🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
در حالت اول یعنی S = stepinfo(y,t,yfinal) فرض بر این است که پاسخ پله سیستم را به نحوی داریم مثلا از دستور [y,x,t] = step(sys) پاسخ پله سیستم را داریم و فقط میخواهیم مشخصات آن را بیابیم. همچنین اگر مقدار نهایی را وارد نکنیم (یعنی استفاده از دستور S = stepinfo(y,t)) در این صورت در محاسبات مقدار نهایی برابر با آخرین نمونه y در نظر خواهد گرفته خواهد شد.
در حالت دوم (یعنیS = stepinfo(sys)) خود تابع stepinfo مستقیما مشخصات پاسخ پله را بدست می آورد.
خروجی این تابع از نوع structure می باشد.

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
مثال :
clc
clear

num=[1 5];
den=[1 3 5];

[y,x,t]=step(num,den);
s=stepinfo(y,t,1)

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
نتیجه به صورت زیر میباشد:
s =

RiseTime: 0.8042
SettlingTime: 2.4750
SettlingMin: 0.9134
SettlingMax: 1.0674
Overshoot: 6.7417
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
همچنین برای نشان دادن هریک از مشخصات میتوانیم از دستور s.name استفاده کنیم مثلا :
s.RiseTime

ans =

0.8042
مثال:
در مثال زیر مقدار نهایی را وارد نمیکنیم:
num=[1 5];
den=[1 3 5];

[y,x,t]=step(num,den);
s=stepinfo(y,t)
____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
نتیجه بصورت زیر خواهد بود:
s =

RiseTime: 0.7995
SettlingTime: 2.5336
SettlingMin: 0.9134
SettlingMax: 1.0674
Overshoot: 7.0751
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272
همانطور که دیده میشود در بعضی از مشخصات تفاوت هایی دیده میشود که بدلیل تفاوت در مقدار نهایی در نظر گرفته شده است.

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
مثال:
clc
clear

num=[1 5];
den=[1 3 5];
G=tf(num,den);
s=stepinfo(G)
نتیجه بصورت زیر است:
s =

RiseTime: 0.8042
SettlingTime: 2.4750
SettlingMin: 0.9134
SettlingMax: 1.0674
Overshoot: 6.7417
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
همچنین میتوان از مدل فضای حالت نیز استفاده کرد.
مثال:
clc
clear

num=[1 5];
den=[1 3 5];
[A,B,C,D]=tf2ss(num,den);
sys=ss(A,B,C,D);
s=stepinfo(sys)
نتیجه :
s =

RiseTime: 0.8042
SettlingTime: 2.4750
SettlingMin: 0.9134
SettlingMax: 1.0674
Overshoot: 6.7417
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
همانطور که میدانیم برای زمان برخاست و زمان نشست تعاریف (معیارهای) مختلفی وجود دارد.
در دستور stepinfo میتوان این معیارها را تغییر داد:
S = stepinfo(sys,'SettlingTimeThreshold',ST)
در این دستور معیار زمان نشست را تغییر میدهیم به طور پیش فرض مقدار 0.02 یعنی 2 درصد برای زمان نشت در نظر گرفته میشود اما در این دستور مقدار ST برای ان در نظر گرفته شده است.

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
مثال:
میخواهیم معیار زمان نشست را به 5 درصد تغییر دهیم:
clc
clear

num=[1 5];
den=[1 3 5];
[A,B,C,D]=tf2ss(num,den);
sys=ss(A,B,C,D);
S = stepinfo(sys,'SettlingTimeThreshold',0.02)
نتیجه:
S =

RiseTime: 0.8042
SettlingTime: 2.4750
SettlingMin: 0.9134
SettlingMax: 1.0674
Overshoot: 6.7417
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
میخواهیم معیار زمان برخاست را تغییر دهیم:
S = stepinfo(sys,'RiseTimeLimits',RT)
در این دستور RT بازه مورد نظر را میدهد. به طور پیش فرض ستور stepinfo برای زمان نشست معیار 10 درصد تا 90 درصد پاسخ نهایی را در نظر میگیرد.
در مثال زیر میخواهیم این معیار را به 5 درصد تا 95 درصد تغییر دهیم.
مثال:
clc
clear

num=[1 5];
den=[1 3 5];
[A,B,C,D]=tf2ss(num,den);
sys=ss(A,B,C,D);
S = stepinfo(sys,'RiseTimeLimits',[0.05,0.95])

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
نتیجه :
S =

RiseTime: 0.9471
SettlingTime: 2.4750
SettlingMin: 0.9583
SettlingMax: 1.0674
Overshoot: 6.7417
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272

____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
در مثال زیر هر دو معیار زمان نشست و زمان برخاست را تغییر میدهیم:
مثال:
clc
clear

num=[1 5];
den=[1 3 5];
[A,B,C,D]=tf2ss(num,den);
sys=ss(A,B,C,D);
S = stepinfo(sys,'RiseTimeLimits',[0.05,0.95],'SettlingTimeThreshold',0.02)
نتیجه:
S =

RiseTime: 0.9471
SettlingTime: 2.4750
SettlingMin: 0.9583
SettlingMax: 1.0674
Overshoot: 6.7417
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272


____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
توجه داشته باشید که در دستورهای اخیر به جای sys میتوانیم از اطلاعات پاسخ پله استفاده کنیم:
مثال:
clc
clear

num=[1 5];
den=[1 3 5];
[y,x,t]=step(num,den);

S = stepinfo(y,t,1,'RiseTimeLimits',[0.05,0.95],'SettlingTimeThreshold',0.02)
نتیجه :
S =

RiseTime: 0.9471
SettlingTime: 2.4750
SettlingMin: 0.9583
SettlingMax: 1.0674
Overshoot: 6.7417
Undershoot: 0
Peak: 1.0674
PeakTime: 1.6272
____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش کاربرد متلب در کنترل خطی و کنترل مدرن 🍀🍀
____________________________
💡 جلسه ششم
💡 استاد : مهندس ورمقانی
____________________________
پایان جلسه ششم
فایل مربوط به این آموزش در ادامه ارسال خواهد شد
باتشکر
____________________________
#Modern_Control
#آموزش_مقدماتی
#جلسه_ششم
#ورمقانی
#کنترل_مدرن
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________

🍀🍀 آموزش مقدماتی پردازش تصویر 🍀🍀
____________________________
💡 جلسه پنجم
💡 استاد : مهندس بنی فخر
____________________________
این جلسه در مورد اعمال فیلترهای حوزه مکان به تصویر صحبت خواهیم کرد.
فیلتر های حوزه مکان بصورت نقاب روی تصویر قرار میگیرند و مقادیر سطح خاکستری هر پیکسل در وزن مربوطه در نقاب ضرب خواهد شد و نهایتا حاصلجمع آنها در پیکسلی که معمولا مرکز نقاب می باشد جایگزین می شود
نکته ای که وجود دارد این است که معمولا ابعاد نقاب بصورت فرد در نظر گرفته می شود برای مثال 3*3 تا تقارن موجود در نقاب تا جای ممکن به ساختار تصویر لطمه نزد

____________________________
#Image_processing
#آموزش_مقدماتی
#جلسه_پنجم
#بنی_فخر
#پردازش_تصویر
#مثال

© @MATLAB_tutorial
© @MATLAB_files
____________________________