پروژه درس شبکه عصبی

عنوان: پروژه درس شبکه عصبی

فرمت فایل: word

تعداد صفحات: 49

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

پایان نامه کنترل دور موتور القایی به روش شبکه عصبی

مشخصات مقاله:

دسته : رشته برق

عنوان پایان نامه : پایان نامه کنترل دور موتور القایی به روش شبکه عصبی

قالب بندی : pdf

قیمت : 2800 تومان

شرح مختصر: مطالعه شبکه های عصبی مصنوعی تا حد زیادی ملهم از سیستم های یادگیر طبیعی است که در آنها یک مجموعه پیچیده از نرونهای به هم متصل در کار یادگیری دخیل هستند.گمان میرود که مغز انسان از تعداد ۱۰ ۱۱ نرون تشکیل شده باشد که هر نرون با تقریبا ۱۰۴ نرون دیگر در ارتباط است.سرعت سوئیچنگ نرونها در حدود ۱۰-۳ ثانیه است که در مقایسه با کامپیوترها ۱۰ -۱۰ ) ثانیه ( بسیار ناچیز مینماید. با این وجود آدمی قادر است در ۰٫۱ ثانیه تصویر یک انسان را بازشناسائی نماید. این قدرت فوق العاده باید از پردازش موازی توزیع شده در تعدادی زیادی از نرونها حاصل شده باشد. شبکه عصبی مصنوعی روشی عملی برای یادگیری توابع گوناگون نظیر توابع با مقادیر حقیقی، توابع با مقادیر گسسته و توابع با مقادیر برداری میباشد.یادگیری 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. این روش در مقایسه با روشهای دیگر نظیر درخت تصمیم نیاز به زمان بیشتری برای یادگیری دارد. در این پروژه ابتدا به بررسی کنترل دور موتور القایی به صورت تثبیت ولتاژ و فرکانس، کنترل دور با داخل کردن مقاومت در مدار روتور و … اشاره شده است و سپس برمبنای توانایی شبکه عصبی در تقریب و کنترل توابع غیر خطی و با توجه به اینکه موتور القایی خود ساختار غیر خطی دارد ، یک مدل شبکه عصبی برای موتور القایی ساخته می شود . برای ایجاد این مدل ولتاژ و جریان موتور به عنوان ورودی و گشتاور و سرعت موتور به عنوان خروجی فرض می شود . و شبکه عصبی به ازای تعدادی از داده های ورودی – خروجی آموزش داده خواهد شد . مدل بدست آمده تقریب خوبی نسبت به مقادیر واقعی موتور بدست می دهد.

پروژه تشخیص چهره با MLP در نرم افزار متلب

در این پروژه یک مساله طیقه بندی با استفاده از شبکه عصبی پرسپترون چند لایه انجام شده است. 40 کلاس  تصویر چهره که هر کلاس شامل 10 تصویر می باشد یعنی در مجموع 400 تصویر با استفاده از MLP طبقه بندی شده است. ویژگی استفاده شده برای تصاویر چهره تبدیل فوریه می باشد. دقت شبکه در شناسایی تصاویر 87.5% می باشد. فایل گزارش Word و pdf پروژه نیز به همراه آن قرار داده شده است.

پروژه تشخیص چهره با SVM در نرم افزار متلب

در این پروژه 40 کلاس از تصاویر چهره که هر کلاس شامل 10 تصویر می باشد با استفاده از طبقه بند SVM، طبقه بندی شده است. میزان درصد درستی طبقه بند 89% می باشد. فایل گزارش Word و pdf پروژه نیز به همراه آن قرار داده شده است.

پایان نامه برق - 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.

تعداد صفحات 125 word

فهرست مطالب:

چکیده

مقدمه۲

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

۱-۱-مقدمه۳

۱-۲-بررسی انواع تنشهای وارد شونده بر ماشین القایی۴

۱-۲-۱-تنشهای موثر در خرابی استاتور۴

۱-۲-۲- تنشهای موثر در خرابی روتور۵

۱-۳- بررسی عیوب اولیه در ماشینهای القایی۸

۱-۳-۱- عیوب الکتریکی اولیه در ماشینهای القایی۱۰

۱-۳-۲- عیوب مکانیکی اولیه در ماشینهای القایی۱۷

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

۲-۱-تئوری تابع سیم پیچ۲۱

۲-۱-۱-تعریف تابع سیم پیچ۲۱

۲-۱-۲-محاسبه اندوکتانسهای ماشین با استفاده از توابع سیم پیچ۲۶

۲-۲-شبیه سازی ماشین القایی۲۹

۲-۲-۱- معادلات یک ماشین الکتریکی باm سیم پیچ استاتور و n سیم پیچ روتور۳۲

۲-۲-۱-۱-معادلات ولتاژ استاتور۳۲

۲-۲-۱-۲- معادلات ولتاژ روتور۳۳

۲-۲-۱-۳- محاسبه گشتاور الکترومغناطیسی۳۵

۲-۲-۱-۴- معادلات موتور القای سه فاز قفس سنجابی در فضای حالت۳۶

۲-۳- مدلسازی خطای حلقه به حلقه و خطای کلاف به کلاف۴۴

فصل سوم: آنالیز موجک و تئوری شبکه های عصبی

۳-۱-تاریخچه موجک ها۵۴

۳-۲-مقدمه ای بر خانواده موجک ها۵۴

۳-۲-۱-موجک هار۵۵

۳-۲-۲- موجک دابیشز۵۵

۳-۲-۳- موجک کوایفلت۵۶

۳-۲-۴- موجک سیملت۵۶

۳-۲-۵- موجک مورلت۵۶

۳-۲-۶- موجک میر۵۷

۳-۳- کاربردهای موجک۵۷

۳-۴- آنالیز فوریه۵۸

۳-۴-۱- آنالیز فوریه زمان-کوتاه۵۸

۳-۵-آنالیز موجک۵۹

۳-۶- تئوری شبکه های عصبی۶۹

۳-۶-۱- مقدمه۶۹

۳-۶-۲- مزایای شبکه عصبی۶۹

۳-۶-۳-اساس شبکه عصبی۶۹

۳-۶-۴- انواع شبکه های عصبی۷۲

۳-۶-۵-آموزش پرسپترونهای چند لایه۷۶

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

۴-۱- اعمال تبدیل موجک۷۹

۴-۲- نتایج تحلیل موجک۸۱

۴-۳- ساختار شبکه عصبی۹۴

فصل پنجم: نتیجه گیری و پیشنهادات..

نتیجه گیری۹۷

پیشنهادات۹۸

پیوست ها۹۹

منابع و ماخذ

فارسی۱۰۰

منابع لاتین۱۰۱

چکیده لاتین۱۰۵