---

در این مقاله کنترل فازی تطبیقی مستقیم با محدودیت‌های کمتر روی بهره‌ی کنترلی برای دسته‌ای از سیستم‌های غیرخطی تک ورودی- تک خروجی مطرح می-باشد و یک سیستم فازی نوع دوم بازه‌ای ساده شده ارائه شده است. قانون تطبیق بر اساس پایداری لیاپانوف می‌باشد، که کراندار ماندن پارامترهای تطبیقی و خطای ردیابی را تضمین می‌نماید. با توجه به اینکه علاوه بر پارامترهای بخش تالی، پارامترهای توابع تعلق یعنی مراکز و عرض توابع نیز تنظیم می‌شوند، خطای تخمین بسیار کوچک و قابل صرف‌نظر کردن است. ضمن اینکه توابع تعلق کمتری هم لازم داریم. شبیه‌سازی‌هایی که روی سیستم‌های پاندول معکوس و سیستم تعلیق مغناطیسی انجام شده است، گویای قابلیت کنترل‌کننده‌ی مطرح شده در این مقاله است. در حضور نویز، ردیابی ورودی مرجع، به خوبی صورت گرفته و خطای ردیابی بسیار پایین می‌باشد.

---

  در این مطالعه، کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی مدل مرجع با آموزش پسخور خطا برای کلاسی از سیستم های غیرخطی در حضور عدم قطعیت محدود ارائه می گردد. کنترل کننده ارائه شده به فرم ترکیبی، شامل کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی و کنترل کننده کلاسیک می باشد. به دلیل استفاده از کنترل کننده کلاسیک در کنار کنترل کننده هوشمند، می توان انتظار محدود بودن پاسخ حالت گذرا را داشت. وزن های لایه خروجی کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی، پارامترهایی به فرم بازه ای هستند. با استفاده از تابع لیاپانوف مناسب بر اساس خروجی کنترل کننده کلاسیک، قوانین به روزکردن پایدار وزن های لایه خروجی کنترل کننده شبکه عصبی راف مبتنی بر توابع شعاعی بر پایه اثبات پایداری استخراج شده اند. به منظور نشان دادن کارایی کنترل کننده طراحی شده، شبیه سازی جهت کنترل و همزمانسازی سیستم‌های آشوب نوسانگر دافینگ و جنسیو- تسی اجرا و نتایج با حالتی که وزنهای لایه خروجی کنترل کننده به فرم غیر راف می باشند، مقایسه شده اند که نشان دهنده مقاومت بیشتر کنترل کننده ارائه شده در مقایسه با کنترل کننده غیر راف دارد. نتایج حاکی از طراحی مناسب کنترل کننده ارائه شده، می باشد.

---

توان بالای عبوری از خطوط انتقال و هزینه‌های هنگفت ناشی از بروز خطاها در این خطوط باعث توجه ویژه محققین به مسائل مربوط به حفاظت در این حوزه شده است. ضعف‌های موجود در روش‌های حفاظت سنتی و وابستگی شدید آن‌ها به شرایط بهره‌برداری سیستم اهمیت موضوع تشخیص پیش از موعد خطا و پیش‌بینی آن با روش‌های جدید را دوچندان می‌کند. تشخیص به موقع و صدور هشدارهای مربوط به احتمال وقوع خطا با تحلیل داده‌ها و اطلاعات بدست آمده از سیستم و بررسی روابط بین پارامترهای مختلف قابل انجام است. در این مقاله از روش‌های مبتنی بر یادگیری ماشین که با دقت مناسب و مستقل از ناحیه عملکردی سیستم توان پیش‌بینی وقوع خطا را دارند استفاده گردیده است. برای بررسی عملکرد مدل‌ها تعداد زیادی داده‌ در شرایط بهره‌برداری متنوع تولید شده و به عنوان ورودی به الگوریتم‌های تحت بررسی داده شده است. همچنین تاثیر شرایط آب و هوایی مختلف به عنوان یکی از عوامل مهم در وقوع خطاها در خطوط انتقال در این مطالعه لحاظ شده است. به منظور افزایش جامعیت، بررسی صحت و مقایسه‌پذیری نتایج از سه روش KNN، SVM و درخت تصمیم در دو حالت (داده‌های نامتعادل و متعادل‌سازی شده در دسته‌بندی‌های موجود) استفاده شده و نتایج آن ارائه گردیده است. شبیه سازی‌ها و مدل‌سازی‌های ارائه شده در این مقاله با استفاده از نرم‌افزارPython  انجام گردیده‌اند.
 

---

این مقاله، به بررسی و عملکرد حفاظت دیفرانسیل ترانسفورماتورهای قدرت در حضور انواع خطا­های داخلی، خطاهای خارجی و خطاهای فرامرزی¹ در حضور اشباع ترانسفورماتورهای جریان که از نوآوری اصلی این تحقیق بشمار می­رود، پرداخته است. تشخیص و طبقه­بندی خطاهای فرامرزی از سایر پیشامدها، از مهمترین چالش‌هایی است که امروزه مهندسان حفاظت با آن روبرو هستند. لذا در این تحقیق، از تبدیل موجک گسسته حداکثر همپوشانی² به‌منظور تشخیص و طبقه­بندی دقیق این پیشامدها براساس استخراج شاخص­های ضرایب انرژی ویژگی­های برتر در سطوح مختلف انرژی استفاده شده است. ابتدا، خطاهای فرامرزی، خطاهای داخلی و خارجی و همچنین پدیده جریان هجومی بر روی سیستم مورد مطالعه در محیط نرم‌افزار EMTP شبیه‌سازی و جریان دیفرانسیل در پیشامدهای مختلف نمونه­برداری شده است. سپس، شاخص­های میانگین مجموع ضرایب انرژی هر سطح توسط تبدیل موجک گسسته حداکثر همپوشانی توسط نرم افزار MATLAB محاسبه شده و براساس مقادیر شاخص­ها، تمایز و کلاسه بندی پیشامدها صورت می­گیرد. نتایج بدست آمده از شبیه­سازی­ها تأیید می­کند که الگوریتم حفاظتی پیشنهادی قابلیت تشخیص و طبقه­بندی خطاهای فرامرزی از دیگر پیشامدها را در شرایط مختلف کاری ترانسفورماتورها داشته و سبب بهبود عملکرد حفاظت دیفرانسیل و افزایش قابلیت اطمینان سیستم قدرت خواهد شد.