توسعه یک آنالیز و کنترل زمان واقعی مبنی بر FPGA برای واسط های تولید توزیع شده…

چکیده__ انرژِ بدست آمده از منابع تجدید پذیر این روزها بسیار مهم شده اند، و این اساسا بدلیل سهم ناچیزشان در تولید گازهای گلخانه ای است. مساله ای که مطرح می شود این است که چطور می توان این منابع جدید را به شبکه های سنتی برق اضافه کرد، بطوری که بازده و قابلیت اطمینان این سیستم های تولید توزیع شده (DG) بیشینه شود. سخت افزار مورد نیاز برای این کار بطور کلی یک اینورتر منبع ولتاژی (VSI) است که یک بار معمولی _مانند کاربردهای تک-فاز مسکونی و تجاری_ را تامین کند. همچنین، فرآیند بهینه سازی نایزمند تجزیه تحلیل های معمولی توان می باشد. این مقاله توسعه و ارزیابی های آزمایشی یک سیستم کنترل توان برای یک VSI متصل به شبکه تک-فاز، شامل تحلیل توان را، با استفاده از یک پردازشگر برای پیاده سازی کنترل _یک مدار "آرایه کیت قابل برنامه ریزی میدان" (FPGA) _ ارایه می دهد. ساختار جدید سخت افزار شبکه عصبی خطی تطبیقی (ADALINE) ، پیاده سازی الگوریتم های سیستم قدرت را ممکن ساخته، و همچنین اجازه تحلیل زمان-واقعی هارمونیک های مرتبه-بالا را بدون افزایش دادن ناحیه پیاده سازی مدار FPGA، خواهد داد. این ویژگی ها برای واسط های الکترونیک قدرتی DG جدید ایده آل می باشد، که می توان از آن نه تنها برای فرستادن توان اکتیو، بلکه برای جبران سازی هارمونیک ها و توان راکتیو نیز، استفاده کرد. شبیه سازی و نتایج تجربی طرح های پیشنهادی با فرکانس های ثابت و متغیر نیز، پیوست شده اند تا اعتبار انها مورد تاکید قرار گیرد.

کلیدواژگان:__ شبکه عصبی مصنوعی (ANN) ، تولید توان توزیع شده، تجزیه و تحلیل توان، آرایه های منطقی قابل برنامه ریزی، اندازه گیری توان، اعوجاج هارمونیکی کل.

پروژه کارشناسی ارشد برق

فایل محتوای:

  • اصل مقاله لاتین ۱۱ صفحه IEEE ۲۰۱۲
  • متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش ۳۸ صفحه

خرید

مطالب مرتبط

ترجمه مقاله روش یادگیری فازی Q برای هدایت کردن ربات خودکار…

دسته: کامپیوتر

حجم فایل: 956 کیلوبایت

تعداد صفحه: 14

روش یادگیری فازی Q برای هدایت کردن ربات خودکار

خلاصه- الگوریتم پیشنهاد داده شده مزیت هایی را از روش منطق فازی جفت شده و یادگیری Q برای برآورده ساختن نیازهای مربوط به هدایت کردن خودکار دریافت کرده است. سپس قوانین فازی یک تصمیم گیری و یک چارچوب کاری قابل قبول را برای مدیریت کردن عدم اطمینان ها فراهم می سازد و همچنین اجازه استفاده کردن از دانش سلسله واری را نیز می دهد. ساختار دینامیکی مربوط به یادگیری Q آن را به صورت یک ابزار متعهد در آورده است که تنظیم کننده پارامترهای تداخل فازی در زمانی است که دانش کمی در این زمینه وجود دارد یا اصلا وجود ندارد که در این صورت در سراسر دنیا در دسترس می باشد. ربات در سر تا سر دنیا به صورت مجموعه ای از جفت ها با فعالیت حرکتی مدل شده است. برای هر وضعیت فازی شده، برخی از فعالیت های پیشنهاد داده شده وجود دارد. وضعیت ها مرتبط با فعالیت های منطبق آن ها از طریق قوانین فازی می باشد که خود براساس استدالال انسانی هستند. ربات فعالیت تحریک شده بیشتری را برای هر وضعیت از طریق آزمایش های آنلاین انتخاب می کند. کارایی مربوط به روش پیشنهاد داده شده از طریق آزمایش هایی براساس ربات شبیه سازی شده Khepera موجود می باشد.

