معرفي نشريه
علمی
هدف از انتشار نشریه مهندسی برق و مهندسی کامپیوتر ایران كمك به رشد و توسعه فعالیت‌های پژوهشی در عرصههای آموزش عالی، علمی و صنعتی در میان متخصصان و كارشناسان مهندسی برق و کامپیوتر و فراهم کردن زمینه برای تبادل افکار و اطلاعات بین مراکز دانشگاهی و صنعتی کشور است. این نشریه بنا دارد زمینه ارائه یافتههای پژوهشی در حوزههای تخصصی مختلف مهندسی برق و كامپیوتر را فراهم نماید و ارتباط تنگاتنگی را با جوامع علمی كشور و متخصصان ایرانی مقیم خارج كشور برقرار سازد.
مقالاتی در این نشریه انتشار می‌یابد كه حاصل پژوهش‌های نظری و كاربردی در عرصه مهندسی برق و علم کامپیوتر باشد. هیچ محدودیتی در انتخاب موضوع مقالات از نظر حوزههای تخصصی وجود ندارد و امید است که با عدم تمرکز بر روی یک حوزه خاص بتواند طیف گستردهای از مخاطبان متخصص در این عرصه را جذب نماید.
آخرین مقالات منتشر شده
-
دسترسی آزاد مقاله
1 - بهینه‌سازی استقرار مطمئن و انرژی کارای کاربردهای اینترنت اشیا در زیرساخت ابر و مه با استفاده از الگوریتم جستجوی فاخته
یاسر رمضانپور فومشی میرسعید حسینی شیروانیشماره 4 , دوره 19 , زمستان 1400استقرار کاربردهای اینترنت اشیا در زیرساخت مه به عنوان مکمل ابر به طور مؤثری باعث صرفه‌جویی در استفاده از منابع محاسباتی در زیرساخت ابر می‌شود. تلاش‌های تحقیقاتی اخیر در حال بررسی چگونگی بهره‌برداری بهتر از قابلیت‌های مه برای اجرا و پشتیبانی از کاربردهای اینترنت اشیا اس چکیده کاملاستقرار کاربردهای اینترنت اشیا در زیرساخت مه به عنوان مکمل ابر به طور مؤثری باعث صرفه‌جویی در استفاده از منابع محاسباتی در زیرساخت ابر می‌شود. تلاش‌های تحقیقاتی اخیر در حال بررسی چگونگی بهره‌برداری بهتر از قابلیت‌های مه برای اجرا و پشتیبانی از کاربردهای اینترنت اشیا است. استقرار ناکارامد مؤلفه‌های کاربرد‌ها در مه منجر به اتلاف منابع، پهنای باند و افزایش مصرف انرژی می‌شود. همچنین توزیع مؤلفه‌های یک کاربرد روی تعداد حداقل ممکن از گره‌های مه به منظور کاهش مصرف انرژی منجر به کاهش سطح قابلیت اطمینان خدمات می‌شود. در این مقاله یک الگوریتم فراابتکاری ترکیبی بر مبنای الگوریتم جستجوی فاخته برای استقرار ایستای مؤلفه‌های کاربرد روی زیرساخت مه با هدف مصالحه بین مصرف بهینه انرژی و کاهش اثر نقطه تکی شکست و تقویت قابلیت اطمینان کاربرد در برابر خرابی ارائه می‌شود. نتایج شبیه‌سازی نشان می‌دهد که روش ارائهشده در این مقاله، مصرف انرژی در شبکه مه را کاهش داده و نیازمندی‌های كیفیت خدمات کاربرد اینترنت اشیا را با قابلیت اطمینان بالا تأمین می‌كند. جزييات مقاله -
دسترسی آزاد مقاله
2 - جمع‌آوری داده آگاه به انرژی در شبکه‌های حسگر قابل شارژ با استفاده از الگوریتم بهینه‌سازی ازدحام ذرات توسعه‌یافته
وحیده فراهانی لیلی فرزین وش مینا زلفی لیقوان رحیم ابری لیقوانشماره 4 , دوره 19 , زمستان 1400یک چالش مهم در شبکه‌های حسگر، جمع‌آوری داده با توجه به انرژی محدود گره‌ها است. استفاده از حسگرهای قابل شارژ برای جمع‌آوری اطلاعات و انتقال آنها به چاهک، مشکل محدودیت انرژی را تا حدی مرتفع می‌نماید. با توجه به نرخ پایین برداشت انرژی در گره‌های قابل شارژ، مدیریت مصرف انرژ چکیده کاملیک چالش مهم در شبکه‌های حسگر، جمع‌آوری داده