ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر

ارائه روش جدید جهت حذف نویز آکوستیکی در یک مجرا استفاده هم زمان از فیلترهای وفقی و شبکه های عصبی در حالت فرکانس متغیر

چکیده

تاکنون برای حذف نویزهای آکوستیکی از روش های فعال[1] و غیر فعال[2]استفاده شده است. برخلاف روش غیر فعال می‌توان بوسیله‌ی روش فعال، نویز را در فرکانس های پایین (زیر 500 هرتز)، حذف و یا کاهش داد. در روش فعال از سیستمی استفاده می شود که شامل یک فیلتر وفقی است. به دلیل ردیابی خوب فیلتر [3]LMS در محیط نویزی، الگوریتم FXLMS[4] بعنوان روشی پایه ارائه شده است. اشکال الگوریتم مذکور این است که در مسائل کنترل خطی استفاده می شود. یعنی اگر فرکانس نویز متغیر باشد و یا سیستم کنترلی بصورت غیرخطی کار کند، الگوریتم فوق به خوبی کار نکرده و یا واگرا می شود.

بنابراین در این پایان نامه، ابتدا به ارائه ی گونه ای از الگوریتم FXLMS می پردازیم که قابلیت حذف نویز، با فرکانس متغیر، در یک مجرا و در کوتاه‌ترین زمان ممکن را دارد. برای دستیابی به آن می توان از یک گام حرکت وفقی بهینه () در الگوریتم FXLMS استفاده کرد. به این منظور محدوده ی گام حرکت بهینه در فرکانس های 200 تا 500 هرتز را در داخل یک مجرا محاسبه کرده تا گام حرکت بهینه بر حسب فرکانس ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی به صورت یک منحنی اسپلاین مدل شود. حال با تخمین فرکانس سیگنال ورودی بوسیله ی الگوریتم MUSIC[5] ، را از روی منحنی برازش شده، بدست آورده و آن را در الگوریتم FXLMS قرار می‌دهیم تا همگرایی سیستم در کوتاه‌ترین زمان، ممکن شود. در نهایت خواهیم دید که الگوریتم FXLMS معمولی با گام ثابت با تغییر فرکانس واگرا شده حال آنکه روش ارائه شده در این پایان نامه قابلیت ردگیری نویز با فرکانس متغیر را فراهم می آورد.

همچنین‌به دلیل‌ماهیت غیرخطی سیستم‌های‌ANC ، به ارائه‌ی نوعی شبکه‌ی عصبی‌ RBF TDNGRBF ) [6] ( می‌پردازیم که توانایی مدل کردن رفتار غیرخطی را خواهد داشت. سپس از آن در حذف نویز باند باریک فرکانس متغیر در یک مجرا استفاده کرده و نتایج آن را با الگوریتم FXLMS مقایسه می کنیم. خواهیم دید که روش ارائه شده در مقایسه با الگوریتم FXLMS، با وجود عدم نیاز به تخمین مسیر ثانویه، دارای سرعت همگرایی بالاتر (3 برابر) و خطای کمتری (30% کاهش خطا) است. برای حذف فعال نویز به روش TDNGRBF، ابتدا با یک شبکه ی GRBF به شناسایی مجرا می‌پردازیم. سپس با اعمال N تاخیر زمانی از سیگنال ورودی به N شبکه ی GRBF (با ترکیب خطی در خروجی آنها)، شناسایی سیستم غیرخطی بصورت بر خط امکان پذیر می شود. ضرایب بکار رفته در ترکیب خطی با استفاده از الگوریتم [7]NLMS بهینه می شوند.

