@article{ author = {Miranbeigi, mohammad and Jalali, Ali Akbar}, title = {Centralized Constrained Predictive Control on Information Coupled Supply Chain Management System}, abstract ={Supply chain management system (SCM) is a network of suppliers and manufacturers and warehouses and distributors and retailers, with large delay times. The control system aims at operating the supply chain at the optimal point despite the influence of demand changes. In this paper, an information coupled supply chain management system model based on “Beer Game Theory” was used and was developed to an supply chain management consist of supply, manufacture, warehouse, distribution, retailer units .Then a centralized constrained model predictive controller applied on that. Also a move suppression term added to cost function, which increased system robustness toward changes on demands}, Keywords = {Supply Chain Management System, Demand, Information Coupled Supply Chain Management System, Model Predictive Controller, Move Suppression Term.}, volume = {5}, Number = {1}, pages = {1-13}, publisher = {Iranian Society of Instrumentation and Control Engineers}, title_fa = {کنترل‌ پیش‌بین مقید متمرکز سیستم‌ مدیریت زنجیره تامین کاملاً جفت شده‌ از دیدگاه وابستگی اطلاعاتی رده‌ها}, abstract_fa ={سیستم مدیریت زنجیره تامین، یک شبکه از واحدها یا رده‌های تامین کالا و تولید و انبار و توزیع و خرده‌فروش همراه با تاخیرهای زمانی بزرگ می‌باشد. هدف سسیتم کنترلی، کارکردن زنجیره تامین در نقطه کاری بهینه یعنی برآوردن تقاضا، علیرغم تنوع تقاضای مشتری است. در این پژوهش، از یک مدل سیستم مدیریت زنجیره تامین جفت شده‌ی اطلاعاتی مبتنی بر "نظریه بازی آشامیدنی " زمان پیوسته استفاده شد و به یک مدل سیستم مدیریت زنجیره تامین زمان گسسته‌ی چندطبقه- چند رده، شامل واحدهای تامین‌کننده و تولید کننده و انبار و توزیع‌کننده و خرده‌فروشی‌ بسط داده شد. در این مدل دو نوع جریان دینامیکی در طول زنجیره تامین در نظر گرفته می‌شوند: جریان کالا از سمت تامین‌کننده به سوی مصرف‌کننده نهایی، و جریان برگشتی اطلاعات برای آگاه ساختن رده‌ها از تقاضای مشتری. با توجه به کارآیی کنترل‌کننده پیش‌بین مبتنی بر مدل در کار با این گونه سیستم‌ها که هم تاخیرهای زمانی بزرگ و هم یک ساختار دینامیکی متغیر (منتج از اغتشاش تقاضای مشتری) دارند، یک کنترل‌کننده پیش‌بین مقید متمرکز بکار گرفته شده است. همچنین برای بالابردن مقاومت سیستم در مقابل تغییرات تقاضا، یک بخش توقیف حرکت به تابع هزینه اضافه شده است.}, keywords_fa = {سیستم مدیریت زنجیره تامین , تقاضا, سیستم مدیریت زنجیره تامین جفت شده‌ی اطلاعاتی, کنترل‌کننده پیش‌بین مبتنی بر مدل, بخش توقیف حرکت.}, url = {http://joc.kntu.ac.ir/article-1-92-en.html}, eprint = {http://joc.kntu.ac.ir/article-1-92-en.pdf}, journal = {Journal of Control}, issn = {2008-8345}, eissn = {2538-3752}, year = {2011} } @article{ author = {ShahriariKahkeshi, Maryam and Zekri, Maryam}, title = {A Hybrid Learning Algorithm for Fuzzy Wavelet Networks Design for Functions Approximation, Online Identification and Control of Nonlinear Systems}, abstract ={In this paper, a hybrid learning algorithm is presented for fuzzy wavelet networks (FWNs) design for functions approximation, online identification and control of nonlinear systems. The proposed algorithm is based on orthogonal least square (OLS) algorithm, Shufled Frog Leaping (SFL) algorithm and recursive least square method (RLS). The OLS algorithm is used for determine network dimensions, number of fuzzy rules and wavelets in each fuzzy rule