fa شناسایی و کنترل تطبیقی موقعیت و سرعت موتور DC مغناطیس دائم با مشخصه غیرخطی ناحیه مرده مبتنی بر ماشین‌های بردار پشتیبان تخصصي Special پژوهشي Research paper <div style="text-align: justify;">در این مقاله نوع جدیدی از شبکه&not;های عصبی به نام ماشین های بردار پشتیبان حداقل مربعات که در سال&not;های اخیر به منظور شناسایی سیستم های غیرخطی مورد توجه زیادی قرار گرفته&not;اند، جهت شناسایی سیستم موتور DC با مشخصه غیرخطی ناحیه مرده به کارگرفته شده است. سیستم شناسایی شده پس از خطی سازی در هر واحد زمانی به صورت روی خط اطلاعات مدل را در اختیار کنترل کننده پیش بین موقعیت و سرعت به منظور دنبال کردن مسیر مطلوب موقعیت و سرعت قرار می دهد. در روش پیشنهادی حلقه های کنترل گشتاور، سرعت و موقعیت به صورت کاملا خودکار و براساس مدل شناسایی شده بسته می شوند. روش پیشنهادی برروی سرودرایور ساخته شده پیاده سازی شده&nbsp; است و نتایج عملی ترسیم و تحلیل شده اند. مزیت بزرگ این روش عدم نیاز به تنظیم پارامترهای کنترل کننده های جریان، سرعت و موقعیت می باشد. شناسایی روی خط سیستم امکان دنبال کردن تغییرات دینامیکی فرآیند را فراهم می-نماید. علاوه برآن ساختار پیشنهادی توانایی غلبه بر اصطکاک کولمب به ویژه در سرعت های پایین را دارا بوده و قادر است گشتاور، سرعت و موقعیت&nbsp; موتور DC مغناطیس دائم را به طور دقیقی کنترل نماید.&nbsp;<span dir="LTR"></span></div> <span dir="LTR"></span> <p class="Abstract" style="text-align: justify;">In this paper a new type of neural networks known as Least Squares Support Vector Machines which gained a huge fame during the recent years for identification of nonlinear systems has been used to identify DC motor with nonlinear dead zone characteristics. The identified system after linearization in each time span, in an online manner provide the model data for Model Predictive Controller of position and speed in order to tracking the desired references trajectory. In this method all the cascaded controllers including current, speed and position has been automatically tuned based on the identified model. The offered method has been tested on the servo-drive made specifically for this purpose, and all the results are practically examined and analyzed. The biggest advantage of this method is the self-tuning behavior which insulates the user for tuning any of the controller&rsquo;s parameters. The online identification of the system provides the possibility to keep track of the changes in dynamics of the system as well as tackling the coulomb&rsquo;s friction specifically in low speeds with accurate controlling of the speed and position for DC motors.<span dir="RTL"></span></p> <p class="Abstract"></p> <p class="Abstract" style="text-align: justify;"></p> <p class="Abstract"><span b="" dir="RTL" lang="AR-SA" style="font-size:10.0pt;font-family:"></span></p> <p class="Abstract"><span b="" dir="RTL" lang="AR-SA" style="font-family:"></span></p> ماشین های بردار پشتیبان حداقل مربعات, کنترل کننده پیش بین تعمیم یافته, کنترل کننده سری, شناسایی روی خط, مشخصه غیرخطی ناحیه مرده. Least Square Support Vector Machines, Generalized Predictive Control (GPC), Cascaded Controller, Online identification, Nonlinear dead zone characteristics. 53 66 http://joc.kntu.ac.ir/browse.php?a_code=A-10-929-1&slc_lang=fa&sid=1 Mahmoud Hasanpour Dehnavi محمود حسن پور دهنوی mahmud.hasanpur@yahoo.com 10031947532846006172 10031947532846006172 Yes Ferdowsi University of Mashhad دانشگاه فردوسی مشهد Seyed Kamal Hosseini sani سید کمال حسینی ثانی k.hosseini@um.ac.ir 10031947532846006173 10031947532846006173 No Ferdowsi University of Mashhad دانشگاه فردوسی مشهد