وجود ویتامین ها، پروتئین ها و مواد آلی دیگر در شیر سبب شده است تا این ماده نسبت به عملیات تبخیر حساس شود و به همین دلیل تبخیر آن باید در تجهیزاتی با کمترین زمان اقامت و بیشترین راندمان صورت پذیرد. وجود این ویژگی ها در تبخیرکننده های لوله ای با فیلم ریزشی، آنها را برای تغلیظ شیر بسیار مناسب ساخته است.به طور کلی در این فرایندها کنترل غلظت جامد در فراورده خروجی مشکل بوده و از اهمیت ویژه ای در بهره برداری برخوردار است. در این پژوهش، برای افزایش سرعت پاسخ سامانه و حذف سریع تر خطای ماندگار، ساختاری متشکل از کنترل کننده پیشگوی خطی و پسخور ساده به منظور کنترل غلظت خروجی از تغلیظ کننده فیلم ریزشی چندمرحله ای پیشنهاد شده است. ابتدا این فرایند مدل سازی شده، سپس قابلیت کنترل کننده پیشنهادی برای کنترل فرایند مورد بررسی قرار گرفته و نتیجه ها با کنترل کننده پسخور ساده مقایسه شده است. نتیجه ها نشان می دهند کنترل کننده پیشنهادی توانایی بالایی در کنترل غلظت خروجی از تغلیظ کننده های فیلم ریزشی دارد.

در عصرامام رضا(ع) اداره امور و راهبری نظام حکمرانی از شکل آرمانی آن در دوره های اولیه اسلام دور شده است و ناکارآمدی، بی تدبیری و فساد در ارکان خلافت عباسی و عرصه اجتماعی نمایان است. امام رضا(ع) در این شرایط و در دوره قبل از ولایتعهدی و نیز بویژه بعد از آن و در دوره مامون سعی در مقابله با این وضعیت داشتند. مهمترین راهبردی که امام رضا(ع) در مقابل این وضعیت در پیش گرفتند،تبیین وبیان ماهیت واقعی حکمرانی در نظام اسلامی است که با توجه به ویژگی های آن در ابعاد گوناگون ضمن کارآمدی، فساد نیز در جامعه کاهش و قابل کنترل خواهدبود. بنابراین سوال اصلی این مقاله این است که در اندیشه و سیره امام رضا(ع) فساد چگونه کنترل و از بین می رود؟یافته های این مقاله با استفاده از روش هرمنوتیک اسکینری و باتکیه برمنابع اسنادی وکتابخانه ای نشان می دهد که امام رضا(ع)با توجه به شرایط سیاسی و اجتماعی آن دوره و در تعامل با گروه های گوناگون برحکمرانی مطلوب اسلامی تاکید دارند که این نوع حکمرانی دارای بنیانی توحیدی می باشد و ساختارحکومتی آن بنحوی است که ماهیت وهدفی سعادت گرا دارد که در کنار آن مردم قرار دارند که در حوزه اجتماعی نقشی فعالانه دارد.از نظر ایشان این حکومت با چنین ساختار اجتماعی وماهیت سیاسی و بنیانی فرهنگی و اعتقادی ضمن کارآمدی زمینه را برای هرگونه فساد از بین می برد.

گسترش روزافزون اتوماسیون، سبب ورود موتورهای الکتریکی به صنایع شده استبه گونه ای که نیروی محرکه بسیاری از ابزارها از موتورهای الکتریکی دریافت می شود. موتور سویچ رلوکتانس، به عنوان نوعی از موتورهای سنکرون، با مزیت های فراوان خود، توانایی جایگزین شدن با موتورهای قدیمی را دارد و مشکلات آن ها را برطرف می کند. کنترل این موتور به دلیل ذات غیرخطی و متغیر با زمانش، و همچنین وجود عدم قطعیت های آن، امری بسیار دشوار است. در این مقاله با استفاده از کنترل کننده مد لغزشی بهینه، کنترل سرعت این موتور انجام گرفته است. با استفاده از ساختار آبشاری، بزرگترین عیب این موتور یعنی ریپل گشتاور کاهش پیداکرده است. کنترل کننده پیشنهادی، با تبدیل مساله کنترل مد لغزشی مرتبه اول به مساله بهینه سازی و با حل بی درنگ آن با شبکه عصبی بازگشتی تصویر، سیگنال کنترلی بهینه ای تولیدکرده که چترینگ نداشته و در عین حال شرط لغزش را برآورده می کند. عملکرد کنترل کننده پیشنهادی درمقایسه با سایر کنترل کننده ها در قالب شبیه سازی صورت گرفته و اثربخشی آن نشان داده شده است.

