کاهش مرتبه ی سیستم های چند متغیره توسط روش زیرفضای کرایلف تطبیقی و توابع لاگر با استفاده از الگوریتم ژنتیک
محل انتشار: دوازدهمین کنفرانس ملی سیستم های هوشمند ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,232
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICS12_053
تاریخ نمایه سازی: 11 مرداد 1393
چکیده مقاله:
در این مقاله، به ارائهی روشی برای کاهش مرتبهی سیستم های چند ورودی- چند خروجیMIMO توسط زیرفضای کرایلف گویای تطبیقی، الگوریتم تکراری آرنولدی بلوکی، توابع متعامد لاگر و الگوریتم ژنتیک پرداخته شده است. در این روش، تابع انتقالسیستم بر مبنای توابع متعامد لاگر، به ازای مقادیر مختلف پارامتر تابع لاگر بسط داده شده و از ضرایب بسط لاگر و یک الگوریتم آرنولدی بلوکی اصلاح شده برای تشکیل زیرفضای کرایلف گویا استفاده شده است. مقادیر مختلف برای پارامتر تابع لاگر، از طریق بیشینه کردن خطای ماندهی ماتریس ورودی سیستم و توسط الگوریتم ژنتیک تعیین میشوند. با تعیین ماتریس پایه ی زیر فضایکرایلف با استفاده از الگوریتم آرنولدی، فضای حالت سیستم مرتبهی بالا به زیرفضای کرایلف تصویر شده و سیستم مرتبه ی بالا تقریب زده میشود. این روش دارای مزایای زیادی از قبیل تضمین پایداری، حفظ پسیو بودن سیستم و همچنین دقت بالا در حوزهی فرکانس میباشد. در پایان یک مدل ابعاد وسیع با استفاده از روش پیشنهادی کاهش مرتبه داده شده و با روشهای پیشین مقایسهشده است. نتایج نشان دهندهی دقت بالای روش پیشنهادی میباشد
کلیدواژه ها:
کاهش مرتبه ، سیستم های چند متغیره ، زیرفضای کرایلف ، الگوریتم آرنولدی ، توابع متعامد ، الگوریتم ژنتیک
نویسندگان
سهیلاسادات هاشمی نسب
دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه شهید باهنر، کرمان
ملیحه مغفوری فرسنگی
دانشیار، دانشکده فنی و مهندسی، دانشگاه شهید باهنر، کرمان
مجتبی برخورداری یزدی
استادیار، دانشکده فنی و مهندسی، دانشگاه شهید باهنر، کرمان
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :