دانلود پایان نامه تخمین آبشستگی در پائین دست جت ریزشی با استفاده از شبکه عصبی

پایان نامه تخمین آبشستگی در پائین دست جت ریزشی با استفاده از شبکه عصبی پایان نامه تخمین آبشستگی در پائین دست جت ریزشی با استفاده از شبکه عصبی

دسته بندی	عمران
فرمت فایل	doc
حجم فایل	11893 کیلو بایت
تعداد صفحات فایل	159

پایان نامه تخمین آبشستگی در پائین دست جت ریزشی با استفاده از شبکه عصبی

چکیده  

جت های ریزشی در اثر عبور آب روی سازه های هیدرولیکی (سازه هایی چون سرریز وکالورت ) بوجود می آیند. محل برخورد جت با بستر به یک کاهنده انرژی جریان تبدیل شده و حفره آبشستگی شکل می گیرد. این پدیده باعث ناپایداری کل یا قسمتی از سازه می شود. فرآیند آبشستگی در خروجی کالورت به عوامل متعددی چون جنس خاک، دبی، شعاع هیدرولیکی، ارتفاع ریزش، عمق پایاب، شیب کالورت و مهمتر از همه زمان وابسته است. از این رو سعی شد از رابطه ای استفاده شود که اثر توأم پارامترهای فوق را نشان دهد.

 هر چند تحقیقات بسیاری در خصوص نقش پارامتر زمان در فرایند تشکیل حفره آبشستگی صورت گرفته، ولی در خصوص چگونگی تأثیر آن و اینکه تا چه حد در این فرایند مؤثر است، تا کنون نتایج قابل توجهی حاصل نشده است. در این تحقیق پارامترهای موثر بر ابعاد حفره آبشستگی در دو بخش کلی بررسی شده و جهت برآورد شبکه عصبی مناسبی برای ایجاد رابطه غیر خطی  که ابعاد آبشستگی را بر اساس پارامترهای مختلف هیدرولیکی ارائه شده است. برای ایجاد رابطه مناسب و طراحی شبکه عصبی از روش ^FF با الگوریتم آموزش ^BP استفاده شده است.   بخش اول ، پارامترها به صورت بعد دار و بی بعد  در شبکه عصبی در محیط ^MATLAB  مدل شده است. در حالت بی بعد روابط ارائه شده توسط شبکه عصبی با روابط مدل رگرسیونی بدست آمده، مقایسه گردید. در بخش بعدی روابط در دو حالت خاص (پارامترهای رابطه ^DOT  و  رابطه اصلاحی^DOT توسط مهدوی زاده ) ارئه گردید.  

مقدمه

آبشستگی هرچند سابقه طولانی در علم هیدرولیک دارد ولی به علت دامنه وسیع متغیرها و  گستردگی پارامتر های موثر بر آن و شرایط گوناگون که در این پدیده وجود دارد ، تا کنون رابطه دقیقی که بتواند تخمین مناسبی از ابعاد حفره آبشستگی بدهد در دسترس نمی باشد ومطالعه در این مورد همچنان مورد توجه محققین این علم است. 

پیش بینی ابعاد حفره آبشستگی  پائین دست سازه های کنترل یکی از مهمترین و مشکل ترین مراحل در طراحی فونداسیون این سازه ها است. طراحی بایستی با توجه به ابعاد حفره ایجاد شده بصورتی باشد که احتمال شکست و واژگونی سازه حداقل گردد.  

فصل اول :

این فصل شامل مقدمه و هدف از تحقیق حاضر می باشد و اطلاعات کلی را در مورد پایان نامه بیان  می کند. 

فصل دوم: 

این فصل مروری بر مطالعات انجام شده می باشد که به بررسی پارامترهای مؤثر در فرآیند تشکیل حفره آبشستگی در پائین دست جت ریزشی بر اساس تحقیقات انجام شده پرداخته شده است. 

فصل سوم: 

در این فصل مبانی اساسی شبکه عصبی بیان شده و به نحـوه مـدل کـردن شـبکه عصـبی در محـیطMATLAB پرداخته شده است.  

فصل چهارم: 

در این فصل به نحوه مطالعات آزمایشگاهی که اطلاعات آن مورد استفاده قرار گرفته پرداختـه شـده وهمچنین فرمولهای تجربی و تحقیقات آزمایشگاهی که در این تحقیق اسـتفاده شـده ، ارائـه گردیـده  است. 

فصل پنجم : 

در این فصل به بررسی شبکه عصبی مصنوعی و کابرد آن در پیش بینی حفره آبشستگی ناشی از جت های ریزشی و تجزیه و تحلیل نتایج ناشی از آن پرداخته شده و همچنین روابط بدست آمده از شـبکهعصبی ارئه گردیده است.  

فصل ششم : 

در این فصل به اختصار نتایج نهایی حاصل از انجـام ایـن تحقیـق مطالعـه انجـام شـده بیـان شـد ه و پیشنهاداتی در این زمینه در جهت ادامه کار ارائه شده است.  

قسمتی از متن

دیاگرام شیلدز :

شیلدز اولین کسی بود که مطالعات بنیادی برای یافتن رابطه ای در آسـتانه حرکـت ذرات انجـام داد.

وی با نموداری که ارائه داد ابزاری جهت استفاده طراحان فراهم آورد تا نسبت به پایدرای کانالهـای  خاکی و رودخانه ای اظهار نظر نمایند.

دیاگرام گسلر  

مطالعات گسلر در رابطه با شروع حرکت ذره نشان داد که خط نشان دهنده آستانه حرکت در دیاگرام شیلدز بخصوص برای حالت جریان کاملا متلاطم و بستر زبر باید مقداری اصلاح گردد.   

تئوری وایت  

وایت تنها نیرویی را که باعث غلتیدن ذره می شود،  نیروی رانش و نیروی مقاوم در مقابـل حرکـت رانیروی وزن اشباع ذره فرض کرد. 

روش کالینسکی  

نکته مهی که کالینسکی ابراز داشته،  این است کـه در نزیکـی ذره،  تـنش برشـی متناسـب اسـت بـامجذور سرعت در نزدیکی ذره است.  

