15496

امكان‌سنجي كاربرد هوش مصنوعي، يادگيري ماشين، و يادگيري تقويتي در روبات‌ها و پرنده‌هاي بدون سرنشين در معرض تحريكات تلاطمي

1403

سيدمحمد هاشمي نژاد

ديناميك تلاطمي در سامانه‌هاي متحرك حاوي سيال، مانند ربات‌ها و پهپادها ، به دليل تعامل پيچيده بين سيال و سازه، چالش‌هاي قابل‌توجهي در پايداري و كنترل ايجاد مي‌كند. مدل‌هاي مبتني بر قوانين فيزيكي سنتي اطلاعات دقيقي ارائه مي‌دهند، اما اغلب از نظر محاسباتي سنگين بوده و انعطاف‌پذيري لازم براي كنترل بلادرنگ در سامانه‌هاي تعبيه‌شده را ندارند. اين سمينار امكان‌سنجي كاربرد هوش مصنوعي ، يادگيري ماشين و يادگيري تقويتي را در مدل‌سازي، پيش‌بيني و كاهش فعال ناپايداري‌هاي ديناميكي ناشي از تلاطم بررسي مي‌كند. در اين سمينار، مروري جامع بر ادبيات پژوهش، پيشرفت‌هاي صورت‌گرفته در مدل‌سازي تلاطم، پيش‌بيني نيروهاي سيال به كمك هوش مصنوعي و سياست‌هاي كنترلي مبتني بر يادگيري تقويتي كه تضمين‌هاي رسمي پايداري را شامل مي‌شوند، برجسته مي‌كند. در اين راستا، ادغام روش‌هاي هوش مصنوعي با چارچوب‌هاي كنترلي كلاسيك، رويكردي عملي است كه تعادل مناسبي بين پايداري و انعطاف‌پذيري فراهم مي‌آورد. همچنين مطالعات موردي، كاربرد موفق يادگيري تقويتي براي پايدارسازي بار پهپاد، مديريت مايعات در ربات‌ها، و كنترل فعال جريان براي سركوب ارتعاشات را نشان مي‌دهند. اين نمونه‌ها پتانسيل روش‌هاي يادگيري مبتني بر داده را در بهبود عملكرد و تاب‌آوري برجسته مي‌سازند. در نهايت، روش‌هاي اشاره شده براي كنترل بلادرنگ تلاطم بسيار اميدواركننده‌اند، به‌ويژه زماني كه در معماري‌هاي تركيبي بكار روند. تحقيقات آينده بايد بر توسعه مدل‌هاي فيزيك محور، الگوريتم‌هاي يادگيري با تضمين ايمني و تكنيك‌هاي پيشرفته توليد داده متمركز شود تا مديريت خودكار و مقاوم سيال در سامانه‌هاي ديناميكي مكانيكي تحقق يابد.

5/25/2025 12:00:00 AM

88767

1404/09/13