MATLAB
2.35K subscribers
202 photos
24 videos
143 files
280 links
Download Telegram
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
___________________________________________
💡 جلسه سوم
💡 استاد : مهندس ورمقانی
___________________________________________
برای بدست آوردن تحقق فضای حالت به صورت دستی به فایل PDF زیر مراجعه کنید.
___________________________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_سوم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
___________________________________________
💡 جلسه سوم
💡 استاد : مهندس ورمقانی
___________________________________________
برای این کار از دستور tf2ss استفاده میکنیم.
ابتدا در ستون ها مخرج مشترک میگیریم. ضرایب مخرج مشترک را در بردار DENj قرار میدهیم و ضرایب صورت ها در هر ستون را به ترتیب در سطهای ماتریس NUMj قرار میدهیم.(توجه کنید که برخلاف روش دستی نیازی به جدا کردن ماتریس D نداریم) سپس از دستور tf2ss استفاده میکنیم:
[Aj ,Bj ,Cj ,Dj ]=tf2ss(NUMj,DENj)
و سپس ماتریس A برابر ماتریس بلوکی قطری خواهد بود که بلوک های قطراصلی آن ماتریس های A_j خواهند بود و همچنین ماتریس B برابر ماتریس بلوکی قطری خواهد بود که بلوک های قطراصلی آن ماتریس های B_j خواهند بود. و ماتریس های C و D به صورت زیر میباشند:
C=[C1 C2 ... Cm]
D=[D1 D2 ... Dm]
شاید مطالب فوق اندکی گنگ به نظر اید اما در هنگام حل یک مثال خواهیم دید که کار بسیار روتین میباشد:

___________________________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_سوم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
___________________________________________
💡 جلسه سوم
💡 استاد : مهندس ورمقانی
___________________________________________
مثال :
___________________________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_سوم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/7NGpp1
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
___________________________________________
💡 جلسه سوم
💡 استاد : مهندس ورمقانی
___________________________________________
» num11=[1 6];
num21=[1 3];
num31=[0 1];
DEN1=[1 5 6];
num12=[0 1];
num22=[1 3];
num32=[1 7];
DEN2=[1 3];

NUM1=[num11;num21;num31];
NUM2=[num12;num22;num32];

[A1,B1,C1,D1]=tf2ss(NUM1,DEN1);
[A2,B2,C2,D2]=tf2ss(NUM2,DEN2);

za1=zeros(size(A1,1),size(A2,2));
za2=zeros(size(A2,1),size(A1,2));

A=[A1 za1;za2 A2]

zb1=zeros(size(A1,1),1);
zb2=zeros(size(A2,1),1);

B=[B1 zb1;zb2 B2]

C=[C1 C2]
D=[D1 D2]



A =

-5 -6 0
1 0 0
0 0 -3


B =

1 0
0 0
0 1


C =

1 6 1
1 3 0
0 1 4


D =

0 0
0 1
0 1
___________________________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_سوم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
___________________________________________
💡 جلسه سوم
💡 استاد : مهندس ورمقانی
___________________________________________
اگر این مثال را به صورت دستی انجام دهید(مطابق روش گفته شده در فایل PDF) خواهیم دید جواب حاصل از متلب با جواب روش دستی متفاوت شد.
همان طور که قبلا گفتیم مدل فضای حالت یکتا نیست!
هر دو جواب صحیح است!(میتوانید امتحان کنید)
برای امتحان کردن جواب ها میتوانید از دستور ss2tf همانگونه که توضیح داده شد استفاده کنید (ستون ها را جداگانه بدست آورید)

___________________________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_سوم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
___________________________________________
💡 جلسه سوم
💡 استاد : مهندس ورمقانی
___________________________________________
همچنین میتوانید از برنامه زیر استفاده کنید:
syms s

G=C*inv(s*eye(size(A))-A)*B+D


در این برنامه ابتدا متغیر s را به صورت سمبلیک تعریف میکنیم سپس از رابطه
G=C(s I-A)^(-1) B+D استفاده کرده ایم.

___________________________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_سوم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
This media is not supported in your browser
VIEW IN TELEGRAM
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
به نام خدا
با عرض سلام خدمت دانشجویان و دوستان ارجمندم
در خدمتتون هستم با جلسه چهارم پردازش تصویر
در این جلسه در ادامه مباحث مطرح شده ابتدا بحث برچسب گذاری برای تصویر را مطرح میکنیم
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
برچسب گذاری : برچسب گذاری عبارتست از اختصاص یک برچسب به تک تک نواحی مختلف تصویر که از نظر سطح خاکستری از سایر نواحی متمایز باشد

برای مثال دستور bwlabel برای لیبل گذاری سطوح سفید از سمت بالا چپ شروع کرده و به نواحی سفید رنگ را بترتیب لیبل 1 ، 2 و... اختصاص می دهد
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
دستور دیگر برای این منظور regionprops می باشد
که برای مثال دستور زیر
Stats = regionprops(bwimage,'BoundingBox');
نواحی را درون مستطیل هایی قرار می دهدکه مختصات آن در متغییر Stats ذخیره می شود
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
در برنامه زیر bwimage یک تصویر سیاه و سفید باینری به شکل نشان داده شده در زیر است
bwimage=imread('bw.jpg');
bwiamge=rgb2gray(bwimage);
imshow(bwimage);
Stats = regionprops(bwimage,'BoundingBox');
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/tQmQ2N
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
متغییر Stats ساختاری به شکل زیر دارد
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/dKhj7q
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
در صورتی که بجای BoundingBox دستورات زیر را قرار دهیم موارد نتایج زیر حاصل خواهدشد
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/oHqLXt
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
پس از اتمام مقدمات نوبت به بخش دوم درس میرسد
در این بخش ما به بررسی بازسازی تصویر می پردازیم
باز سازی تصویر:
عوامل متعددی در روند ذخیره سازی یک تصویر موثر می باشند. در صورتی که در عملکرد هرکدام از این موارد اختلالی ایجاد شود می تواند منجر به بروز نقیصه ای در تصویر شود که ما ملزم به پیاده سازی بازسازی تصویر برای جبران آن می باشیم.
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
___________________________________________
💡 جلسه چهارم
💡 استاد : مهندس بنی فخر
___________________________________________
برای مثال اختلال در ccd دوربین دیجیتال منجر به بروز نقاط سفید و روشنی در تصویر می شود که با نویز نمک و فلفل شناخته می شود یا کم بودن نور منجر به بروز نویز گوسی می شود و بسیاری ازین قبیل موارد
حال برای بررسی و مطالعه روی این نویز ها می توان با دستورات زیر بصورت مجازی آنها را روی تصویر اعمال نمود
___________________________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_چهارم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
___________________________________________
http://goo.gl/CZ7ymo