فهرست مطالب

چکیده ................................................................................................................................................................................. 1

مقدمه .................................................................................................................................................................................. 2

فصل اول : تعریف مسئله و هدف از انجام پایان نامه   

1- 1-  فرسایش و مفهوم آستانه حرکت .............................................................................................................................. 4

1- 2-  فرآیندهای آبشستگی ................................................................................................................................................ 6

1- 2- 1-  آبشستگی در جلوی اپی ها .................................................................................................................................. 6

1- 2- 2-  آبشستگی در  خروجی کالورت ها ....................................................................................................................... 7

1- 2- 3-  آبشستگی در  پائین دست سازه های هیدرولیکی کوتاه ..................................................................................... 7

1- 3- جت ها و سرریزهای نوع سقوط آزاد ......................................................................................................................... 7

1- 4-  اهمیت آبشستگی در جت ریزشی ............................................................................................................................ 9

1- 5-  اهداف تحقیق حاضر .............................................................................................................................................. 10 

فصل دوم : مروری بر مطالعات انجام شده  

مقدمه ............................................................................................................................................................................... 11

2- 1- نتایج محققین قبلی ............................................................................................................................................... 11

2- 1- 1- تاثیر عمق پایاب ................................................................................................................................................ 14

2- 1- 2- تاثیر قطر ذره رسوب( d50)ودانه بندی آن .................................................................................................... 17

2- 1- 3 تاثیر نوع خاک ..................................................................................................................................................... 18

2- 1- 4-  تأثیر دبی یا سرعت جریان جت خروجی ......................................................................................................... 20

2- 1- 5 تاثیر ارتفاع ریزش ............................................................................................................................................... 24

2- 1- 6  تاثیر زاویه جت ................................................................................................................................................... 30

2- 1- 7  تاثیر اختلاف چگالی ........................................................................................................................................... 32

2- 1- 8-  تاثیر ابعاد و شکل جت ...................................................................................................................................... 32

2- 1- 9-  تأثیر شیب کالورت ............................................................................................................................................ 37

2- 1- 10 تاثیر هوای ورودی به جت در میزان آبشستگی ................................................................................................ 38

2- 1- 11-  تا ثیر زمان بر میزان آبشستگی ...................................................................................................................... 39

2 2 تخمین آبشستگی بوسیله شبکه عصبی مصنوعی .................................................................................................41

2 3 جمع بندی ............................................................................................................................................................. 45

فصل سوم : شبکه های عصبی مصنوعی و مبانی آن  

مقدمه..............................................................................................................................................................................................46

3- 1-  شبکه های عصبی مصنوعی ....................................................................................................................................46

3- 1- 1-  مزایا و محدودیت های شبکه های عصبی......................................................................................................... 47

3- 1- 2-   مغز انسان ......................................................................................................................................................... 50

3- 1- 3-  هوش مصنوعی وشبکه های عصبی ................................................................................................................... 51

3- 1- 4-  اجزای یک شبکة عصبی ..................................................................................................................................... 52

3- 1- 4- 1-  ورودی ها ....................................................................................................................................................... 52

3- 1- 4- 2-  بردار وزن ....................................................................................................................................................... 53

3- 1- 4- 3-  تابع جمع ...................................................................................................................................................... 53

3- 1- 4- 4-  تابع تبدیل یا تحریک .................................................................................................................................... 53

3- 1- 4- 5-  خروجی ......................................................................................................................................................... 55

3- 1- 5-  معماری های شبکه ............................................................................................................................................56

3- 1- 6-  فرآیند یادگیری  .............................................................................................................................................60

3- 2-  وارد کردن ورودی ها در محیط MATLAB ......................................................................................................63

3- 3-  مدیریت داده ها و  شبکه عصبی مورد نظر ............................................................................................................63

3- 4-  ساختن شبکه جدید ...............................................................................................................................................64

3- 4- 1 مشخص کردن نوع شبکه .....................................................................................................................................64

3- 4- 2-  مشخص کردن تابع آموزش ................................................................................................................................ 66

3- 4- 3-  مشخص کردن تابع یاد گیری ............................................................................................................................68

3- 4- 4-  مشخص کردن تابع اجرا .....................................................................................................................................68

3- 4- 5-  مشخص کردن تعداد لایه ها ..............................................................................................................................69

3- 4- 6-  مشخص کردن تعداد نرونها ................................................................................................................................69

3- 4- 7-  مشخص کردن توابع انتقال ................................................................................................................................69

3 5 مقدار دهی اولیه توسط شبکه (Initializing Weight) ..................................................................................71

3 6 شبیه سازی توسط شبکه (Simulate (Sim)) ................................................................................................. 71

3 7 آموزش شبکه ......................................................................................................................................................... 72

3 8 به روز کردن اطلاعات ............................................................................................................................................ 73

3 9 بدست آوردن وزنها و بیاسهای جدید .................................................................................................................... 74

فصل چهارم : شرح مدلهای مورد بررسی 

مقدمه ................................................................................................................................................................................ 75

4- 1-  مدل اول (پارامترهای بعددار) ................................................................................................................................. 75

4- 2-   مدل دوم (پارامترهای بی بعد) .............................................................................................................................. 76

4- 3-  مدل سوم (پارامترهای معادله DOT) ................................................................................................................... 76

4- 3- 1-   هندسه حفره آبشستگی .................................................................................................................................... 78

4- 3- 2-  زمان آبشستگی ................................................................................................................................................... 78

4- 3- 3-  دیواره های اطراف ......................................................................................................... 79

4- 3- 4-  ارتفاع سقوط ....................................................................................................................................................... 79

4- 3- 5-  شیب ................................................................................................................................................................... 79

4- 4-  مدل چهارم (معادله DOT که توسط مهدوی زاده ضرائب آن اصلاح شده) ....................................................... 80

4- 4- 1-  تجهیزات و مشخصات مدل آزمایشگاهی ........................................................................................................... 81

4- 4- 2- مشخصات تجهیزات آزمایشگاهی ....................................................................................................................... 81

4- 4- 2- 1-  فلوم ............................................................................................................................................................... 81

4- 4- 2- 2-  کالورتهای خروجی ......................................................................................................................................... 81

4- 4- 2- 3-  روش اندازه گیری دبی در مقاطع مورد نظر ................................................................................................. 82

4- 4- 2- 4-   دستگاه ژرفا سنج نقطه ای ........................................................................................................................... 82

4- 4- 2- 5-   تعیین مدت زمان آزمایش ............................................................................................................................ 82

4- 4- 2- 6-  مصالح مورد استفاده  در آزمایش .................................................................................................................. 83

4- 4- 3-  شرایط هیدرولیکی جریان .................................................................................................................................. 83

فصل پنجم : مقایسه مدلهای مورد بررسی و ارائه روابط 

مقدمه ................................................................................................................................................................................ 86 و

5 1 مراحل تعیین شبکه بهینه جهت مدل کردن .........................................................................................................86

5 2 پردازش اولیه داده ها ............................................................................................................................................... 87

5 3 مشخصات شبکه ...................................................................................................................................................... 88

5 4 شاخص های صحت سنجی .................................................................................................................................... 88

5 5 تعداد نرونها لایه پنهان ........................................................................................................................................... 89

5- 6-  مدل اول (پارامترهای بعد دار ) ............................................................................................................................... 91