با توجه به انرژی محدود گره‌ها است. استفاده از حسگرهای قابل شارژ برای جمع‌آوری اطلاعات و انتقال آنها به چاهک، مشکل محدودیت انرژی را تا حدی مرتفع می‌نماید. با توجه به نرخ پایین برداشت انرژی در گره‌های قابل شارژ، مدیریت مصرف انرژی در این شبکه‌ها امری ضروری است. الگوریتم‌های موجود، جنبه‌های مهم جمع‌آوری آگاه به انرژی- شامل زمان‌بندی خواب گره‌ها، خوشه‌بندی و مسیریابی- را به صورت جامع بررسی نکرده‌اند و همچنین اکثر آنها از روش‌های حریصانه و با کارایی پایین استفاده نموده‌اند. در این مقاله، یک روش کارای مبتنی بر الگوریتم بهینه‌سازی ازدحام ذرات توسعه‌یافته به نام EDGR برای جمع‌آوری داده در شبکه‌های قابل شارژ ارائه شده است. در الگوریتم پیشنهادی، مسئله مورد نظر به سه مرحله زمان‌بندی خواب گره‌ها، خوشه‌بندی و مسیریابی، تقسیم گردیده و مراحل به ترتیب حل شده‌اند. بر اساس نتایج شبیه‌سازی، الگوریتم EDGR مقدار متوسط و انحراف از معیار انرژی ذخیره‌شده در گره‌ها و همچنین نرخ گم‌شدن بسته‌ها را به مقدار قابل توجهي نسبت به روش‌های پیشین بهبود داده است. جزييات مقاله -
دسترسی آزاد مقاله
3 - روشی نوین برای خوشه‌بندی داده‌ها با استفاده از الگوریتم بهینه‌سازی چهارگرگ خاکستری
لاله عجمی بختیاروند زهرا بهشتیشماره 4 , دوره 19 , زمستان 1400امروزه، خوشه‌بندی داده‌ها به دلیل حجم و تنوع داده‌ها بسیار مورد توجه قرار گرفته است. مشکل اصلی روش‌های خوشه‌بندهای معمول این است که در دام بهینه محلی گرفتار می‌آیند. الگوریتم‌های فراابتکاری به دلیل داشتن توانایی فرار از بهینه‌های محلی، نتایج موفقی را در خوشه‌بندی داده‌ه چکیده کاملامروزه، خوشه‌بندی داده‌ها به دلیل حجم و تنوع داده‌ها بسیار مورد توجه قرار گرفته است. مشکل اصلی روش‌های خوشه‌بندهای معمول این است که در دام بهینه محلی گرفتار می‌آیند. الگوریتم‌های فراابتکاری به دلیل داشتن توانایی فرار از بهینه‌های محلی، نتایج موفقی را در خوشه‌بندی داده‌ها نشان داده‌اند. الگوریتم بهینه‌سازی گرگ خاکستری از جمله این دسته الگوریتم‌ها است که قابلیت بهره‌برداری خوبی دارد و در برخی از مسایل راه حل مناسبی ارائه داده است، اما اکتشاف آن ضعیف است و در بعضی از مسایل به بهینه محلی همگرا می‌شود. در این تحقیق برای بهبود خوشه‌بندی داده‌ها، نسخه بهبودیافته‌ای از الگوریتم بهینه‌سازی گرگ خاکستری به نام الگوریتم بهینه‌سازی چهارگرگ خاکستری ارائه شده که با استفاده از بهترین موقعیت دسته چهارم گرگ‌ها به نام گرگ‌های امگای پیشرو در تغییر موقعیت هر گرگ، قابلیت اکتشاف بهبود می‌یابد. با محاسبه امتیاز هر گرگ نسبت به بهترین راه حل، نحوه حرکت آن مشخص می‌شود. نتایج الگوریتم پیشنهادی چهارگرگ خاکستری با الگوریتم‌های بهینه‌سازی گرگ خاکستری، بهینه‌سازی ازدحام ذرات، کلونی زنبور عسل مصنوعی، ارگانیسم‌های هم‌زیست و بهینه‌سازی ازدحام سالپ در مسأله خوشه‌بندی روی چهارده مجموعه دادگان ارزیابی شده است. همچنین عملکرد الگوریتم پیشنهادی با چند نسخه بهبودیافته از الگوریتم گرگ خاکستری مقایسه شده است. نتایج به دست آمده عملکرد قابل توجه الگوریتم پیشنهادی را نسبت به سایر الگوریتم‌های فراابتکاری مورد مقایسه در مسأله خوشه‌بندی نشان می‌دهد. بر اساس میانگین معیار F روی تمام مجموعه دادگان، روش پیشنهادی 82/172% و الگوریتم بهینه ذرات 78/284% را نشان می‌دهد و در مقایسه با نسخه‌های بهبودیافته الگوریتم گرگ، الگوریتم EGWO که در رتبه بعدی است دارای میانگین معیار F برابر 80/656% می‌باشد. جزييات مقاله -
