تحقیق کنترل هوشمند سرعت موتور DC با استفاده از ANFIS

اختصاصی از فایل هلپ تحقیق کنترل هوشمند سرعت موتور DC با استفاده از ANFIS دانلود با لینک مستقیم و پر سرعت .

دانلود تحقیق کنترل هوشمند سرعت موتور DC با استفاده از ANFIS که شامل 64 صفحه و بشرح زیر میباشد:

نوع فایل : Word

چکیده : مزیت اصلی استفاده از موتور DC در جهان امروز قابلیت کنترل راحت سرعت و زاویه موتور آن است. خیلی از سیستم های کنترلی طراحی شده اند تا با کاهش اُورشورت ها و زمان نشست عملکرد بهتری را برای موتور ایجاد کنند. این پایان نامه به کنترل سرعت موتور  DC با استفاده از سیستم کنترل فازی –عصبی تطبیقی ( Adaptive Neuro- Fuzzy Inference System ) می پردازد. این کنترل کننده بر اساس کنترل فازی – عصبی تطبیقی پایه گذاری شده است و هدف کلی آن کاهش خطای حالت ماندگار (  stady state error ) و زمان خیز ( rise time  ) می باشد. یک کنترل کنندة PID در این پایان نامه طراحی می شود تا براساس اطلاعات یادگرفته شده از سیستم توسط  ANFIS سرعت موتور را کنترل کند. ما این سیستم کنترل را با نرم افزار MATLAB و با استفاده از قسمت Simulink آن شبیه سازی می کنیم. عملکرد دو نوع سیستم کنترل PID  و ANFIS در گشتاورهای بار مختلف در این پایان نامه ارزیابی می شود. اجرای عملی این سیستم در آزمایشگاه موتور DC با موفقیت بوسیلة رابط Dspace انجام شده است. در این پایان نامه نتایج حاصل از شبیه سازی کامپیوتری با نتایج عملی مقایسه می شوند. 

فهرست

چکیده :
فصل اول
مقدمه
(1-1) : مقدمه ای بر simulink و dSPACE
(1-2) : مدلسازی موتور DC
مشخصات الکتریکی
طراحی موتور DC در سیمولینک :
( 3-1) : کنترل آبشاری موتور DC
فصل دوم : سیستم های استنتاج فازی – عصبی تطبیقی
ANFIS مخفف (Adptive Network- base Inference System) یا (Adptive Neuro- Fuzzy base Inference System)
(1-2) : سیستم استنتاج فازی
(1-1-2) : سیستم استنتاج فازی از نوع سوگنو
(2-2) : شبکه های تطبیقی
الف- یادگیری آفلاین :
ب- یادگیری آنلاین :
( 3-2)‌: ساختار ANFIS
(‌4-2) : الگوریتم یادگیری هیبریدی
محدودیت های ANFIS:
( 5-2) : یادگیری ANFIS
ANFIS Editor GUI :
1- Load Data
2- Generate FIS
3- Train FIS
4- Test FIS
فصل سوم : طراحی کنترل کننده
( 1-3) : طراحی کنترل کننده PID
( 1-1-3) : مشخصات کنترل کنندة PID
(2-1-3) : تنظیم کردن PID
(3-1-3) : کنترل کنندة سرعت PID
(4-1-3 ) : کنترل کننده جریان PID
( 2-3) : طراحی کنترل کنندة ANFIS
فصل چهارم : شبیه سازی
(1-4) : شبیه سازی PID
(2-4) : شبیه سازی ANFIS
* مقایسه کنترل کنند های PID و ANFIS در گشتاور بار ثابت :
* مقایسه کنترل کنند های PID و ANFIS در گشتاور بارهای مختلف :
1- وقتی گشتاور بار N-m 1/0 باشد:
2- وقتی گشتاور بار N-m 2/0باشد ؛
3- وقتی گشتاور بار N-m 3/0 باشد؛
(4-4) : عملکرد کنترلرهای ANFIS و PID
فصل پنجم : اجرای سیستم در زمان واقعی ( real- time)
Duty ratio در سمبولینک از فرمول های زیر ساخته می شود:
بلوک ( DS 1104 ENC – SETUP ) Encoder Master setup
بلوک DS 1104 ENC- POS – C1 بر حسب RPM
(1-1-5) : نتایج اجرا در زمان واقعی کنترلر ANFIS
(2-5) : مدل سیمولینک در زمان واقعی کنترل کنندة PID
(1-2-5) : نتایج تحلیل زمان واقعی کنترل کنندة PID
(3-5)‌: نتایج شبیه سازی زمان واقعی برای بارهای آشفته (پارازیتی)
فصل ششم : نتیجه گیری
کارهای بعدی :
ویژگی های اصلی dsPACE عبارتند از :
برد کنترلی DS1104R8D:
مشخصات بورد کنترلی DS1104 R&D
نرم افزار dsPACE:
(2-B) : بورد درایو الکتریکی

........

