای مربوط به یک فرد سالم و یک فرد بیمار به منظور مقایسه¬ی سیستم تنظیم گلوکز آن¬ها، به این سیستم اعمال شد، نتایج این شبیه¬سازی در شکل (2) نشان داده شده است.
شکل2- مقایسه¬ی فرد سالم و فرد بیمار
پارامترهای فرد بیمار در شکل (2) مربوط به بیمار سوم است که پارامتر p1 آن صفر در نظر گرفته شده است. همان¬گونه که مشاهده می¬شود سطح گلوکز خون فرد سالم بعد از مصرف ماده¬ی قندی پس از حدود سه ساعت به حد نرمال (80 میلی¬گرم بر دسی¬لیتر) رسیده و در همان سطح باقی می¬ماند، اما در یک فرد بیمار بعد از مصرف نمودن ماده¬ی غذایی، سطح گلوکز خون بالا مانده و به حالت نرمال برنمی¬گردد.
به¬منظور کنترل وضعیت حاد بیماران دیابتی یک کنترلر فازی مورد استفاده قرار می¬گیرد. در طراحی کنترلر مورد نظر دو ورودی ، غلظت گلوکز خون و ، نرخ تغییرات غلظت گلوکز خون در نظر گرفته شده است. خروجی این کنترلر ، نرخ تزریق انسولین است. بلوک دیاگرام سیستم مورد نظر با کنترلر پیشنهاد شده در شکل (3) نشان داده شده است.
شکل 3- بلوک دیاگرام کنترلر فازی طراحی شده
توابع عضویت در نظر گرفته شده برای ورودی¬ها و خروجی کنترلر به¬منظور سادگی در طراحی از نوع مثلثی در نظر گرفته شده¬اند که با توجه به نتایج شبیه¬سازی¬ها عملکرد قابل قبولی داشته¬اند.
شکل 4- تابع عضویت برای سطح گلوکز خون
شکل 5- تابع عضویت برای نرخ تغییرات غلظت گلوکز خون
شکل 6- نرخ انسولین تزریقی
21 قاعده¬ی اگر- آن¬گاه در پایگاه قواعد فازی برای برقراری ارتباط بین ورودی و خروجی در طراحی کنترلر پیشنهادی استفاده شده است.
برای بررسی پاسخ سیستم در ابتدا فرض می¬شود که قبل از شروع شبیه¬سازی و اعمال کنترلر، بیمار یک وعده¬ی غذایی با میزان گلوکز بالا، مصرف نموده و به¬همین دلیل سطح اولیه¬ی قندخون وی با حالت نرمال، اختلاف زیادی دارد. در شکل (5-10) نتایج اعمال کنترلر فازی طراحی شده به سیستم معادله¬ی (1) نشان داده شده است. برای بررسی مقاومت کنترلر در برابر تغییر پارامترها سه بیمار با شرایط متفاوت در نظر گرفته می¬شود.
شکل 7- اعمال کنترلر فازی به سیستم با فرض شرایط اولیه¬ی نامناسب
شکل 8- میزان انسولین تزریقی با فرض شرایط اولیه¬ی نامناسب
همان¬طور که ملاحظه می¬شود، کنترلر به¬خوبی می¬تواند شرایط اولیه¬ی نامناسب بیمار را تصحیح نموده و ظرف حدود 300 دقیقه فرد را به حالت نرمال برگرداند. هم¬چنین ورودی کنترلی، شکل هموار و پیوسته¬ای دارد. همان¬گونه که مشاهده می¬شود در دقایق اولیه، میزان انسولین تزریقی افزایش یافته و پس از بهبود شرایط بیمار به مقدار اولیه¬ی خود بر می¬گردد.
در بخش بعدی شبیه¬سازی، نتایج به دست آمده با فرض وجود اغتشاش بررسی می¬شود، بدین معنی که فرض می¬شود بیمار در حین اعمال کنترلر، یک ماده¬ی غذایی مصرف نماید. این ماده¬ی غذایی مانند یک ورودی اغتشاش به سیستم اعمال شده و سطح قندخون بیمار را تحت تأثیر قرار می¬دهد. بلوک دیاگرام سیستم با فرض وجود اغتشاش در شکل زیر نشان داده شده است.