دسترسی آزاد مقاله
4 - ارائه روشی مقاوم در برابر حملات تخاصمی با استفاده از فرایندهای گوسی مقیاس‌پذیر و رأی‌گیری
مهران صفایانی پویان َشالبافان سید هاشم احمدی مهدیه فلاح علی آبادی عبدالرضا میرزائیشماره 4 , دوره 19 , زمستان 1400در سال‌های اخیر، مسئله‌ای تحت عنوان آسیب‌پذیری مدل‌های مبتنی بر یادگیری ماشین مطرح گردیده است که نشان می‌دهد مدل‌های یادگیری در مواجهه با آسیب‌پذیری‌ها از مقاومت بالایی برخوردار نیستند. یکی از معروف‌ترین آسیب‌ها یا به بیان دیگر حملات، تزریق مثال‌های تخاصمی به مدل می‌باش چکیده کاملدر سال‌های اخیر، مسئله‌ای تحت عنوان آسیب‌پذیری مدل‌های مبتنی بر یادگیری ماشین مطرح گردیده است که نشان می‌دهد مدل‌های یادگیری در مواجهه با آسیب‌پذیری‌ها از مقاومت بالایی برخوردار نیستند. یکی از معروف‌ترین آسیب‌ها یا به بیان دیگر حملات، تزریق مثال‌های تخاصمی به مدل می‌باشد که در این مورد، شبکه‌های عصبی و به ویژه شبکه‌های عصبی عمیق بیشترین میزان آسیب‌پذیری را دارند. مثال‌های تخاصمی، از طریق افزوده‌شدن اندکی نویز هدفمند به مثال‌های اصلی تولید می‌شوند، به طوری که از منظر کاربر انسانی تغییر محسوسی در داده‌ها مشاهده نمی‌شود اما مدل‌های یادگیری ماشینی در دسته‌بندی داده‌ها به اشتباه می‌افتند. یکی از روش‌های موفق جهت مدل‌کردن عدم قطعیت در داده‌ها، فرایندهای گوسی هستند که چندان در زمینه مثال‌های تخاصمی مورد توجه قرار نگرفته‌اند. یک دلیل این امر می‌تواند حجم محاسباتی بالای این روش‌ها باشد که کاربردشان در مسایل واقعی را محدود می‌کند. در این مقاله از یک مدل فرایند گوسی مقیاس‌پذیر مبتنی بر ویژگی‌های تصادفی بهره گرفته شده است. این مدل علاوه بر داشتن قابلیت‌های فرایندهای گوسی از جهت مدل‌کردن مناسب عدم قطعیت در داده‌ها، از نظر حجم محاسبات هم مدل مطلوبی است. سپس یک فرایند مبتنی بر رأی‌گیری جهت مقابله با مثال‌های تخاصمی ارائه می‌گردد. همچنین روشی به نام تعیین ارتباط خودکار به منظور اعمال وزن بیشتر به نقاط دارای اهمیت تصاویر و اعمال آن در تابع هسته فرایند گوسی پیشنهاد می‌گردد. در بخش نتایج نشان داده شده که مدل پیشنهادشده عملکرد بسیار مطلوبی در مقابله با حمله علامت گرادیان سریع نسبت به روش‌های رقیب دارد. جزييات مقاله -
دسترسی آزاد مقاله
5 - ارائه يك الگوریتم تعادل بار مبتنی بر پیش‌بینی در شبکه‌های نرم‌افزارمحور
حسین محمدی سیداکبر مصطفویشماره 4 , دوره 19 , زمستان 1400شبکه‌های نرم‌افزارمحور یک معماری جدید در شبکه است که لایه کنترل را از لایه داده جدا می‌سازد. در این رویکرد مسئولیت لایه کنترل به نرم‌افزار کنترلر واگذار می‌شود تا رفتار کل شبکه را به طور پویا تعیین نماید. نتیجه این امر، ایجاد یک شبکه بسیار منعطف با مدیریت متمرکز است که چکیده کاملشبکههای نرم‌افزارمحور یک معماری جدید در شبکه است که لایه کنترل را از لایه داده جدا می‌سازد. در این رویکرد مسئولیت لایه کنترل به نرم‌افزار کنترلر واگذار می‌شود تا رفتار کل شبکه را به طور پویا تعیین نماید. نتیجه این امر، ایجاد