and for purifying wavelets in each sub-WNN. So, after selection of important wavelets based on training data set, FWN structure is constructed and initial values of the network parameters are determined. Then linear and nonlinear parameters of the network are tuned based on recursive least square method and SFL algorithm, respectively. In order to show the capabilities and effectiveness of the proposed method, simulation results are presented for some example: function approximation, online identification and control of nonlinear systems. Also, the results obtained by the proposed approach are compared with the previous approaches reported in the literature. Simulation results show that the proposed method improves model approximation accuracy and performance index by using less number of fuzzy rules compare to other methods for study systems.}, Keywords = {Fuzzy Wavelet Networks, Shuffled Frog Leaping Algorithm, Functions Approximation, Identification and Control of Nonlinear System.}, volume = {5}, Number = {1}, pages = {14-26}, publisher = {Iranian Society of Instrumentation and Control Engineers}, title_fa = {یک الگوریتم یادگیری ترکیبی جهت طراحی شبکه های موجک فازی برای تقریب توابع، شناسایی و کنترل بهنگام سیستم های غیرخطی}, abstract_fa ={در این مقاله، یک الگوریتم یادگیری ترکیبی جدید برای طراحی شبکه های موجک فازی به منظور تقریب توابع، کنترل و شناسایی سیستم های غیرخطی ارائه شده است. الگوریتم پیشنهادی مبتنی بر الگوریتم حداقل مربعات متعامد (OLS)، الگوریتم جهش قورباغه های بهم آمیخته (SFL) و روش حداقل مربعات بازگشتی(RLS) می باشد. الگوریتم حداقل مربعات متعامد جهت تعیین ابعاد شبکه، غربال کردن موجکها به منظور انتخاب موجکهای مؤثرو تعیین تعداد قوانین فازی استفاده می شود. بدین ترتیب با انتخاب موجکهای مؤثر بر اساس داده های آموزشی شبکه موجک فازی ساخته شده و مقادیر اولیه پارامترهای شبکه تعیین می شوند. سپس پارامترهای خطی و غیرخطی شبکه به ترتیب با استفاده از روش حداقل مربعات بازگشتی و الگوریتم جهش قورباغه ها تنظیم می گردند. برای نشان دادن قابلیت و توانایی روش پیشنهادی، نتایج شبیه سازی در طی چند مثال برای تقریب تابع، کنترل و شناسایی سیستم های غیرخطی آورده شده است. همچنین، نتایج بدست آمده از این روش با نتایج روش های گزارش شده در مقالات دیگر نیز مقایسه شده است. نتایج شبیه سازی نشان می دهند که روش پیشنهادی مقاله، ضمن استفاده از تعداد قانون فازی کمتر، صحت تقریب و شاخص عملکرد مدل را بهبود بخشیده و از عملکرد بهتری برای سیستم های مورد مطالعه، در مقایسه با سایر روشها، برخوردار است}, keywords_fa = {شبکه های موجک فازی, الگوریتم جهش قورباغه ها, تقریب توابع, شناسایی و کنترل سیستم های غیرخطی}, url = {http://joc.kntu.ac.ir/article-1-93-en.html}, eprint = {http://joc.kntu.ac.ir/article-1-93-en.pdf}, journal = {Journal of Control}, issn = {2008-8345}, eissn = {2538-3752}, year = {2011} } @article{ author = {Rahmani, Karim and Afshar, Ahmad and Jamshidifar, Ali Akbar}, title = {Application of Energy Absorption Capacity Concept for Stability Analysis of Multi-Agent Systems}, abstract ={The issue of stability analysis of multi-agent systems (MASs) is focal point in this paper. In this paper, new concept of “Energy Absorption Capacity (EAC)” is extended to analyze the stability of MAS. EAC is defined for every equilibrium point of a system and is the maximum absorbed energy by the system preserving the stability of that point. An agent is considered a hybrid entity compromising a number of modes with continuous evolution within the modes and transition between them. A MAS is a group of agents that start from an initial state and cooperate with each other to achieve a pre-determined goal. In this work, it is shown that the EAC concept has good potential for stability analysis of both agent and multi-agent (MAS) systems. Finally, two examples are presented to support the proposed approach.