شکل 9- بلوک دیاگرام کنترلر فازی طراحی شده با فرض وجود اغتشاش
کنترلر باید بتواند اغتشاش را به خوبی دفع نماید. ورودی اغتشاش توسط تابع لگاریتمی زیر مدل می¬شود ]5،1[:
(2)
در رابطه¬ی فوق مقدار پیک ورودی را نشان می¬دهد. a ، bو c ثوابتی هستند که شیب¬های منحنی و خم آن را تنظیم می-کنند. این تابع، هموار، مشتق پذیر و پیوسته بوده و به خوبی اغتشاش ناشی از ورود ماده¬ی قندی به بدن را مدل می¬نماید. هم¬چنین با تغییر ثوابت a، bو c می¬توان جذب سریع¬تر یا کندتر گلوکز در بدن را مدل نمود. در شبیه¬سازی¬ها مقادیر ثابت به صورت زیر انتخاب شده¬اند:
(3)
در واقع این ورودی اغتشاش، نوعی روش تشخیص بیماری دیابت را نشان می¬دهد که به تست تحمل گلوکز خوراکی معروف است. تابع لگاریتمی رابطه (5-5) به خوبی این تست را مدل می¬نماید. ورودی اغتشاش در شکل (10) نشان داده شده است.
شکل 10- ورودی اغتشاش
نتایج حاصل از اعمال کنترلر فازی با فرض وجود اغتشاش برای سه بیمار موردنظر در شکل (11) نشان داده شده است:
شکل 11- اعمال کنترلر فازی به سیستم
همان¬گونه که در شکل (11) مشاهده می¬شود سطح گلوکز خون فرد در نتیجه¬ی مصرف ماده¬ی غذایی افزایش یافته است اما کنترلر به¬خوبی توانسته اغتشاش به وجود آمده ناشی از مصرف ماده¬ی غذایی را کنترل کرده و در زمان معقولی شرایط فرد را به حالت نرمال بازگرداند.
از آ¬¬ن¬جایی که پارامترهای مدل در بیماران مختلف بسیار متفاوت است، کنترلر مناسب، باید بتواند علی¬رغم تغییر پارامترهای سیستم باز هم پاسخ خوبی داشته باشد. برای بررسی این مسئله سه بیمار با شرایط متفاوت در نظر گرفته شد که همان¬گونه که مشاهده می¬شود پاسخ کنترلر به هر سه بیمار قابل قبول بوده و کنترلر به خوبی توانسته است شرایط هر سه بیمار را تحت کنترل درآورد.
میزان انسولین تزریقی با فرض وجود اغتشاش در شکل (12) نشان داده شده است.
شکل 12- میزان انسولین تزریقی با فرض وجود اغتشاش
4- منابع
1. F. Chee, A.V. Savkin, T.L. Fernando, and S. Nahavandi. Optimal H∞ insulin injection control for blood glucose regulation in diabetic patients. IEEE Trans. Biomed. Eng., 52(10):1625–1631, October 2005.
2. P. Kaveh,Y. B. Shtessel, Blood Glucose Regulation in Diabetics Using Sliding Mode Control Techniques, Proceedings of the 28th IEEE EMBS Annual international Conference, New York City, USA, 2006.
3. F. Chee, T.L. Fernando, A.V. Savkin, and P.V. van Heerden. Expert PID control system for blood glucose control in critically-ill patients. IEEE Trans. Inf. Tech. Biomed., 7(4):419–425, December 2003.
4. J. Lin, J. G. Chase1, G. M. Shaw, C. V. Doran1, C. E. Hann1, M. B. Robertson1, P. M. Browne, Adaptive Bolus-Based Set-Point Regulation of Hyperglycemia in Critical Care, Proceedings of the 26th Annual International Conference of the IEEE EMBS, San Francisco, CA, USA, 2004.
5. L. Kovács1, B. Paláncz, Zs. Almássy and Z. Benyó1, Optimal Glucose-Insulin Control in Space, Proceedings of the 26th Annual International Conference of the IEEE EMBS, San Francisco, CA, USA, September 2004.
6. M. S. Ibbini, M. A. Masadeh and M. M. Bani Amer, A Semi Closed-loop Optimal Control System for Blood Glucose Level in Diabetics, Journal of Medical Engineering & Technology, Volume 28, Number 5, pp. 189–196, September/October 2004.
7. E.D. Lehmann, T. Deutsch, Computer Assisted Diabetes Care: Computer Assisted Diabetes Care:A 6-Year Retrospective, Computer Methods and Programs in Biomedicine 50, pp. 209-230, 1996.
8. J. Geoffrey’ Chase, Graeme C. Wake, Z-H Lam, J-Y Lee, K-S Hwang and G. Shaw, Steady-State Optimal Insulin Infusion for Hyperglycemic ICU Patients, 7th International Conference on Control, Automation and Robotics, Singapore, 2002.