---

[1] -Active

[2] -passive

[3] -Least mean square

4- Filter- x LMS

5 -Multiple signal classification

6 -Time Delay N- Generalized Radial Basis Function

[7] -Normalized LMS

فهرست مطالب

عنوان	صفحه
چکیده فصل صفر: مقدمه	1 2
فصل اول: مقدمه ای بر کنترل نویز آکوستیکی	7
1-1) مقدمه	8
1-2) علل نیاز به کنترل نویزهای صوتی (فعال و غیر فعال)	9
1-2-1) بیماری های جسمی	9
1-2-2) بیماری های روانی	9
1-2-3) راندمان و کارایی افراد	9
1-2-4) فرسودگی	9
1-2-5) آسایش و راحتی	9
1-2-6 جنبه های اقتصادی	10
1-3) نقاط ضعف کنترل نویز به روش غیرفعال	10
1-3-1) کارایی کم در فرکانس های پایین	10
1-3-2) حجم زیاد عایق های صوتی	10
1-3-3) گران بودن عایق های صوتی	10
1-3-4) محدودیت های اجرایی	10
1-3-5) محدودیت های مکانیکی	10
1-4) نقاط قوت کنترل نویز به روش فعال	11
1-4-1) قابلیت حذف نویز در یک گسترده ی فرکانسی وسیع	11
1-4-2) قابلیت خود تنظیمی سیستم	11
1-5) کاربرد ANC در گوشی فعال	11
1-5-1) تضعیف صدا به روش غیر فعال در هدفون	12
1-5-2) تضعیف صدا به روش آنالوگ در هدفون	13
1-5-3) تضعیف صوت به روش دیجیتال در هدفون	15
1-5-4) تضعیف صوت به وسیله ی ترکیب سیستم های آنالوگ و دیجیتال در هدفون	16
1-6) نتیجه گیری	17
فصل دوم: اصول فیلترهای وفقی	18
2-1) مقدمه	19
2-2) فیلتر وفقی	20
2-2-1) محیط های کاربردی فیلترهای وفقی	22
2-3) الگوریتم های وفقی	25
2-4) روش تحلیلی	25
2-4-1) تابع عملکرد سیستم وفقی	26
2-4-2) گرادیان یا مقادیر بهینه بردار وزن	28
2-4-3) مفهوم بردارها و مقادیر مشخصه R روی سطح عملکرد خطا	30
2-4-4) شرط همگرا شدن به٭ W	32
2-5) روش جستجو	32
2-5-1) الگوریتم جستجوی گردایان	32
2-5-2) پایداری و نرخ همگرایی الگوریتم	35
2-5-3) منحنی یادگیری	36
2-6) MSE اضافی	36
2-7) عدم تنظیم	37
2-8) ثابت زمانی	37
2-9) الگوریتم LMS	38
2-9-1) همگرایی الگوریتم LMS	39
2-10) الگوریتم های LMS اصلاح شده	40
2-10-1) الگوریتم LMS نرمالیزه شده (NLMS)	41
2-10-2) الگوریتم های وو LMS علامتدار وو (SLMS)	41
2-11) نتیجه گیری	43
فصل سوم: اصول کنترل فعال نویز	44
3-1) مقدمه	45
3-2) انواع سیستم های کنترل نویز آکوستیکی	45
3-3) معرفی سیستم حذف فعال نویز تک کاناله	47
3-4) کنترل فعال نویز به روش پیشخور	48
3-4-1) سیستم ANC پیشخور باند پهن تک کاناله	49
3-4-2) سیستم ANC پیشخور باند باریک تک کاناله	50
3-5) سیستم های ANC پسخوردار تک کاناله	51
3-6) سیستم های ANC چند کاناله	52
3-7) الگوریتم هایی برای سیستم های ANC پسخوردار باند پهن	53
3-7-1) اثرات مسیر ثانویه	54
3-7-2) الگوریتم FXLMS	57
3-7-3) اثرات فیدبک آکوستیکی	61
3-7-4) الگوریتم Filtered- URLMS	66
3-8) الگوریتم های سیستم ANC پسخوردار تک کاناله	69
3-9) نکاتی درباره ی طراحی سیستم های ANC تک کاناله	70
3-9-1) نرخ نمونه برداری و درجه ی فیلتر	72
3-9-2) علیت سیستم	73
3-10) نتیجه گیری	74
فصل چهارم: شبیه سازی سیستم ANC تک کاناله	75
4-1) مقدمه	76
4-2) اجرای الگوریتم FXLMS	76
4-2-1) حذف نویز باند باریک فرکانس ثابت	76
4-2-2) حذف نویز باند باریک فرکانس متغیر	81
4-3) اجرای الگوریتم FBFXLMS	83
4-4) نتیجه گیری	85
فصل پنجم: کنترل غیرخطی نویز آکوستیکی در یک ماجرا	86
5-1) مقدمه	87
5-2) شبکه عصبی RBF	88
5-2-1) الگوریتم آموزشی در شبکه ی عصبی RBF	90
5-2-2) شبکه عصبی GRBF	93
5-3) شبکه ی TDNGRBF	94
5-4) استفاده از شبکه ی TDNGRBF در حذف فعال نویز	95
5-5) نتیجه گیری	98
فصل ششم: نتیجه گیری و پیشنهادات	99
6-1) نتیجه گیری	100
6-2) پیشنهادات	101
مراجع	I

خرید فایل

تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی

تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی




چکیده:

در این پایان نامه ابتدا عیوب الکتریکی و مکانیکی در ماشینهای الکتریکی بررسی گردیده و عوامل به وجود آورنده و روشهای رفع این عیوب بیان شده است . به دنبال آن ، به کمک روش تابع سیم پیچی ماشین شبیه سازی و خطای مورد نظر یعنی خطای سیم بندی استاتور به آن اعمال و نتایج مورد بررسی قرار داده شده است. پارامتر اصلی که برای تشخیص خطا در این پایان نامه استفاده کرده ایم ، جریان سه فاز استاتور در حالت سالم و خطادار ،تحت بارگذاری های مختلف خواهد بود.

در قسمت بعدی تئوری موجک و همچنین شبکه عصبی مورد بررسی قرار گرفته است . مادر اینجا از برای استخراج مشخصات سیگنال استفاده کرده ایم ، مهمترین دلیلی که برای استفاده از این موجک داریم خاصیت متعامد بودن و پشتیبانی متمرکز سیگنال در حوزه زمان می باشد. شبکه عصبی که برای تشخیص خطا استفاده کرده ایم ، شبکه سه لایه تغذیه شونده به سمت جلو با الگوریتم آموزش BP و تابع فعالیت سیگموئیدی می باشد . در فصل چهارم روش تشخیص خطای سیم بندی استاتور در ماشین القایی بیان شده است که به صورت ترکیبی از آنالیز موجک و شبکه عصبی لست. روند کلی تشخص خطا به این صورت می باشد که ابتدا از جریان استاتور ماشین در حالت سالم و همچنین تحت خطاهای مختلف که در فصل دوم بدست آورده ایم استفاده شده و تبدیل موجک بروی آن اعمال گردیده است.سپس با استفاده از ضرایب موجک مقادیر انرژی در هر مقیاس استخراج و به عنوان ورودی شبکه عصبی جهت آموزش دادن آن برای تشخیص خطای سیم بندی استاتور مورد استفاده قرار گرفته است. در نهایت به کمک داده های تست، صحت شبکه مذکور مورد بررسی قرار داده شده است. در نهایت نتیجه گیری و پیشنهادات لازم بیان گردیده است.

با توجه به مطالب اشاره شده نتیجه می شود که با تشخیص به موقع هر کدام از عیوب اوّلیه در ماشین القایی می توان از پدید آمدن حوادث ثانویّه که منجر به وارد آمدن خسارات سنگین می گردد ، جلوگیری نمود . در این راستا سعی شده است که با تحلیل ، بررسی و تشخیص یکی از این نمونه خطاها، خطای سیم بندی استاتور یک موتور القایی قفس سنجابی ، گامی موثر در پیاده سازی نظام تعمیراتی پیشگویی کننده برداشته شود و با بکارگیری سیستم های مراقبت وضعیت بروی چنین ماشینهایی از وارد آمدن خسارات سنگین بر صنایع و منابع ملی جلوگیری گردد.




مقدمه:

موتورهای الکتریکی نقش مهمی را در راه اندازی موثر ماشینها و پروسه های صنعتی ایفا می کنند. بخصوص موتورهای القایی قفس سنجابی را که بعنوان اسب کاری صنعت می شناسند. بنابراین تشخیص خطاهای این موتورها می تواند فواید اقتصادی فراوانی در پی داشته باشد. از جمله مدیریت کارخانه های صنعتی را آسان می کند، سطح اطمینان سیستم را بالا می برد، هزینه تعمیر و نگهداری پایین می آید و نسبت هزینه به سود بطور قابل توجهی کاهش می یابد.