}, Keywords = {Stability, Energy Absorption Capacity (EAC), Absolute EAC, Instantaneous EAC, Hybrid Agent, Multi-Agent Systems. }, volume = {5}, Number = {1}, pages = {27-37}, publisher = {Iranian Society of Instrumentation and Control Engineers}, title_fa = {کاربرد مفهوم ظرفیت جذب انرژی در تحلیل پایداری سیستم های چند عاملی}, abstract_fa ={امروزه تحلیل پایداری یک موضوع حیاتی در سیستم های واقعی از جمله سیستم های چند عاملی می باشد. در این مقاله مفهوم جدید ظرفیت جذب انرژی برای تحلیل پایداری سیستم های چند عاملی توسعه داده شده است. ظرفیت جذب انرژی در هر نقطه تعادل یک سیستم، ماکزیمم انرژی جذب شده در سیستم به شرط پایدار بودن نقطه تعادل تعریف شده است. در این مقاله عامل یک موجود هایبرید شامل تعدادی مود در نظر گرفته شده است که دارای قابلیت سیر تکامل پیوسته درون هر مود و همچنین انتقال بین مودها می باشد. سیستم چند عاملی نیز متشکل از چندین عامل بوده که هر یک فعالیت خود را از یک شرایط اولیه خاص آغاز نموده و با همکاری دیگر عامل ها به دنبال دستیابی به یک هدف مشترک از پیش تعریف شده می باشند. در این مقاله ، قابلیت مفهوم ظرفیت جذب انرژی در تحلیل پایداری عامل و سیستم های چند عاملی نشان داده شده است . در خاتمه ، کار آرایی روش ارائه شده با انجام پیاده سازی روش پیشنهادی بر روی دو پروسه مختلف مورد بررسی قرار گرفته است.}, keywords_fa = {پایداری, ظرفیت جذب انرژی, عامل, سیستم های چند عاملی, موجود هایبرید.}, url = {http://joc.kntu.ac.ir/article-1-99-en.html}, eprint = {http://joc.kntu.ac.ir/article-1-99-en.pdf}, journal = {Journal of Control}, issn = {2008-8345}, eissn = {2538-3752}, year = {2011} } @article{ author = {Ghadimi, Ali asghar and Rastegar, hasan and Razavi, Farz}, title = {Optimal Active and Reactive Power Sharing between several Distributed Generation Units in a Stand-Alone MicroGrid Using Artificial Neural Network}, abstract ={This paper is concerned with the generation control in small stand-alone MicroGrids consisting of inverter interfaced Distributed Generation (DG) units. An intelligent and on-line Microgrid Management System (MGMS) using Artificial Neural Network (ANN) controller is used in this study and it determines the amount of power produced from generation units in a stand-alone MicroGrid. The ANN trained with a data generated from a Genetic Algorithm (GA) solved optimal power flow problem, which defines generation unit’s power in order to have a minimum power loss in the system, considering normal buses voltage and rating of generation units. Simulation results in a typical distribution system consisting two DG units show that the proposed method can meet the requirements of the system and DG units rating in stand-alone operations. In this way the system is managed in an on-line, optimal, and reliable situation that guarantee the continuity of power to loads in stand-alone mode of a MicroGrid.