منابع مقالات معتبر بین المللی

پروژه - فرمت ورد

تخمین بایاس برای ارزیابی سیستم نظارت ترافیک هوایی (ترجمه)…

چکیده

این مقاله به توصیف، برآورد بایاس برون خطی و سیستم اصلاح کنترل ترافیک هوایی مرتبط با حسگرها، که در تجهیزات توسعه یافته جدید تحت کنترل اروپا برای ارزیابی سیستم های نظارتی ATC (کنترل ترافیک هوایی) مورد استفاده قرار می گیرد، می پردازد. الگوریتم های تخمین بایاس اساس تمرکزشان را بر روی حسگرهای رادار قرار می دهند، اما راه اندازی حسگرهای جدید (به ویژه سامانه نظارتی اتوماتیک وابسته، و سامانه نظارتی چندگانه) نیازمند توسعه این روش ها می باشد. در این مقاله معماری تخمین بایاس بر مبنای مدل های خطا برای تمام حسگرها طراحی می گردد. مدل های خطای توصیف شده، وابسته به فیزیک فرایند اندازه گیری هستند. نتایج روش های تخمین بایاس با داده های شبیه سازی شده نشان داده می شود.

کلیدواژه: تخمین بایاس، کنترل ترافیک هوایی، ADS-B، سامانه نظارتی چندگانه

- مقدمه

TRES (بازسازی مسیر و مجموعه ارزیابی) در آینده نزدیک جایگزین بعضی از بخش های نسخه های کنونی مجموعه SASS-C (سیستم پشتیبان تحلیل نظارتی مراکز) می گردد [1]. این سیستمی می باشد که برای ارزیابی عملکرد مسیریابی چندحسگری/ چندهدف ATC (کنترل ترافیک هوایی) مورد استفاده قرار می گیرد. این مقاله به شرح معماری کلی سیستم های ارزیابی می پردازد، و جزییاتی را در مورد بعضی از عوامل مرتبط با فرصت بازسازی مسیر می دهد. فرصت بازسازی مسیر (OTR) به عنوان فرایند پیمانه ای در TRES می باشد که تمام داده های واقعی موجود از تمام حسگرها مورد استفاده قرار می گیرد تا به مسیر مناسبی برای تمام واپیماها در حوزه مورد نظر دست یابیم. این موارد نیازمند ارزیابی دققیق برای بازسازی مسیر، تخمین بایاس و اصلاح به منظور هماهنگی اندازه گیری های حسگر مختلف، و هموارسازی چندحسگر تطبیقی برای دستیابی به مسیرهای داخلی نهایی می باشد. باید اشاره کنیم که این یک فرایند پیمانه ای برون خطی بوده که بطور بلقوه کاملا متفاوت از سیستم های همجوشی داده تمام وقت معمول مورد استفاده در ATC (کنترل ترافیک هوایی) می باشد. ترتیب پردازش داده و تکنیک های پردازش متفاوت می باشند.

خرید

مطالب مرتبط

مقاله معماری ژنتیک فیزیک تخمین بایاس سامانه نظارتی چندگانه حسگر الگوریتم ژنتیک الگوریتم کنترل ترافیک هوایی
علی شنبه 1 فروردین 1394 ساعت 20:55
0 نظر

آرایش ژنتیکی (Genetic Placement)…

چکیده

یک الگوریتم آرایشی به نام Genie برای تخصیص مدول ها (modules) به مکان های موجود برروی قطعات ارائه می شود. Genie نوعی تطابق و انطباق تکنیک الگوریتم ژنتیکی است که درگذشته به عنوان ابزار جامعه هوش مصنوعی مورد استفاده بوده است. این تکنیک به نوعی به عنوان پارادایم آزمایش و بررسی فضای وضعیت محسوب می شود. این تکنیک با ملاحظه هم زمان و دستکاری مجموعه ای از جواب ها، به جواب های خود دست میابد. به عنوان مثال، راه ها جهت تولید و ایجاد راه حل های «فرزندان، با هم در جفت گیری» می کند. Genie در بسیاری از نمونه های آزمایشی کوچک به طور گسترده به آن ها پرداخته شده است. راه حل های مشاهده شده آن کاملاً خوب و در چند نمونه به صورت مطلوب بوده اند.

