تشخیص عیوب ماشین های الکتریکی یکی از دروس اختیاری رشته کارشناسی ارشد برق قدرت است که اهمیت فراوانی در رفع عیوب موتورهای الکتریکی و در نتیجه عدم توقف خطوط تولید واحدهای صنعتی دارد. فایل مذکور شامل 2 سری از نمونه سوالات امتحانی پایان ترم درس تشخیص عیوب ماشینهای الکتریکی می باشد.
پایان نامه کارشناسی رشته مهندسی برق با عنوان تشخیص پلاک خودرو با استفاده از متلب آماده دانلود می باشد.
محتویات فایل: فایل زیپ حاوی یک فایل pdf
تعداد صفحه:104
دانشگاه: فنی و حرفه ای - دانشکده انقلاب اسلامی تهران
چکیده
مکان یابی پلاک به عنوان اولین گام در جهت شناسایی پلاک وسا یل نقلیه مطرح است . در این مقاله روشی جهت یافتن مکان پلاک خودرو در تصاویر با ویژگی ها و پس زمینه های متنوع و پیچیده ارائه میگردد . الگوریتم پیشنهادی ، یکبار بر روی تصویر اصلی ، اجرا می شود و از مفاهیم ساده ای مانند آستانه گذاری، عملیات مورفولوژی و تشخیص لبه برای قطعه بندی تصویر استفاده مینماید . سپس با بررسی برخی معیارهای هندسی پلاک مانند مساحت، نسبت طول به عرض، چگالی لبه ها و ... نواحی کاندید پلاک مشخص میگردد . در نهایت ناحیه کاندید انتخاب شده جدا میشود و تک تک ارقام ان با یک تکنیک مناسب از هم جدا شده و با یک معیار اعتماد جهت تشخیص میزان شباهت بین ارقام جدا شده پلاک خودرو با مقایسه ارقام ذخیره شده در سیستم شماره های پلاک تعیین می گردند . این روش برای تعدادی از تصاویر واقعی که دارای شرایط تصویربرداری متفاوت می باشند، نتایج مناسبی داشته است.
دانلود پژوهش تشخیص بن بست در سیستمهای توزیع شده
این فایل در قالب Word قابل ویرایش، آماده پرینت و ارائه به عنوان پروژه پایانی می باشد
قالب: Word
تعداد صفحات: 121
امروزه کمتر سیستمی را می توان یافت که روی یک کامپیوتر متمرکز باشد. رشد روزافزون استفاده از سیستمهای توزیع شده، اهمیت تحقیق و پژوهش در راستای حل موانع و مشکلات موجود در این سیستمها را بیشتر آشکار می نماید. از جمله سیستمهای توزیع شده می توان به بانکهای اطلاعاتی توزیع شده، سیستم عاملهای توزیع شده، و سیستمهای کارگزار موبایل اشاره نمود. سیستم توزیع شده از مجموعه ای از فرآیندهایی که از طریق ارسال پیام با یکدیگر در ارتباط اند،تشکیل شده است. یکی از مسائل مهم در سیستمهای توزیع شده در راستای مدیریت منابع، تشخیص بن بست توزیع شده است. مدیریت منابع زمانی که فرایندهای درخواست کننده در سطح شبکه در مکانهای مختلف توزیع شده اند،فرایند تشخیص را نسبت به سیستمهای متمرکز، دشوارتر می نماید. طی دهه اخیر الگوریتم های زیادی برای تشخیص بن بست در سیستم های توزیع شده ارائه شده است که تعداد زیادی از آنها موفق به تشخیص بن بست نمی شوند و یا بن بست هایی را گزارش می کنند که در واقع وجود ندارند و یا اینکه اثبات شده است که نادرست اند. هدف از این تحقیق مطالعه و بررسی روشهای مختلف تشخیص بن بست در سیستمهای توزیع شده، شناسایی مشکلات، محدودیت های آنها و ارائه راه حل عملی مبتنی بر واقعیات موجود در سیستمهای توزیع شده در خصوص مشکلات شناسایی شده است.