}, Keywords = {MicroGrid, State Estimation, Genetic Algorithm, Artificial Neural Network, Load Sharing, Distributed Generation}, volume = {5}, Number = {1}, pages = {38-49}, publisher = {Iranian Society of Instrumentation and Control Engineers}, title_fa = {تقسیم بهینه توان اکتیو و راکتیو بین چند منبع تولید پراکنده در یک شبکه مستقل با شبکه عصبی مصنوعی}, abstract_fa ={در این مقاله به تقسیم بهینه توان اکتیو و راکتیو بین منابع تولید پراکنده تغذیه کننده یک شبکه مستقل با استفاده از شبکه عصبی مصنوعی پرداخته شده است. منابع تولید پراکنده تغذیه کننده شبکه مستقل توسط اینورتر به شبکه متصل شده و یک سیستم مدیریت هوشمند و on-line با استفاده از شبکه های عصبی مصنوعی، مقادیر بهینه میزان تولید واحدها را ارائه می دهد. کنترل کننده محلی موجود در کنار هر سیستم تحقق میزان توان تولیدی ارائه شده به آن را تضمین می کند. شبکه عصبی با داده هایی که از حل مسئله پخش بار بهینه با استفاده از الگوریتم ژنتیک بدست آمده بگونه ای آموزش داده شده که میزان توانهای تولیدی واحدها را به منظور کمینه سازی تلفات سیستم و با درنظر گرفتن قیود ولتاژ شین ها و مقادیر نامی واحدها تعیین نماید. نتایج شبیه سازی بر روی یک سیستم توزیع نمونه نشان می دهد که روش ارائه شده قادر به برآورده نمودن نیازهای سیستم و مقادیر نامی واحدهای تولید پراکنده در حالتهای مختلف کارکرد بوده و کنترل کننده ارائه شده سیستم را بصورت on-line در حالت بهینه مدیریت و پیوستگی تغذیه بارها را تضمین می نماید.}, keywords_fa = {تولید پراکنده (DG), MicroGrid, کنترل, تخمین حالت, الگوریتم ژنتیک, شبکه عصبی مصنوعی, بهینه سازی}, url = {http://joc.kntu.ac.ir/article-1-94-en.html}, eprint = {http://joc.kntu.ac.ir/article-1-94-en.pdf}, journal = {Journal of Control}, issn = {2008-8345}, eissn = {2538-3752}, year = {2011} } @article{ author = {Derhami, Vali and Mehrabi, Omi}, title = {Action Value Function Approximation Based on Radial Basis Function Network for Reinforcement Learning}, abstract ={One of the challenges encountered in the application of classical reinforcement learning methods to real-control problems is the curse of dimensiality. In order to overcome this difficulty, hybrid algorithms that combine reinforcement learning with various function approximators have attracted many research interests. In this paper, a novel Neural Reinforcement Learning (NRL) scheme which is based on Sarsa learning and Radial Basis Function (RBF) network is proposed. The RBF network is used to approximate the Action Value Function (AVF) on-line. The inputs of RBF network are state-action pairs of system and its outputs are corresponding approximated AVF. As the necessary condition for the convergence of NSL to the optimal task performance, the existence of stationary points for NSL which coincide with the fixed points of Approximate Action Value Iteration (AAVI) are proved. The validity of the proposed algorithm is tested through simulation examples: mountain car control task, and acrobot problem. Overall results demonstrate that our algorithm can effectively improve convergence speed and the efficiency of experience exploitation.}, Keywords = {Neural reinforcement learning, Critic-only architecture, RBF neural network, Sarsa, stationary points. }, volume = {5}, Number = {1}, pages = {50-63}, publisher = {Iranian Society of Instrumentation and Control Engineers}, title_fa = {تقریب تابع ارزش عمل با استفاده از شبکه توابع پایه شعاعی برای یادگیری تقویتی}, abstract_fa ={مشکل تنگنای ابعاد، یکی از چالش هایی است که کاربرد الگوریتم های یادگیری تقویتی گسسته را در مورد مسائل کنترلی واقعی که دارای فضای حالت و عمل بزرگ و یا پیوسته می باشند محدود نموده است. ترکیب روش های آموزشی گسسته با تقریب زننده های تابعی برای حل این مشکل چندی است مورد توجه محققان قرارگرفته است. در همین راستا در این مقاله یک الگوریتم