سعید انصاری راد
زمینه تحقیقاتی : —
بازه فعالیت در آزمایشگاه : از 1397
saeedansari71@ut.ac.ir
1
2
Citations: 53
h-index: 4
i10-index: 2
No. of Papers: 9
تحصیلات
کارشناسی : برق و کامپیوتر – دانشگاه تهران
کارشناسی ارشد : برق و کامپیوتر – دانشگاه تهران
دکتری : —
سعید انصاری راد مقطع کارشناسی را در دانشگاه تهران، رشته برق و کامپیوتر در سال 1394 به اتمام رسانده است که در این مقطع در پروژههای متنوع در حوزه الکترونیک، کنترل و سیستمهای قدرت حضور فعال داشته است. موضوع پایاننامه کارشناسی وی پیرامون گسترش و بهبود امکانات رباتهای مسیریاب ایپاک بوده است. با قبولی در مقطع کارشناسی ارشد در سال 1394، تحصیلات خود را در رشته کنترل دانشگاه تهران ادامه داد. از ابتدای کارشناسی ارشد به صورت فعال عضو بنیاد نخبگان و پروژههای مرتبط بوده است. موضوع پایاننامه ارشد وی پیرامون کنترل و شناسایی سیستمهای در حال تحول میباشد. در روشهای ارائه شده، بدون اتکا بر هرگونه دانش پیشین از سیستم، رفتار غالب سیستم در حین کنترل شناسایی میشود. همچنین، با ارائه روشهای مبتنی بر یادگیری و در حال تحول، مشکلات پیاده سازی از جمله تحریک ناکافی سیگنالهای ورودی، عملکرد کنترل مقاوم در حین تحول دینامیک سیستم و وجود نایقینی و اغتشاشات در کانالهای ورودی-خروجی برای سیستمهای رباتیکی برطرف میشود. سابقه فعالیت در بسیاری از پروژههای تحقیقاتی و عملیاتی نظیر تشخیص خطا در سیستمهای مکانیکی بر اساس سیگنالهای ارتعاشی، سیستمهای یادگیری و شبکههای عصبی و همچنین بازسازی سیگنالهای تخریب شده از جمله سوابق وی به عنوان دستیار پژوهشی در دوره کارشناسی ارشد بوده است که با معدل 28/18 از مقطع کارشناسی ارشد در سال 1397فارغ التحصیل شده است. او از سال 1397، به عنوان دستیار پژوهشی در حال همکاری با آزمایشگاه تعامل انسان و ربات دانشگاه تهران است. پیاده سازی روشهای کنترل تطبیقی و یادگیری ماشین بر تعداد زیادی از رباتهای موازی آزمایشگاه، همکاری در بسیاری از پروژههای رباتیکی و کنترل هوشمند، شناسایی و کنترل همزمان رباتهای چشم چابک و دلتا از جمله فعالیتها و دست آوردهای او به عنوان دستیار پژوهشی در آزمایشگاه تعامل انسان و ربات بوده است. او در حال حاضر بر روی پروژه تلفیق کنترلهای مبتنی بر مدل و روشهای یادگیری تقویتی برای بهبود عملکرد سیستمهای رباتیکی در حین مواجه با اغتشاشات و نایقینی فعالیت دارد.
کنترل هوشمند رباتهای موازی
در این پروژه ساختاری نوین برای کنترل هوشمند سیستمهای رباتیکی ارائه شده است که در حین کنترل، مدلی از رفتار سیستم را شناسایی و خود را با شرایط محیطی تطبیق میدهد. کنترل سیستمهای رباتیکی با معادلات پیچیده و غیرخطی بر اساس روشهای موجود دینامیکی موجود منجر به جواب مطلوب نشده که اغلب هرگونه تغییر در دینامیک ربات، اغتشاش محیطی و نایقینی در محاسبات این امر را غیر ممکن میسازد. بنابراین در پژوهش موجود، شناسایی رفتار غالب سیستم رباتیکی در مواجه شدن با انواع نایقینی و اغتشاشات مد نظر است. وجه تمایز این ساختار با روشهای قبلی، نگاه سیستماتیک از منظر زیرشاخههای کنترل و شناسایی و عدم نباز به داشتن دانش پیشین از سیستم رباتیکی است. تضمین کنترل و پایداری سیستم در کنار تضمین شناسایی از ملزومات این نگاه سیستماتیک بوده و کنترلکنندههای تطبیقی مقاوم بهترین ابزار برای استفاده در این ساختار قاعدهمند هستند. برای کنترل سیستمهای غیرخطی در قالب مدل خطی تطبیقی، تحمل عدم قطعیت مدل در حین شناسایی و کنترل لازم است. این ساختار همچنین باید از دیدگاه بالاتری با عنوان کنترلکننده عملیاتی مورد استفاده قرار بگیرد که کنترل و شناسایی همزمان از الزامات آن به شمار میآید. در سیستمهای رباتیکی با اعمال تحریک ناکافی، ماتریسهای کواریانس شناسایی به سمت تکینگی نزدیک شده که مانع از دقت بالای این روشها میشود. این نقطه ضعف ناشی از عدم توانایی روش حداقل مربعات خطای کلاسیک در تعدیل سازی پارامترهای شناسایی و فرار از تکینگی است. این ساختار به دلیل تلفیق روشهای حداقل مربعات خطا و کنترل مد لغزشی، قابلیت تطبیقپذیری در برابر اکثر دشواریهای کنترل و شناسایی را دارد. برای تطبیق ساختار با تغییرات محیط واقعی، بحث رتبه شناور و مدل در حال نمو مطرح میشود. با تلفیق مدل در حال نمو با ساختار کنترلی، تضمین پایداری سیستم حلقه-بسته و شناسایی ممکن میشود. در این صورت روش نوینی حاصل میشود که با تعمیم قوانین تطابقی، نوسانات تخمین در حین تحریک ناکافی را به صورت سیستماتیک تعدیل ساخته و ساختار در مدت زمان طولانی قادر است تحت این شرایط، سیستم حلقه-بسته رباتیکی را همزمان شناسایی و کنترل کند. از دیدگاه رباتیکی، رفتار شناسایی شده به رفتار سینماتیکی ربات در شرایط مانا همگرا میشود. این روش بر روی رباتهای موازی با معادلات پیچیده، از جمله رباتهای چشم چابک با 2 و 3 درجه آزادی و دلتای 3 و 4 درجه آزادی پیاده سازی شده و در مقایسه با روشهای مبتنی بر مدل ربات، از لحاظ پایداری و شناسایی سیستم، عملکرد بهتری نشان میدهد.
منبع پایان نامه
کلمات کلیدی:
- Fault Detection and Diagnosis of a 12-Cylinder Trainset Diesel Engine Based on Vibration Signature Analysis and Neural Network
- Partial Identification and Control of MIMO Systems via Switching Linear Reduced-Order Models under Weak Stimulations
- Identification and Control of MIMO Linear Systems under Sufficient and Insufficient Excitation
- Stabilization of a Two-DOF Spherical Parallel Robot via a Novel Adaptive Approach
- Fuel injection fault detection in a diesel engine based on vibration signature analysis
- Classification-Based Fuel Injection Fault Detection of a Trainset Diesel Engine Using Vibration Signature Analysis
- Experimental study on robust adaptive control with insufficient excitation of a 3-DOF spherical parallel robot for stabilization purposes
- Control of a two-DOF parallel robot with unknown parameters using a novel robust adaptive approach
- A Critical Review of Machine Vision Applications in Construction