کلیدواژگان: یادگیری Q فازی- هدایت کردن خودکار- ربات Khepera

خرید

مطالب مرتبط

ترکیب سنی و برآورد سن از طریق چهره…

چکیده

سن انسان، به عنوان یکی از خصوصیات فردی مهم، که می تواند مستقیما توسط طرح های متمایزی که از حالت چهره ناشی می گردد، تشخیص داده شود. به دلیل پیشرفت های سریع در گرافیک کامپیوتر و دید ماشینی، ترکیب سنی مبتنی بر کامپیوتر و برآورد آن از طریق چهره ها، اخیرا به عنوان موضوع رایج خاصی تبدیل شده که این به دلیل ظهور برنامه های کاربردی حقیقی زیادی در همانند هنرهای بدیعی، مدیریتارتباط با مشتری الکترونیکی، کنترل امنیتی و نظارت بر نظارت، زیست سنجی، سرگرمی و هنر بدیعی می باشد. ترکیب سنی به معنی بازتفسیر تصویرچهره از نظر زیباشناختی به همراه روند پیری طبیعی و تاثیرات جوان سازی بر روی چهره فرد می باشد. برآورد سن بر مبنای دسته بندی تصویرچهره به صورت اتوماتیک با در نظر گرفتن سن دقیق (سال) یا گروه سنی (محدوده سنی) چهره افراد، تعریف می گردد. به دلیل جزییان و پیچیدگی، هر دو مسئله دارای جذابیت بوده، با این وچود برای طراحان سیستم برنامه های کاربردی بر مبنای کامپیوتر را به چالش می کشد. تلاش های زیادی در بخش های علمی و صنعتی در طی چند دهه گذشته به این موضوع اختصاص داده شده است. در این مقاله، به بررسی تکنیک های امروزی در ترکیب سنی بر مبنای تصویرو موضوعات برآورد می پردازیم. مدل های موجود، الگوریتم های رایج، عملکردهای سیستم، مشکلات فنی، پایگاه داده عمومی پیر شدن چهره، پروتکل های ارزیابی، و مسیرهای های نوید بخش آینده، با بحث های نظامند مد نظر قرار می گیرد.

کلیدواژه: پیری چهره، برآورد سن، ترکیب سنی، توالی سن، بررسی

مقدمه

به عنوان «پنجره ای به سمت روح بشر» چهره انسان اطلاعات قابل قبول مهمی را در ارتباط با خصوصیات فردی منتقل می کند. خصوصیات انسانی توسط مشخصه های چهره همانند هویت فردی، حالت چهره، جنسیت، سن، اصالت نژاد، و ژست، توجه زیادی را در دهه های گذشته از بخش های آکادمیکی و صنعتی به سمت خود معطوف داشته، از این رو تکنیک پردازش نمای چهره کاربردهای زیادی را در حوزه تصویر و گرافیک کامپیوتری ایجاد کرده است. دو مشکل اساسی در ارتباط با پیشرفت این تکنیک ها، الهام دهنده می باشد.

خرید

مطالب مرتبط

بهینه سازی آماری متغیرهای فرآیند فیزیکی برای تولید بیو پلاستیک توسط آلکالی ژن اس پی…

