{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TK409",
        "title": "طراحی کنترل حالت لغزشی دینامیکی با استفاده از شبکه عصبی بازگشتی",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1394",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TK409",
        "title": "طراحی کنترل حالت لغزشی دینامیکی با استفاده از شبکه عصبی بازگشتی",
        "degree": null,
        "faculty": "مهندسی برق",
        "year": 1394,
        "authors": [
            {
                "name": "احسان رجبی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "علی کرمی ملائی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "کنترل حالت لغزشی دینامیکی",
            "رویتگر عصبی",
            "رویتگر حالت لغزشی",
            "سیستم غیرخطی",
            "مدل آشوبی دافینگ هلمز"
        ],
        "abstract": "در این پایان نامه کنترل حالت لغزشی دینامیکی سیستم-های غیرخطی با استفاده از شبکه های عصبی مورد مطالعه قرار می گیرد. در کنترل حالت لغزشی دینامیکی توسط انتگرال گیری که قبل از ورودی سیگنال کنترل سیستم قرار می گیرد چترینگ حذف می شود. با این حال، مشکلی که در کنترل حالت لغزشی دینامیکی بوجود می آید این است که یک واحد به مرتبه سیستم واقعی افزوده می شود پس در نتیجه مدل سیستم باید شناسایی شود. برای حل این مشکل، ما دو شبکه عصبی برخط برای شناسایی و  بدست آوردن یک مدل برای سیستم غیرخطی نامعلوم پیشنهاد می دهیم. در روش اول، آموزش قانون تطبیقی-عصبی براساس متغیرهای حالت در دسترس می باشد و برای همگرا شدن کران خطای رویتگر به صفر اثباتی وجود ندارد به عبارتی، خطای رویتگر به یک کرانی که کوچک بودن آن تضمین نمی شود همگرا خواهد شد. در روش دوم، آموزش قانون فقط براساس خروجی سیستم است و همگرا شدن خطای رویتگر به صفر نیز اثبات می شود، که این برتری نسبت به روش اول محسوب می شود. برای مقایسه نتایج، کنترل حالت لغزشی دینامیکی را با رویتگر حالت لغزشی در نظر می گیریم. این روش باعث می-شود تا سیستم کنترلی نسبت به هر نویز و اغتشاشی مقاوم باشد. همگرایی کنترل کننده و رویتگر پیشنهادی، با استفاده از قضیه پایداری لیاپانوف اثبات می شود. برای تایید کارایی این روش، از سیستم آشوبی دافینگ هلمز استفاده می کنیم.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TK409.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}