5- 6- 1-  ورودی های مسئله و محدوده داده ها ............................................................................................................... 91

5- 6- 1- 1-  ارائه رابطه جهت تخمین عمق آبشستگی ...................................................................................................... 91

5- 6- 1- 2-  ارائه رابطه جهت تخمین طول آبشستگی ..................................................................................................... 93

5- 6- 1- 3-  ارائه رابطه جهت تخمین عرض آبشستگی.................................................................................................... 95

5- 7-  مدل دوم (پارامترهای بی بعد) ............................................................................................................................... 97

5- 7- 1-  ورودی های مسئله و محدوده داده ها با د رنظر گرفتن کل پارامترهای آنالیز شده ......................................... 97

5- 7- 1- 1-  ارائه رابطه جهت تخمین عمق آبشستگی ...................................................................................................... 98

5- 7- 1- 2-  ارائه رابطه جهت تخمین طول آبشستگی ...................................................................................................... 99

5- 7-1- 3-  ارائه رابطه جهت تخمین عرض آبشستگی ................................................................................................. 101

5- 7- 2- ورودی های مسئله و محدوده داده ها با د رنظر گرفتن دبی و شعاع هیدرولیکی و زمان .............................. 102

5- 7- 2- 1-  ارائه رابطه جهت تخمین عمق آبشستگی ................................................................................................... 103

5- 7- 2- 2-  ارائه رابطه جهت تخمین طول آبشستگی ................................................................................................... 103

5- 7- 2- 3-  ارائه رابطه جهت تخمین عرض آبشستگی ................................................................................................. 104

5- 7- 3-   ورودی های مسئله و محدوده داده ها با د رنظر گرفتن دبی،  شعاع هیدرولیکی،  ارتفاع ریزش و عمق پایاب105

5- 7- 3- 1-  ارائه رابطه جهت تخمین عمق آبشستگی ................................................................................................... 105

5- 7- 3- 2-  ارائه رابطه جهت تخمین طول آبشستگی .................................................................................................... 106

5- 7- 3- 3-  ارائه رابطه جهت تخمین عرض آبشستگی ................................................................................................. 107

5- 7- 4-  مدل رگرسیونی ............................................................................................................................................... 108

5- 8-  مدل سوم (پارامترهای رابطه DOT) .................................................................................................................. 109 

5- 8-  1-  ورودی های مسئله و محدوده داده ها با د رنظر گرفتن کل پارامترهای آنالیز شده ..................................... 109 

5 8 2-  ارائه رابطه جهت تخمین عمق آبشستگی .......................................................................................................110

5 8 3-  ارائه رابطه جهت تخمین طول آبشستگی ....................................................................................................... 111

5 8 4-  ارائه رابطه جهت تخمین عرض آبشستگی ...................................................................................................... 113

5 9 مدل چهارم (پارامترهای اصلاح شده  رابطه DOT توسط مهدوی زاده) .......................................................... 115

5 9 1-  ورودی های مسئله و محدوده داده ها با د رنظر گرفتن کل پارامترهای آنالیز شده ...................................... 115

5- 9- 1- 1-  ارائه رابطه جهت تخمین عمق آبشستگی .................................................................................................... 116

5- 9- 1- 2-  ارائه رابطه جهت تخمین طول آبشستگی ................................................................................................... 118

5- 9- 1- 3-  ارائه رابطه جهت تخمین عرض آبشستگی ................................................................................................. 120

فصل ششم : نتایج و پیشنهادات   

مقدمه ............................................................................................................................................................................. 122

6- 1 نتایج ....................................................................................................................................................................... 122

6- 1- 1-  ارائه رابطه جهت تخمین عمق آبشستگی ........................................................................................................ 126

6- 1- 2-  ارائه رابطه جهت تخمین طول آبشستگی ....................................................................................................... 127

6- 1- 3-  ارائه رابطه جهت تخمین عرض آبشستگی ...................................................................................................... 128

6- 2- پیشنهادات ............................................................................................................................................................ 129

منابع و ماخذ :

فهرست منابع فارسی ...................................................................................................................................................... 130

فهرست منابع لاتین ....................................................................................................................................................... 131

چکیده انگلیسی .............................................................................................................................................................. 135

دانلود پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

دسته بندی	عمران
فرمت فایل	doc
حجم فایل	4601 کیلو بایت
تعداد صفحات فایل	320

پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

چکیده  

تشخیص به موقع شرایط نامطلوب روسازی به عنوان مسئله مهمی در حوزه مدیریت روسازی در سطح شبکه مطرح می باشد و در گذشته مدل های متفاوتی همچون رگرسیون و توزیع احتمالاتی برای آن در نظر گرفته شده است . برای پیش بینی شرایط روسازی در آینده لازم است که از شاخص هایی استفاده شود که کیفیت روسازی را با یک عدد که بیانگر وضعیت کلی روسازی است نمایش دهد. از مهمترین شاخص هایی که در این زمینه وجود دارد می توان به PCI وMCI وIRI اشاره نمود. شاخصی که دراین تحقیق مورد استفاده قرار گرفته است IRI است که توسط بانک جهانی در دهۀ ٨٠ ارائه شده است و اهمیت ویژه ای از دید استفاده کنندگان راه دارد. در این تحقیق سعی شده با استفاده از شبکه های عصبی مصنوعی که یک رویکرد بیولوژیکی است به پیش بینی مقدار IRI در سالهای آینده با استفاده ازداده های LTPP پرداخته شود. برای این منظور مدل های متفاوتی از شبکه های عصبی مصنوعی از نظر ساختاری با استفاده از ورودی هایی که در تخریب روسازی نقش ایفا می کنند تحت آموزش به روش اندازه حرکت (Momentum) قرار گرفتند و سپس به وسیله داده های آزمایش ارزیابی شدند.شبکۀ دارای چهار لایۀ مخفی با تعداد ٥ نرون در هر لایه دارای بیشترین توانایی تعمیم است .و ضریب همبستگی داده های آزمایشی با داده های پیش بینی ٩٦% است که نشان دهندٔە کارایی قابل قبول شبکه است .در انتها داده های پیش بینی شدٔە بهترین مدل شبکه عصبی با داده های پیش بینی شدٔە مدل رگرسیونی از نظر میزان خطای پیش بینی مورد مقایسه قرار گرفتند.که مدل شبکه عصبی درپیش بینی ٢٢ مورد از ٣٨ سری دادٔە آزمایشی خطایی کمتر از ١٠ درصد داشت در حالی که در مورد مدل رگرسیونی این عدد به ٦ داده می رسد. نتایج داده های آزمایش نشان داد که شبکه نهایی می تواند شرایط روسازی  یک شبکه را حداکثر برای مدت ٤ سال پیش بینی کند. 

