🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
اگر بخواهیم ریشه ها را به ازای مقادیر مختلف بهره بدانیم میتوانیم به صورت زیر از دستور rlocus استفاده کنیم.
[r,k] = rlocus(sys)
در این حالت K یک بردار است با m درایه و r یک ماتریس با سایز m در n میباشد که n در واقع مرتبه معادله مشخصه (تعداد قطب های حلقه بسته ) میباشد.
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
اگر بخواهیم ریشه ها را به ازای مقادیر مختلف بهره بدانیم میتوانیم به صورت زیر از دستور rlocus استفاده کنیم.
[r,k] = rlocus(sys)
در این حالت K یک بردار است با m درایه و r یک ماتریس با سایز m در n میباشد که n در واقع مرتبه معادله مشخصه (تعداد قطب های حلقه بسته ) میباشد.
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
مثال:
قطب های حلقه بسته سیستمی با تابع تبدیل حلقه باز زیر را بدست آورید:
P(s)=(s+1)/((s+3)(s+2)(s-1))
clc
clear
close all
num=[1 1];
den=[1 4 1 -6];
[r,k]=rlocus(num,den);
بنابراین مقادیر بهره در بردار k و ریشه های متناظر در ماتریس r قرار میگیرند.
همچنین میتوانیم بردار k را خود تعیین کنیم:
num=[1 1];
den=[1 4 1 -6];
k=0:0.1:10;
r=rlocus(num,den,k);
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
مثال:
قطب های حلقه بسته سیستمی با تابع تبدیل حلقه باز زیر را بدست آورید:
P(s)=(s+1)/((s+3)(s+2)(s-1))
clc
clear
close all
num=[1 1];
den=[1 4 1 -6];
[r,k]=rlocus(num,den);
بنابراین مقادیر بهره در بردار k و ریشه های متناظر در ماتریس r قرار میگیرند.
همچنین میتوانیم بردار k را خود تعیین کنیم:
num=[1 1];
den=[1 4 1 -6];
k=0:0.1:10;
r=rlocus(num,den,k);
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
حال اگر بخواهیم مکان هندسی را رسم کنیم کافی است r را رسم کنیم:
clc
clear
close all
num=[1 1];
den=[1 4 1 -6];
[r,k]=rlocus(num,den);
plot(r);
grid on
title('Root Locus');
xlabel('Real Axis sec^-1');
ylabel('Imaginary Axis sec^-1');
%%
hold on
k=0;
r=rlocus(num,den,k);
text(real(r),imag(r),'x')
k=inf;
r=rlocus(num,den,k);
text(real(r),imag(r),'o')
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/P3oj
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
حال اگر بخواهیم مکان هندسی را رسم کنیم کافی است r را رسم کنیم:
clc
clear
close all
num=[1 1];
den=[1 4 1 -6];
[r,k]=rlocus(num,den);
plot(r);
grid on
title('Root Locus');
xlabel('Real Axis sec^-1');
ylabel('Imaginary Axis sec^-1');
%%
hold on
k=0;
r=rlocus(num,den,k);
text(real(r),imag(r),'x')
k=inf;
r=rlocus(num,den,k);
text(real(r),imag(r),'o')
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/P3oj
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
در نوشتن برنامه فوق برای مشخص کردن قطب ها و صفرهای حلقه باز از این ویژگی که در بهره صفر در قطب های حلقه باز و در بهره بینهایت در صفرهای حلقه باز هستیم استفاده نمودیم. که بیشتر جنبه آموزشی داشته باشد اما برای دقیق تر بودن همانطور که در جلسه اول توضیح داده شد بهتر است از دستور pzmap استفاده کنیم:
clc
clear
close all
num=[1 1];
den=[1 4 1 -6];
r=rlocus(num,den);
plot(r);
grid on
title('Root Locus');
xlabel('Real Axis sec^-1');
ylabel('Imaginary Axis sec^-1');
%%
hold on
pzmap(num,den)
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/YVuN