جدید یادگیری تقویتی عصبی (NRL) بر مبنای معماری نقاد- تنها معرفی میگردد. الگوریتم مذکور از ترکیب الگوریتم یادگیری سارسا با شبکه عصبیRBF به عنوان یک تقریب زننده ی تابعی حاصل شده است و ما آن را "یادگیری سارسای عصبی" (NSL) می نامیم. ورودی های شبکه جفت حالت و عمل های مسأله و خروجی آن تابع ارزش عمل تقریب زده شده می باشد. وزن های شبکه به صورت بر خط با توجه به الگوریتم ارائه شده تنظیم میگردند. به عنوان یک شرط لازم همگرایی ما همچنین وجود نقاط ایستای منطبق بر نقاط ثابت الگوریتم "تکرار تقریب ارزش عمل" برای NSLرا اثبات می نماییم. نتایج شبیه سازی ارائه شده در مورد مسائل خودرو در کوهستان و آکروبات حاکی از عملکرد مناسب تر روش ارائه شده از لحاظ سرعت آموزش و کیفیت عملکرد میباشد.}, keywords_fa = {یادگیری تقویتی عصبی, معماری نقاد-تنها, شبکه عصبی RBF, یادگیری سارسا, نقاط ایستا}, url = {http://joc.kntu.ac.ir/article-1-95-en.html}, eprint = {http://joc.kntu.ac.ir/article-1-95-en.pdf}, journal = {Journal of Control}, issn = {2008-8345}, eissn = {2538-3752}, year = {2011} } @article{ author = {Moaveni, Bijan and GhanbariGol, Davoo}, title = {Solving the Local Minimum Problem in Path Planning Algorithm based on the Virtual Potential Field and the Principles of Liquid Movement}, abstract ={Path planning and obstacle avoidance are important problems in intelligent mobile agent systems. In this paper, a novel path planning algorithm and a new obstacle avoidance approach to solve the local minimum problem of mobile agents are presented. This path planning algorithms is introduced based on the principles of liquid movement. In addition to, by modifying the potential function methodology for this algorithm, a new obstacle avoidance approach is presented. This new algorithm, by finding the collision free path, guarantees the global convergence to the target when the target is reachable. Also, in this paper, an online version of the algorithm is presented. Simulation results are given to show the effectiveness of the methodology}, Keywords = {Mobile Agent, Path Planning, Obstacle Avoidance, Potential Functions}, volume = {5}, Number = {1}, pages = {64-76}, publisher = {Iranian Society of Instrumentation and Control Engineers}, title_fa = {حل مساله مینیمم های محلی در مسیر یابی به روش میادین پتانسیل مجازی و بر اساس دیدگاه حرکت مایعات}, abstract_fa ={یکی از مهمترین مسائل در سیستم های چند عامله متحرک هوشمند، مسأله مسیریابی و عدم برخورد آنها با موانع در طی مسیر است. به همین دلیل در این زمینه تحقیقات گسترده ای صورت گرفته و راه کارهای متنوعی نیز ارائه شده است. هر کدام از این راه کارها، مولود دیدگاه خاص ارائه دهندگان آن نسبت به تغییر نوع و تعریف مسأله بوده است. که این امر موجب شده بسته به شرایط داخلی مسأله، مانند نوع موانع، قابلیت های عامل هوشمند و ... این راه کارها نقاط قوت و ضعفی نسبت به یکدیگر داشته باشند. روش توابع پتانسیل یکی از روش های مطرح برای حل این مساله است. نقطه ضعف عمده این روش قرار گرفتن در مینیمم های محلی است که در سال های اخیر راه حل های مختلفی برای آن پیشنهاد گشته است. در این مقاله نیز راه حل جدیدی برای حل مسأله می نیمم های محلی در مسیریابی عامل های متحرک مبتنی بر روش توابع پتانسیل مجازی و با اجتناب از برخورد با موانع ارائه می گردد. دیدگاه ارائه شده در این مقاله بر اساس تحلیل و فرموله نمودن مسیر یابی مایعات شکل گرفته و همان اندازه که جریان مایعات در مسیریابی و پشت سر گذاشتن انواع موانع توانمند هستند، راه کار پیشنهادی نیز توانمند می باشد و رسیدن به نقطه هدف و عدم برخورد با موانع را در طول مسیر تضمین می نماید. در این مقاله همچنین، الگوریتم اصلاح شده ای، به منظور استفاده بلادرنگ، از روش پیشنهادی ارائه گردیده است. شبیه سازی هایی نیز به منظور مشخص شدن قابلیت ها و توانمندی های روش های پیشنهادی در این مقاله ارائه شده اند.