عنوان پایان‌نامه
مدلسازی هیستروزیس و کنترل سیم های آلیاژ حافظه دار با کمک روش های هوش مصنوعی
- رشته تحصیلی
- مهندسی مکانیک طراحی کاربردی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3219;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74019;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 3219;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 74019
- تاریخ دفاع
- ۰۶ بهمن ۱۳۹۴
- دانشجو
- علی محسنیان
- استاد راهنما
- مسعود شریعت پناهی, محمد رضا ذاکر زاده
- چکیده
- با وجود مزایای مکانیکی آلیاژ حافظه‌دار در نقش عملگر برای کاربردهای مهندسی، رفتار غیرخطی همراه با هیسترزیس این آلیاژ چالشی جدی بوده و بکارگیری آن را با دشواری مواجه می‌کند. برای بهبود عملکرد آلیاژ حافظه‌دار، پژوهش در زمینه مدلسازی و کنترل رفتار هیسترزیس این مواد لازم بوده و زمینه ساز تحقیقات بسیاری در این زمینه شده است. با توجه به این نیاز، در این پژوهش، مدل ریاضی برای توصیف رفتار هیسترزیس مجموعه مکانیکی متصل به عملگر سیم آلیاژ حافظه‌دار، با استفاده از مدل هیسترزیس بوک-وِن و شبکه عصبی پیشخور، ارائه شده است. در این مدلسازی با توجه به ناتوانی معادلات کلاسیک جرم-فنر-دمپر غیرخطی (فنر الاستیک-پلاستیک) برای بیان رفتار هیسترزیس در آلیاژ حافظه‌دار، با تغییراتی در این معادلات، از مدل بوک-وِن برای توصیف حلقه‌های هیسترزیس بهره برده و برای بیان خروجی مدل بوک-وِن در معادله اصلی از انعطاف‌پذیری شبکه عصبی استفاده شده است. سپس پارامترهای مدل، برای یک مجموعه مکانیکی حقیقی با استفاده از داده‌های تجربی، شناسایی شده و بعد از انتخاب پیکربندی مناسب برای شبکه عصبی، شبکه تربیت شده است. پس از آن صحت مدل بدست آمده، با استفاده از سه دسته داده متفاوت، صحت‌سنجی شده است. در انتها با توجه به دینامیک مدل و بیان فضای حالت آن، کنترلر مد لغزشی برای کنترل هیسترزیس مجموعه مدنظر قرار گرفته و سپس با انتخاب سطح لغزش پایدار، قانون کنترلی برای کنترل هیسترزیس مجموعه بدست آمده است. در نهایت پاسخ سیستم حلقه‌بسته برای چند سیگنال مرجع متفاوت، بررسی شده است. واژه‌های کلیدی: آلیاژ حافظه‌دار، هیسترزیس، مدل بوک-وِن، شبکه عصبی پیشخور، کنترل مد لغزشی
- Abstract
- Despite the mechanical benefits of Shape-memory alloys (SMAs) in the role of an actuator for engineering applications, the nonlinear behavior with hysteresis of these alloys is a serious challenge making its application difficult. To improve the performance of SMA actuator, research on modeling and controlling the hysteresis behavior of these materials is necessary and has also made a lot of research in this field. Due to the need, in this study, a mathematical model for describing the hysteresis behavior of the mechanical system connected to SMA wires has been presented using the hysteretic model of Bouc-Wen and feedforward neural network. In the modeling, due to the inability of the classical mass-spring-damper nonlinear equations (elastic-plastic spring) in expressing the hysteresis behavior of the SMA wire, the Bouc– Wen model has been modified for describing hysteresis loops. Also, in order to express the Bouc–Wen model output in the original equation, the flexibility of neural networks has been used. The parameters of the model, for an actual mechanical system were then identified using experimental data and trained after selecting an appropriate configuration for the neural network. Then, the trained model was validated using three different data sets. Finally, due to the model dynamics and the expression of its state-space, the sliding mode controller was considered for controlling the hysteresis. Finally by selecting the sustainable sliding surface, the control law for controlling the hysteresis of system has been obtained. In the end, the closed-loop system response for several different reference signals was investigated. Keywords: Shape-memory alloy (SMA), Hysteresis, Bouc-Wen Model, Artificial Neural Network, Sliding Mode Controller