____________________________
💡 جلسه هشتم
💡 استاد : مهندس ورمقانی
____________________________
در نوشتن برنامه فوق برای مشخص کردن قطب ها و صفرهای حلقه باز از این ویژگی که در بهره صفر در قطب های حلقه باز و در بهره بینهایت در صفرهای حلقه باز هستیم استفاده نمودیم. که بیشتر جنبه آموزشی داشته باشد اما برای دقیق تر بودن همانطور که در جلسه اول توضیح داده شد بهتر است از دستور pzmap استفاده کنیم:
clc
clear
close all
num=[1 1];
den=[1 4 1 -6];
r=rlocus(num,den);
plot(r);
grid on
title('Root Locus');
xlabel('Real Axis sec^-1');
ylabel('Imaginary Axis sec^-1');
%%
hold on
pzmap(num,den)
___________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_هشتم
#ورمقانی
#کنترل_مدرن
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/YVuN
🎯 هر روز یک دستور 🎯
____________________________
🔆 دستور شماره پنج
____________________________
audioplayer
منظور: ایجاد یک موضوع پخش صوت
خلاصه:
Y=audioplayer(x,Fs)
Y=audioplayer(x,Fs,nbits)
Y=audioplayer(r)
Y=audioplayer(r,id)
توجه: برای استفاده از تمام خواص موضوع پخش صوت، نیاز به نصب و تعریف شدن کارت صوتی 8 و 16 بیتی دو کانال و قابلیت کار با فرکانس های 48KHz می باشد.
مثال: یک فایل صوتی نمونه را بارگذاری کنید، یک موضوع پخش صوت ایاد کنید و صوت را در یک نرخ نمونه برداری بالاتر پخش کنید.x شامل نمونه های صوتی و Fs نرخ نمونه برداری است.امکان استفاده از توابع audioplayer لیست شده در فوق در پخش کننده وجود دارد.
load handel;
player = audioplayer(y, Fs);
play(player,[l(get(player,'SampleRate')*3)]);
برای متوقف کردن پخش می توان از دستور زیر استفاده کرد:
Stop(player);
____________________________
#هر_روز_یک_دستور
#دستور
#audioplayer
____________________________
© @MATLAB_tutorial
© @MATLAB_files
http://yon.ir/8NGa
____________________________
🔆 دستور شماره پنج
____________________________
audioplayer
منظور: ایجاد یک موضوع پخش صوت
خلاصه:
Y=audioplayer(x,Fs)
Y=audioplayer(x,Fs,nbits)
Y=audioplayer(r)
Y=audioplayer(r,id)
توجه: برای استفاده از تمام خواص موضوع پخش صوت، نیاز به نصب و تعریف شدن کارت صوتی 8 و 16 بیتی دو کانال و قابلیت کار با فرکانس های 48KHz می باشد.
مثال: یک فایل صوتی نمونه را بارگذاری کنید، یک موضوع پخش صوت ایاد کنید و صوت را در یک نرخ نمونه برداری بالاتر پخش کنید.x شامل نمونه های صوتی و Fs نرخ نمونه برداری است.امکان استفاده از توابع audioplayer لیست شده در فوق در پخش کننده وجود دارد.
load handel;
player = audioplayer(y, Fs);
play(player,[l(get(player,'SampleRate')*3)]);
برای متوقف کردن پخش می توان از دستور زیر استفاده کرد:
Stop(player);
____________________________
#هر_روز_یک_دستور
#دستور
#audioplayer
____________________________
© @MATLAB_tutorial
© @MATLAB_files
http://yon.ir/8NGa
🎯 هر روز یک دستور 🎯
____________________________
🔆 دستور شماره شش
____________________________
audiorecorder
منظور: ایجاد یک موضوع ضبط صوت
خلاصه:
recorder = audiorecorder
recorder = audiorecorder(Fs,nBits,nChannels)
recorder = audiorecorder(Fs,nBits,nChannels,ID)
توجه: برای استفاده ز تمام خواص موضوع ضبط صوت ، نیاز به نصب و تعریف کارت صوتی 8 و 16 بیتی ، I/O و قابلیت کار با فرکانس های تا 48 KHz می باشد.