فهرست:
مقدمه
فصل اول: تشخیص بن بست در سیستم های توزیع شده
مفاهیم پایه
انواع مدل های بن‌بست بر اساس سیستم تبادل پیام
انواع مدل های بن‌بست بر اساس نوع درخواست
شرایط وجود بن‌بست
طبقه‌بندی الگوریتم‌های تشخیص بن‌بست
فصل دوم: مروری بر الگوریتم‌های تشخیص بن‌بست
مقدمه
نمونه‌ای از الگوریتم متمرکز جهت تشخیص بن‌بست در سیستم های توزیع شده
الگوریتم هو رامامورتی
نمونه‌ای از الگوریتم‌های تشخیص بن‌بست سلسله مراتبی
الگوریتم منساس – مانتر
الگوریتم هو – رامامورثی
نمونه‌هایی از الگوریتم‌های توزیع‌شده
الگوریتم تشخیص بن‌بست چندی – مسیرا – هاس
الگوریتم محاسبه پخش کردن چندی – مسیرا – هاس
الگوریتم براچا – توگ
الگوریتم منساس و مانتز الگوریتم ابرمارک
الگوریتم ابرمارک
الگوریتم بدالض
فصل سوم: مروری بر الگوریتم‌های تشخیص بن‌بست توزیع شده تعقیب یال
مقدمه
بررسی الگوریتم‌های تشخیص بن‌بست تعقیب یال
الگوریتم میچل و مریت
الگوریتم سینها و ناتارجان
الگوریتم چودهاری – کوهلر – استنکویچ و توسلی
الگوریتم سینقال و شمکالیانی
تشخیص بن‌بست توزیع شده و حل آن بر اساس ساعت های سخت‌افزاری
ارائه روشی برای حذف بن‌بست نادرست در الگوریتم‌های تشخیص بن‌بست
نتیجه‌گیری
فصل چهارم: الگوریتم‌های تشخیص بن‌بست توزیع شده تحمل خطاپذیر
مقدمه
مروری بر الگوریتم‌های تحمل‌پذیر خطا جهت تشخیص بن‌بست
معرفی مدل سیستم تشخیص خرابی بر اساس شاخص زمان اتصال
یک الگوریتم تشخیص بن‌بست توزیع شده تحمل‌پذیر خطا
اثبات درستی الگوریتم
نتیجه‌گیری
فصل پنجم: تشخیص و حل بن‌بست در سیستمهای نماینده موبایل
مقدمه
معرفی سیستم های نماینده موبایل (نسل آینده سیستم های توزیع شده)
تشخیص بن‌بست توزیع‌شده در سیستمهای نماینده موبایل
معایب الگوریتم اصلی و مشکلات کارایی الگوریتم
الگوریتم تشخیص بن‌بست توزیع شده مبتنی بر اولویت بهبودیافته
آنالیز کارایی الگوریتم بهبود یافته
اثبات درستی الگوریتم
نتیجه‌گیری
فهرست منابع
پیوست‌ها
شرح مختصر : امروزه پایش وضعیت تولیدات مکانیکی مخصوصاً ماشین های دوار ، به منظور بالا بردن سطح کیفی و اطمینان از صحت عملکرد آنها ، کاربرد زیادی پیدا کرده است . در این راستا سیستم های مبتنی بر هوش مصنوعی به طور گسترده ای برای یافتن عیوب پیش آمده مورد استفاده قرار گرفته اند . ولی پراکندگی موجود در انواع روش های بکارگرفته شده ، انتخاب یک روش کاربردی را مشکل ساخته است . به همین علت در این پژوهش مطالعه ای بر روی طیف وسیعی از این روش ها که اغلب در سال های اخیر مطرح شده اند ، صورت گرفته است .همچنین در رابطه با پیشینه و تئوری آنها مطالبی بیان شده است . سپس برای یافتن راهکاری مناسب ، مزایا و معایب هر روش در جدول هایی گردآوری شده و در نهایت تحت یک مدل مقایسه ای ارزیابی شده اند . تلاش شده این مزایا و معایب بر پایه ی مکتوبات و مستندات سال های اخیر جمع آوری شود . نتایج نشان می دهد که برای یافتن عیوب یک چرخ دنده ، بکار گیری سیگنال ارتعاشی و آنالیز موجک بسته ای به همراه روش PCA برای انتخاب ویژگی های موثر و شبکه ی عصبی برای تفکیک عیوب ، بسیار مناسب می باشد . در پایان این پژوهش برای یافتن سلامت چرخ دنده ی یک جعبه دنده ی نمونه از توالی روش های گفته شده استفاده گردیده و نتایج آن نشان داده شده است
شرح مختصر : با توجه به اهمیت و کاربرد روزافزون تشخیص و ردیابی اشیای متحرک در زنجیره تصاویر ویدیویی، نیاز به سیستمهای خودکار بلادرنگ با کارایی بالا در کاربردهای مراقبتی و امنیتی بیش از پیش احساس میشود. در این پایان نامه ابتدا الگوریتم‌های تشخیص و جداسازی اشیای متحرک با تاکید بر کاربردهای مراقبتی مورد بررسی و تحلیل قرار گرفته است. سپس با به کارگیری یکی از روش های حذف پس زمینه و ترکیب آن با روش بیزین، یک الگوریتم ترکیبی بهینه و قابل استفاده در کاربردهای نظارتی ارایه خواهد شد. این الگوریتم که به سطوح خاکستری قابل اعمال است، مبتنی بر استقلال خطی بردارها بوده و در برابر تغییرات محلی و سراسری روشنایی مقاوم است. به علاوه نیازی به تنظیم پارامترها ندارد و نسبت به تغییرات تکرار شونده پس زمینه نیز حساسیت کمی از خود نشان می دهد. برخلاف سایر روش های آشکارسازی مبتنی بر تئوری بیزین، این روش به محاسبات کمی نیاز دارد و می تواند در سیستم های بلادرنگ به کار گرفته شود. در ادامه سعی شده تا با استفاده از الگوریتم حذف تطبیقی نویز (ANC) و ترکیب آن با الگوریتم بیزین، یک روش تطبیقی جدید برای آشکارسازی اشیا نیز ارائه شود. در این روش پیکسل های مربوط به پیش زمینه و پس زمینه بدون نیاز به هیچ گونه اطلاعات قبلی و با استفاده از یک فیلتر تطبیق پذیر از یکدیگر متمایز می شوند. نتایج اولیه شبیه سازی، حاکی از قابلیت گسترش این ایده برای استفاده در سیستم های آشکارسازی می باشد