Bonnett و Soukup برای خرابیهای استاتور موتورهای القایی سه فاز قفس سنجابی، پنج حالت خرابی مطرح کرده اند که عبارت اند از: حلقه به حلقه، کلاف به کلاف، قطع فاز، فاز به فاز و کلاف به زمین[1]. برای موتورهای قفس سنجابی، خرابیهای سیم پیچی استاتور و یاتاقانها کل خرابیها به حساب می آیند و همچنین اکثر خرابیهای سیم پیچی استاتور موتور القایی از فروپاشی عایقی حلقه به حلقه ناشی می شود]2[. برخی از محققین خرابیهای موتور را چنین تقسیم بندی کرده اند: خرابی ساچمه ها ( یاتاقانها) %40-50، خرابی عایق استاتور %30-40 و خرابی قفسه روتور %5- 10 [3] که اگر خرابی حلقه به حلقه جلوگیری نشود، منجر به خطای فاز به زمین یا فاز به فاز می گردد، که خطای فاز به زمین شدید تر است. در مقالات[4] [5] نظریه تابع سیم پیچی و کاربرد آن در آنالیز گذرای موتورهای القایی تحت خطا شرح داده شده است. از این نظریه در مدلسازی خطای حلقه به حلقه استاتور استفاده شده است. علاوه بر روشهای فوق خطای استاتور موتور القایی را می توان به کمک بردارهای فضایی مورد مطالعه قرار داد[6].





فصل اول :

بررسی انواع خطا در ماشینهای القایی و علل بروز و روشهای تشخیص آنها

1-1- مقدمه:

خرابیهای یک موتور قفس سنجابی را می توان به دو دسته الکتریکی و مکانیکی تقسیم ‌کرد.هر کدام از این خرابیها در اثر عوامل و تنش های متعددی ایجاد می گردند . این تنشها در حالت کلی بصورت حرارتی ، مغناطیسی ، دینامیکی ، مکانیکی و یا محیطی می باشند که در قسمت های مختلف ماشین مانند محور ، بلبرینگ ، سیم پیچی استاتور ، ورقه های هسته روتور واستاتور و قفسه روتور خرابی ایجاد می کنند. اکثر این خرابیها در اثر عدم بکارگیری ماشین مناسب در شرایط کاری مورد نظر ، عدم هماهنگی بین طراح و کاربر و استفاده نامناسب از ماشین پدید می آید . در این قسمت سعی گردیده است ابتدا انواع تنشهای وارده بر ماشین ، عوامل پدید آمدن و اثرات آنها بررسی گردد .

قبل از بررسی انواع تنشهای وارده بر ماشین القایی بایستی موارد زیر در نظر گرفته شود :

1- با مشخص کردن شرایط کار ماشین می توان تنشهای حرارتی، مکانیکی ودینامیکی را پیش بینی نمود و ماشین مناسب با آن شرایط را انتخاب کرد . به عنوان مثال ، سیکل کاری ماشین و نوع بار آن ، تعداد دفعات خاموش و روشن کردن و فاصله زمانی بین آنها ، از عواملی هستند که تاثیر مستقیم در پدید آمدن تنشهای وارده بر ماشین خواهند داشت .

2- وضعیت شبکه تغذیه ماشین از لحاظ افت ولتاژ در حالت دائمی و شرایط راه اندازی و میزان هارمونیکهای شبکه هم در پدید آمدن نوع تنش و در نتیجه پدید آمدن خرابی در ماشین موثر خواهند بود .





1-2- بررسی انواع تنشهای وارد شونده بر ماشین القایی :

1-2-1- تنشهای موثر در خرابی استاتور : ]1[

الف ـ تنشهای گرمایی : این نوع از تنشها را می توان ناشی از عوامل زیر دانست:

◄ سیکل راه اندازی : افزایش حرارت در موتورهای القایی بیشتر هنگام راه اندازی و توقف ایجاد می شود . یک موتور در طول راه اندازی ، پنج تا هشت برابر جریان نامی از شبکه جریان می کشد تا تحت شرایط بار کامل راه بیفتد . بنابراین اگر تعداد راه اندازی های یک موتور در پریود کوتاهی از زمان زیاد گردد دمای سیم پیچی به سرعت افزایش می یابد در حالی که یک موتور القایی یک حد مجاز برای گرم شدن دارد و هرگاه این حد در نظر گرفته نشود آمادگی موتور برای بروز خطا افزایش می یابد . تنشهایی که بر اثر توقف ناگهانی موتور بوجود می آیند به مراتب تاثیر گذارتر از بقیه تنشها هستند .

◄ اضافه بار گرمایی : بر اثر تغییرات ولتاژ و همچنین ولتاژهای نامتعادل دمای سیم پیچی افزایش می یابد.

بنابر یک قاعده تجربی بازای هر %2/1-3 ولتاژ فاز نامتعادل دمای سیم پیچی فاز با حداکثر جریان خود، 25% افزایش پیدا می کند .

◄ فرسودگی گرمایی : طبق قانون تجربی با ºc10 افزایش دمای سیم پیچی استاتور عمر عایقی آن نصف می شود. بنابراین اثر معمولی فرسودگی گرمایی ، آسیب پذیری سیستم عایقی است .

ب ـ تنشهای ناشی از کیفیت نامناسب محیط کار : عواملی که باعث ایجاد این تنشهامی شود به صورت زیر است :

◄رطوبت



◄ شیمیایی

◄خراش ( سائیدگی)[1]

◄ ذرات کوچک خارجی

ج ـ تنشهای مکانیکی : عواملی که باعث ایجاد این تنشها می شوند به صورت زیر می باشند :

◄ ضربات روتور : برخورد روتور به استاتور باعث می شود که ورقه های استاتور عایق کلاف را از بین ببرد و اگر این تماس ادامه داشته باشد نتیجه این است که کلاف در شیار استاتور خیلی زود زمین می شود و این به دلیل گرمای بیش از حد تولید شده در نقطه تماس می باشند .

