---

استراتژی کنترلی در خودروهای هیبرید الکتریکی تعیین کننده میزان مصرف انرژی توسط هر یک از موتورهای الکتریکی واحتراقی جهت تامین توان مورد نیاز خودرو در هر موقعیت می باشد. یکی از نرم‌افزارهای متداول برای شبیه-سازی رفتار و میزان مصرف سوخت خودروهای هیبریدی نرم‌افزار ADVISOR می‌باشد. در این تحقیق با استفاده از معادلات غیرخطی حاکم بر این نرم‌افزار و برنامه نویسی جانبی سعی شده تا عملکرد یک کنترل کننده‌ با استراتژی کمک الکتریکی بهینه گردد. معیار بهینه‌سازی پارامترهای سیستم کنترلی، کمینه کردن مصرف سوخت خودرو ضمن نگهداری آلاینده‌ها در زیر سطح استاندارد یورو3 و حفظ مشخصات حرکتی خودرو می‌‌باشد. بدین‌ منظور شبیه‌سازی یک خودروی هیبرید موازی در دو سیکل حرکتی تهران و سیکل حرکتی آمریکا (FTP) انجام شد و پارامترهای کنترل‌کننده به کمک الگوریتم ژنتیک در حضور قیود حاکم به صورت بهینه انتخاب شدند. نتایج نشان‌ می‌دهد که بهینه‌سازی پارامترهای کنترل-کننده در هر سیکل حرکتی موجب کاهش مصرف سوخت ضمن ارضای قید استاندارد آلایندگی یورو 3 و دیگر قیدهای حرکتی می‌شود. ضمنا با توجه به مشخصات و خصوصیات هر سیکل حرکتی، اعداد مختلفی به عنوان مقادیر بهینه استخراج شده‌اند که نشان از وابسته بودن پارامترهای کنترل کننده به سیکل حرکتی می باشد.

---

در این مقاله روشی برای طراحی کنترل‌کننده درچارچوب کنترل تطبیقی مدل مرجع وفیدبک خروجی تطبیقی، با استفاده از تابعی از خطای تعقیب مسیر و کنترل تناسبی برای دسته‌ای از سیستم‌های خطی پیوسته با تاخیرهای متعدد متغیر با زمان در حالت، ارائه شده است. کنترل‌کننده پیشنهادی علاوه بر این‌که نسبت به تاخیرهای نا‌معین، متعدد و متغیر با زمان فرایند و اغتشاش خارجی با کران‌های نا‌معین مقاوم است، تاثیر قابل ملاحظه‌ای در بهبود رفتار حالت‌ دائم و عملکرد گذرای سیستم حلقه بسته دارد. اثبات پایداری سیستم حلقه بسته و همگرایی خطا، با استفاده از تابع لیاپانوف-کراسفسکی مناسبی صورت گرفته است. نتایج شبیه‌سازی، نشان‌دهنده کارایی کنترل‌کننده‌ی پیشنهادی می‌باشد.

---

مدل غیرخطی موشک از یک سو دارای پارامتر‌های آئرودینامیکی فاقد قطعیت بوده و از سوی دیگر در عمل در معرض اغتشاشات قرار دارد. سیستم کنترلی اتوپایلوت باید بتواند پایداری و عملکرد مطلوب سیستم را با وجود این عدم قطعیت‌ها (نامعینی‌ها) و اغتشاشات حفظ کند. پاسخ سریع، خطای کم، مقاوم بودن سیستم و کارآیی مناسب از جمله نکاتی هستند که باید در طراحی اتوپایلوت مورد توجه قرار گیرند. به دلیل اهمیت کنترل موشک، روش‌های مختلفی برای طراحی اتوپایلوت ارائه شده است. در این مقاله روش جدیدی برای کاهش خطای ردیابی و افزایش مقاومت سیستم پیشنهاد می‌شود. این روش مبتنی بر ساده سازی طراحی بر پایه‌ی تکنیک گام به عقب است. برای کاهش خطای ردیابی ناشی از ساده سازی مدل موشک از یک مشاهده‌گر اغتشاش غیرخطی برای تخمین عدم قطعیت‌های موجود در برخی از پارامترهای سیستم و اغتشاشات موجود در خروجی و به‌روز کردن سیگنال مرجع استفاده شده است. مزیت روش ارائه شده این است که به طور کامل انعطاف‌پذیر بوده و می‌تواند با روش‌های خطی و غیر‌خطی که قابلیت تضعیف اغتشاشات و مقابله با عدم قطعیت‌ها را ندارند، به کار رود.

---

با توجه به عدم کارآیی مناسب روش‌های مبتنی بر فیلتر کالمن برای تلفیق داده‌های ناوبری INS/GNSS در زمان قطع شدن سیگنال‌های GNSS، استفاده از تکنیک‌های هوش مصنوعی در معماری تلفیق مرسوم شده است. از این رو در این مقاله ضمن ارائه‌ی یک معماری ترکیبی مؤثر، از شبکه عصبی رگرسیون تعمیم‌یافته (GRNN) برای پیش‌بینی مشاهدات مورد نیاز فیلتر کالمن در شرایط قطع شدن طولانی مدت GNSS استفاده شده است. در مدل پیشنهادی، برای آموزش شبکه عصبی، سرعت‌ها و موقعیت‌های INS به‌عنوان ورودی‌ها و سرعت‌ها و موقعیت‌های GNSS به‌عنوان خروجی‌های شبکه در نظر گرفته شده ­اند. این رویکرد در عین کاربردی و عملیاتی بودن، سبب کاهش چشمگیر بار محاسباتی و افزایش دقت و سرعت تخمین شده است. نتایج شبیه‌سازی‌‌ها نشان می‌دهند که به‌دلیل ساختار ساده و در عین حال مقاوم معماری تلفیق پیشنهادی، و البته انتخاب شبکه عصبی کارآمد با قابلیت کشف ارتباط مؤثر میان ورودی‌ها و خروجی‌ها و به تبع آن اصلاح مناسب خطاهای مربوط به سرعت‌ها و موقعیت‌های INS، می‌توان از روش ارائه شده برای ناوبری پیوسته، خوداتکا، با قابلیت اطمینان و دقت بالا در کاربردهای زمان واقعی استفاده نمود.