آیا با افزایش دما سرعت همه واکنشهای شیمیایی زیاد می شود؟ پی دی اف

اختصاصی از فایل هلپ آیا با افزایش دما سرعت همه واکنشهای شیمیایی زیاد می شود؟ پی دی اف دانلود با لینک مستقیم و پر سرعت .

2 صفحه

پی دی اف

ﺳﺮﻋﺖ ﺍﮐﺜﺮ وﺍﮐﻨﺸﻬﺎی ﺷﯿﻤﯿﺎﯾﯽ ﺗﺎﺑﻌﯽ ﺍﺯ ﺩﻣﺎ و ﻏﻠﻈﺖ ﺍﺳﺖ .ﻣﯽ ﺩﺭ ﺍﮐﺜﺮ وﺍﮐﻨﺸﻬﺎ ﺑﺎ ﺍﻓﺰﺍﯾﺶ ﺩﻣﺎ ﺳﺮﻋﺖ ﺯﯾﺎﺩ   ﺷﻮﺩ، ﭘﺲ
ﺛﺎﺑﺖ  ﻫﺎی ﺳﺮﻋﺖ ﺑﻪ وﺍﺑﺴﺘﻪ ﺷﺪﺕ ﺑﻪ ﺩﻣﺎ  وﺍﮐﻨﺶ ﺍﻧﺪ ﮐﻪ ﺍﯾﻦ وﺍﺑﺴﺘﮕﯽ ﺩﺭ  ﺍﺳﺖ ﻫﺎی ﻣﺨﺘﻠﻒ ﻣﺘﻔﺎوﺕ    .
ﺑﻬﺘﺮﯾﻦ و ﻣﻨﺎﺳﺒﺘﺮﯾﻦ ﺭﺍﺑﻄﻪ ﺑﯿﻦ ﺛﺎﺑﺖ ﺳﺮﻋﺖ ﯾﮏ وﺍﮐﻨﺶ ﺑﺎ ﺩﻣﺎ  ﺗﻮﺳﻂ ﺁﺭﻧﯿﻮﺱ ﺍﺭ

دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا

اختصاصی از فایل هلپ دانلود مقاله بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا دانلود با لینک مستقیم و پر سرعت .

مشخصات این فایل
عنوان: بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا
فرمت فایل : word( قابل ویرایش)
تعداد صفحات: 24

این مقاله درمورد بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا می باشد.

خلاصه آنچه در مقاله بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا می خوانید :

معایب الگوریتم استاندارد پس انتشار خطا1 (SBP)
الگوریتم BP، با فراهم آوردن روشی از نظر محاسباتی کارا، رنسانسی در شبکه های عصبی ایجاد نموده زیرا شبکه های MLP، با قانون یادگیری BP، بیشترین کاربرد را در حل مسائل فنی- مهندسی دارند.
با وجود، موفقیت های کلی این الگوریتم در یادگیری شبکه های عصبی چند لایه پیش خود، هنوز مشکلات اساسی نیز وجود دارد:
- اولاً سرعت همگرایی الگوریتم BP آهسته است.
همانطور که می دانیم، تغییرات ایجاد شده در پارامترهای شبکه (ماتریس های وزن و بردارهای بایاس)، پس از هر مرحله تکرار الگوریتم BP، به اندازه  ، است، به طوریکه F، شاخص اجرایی، x پارامترهای شبکه و α، طول قدم یادگیری است.
از این، هر قدر طول قدم یادگیری، α، کوچکتر انتخاب گردد، تغییرات ایجاد شده در پارامترهای شبکه، پس از هر مرحله تکرار الگوریتم BP، کوچکتر خواهد بود، که این خود منجر به هموار گشتن مسیر حرت پارامترها به سمت مقادیر بهینه در فضای پارامترها می گردد. این مسئله موجب کندتر گشتن الگوریتم BP می گردد. بر عکس با افزایش طول قدم α، اگرچه نرخ یادگیری و سرعت یادگیری الگوریتم BP افزایش می یابد، لیکن تغییرات فاحشی در پارامترهای شکه از هر تکراربه تکرار بعد ایجاد می گردد، که گاهی اوقات موجب ناپایداری و نوسانی شدن شبکه می شود که به اصطلاح می گویند پارامترهای شبکه واگرا شده اند:
در شکل زیر، منحنی یادگیری شبکه برای جدا سازیالگوها در مسأله XOR، به ازای مقادیر مختلف نرخ یادگیری، نشان داده شده است. به ازای مقادیر کوچک، α، شبکه کند اما هموار، یاد نمی گیرد الگوهای  XOR را از هم جدا نماید، ددر صورتی که به ازای 9/0= α شبکه واگرا می شود.