مقدمه  

به علت عدم توجه به نگهداری درست و عدم آگاهی مـدیران از فنـون مـدیریت هـای صـحیح و علمی بهره برداری ، روسازی های ساخته شده در برخی موارد حتـی بـه نصـف عمـر مفیـد و طبیعی خود نیز نرسیده وبه سرعت فرسوده و مستهلک مـی شـوند. بـه عنـوان مثال ،تحقیقـات اخیر بانک جهانی نشان می دهد که یک غفلت کوچک و عـدم نگهـداری یـک قطعـۀ راه در موقـع مناسب آن و افزایش ضریب زبری از ٢٥٠٠ به ٤٠٠٠ ، نیاز به یـک بودجـه نگهـداری معـادل ٥ برابر بودجه ای که در صورت نگهداری به موقع لازم بود،داشـته و حتـی عـدم تخصـیص ایـن بودجه ٥ برابر در این موقع هم باز به معنای افزایش سرعت استهلاک و در نهایـت نـابودی راه مزبور خواهد شد. به عبارت دیگر در صورت تخصیص به موقع بودجۀ نگهـداری و انجـام بـه موقع نگهداری شبکۀ راهها ، با همان بودجه می تـوان شـبکه ای بـا طـول ٥ برابـر را نگهـداری نمود.

توجیه بیولوژیکی

آیا هیچ گونه توجیه بیولوژیکی برای چنین قاعدٔە آموزشی وجود دارد؟ همان طور که دیدیم کوهونن بیش تر کار خود را بر اساس بررسی دقیق توپولوژی قسمت کورتکس مغز بنا نموده است و حقیقتاً شواهد بیولوژیکی زیادی این فکر را پشتیبانی می کند.همان طور که می دانیم فعالیت یک سلول عصبی از طریق خطوط ارتباطی آکسون که ممکن است تحریک کننده یا بازدارنده باشد به سلول های دیگر منتقل می شود.

حال سوال این است که چگونه اثر آکسون ها تحت تأثیر فاصلۀ آن ها از سلول فعال قرار می گیرد؟در جواب باید گفت که سلول های نزدیک تر به سلول فعال ، قوی ترین خط اتصال را دارند. لیکن بعد از یک فاصلۀ معین خط اتصال سلول فعال با آن ها بازدارنده می شود. 

 فهرست مطالب

 عنوان                                                                                                                                                                    شماره صفحه

چکیده ............................................................................................................................................................................................................... ١

مقدمه ................................................................................................................................................................................................................ ٢

فصل اول : تعریف مسئله ..................................................................................................................................................................٣

١-١ کلیات ....................................................................................................................................................................................................... ٤

١-٢ ضرورت انجام تحقیق .............................................................................................................................................................................٤

١-٣ اهداف و فرضیات .....................................................................................................................................................................................٥

فصل دوم : کاوش در متون ................................................................................................................................................................٧

٢-١ مقدمه ........................................................................................................................................................................................................٨

٢-٢ انواع شبکه های عصبی ..........................................................................................................................................................................٩

٢-٢-١ شبکۀ عصبی پرسپترون ...................................................................................................................................................................٩

٢-٢-٢ شبکۀ خود سازمان ده کوهونن ............................................................................... ......................................................................٩

٢-٢-٢-١ کلیات .................................................................................................................. ...........................................................................٩

٢-٢-٢-٢ الگوریتم کوهونن ................................................................................................. .....................................................................١٠

٢-٢-٢-٣ توجیه بیولوژیکی ........................................................................................... ...........................................................................١٢

٢-٢-٢-٤ اصلاح ضرایب وزنی ................................................................................ ..................................................................................١٤

٢-٢-٢-٥ تعیین مقادیر اولیۀ ضرایب وزنی ......................................................................... ..................................................................١٥

٢-٢-٢-٦ همسایگی ..................................................................................................... ..............................................................................١٧

٢-٢-٢-٧ کاهش شعاع همسایگی ........................................................................ ...................................................................................١٨

٢-٢-٢-٨ توابع چگالی نقطه ای ............................................................................. .................................................................................١٩

٢-٢-٢-٩ مقداری کردن بردار آموزشی ................................................................. ................................................................................١٩

٢-٢-٣ شبکه های هاپفیلد......................................................................................... ...............................................................................٢٠

٢-٢-٣-١ کلیات ............................................................................................................. .............................................................................٢٠

٢-٢-٣-٢ مدل شبکه هاپفیلد...................................................................................................................................................................٢١

٢-٢-٣-٣ صفحه انرژی ........................................................................... ..................................................................................................٢٢

٢-٢-٣-٤ ذخیرٔە الگوها............................................................................ .................................................................................................٢٤

٢-٢-٣-٥ یادآوری ...................................................................................................... .................................................................................٢٦

٢-٣ کاربردهای شبکۀ عصبی در مهندسی راه .......................................................... ............................................................................٣٠

٢-٣-١ استفاده از شبکه عصبی برای یافتن همبستگی میان IRI و خرابی های روسازی .................. .........................................٣٠

٢-٣-٢ استفاده از شبکه عصبی برای تحلیل و طراحی روسازی های انعطاف پذیر................... ......................................................٣٨

٢-٣-٣ مدل پیش بینی شیارچرخ در روسازی های انعطاف پذیر......................................................................................................٤٢

٢-٣-٤ مدل سازی تأثیر درصد مصالح سنگی شکسته در مقاومت مارشال آسفالت  با بکارگیری شبکه های عصبی مصنوعی .... ٥١

٢-٣-٣ استفاده از شبکه عصبی برای طراحی مدل تخمین جریان ترافیک .....................................................................................٥٨

٢-٤ جمع بندی ....................................................................................................... ....................................................................................٥٩

فصل سوم : روش تحقیق ........................................................................................... ...................................................................٦١

٣-١-١ مقدمه .............................................................................................................. ...............................................................................٦٢

٣-٢-١ کلیات شبکه عصبی مصنوعی .................................................................. ...................................................................................٦٢

٣-٢-٢ ساختار شبکه های عصبی مصنوعی ......................................................... ...................................................................................٦٥

٣-٢-٢- ١ شبکه تک لایه ........................................................................................ ...................................................................................٦٦

٣-٢-٢-٢ شبکه های چند لایه .............................................................................. ...................................................................................٦٨

٣-٢-٣ وظایف شبکه عصبی ....................................................................................... ..............................................................................٦٩

٣-٢- ٤ توابع تحریک مورد استفاده در شبکه های عصبی ........................................ .........................................................................٧٠

٣-٢-٥ آستانه .................................................................................................................. .............................................................................٧٤

