پروژه داده کاوی و کشف قوانین وابستگی

پروژه داده کاوی و کشف قوانین وابستگی


دانلود پروژه داده کاوی و کشف قوانین وابستگی

این فایل در قالب Word قابل ویرایش، آماده پرینت و ارائه به عنوان پروژه پایانی می باشد
 
قالب: Word
 
تعداد صفحات: 64

توضیحات:

چکیده

با افزایش سیستمهای کامپیوتر و گسترش تکنولوژی اطلاعات، بحث اصلی در علم کامپیوتر از چگونگی جمع آوری اطلاعات به نحوه استفاده از اطلاعات منتقل شده است. سیستمهای داده کاوی، این امکان را به کاربر می دهند که بتواند انبوه داده های جمع آوری شده را تفسیر کنند و دانش نهفته در آن را استخراج نمایند.

داده کاوی به هر نوع کشف دانش و یا الگوی پنهان در پایگاه داده ها اطلاق می شود. امروزه داده کاوی به عنوان یکی از مهمترین مسائل هوش مصنوعی و پایگاه داده، محققان بسیاری را به خود جذب کرده است. در این تحقیق ابتدا نگاه کلی بر داده کاوی، استراتژیهای داده کاوی و... داریم، سپس مسأله کشف قوانین وابستگی در پایگاه داده را به تفضیل بررسی کردیم و نگاهی به الگوریتمهای موجود برای آن داشتیم. سپس مسأله کشف قوانین وابستگی در پایگاه داده های پویا را مورد بحث قرار دادیم و الگوریتم های ارائه شده مربوطه را مطرح کردیم.

فهرست:

چکیده

مقدمه

کشف دانش در پایگاه داده

آیا داده کاوی برای حل مسائل ما مناسب است؟

جمع آوری داده ها

بکارگیری نتایج

استراتژیهای داده کاوی

پیش گویی Perdiction

Unsupervised Clustering دسته بندی بدون کنترل

تکنیکهای داده کاوی تحت کنترل

شبکه عصبی

برگشت آماری

قوانین وابستگی

الگوریتم Apriori

الگوریتم Aprior TID

الگوریتم partition

الگوریتم های MaxEclat,Eclat

الگوریتم با ساختار trie

الگوریتم fp-grow

ساخت fp- tree

Fp-tree شرطی

الگوریتم برداری

نگهداری قوانین وابستگی

الگوریتم کاهشی

تعداد مشاهده: 181 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: docx

تعداد صفحات: 64

حجم فایل:277 کیلوبایت

 قیمت: 7,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • محتوای فایل دانلودی:


یافتن بدترین پاسخ فرکانسی سیستم دیسکو پره به کمک شبکه عصبی و الگوریتم ژنتیک

یافتن بدترین پاسخ فرکانسی سیستم دیسکو پره به کمک شبکه عصبی و الگوریتم ژنتیک


دیسک و پره در سیستمهای مختلف مهندسی، مانند فنها، پمپها،
توربینها و موتورهای جت کاربرد فراوان دارد. این سیستم در حالت
ایدهآل در حالت میزان یا تقارن دایرهای قرار دارد. در این حالت همه
پرهها دقیقا مشابه میباشند. اما در عمل در اثر تولرانسهای ساخت،
خستگی و غیره، همواره اختلافات تصادفی و کوچک بین پرهها وجود
دارد که باعث عدم تقارن دایرهای سیستم میشود. مقادیر بسیار
کوچک نامیزانی بین پرهها میتواند به شدت موجب افزایش پاسخ
فرکانسی سیستم شود. در تحقیق حاضر از شبکه عصبی و الگوریتم
ژنتیک به عنوان روشی کارآمد، سریع و دقیق برای رسیدن به بدترین
پاسخ فرکانسی استفاده شدهاست. در این مقاله ابتدا مدل اجزاء
محدود سیستم دیسک و پره در محیط نرمافزار انسیس ایجاد شد و
پاسخ فرکانسی پرهها در حالت میزان بدست آمد. سپس طی 200
مرحله آزمایش برای مدول الاستیسیتههای متفاوت که به صورت
تصادفی در یک بازه مشخص انتخاب شدند، ماکزیمم پاسخ سیستم
نامیزان برای هر آزمایش بدست آمد. در ادامه با استفاده از شبکه-
عصبی و الگوریتم ژنتیک بدترین پاسخ فرکانسی محاسبه شد.
های بدستآمده مدل جدید ایجادشد و ماکزیمم پاسخ فرکانسی d j با
آن بدست آمد. پاسخ بدستآمده از نرمافزار با پاسخ شبکه عصبی و
الگوریتم ژنتیک مطابقت قابل قبولی دارد، که کارایی روش به کار
رفته را نشان میدهد.

تعداد مشاهده: 330 مشاهده

فرمت فایل دانلودی:.pdf

حجم فایل:139 کیلوبایت

 قیمت: 2,500 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • محتوای فایل دانلودی:


پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک


خلاصه
مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .
این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .
اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .
از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .
این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .

تعداد مشاهده: 215 مشاهده

فرمت فایل دانلودی:.doc

فرمت فایل اصلی: doc

تعداد صفحات: 22

حجم فایل:549 کیلوبایت

 قیمت: 4,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • محتوای فایل دانلودی:


اموزش تصویری اجرای شبکه عصبی وفازی در نرم افزار متلب.

اموزش تصویری اجرای شبکه عصبی وفازی در نرم افزار متلب.


این فایل از تک تک مراحل اجرای شبکه عصبی مصنوعی و روش اجرای منطق فازی در نرم افزار متلب عکس تهیه کرده و در قالب اسلاید تهیه شده است.و برای کسانی که اشنایی با روش فازی و شبکه عصبی ندارند بسیار مفید میباشد. در فایل سعی شده است مراحل به صورت مجزا و به ترتیب نمایش داده شود.

تعداد مشاهده: 74 مشاهده

فرمت فایل دانلودی:.rar

فرمت فایل اصلی: ppt

تعداد صفحات: 40

حجم فایل:989 کیلوبایت

 قیمت: 3,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    از کپی یا انتشار فایل خودداری شود.

  • محتوای فایل دانلودی:
    زیپ

تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی

تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی


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〖db〗_8 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.

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


شکل1-1 : موتور القایی با ساختار مجزا شده از هم......................................................................9
شکل1-2: شمای قسمتی از موتور و فرکانس عبور قطب........................................................................10
شکل1-3: (الف) اتصال کوتاه کلاف به کلاف بین نقاط b وa (ب) خطای فاز به فاز..........................15
شکل2-1: برش از وسیله دو استوانه ای با قرارگیری دلخواه سیم پیچ در فاصله هوایی.............................22
شکل2-2: تابع دور کلاف متمرکز باN دور هادی مربوط به شکل2-1......................................................23
شکل2-3: تابع سیم پیچی کلاف متمرکز N دوری مربوط به شکل2-1.....................................................25
شکل 2-4: ساختار دو سیلندری با دور سیم پیچA وB.............................................................................26
شکل2-5: تابع دور کلاف 'BB شکل2-................................................................. ...............................27
شکل2-6:(الف) تابع دور فازa استاتور (ب) تابع سیم پیچی فازa استاتور............................................30
شکل2-7: تابع سیم پیچی حلقه اول روتور.............................................................................................30
شکل2-8(الف) اندوکتانس متقابل بین فازA استاتور و حلقه اول روتور (ب) مشتق اندوکتانس متقابل بین فازa استاتور و حلقه اول روتور نسبت به زاویه ....................................................................................31
شکل2-9: شکل مداری در نظر گرفته شده برای روتور قفس سنجابی ...................................................34
شکل 2-10: نمودار جریان (الف) فازa (ب)فازb (ج) فازc استاتور در حالت راه اندازی بدون بار.....41
شکل2-11: (الف) نمودار سرعت موتور در حالت راه اندازی بدون بار(ب) نمودار گشتاور الکترومغناطیسی موتور در حالت راه اندازی بدون بار........................................................................................................42
شکل2-12: نمودار جریان (الف) فازa (ب) فازb (ج) فازC استاتور در حالت دائمی بدون بار.......43
شکل2-13: فرم سیم بندی استاتور وقتی که اتصال کوتاه داخلی اتفاق افتاده است (الف) اتصال ستاره (ب) اتصال مثلث ............................................................................................................................... 45
شکل2-14: تابع دور، فازD در حالت خطای حلقه به حلقه (الف) 35دور (ب) 20دور ج) 10دور..................................................................................................................................................48
شکل2-15: تابع سیم پیچی فازD در خطای حلقه به حلقه (الف)35دور (ب)20دور (ج) 10دور..................................................................................................................................................48
شکل2-16: (الف)تابع اندوکتانس متقابل بین فازC و حلقه اول روتور (ب) تابع مشتق اندوکتانس متقابل بین فاز C و حلقه اول روتور نسبت به زاویه ........................................................................................48
شکل2-17: (الف)تابع اندوکتانس متقابل بین فازD و حلقه اول روتور (ب) تابع مشتق اندوکتانس متقابل بین فاز D و حلقه اول روتور نسبت به زاویه..........................................................................................49
شکل2-18: نمودار جریان استاتور (الف) فازa (ب)فازb (ج) فازC در خطای 10 دور در حالت راه اندازی بدون بار ...............................................................................................................................50
شکل2-19: نمودار جریان استاتور (الف) فازa (ب) فازb (ج) فازC در خطای 35 دور در حالت راه اندازی بدون بار ...............................................................................................................................51
شکل2-20: (الف) گشتاور الکترو مغناطیسی در خطای 10دور (ب) خطای 35 دور .............................52
شکل2-21: نمودار سرعت موتور در خطای حلقه به حلقه (35دور) .......................................................52
شکل2-22:نمودار جریان استاتور (الف) فازa (ب) فازb ( ج) فازC درخطای (35دور) در حالت دائمی بدون بار ............................................................................................................................53
شکل3-1:(الف) تابع موجک هار Ψ (ب) تابع مقیاس هار φ ...............................................................55
شکل3-2: خانواده تابع موجک دابیشزΨ ................................................................................................55
شکل3-3: (الف) تابع موجک کوایفلت Ψ (ب) تابع مقیاس کوایفلت φ ............................................ 56