شکل (1). منحنی یادگیری شبکه برای نرخ های یادگیری مختلف در مسأله XOR
- ثانیاً احتمالاً به دام افتادن شبکه در نقاط مینیمم محلی وجود دارد.
در شبکه های MLP، میانگین مجوز خطا، در حالت کلی خیلی پیچیده است و از تعداد زیادی نقطه اکسترمم در فضای پارامترهای شبکه برخوردار می باشد. بنابراین الگوریتم پس انتشار خطا با شروع از روی یک سری شرایط اولیه پارامترهای شبکه، به نقطه مینیمم سراسری و با شروع از یک مجموعه شرایط اولیه دیگر به تقاط مینیمم محلی در فضای پارامترها همگرا می گردد،  بنابراین زمانی که الگوریتم BP همگرا می شود، نمی توان مطمئن شد که به یک جواب بهینه رسیده باشیم.
- ثالثاً: همگرایی الگوریتم BP، به یقین مقادیر اولیه پارامترهای شبکه عصبی MLP وابسته است، بطوری که یک انتخاب خوب می تواند کمک بزرگی در همگرایی سریعتر الگوریتم BP فراهم آورد. برعکس انتخاب اولیه نادرست پارامترهای شبکه MLP، منجر به گیر افتادن شبکه در نقاط مینیمم محلی در فضای برداری پارامترهای شبکه می گردد که این خود منجر به این می شود که شبکه خیلی زودتر از معمول به موضعی بیفتد که منحنی یادگیری شبکه برای تعداد بزرگی از دفعات تکرار، تغییر نکند.
به عنوان مثال، فرض می کنیم مقدار اولیه پارامترهای شبکه خیلی بزرگ باشند، در حالی که می دانیم توابع تبدیل نرونها مخصوصاً در              لایه های میانی از نوع زیگموئید هستند. در این حالت برای نرون i ام، اندازه ورودی تابع تبدیل (ni) خیلی بزرگ می باشد و خروجی نرون (ai) به مقدار 1± میل می کند. لذا مشتق بردار خروجی شبکه، a ، خیلی کوچک می باشد. فرض کنیم که باید مقدار واقعی ai، 1 باشد یعنی ti = 1، لیکن به خاطر انتخاب بر مقادیر اولیه، ai = -1 گردد. در این حالت خطای حداکثر را داریم در حالی که چون ai ≈ 0               می باشد تغییرات ناچیزی در پارامترهای متناظر با نرون i ام داریم. این چیزی است که بیانگر رسیدن زودتر از معمول نرونها به حد اشباع خود می باشند، جایی که پاسخ واقعی با پاسخ شبکه کاملاً فرق دارد و زمان زیادی طول خواهد کشید که نرون از این حالت خارج شود. از این رو با پیشرفت پروسه یادگیری، پارامترهای منتسب به نرورنهایی که به مرز اشباع نرسیده اند، سریعتر تنظیم می شوند، چرا که سیگنال خطار گرادیانهای محلی از مقدار از اندازه بزرگتری برخوردار می باشند. این عمل منجر به کاهش در مجموع مربعات خطای لحظه ای             می گردد و اگر در این مرحله، نرونهای به حد اشباع رسیده تغییری در وضعیت تحریکشان رخ ندهد، شبکه برای مدتی طولانی از یک شکل هموار منحنی خطا برخوردار خواهدبود.
بهبود الگوریتم استاندارد پس انتشار خطا (SBP)
- الگوریتم BP از نوع دسته ای1 (BBP)
الگوریتم استاندارد BP، بر اساس فرم الگو به الگو است، بدین ترتیب که پارامترهای شبکه پس از ارائه هریک از الگوهای یادگیری که عموماً بطور تصادفی انتخاب می شوند، تنظیم می گردند، اما در الگوریتم BBP، تنظیم پارامترهای شبکه پس از اعمال تمامی ورودی ها صورت می پذیرد. پردازش دسته ای موجب می شود که گرادیانهای محلی به گرادیان محلی واقعی نزدیکتر باشند و نهایتاً الگوریتم BP به الگوریتم بیشترین نزول نزدیکتر گردد که این خود موجب می شود همگرایی الگوریتم BP افزایش یابد.
در شکل زیر مسئله XOR با متد الگوریتم BP به فرم دسته ای پیاده شده است. به راحتی می توان دید که الگوریتم BBP از سرعت همگرایی بالاتری به الگوریتم SBP برخوردار است....