٣-٢-٦ اجرای گیت های منطقی AND،OR  و NOT.......................................... ..............................................................................٧٥

٣-٢-٦-١ نیاز به پیدا کردن وزن ها به صورت تحلیلی ...................................... ..................................................................................٧٦

٣-٢-٦-٢ پیدا کردن وزن ها به صورت تحلیلی برای شبکه AND....................................................................................................77

٣-٢-٧ تعدادی از شبکه های عصبی مصنوعی با توپولوژی پرسپترون ..............................................................................................٧٩

٣-٢-٨ نگاهی اجمالی به الگوریتم های آموزش ......................................................................................................................................٨٠

٣-٢-٨-١ هدف از آموزش شبکه ..............................................................................................................................................................٨١

٣-٢-٨-٢ آموزش نظارت شده ...................................................................................................................................................................٨١

٣-٢-٨-٣ آموزش غیرنظارت شده ............................................................................................................................................................٨٢

٣-٢-٩ روش های آموزشی ..................................................................................... ....................................................................................٨٣

٣-٢-٩-١ روش نزول گرادیان .......................................................................... ........................................................................................٨٣

٣-٢-٩-٢ روش اندازه حرکت ............................................................................ .......................................................................................٨٦

٣-٢-١٠ معیار کارآیی شبکه ....................................................................................... .............................................................................٨٧

٣-٢-١٠-١ متوسط خطای مطلق .................................................................................... .......................................................................٨٧

٣-٢-١٠-٢ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه .......................... .................................................................٨٧

٣-٢-١٢-٣ جذر میانگین مربع خطاها............................................................................... .................................................................. ٨٨

٣-٢-١٠-٤ ضریب همبستگی ........................................................................................... .......................................................................٨٨

٣-٢-١١ شرایط تعمیم موفقیت آمیز................................................................................ .......................................................................٩٠

٣-٣ بررسی وضعیت روسازی ......................................................................................... ...........................................................................٩٢

٣-٣-١ مقدمه ................................................................................................................ ...............................................................................٩٢

٣-٣-٢ معرفی روش های ارزیابی وضعیت روسازی ........................................................ .....................................................................٩٢

٣-٣-٢-١ معرفی روش PCI....................................................................................... ............................................................................٩٣

٣-٣-٢-٢ روش MCI................................................................................................ ...............................................................................٩٤

٣-٣-٢-٣ روش PSI..................................................................................................... ........................................................................... ٩٥

٣-٣-٢-٤ شاخص PCR............................................................................................................................................................................97

٣-٣-٢-٥ روش RCI...............................................................................................................................................................................100

٣-٣-٣ ناهمواری راه ..................................................................................................................................................................................١٠١

٣-٣-٣-١ تعریف ناهمواری راه ................................................................................................................................................................١٠١

٣-٣-٣-٢ کاربردهای اندازه ناهمواری سطح راه ..................................................................................................................................١٠٢

٣-٣-٣-٣ عوامل ایجادکننده ی ناهمواری در راه و دلایل ایجاد آنها...............................................................................................١٠٣

٣-٣-٣-٤ سیستم های اندازه گیری ناهمواری .......................................................................................................................................١٠٤

٣-٣-٤ معرفی روش IRI..........................................................................................................................................................................104

٣-٣-٥ مبانی اساسی شاخص IRI..........................................................................................................................................................106

٣-٣-٦ مشخصه های مهم شاخص IRI..................................................................................................................................................109

٣-٣-٧ تفسیر مقادیر IRI مطابق استاندارد ASTM...........................................................................................................................110

٣-٣-٦-١ راه های بارویه آسفالتی ...........................................................................................................................................................١١١

٣-٣-٦-٢راه های بارویه شنی ..................................................................................................................................................................١١٢

٣-٣-٧ مقیاس ناهمواری در سیستم IRI...............................................................................................................................................113

فصل چهارم : مدل شبکۀ عصبی ...........................................................................................................................................١١٤

٤-١ مقدمه .................................................................................................................................................................................................١١٥

٤-٢ ارزیابی روسازی ..................................................................................................................................................................................١١٥

٤-٣ متدولوژی شبکه های عصبی ..........................................................................................................................................................١١٦

٤-٣-١ معماری ...........................................................................................................................................................................................١١٦

٤-٣-١ تابع فعال سازی نرون ..................................................................................................................................................................١١٧

٤-٣-٢ روش آموزش .................................................................................................................................................................................١١٧

٤-٤ پیش پردازش داده ها.......................................................................................................................................................................١١٩

٤-٥ داده ها.................................................................................................................................................................................................١١٩

٤-٦ ارزیابی وارزشیابی مدل .....................................................................................................................................................................١٢٠

فصل پنجم :تجزیه و تحلیل داده ها ....................................................................................................................................١٢١

٥-١ ارزیابی مدل های اولیه .....................................................................................................................................................................١٢٢

٥-٢ مدل های پیش بینی با در نظر گرفتن تمام متغیر های ورودی .............................................................................................١٢٥

٥-٢-١ شبکه عصبی با یک لایه پنهان ..................................................................................................................................................١٢٦

٥-٢-٢ شبکه عصبی با دولایه پنهان .....................................................................................................................................................١٣٠

٥-٢-٣ شبکه عصبی با سه لایه پنهان ..................................................................................................................................................١٣٤

٥-٢-٤ شبکه عصبی باچهارلایه پنهان ..................................................................................................................................................١٣٨

٥-٣ معرفی شبکه بهینه ...........................................................................................................................................................................١٤٢

٥-٤ مقایسه مدل شبکه عصبی با مدل های رگرسیونی ...................................................................................................................١٤٥

فصل ششم : نتیجه گیری و پیشنهادات ......................................................................................................................... ١٥٠

٦-١ نتایج .....................................................................................................................................................................................................١٥٠

٦-٢ پیشنهادات ..........................................................................................................................................................................................١٥٣

پیوست یک : روش محاسبۀ IRI..............................................................................................................................................154

پ-١ سیستم های اندازه گیری ناهمواری ................................................................................................................................................١٥٥

پ-٢ پروفیل راه ..........................................................................................................................................................................................١٥٥

پ-٣  روند پیشرفت تجهیزات برداشت ناهمواری راه .........................................................................................................................١٥٦

پ-٤ مقایسه بین IRI و پاسخ های وسیله نقلیه ...........................................................................................١٦١

پ-٥  اثر طول موج بر IRI......................................................................................................................165

پ-٦ بررسی سرعت حرکت و تعداد چرخ های برداشت کننده ناهمواری در تجهیزات مورد

 استفاده برای تعیین میزان IRI ................................................................................................................١٦٦

پ-٧محاسبۀ IRI........................................................................................................................................................................................169 

منابع و مأخذ.........................................................................................................................................................................................١٧٧

فهرست منابع فارسی .................................................................................................................................................................................١٧٨

فهرست منابع لاتین ...................................................................................................................................................................................١٨٠

سایت های اطلاع رسانی ...........................................................................................................................................................................١٨١

چکیدٔە انگلیسی ..........................................................................................................................................................................................١٨٢ 

دانلود پایان نامه تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی

پایان نامه تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی پایان نامه تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی

دسته بندی	برق ،الکترونیک و مخابرات
فرمت فایل	doc
حجم فایل	12615 کیلو بایت
تعداد صفحات فایل	130

پایان نامه تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی

پایان نامه برای دریافت درجه کارشناسی ارشد" M.Sc"

مهندسی برق - قدرت

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.

مقدمه:

موتورهای  الکتریکی نقش مهمی را در راه اندازی موثر ماشینها و پروسه های صنعتی ایفا می کنند. بخصوص موتورهای القایی قفس سنجابی را که بعنوان اسب کاری صنعت           می شناسند. بنابراین تشخیص خطاهای این موتورها می تواند فواید اقتصادی فراوانی در پی داشته باشد. از جمله مدیریت کارخانه های صنعتی را آسان می کند، سطح اطمینان سیستم را بالا می برد، هزینه تعمیر و نگهداری پایین می آید و نسبت هزینه به سود بطور قابل توجهی کاهش می یابد.

Bonnett  و Soukup برای خرابیهای استاتور موتورهای القایی سه فاز قفس سنجابی، پنج حالت خرابی مطرح کرده اند که عبارت اند از: حلقه به حلقه، کلاف به کلاف، قطع فاز، فاز به فاز و کلاف به زمین[1]. برای موتورهای قفس سنجابی، خرابیهای سیم پیچی استاتور و یاتاقانها  کل خرابیها به حساب می آیند و همچنین اکثر خرابیهای سیم پیچی استاتور موتور القایی از فروپاشی عایقی حلقه به حلقه ناشی می شود]2[. برخی از محققین خرابیهای موتور را چنین تقسیم بندی کرده اند: خرابی  ساچمه ها ( یاتاقانها) %40-50، خرابی عایق استاتور %30-40 و خرابی قفسه روتور %5- 10 [3] که اگر خرابی حلقه به حلقه جلوگیری نشود، منجر به خطای فاز به زمین یا فاز به فاز می گردد، که خطای فاز به زمین شدید تر است. در مقالات[4] [5] نظریه تابع سیم پیچی و کاربرد آن در آنالیز گذرای موتورهای القایی تحت خطا شرح داده شده است. از این نظریه در مدلسازی خطای حلقه به حلقه استاتور استفاده شده است. علاوه بر روشهای فوق خطای استاتور موتور القایی را     می توان به کمک بردارهای فضایی مورد مطالعه قرار داد[6].

فهرست مطالب

چکیده.............................................................................................1

مقدمه..........................................................................................2

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

1-1-مقدمه........................................................................................3

1-2-بررسی انواع تنشهای وارد شونده بر ماشین القایی...................................4

1-2-1-تنشهای موثر در خرابی استاتور.......................................4

1-2-2- تنشهای موثر در خرابی روتور.................................5

1-3- بررسی عیوب اولیه در ماشینهای القایی.........................................8

1-3-1- عیوب الکتریکی اولیه در ماشینهای القایی...........................10

1-3-2- عیوب مکانیکی اولیه در ماشینهای القایی...........................................17

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

2-1-تئوری تابع سیم پیچ....................................................................21

2-1-1-تعریف تابع سیم پیچ......................................................21

2-1-2-محاسبه اندوکتانسهای ماشین با استفاده از توابع سیم پیچ.......................26

2-2-شبیه سازی ماشین القایی....................................................29

2-2-1- معادلات یک ماشین الکتریکی باm سیم پیچ استاتور و n سیم پیچ روتور............32

2-2-1-1-معادلات ولتاژ استاتور...................................................32

2-2-1-2- معادلات ولتاژ روتور.....................................................33

2-2-1-3- محاسبه گشتاور الکترومغناطیسی...........................................35

2-2-1-4- معادلات موتور القای سه فاز قفس سنجابی در فضای حالت...................36

2-3- مدلسازی خطای حلقه به حلقه و خطای کلاف به کلاف........................44

فصل سوم: آنالیز موجک و تئوری شبکه های عصبی

3-1-تاریخچه موجک ها..........................................................54

3-2-مقدمه ای بر خانواده موجک ها.....................................................54

3-2-1-موجک هار..................................................................55

3-2-2- موجک دابیشز..........................................................................55

3-2-3- موجک کوایفلت..................................................................56

3-2-4- موجک سیملت..........................................................................56

3-2-5- موجک مورلت..................................................................................56

3-2-6- موجک میر..............................................................................57

3-3- کاربردهای موجک.....................................................................57

3-4- آنالیز فوریه...............................................................................58

3-4-1- آنالیز فوریه زمان-کوتاه..........................................................58

3-5-آنالیز موجک..............................................................................59

3-6- تئوری شبکه های عصبی...................................................................69

3-6-1- مقدمه.......................................................................................69

3-6-2- مزایای شبکه عصبی..............................................................69

3-6-3-اساس شبکه عصبی.......................................................69

3-6-4- انواع شبکه های عصبی.................................................................72

3-6-5-آموزش پرسپترونهای چند لایه......................................................76

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

4-1- اعمال تبدیل موجک....................................................................79

4-2- نتایج تحلیل موجک.......................................................................81

4-3- ساختار شبکه عصبی...............................................................94

فصل پنجم: نتیجه گیری و پیشنهادات..

نتیجه گیری.....................................................................................97

پیشنهادات.........................................................................................98

پیوست ها....................................................................................99

منابع و ماخذ فارسی......................................100

منابع لاتین...................................................................................101

چکیده لاتین................................................................................105

مراجع فارسی

]37] جعفر میلی منفرد، فرامرز سامانی و بابک معنوی خامنه " مدلسازی و شبیه سازی موتور القایی دو قفسه به کمک نظریه تابع سیم پیچ"، هفتمین کنفرانس مهندسی برق ایران1387.

]38]  حمید رضا اکبری رکن آبادی، " تعمیم نظریه تابع سیم پیچ به منظور در نظر گرفتن اثر اشباع در مدلسازی ماشین القایی" ، پایان نامه کارشناسی ارشد، خرداد 1384، دانشگاه صنعتی امیر کبیر.