◄ جابجایی کلاف : نیرویی که بر کلافها وارد می شود ناشی از جریان سیم پیچی است که این نیرو متناسب با مجذور جریان می باشد ( F∝ ). این نیرو هنگام راه اندازی ماکزیمم مقدار خودش را دارد و باعث ارتعاش کلافها با دو برابر فرکانس شبکه و جابجایی آنها در هر دو جهت شعاعی و مماسی می گردد.

1-2-2- تنشهای موثر در خرابی روتور :

الف ـ تنشهای گرمایی : عواملی که باعث ایجاد این نوع تنشها در روتور می شود به صورت زیر است:

◄ توزیع غیر یکنواخت حرارت : این مسئله اغلب هنگام راه اندازی موتور اتفاق می افتد اما عدم یکنواختی مواد روتور ناشی از مراحل ساخت نیز ممکن است این مورد رابه وجود آورد. راه اندازی های مداوم و اثر پوستی، احتمال تنشهای حرارتی در میله های روتور را زیادتر می کنند .

◄جرقه زدن روتور : در روتورهای ساخته شده عوامل زیادی باعث ایجاد جرقه در روتور می شوند که برخی برای روتور ایجاد اشکال نمی کنند ( جرقه زدن غیر مخرب ) و برخی دیگر باعث بروز خطا می شوند ( جرقه زدن مخرب ) . جرقه زدن های غیر مخرب در طول عملکرد نرمال[2] موتور و بیشتر در هنگام راه اندازی رخ می دهد .

◄ نقاط داغ و تلفات بیش از اندازه : عوامل متعددی ممکن است باعث ایجاد تلفات زیادتر و ایجاد نقاط داغ شوند . آلودگی ورقه های سازنده روتور یا وجود لکه بر روی آنها ، اتصال غیر معمول میله های روتور به بدنه آن ، فاصله متغیر بین میله ها و ورقة روتور و غیره می تواند در مرحله ساخت موتور به وجود آید .البته سازندگان موتور ، آزمایشهای خاصی مانند اولتراسونیک را برای کاهش این اثرات بکار می برند.

ب ـ تنشهای مغناطیسی : عواملی مختلفی باعث ایجاد این تنشها بر روی روتور می شوند همانند، عدم تقارن فاصله هوایی و شارپیوندی شیارها ، که این عوامل و اثرات آنها در زیر مورد بررسی قرار داده شده است :

◄ نویزهای الکترومغناطیسی : عدم تقارن فاصله هوایی ، علاوه بر ایجاد یک حوزه مغناطیسی نامتقارن باعث ایجاد مخلوطی از هارمونیکها در جریان استاتور و به تبع آن در جریان روتور می گردد. اثرات متقابل هارمونیکهای جریان ، باعث ایجاد نویز یا ارتعاش در موتور می شوند . این نیروها اغلب از نا همگونی فاصله هوایی بوجود می آیند

◄ کشش نا متعادل مغناطیسی : کشش مغناطیسی نامتعادل باعث خمیده شدن شفت روتور و برخورد به سیم پیچی استاتور می شود. در عمل روتورها به طور کامل در مرکز فاصله هوایی قرار نمی گیرند. عواملی همانند، گریز از مرکز[3]، وزن روتور ، سائیدگی یا تاقانها و ... همگی بر قرار گیری روتور دورتر از مرکز اثر می گذارند .


◄ نیروهای الکترومغناطیسی : اثر شار پیوندی شیارها ناشی از عبور جریان از میله های روتور ، سبب ایجاد نیروهای الکترودینامیکی می شوند. این نیروها با توان دوم جریان میله ) ) متناسب و یکطرفه می باشند و جهت آنها به سمتی است که میله را به صورت شعاعی از بالا به پائین جابجا می کند . اندازه این نیروهای شعاعی به هنگام راه اندازی بیشتر بوده و ممکن است به تدریج باعث خم شدن میله ها از نقطه اتصال آنها به رینگ های انتهایی گردند.

ج ـ تنشهای دینامیکی : این تنشها ارتباطی به طراحی روتور ندارند بلکه بیشتر به روند کار موتورهای القایی بستگی دارند .

برخی از این تنشها در ذیل توضیح داده می شود :

◄ نیروهای گریز از مرکز[4] : هر گونه افزایش سرعت از حد مجاز ، باعث ایجاد این نیروها می شود و چون ژنراتورهای القایی در سرعت بالای سنکرون کار می کنند اغلب دچار تنشهایی ناشی از نیروی گریز از مرکز می گردند .

◄ گشتاورهای شفت : این گشتاورها معمولاً در خلال رخ دادن اتصال کوتاه و گشتاورهای گذرا تولید می شوند. اندازه این گشتاورها ممکن است تا 20 برابر گشتاور بار کامل باشد .

د ـ تنشهای مکانیکی : برخی از مهمترین خرابی های مکانیکی عبارتنداز :

◄ خمیدگی شفت روتور

◄ تورق نامناسب و یاشل بودن ورقه ها

◄ عیوب مربوط به یاتاقانها

◄ خسارت دیدن فاصله هوایی

هـ ـ تنشهای محیطی : همانند استاتور تنشهای محیطی مختلفی، می تواند بر روی روتور تاثیر گذار باشد همانند رطوبت ، مواد شیمیایی، مواد خارجی و غیره

Abrasion -1

[2] - عملکرد نرمال تعریف می شود به صورت هر موتوری که در معرض افت ولتاژ، تغییر بار (نوسانات بار)، اغتشاشات سوئیچینگ و غیره قرار می گیرد.


