Abstract:The last two decades have shown in increasing trend in the use of nanigation technologies such as Strapdown Inertial Systems (SDINS) in several applications including land vehicles and automated car navigation. On the other hand it can cause large position errors over short time, due to the low quality of the Inertial Measurement Unit (IMU). These errors determine the performance and the navigation accuracy of the INSs. Although the huge efforts to improve SDINSin terms of its mechanization equations,it could not cover the remaining drawbacks of SDINS; such as the impact of INS short term errors ,model dependency ,prior knowledge dependency , sensor dependency , and computational errors. This paper proposed an intelligent navigator to overcome the limitation of existing INS algorithms. The intelligent navigator is based on Adaptive Neuro-Fuzzy Inference System (ANFIS). The proposed conceptual intelligent navigator consisted of SDINS architecture that was developed using adaptive fuzzy system networks to acquire the navigation knowledge. In addition, a navigation information Database ,and a window-based learned parameters updating method were implemented to store and accumulate navigation knowledge.

الخلاصة :العقدين الاخيرين شهد ارتفاعا ملحوظا في استخدام تقنيات الملاحة مثل منظومة الملاحة بعزم القصور الذاتي في مختلف التطبيقات بضمنها المركبات الارضية ومركبات الملاحة الاوتوماتيكية . ومن ناحية اخرى فان منظومات الملاحة قد تسبب خطأ كبير في حساب الموقع خلال زمن قصير ،تبعا لردائه نوعية وحدة قياس العزم. هذه الاخطاء الناتجة تحدد اداء ودقة الملاحة لمنظومات الملاحة بعزم القصور الذاتي . مع ذلك فالجهود الكبيرة المبذولة لتحسين منظومة الملاحة بعزم القصور الذاتي من ناحية معادلاتها الميكانيكية،لم تشمل كل المساويء لمنظومات الملاحة بعزم القصور الذاتي،مثل التاثيرات الرجعية لمنظومة الملاحة بعزم القصور الذاتي خلال فترة زمنية قصيرة ، الاعتمادية على الموديل الرياضي للمنظومة،الاعتمادية على المعلومات المسبقة ،الاعتمادية على نوع المتحسسات،والاخطاء الناتجة عن الحسابات الرياضية .هذا البحث يقترح ملاح ذكي لتجاوز المحددات الموجودة في خوارزمية منظومة الملاحة بعزم القصور الذاتي. الملاح الذكي مبني على اساس (ANFIS) .ان مضمون الملاح الذكي يتضمن منظومة ملاحة بعزم القصور الذاتي والذي طور باستخدام شبكة النظام الضبابي المتكيف لاكتساب معلومات الملاحية. بالاضافة الى ذلك ،قاعدة بيانات للمعلومات الملاحية وطريقة لتحديث المؤشرات التعليمية مبنية على اساس النافذة قد نفذت لخزن وجمع المعلومات الملاحية .

vehicular navigation --- Inertial Navigation System --- INS --- Database --- Adaptive Neuro-Fuzzy Inference System --- ANFIS.

Robust controller design requires a proper definition of uncertainty bounds. These uncertainty bounds are commonly selected randomly and conservatively for certain stability, without regard for controller performance. This issue becomes critically important for multivariable systems with high nonlinearities, as in Active Magnetic Bearings (AMB) System. Flexibility and advanced learning abilities of intelligent techniques make them appealing for uncertainty estimation. The aim of this paper is to describe the development of robust H2/H∞ controller for AMB based on intelligent estimation of uncertainty bounds using Adaptive Neuro Fuzzy Inference System (ANFIS). Simulation results reveal that the robust controller design objectives of wide bandwidth and improved performance are satisfied for a wide range of frequency variations. It can be concluded that the intelligent uncertainty weighting functions can precisely compensate for the effects of modelling errors and nonlinearities in the system.