شکل3-4: (الف) تابع موجک سیملت Ψ (ب) تابع مقیاس سیملت φ ..............................................56
شکل3-5: تابع موجک مورلت Ψ ..........................................................................................................57
شکل3-6: (الف) تابع موجک میر Ψ (ب) تابع مقیاس میر φ ............................................................57
شکل3-7: تبدیل سیگنال از حوزه زمان-دامنه به حوزه فرکانس-دامنه با آنالیز فوریه ..............................58
شکل3-8: تبدیل سیگنال از حوزه زمان- دامنه به حوزه زمان –مقیاس با آنالیز موجک ...........................59
شکل3-9: (الف) ضرایب موجک (ب) ضرایب فوریه ....................................................................60
شکل3-10: اعمال تبدیل فوریه بروی سیگنال و ایجاد سیگنالهای سینوسی در فرکانسهای مختلف............61
شکل3-11: اعمال تبدیل موجک بروی سیگنال .....................................................................................61
شکل3-12: (الف) تابع موجک Ψ ب) تابع شیفت یافته موجک φ ................................................62
شکل3-13: نمودار ضرایب موجک.........................................................................................................63
شکل3-14: ضرایب موجک هنگامی که از بالا به آن نگاه شود ...............................................................63
شکل3-15: مراحل فیلتر کردن سیگنال S .............................................................................................65
شکل3-16: درخت آنالیز موجک ...........................................................................................................66
شکل 3-17:درخت تجزیه موجک ..........................................................................................................66
شکل3-18: باز یابی مجدد سیگنال بوسیله موجک ...................................................................................67
شکل3-19: فرایند upsampling کردن سیگنال ....................................................................................67
شکل 3-20: سیستم filters quadrature mirror .........................................................................67
شکل 3-21: تصویر جامعی از مرفولوژی نرون منفرد .............................................................................70
شکل3-22: مدل سلول عصبی منفرد ......................................................................................................71
شکل3-23: ANN سه لایه ....................................................................................................................71
شکل3-24: منحنی تابع خطی .................................................................................................................73
شکل3-25: منحنی تابع آستانه ای ........................................................................................................73
شکل3-26: منحنی تابع سیگموئیدی ......................................................................................................74
شکل3-27: پرسپترون چند لایه ..............................................................................................................75
شکل3-28: شبکه عصبی هاپفیلد گسسته(ونگ و مندل،1991) ......75
شکل 4-1: ساختار کلی تشخیص خطا ...................................................................................................79
شکل4-2: ساختار کلی پردازش سیگنال در موجک .................................................................................81
شکل4-3: تحلیل جریان استاتور درحالت خطادار (35دور) با〖db〗_8 در بی باری .....82
شکل4-4: : تحلیل جریان استاتور درحالت خطادار (20دور) با〖db〗_8 در بی باری .....82
شکل4-5: : تحلیل جریان استاتور درحالت خطادار (10دور) با〖db〗_8 در بی باری ..........83
شکل4-6: : تحلیل جریان استاتور درحالت سالم با〖db〗_8 در بی باری ......83
شکل4-7: : تحلیل جریان استاتور درحالت خطادار(35دور)با〖db〗_8 در بارداری ........84
شکل4-8: : تحلیل جریان استاتور درحالت خطادار(20دور)با〖db〗_8 در بارداری .....84
شکل4-9: : تحلیل جریان استاتور درحالت خطادار(10دور)با〖db〗_8 در بارداری .....85
شکل4-10:تحلیل جریان استاتور در حالت سالم با〖db〗_8 در بارداری ...85
شکل4-11: ضرایب موجک برای جریان استاتور ماشین خطادار(با خطای 35دور)در بی باری با〖db〗_8…...86
شکل4-12: ضرایب موجک برای جریان استاتور ماشین خطادار(با خطای 20 دور)در بی باری با…...….87.
شکل4-13: ضرایب موجک برای جریان استاتور ماشین خطادار(با خطای 10دور)در بی باری با〖db〗_8…...88
شکل4-14: ضرایب موجک برای جریان استاتور ماشین سالم در بی باری با〖db〗_8 ...................................89
شکل4-15: نمای شبکه عصبی ..............................................................................................................94
شکل4-16: خطای train کردن شبکه عصبی ........................................................................................95

جدول4-1 : انرژی ذخیره شده در ماشین سالم .......................................................................................90
جدول 4-2: انرژی ذخیره شده در ماشین خطا دار (10 دور) ................................................................91
جدول 4-3: انرژی ذخیره شده در ماشین خطا دار (20 دور) .............................................................. .92
جدول 4-4: انرژی ذخیره شده در ماشین خطا دار (35 دور) ............................................................... 93
جدول4-5: نمونه های تست شبکه عصبی ........................................................................................... 96

تعداد مشاهده: 166 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: doc

تعداد صفحات: 130

حجم فایل:2,597 کیلوبایت

 قیمت: 13,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • محتوای فایل دانلودی: