خودروهای خودران نیاز به درک دقیق و لحظه‌ای از محیط اطراف خود، وضعیت دینامیکی خودرو، و همچنین توانایی تصمیم‌گیری و اقدام بهینه دارند. سامانه‌های کنترل وظیفه دارند تا این اطلاعات را پردازش کرده و دستورات دقیقی به عملگرهای خودرو (مانند فرمان، ترمز، و پدال گاز) ارسال کنند تا خودرو بتواند مسیر تعیین شده را با ایمنی و دقت طی کند. این سامانه‌ها مسئول حفظ پایداری خودرو، پیروی از مسیر، اجتناب از موانع، و بهینه‌سازی مصرف انرژی هستند.

این دوره با هدف توانمندسازی دانش‌پژوهان در زمینه‌های زیر طراحی شده است:

• درک عمیق مبانی ریاضیاتی مورد نیاز برای مدل‌سازی و تحلیل دینامیک خودروهای خودران.
• آشنایی کاربردی با الگوریتم‌های کنترل PID (تناسبی-انتگرالی-مشتقگیر) و نحوه تنظیم پارامترهای آن‌ها برای دستیابی به عملکرد مطلوب.
• یادگیری تکنیک‌های کنترل پیشرفته MPC (کنترل پیش‌بین مدل) و کاربرد آن در مسائل پیچیده مانند برنامه‌ریزی مسیر و کنترل بهینه.
• پیاده‌سازی عملی مفاهیم آموخته شده با استفاده از ابزارهای شبیه‌سازی و نرم‌افزارهای مهندسی.
• آشنایی با چالش‌ها و راهکارهای پیاده‌سازی سامانه‌های کنترل در محیط‌های واقعی.

این دوره به صورت ساختاریافته و مرحله به مرحله، دانش شما را در حوزه سامانه‌های کنترل خودروهای خودران ارتقا می‌دهد:

بخش ۱: مبانی ریاضی و مدل‌سازی

این بخش پایه‌های ریاضی لازم برای فهم و طراحی سامانه‌های کنترل را فراهم می‌کند. مباحثی که پوشش داده می‌شوند عبارتند از:

• معادلات دیفرانسیل و کاربرد آن‌ها در توصیف دینامیک سیستم‌ها.
• تبدیل لاپلاس و تحلیل سیستم‌های خطی در حوزه فرکانس.
• فضای حالت (State-Space) و روش‌های مدل‌سازی چندمتغیره.
• مدل‌سازی دینامیکی خودرو شامل دینامیک طولی و عرضی (مانند مدل bicycle).
• آشنایی با سنسورها و نحوه پردازش داده‌های آن‌ها.

مثال عملی: مدل‌سازی حرکت جانبی خودرو و تحلیل پایداری آن با استفاده از معادلات دیفرانسیل.

بخش ۲: کنترل‌کننده‌های PID

کنترل‌کننده‌های PID یکی از پرکاربردترین و اساسی‌ترین انواع کنترل‌کننده‌ها در صنعت هستند. در این بخش به طور مفصل به آن‌ها پرداخته می‌شود:

• اصول عملکرد PID: تشریح بخش‌های تناسبی (P)، انتگرالی (I) و مشتقگیر (D) و تاثیر هر کدام بر رفتار سیستم.
• روش‌های تنظیم پارامترهای PID: مانند روش زیگلر-نیکولز، تیونینگ دستی، و الگوریتم‌های خودکار.
• پیاده‌سازی PID در سیستم‌های موقعیت‌یابی و ردیابی مسیر.
• محدودیت‌ها و بهبودهای PID: مانند Anti-windup و فیلترهای ورودی.

مثال عملی: طراحی و شبیه‌سازی یک کنترل‌کننده PID برای حفظ سرعت خودرو در یک مسیر مشخص و همچنین کنترل زاویه فرمان برای ماندن در مسیر.