بخشی از فهرست مطالب مقاله بهبود سرعت یادگیری شبکه های عصبی چند لایه با الگوریتم پس انتشار خطا

مقدمه
خلاصه ای از الگوریتم BP
فرمول بندی الگوریتم BP
معایب الگوریتم استاندارد پس انتشار خطا1 (SBP)
بهبود الگوریتم استاندارد پس انتشار خطا (SBP)
- الگوریتم BP از نوع دسته ای1 (BBP)
- روش ممنتم 1 برای الگوریتم BP (MBP)
1. Momentum
- نرخ یادگیری متغیر1 (VLR)
- الگوریتم پس انتشار خطا با نرخ یادگیری و ضریب ممنتم تطبیقی1 (BPALM)
2- الگوریتم پس انتشار خطا با سه ترم
آنالیز همگرایی
- الگوریتم پس انتشار خطای بهبود پذیر1 (Rprop)
نتیجه گیری
مراجع

دانلود مقاله ابزار دقیق(Instruments) اندازه گیری سرعت و دبی (Velocity & Flow Measurment)

اختصاصی از فایل هلپ دانلود مقاله ابزار دقیق(Instruments) اندازه گیری سرعت و دبی (Velocity & Flow Measurment) دانلود با لینک مستقیم و پر سرعت .

 فلومترهای تغییر سطح ، فلومترهای با اختلاف هد ثابت (Constant-Differential-Head) نیز ممکن است نامیده شوند. فلومتر تغییر سطح در اثر تغییر مکان یک جسم اندازه گیری کننده که جابجایی آن متناسب با دبی سیال می باشد، دبی سیال را اندازه گیری می کند. در فلومترهای تغییر سطح هر چه دبی بیشتر شود ، سطح عبور سیال بیشتر می گردد. در نتیجه افت فشار در عمل ثابت باقی می ماند. وزن جسم اندازه گیری کننده نقش نیروی متعادل کننده را دارد. جسم اندازه گیری کننده ممکن است به شکل شاقول ، پیستون ، و یا انواع شناورها باشد. بر همین اساس سه نوع اصلی از فلو مترهای تغییر سطح عبارتند از:

روتامتر (Rotameter): این وسیله که بیشتر در مراکز آموزشی و تحقیقاتی کاربرد وسیعی دارد ، اغلب برای اندازه گیری دبی سیالاتی که جریان یکنواختی داشته و تغییر دبی آن ها تدریجی باشد ، به کار برده می شوند. از روتامتر بیشتر برای اندازه گیری دبی سیالات تمیز و یا سیالات با ذرات زائد کم باید استفاده کرد ؛ که رنج اندازه گیری برای روتامترهای شیشه ای ، در محدوده ی فشار (MPa 6/0) می باشد. از روتامتر می توان به طور مستقیم به عنوان اندیکاتور (Indicator) در وسایل آنالیز کننده ی گاز و سایر دستگاه های مشابه استفاده نمود.

روتامترها غالبا از دو قسمت زیر تشکیل شده اند:

 یک لوله ی شیشه ای عمودی که از پایین به بالا به تدریج بر قطر آن افزوده می شود.

یک شاقول یا شناور که در داخل لوله شیشه ای قرار دارد و می تواند آزادانه به بالا یا پایین حرکت کند.

شامل 16 صفحه فایل word قابل ویرایش

شبکه های پر سرعت

اختصاصی از فایل هلپ شبکه های پر سرعت دانلود با لینک مستقیم و پر سرعت .

شبکه های پر سرعت

87 صفحه

خلاصه وضعیت (سابقه)     

شبکه اینترنت در طول عمر بیست و پنج ساه خود همواره به نحوی پیشرفت نموده است. که بتواند نیازهای روزافزون شبکه‏های Jpocket switched شبکه هایی که در آنها ابتدا پیام اولیه به قسمتهای کوچکتری تقسیم شده آنگاه این قطعات کوچک در به مقصد به یکدیگر پیوسته و پیام  نهایی را تشکیل می دهند.م.[ این شبکه به دلیل دارا بودن هزینه های اندک و معدود و قابلیت اطمینان بالا و سهولت تعمیر و نگهداری و همچنین نصب به نحوی چشمگیر گسترده شده و بخش بزرگی از شبکه جهانی اترنت و ترافیک وابسته به شبکه‏های اترنت ختم می گردد. از سوی دیگر به دلیل رشد روز افزون میزان سرعت شبکه‏های کامپیوتری، شبکه اترنت نیز همگام با افزایش سرعت رشد یافته و درجهت همسویی با این رشد سرعت پیشرفت نموده است.