مثال:
با استفاده از یک میکروفون ، 3.5 ثانیه از اطلاعات استریو 16 بیتی و 44.1 KHz را ضبط کرده و سپس اطلاعات را در فضای کاری متلب بصورت یک آرایه دوبل برگردانید.
recorder = audiorecorder(44100f, 16, 2);
recordbacking(recorder,3,5);
audioarray=getauiodata(recorder)
____________________________
#هر_روز_یک_دستور
#دستور
#audiorecorder
____________________________
© @MATLAB_tutorial
© @MATLAB_files
http://yon.ir/zhkI
____________________________
🔆 دستور شماره شش
____________________________
audiorecorder
منظور: ایجاد یک موضوع ضبط صوت
خلاصه:
recorder = audiorecorder
recorder = audiorecorder(Fs,nBits,nChannels)
recorder = audiorecorder(Fs,nBits,nChannels,ID)
توجه: برای استفاده ز تمام خواص موضوع ضبط صوت ، نیاز به نصب و تعریف کارت صوتی 8 و 16 بیتی ، I/O و قابلیت کار با فرکانس های تا 48 KHz می باشد.
مثال:
با استفاده از یک میکروفون ، 3.5 ثانیه از اطلاعات استریو 16 بیتی و 44.1 KHz را ضبط کرده و سپس اطلاعات را در فضای کاری متلب بصورت یک آرایه دوبل برگردانید.
recorder = audiorecorder(44100f, 16, 2);
recordbacking(recorder,3,5);
audioarray=getauiodata(recorder)
____________________________
#هر_روز_یک_دستور
#دستور
#audiorecorder
____________________________
© @MATLAB_tutorial
© @MATLAB_files
http://yon.ir/zhkI
🎯 هر روز یک دستور 🎯
____________________________
🔆 دستور شماره هفت
____________________________
auread
منظور: خواندن فایل صوتی با کدبندی mu-law
خلاصه:
auread('filename')
توصیف: auread('filename') فایل صوتی تعیین شده توسط filwname را میخواند و اطلاعات بایتهای کدبندی شده به طرقه mu-law را به سیگنالی در محدوده -1≤y≤1 تبدیل میکند.
مثال:
% Create .au file in current folder.
load handel.mat
hfile = 'handel.au';
auwrite(y, Fs, hfile)
clear y Fs
% Read the data back into MATLAB, and listen to audio.
[y, Fs, nbits] = auread(hfile);
sound(y, Fs);
% Pause before next read and playback operation.
____________________________
#هر_روز_یک_دستور
#دستور
#auread
____________________________
© @MATLAB_tutorial
© @MATLAB_files
https://telegram.me/MATLAB_tutorial
____________________________
🔆 دستور شماره هفت
____________________________
auread
منظور: خواندن فایل صوتی با کدبندی mu-law
خلاصه:
auread('filename')
توصیف: auread('filename') فایل صوتی تعیین شده توسط filwname را میخواند و اطلاعات بایتهای کدبندی شده به طرقه mu-law را به سیگنالی در محدوده -1≤y≤1 تبدیل میکند.
مثال:
% Create .au file in current folder.
load handel.mat
hfile = 'handel.au';
auwrite(y, Fs, hfile)
clear y Fs
% Read the data back into MATLAB, and listen to audio.
[y, Fs, nbits] = auread(hfile);
sound(y, Fs);
% Pause before next read and playback operation.
