مدل سازی سامانه کنترل ارتفاع با استفاده از شبکه های عصبی مصنوعی

سامانه های ابزار دقیق و خودکار در ماشین آلات کشاورزی، میدانی و عمرانی به شکل فزآینده موجب افزایش بهره وری، دقت و توسعه کاربردی گردیده است. دستگاه کنترل ارتفاع جهت اندازه گیری ارتفاع نمونه های مختلف، از بخش های مکانیکی شامل مجموعه محرکه تسمه نقاله، بدنه اصلی، موتور الکتریکی، مبدل و بخش الکترونیکی شامل حسگر فراصوت فرستنده و گیرنده امواج، مجموعه الکترونیکی، مجموعه کنترل و میکروکنترلر ای تی مگا 32 ساخته شده است. در ابتدا عملکرد دستگاه به کمک شبکه عصبی مصنوعی مورد بررسی قرار گرفته و سپس آزمایش هایی جهت جمع آوری و معتبرسازی داده ها انجام گردیده است. در این مطالعه مشاهده گردید که استفاده از شبکه عصبی مصنوعی چند لایه همراه با الگوریتم یادگیری لونبرگ-مارکواردت دارای بهترین معیار برای برآورد و همگرایی نتایج داده های آزمایشگاهی می باشد و جایگزینی ماتریس واحد با ماتریس هسیان در معادله بهینه سازی شده قانون لونبرگ-مارکواردت تاثیر به سزایی در همگرایی و کاهش زمان محاسبات دارد. همچنین مطالعه حاضر جهت توسعه فرآیندهای کشاورزی، مهندسی و افزایش تاثیر دستگاه های تولید شده مورد نیاز در آموزش واحدهای اندازه گیری هوشمند بسیار مفید بوده و مسائل تخمین تابع در الگوریتم لونبرگ- مارکواردت کارایی، سرعت، دقت و همگرایی بالایی را از خود نشان داده و خطای کمینه4-10× 7/77 را دارا می باشد.