فهرست مطالب



چکیده........................................................................................................................................................1

مقدمه..........................................................................................................................................................2

فصل اول: بررسی انواع خطا در ماشینهای القایی و علل بروز و روشهای تشخیص آنها

1-1-مقدمه................................................................................................................................................3

1-2-بررسی انواع تنشهای وارد شونده بر ماشین القایی..............................................................................4

1-2-1-تنشهای موثر در خرابی استاتور.....................................................................................................4

1-2-2- تنشهای موثر در خرابی روتور.....................................................................................................5

1-3- بررسی عیوب اولیه در ماشینهای القایی.............................................................................................8

1-3-1- عیوب الکتریکی اولیه در ماشینهای القایی....................................................................................10

1-3-2- عیوب مکانیکی اولیه در ماشینهای القایی......................................................................................17

فصل دوم: مدلسازی ماشین القایی با استفاده از تئوری تابع سیم پیچ

2-1-تئوری تابع سیم پیچ..........................................................................................................................21

2-1-1-تعریف تابع سیم پیچ.....................................................................................................................21

2-1-2-محاسبه اندوکتانسهای ماشین با استفاده از توابع سیم پیچ..............................................................26

2-2-شبیه سازی ماشین القایی..................................................................................................................29

2-2-1- معادلات یک ماشین الکتریکی باm سیم پیچ استاتور و n سیم پیچ روتور...................................32

2-2-1-1-معادلات ولتاژ استاتور.............................................................................................................32

2-2-1-2- معادلات ولتاژ روتور..............................................................................................................33

2-2-1-3- محاسبه گشتاور الکترومغناطیسی.............................................................................................35

2-2-1-4- معادلات موتور القای سه فاز قفس سنجابی در فضای حالت...................................................36

2-3- مدلسازی خطای حلقه به حلقه و خطای کلاف به کلاف..................................................................44

فصل سوم: آنالیز موجک و تئوری شبکه های عصبی

3-1-تاریخچه موجک ها...........................................................................................................................54

3-2-مقدمه ای بر خانواده موجک ها.........................................................................................................54

3-2-1-موجک هار...................................................................................................................................55

3-2-2- موجک دابیشز..............................................................................................................................55

3-2-3- موجک کوایفلت..........................................................................................................................56

3-2-4- موجک سیملت............................................................................................................................56

3-2-5- موجک مورلت.............................................................................................................................56

3-2-6- موجک میر...................................................................................................................................57

3-3- کاربردهای موجک.........................................................................................................................57

3-4- آنالیز فوریه.....................................................................................................................................58

3-4-1- آنالیز فوریه زمان-کوتاه..............................................................................................................58

3-5-آنالیز موجک....................................................................................................................................59

3-6- تئوری شبکه های عصبی.................................................................................................................69

3-6-1- مقدمه..........................................................................................................................................69

3-6-2- مزایای شبکه عصبی....................................................................................................................69

3-6-3-اساس شبکه عصبی.......................................................................................................................69

3-6-4- انواع شبکه های عصبی................................................................................................................72

3-6-5-آموزش پرسپترونهای چند لایه......................................................................................................76

فصل چهارم:روش تشخیص خطای سیم بندی استاتور در ماشین القایی(خطای حلقه به حلقه)

4-1- اعمال تبدیل موجک.........................................................................................................................79

4-2- نتایج تحلیل موجک..........................................................................................................................81

4-3- ساختار شبکه عصبی.........................................................................................................................94

فصل پنجم: نتیجه گیری و پیشنهادات..

نتیجه گیری.........................................................................................................................................................97

پیشنهادات..................................................................................................................................................98

پیوست ها..................................................................................................................................................99

منابع و ماخذ

فارسی....................................................................................................................................................100

منابع لاتین...............................................................................................................................................101

چکیده لاتین............................................................................................................................................105



شکل1-1 : موتور القایی با ساختار مجزا شده از هم........................................................

شکل1-2: شمای قسمتی از موتور و فرکانس عبور قطب........................................................................10

شکل1-3: (الف) اتصال کوتاه کلاف به کلاف بین نقاط b وa (ب) خطای فاز به فاز..........................15

شکل2-1: برش از وسیله دو استوانه ای با قرارگیری دلخواه سیم پیچ در فاصله هوایی.............................22

شکل2-2: تابع دور کلاف متمرکز باN دور هادی مربوط به شکل2-1......................................................23

شکل2-3: تابع سیم پیچی کلاف متمرکز N دوری مربوط به شکل2-1.....................................................25

شکل 2-4: ساختار دو سیلندری با دور سیم پیچA وB.............................................................................26

شکل2-5: تابع دور کلاف 'BB شکل2-................................................................. ...............................27

شکل2-6:(الف) تابع دور فازa استاتور (ب) تابع سیم پیچی فازa استاتور............................................30

شکل2-7: تابع سیم پیچی حلقه اول روتور.............................................................................................30

شکل2-8(الف) اندوکتانس متقابل بین فازA استاتور و حلقه اول روتور (ب) مشتق اندوکتانس متقابل بین فازa استاتور و حلقه اول روتور نسبت به زاویه ....................................................................................31

شکل2-9: شکل مداری در نظر گرفته شده برای روتور قفس سنجابی ...................................................34

شکل 2-10: نمودار جریان (الف) فازa (ب)فازb (ج) فازc استاتور در حالت راه اندازی بدون بار.....41

شکل2-11: (الف) نمودار سرعت موتور در حالت راه اندازی بدون بار(ب) نمودار گشتاور الکترومغناطیسی موتور در حالت راه اندازی بدون بار........................................................................................................42

شکل2-12: نمودار جریان (الف) فازa (ب) فازb (ج) فازC استاتور در حالت دائمی بدون بار.......43

شکل2-13: فرم سیم بندی استاتور وقتی که اتصال کوتاه داخلی اتفاق افتاده است (الف) اتصال ستاره (ب) اتصال مثلث ............................................................................................................................... 45

شکل2-14: تابع دور، فازD در حالت خطای حلقه به حلقه (الف) 35دور (ب) 20دور ج) 10دور..................................................................................................................................................48

شکل2-15: تابع سیم پیچی فازD در خطای حلقه به حلقه (الف)35دور (ب)20دور (ج) 10دور..................................................................................................................................................48

شکل2-16: (الف)تابع اندوکتانس متقابل بین فازC و حلقه اول روتور (ب) تابع مشتق اندوکتانس متقابل بین فاز C و حلقه اول روتور نسبت به زاویه ........................................................................................48

شکل2-17: (الف)تابع اندوکتانس متقابل بین فازD و حلقه اول روتور (ب) تابع مشتق اندوکتانس متقابل بین فاز D و حلقه اول روتور نسبت به زاویه..........................................................................................49

شکل2-18: نمودار جریان استاتور (الف) فازa (ب)فازb (ج) فازC در خطای 10 دور در حالت راه اندازی بدون بار ...............................................................................................................................50

شکل2-19: نمودار جریان استاتور (الف) فازa (ب) فازb (ج) فازC در خطای 35 دور در حالت راه اندازی بدون بار ...............................................................................................................................51

شکل2-20: (الف) گشتاور الکترو مغناطیسی در خطای 10دور (ب) خطای 35 دور .............................52

شکل2-21: نمودار سرعت موتور در خطای حلقه به حلقه (35دور) .......................................................52

شکل2-22:نمودار جریان استاتور (الف) فازa (ب) فازb ( ج) فازC درخطای (35دور) در حالت دائمی بدون بار ............................................................................................................................53

شکل3-1:(الف) تابع موجک هار Ψ (ب) تابع مقیاس هار ...............................................................55

شکل3-2: خانواده تابع موجک دابیشزΨ ................................................................................................55

شکل3-3: (الف) تابع موجک کوایفلت Ψ (ب) تابع مقیاس کوایفلت ............................................ 56

شکل3-4: (الف) تابع موجک سیملت Ψ (ب) تابع مقیاس سیملت ..............................................56

شکل3-5: تابع موجک مورلت Ψ ..........................................................................................................57

شکل3-6: (الف) تابع موجک میر Ψ (ب) تابع مقیاس میر ............................................................57

شکل3-7: تبدیل سیگنال از حوزه زمان-دامنه به حوزه فرکانس-دامنه با آنالیز فوریه ..............................58

شکل3-8: تبدیل سیگنال از حوزه زمان- دامنه به حوزه زمان –مقیاس با آنالیز موجک ...........................59

شکل3-9: (الف) ضرایب موجک (ب) ضرایب فوریه ....................................................................60

شکل3-10: اعمال تبدیل فوریه بروی سیگنال و ایجاد سیگنالهای سینوسی در فرکانسهای مختلف............61

شکل3-11: اعمال تبدیل موجک بروی سیگنال .....................................................................................61

شکل3-12: (الف) تابع موجک Ψ ب) تابع شیفت یافته موجک ................................................62

شکل3-13: نمودار ضرایب موجک.........................................................................................................63

شکل3-14: ضرایب موجک هنگامی که از بالا به آن نگاه شود ...............................................................63

شکل3-15: مراحل فیلتر کردن سیگنال S .............................................................................................65

شکل3-16: درخت آنالیز موجک ...........................................................................................................66

شکل 3-17:درخت تجزیه موجک ..........................................................................................................66

شکل3-18: باز یابی مجدد سیگنال بوسیله موجک ...................................................................................67

شکل3-19: فرایند upsampling کردن سیگنال ....................................................................................67

شکل 3-20: سیستم filters quadrature mirror .........................................................................67

شکل 3-21: تصویر جامعی از مرفولوژی نرون منفرد .............................................................................70

شکل3-22: مدل سلول عصبی منفرد ......................................................................................................71

شکل3-23: ANN سه لایه ....................................................................................................................71

شکل3-24: منحنی تابع خطی .................................................................................................................73

شکل3-25: منحنی تابع آستانه ای ........................................................................................................73

شکل3-26: منحنی تابع سیگموئیدی ......................................................................................................74

شکل3-27: پرسپترون چند لایه ..............................................................................................................75

شکل3-28: شبکه عصبی هاپفیلد گسسته(ونگ و مندل،1991) ................................................................75

شکل 4-1: ساختار کلی تشخیص خطا ...................................................................................................79

شکل4-2: ساختار کلی پردازش سیگنال در موجک .................................................................................81

شکل4-3: تحلیل جریان استاتور درحالت خطادار (35دور) با در بی باری .....................................82

شکل4-4: : تحلیل جریان استاتور درحالت خطادار (20دور) با در بی باری ..................................82

شکل4-5: : تحلیل جریان استاتور درحالت خطادار (10دور) با در بی باری ..................................83

شکل4-6: : تحلیل جریان استاتور درحالت سالم با در بی باری .....................................................83

شکل4-7: : تحلیل جریان استاتور درحالت خطادار(35دور)با در بارداری ......................................84

شکل4-8: : تحلیل جریان استاتور درحالت خطادار(20دور)با در بارداری .......................................84

شکل4-9: : تحلیل جریان استاتور درحالت خطادار(10دور)با در بارداری .......................................85

شکل4-10:تحلیل جریان استاتور در حالت سالم با در بارداری .........................................................85

شکل4-11: ضرایب موجک برای جریان استاتور ماشین خطادار(با خطای 35دور)در بی باری با …...86

شکل4-12: ضرایب موجک برای جریان استاتور ماشین خطادار(با خطای 20 دور)در بی باری با…...….87.

شکل4-13: ضرایب موجک برای جریان استاتور ماشین خطادار(با خطای 10دور)در بی باری با …...88

شکل4-14: ضرایب موجک برای جریان استاتور ماشین سالم در بی باری با ...................................89

شکل4-15: نمای شبکه عصبی ..............................................................................................................94

شکل4-16: خطای train کردن شبکه عصبی ........................................................................................95



جدول4-1 : انرژی ذخیره شده در ماشین سالم .......................................................................................90

جدول 4-2: انرژی ذخیره شده در ماشین خطا دار (10 دور) ................................................................91

جدول 4-3: انرژی ذخیره شده در ماشین خطا دار (20 دور) .............................................................. .92

جدول 4-4: انرژی ذخیره شده در ماشین خطا دار (35 دور) ............................................................... 93

جدول4-5: نمونه های تست شبکه عصبی ........................................................................................... 96





- Eccentricity2

- 1Centrifugal Force

خرید فایل

شبکه های عصبی

شبکه های عصبی

این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله و هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی و شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون و همچنین شبکه های عصبی و الگوریتم های ژنتیک در تجارت می پردازیم.