يتطلب تصميم المسيطر المتين تعريف مناسب لحدود عدم الوثوقية. و يتم عادة اختيار حدود عدم الوثوقية بشكل عشوائي و متحفظ لتحقيق الاستقرارية المطلوبة و بغض النظر عن جودة أداء المسيطر. هذه الحالة تصبح اشد صعوبة لمنظومات متعددة المتغيرات ذات لا خطية عالية كما في حالة منظومة المحامل المغناطيسية النشطة (AMB). ان المرونة التي تمتاز بها التقنيات الذكية و قابلياتها المتقدمة في التعلم يجعلها مناسبة لتطبيقات استنباط الحالة. الغرض من هذه المقالة هو بناء مسيطر H2/H∞ متين لمنظومة المحامل المغناطيسية النشطة بناءا على استنباط الحالة الذكي لحدود عدم الوثوقية باستخدام نظام الاستدلال العصبي الضبابي المتكيف (ANFIS). كشفت نتائج المحاكات ان اهداف المسيطر المتين بتحقيق حزمة واسعة للتردد الفعال و بأداء متين قد تحققت لمدى واسع من تغير الترددات. و لهذا نستنتج ان دوال عدم الوثوقية الذكية تمكن من تحديد تأثير أخطاء النمذجة و عدم الخطية بدقة عالية.

Active Magnetic Bearings --- AMB --- Adaptive Neuro Fuzzy Inference System --- ANFIS --- H2/H∞ robust controller --- modelling errors --- uncertainty bounds.

In manufacturing processes, surface finish of a product is very crucial in determining the quality. Therefore, the surface quality including the surface roughness is still the most important obstacles against the incremental sheet metal forming (ISMF) process. As a consequence, the possibility to predict the surface roughness values in incremental forming and to correlate these values with the forming parameters can be useful in order to control this important target. Accordingly, an adaptive neuro-fuzzy inference system (ANFIS) is used to predict the surface roughness of parts produced by single-point incremental forming (SPIF) process. The hybrid learning algorithm is applied in ANFIS to determine the most suitable membership functions (MFs) and to simultaneously find the optimal premise and consequent parameters by directly minimizing the root mean squared error (RMSE) as a performance criterion. In order to achieve this target, five forming parameters, namely (tool diameter, incremental step size, tool shape, rotational speed and slope angle) are studied to form pyramid like shapes for the purpose of roughness measurement. Experimental results show that the difference sigmoidal MF gives the minimum RMSE. The predicted surface roughness values using ANFIS are compared with actual data. The comparison indicates that the utilization of difference sigmoidal MF in ANFIS could achieve a satisfactory prediction accuracy using both training and testing data when this MF is adopted. The training and testing prediction accuracy are 95.972% and 85.799% respectively.

يعتبر الانهاء السطحي امر بالغ الاهمية في تحديد جودة المنتجات لأي عملية تصنيعية. وبالتالي فان جودة الاسطح بما في ذلك الخشونة السطحية لا تزال اهم العقبات التي تواجه عملية التشكيل التزايدية للصفائح المعدنية (ISMF). نتيجة لذلك، فان امكانية التنبؤ بقيم الخشونة السطحية في عملية التشكيل التزايدية وربط تلك القيم مع متغيرات التشكيل يمكن ان تكون مفيدة من اجل تحقيق هذا الهدف الهام. وفقا لذلك، تم استخدام نظام (ANFIS) للتنبؤ بالخشونة السطحية للأجزاء المصنعة باستخدام عملية التشكيل التزايدية المنفردة (SPIF). ومن اجل تحقيق هذا الهدف، تم دراسة خمس عوامل تشكيل وهي (قطر اداة التشكيل، حجم الخطوة، شكل الاداة، السرعة الدورانية وزاوية الميل) وذلك لتشكيل منتجات هرمية الشكل لغرض قياس الخشونة. تمت مقارنة قيم الخشونة السطحية التي تم التنبؤ بها باستخدام (ANFIS) مع القيم الحقيقية حيث بينت النتائج امكانية الحصول على دقة تنبؤ بمقدار 95,972 % و 85,799 % باستخدام كلا من بيانات تكوين واختبار هذا النموذج على التوالي.

Adaptive neuro-fuzzy inference system --- ANFIS --- Incremental sheet metal forming --- ISMF --- Single-point incremental forming --- SPIF --- Membership function --- MF --- Root mean squared error --- RMSE.