____________________________
#هر_روز_یک_دستور
#دستور
#auread
____________________________
© @MATLAB_tutorial
© @MATLAB_files
https://telegram.me/MATLAB_tutorial
🍀🍀 آموزش سیستم های فازی و کنترل فازی 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
تصميم گيري تك معياره فازي برنامه ريزي خطي فازي و تصمیم گیری چندمعیاره
این جلسه شامل مباحث زیر می باشد:
1. تعريف كلاسيك تصميم گيري
2. برنامه ريزي خطي LP
3. چرا تصميم فازي ؟
4. تصميم گيري فازي
5. تصميم = اشتراك اهداف و محدوديتها
6. برنامه ريزي خطي فازي FLP
7. مدلسازي برنامه ريزي خطي فازي
8. تصميم گيري چند معياره Multi-criteria DM
9. تصميم گيري چند شاخصه فازي
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
تصميم گيري تك معياره فازي برنامه ريزي خطي فازي و تصمیم گیری چندمعیاره
این جلسه شامل مباحث زیر می باشد:
1. تعريف كلاسيك تصميم گيري
2. برنامه ريزي خطي LP
3. چرا تصميم فازي ؟
4. تصميم گيري فازي
5. تصميم = اشتراك اهداف و محدوديتها
6. برنامه ريزي خطي فازي FLP
7. مدلسازي برنامه ريزي خطي فازي
8. تصميم گيري چند معياره Multi-criteria DM
9. تصميم گيري چند شاخصه فازي
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
🍀🍀 آموزش سیستم های فازی و کنترل فازی 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
1. تعريف كلاسيك تصميم گيري:
تصميم گيري به عنوان انتخاب مناسب ترين گزينه از بين گزينه هاي قابل دسترس براي حل يك مسئله مي باشد. در حقیقت گزينه هاي تصميم گيري “ فضاي تصميم” را بوجود مي آورند. در فرايند تصميم گيري بايد با در نظر گرفتن محدوديتهاي معين به اهداف مشخصي دست يابيم.تصميم گيري نقش مهمي را در بازرگاني، مديريت، اقتصاد، پزشكي، علوم مهندسي و رايانه، علوم سياسي و اجتماعي، و ... بازي مي كند.
2. برنامه ريزي خطي LP:
برای درک برنامه ریزی خطی یا LP به مثال زیر توجه فرمایید:
مثال: شركت سايپا براي توليد ماشينهاي ماكسيما و زانتيا از دو دستگاه A و B استفاده مي كند. در توليد ماشينهاي ماكسيما، دستگاه A به مدت 2 دقيقه و دستگاه B به مدت 4 دقيقه و در توليد ماشينهاي زانتيا دستگاه A به مدت 8 دقيقه و دستگاه B به مدت 4 دقيقه وقت صرف ميكنند. سود خالص هر ماشين ماكسيما 290 دلار و هر ماشين زانتيا 450 دلار است. بهترين طرح توليد به منظور حداكثر رساندن سود كدام است؟ ( چه تعداد زانتيا و چه تعداد ماكسيما توليد شود ؟ )
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/e2SX
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
1. تعريف كلاسيك تصميم گيري:
تصميم گيري به عنوان انتخاب مناسب ترين گزينه از بين گزينه هاي قابل دسترس براي حل يك مسئله مي باشد. در حقیقت گزينه هاي تصميم گيري “ فضاي تصميم” را بوجود مي آورند. در فرايند تصميم گيري بايد با در نظر گرفتن محدوديتهاي معين به اهداف مشخصي دست يابيم.تصميم گيري نقش مهمي را در بازرگاني، مديريت، اقتصاد، پزشكي، علوم مهندسي و رايانه، علوم سياسي و اجتماعي، و ... بازي مي كند.