فهرست مطالب:

فهرست	صفحه
مقدمه	1
فصل اول:	2
سابقه تاریخی	2
استفاده های شبکه عصبی	3
مزیتهای شبکه عصبی	3
شبکه های عصبی در مقابل کامپیوتر های معمولی	4
شباهت های انسان و سلول های عصبی مصنوعی	5
چگونه مغز انسان می آموزد	5
انواع یادگیری برای شبکه های عصبی	6
هوش جمعی	12
فصل دوم:	15
معرفی	15
نورون با خاصیت آشوبگونه	16
شکل شبکه	17
قانون آموزش شبکه	18
مدلسازی ژنراتور سنکرون دریایی	21
نتایج فصل	26
فصل سوم :	27
معرفی	27
منحنی طول - کشش	28
فهرست	صفحه
شبکه های عصبی	29
نتایج تجربی	29
نتیجه فصل	33
فصل چهارم:	34
معرفی	34
نمادها و مقدمات	35
نتایج مهم	40
شرح مثال	47
نتیجه فصل	51
فصل پنجم:	53
معرفی	53
شبکه های feedforward رگولاریزاسیون	54
طراحی شبیه سازی	55
شبیه سازی ها	57
نتیجه فصل	59
فصل ششم :	60
فناوری شبکه عصبی	62
فناوری الگوریتم ژنتیک	65
بازاریابی	66
بانکداری و حوزه های مالی	68
منابع	73

خرید فایل

شبکه های عصبی

شبکه های عصبی

توجه :

شما می توانید با خرید این محصول فایل " قلق های پایان نامه نویسی (از عنوان تا دفاع)" را به عنوان هدیه دریافت نمایید.

فهرست مطالب

عنوان صفحه

مقدمه 1

شبکه عصبی چیست ؟ 2

یادگیری در سیستم های بیولوژیک 4

سازمان مغز 6

نرون پایه 7

عملیات شبکه های عصبی 7

آموزش شبکه های عصبی 10

معرفی چند نوع شبکه عصبی 14

پرسپترون تک لایه 14

پرسپترون چند لایه 21

backpropagation 25

هاپفیلد 49

ماشین بولتزمن 67

کوهونن 83

کاربردهای شبکه های عصبی 86

منابع 90

خرید فایل

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

خلاصه
مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .
این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .
اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .
از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .
این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .

خرید فایل

پاورپوینت شبکه های عصبی مصنوعی 19 اسلاید

معمولا الگوریتم BP پیش از خاتمه هزاران بار با استفاده همان داده های آموزشی تکرار میگردد شروط مختلفی را میتوان برای خاتمه الگوریتم بکار برد:

lتوقف بعد از تکرار به دفعات معین

lتوقف وقتی که خطا از یک مقدار تعیین شده کمتر شود

lتوقف وقتی که خطا در مثالهای مجموعه تائید از قاعده خاصی پیروی نماید

اگر دفعات تکرار کم باشد خطا خواهیم داشت و اگر زیاد باشد مسئله Overfitting رخ خواهد داد

خرید فایل

پروژه درس شبکه عصبی

شرح مختصر:

در این مقاله طراحی پایدارساز سیستم قدرت فازی (FPSS) با استفاده از ورودی های گسسته ارایه شده است که در اینجا توسط شبکه عصبی(NNSS) شبیه سازی می گردد و با شبیه سازی مقاله مورد مقایسه قرار می گیرد. FPSS تنها از سیگنال های یک دستگاه اندازه گیری، به نام سرعت ژنراتور استفاده می کند. سیگنال سرعت با تبدیل شدن به حالت گسسته، به سه ورودی تبدیل می شود و به FPSS داده می شود. برای بررسی صحت روش ارایه شده، یک سیستم ساده قدرت که شامل یک ژنراتور به همراه یک خط انتقال که به باس بی نهایت متصل شده است، شبیه سازی شده است. سیستم توسط سیمولینک مطلب شبیه سازی شده است دراین پروژه شبکه عصبی مدل سازی شده با مدل سیستم فازی مقایسه شده است

در نهایت پس از m فایل نویسی و سیمولینک شبکه عصبی و سیستم فازی و همچنین سیستم قدرت بدون سیستم فازی و شبکه عصبی و مقایسه آنها به واضح مشخص است که شبکه عصبی کارایی بهتری دارد،پایدارساز سیستم قدرت (FPSS) با پایدار ساز سیستم قدرت شبکه عصبی( (NNPSSمقایسه می گردد،FPSS و NNPSS تنها از سیگنال های یک دستگاه اندازه گیری، به نام سرعت ژنراتور استفاده می کنند. سیگنال سرعت با تبدیل شدن به حالت گسسته، به سه ورودی تبدیل می شود و به FPSS و NNPSS داده می شود.. هر دوسیستم توسط سیمولینک مطلب شبیه سازی شده است ضمنا" سیستم درحالت کلی بدون شبکه عصبی و سیستم فازی نیزشبیه سازی شده ((NOPSSوبا دوحالت سیستم فازی و شبکه عصبی مقایسه گردیده،با توجه به شبیه سازی ها، جواب های شبکه عصبی (NNPSS (در مقایسه با FPSS های مرسومی که توسط روش های بهینه سازی ارایه می شود، بسیار مناسب تر می باشد.

فهرست مطالب

چکیده مقاله

1)مقدمه ........................................................................ص5

2)سیستم مورد مطالعه ......................................................... ص6

3)پایدارساز قدرت متداول(cpss) ......................................... ص9

4)انتخاب زمان نمونه برداری ......................................... ص9

5)کیفیت پاسخ سیستم فازی و شبکه عصبی .............................. ص10

6)نتیجه گیری .................................................... ص11

7)ضمیمه 1 .......................................................... ص12

8)ضمیمه 2 ....................................................... ص13

9)مراجع ...................................................................... ص14

10)m فایلهای متلب .................................................. ص15

11)فایلهای سیمولینک ............................................................. ص29

12)نتایج شبیه سازی ....................................................... ص35

13)الگوریتم رقابت استعماری بکار رفته در پروژه ....................................... ص36

14)شبکه عصبی مصنوعی ........................................................... ص45

15)پیاده سازی شبکه عصبی .................................................... ص47

16) پاورپوینت و مقالات پیوستی و طریقه run کردن فایلهای متلب...................ص49

خرید فایل

پاورپوینت بررسی شبکه های عصبی مصنوعی

پاورپوینت بررسی شبکه های عصبی مصنوعی

مقدمه

شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد. lیادگیری شبکه عصبی در برابر خطاهای داده های آموزشی مصون بوده و اینگونه شبکه ها با موفقیت به مسائلی نظیر شناسائی گفتار، شناسائی و تعبیر تصاویر، و یادگیری روبات اعمال شده است.