بخش ۳: کنترل پیش‌بین مدل (MPC)

MPC یک رویکرد پیشرفته کنترلی است که با پیش‌بینی رفتار آینده سیستم، تصمیمات کنترلی بهینه‌ای را اتخاذ می‌کند. این بخش به طور عمیق به MPC می‌پردازد:

• مفهوم بهینه‌سازی و توابع هزینه.
• مدل‌سازی پیش‌بین و پیش‌بینی رفتار آینده سیستم.
• معادلات حاکم بر MPC و الگوریتم‌های حل مسئله بهینه‌سازی.
• کاربرد MPC در خودروهای خودران: شامل کنترل اتوماتیک (ACC)، حفظ مسیر (Lane Keeping Assist) و پارک خودکار.
• مقایسه MPC با PID و مزایای آن در سیستم‌های پیچیده.

مثال عملی: پیاده‌سازی MPC برای کنترل همزمان فرمان و سرعت خودرو به منظور دنبال کردن یک مسیر منحنی شکل با دقت بالا، با در نظر گرفتن محدودیت‌های دینامیکی خودرو.

بخش ۴: مباحث پیشرفته و کاربردهای عملی

در این بخش، به موضوعات تکمیلی و چالش‌های دنیای واقعی پرداخته می‌شود:

• کنترل غیرخطی و روش‌های مورد استفاده.
• ترکیب سنسورها (Sensor Fusion) برای درک بهتر محیط.
• یادگیری تقویتی در سامانه‌های خودران.
• شبیه‌سازی و تست سامانه‌های کنترل در محیط‌های مجازی.

مثال عملی: شبیه‌سازی یک سناریوی رانندگی در ترافیک با استفاده از MPC برای حفظ فاصله ایمن از خودروی جلویی و تغییر لاین.

این دوره برای طیف وسیعی از علاقه‌مندان و متخصصان مفید خواهد بود:

• مهندسان رباتیک و اتوماسیون که به دنبال ارتقاء مهارت‌های خود در زمینه کنترل هستند.
• دانشجویان رشته‌های مهندسی برق، مکانیک، کامپیوتر و سایر رشته‌های مرتبط.
• توسعه‌دهندگان و پژوهشگران فعال در حوزه خودروهای خودران و هوش مصنوعی.
• علاقه‌مندان به یادگیری تکنیک‌های پیشرفته کنترل و کاربرد آن‌ها در صنعت.

برای بهره‌مندی حداکثری از این دوره، داشتن پیش‌زمینه‌های زیر توصیه می‌شود:

• آشنایی با اصول اولیه حساب دیفرانسیل و انتگرال.
• دانش مقدماتی در زمینه معادلات دیفرانسیل.
• آشنایی با اصول پایه برنامه‌نویسی (ترجیحاً Python یا MATLAB).

با این حال، با توجه به جامعیت دوره، بخش‌های ریاضی به گونه‌ای ارائه می‌شوند که برای افراد با دانش پایه‌تر نیز قابل درک باشد.

ارائه این دوره بر روی فلش مموری 32 گیگابایتی مزایای قابل توجهی دارد:

• دسترسی آسان و بدون نیاز به اینترنت: تمامی محتوای دوره، شامل ویدئوهای آموزشی، کدهای نمونه، و فایل‌های شبیه‌سازی، به صورت آفلاین در دسترس شما خواهد بود.
• قابل حمل بودن: شما می‌توانید این فلش مموری را به راحتی حمل کرده و در هر زمان و مکانی به یادگیری بپردازید.
• حجم بالای ذخیره‌سازی: 32 گیگابایت فضای کافی را برای ارائه جزئیات کامل، پروژه‌های عملی، و منابع تکمیلی فراهم می‌کند.
• کیفیت بالا: محتوای آموزشی با بالاترین کیفیت صوتی و تصویری ارائه شده است.

این شیوه ارائه، تضمین می‌کند که شما تجربه‌ای بی‌دردسر و کامل از یادگیری خواهید داشت.

دوره “سامانه‌های کنترل کاربردی ۱: خودروهای خودران (ریاضی، PID، MPC)” یک سرمایه‌گذاری ارزشمند برای هر کسی است که به دنبال تسلط بر فناوری‌های پیشرفته خودروهای خودران است. با ترکیب مباحث نظری قوی، مثال‌های عملی و تکنیک‌های کنترل مدرن، این دوره شما را برای مواجهه با چالش‌های واقعی این حوزه مجهز می‌کند. بر روی فلش مموری 32 گیگابایتی، این دانش جامع به شکلی کاربردی و در دسترس در اختیار شما قرار می‌گیرد.