}, keywords_fa = {عامل متحرک, مسیریابی, عدم برخورد, توابع پتانسیل, می نیمم های محلی.}, url = {http://joc.kntu.ac.ir/article-1-96-en.html}, eprint = {http://joc.kntu.ac.ir/article-1-96-en.pdf}, journal = {Journal of Control}, issn = {2008-8345}, eissn = {2538-3752}, year = {2011} } @article{ author = {Manafifard, Mehrtash and Ebadi, Hamid and AbrishamiMoghaddam, Hami}, title = {Player Localization and Tracking in Field Model Space using Graph Representation in Football Broadcast Videos}, abstract ={Precise player localization is the key step for improved analysis such as player tracking in soccer broadcast videos. Extracting player trajectories provides some essencial information for coaches and sport experts to determine weaknesses and strengths of the players and the team and to evaluate overall strategy of the game. As far as previous scenes are missed by camera motion, continuous player trajectory could be depicted by trajectory extraction on constructed mosaic. The goal of this paper is to transform player position to the field model and extract all trajectories in both image and model spaces. Therefore, players are detected using Gaussian Mixture Model and Gentle Adaboost. After removing extra regions such as goal post and lines, isolating occluded players, player labeling and transforming player positions to the same coordinate system, player tracking is carried out. Finally, the proposed player detection and tracking methods are applied for 78 frames taken from six soccer sequences.}, Keywords = {Video images, Track, GMM, Adaboost, Football players.}, volume = {5}, Number = {1}, pages = {77-86}, publisher = {Iranian Society of Instrumentation and Control Engineers}, title_fa = {تعیین موقعیت بازیکنان فوتبال و استخراج همزمان مسیر آنها در مدل واقعی زمین با استفاده از روش گراف در تصاویر ویدیویی}, abstract_fa ={ در تجزیه و تحلیل مسابقات فوتبال، تعیین دقیق موقعیت بازیکنها از موارد کلیدی است که اساس آنالیزهای بعدی نظیر ردیابی بازیکنها قرار می گیرد. استخراج مسیر بازیکنها، اطلاعات مفیدی جهت ارزیابی نقاط قوت و ضعف تیم و بازیکنها و تنظیم استراتژی تیمی کارا به منظور بهبود عملکرد تیم در اختیار سرمربی و متخصصین قرار می دهد. از آنجا که با حرکت دوربین، بیننده فریم های قبلی را از دست می دهد، با مرتبط سازی تصاویر به هم و تعیین مسیر بازیکنها روی موزاییک تصویری ایجاد شده می توان مسیر پیوسته بازیکنها را برای بیننده به تصویر کشید. هدف اصلی این مقاله، انتقال موقعیت بازیکنها به فضای مدل زمین و استخراج همزمان مسیر حرکت تمام بازیکنها در فضای تصویر و مدل زمین است. برای این منظور، موقعیت بازیکنها با دو روش مدل گوسی ترکیبی و آدابوست استخراج شده و بعد از حذف نواحی اضافی نظیر دروازه و خطوط، جداسازی بازیکنهای همپوشان، تعیین تیم بازیکنها و انتقال موقعیتها به سیستم مختصات مشترک، ردیابی در دو فضای تصویر و مدل واقعی زمین انجام می شود. در نهایت، دقت دو روش آدابوست و مدل گوسی ترکیبی در تعیین موقعیت بازیکنها روی 78 فریم از 6 ویدئوی مختلف و دقت ردیابی ارزیابی و مقایسه می شود.}, keywords_fa = {تصاویر ویدئویی, ردیابی, مدل گوسی ترکیبی, آدابوست, بازیکنان فوتبال.}, url = {http://joc.kntu.ac.ir/article-1-98-en.html}, eprint = {http://joc.kntu.ac.ir/article-1-98-en.pdf}, journal = {Journal of Control}, issn = {2008-8345}, eissn = {2538-3752}, year = {2011} }