@ARTICLE{Haghniaz Jahromi, author = {Haghniaz Jahromi, Benyamin and AlModarresi, Seyed Mohammad Taghi and Hajebi, Pooya and }, title = {Neural-Smith Predictor Method for Improvement of Networked Control Systems}, volume = {18}, number = {1}, abstract ={کنترل­‌گر اسمیت پیش‌­بین یک راه‌­حل مناسب در برابر چالش تأخیر تصادفی بسته‌­های داده در سامانه‏‌های کنترل از طریق شبکه است. مدل‏‌سازی دقیق و برخط دستگاه به ویژه در حالتی که دستگاه غیرخطی است و یا دارای پارامترهای مجهول و تغییرپذیر است، می‌‏تواند عملکرد کنترلی سامانۀ کنترل از طریق شبکه را به مقدار قابل‌توجهی بهبود بخشد. در این پژوهش، کنترل‏‌گری با نام”کنترل­‌گر عصبی‌اسمیت پیش‌‏بین“ ارائه شده که در آن با استفاده از شبکه‌‏های عصبی پرسپترون به مدل‏‌سازی برخط دستگاه پرداخته و از یک شبکۀ عصبی دیگر به‌عنوان مرکز پردازش سیگنال کنترل‌­گر استفاده شده است. با استفاده از کنترل­‌گر پیشنهادی، تغییرات پارامترهای دستگاه در اثر کارکرد در طول زمان، به‌صورت برخط مدل‌­سازی می‌‏شود و سیگنال کنترلی مناسب تولید می‌‏شود. نتایج شبیه‌‏سازی نشان می­‌دهد در سامانۀ کنترل از طریق شبکه، در حالتی که تأخیر تصادفی شبکه و تغییرات تابع تبدیل دستگاه افزایش می­‌یابد، استفاده از کنترل­گر عصبی- اسمیت پیش‌‏بین نسبت به کنترل­‌گر اسمیت پیش‌­بین ساده، عملکرد بهتری دارد. به‌عنوان مثال وقتی که تأخیر تصادفی شبکه در بازۀ ]21-19[ میلی­ثانیه باشد، تفاوت مقدار ITAE سامانۀ پیشنهادی با اسمیت پیش‌‏بین ساده برابر با 0004/0 است، اما به‌ازای تأخیر شبکه در بازۀ ]930-910[ میلی‌‏ثانیه این تفاوت درحدود 027/0 است. }, URL = {http://jsdp.rcisp.ac.ir/article-1-594-fa.html}, eprint = {http://jsdp.rcisp.ac.ir/article-1-594-fa.pdf}, journal = {Signal and Data Processing}, doi = {10.52547/jsdp.18.1.86}, year = {2021} }