این مقاله ارایه دهنده روش کنترل ساختار متغیر فازی برای اتصال HVDC جهت پایداری سیگنال کوچک سیستم قدرت AC-DC است. ابتدا مدل دینامیکی سیستم، با بدست آوردن معادلات غیر خطی و سپس خطی سازی آنها بدست می آید و سپس کارایی کنترل کننده پیشنهادی در مقایسه با پایدارساز بهینه و فازی بحث می شود. نتایج شبیه سازی نشان می دهد که کنترل کننده ساختار متغیر فازی میرایی بهتری نسبت به پایدار ساز معمولی و فازی دارد.

در این مقاله مساله کنترل حرکت ربات های انسان نما مورد بررسی قرار می گیرد. مساله یادگیری حرکات مشابه انسان به خصوص حرکات موزون و تکرارشونده به ربات های انسان نما چالشی بزرگ در زمینه علم رباتیک محسوب می شود. یادگیری تقلیدی که زیرمجموعه ای از یادگیری بانظارت است، یک فرم اصلی جهت یاددادن کارهای پیچیده به ربات به شمار می آید و بر این اساس استوار است که یک سیستم مصنوعی می تواند حجم بالایی از اطلاعات را از طریق یادگیری تقلیدی از فرد آموزش دهنده یاد بگیرد. روش اصلی به کار گرفته شده در این تحقیق جهت یادگیری حرکات موزون و تکرارشونده به ربات انسان نمای نائو، یادگیری تقلیدی است. تکنیک اصلی به کاررفته در این پژوهش استفاده از ساختارهای عصبی موسوم به مولد مرکزی الگو می باشد که قادر است الگوی موردنیاز برای حرکت در یک ربات را بر اساس یک نوع آموزش نمایشی به دست آورد. نحوه طراحی سیستماتیک این ساختار عصبی مصنوعی که در علم کنترل کاربرد های فراوانی دارد، اصلی ترین چالش پیش روست که در این مقاله به ارائه روشی برای آن پرداخته شده است. روش سیستماتیک طراحی و آموزش مولدهای مرکزی الگو که از بازخوردهای حسی جهت تطابق خود با شرایط جدید استفاده می کند، در یک مدل دولایه ای موردبحث و بررسی قرار داده شده است. مدل ارائه شده یک بستر مناسب جهت ارائه آموزش های نمایشی و مبتنی بر نمایش برای ربات های انسان نما محسوب می شود که نیاز به کنترل صریح و برنامه نویسی مستقیم را برطرف می سازد و امکان آموزش غیرمستقیم رفتارهای پیچیده روی انواع ربات ها را مهیا می سازد.

در این مقاله، ساختار جدیدی از کنترل پیش بین برای سیستم های تکه ای افاین به عنوان کلاس خاصی از سیستم های هیبریدی مطرح شده است. به دلیل زمانبر بودن محاسبات آنلاین در مسأله بهینه سازی پیش بین و پیچیدگی محاسبات آن، ساختار صریح الگوریتم پیش بین به منظور کنترل مبدل باک در این مقاله استفاده شده است. چون کنترل پیش بین صریح به جای حل مکرر آنلاین مسأله بهینه سازی، فقط یکبار و بصورت آفلاین محاسبات بهینه سازی را انجام می دهد، برای سیستم های هیبریدی با دینامیک های سریع مناسب است. در واقع در این الگوریتم به جای استفاده از درایه اول بردار ورودی کنترلی، از تمامی درایه های آن به صورت وزندار برای به روزرسانی قانون کنترل استفاده می شود. برخلاف الگوریتم پیش بین صریح متداول که فقط از یک درایه از بردار ورودی کنترلی بهینه استفاده می کند، کنترل پیش بین صریح پیشنهادی از تمام درایه های بردار ورودی کنترلی بهینه به همراه ضرایب وزنی بهینه استفاده می کند. الگوریتم پیش بین صریح پیشنهادی در هر مرحله، دو مسأله بهینه سازی به صورت مجزا حل می کند. مسأله اول، مربوط به حل مسأله بهینه سازی پیش بین صریح است و مسأله بهینه سازی دوم مربوط به یافتن ضرایب وزنی بهینه در جهت کاهش مقدار سیگنال خطا در هر مرحله از الگوریتم می باشد. همگرایی روش پیش بین صریح پیشنهادی به سمت مقادیر موردنظر در این مقاله اثبات شده و نتایج شبیه سازی، برتری روش پیش بین صریح پیشنهادی را نسبت به پیش بین صریح متداول به شرط تنظیم مناسب ضرایب وزنی الگوریتم و انتخاب مناسب افق های کنترلی را نشان داده است.

