کد خبر: ۲۵۳۵۸
تاریخ انتشار : ۱۰:۰۷ - ۱۹ شهريور ۱۳۹۶
در پروژه دسته بندی اختلالات کیفیت توان با استفاده از تبدیل ویولت و شبکه عصبی تلاش شده تا با ابزار‌ها و روشهای نوین پردازش سیگنال (تجزیه چند سطحی ویولت DWT) وهمچنین روش‌های دسته بندی هوشمند (شبکه‌های عصبی) انواع اختلالات کیفیت توان شناسایی ودسته بندی شوند.
سرویس آموزش و آزمون برق نیوز: در پروژه دسته بندی اختلالات کیفیت توان با استفاده از تبدیل ویولت و شبکه عصبی تلاش شده تا با ابزار‌ها و روشهای نوین پردازش سیگنال (تجزیه چند سطحی ویولت DWT) وهمچنین روش‌های دسته بندی هوشمند (شبکه‌های عصبی) انواع اختلالات کیفیت توان شناسایی ودسته بندی شوند.

فهرست مطالب:
فصل اول: کیفیت توان
کیفیت توان وضرورت توجه به آن
بررسی مشخصات شکل موج
انواع اختلالات کیفیت توان و اثرات آن بر تجهیزات مختلف
هارمونیک‌ها (Harmonic)
فیلیکر (Flicker)
عدم تعادل ولتاژ
شکاف (Notch)
نویز (Noise)
پدیده‌های گذرا (Transient Phenomena)
تغییرات فرکانس
کمبود ولتاژ (sag)
بیشبود ولتاژ یا اضافه ولتاژ (Swell)
قطع ولتاژ (Interruption)
دستگاه‌های از بین برنده کیفیت توان
راه‌های بهبود کیفیت توان
فصل دوم: تبدیل موجک (Wavelet)
مقدمه
تبدیل
دلایل استفاده ازتبدیل
آنالیز چند رزولوشنه
تبدیل ویولت یک بعدی
تبدیل ویولت پیوسته
رزولوشن در صفحه زمان فرکانس
روابط ریاضی تبدیل ویولت
عکس تبدیل ویولت
گسسته سازی تبدیل ویولت پیوسته
تبدیل ویولت گسسته
فصل سوم:شبکههای عصبی مصنوعی (Artificial Neural Network)
مقدمه
تاریخچه
انواع شبکه عصبی
ایده شبکه‌های عصبی مصنوعی (Artificial Neural Network – ANN)
نرون مصنوعی
ساختار شبکه‌های عصبی
لایه ورودی
لایه‌های پنهان (میانی)
لایه خروجی
انواع اتصالات یا پیوندهای وزنی
پیشرو (feed forward)
پسرو (recurrent)
تقسیم بندی شبکه‌های عصبی
شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی
دلایل استفاده از شبکه‌های عصبی
مزایای شبکه‌های عصبی
معایب شبکه‌های عصبی
کاربردهای شبکه‌های عصبی
یادگیری در شبکه‌های عصبی
فرایند یادگیری
معادله یادگیری در حالت کلی
یادگیری شبکه
انواع یادگیری
الگوریتم پس انتشار خطا (Back-Propagation)
الگوریتم LM درشبکه‌های عصبی
الگوریتمهای بهینه سازی
روش تندترین شیب
نرخ‌های یادگیری پایدار (Stable Learning rates)
مینیمم سازی در طول یک خط
روش نیوتن
الگوریتم (LM (Levenberg-Marquardt
الگوریتم اساسی (Basic Algorithm)
شاخص عملکرد و محاسبه ژاکوبین
شبکه عصبی احتمالی (PNN)
مزایای شبکه عصبی احتمالی
معایب شبکه عصبی احتمالی
تئوری
تخمین تابع چگالی احتمال
آموزش شبکه عصبی احتمالی
فصل چهارم: فرآیند تحقیق
مقدمه
شرح فرآیند تحقیق
جدول نتایج
مقایسه با دیگر روش‌ها
شبیه سازی کوره قوس القایی
کوره قوس الکتریکی
نتیجه نهایی تحقیق
منابع ومراجع
 
حجم:1.72 مگابایت

ارسال نظر قوانین ارسال نظر
لطفا از نوشتن با حروف لاتین (فینگلیش) خودداری نمایید.
از ارسال دیدگاه های نا مرتبط با متن خبر، تکرار نظر دیگران، توهین به سایر کاربران و ارسال متن های طولانی خودداری نمایید.
لطفا نظرات بدون بی احترامی، افترا و توهین به مسئولان، اقلیت ها، قومیت ها و ... باشد و به طور کلی مغایرتی با اصول اخلاقی و قوانین کشور نداشته باشد.
در غیر این صورت، «برق نیوز» مطلب مورد نظر را رد یا بنا به تشخیص خود با ممیزی منتشر خواهد کرد.
نتیجه عبارت زیر را وارد کنید
captcha =
وضعیت انتشار و پاسخ به ایمیل شما اطلاع رسانی میشود.
پربازدیدها
برق در شبکه های اجتماعی
اخبار عمومی برق نیوز
عکس و فیلم
پربحث ترین ها
آخرین اخبار