طراحی کنترل کننده ی ترکیبی تطبیقی هوشمند با استفاده از شبکه های عصبی موجکی کوانتومی برای ردیابی مسیر سیستم های کوانتومی بسته ی متناهی

در این مقاله، یک کنترل کننده ی ترکیبی تطبیقی هوشمند جدید برای ردیابی یک مسیر دینامیک در سیستم های کوانتومی بسته ی متناهی ارائه شده است. مشکل بروز تکینی های ذاتی در سیگنال های کنترل کننده ی ردیابی مسیرهای دینامیکی در کنترل سیستم های کوانتومی، منجر به رشد شدید دامنه ی سیگنال های کنترل و در نتیجه افزایش هزینه ی کنترل و ناپایداری سیستم کنترل می شود. ابتدا بر اساس تئوری پایداری لیاپانوف یک کنترل کننده ی تطبیقی برای ردیابی مسیر دینامیک طراحی می شود. سپس برای رفع مشکل تکینی در سیگنال های کنترل تطبیقی، یک کنترل کننده ی هوشمند کوانتومی مبتنی بر شبکه ی عصبی موجکی تطبیقی کوانتومی با قوانین یادگیری پس انتشار دسته ای طراحی و بوسیله ی یک پارامتر ناظر تکینی با کنترل کننده ی تطبیقی ترکیب شده است. کنترل کننده ی ارائه شده با ترکیب موثر سیگنال های کنترل تطبیقی و هوشمند، حالت سیستم کوانتومی را طوری تنظیم می کند که فرآیند ردیابی مسیر دینامیک از پیش تعیین شده، به خوبی کنترل می شود. کنترل کننده ی پیشنهادی علاوه بر ردیابی مسیر هدف، اثرات نامطلوب ناشی از بروز پدیده ی تکینی و دامنه بزرگ سیگنال های کنترل را حذف می کند. عملکرد کنترل کننده ی ترکیبی تطبیقی هوشمند پیشنهادی در مساله ی کنترل انتقال جمعیت یک سیستم کوانتومی بسته ی چهار سطحی در ردیابی مسیر دینامیک پاسخ پله، مورد بررسی قرار گرفته است. بررسی نتایج شبیه سازی کاهش خطای ردیابی، کم شدن هزینه ی کنترل با تنظیم موثر سیگنال های کنترل و کاهش قابل ملاحظه ی تعداد دفعات بروز پدیده ی تکینی را نشان می دهد.

کلیدواژه ها:

Quantum Adaptive Control ، Quantum Wavelet Neural Network ، Quantum Intelligent Control ، Quantum Trajectory Tracking ، Quantum Hybrid Controller ، کنترل تطبیقی کوانتومی ، شبکه ی عصبی موجکی کوانتومی ، کنترل هوشمند کوانتومی ، ردیابی مسیر کوانتومی ، کنترل کننده ترکیبی کوانتومی