[39]  محمد اسمعیلی فلک ،"آشنایی با ویولت و کاربردهای آن در سیستمهای قدرت" پروژه کارشناسی دانشگاه آزاد واحد اردبیل  ،بهار87

[40]  آلفرد مرتینز،  ترجمه دکتر محمد حسن مرادی, " ویولت، فیلتر بانک، تبدیل زمان  فرکانس و کاربردهای آنها" انتشارات دانشگاه پلی تکنیک تهران  , زمستان 84

[41]  مصطفی کیا، "شبکه های عصبی در matlab "انتشارات خدمات نشر کیان رایانه سبز  زمستان 1387

[42]  پروفسور رابرت جی. شالکف، ترجمه دکتر محمود جورابیان، "شبکه های عصبی مصنوعی" انتشارات دانشگاه شهید چمران اهواز، سال 1382

فهرست منابع و ماخذ لاتین

 [ 1] Austin H. Bonnet ; George G . Soukup, “Cause and analysis of stator and rotor failures is 3 phase squirrel cage induction motors” IEEE trans-on Industry application vol 28, no. 7, july 1992.pp 921-237.

 [2]  Thorsen, O.V. and Dalva, M, “Condition monitoring methods, failure identification and analysis for high voltage motors in petroche mical Industry”, electrical machines and Drives, eight International conference.1997.

[3]  R.M. Mccoy, R.M., P.F. Albrecht, J.C. Appiarius, E.L. Owen, “Improved motors for utility applications,” volume 1: Industry  assessment study update and analysis”. EPRIEL – 4286  (RP – 1763 –2), 1985

4[4]  Hamid A.Tolyiat, Thomas A. Lipo, “Transient analysis of cage induction machines under stator, rotor bar and end ring faults”, IEEE trans. On energy conversion, vol 10 no. 2 june 1995.

 [5]  Gojko Joksimovic, Jim Penman, “The detection of interturn short circuits in the stator windings of operating motors.” 1998 IEEE.

[6]  G. Gentile, A. Ometto, N. Rotondale, C. Tassoni, “A.C. Machine performances in faulted operations”, 1994 IEEE.

 [7]  B.Yazici, G.B.Kliman, W.j.Premerelani, R. A. koegl, G.B.robinson and  A.Abdel-malek, “An adaptive, online, statistical method for bearing fault detection using stator current”, proceeding of the IEEE-IAS Annual meeting conference, New Orleans, LA, oct. 5-9, 1997,pp.213-22.

 [8]  Subhasis. Nandi, “Fault analysis for condition monitoring of induction motors”, Jadavpur university, Calcutta, India; (may 2000).

[9]  K. Abbaszadeh, J. Mili monfared, M. Haji, H. A. Toliyat, “Broken bar detection in induction motor via wavelet transformation”, the 27 th Annual conference of the IEEE industrial electronics society, 2001,0 -7803 – 7108 -9/01

 [10]  P.J.Tavner and J.penman, “Condition monitoring of electrical machines,” Research studies press ltd, uk,1987

 1 Gorden  R.[11] Slemon, “Modelling of  induction machines for electric drives”, IEEE Transaction on industry applications 1989.

2[12] Thomson, W.T, “ Industrial application of current signature analysis to diagnose fault in 3-phase squirrel cage induction motors” pulp and paper industry thechnical conference, conference record of 2000, pp 205-211.

[13] G. Stone and j. Kapler, “Stator winding monitoring”, IEEE industry applications magazine, vol.4,no.5,pp.15-20, sept/oct,1998.

[4] G. Jok Simovic and J. Penman, “The detection of interturn short circuits and in the stator winding of operating motors” proceedings of the IEcon” 98 conference, 31 aug -4 sep, A achen, Germany.1998,pp.1974-1979.

 [15] M. E. H  Benbouzid, M. Vieira, C. Theys “Induction motors faults detection and localization using stator current advanced signal processing techniques” IEEE transactions on power electronics, vol.14,no1,pp.14-22, jan,1999.

[16] S. Nandi, H. A. Toliyat, “ Fault diagnosis of electrical machines- a reviw” , proceeding of the IEMD’99 conference, seattle, WA, May 9-12, 1999,pp.219-221.

[17] S. Williamson and  P. Mirzoian, “ Analysis of cage induction motor with stator winding faults”, IEEE transaction on power apparatus and system, vol.104,no 7, pp.1838-1842, july,1985.

[18] Wilson, R“Wavelets? ” on Application of wavelet  transform in Imag processing IEEE colloguium on published 1993

[19] Yung-Da-wang; Paulik ,M.j“Discrete wavelet for target recognition”circuit and system , 1996,IEEE 39 th Midwest symposium on published 1996,vol 2

 [20] Liao wei, Han pu, “ Wavelet neural network aided on-line detection and diagnosis of rotating machine fault,”2008 chinese control and decision conference .( CCDC 2008) ,978  -  1-  4244 -1734 -6/08

[[21] Xu Long- yun, Rui Zhi-yuan and Feng Rui-cheng, “Gear faults diagnosis based on wavelet neural networks,” Proceeding  of 2008 IEEE international conference on Mechatronics and Automation, 978- 1 -4244 -2632 -4/08

 [22] Qing Yang, Lei gu, Dazhi Wang and Dong Sheng  ww, “Fault diagnosis approach on probabilistics neural network and wavelet analysis,” proceedings of the 7^th world congress on intelligent control on automation’ June 2008, Chongqing, china,978 -1 -4244 -2114 -5/08

[23] Bei- Ping Hou, Wen Zhu, Xin-Jian, xing-yao Shang, “Applied study of electromotor fault diagnosis based on wavelet packets and neural network,” Proceedings of the Fifth

international conference on machine learning and cybernetics, Dalian, August 2006, 1- 4244- 0060- 0/06

[24] F. Filippetti, G. Franceschini, C. Tassoni, “ Neural networks aided on-line diagnostics of induction motor faults” , proceeding of IEEE-IAS Annual Meeting conference,pp.316-323, vol 1, Toronto, Canada, oct.2-8,1993.

[25] Kuihe Yang, Ganlin Shan, Lingling Zhao, “Application of wavelet packet analysis and probabilistic neural  networks in fault diagnosis” proceeding of the 6^th world congress on intelligent control and Automatiou, June 2006, Dalian, china.

[26] Zhen Liu, Hui Lin and Xin Luo, “Intelligent built in test fault diagnosis based on wavelet analysis and neural  network, “ proceeding of the 6^th world congress on intelligent control and automation’ june 2006, Dalian china,1- 4244- 0332- 4/06

[27] Shie Qian, “Introduction to time-frequency wavelet transform”, china  Machine  press , January 2005

[28] Sun Fang, Wei Zijie “Rolling bearing fault diagnosis based on wavelet packet an RBF neural network” , proceeding of the 26^th chinese control conference’ july 2007, Zhangj iajre, Hunan, china.