شبکه عصبی چیست؟

lروشی برای محاسبه است که بر پایه اتصال به هم پیوسته چندین واحد پردازشی ساخته میشود. lشبکه از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل میشود که مجموعه ورودی را به خروجی ربط میدهند.

شبکه عصبی چه قابلیتهائی دارد؟

محاسبه یک تابع معلوم

تقریب یک تابع ناشناخته

شناسائی الگو lپردازش سیگنال

یادگیری

خرید فایل

پاورپوینت بررسی شبکه های عصبی

پاورپوینت بررسی شبکه های عصبی

مباحث :

آشنایی با شبکه های عصبی زیستی

معرفی شبکه های عصبی مصنوعی(ANNها)

مبانی شبکه های عصبی مصنوعی

توپولوژی شبکه üنرم افزارهای شبکه های عصبی

مقایسه ی مدل سازی کلاسیک و مدل سازی شبکه ی عصبی

فرآیند یادگیری شبکه

تجزیه و تحلیل داده ها توسط شبکه های عصبی مصنوعی

ایده ی اصلی شبکه های عصبی مصنوعی

مهم ترین تفاوت حافظه ی انسان و حافظه ی کامپیوتر

شبکه های عصبی در مقابل کامپیوترهای معمولی

معایب شبکه های عصبی مصنوعی

کاربردهای شبکه های عصبی مصنوعی

آشنایی با شبکه های عصبی زیستی

vاین شبکه ها مجموعه ای بسیار عظیم از پردازشگرهایی موازی به نام نورون اند که به صورت هماهنگ برای حل مسئله عمل می کنند و توسط سیناپس ها(ارتباط های الکترومغناطیسی)اطلاعات را منتقل می کنند.در این شبکه ها اگر یک سلول آسیب ببیند بقیه ی سلولها می توانند نبود آنرا جبران کرده و نیز در بازسازی آن سهیم باشند. vاین شبکه ها قادر به یادگیری اند.مثلا با اعمال سوزش به سلولهای عصبی لامسه، سلولها یاد می گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می آموزد که خطای خود را اصلاح کند.back propagation of error)) vیادگیری در این سیستم ها به صورت تطبیقی صورت می گیرد، یعنی با استفاده ازمثال ها وزن سیناپس ها به گونه ای تغییر می کند که در صورت دادن ورودی های جدید سیستم پاسخ درستی تولید کند.

معرفی ANN ها

vیک سیستم پردازشی داده ها که از مغز انسان ایده گرفته و پردازش داده ها را به عهده ی پردازنده های کوچک و بسیار زیادی سپرده که به صورت شبکه ای به هم پیوسته و موازی با یکدیگر رفتار می کنند تا یک مسئله را حل کنند. v vدر این شبکه ها به کمک د انش برنامه نویسی ، ساختا ر داده ای طراحی می شود که می تواند هما نند نورون عمل کند.که به این ساختارداده node یا گره نیزگفته می شود.بعد باایجاد شبکه ای بین این node ها و اعمال یک الگوریتم آموزشی به آ ن، شبکه را آموزش می دهند . v vدر این حافظه یا شبکه ی عصبی node ها دارای دو حالت فعال(on یا 1) وغیرفعال( off یا 0) اند و هر یال (سیناپس یا ارتباط بین node ها)دارای یک وزن می باشد.یالهای با وزن مثبت ،موجب تحریک یا فعال کردن node غیر فعال بعدی می شوند و یالهای با وزن منفی node متصل بعدی را غیر فعال یا مهار(در صورتی که فعال بوده باشد) می کنند.

vANN ها در واقع مثلثی هستند با سه ضلع مفهومی : .Iسیستم تجزیه و تحلیل داده ها .IIنورون یا سلول عصبی .IIIقانون کار گروهی نورونها (شبکه) ● vANN ها دست کم از دو جهت شبیه مغز انسا ن اند: .Iمرحله ای موسوم به یاد گیری دارند. .IIوزن های سیناپسی جهت ذخیره ی دانش به کار می روند.

vهوش مصنوعی و مدل سا زی شناختی سعی بر این دارند که بعضی خصوصیا ت شبکه های عصبی را شبیه سازی کنند. گرچه این دو روش ها یشان شبیه هم است، اما هدف هوش مصنوعی از این کار حل مسائل شخصی و هدف مدل سا زی شناختی ،ساخت مدلهای ریا ضی سیستم های نورونی زیستی می باشد .

خرید فایل

دانلود مقاله یک سیستم خبره فازی – عصبی برای تشخیص بهمراه ترجمه

دانلود مقاله یک سیستم خبره فازی – عصبی برای تشخیص بهمراه ترجمه   چکیده: منطق فازی،یک شبکه عصبی و سیستم خبره است که برای ایجاد یک سیستم تشخیصی ترکیبی با یکدیگر ترکیب شده اند.با استفاده از چنین سیستمی ما یک روش جدید برای فراگیری مبانی دانش استفاده می کنیم. سیستم ما شامل یک سیستم خبره فازی همراه با یک بیس دانشی با منبع دوگانه است. دو سری قوانین لازم هستند ، که به صورت استنباطی از مثالهای ارائه شده و به صورت استقرایی توسط فیزیک دانان بدست آمده اند. یک شبکه عصبی فازی سعی میکند که از داده های نمونه یاد گرفته و این اجازه را می دهد که قوانین فازی برای دانش پایه را استخراج کنیم.تشخیص electroencephalograms با تفسیر عناصر نموداری بعنوان یک نوع مشاهده در روش ما بکار گرفته می شود. نتایج اولیه نشان دهنده احتمالات مورد نظر با استفاده از روش ما می باشد. فایل اصلی ورد و به زبان انگلیسی می ب ...