9. M. E. FISHER, A Semiclosed-loop Algorithm for the Control of Blood Glucose Levels in Diabetics, IEEE Transactions on Bi
فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد
تعداد صفحات این مقاله 14 صفحه
پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید
دانلود ترجمه مقاله کنترل حالت فازی در سیستم دریچه گاز الکترونیکی ؛ مقاله ای برای رشته مهندسی مکانیک و مکانیک خودرو و کاربرد برق الکترونیک در آن است که در 13 صفحه برای دانلود شما ترجمه شده است.
چکیده :
ساسات الکترونیکی توسط قطع کن DC از طرف موتور با تنظیم جریان هوا در سیستم احتراق خودرو به وجود می آید . سیستم دریچه گاز الکترونیکی غیر خطی بوده و ویژگی های دینامیکی دارد و کنترل آن را توسط روش های سنتی براساس استراتژی PID را دشوار نموده و عملکرد رضایت بخشی دارد . روش کنترل فازی در این مقاله برای دریچه های گاز الکترونیکی پیشنهاد شده است . در ابتدا براساس مدل دینامیکی دریچه گاز الکترونیکی این کنترل فازی طراحی شده است . این حالت از کنترل از مدت کنترل معادل و مدت کنترل سوئیچینگ تشکیل شده است . سیستم منطق فازی به منظور تغییرات مدت کنترل تصویب شده بنابراین کنترل ضعیف است . در نهایت یک کامپیوتر شبیه سازی را انجام داده و نتایج شبیه سازی , روشی کنترل دارای عملکرد کنترل رضایت بخش پیشنهادی را بررسی می کند .
کلمات کلیدی : دریچه گاز الکترونیکی , حالت کنترل فازی , سیستم منطق فازی .
1 – مقدمه :
دریچه گاز الکترونیکی اساسا با موتور های DC می باشد که می تواند جریان هوا را در سیستم احتراق خودرو تنظیم کند . سیستم کنترل آن مواضعی مانند سوپاپ دریچه گاز با توجه به زاویه باز مرجع دارد که توسط واحد کنترل موتور ارائه شده است . در سال های اخیر دریچه گاز الکترونیکی به طور فزاینده ای در اتومبیل ها و مدرن به منظور بهبود قابلیت رانندگی خودرو و کاهش مصرف سوخت و تولید گاز های گلخانه مورد استفاده قرار گرفته است . وجود مشخصه غیر خطی خود و عدم اطمینان از دریچه گاز الکترونیکی همیشه همراه خودرو است . با توجه به مشخصه غیر خطی بودن و پارامتر عدم قطعیت در دریچه گاز الکترونیکی , به دست آوردن عملکرد کنترلی رضایت بخش و با استفاده از روش کنترلی سنتی PID دشوار می باشد . لذا روش کنترلی حالت فازی مؤثر بوده و برای مقابله , با مشخصه غیر خطی قوی و عدم اطمینان در پارامتر ها ارائه می شود . برای این استفاده , حالت دو فازی به طور گسترده ای در کاربرد های عملی مورد استفاده قرار گرفته است . همچنین برخی از آثار آن برای کنترل دریچه گاز الکترونیکی معرفی شده است . و همچنین ساختار کنترل دریچه گاز الکترونیکی ارائه شده و مورد بحث است که شامل سرعت متوسط کنترل و کنترل خطی دیجیتالی در موقعیت بیرونی است . مشخصه هیستیریک خطی از دریچه گاز الکترونیکی توصیف شده و روش کنترل پیشنهاد شده برای کنترل دریچه گاز الکترونیکی ناظران بر طراحی براساس مدل شناخته شده با سیستم کنترل دریچه گاز این مدل را ارائه نمودند . سیستم عصبی برای کنترل الکترونیکی مبتنی بر شبکه جریان بنزین ارائه شده است که در آن یک شبکه عصبی برآورد عدم قطعیت در وابستگی به سیستم را نشان می دهد . کنترل دریچه گاز الکترونیکی براساس مفاهیم این حالت ارائه شده است . و الگوریتم آن به عنوان قانون کنترل انتخاب شده است . در این مقاله یک روش کنترل فازی از دریچه گاز الکترونیکی طراحی شده است . در ابتدا یک مدل ریاضی از دریچه گاز الکترونیکی ارائه می شو
د . براساس مدل دینامیکی از دریچه گاز الکترونیکی این طراحی کنترل انجام می شود . به منظور کاهش مشکلات در این حالت , سیستم منطق فازی بهره برداری براساس مدت زمان را توسط کنترل سوئیچینگ انجام می دهد . پیشنهاد حالت فازی برای دریچه گاز الکترونیکی می تواند همراه سوپاپ دریچه گاز با کنترل عملکرد رضایت بخشی همراه باشد . در نهایت یک شبیه سازی کامپیوتری انجام می شود و نتایج شبیه سازی در اثر بخشی پیشنهاد روشی کنترل بررسی می شود .