2. برنامه ريزي خطي LP:
برای درک برنامه ریزی خطی یا LP به مثال زیر توجه فرمایید:
مثال: شركت سايپا براي توليد ماشينهاي ماكسيما و زانتيا از دو دستگاه A و B استفاده مي كند. در توليد ماشينهاي ماكسيما، دستگاه A به مدت 2 دقيقه و دستگاه B به مدت 4 دقيقه و در توليد ماشينهاي زانتيا دستگاه A به مدت 8 دقيقه و دستگاه B به مدت 4 دقيقه وقت صرف ميكنند. سود خالص هر ماشين ماكسيما 290 دلار و هر ماشين زانتيا 450 دلار است. بهترين طرح توليد به منظور حداكثر رساندن سود كدام است؟ ( چه تعداد زانتيا و چه تعداد ماكسيما توليد شود ؟ )
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/e2SX
🍀🍀 آموزش سیستم های فازی و کنترل فازی 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/rF5i
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/rF5i
🍀🍀 آموزش سیستم های فازی و کنترل فازی 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/eEBd
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/eEBd
🍀🍀 آموزش سیستم های فازی و کنترل فازی 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
3. چرا تصميم فازي ؟:
از آنجا كه عواملي همچون :
اطلاعات نادقيق و ناقص
ذهنيت و تصورات ذهني از واقعيت ها
عدم دانش، فهم و درك كافي از مقادير و پارامترهاي سيستم
عدم اطلاع از حالت تصميم كه چه حالتي اتفاق مي افتد
... ... ...
در زندگي روزمره نقش اساسي ايفا مي كنند، لذا در حالت كلي تصميم گيري فرايند مشكلي بوده و بهتر است در يك محيط فازي بحث و بررسي شود.
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
3. چرا تصميم فازي ؟:
از آنجا كه عواملي همچون :
اطلاعات نادقيق و ناقص
ذهنيت و تصورات ذهني از واقعيت ها
عدم دانش، فهم و درك كافي از مقادير و پارامترهاي سيستم
عدم اطلاع از حالت تصميم كه چه حالتي اتفاق مي افتد
... ... ...
در زندگي روزمره نقش اساسي ايفا مي كنند، لذا در حالت كلي تصميم گيري فرايند مشكلي بوده و بهتر است در يك محيط فازي بحث و بررسي شود.
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
🍀🍀 آموزش سیستم های فازی و کنترل فازی 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
4. تصميم گيري فازي:
مثال:
فرض كنيد هيئت مديره شركت قصد دارد بيشترين سود (هدف) به سهامداران شركت بپردازد كه بايد در عين حال سود مقبولي (محدوديت) باشد كه امكان سرمايه گزاري بيشتر در ادامه كار شركت و رقابت با ديگر شركت ها را نيز از دست ندهد. سود مقبــول (C) و بيشترين سـود (G) را مي توان با توابع زير تعريف نمود.
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/ODm7
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
4. تصميم گيري فازي:
مثال:
فرض كنيد هيئت مديره شركت قصد دارد بيشترين سود (هدف) به سهامداران شركت بپردازد كه بايد در عين حال سود مقبولي (محدوديت) باشد كه امكان سرمايه گزاري بيشتر در ادامه كار شركت و رقابت با ديگر شركت ها را نيز از دست ندهد. سود مقبــول (C) و بيشترين سـود (G) را مي توان با توابع زير تعريف نمود.
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/ODm7
🍀🍀 آموزش سیستم های فازی و کنترل فازی 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
براي آنكه هم سود مقبول و بيشترين سود مد نظر قرار گيرند، بهتر است كه اشتراك مجموعه هاي فازي هدف و محدوديت (D) محاسبه گردد.
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/xw1h
____________________________
💡 جلسه ششم
💡 استاد : مهندس صدرالحفاظی
____________________________
براي آنكه هم سود مقبول و بيشترين سود مد نظر قرار گيرند، بهتر است كه اشتراك مجموعه هاي فازي هدف و محدوديت (D) محاسبه گردد.
____________________________
#Fuzzy_Logic
#آموزش_مقدماتی
#جلسه_ششم
#صدر_الحفاظی
#مثال
© @MATLAB_tutorial
© @MATLAB_files
____________________________
http://yon.ir/xw1h