در حال حاضر، بررسی ابعاد مختلف تحقیقات روباتیک توسط متخصصان زمینه های گوناگون انجام می پذیرد. معمولا نمی توان فردی را پیدا کرد که بر کل زمینه رباتیک مسلط باشد. از این رو این رشته به رشته‌های فرعی تقسیم شده است. به طور مجرد می‌‌توان رباتیک را به چهار رشته فرعی اعمال مکانیکی، انتقال و حرکت، بینایی کامپیوتر و هوش مصنوعی تقسیم کرد. در این کتاب رشته فرعی علم و مهندسی‌ اعمال مکانیکی معرفی‌ می‌‌شود. مبانی این رشته فرعی روباتیکی در چندین زمینه کلاسیک مختلف یافت می‌‌شود که اصلی ترین آن‌ها مکانیک، نظریه کنترل و علوم کامپیوتر است.

طراحی و ساخت ربات مسیریاب هفت سنسور

مجموعه مقالات مهندسی رباتیک

ربات های هوشمند

کتاب مکانیک و کنترل در رباتیک (Mechanics and Control in Robotics)، در این کتاب فصل‌های ۱ تا ۸ عنوان‌هایی‌ از مهندسی‌ مکانیک و ریاضیات، فصل‌های ۹ تا ۱۱ موضوعاتی در نظریه کنترل و فصل‌های ۱۲ تا ۱۳ مطالبی در علوم کامپیوتری را در بر می‌‌گیرند. به علاوه، در این کتاب بر جنبه‌های محاسباتی مسائل تاکید شده است و در پایان فصل‌هایی‌ که بیشتر درباره مکانیک بحث کرده اند، بخشی کوتاه ویژه مسائل محاسباتی در نظر گرفته شده است. این کتاب مشتمل بر 570 صفحه، در 13 فصل، به زبان فارسی، همراه با تصاویر به ترتیب زیر گردآوری شده است:

فصل اول: مقدمه

• زمینه
• مکانیک و کنترل بازوهای مکانیکی ماهر
• نمادگذاری

فصل دوم :توصیف ها و تبدیل های فضایی کلی

• مقدمه
• توصیف ها: مکان ها، جهت گیری ها و چهار چوب ها
• نگاشت ها: تغییر دادن توصیف ها از چهارچوبی به چهارچوب دیگر
• عملگرها: انتقال ها، دوران ها و تبدیل های کلی
• خلاصه تعبیرها
• عملیات ریاضی در تبدیل کلی
• معادله های تبدیل
• مطالبی دیگر درباره نمایش جهت گیری
• تبدیل بردارهای آزاد
• ملاحظات محاسباتی

فصل سوم: سینماتیک بازوهای مکانیکی ماهر

• مقدمه
• توصیف رابط
• توصیف اتصال رابط
• قرارداد برای اتصال چهارچوب ها به رابط ها
• سینماتیک بازوهای مکانیکی ماهر
• فضای کاراندازی، فضای مفصلی و فضای دکارتی
• مثال ها: سینماتیک دو روبات صنعتی
• چهارچوب های با نام های استاندارد
• ابزار کجاست؟
• ملاحظات محاسباتی

فصل چهارم: سینماتیک وارون بازوهای مکانیکی ماهر

• مقدمه
• حل پذیر بودن
• نمادگذاری زیر فضای بازوی مکانیکی ماهر در حالت 6 >n
• راه حل جبری در مقابل راه حل هندسی
• راه حل جبری از طریق تبدیل به چند جمله ای
• روش حل پایپر برای سه محور متقاطع در یک نقطه
• مثال هایی از سینماتیک وارون بازوهای مکانیکی ماهر
• چهارچوب های استاندارد
• استفاده از زیر برنامه SOLVE برای بازو های مکانیکی ماهر
• دقت و تکرارپذیری
• ملاحظات محاسباتی

فصل پنجم: ژاکوبی ها، سرعت ها و نیروهای استاتیکی

• مقدمه
• نمادگذاری برای مکان و جهت گیری متغیر با زبان
• سرعت خطی و دورانی اجسام صلب
• مطالبی بیشتر درباره سرعت زاویه ای
• حرکت رابط های روبات
• چگونگی اشاعه سرعت از رابطی به رابط دیگر
• ژاکوبی ها
• حالت های تکین
• نیروهای استاتیکی در بازوهای مکانیکی ماهر
• ژاکوبی ها در حوزه نیرو
• تبدیل دکارتی سرعت ها و نیروهای استاتیکی

فصل ششم: دینامیک بازوهای مکانیکی ماهر

• مقدمه
• شتاب جسم صلب
• توزیع جرم
• معادله نیوتن معادله اویلر
• محاسبات دینامیکی تکراری نیوتن اویلر
• معادله های تکراری و معادله های به شکل بسته
• مثالی از معادله های دینامیکی بسته
• ساختار معادله های دینامیکی بازوهای مکانیکی ماهر
• روش لاگرانژ در به دست آوردن معادله های دینامیکی بازوهای مکانیکی
• بدست آوردن معادله های دینامیکی بازوهای مکانیکی در فضای دکارتی
• شمول اثرات جسم غیر صلب
• شبیه سازی دینامیکی
• ملاحظات محاسباتی

فصل هفتم: تولید مسیر

• مقدمه
• ملاحظات کلی درباره توصیف و تولید مسیر
• روش های فضای مفصلی
• روش های فضای دکارتی
• مشکلات هندسی مسیرهای دکارتی
• تولید مسیر در هنگام اجرای برنامه کامپیوتری
• توصیف مسیر با زبان برنامه ریزی روبات
• طرح ریزی مسیر با استفاده از مدل دینامیکی
• طرح ریزی مسیرهای عاری از برخورد

فصل هشتم: مکانیزم بازوهای مکانیکی ماهر

• مقدمه
• طراحی بر پایه عملیات خواسته شده از روبات
• پیکربندی سینماتیکی
• معیارهای کمی مشخصات فضای کاری
• سازه های زنجیری زاید و بسته
• روش های کارانداز
• سختی و تغییر شکل خمشی
• حس مکان
• حس نیرو

فصل نهم: کنترل خطی بازوهای مکانیکی ماهر

• مقدمه
• کنترل مدار بسته و پس خوراند (فید بک)
• سیستم های خطی درجه دوم
• کنترل سیستم های درجه دوم
• تقسیم قانون کنترل
• کنترل تعقیب مسیر
• دفع اغتشاش
• کنترل زمانی پیوسته و ناپیوسته (منقطع)
• مدل سازی و کنترل یک مفصل تنها
• ساختمان کنترل کننده یک روبات صنعتی

فصل دهم: کنترل غیر خطی بازوهای مکانیکی ماهر

• مقدمه
• سیستم های غیر خطی و متغیر با زمان
• سیستم های کنترل چند ورودی چند خروجی
• کنترل بازوهای مکانیکی ماهر
• ملاحظات عملی
• سیستم های کنترل روبات های صنعتی امروزی
• تحلیل پایداری لیاپونوف
• سیستم های کنترل مبتنی بر مختصات دکارتی
• کنترل تطبیقی

فصل یازدهم: کنترل نیرو در بازوهای مکانیکی ماهر

• مقدمه
• کاربرد روبات های صنعتی در عملیات مونتاژ
• چهارچوب اعمال کنترل در عملیات مقید شده جزئی
• مسئله کنترل ترکیبی مکان نیرو
• کنترل نیروی سیستم جرم فنر
• روش های کنترل ترکیبی مکان نیرو
• روش های کنترل روبات های صنعتی کنونی

فصل دوازدهم: سیستم ها و زبان های برنامه ریزی روبات

• مقدمه
• سه شیوه برنامه ریزی روبات
• کاربردی نمونه
• شرایط لازم برای زبان برنامه ریزی روبات
• کاربردی نمونه به سه زبان برنامه ریزی روبات
• مسائل ویژه در زبان های برنامه ریزی روبات

فصل سیزدهم: برنامه ریزی خارج خط

• مقدمه
• مطالب اصلی در سیستم های OLP
• ایستگاه Cim
• اتوماسیون عملیات فرعی در سیستم های OLP
• خلاصه

مکانیزم ها و دستگاه های مکانیکی

بررسی ربات میکروموس

کنترل روبات دو محوره با کنترل کننده ی فازی

توجه: لازم به ذکر است که علاوه بر کتاب فوق، راهنمای حل مسائل کتاب نیز جهت دانلود قرار داده شده است.

جهت دانلود کتاب مکانیک و کنترل در رباتیک بر لینک زیر کلیک نمایید.

مکانیک و کنترل در رباتیک

اگر به فراگیری مباحث مشابه مطلب بالا علاقه‌مند هستید، آموزش‌هایی که در ادامه آمده‌اند نیز به شما پیشنهاد می‌شوند:

راهنمای کمک آموزشی هندسه ترسیمی رشته نقشه کشی صنعتی

تلرانس گذاری ابعادی و هندسی

مبانی و اصول نقشه کشی

هندسه ترسیمی

برش و تصویر مجسم

ترسیم نقشه های اجزاء ماشین

برخورد و گسترش

ترسیم نقشه های ترکیبی و انفجاری

ترسیم نقشه های صنعتی و تصاویر مجهول

ترسیم نقشه های صنعتی خودرو

نقشه کشی و نقشه خوانی برای تعمیرکاران

شبکه‌ های عصبی مصنوعی (Artificial Neural Network – ANN) یا به زبان ساده ‌تر شبکه‌ های عصبی سیستم‌ ها و روش ‌های محاسباتی جدیدی برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌ بینی پاسخ ‌های خروجی از سامانه ‌های پیچیده می باشد. این شبکه ها از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل می شود که مجموعه ورودی را به خروجی ربط می دهند. همچنین این شبکه‌ ها قادر به یادگیری‎ هستند...

جزوه آموزش شبکه عصبی مصنوعی، مشتمل بر 131 صفحه، در 7 فصل، با فرمت PDF، به زبان فارسی، همراه با تصاویر و روابط مهم ریاضی به ترتیب زیر گردآوری شده است:

فصل 1: هوش محاسباتی

• تاریخچه
• هوش مصنوعی
• چالش های بنیادین هوش مصنوعی
• هوش محاسباتی
• شبکه های عصبی (Neural Networks)
• مدل ریاضی شبکه های عصبی
• منطق فازی (Fuzzy logic)
• الگوریتم های ژنتیک (GA)
• کاربردهای شبکه های عصبی در پزشکی
• سیستم های تشخیص
• آنالیزهای شیمی پزشکی
• آنالیز تصویر
• پیشرفتهای دارویی و مدلسازی سیستم قلبی عروقی
• بویایی الکترونیکی
• شناخت الگو
• پزشک نمونه
• کاربردهای سیستم های فازی در پزشکی
• سیستم های فازی در بیو انفورماتیک
• سیستم های فازی ژنتیک

فصل 2: شبکه های عصبی

• مقدمه
• معنای شبکه های عصبی
• انگیزه های بیولوژیکی
• تشابهات و انتظارات
• تاریخچه و کاربرد
• مدل ریاضی نرون
• مدل تک ورودی
• برخی توابع تحریک مرسوم نرون مصنوعی
• مدل چند ورودی
• ساختار شبکه های عصبی
• شبکه های یک و چند لایه
• مثال: یک شبکه پیشخور 3 لایه
• چند سئوال
• شبکه های پسخور یا برگشتی
• مسائل حل شده

فصل 3: مسئله تشریحی شناسایی الگو

• شناسایی الگو
• روش های کلاسیک و شبکه های عصبی
• معرفی سه شبکه های نمونه: پرسپترون، همینگ و هاپفیلد
• پرسپترون تک لایه با تابع تحریک آستانه ای دو مقداره متقارن
• مثال تشریحی با پرسپترون
• شبکه همینگ
• شبکه همینگ، لایه اول
• شبکه همینگ، لایه دوم
• شبکه همینگ، لایه سوم
• شبکه هاپفیلد
• مهمترین ویژگی ها
• مهمترین نکات

فصل 4: پرسپترون تک لایه

• فرایند یادگیری
• یادگیری با ناظر
• یادگیری بدون ناظر
• خلاصه فرایند یادگیری
• سیستم های دینامیکی آموزش پذیر
• معادله یادگیری در حالت کلی
• یادگیری با ناظر در شبکه عصبی
• یادگیری تشدیدی (تقویتی) در شبکه عصبی
• یادگیری بدون ناظر در شبکه عصبی
• قانون یادگیری پرسپترون تک لایه (SLPR)

فصل 5: شبکه های آدالاین و یادگیری LMS

• مقدمه
• مبانی بهینه سازی و نقاط بهینه
• بسط تیلور و تقریب توابع
• مشتقات برداری جهت دار
• شرایط لازم برای نقاط بهینه
• توابع درجه دوم
• توابع درجه دوم و ساختار ویژه
• روند مینیمم سازی، الگوریتم کلی
• روش بیشترین نزول (SD)
• نکات مربوط به الگوریتم SD
• مثالی از الگوریتم SD
• نکات

فصل 6: یادگیری LMS یا ویدرو هوف

• شبکه آدالاین
• معادلات ویدرو هوف در حالت تک نرون
• الگوریتم LMS
• فرم دسته ای یادگیری LMS در حالت تک نرون
• فرم دسته ای یادگیری LMS در حالت کلی
• بهبود هایی بر LMS
• کاربرد شبکه آدالاین در فیلترهای تطبیقی

فصل 7: شبکه های عصبی چند لایه پیشخور و یادگیری پس انتشار خطا

• مقدمه
• تاریخچه
• شبکه پرسپترون چند لایه
• حل چند مسئله شناسایی الگو
• شناسایی الگو
• الگوریتم BP
• خلاصه الگوریتم BP

* توجه:
لازم به ذکر است که علاوه بر جزوه آموزشی بالا، جزوه حل تمرینات درس شبکه عصبی مصنوعی (دکتر منهاج، 68 صفحه، به زبان فارسی، با فرمت pdf) نیز جهت دانلود قرار داده شده است.

جهت دانلود جزوه آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل، برلینک زیر کلیک نمایید.

آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل

پیشرفت در جمع آوری و ذخیره داده در طول دهه های گذشته موجب انفجار داده در بیشتر موارد شده است. محققان در بسیاری از حیطه ها مانند مهندسی، ستاره شناسی، اقتصاد و تعاملات مصرف کننده، با مشاهدات و شبیه سازی بزرگ و بزرگتری روبه رو شده اند. چنین مجموعه داده ها در مقابل با مجموعه داده های کوچکتری که در گذشته مطالعه می شدند، چالش های جدیدتر در تحلیل داده ها به وجود آورده اند. به دلیل افزایش تعداد مشاهدات و از آن مهمتر به دلیل افزایش تعداد متغیرهای مربوط به هر مشاهده، روش های آماری قدیمی نسبتا درهم شکسته شد. مجموعه داده های با ابعاد زیاد چالش های ریاضیاتی زیادی همراه با فرصت های جدید به همراه داشتند. یکی از مسائل با مجموعه داده ابعاد بالا این است که در بسیاری از موارد همه متغیرهای اندازه گیری شده برای فهم موضوع موردنظر با اهمیت نیستند. کاهش بعد دسته بندی، تجسم، ارتباط و ذخیره داده با بعد بالا را تسهیل می بخشد. با وجود اینکه روش های جدید با هزینه محاسباتی بالا مدل های پیش بینی با دقت بالا از داده های با ابعاد بالا می سازند، هنوز هم در بسیاری از موارد تمایل به کاهش ابعاد داده اصلی به هر مدلی از داده است...

جزوه آموزش کاهش بعد با استفاده از شبکه های عصبی، مشتمل بر 22 صفحه، با فرمت PDF، تایپ شده، به زبان فارسی، به ترتیب زیر گردآوری شده است:

• ماشین بولتزمن محدود (RBM)
• نمونه سازی Gibbs
• رمزگذار خودکار
• شبکه های باور عمیق (DBN)
• کاهش بعد
• مقاله مورد بررسی
• توضیحات تکمیلی
• جزئیات پیش آموزش
• جزئیات میزان سازی دقیق
• متناسب شدن در logestic PCA
• تاثیر پیش آموزش میزان سازی دقیق در رمزگذار خودکارهای عمیق و سطحی
• جزئیات یافتن کدها برای اعداد MNIST
• جزئیات یافتن رمز برای چهره های Olivetti
• جزئیات یافتن رمزها برای اسناد رویتر
• مقایسه با جاسازی خطی محلی
• استفاده از پیش آموزش و میزان سازی دقیق برای دسته بندی اعداد
• مراجع

* توجه:
لازم به ذکر است که علاوه بر فایل جزوه آموزشی بالا، مقاله زیر نیز جهت دانلود قرار داده شده است:

• مقاله کاهش بعد داده های تصاویر تشدید مغناطیسی مغز با استفاده از شبکه عصبی آموزش یافته توسط الگوریتم ژنی (15 صفحه، به زبان فارسی)

جهت دانلود جزوه آموزش کاهش بعد با استفاده از شبکه های عصبی به انضمام مقاله، برلینک زیر کلیک نمایید.

کاهش بعد با استفاده از شبکه های عصبی