کلیدواژگان: آرایش، الگوریتم های ژنتیکی، VLSI، طرح فیزیکی

مقدمه

LAYOUT PROBLEM مشکل اصلی در طراحی قطعه های VLSI است. به دلیل پیچیدگی که دارد غالباً به چند مشکل فرعی مجزا تجزیه می شود:

1. طراحی قطعه

2. جزء بندی

3. آرایش

4. مسیریابی

در این مقاله به بررسی مشکل آرایش – تخصیص عناصر مدار به مکان های روی قطعه پرداخته می شود. مسئله آرایش عبارت است از مجموعه ای از عناصر مدار یا ورودی های m، { e m و ….، e 1} = M و مجموعه ای از سیگنال ها یا شبکه های n، { Sn و …، S1 } = N. شبکه عبارت است از مجموعه ای از مدال های به هم متصل. ما علاوه براین مجموعه ای از مکان های قطعه L یا Slot را ارائه خواهیم داد. وقتی L≥m است، { Cl و …..، C1 } = L. Solt ها به صورت یک ماتریس همراه با ردیف های r و ستون های C سازمان دهی می شوند. هدف از این، طراحی بهینه و مطلوب هر مدول متناسب با Solt خود آن در حالی که محدودیت های الکتریکی را تحقق می بخشد می باشد. در این وضعیت بهینگی و مطلوبیت بر اساس مسیریابی مورد انتظار آرایش اندازه گیری می شود. دو مؤلفه مشترک بسیاری از اندازه های مسیریابی عبارت است از برآورد میزان تراکم سیم و میزان سیم مورد نیاز برای مسیر تمام اتصالات و ارتباطات. به حداقل رساندن میزان تراکم سیم مورد انتظار اهمیت دارد به گونه ای که یک سیم کشی عملی معمولاً با تراکم کمتر راحتر است. کم کردن میزان مورد انتظار سیم نیز اهمیت دارد. به گونه ای میزان آماده سازی سیگنال مدار معمولاً نسبت معکوس با میزان سیم دارد.

خرید

مطالب مرتبط

مقاله فیزیک ترجمه مقاله ژنتیک هوش مصنوعی نیروگاه آبی پایگاه داده الگوریتم ژنتیک الگوریتم طرح فیزیکی
علی شنبه 1 فروردین 1394 ساعت 18:30
0 نظر

ترکیب الگوریتم ژنتیک و الگوریتم بهینه سازی ازدحام ذرات (سیستم توزیع)…

چکیده

منابع تولید پراکنده (DG) به علت تقاضای روبروی رشد انرژی دارای اهمیت زیادی در سیستم های توزیع می گردند. مکان ها و توانمندی های منابع تولید پراکنده تاثیر عمیقی در تلفات سیستم در شبکه توزیع داشته اند. در این مقاله، یک ترکیب نوینی از الگوریتم ژنتیک (GA) / بهینه سازی ازدحام ذرات (PSO) برای جایابی و یافتن اندازه بهینه تولید پراکنده در سیستم های توزیع معرفی می شود. هدف این است که تلفات توان شبکه کمینه شده، تنظیم ولتاژ بهتری صورت گرفته و پایداری ولتاژ در چارچوب قیود عملکردی و امنیتی سیستم در سیستم های توزیع شعاعی حاصل شود. یک تحلیل تشریحی روی سیستم های 33 و 39 باس انجام شده است تا کارائی روش ارائه شده نشان داده شود.

کلیدواژه: منابع تولید پراکنده، الگوریتم ژنتیک، گمارش، بهینه سازی ازدحام ذرات، اتلاف

مقدمه

سیستم های توزیع معمولا جهت تسهیل کارکرد به صورت طبیعی شعاعی هستند. سیستم های توزیع شعاعی (RDSs) تنها در یک نقطه که همان پست باشد تغذیه می شوند. این پست، توان (برق) را مراکز تولید مرکزی و از طریق شبکه انتقال دریافت می کند. کاربران نهائی برق نیز توان الکتریکی را از پست و از طریق سیستم توزیع شعاعی که یک شبکه پسیو است دریافت می کنند. لذا، عبور توان در سیستم توزیع شعاعی به صورت یک طرفه است. نسبت R/X بالا در خطوط توزیع منجر به افت ولتاژ بزرگ، پایداری ولتاژ کوچک و افزایش تلفات توان می شود. در شرایط بارگذاری بحرانی در برخی نواحی صنعتی خاص، سیستم توزیع شعاعی به علت مقدار کم شاخص پایداری ولتاژ، در بیشتر گره های خود یک فروپاشی ناگهانی ولتاژ را تجربه می کند.

