https://virgool.io/feed/@ArminSarkoobi fa 2026-04-15 08:54:27 https://files.virgool.io/upload/users/2036914/avatar/EvWrI4.jpg?height=120&width=120 https://virgool.io/@ArminSarkoobi https://virgool.io/@ArminSarkoobi/new-research-cs4pddabgxz5 I’m pleased to share my paper :“Emotional Learning-Based Firing Angle Optimization for Switched Reluctance Generator in Wind Energy Systems” 📝has been accepted and presented at the 1st International & 7th National Conference on Mechanical–Civil Engineering and Advanced Technologies (MCAT 2025).🏅This work integrates emotional learning–based intelligent control with Switched Reluctance Generators (SRGs) to optimize firing angles in wind energy systems, improving dynamic response, stability, and energy conversion efficiency.This achievement marks an important milestone in my academic journey.📌 New Research Direction:Building on this work, I’m now developing advanced wind-speed prediction models and intelligent control strategies for next-generation SRG-based wind energy systems, using H_ infinity Kalman filters, machine-learning methods, and adaptive emotional-learning controllers.I’m excited to continue contributing to the intersection of intelligent algorithms, renewable energy, and modern power engineering.خوشحالم که مقاله‌ام با عنوان «بهینه‌سازی زاویه آتش ژنراتور سوئیچ رلوکتانسی با استفاده از یادگیری عاطفی در سیستم‌های انرژی بادی» در کنفرانس MCAT 2025 پذیرفته و ارائه شد.در این پژوهش تلاش کرده‌ام با به‌کارگیری کنترل هوشمند مبتنی بر یادگیری عاطفی، عملکرد ژنراتور سوئیچ رلوکتانسی را در سیستم‌های بادی بهبود بدهم.همچنین بر اساس نتایج همین کار، اکنون روی یک پژوهش جدید در زمینه پیش‌بینی سرعت باد و کنترل هوشمند نسل جدید سیستم‌های بادی مبتنی بر SRG کار می‌کنم؛ پژوهشی که ترکیبی از فیلتر H_,infinity کالمن، یادگیری ماشین و کنترل تطبیقی مبتنی بر سیستم لیمبیک است.این مسیر برای من بسیار الهام‌بخش بوده و امیدوارم بتوانم سهمی در توسعه انرژی‌های پاک و سیستم‌های قدرت هوشمند داشته باشم. 🌱⚡️🔖 Hashtags:#MCAT2025 #Research #WindEnergy #RenewableEnergy #SRG #EmotionalLearning #IntelligentControl #MachineLearning #KalmanFilter #ControlSystems #CleanEnergyRegistration certificateHuman BrainMATLAB SimulationBELBIC ControllerResult#Innovation ArminSarkoobi ArminSarkoobi Sat, 15 Nov 2025 17:21:40 +0330 https://virgool.io/@ArminSarkoobi/robust-wind-speed-modeling-and-estimation-using-h-infinity-kalman-filter-j6ctsb7nd1yv منابع انرژی تجدیدپذیر، به‌ویژه انرژی باد، نقشی حیاتی در آینده‌ی صنعت برق ایفا می‌کنند و پیش‌بینی دقیق سرعت باد برای عملکرد بهینه توربین‌های بادی امری ضروری است. در مقاله‌ای که اخیراً نگاشته‌ام، به این مسئله مهم پرداخته‌ام و این تحقیق را با همکاری اساتید راهنما در دانشگاه بیرجند انجام دادم. برای اطلاعات بیشتر درباره این مقاله و پژوهش‌های مرتبط، می‌توانید به این لینک مراجعه کنید: https://cv.birjand.ac.ir/farshad/fa/articlesInConferences/49656.​در این تحقیق، با هدف مدل‌سازی و پیش‌بینی دقیق سرعت باد، منطقه نهبندان در استان خراسان جنوبی را به‌عنوان نمونه‌ای با پتانسیل بالای بادخیز بودن مورد بررسی قرار داده‌ام.​در این تحقیق، عملکرد سه روش فیلتر کالمن مجزا را شبیه‌سازی و با هم مقایسه کردم:​فیلتر کالمن خطی (Kalman Filter): این فیلتر برای سیستم‌های خطی استفاده می‌شود و با استفاده از روش نیوتن-رافسون، پارامترهای مدل را تخمین می‌زند.​فیلتر کالمن توسعه‌یافته (Extended Kalman Filter): این الگوریتم برای سیستم‌های غیرخطی طراحی شده و با استفاده از بسط سری تیلور، آن‌ها را به یک مدل خطی تبدیل می‌کند.​فیلتر کالمن H-infinity: این فیلتر که روش پیشنهادی من در این مقاله است، به‌دلیل عملکرد بسیار مقاوم در برابر نویز و اغتشاشات باد، انتخاب شده است.​نتایج به‌دست‌آمده از شبیه‌سازی‌ها که در محیط نرم‌افزار MATLAB انجام شده، به وضوح نشان می‌دهد که فیلتر کالمن H-infinity با کمترین میزان خطای میانگین مربعات (MSE) در مقایسه با سایر روش‌ها، بهترین عملکرد را داشته است. این پژوهش با ارائه یک روش مؤثر، گامی مهم در جهت بهبود عملکرد توربین‌های بادی و افزایش تولید انرژی پاک در ایران برداشته است. ArminSarkoobi ArminSarkoobi Wed, 20 Aug 2025 09:49:59 +0330