? انجمن علمی هوش مصنوعی دانشگاه نیشابور با همکاری انجمن های علمی مهندسی پزشکی و مهندسی برق برگزار می‌کند:

? اولین رویداد سالانه هوش مصنوعی کاربردی نیشابور

با افتخار، میزبان شما در یکی از بزرگترین رویداد های علمی تخصصی سال هستیم

✍ با حضور افتخار آفرین پروفسور اکبرزاده، دانشمند برجسته هوش مصنوعی ایران
و حضور متخصصین پزشکی و مدیران شرکت های دانش بنیان

? محور های رویداد:

? سخنرانی ویژه با موضوع AI for every one

⚙ ارتباط با صنعت و کاربرد های هوش مصنوعی در پزشکی

? پنل طراحان مسائل تقاضا محور

?  میزگرد های تخصصی و ارتباط مستقیم با مدیران شرکت ها و متخصصین هوش مصنوعی و پزشکی

? زمان: ۱۸ آذر ماه ۱۴۰۳
? مکان: دانشگاه نیشابور، سالن همایش دکتر سخایی

? اینجا شروع یک تحول است، با ما همراه شوید!

? انجمن علمی مهندسی برق دانشگاه نیشابور

? @N_U_E_E_S

✳️Inverted Pendulum Control: RL + MPC Implementation

1️⃣ Reinforcement Learning Features:
- Q-Learning for system identification
- Self-learning pendulum balancing
- No prior model needed

2️⃣ MPC Implementation:
- Real-time optimization
- Constraint handling
- Precise position/angle control

3️⃣ Hardware:
- DC motor (50:1 gearbox)
- Dual encoders
- STM32 controller
- Custom PWM driver

4️⃣ Performance:
- Upright stabilization
- Disturbance rejection
- Accurate tracking

By: Javad Safaei
Supervisor: Naser Pakar
?Telegram:
? @MATLAB_House
@MATLABHOUSE

#InvertedPendulum #ReinforcementLearning #ModelPredictiveControl #Robotics #ControlSystems #Engineering

✳️کنترل پاندول معکوس با استفاده از یادگیری تقویتی و کنترل پیش‌بین مدل (MPC) | پروژه عملی

1️⃣. یادگیری تقویتی (Reinforcement Learning):
- استفاده شده برای شناسایی اولیه سیستم و پایدارسازی
- پیاده‌سازی الگوریتم Q-Learning
- یادگیری تعادل پاندول بدون نیاز به مدل اولیه سیستم

2️⃣. کنترل پیش‌بین مدل (Model Predictive Control):
- طراحی شده پس از شناسایی سیستم
- ارائه کنترل بهینه با در نظر گرفتن محدودیت‌ها
- دستیابی به کنترل دقیق موقعیت و زاویه

3️⃣مشخصات سخت‌افزاری:
- موتور DC با گیربکس ۵۰:۱
- دو انکودر برای اندازه‌گیری موقعیت و زاویه
- میکروکنترلر STM32 برای کنترل بلادرنگ
- درایور الکترونیک قدرت طراحی شده

4️⃣مشخه کنترلی:
پایدارسازی خودکار پاندول در حالت عمودی
- مقاومت در برابر اغتشاشات خارجی
- کنترل همزمان موقعیت و زاویه
- دقت بالا در تعقیب مسیر مرجع

این ویدیو توسط جواد صفایی تولید شده و ناصر پاکار به عنوان مشاور علمی در تهیه ویدیو نقش داشته است.
?گروه و کانال تلگرام:
? @MATLAB_House
@MATLABHOUSE

#پاندول_معکوس #یادگیری_تقویتی #کنترل_پیش_بین #رباتیک #مهندسی_کنترل #اتوماسیون

✳️ آموزش طراحی سیستم هدایت، ناوبری و کنترل - Matlab / Simulink / FlightGear

قسمت سوم
?در این ویدیو آموزشی، شما با نحوه کنترل موشک نقطه‌زن با استفاده از کنترل‌کننده‌ی LQG در محیط Simulink آشنا می‌شوید. این آموزش شامل بررسی مدل فضای حالت یک موشک، نحوه عملکرد سیستم ناوبری و هدایت، و طراحی کنترل‌کننده برای هدایت دقیق موشک است. همچنین، فیلتر کالمن برای تخمین متغیرهای حالت و محاسبه دستورات هدایت با در نظر گرفتن موانع و موقعیت هدف استفاده می‌شود. شبیه‌سازی کامل این سیستم نیز در Simulink انجام شده و نتایج آن نمایش داده می‌شود.

این ویدیو توسط سید حسین مصطفوی تولید شده و ناصر پاکار به عنوان مشاور علمی در تهیه ویدیو نقش داشته است.

#کنترل_موشک #LQG #فیلتر_کالمن #سیستم_هدایت #Simulink #مهندسی_کنترل #ناوبری #شبیه_سازی

✳️ آموزش طراحی سیستم هدایت، ناوبری و کنترل - Matlab / Simulink / FlightGear

قسمت دوم
?در این ویدیو، شما با نحوه شبیه‌سازی یک سیستم هدایت، ناوبری و کنترل (GNC) موشک با استفاده از متلب و سیمیولینک آشنا می‌شوید. در این آموزش، از روش‌های کنترل بهینه و فیلتر کالمن برای تخمین و کنترل استفاده شده است. شما می‌توانید مراحل محاسبه پارامترهای ناوبری مانند آزیموت، طول و عرض جغرافیایی و طراحی کنترل‌کننده‌های بهینه با استفاده از LQR/LQG را یاد بگیرید و در نهایت شبیه‌سازی‌های خود را با FlightGear انجام دهید.

این ویدیو توسط حسین مصطفوی تولید شده و ناصر پاکار به عنوان مشاور علمی نقش دارد.

#شبیه‌سازی_موشک #هدایت_موشک #سیستم_کنترل #کنترل_بهینه #فیلتر_کالمن #متلب #سیمیولینک #FlightGear #مهندسی_هوافضا

✳️ آموزش طراحی سیستم هدایت، ناوبری و کنترل - Matlab / Simulink / FlightGear

قسمت اول
?در این ویدیو یاد می‌گیرید چگونه یک سیستم هدایت، ناوبری و کنترل (GNC) کامل برای یک موشک/راکت که از یک موقعیت تصادفی شروع کرده و به هدف مشخصی می‌رسد، طراحی کنید. در این آموزش از روش‌های LQR / LQG و فیلتر کالمن برای کنترل و تخمین استفاده می‌شود. شما یاد می‌گیرید:

1) چگونگی محاسبه آزیموت، عرض و طول جغرافیایی
2) محاسبه دستورات هدایت، برد، فاصله از هدف، ارتفاع
3) طراحی تنظیم‌کننده خطی درجه دو / گاوسی (LQR) برای مدل حالت فضایی ۲ بعدی
4) ساخت شبیه‌سازی 3 درجه آزادی با استفاده از بلوک‌های هوافضا در سیمولینک
5) اجرای شبیه‌سازی با استفاده از FlightGear

این ویدیو توسط حسین مصطفوی تولید شده و ناصر پاکار به عنوان مشاور علمی نقش دارد.

#آموزش_سیستم_هدایت
#ناوبری_و_کنترل
#FlightGear #محاسبات_آزیموت #طراحی_LQR #فیلتر_کالمن #مهندسی_هوافضا #شبیه‌سازی_موشک #کنترل_سیستمMatlab #Simulink