[29] Satish Kumar, “Neural network,” publishing  tsinghua  university , August 2006

[30]  He, Y., Shen , S.,' Ying, H.,' Liu , Z. “Application of wavelet packet decomposition and its energy   spectrum on The fault diagnosis of reciprocation machinery”, zhendong Gongcheng Xuebao/ jurnal of vibration Engineering ,Vol , 14,n1,pp.12-75,March 2001

[31] Hsin H, Lic. “Adaptive training algorithm for back-propagation neural networks” IEEE transactions on systems ' Man and cybemetics , 1995,25(3) : 512-524

[32] Y. c. Pati, p. s. Krishna Prasad, “Analysis and synthesis of feedforward neural networks using discrete affine wavelet transformation”, IEEE Trans. Neural network , 1993,4,(1) , pp. 73-85

 [33] Liu Qipeny, Yu Xiao Ling, Feng Quanke “Fault diagnosis using wavelet neural network” neural processing letters 18: 115 c123,2003

[34] Wei Xing, Shu Nat- qiu, OcuI Peng – cheng, “Power transform fault integrated diagnosis based on improved pso- Bp neural network and D-S Evidential Reasoning [j]”, automation of electric power systems , vol 30,pp.46-50,2006

 [35] Zhen Liu, Huilin, Xin Luo, “Intelligent  built-in test fault diagnosis based on wavelet analysis and neural networks”, proceeding of the 6Th world congress on intelligent  control and Automation , june 2006 , Dallion , china

[36] Bao- Jia chen, Lili, Xin-Ze Zhao, “Fault diagnosis method integrated on scale – wavlet power spectrum, rough set and neural network”, international conference on wavelet analysis and pattern  recognition, china , Nov 2007,1- 4244- 1066- 5/07

چکیده انگلیسی:

Abstract : Based upon wavelet transformation analysis and BP neural network , a method for the fault diagnosis of stator winding is proposed . Firstly wavelet transformation was used to decompose  vibration time signal of stator to extract the characteristic values-wavelet transformation energy, and features were input in to the BPNN.  After training the BPNN could be used to identify the stator winding fault (turn to turn fault) patterns.

Seven typical turn to turn fault as 10 turn, 15 turn, 20turn, 26turn,31turn and 35 turn were studied. The result showed that the method of BPNN with wavelet transformation could not only detect the exiting of the fault in stator winding, but also effectively identify the fault patterns.

Key Words: wavelet transformation, BP network, stator winding, fault diagnosis

دانلود سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی

دسته بندی	سمینار برق
فرمت فایل	pdf
حجم فایل	1355 کیلو بایت
تعداد صفحات فایل	59

سمینار برق آشکارسازی و تشخیص صرع موجود در سیگنال EEG به کمک شبکه عصبی 

لطفا از این پروژه در راستای تکمیل تحقیقات خود و در صورت کپی برداری با ذکر منبع استفاده نمایید.

چکیده 

الکتروانسفالوگرام (EEG) که برای نمایش فعالیت الکتریکی مغز استفاده می شود، ابزار کلینیکی مناسبی برای تشخیص بی نظمی های مربوط به صرع است. آشکارسازی spikeهای صرعی نقش بسیار مهمی در تشخیص صرع ایفا می کند. در این پروژه، طراحی و پیاده سازی سیستم تشخیص spikeهای صرعی با استفاده از روش ترکیبی تبدیل موجک گسسته و شبکه عصبی Fuzzy ARTMAP ارائه شده است. در این پژوهش، از تبدیل موجک برای استخراج ویژگی سیگنال EEG استفاده شده است و توانایی این ویژگی ها در طبقه بندی رخدادهای موجود در سیگنال EEG بررسی شده است. کار طبقه بندی با استفاده از شبکه عصبی Fuzzy ARTMAP انجام شده است. دلیل استفاده از شبکه Fuzzy ARTMAP، عدم فراموشی و یادگیری سریع و عملکرد مناسب این شبکه در مسائل طبقه بندی می باشد. عملکرد سیستم طبقه بندی کننده ارائه شده در این پروژه با استفاده از سه معیار حساسیت، قابلیت تفکیک و گزینش پذیری ارزیابی می شود. 

مقدمه 

علیرغم اینکه 40 سال از فعالیت و بررسی در زمینه فیزیولوژی صرع می گذرد، هنوز آشکارسازی و پیشگویی آن در حال بررسی است ولی نشان داده شده است که آشکارسازی تخلیه های نرونی صرعی یعنی spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. در زمینه پردازش سیگنال های حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حرارتی و اعمال یک روش طبقه بندی بر روی ویژگی های استخراج شده است. در این پروژه، برای استخراج ویژگی های spike های صرعی از تبدیل موجک و یکسری تحلیل های زمانی و فرکانسی و برای طبقه بندی الگوهای موجود در EEG از شبکه عصبی Fuzzy ARTMAP استفاده شده است. تبدیل فوریه و سایر روش های تحلیل زمان – فرکانس مانند تبدیل فوریه کوتاه مدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب عمل نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد، تبدیل موجک به خوبی می تواند هر دو نوع نوسان را نشان دهد. با تحقیقاتی که در زمینه تشخیص صدای قلب، تحلیل ECG و EEG به عمل آمده است، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده است. 

در فصل اول به معرفی سیگنال EEG و ویژگی های ظاهری، نحوه ضبط و اندازه گیری سیگنال EEG، فرکانس های سیگنال EEG، نرخ نمونه برداری و برخی اغتشاشات و آشفتگی ها در ثبت سیگنال EEG پرداخته می شود. در فصل دوم روش های مختلف آشکارسازی spikeهای صرعی مورد بررسی قرار گرفته است و نتایج برخی کارهای انجام گرفته روی EEG گردآوری شده است. فصل سوم به معرفی تبدیل موجک به عنوان روشی برای استخراج ویژگی پرداخته شده است. با مطالعه این فصل می توان مقایسه ای بین تبدیل فوریه و تبدیل موجک انجام داد، همچنین می توان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در انتهای این فصل نیز، چند موجک معرفی شده اند. در فصل چهارم توضیحاتی در خصوص شبکه های عصبی MLP و ARTMAP و Fuzzy و نحوه آموزش این شبکه ها ارائه شده است. در فصل پنجم در خصوص داده های آموزش و آزمون، استخراج ویژگی و نحوه پیش پردازش این داده ها و روش پیاده سازی سیستم آشکارسازی spike های صرعی توضیح داده شده است. فصل ششم در برگیرنده نتایج حاصل از این پروژه و مقایسه بین عملکرد شبکه های MLP و ARTMAP و Fuzzy می باشد و در انتهای فصل نیز پیشنهادات ارائه شده است.