مبدل جریان مستقیم به مستقیم کاهنده یکی از انواع مبدل های با کاربرد زیاد در مدارات الکترونیک قدرت است. این مبدل به صورت یک سیستم غیر خطی عمل می کند لذا به منظور کنترل و تثبیت ولتاژ خروجی در برابر تغییرات بار و المانهای مدار و سایر اغتشاشات لازم است تا از یک سیستم کنترل کننده مقاوم استفاده شود. در این مقاله یک کنترل کننده جدید مد لغزشی ترمینال سریع با استفاده از خاصیت جاذبه ترمینالی تابع تانژانت معکوس به عنوان تابع لغزش برای مبدل جریان مستقیم به مستقیم کاهنده ارائه شده است. عملکرد این کنترل کننده جدید با نوع کنترل کننده مد لغزشی ترمینال سریع مرسوم از لحاظ پارامترهای کنترلی از جمله زمان همگرایی ولتاژ خروجی و ساختار تابع کنترل ورودی مقایسه شده است. ویژگی منحصر به فرد این کنترل کننده کم بودن اثر تکین در تابع کنترلی است. همچنین این کنترل کننده دارای سرعت همگرایی بسیار بالا در تثبیت ولتاژ خروجی درشرایط مختلف است که جهت استفاده در تغذیه ادوات الکترونیکی سیستم های مکانیکی کنترل حرکت از جمله در انواع ربات ها و خودروهای برقی بسیار مناسب می باشد. نتایج شبیه سازی تایید کننده عملکرد مناسب روش کنترلی مد لغزشی ترمینال سریع پیشنهادی نسبت به نوع مد لغزشی ترمینال سریع مرسوم بر مبدل کاهنده است.

موتور رلکتانسی به علت کار در شرایط اشباع مغناطیسی هسته و همچنین غیراستوانه ای بودن روتور و استاتور آن، مدل ریاضی ساده و در عین حال دقیقی ندارد. به همین دلیل در این مقاله برای کنترل خروجیهای آن از کنترل کننده فازی استفاده شده است. کنترل کننده شامل دو بخش کنترل زاویه قطع و زاویه آتش است. یک ساختار تناسبی برای کنترل زاویه قطع و سه ساختار فازی مختلف، برای کنترل زاویه آتش فازهای در نظر گرفته شده است. به دلیل عدم دقت کافی در سنسور وضعیت سنج، خطای ماندگار سرعت به صفر نمی رسد، برای رفع این مشکل از کنترل کننده زاویه آتش، با ساختار متغیر (VSC) استفاده می شود که شامل دو بخش است: بخش خشن که برای کاهش خطاهای بزرگ، با اعمال تغییرات زیاد در زاویه آتش، به کار می رود و بخش نرم که برای سریعتر صفر شدن خطا وارد عمل می شود. در پایان، نتایج عملی کنترل سرعت موتور، تحت شرایط بی باری و تحت بار در سرعتهای مختلف ارائه شده است و مقاوم بودن کنترل کننده نسبت به نویز و تغییر پارامترهای سیستم بررسی شده است.

در این مقاله شبکه عصبی مصنوعی (ANN) Artificial Neural Network بر اساس کنترل کننده تحریک فازی (FPSS) Fuzzy Power System Stabilizer ارایه می گردد. کنترل کننده ANN بر اساس کنترل کننده FPSS فواید کنترل کننده فازی از جمله مستقل بودن از شناسایی مدل و پاسخ سریع ANN را ادغام کرده و نوع جدیدی از PSS را ارایه می دهد. ANN انتخابی از نوع شبکه پیوند دهنده تابعی Functional Link Net (FLN) می باشد. FLN یک شبکه عصبی تک لایه است که آقای Pao در سال 1989 آن را معرفی نمود. روش آموزش به کار رفته Delta-Rule می باشد. ANN بر اساس الگوهای مختلف تولید شده توسط کنترل کننده FPSS به ازای بارهای متفاوت آموزش داده می شود. آموزش تا جایی صورت می گیرد که خطای موثر به کمتر از مقدار معینی برسد. نتایج حاصله نشانگر آن است که ANN ارایه شده بر اساس FPSS میرایی خوبی را در بازه وسیعی از عمل‍کرد سیستم قدرت فراهم آورده و در ضمن کنترل هموارتری بر روی متغیرهای سیستم داشته و در نهایت عمل‍کرد دینامیکی سیستم را به طور قابل ملاحظه ای بهبود می بخشد.