خرید

مطالب مرتبط

ترجمه مقاله شبکه توزیع ولتاژ گمارش انرژی اتلاف الگوریتم ژنتیک بهینه سازی ازدحام ذرات الگوریتم منابع تولید پراکنده
علی شنبه 1 فروردین 1394 ساعت 18:23
0 نظر

پیاده سازی شبکه عصبی هوپفیلد مجتمع سازی گسترده دیجیتال…

چکیده

این مقاله در مورد پیاده سازی شبکه های عصبی Hopfield برای حل مسایل مربوط به محدودیت رضایت با استفاده از آرایه های گیت قابل برنامه ریزی میدان FPGA بحث می کند. این مقاله در مورد روش های فرمول بندی این مسایل همانند شبکه های عصبی گسسته بحث می کند، و سپس مساله N queen را با استفاده از فرمولبندی به دست آمده تشریح می کند. سرانجام، نتایج ارایه شده زمان های محاسبه یک کامپیوتر معمولی برای شبیه سازی اجرای شبکه Hopfield بر روی یک فضای کاری باکیفیت، مقایسه می کنند. در این روش، رشد پیشرفت قابل مشاهده می باشد که نشان می دهد حداکثر رشد 2 تا 3 برابر دامنه با استفاده از ابزارهای FPGA ممکن می باشد.

کلیدواژه: شبکه عصبی هوپفیلد، آرایه های گیت قابل برنامه ریزی میدان، مساله N queen

مقدمه

بسیاری از مسایل بهینه سازی تجارت و صنعت در عمل را می توان با استفاده از متغیرهای تصمیم گیری دودویی (باینری) ، به عنوان مسایل برنامه نویسی استاندارد ریاضی فرمول بندی کرد. حل این مسایل به دلیل طبیعت عصب سخت پیچیدگی آنها (NP hard) نیاز به بکاربری از فن آوری های هوشمند و الگوریتم های تقریبی دارند؛ در سال 1985 شبکه های عصبی برای حل این مشکل ارایه شدند، اما باز هم مسایلی همچون کیفیت ضعیف راه حل ها و عدم تضمین راه حل نهایی عملی مشکل ساز بودند. این مسایل اولیه امروزه برطرف شده اند. روش هایی برای کمک به شبکه عصبی Hopfield تا حداقل عملکرد انرژی ناحیه ای را تامین کند، ارایه شده اند و ساختار مناسب این عملکرد انرژی عملی بودن راه حل را تضمین می کند. با استفاده از این پیشرفت ها، نتایج شبکه عصبی به دست آمده اند که به طور موثری (و حتی بهتر) با دیگر فن آوری های هوشمند معروف مانند بازپخت شبیه سازی شده، رقابت می کنند.

خرید

مطالب مرتبط

شبکه عصبی پیشرفت رضایت کامپیوتر شبکه عصبی هوپفیلد برنامه نویسی انرژی آرایه گیت قابل برنامه ریزی میدان الگوریتم مقاله
علی شنبه 1 فروردین 1394 ساعت 14:25
0 نظر

کنترل توان راکتیو و ولتاژ در محیط تجدید ساختار شده…

تامین توان راکتیو و کنترل ولتاژ، نوعی کلیدی از خدمات جانبی در بازار برق تجدید ساختار شده می باشد. در این مقاله، مروری بر برخی مسایل مهم تامین توان راکتیو، شامل تحلیل هزینه، قیمت گذاری توان راکتیو، و ارزیابی، ارایه می شود. یک پخش بار بهینه (OPF) نیز مبنی بر نظریه ی قیمت گذاری زمان واقعی، بکار می رود. دو تابع دف به ترتیب مدل سازی می شوند: کمینه کردن تلفات شبکه، و کمینه کردن هزینه های کل برای تامین توان راکتیو. همچنین، از یک الگوریتم ژنتیک (GA) با مقادیر واقعی نیز، برای کمک به یافتن بهینه ی کلی و بررسی راه حل ها، استفاده می شود. همچنین، در بررسی ها از سیستم ۳۰-شینه IEEE استفاده می شود.

کلیدواژگان: کنترل ولتاژ توان راکتیو، خدمات جانبی، پخش بار بهینه، الگوریتم ژنتیک، هزینه توان راکتیو

پروژه کارشناسی ارشد برق

فایل محتوای:

  • اصل مقاله لاتین ۵ صفحه IEEE
  • متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش ۱۲ صفحه

خرید

مطالب مرتبط

ترجمه مقاله ژنتیک ولتاژ خدمات جانبی پروژه هزینه توان راکتیو الگوریتم ژنتیک پخش بار بهینه الگوریتم کنترل ولتاژ توان راکتیو
علی شنبه 1 فروردین 1394 ساعت 11:09
0 نظر