چکیده

در مقاله حاضر، تلاش هایی برای بهینه سازی متغیرهای فرایند فیزیکی یعنی؛ pH، دما و سرعت همزدن برای افزایش تولید پلی هیدروکسی بوتیرات (PHB) در کشت دسته ای توسط آلکالی ژن های Sp صورت گرفته است، که بعنوان پیش ماده برای تولید پیش سازهای بیوپلاستیک ها (PHB) بکار می رود. انتخاب جریان توسط روش رنگ آمیزی بادوام با استفاده از رنگ نیل آبی A انجام می گیرد. در کشت و صنعت محصولات، ملاس نیشکر و اوره به عنوان منبع کربن و نیتروژن برای تولید PHB مورد استفاده قرار گرفت. بهینه سازی متغیرهای فرآیند فیزیکی توسط طراحی قابل گردش کامپوزیت مرکزی (CCRD) با استفاده از کارشناس نرم افزار طراحی (DX 8.0.6) انجام شد. لرزش فلاسک کشت تحت شرایط مطلوب یعنی، دمای 34.5 درجه سانتیگراد، pH 6.54 و سرعت همزدن 3.13 هرتز، دارای عملکرد بخش PHB 76.80٪ در بستر ملاس خشک است و در حدود 98٪ با عملکرد درصد پیش بینی شده 77.78٪ شباهت نشان داد. کشت دسته ای بیشتر در 7.5 L در مقیاس راکتوری آزمایشگاه (حجم کارکردی: 5.6 L) تحت شرایط بهینه حداکثر زیست توده سلولی gL-10.511را با PHB با محتوای gL-10.48.8، پس از 48 ساعت تخمیر ایجاد می نماید. مطالعه مقیاس بیو راکتوری دارای حداکثر بازده PHB، (YP / X) و بهره وری 0.78 و gL-1 h0.19 بود که بیشتر از گزارش های قبلی تحت شرایط یکسان است. خواص PHB توسط FTIR انجام شد.

کلیدواژه: آلکالی ژن های sp، متغیرهای فرایند فیزیکی، بهینه سازی، تولید PHB، خصوصیات

خرید

مطالب مرتبط

طبقه بندی سری زمانی با با مدل ترکیب گاوس از فضای مراحل بازسازی شده…

چکیده

روش جدید از طبقه بندی جدید سیگنال ارائه شده که بر مبنای مدل سازی دینامیک سیستم بوده که در فضای مراحل بازسازی مورد محاسبه قرار می گیرد. این مدل سازی ها با استفاده از مدل ترکیبی کوواریانس گاوس در ارتباط با حوزه زمانی در مقایسه با تحقیقات های حال حاضر و گذشته در طبقه بندی سیگنال ها انجام می گیرد که معمولا تمرکز آن بر روی تحلیل سیستم های خطی با استفاده از مقدار بسامد یا مدل های یادگیری ماشینی غیر خطی ساده همانند شبکه های عصبی مصنوعی می باشد. روش مطرح شده دارای پایه نظری قوی بر مبنای سیستم های دینامیکی و قضایای توپولوژی می باشند که منجر به بازسازی سیگنال شده که با در نظر گرفتن پارامترهای انتخابی مناسب، به طور جانبی نماینده سیستم زیرین می باشد. این الگوریتم ها به طور اتوماتیک این پارامترها را محاسبه کرده تا فضاهای مراحل بازسازی شده را بازسازی را شکل داده وتنها نیازمند تعدادی از آمیزه ها، سیگنال ها و تیکت دسته ها به عنوان توان ورودی می باشد. سه مجموعه داده مجزا برای تایید مورد استفاده قرار می گیرند که شامل شبیه سازی جریان موتوری، دستگاه ثبت ضربان قلب و شکل امواج گفتار می باشد. نتایج نشان می دهد که روش های مطرح شده در حوزه های مختلف اثرگذار بوده و به طور قابل توجهی در مسسیر شبکه های عصبی بر مبنای وقفه زمانی بکار گرفته شده که به عنوان مبنا می باشد.

کلیدواژه: طبقه بندی سیگنال ها، مراحل بازسازی، مدل ترکیبی گاوس.

مقدمه

اکثر فعالیت ها در ارتباط با طبقه بندی و تعیین سیگنال ها بر مبنای تجزیه و تحلیل سیستم های خطی می باشد و از ویژگی هایی براساس ارائه بسامدها استفاده می کنند. همچنین فعالیت های گسترده ای بر مبنای آشکار کردن سیگنال ها و طبقه بندی آن ها در حوزه ارتباطی وجود دارد که بر مبنای نظریات آماری می باشد. گزینه های مربوط به این روش ها شامل طبقه بندی های غیر خطی همانند شبکه های عصبی و یا دستگاه های حامی بردارها و همچنین تکنیک های طبقه بندی شده و مشابه در ارتباط با سری های اطلاعاتی جدید می باشد.

خرید

مطالب مرتبط