یک شبکه بسیار منعطف با مدیریت متمرکز است که در آن میتوان پارامترهای شبکه را به خوبی کنترل کرد. با توجه به افزایش روزافزون کاربران، ظهور فناوری‌های جدید، رشد انفجاری ترافیک در شبکه، برآورده‌سازی الزامات کیفیت خدمات و جلوگیری از کم‌باری یا پرباری منابع، تعادل بار در شبکه‌های نرم‌افزارمحور ضروری می‌باشد. عدم تعادل بار باعث بالارفتن هزینه، کاهش مقیاس‌پذیری، انعطاف‌پذیری، بهره‌وری و تأخیر در سرویس‌دهی شبکه می‌شود. تا کنون الگوریتم‌های مختلفی برای بهبود عملکرد و تعادل بار در شبکه ارائه شده‌اند که معیارهای متفاوتی مانند انرژی مصرفی و زمان پاسخ سرور را مد نظر قرار داده‌اند، اما اغلب آنها از ورود سیستم به حالت عدم تعادل بار جلوگیری نمی‌کنند و خطرات ناشی از عدم تعادل بار را کاهش نمی‌دهند. در این مقاله، یک روش تعادل بار مبتنی بر پیش‌بینی برای جلوگیری از ورود سیستم به حالت عدم تعادل بار با بهره‌گیری از الگوریتم ماشین یادگیری افراطی پیشنهاد می‌شود. نتایج ارزیابی روش پیشنهادی نشان می‌دهد که از نظر تأخیر پردازش کنترل‌کننده، میزان تعادل بار و زمان پاسخ‌گویی به علت تعادل بار بهینه نسبت به روش‌های CDAA و PSOAP عملکرد بهتری دارد. جزييات مقاله -
دسترسی آزاد مقاله
6 - تشخیص داده پرت در دادگان با ابعاد بالا با استفاده از انتخاب زیرفضای مرتبط محلی مبتنی بر آنتروپی
محبوبه ریاحی مدوار احمد اکبری بابک ناصرشريفشماره 4 , دوره 19 , زمستان 1400یکی از چالش‌های مسئله تشخیص داده پرت با ابعاد بالا، طلسم بعد است که در آن برخی ابعاد (ویژگی‌ها) منجر به پنهان‌شدن دادههای پرت می‌گردند. برای حل این مسئله، ابعادی که حاوی اطلاعات ارزشمندی در دادگان با ابعاد بالا جهت تشخیص داده پرت هستند، جستجو می‌شوند تا با نگاشت دادگان چکیده کاملیکی از چالش‌های مسئله تشخیص داده پرت با ابعاد بالا، طلسم بعد است که در آن برخی ابعاد (ویژگی‌ها) منجر به پنهان‌شدن دادههای پرت می‌گردند. برای حل این مسئله، ابعادی که حاوی اطلاعات ارزشمندی در دادگان با ابعاد بالا جهت تشخیص داده پرت هستند، جستجو می‌شوند تا با نگاشت دادگان به زیرفضای متشکل از این ابعاد مرتبط، دادههای پرت برجسته‌تر و قابل شناسایی شوند. این مقاله با معرفی یک روش جدید انتخاب زیرفضای مرتبط محلی و توسعه یک رویکرد امتیازدهی داده پرت مبتنی بر چگالی محلی، امکان تشخیص داده پرت در دادگان با ابعاد بالا را فراهم می‌نماید. در ابتدا، یک الگوریتم برای انتخاب زیرفضای مرتبط محلی بر اساس آنتروپی محلی ارائه می‌شود تا بتواند برای هر نقطه داده با توجه به دادههای همسایه‌اش یک زیرفضای مرتبط انتخاب کند. سپس هر نقطه داده در زیرفضای انتخابی متناظرش با یک روش امتیازدهی پرت محلی مبتنی بر چگالی امتیازدهی می‌شود، به طوری که با در نظر گرفتن یک پهنای باند تطبیقی جهت تخمین چگالی هسته سعی می‌شود که اختلاف جزئی بین چگالی یک نقطه داده نرمال با همسایه‌هایش از بین رفته و به اشتباه به عنوان داده پرت تشخیص داده نشود و در عین حال، تخمین کمتر از مقدار واقعی چگالی در نقاط داده پرت، منجر به برجسته‌شدن این نقاط داده گردد. در پایان با آزمایش‌های تجربی روی چندین دادگان دنیای واقعی، الگوریتم پیشنهادی تشخیص داده پرت زیرفضای مبتنی بر آنتروپی محلی با چند تکنیک تشخیص داده پرت بر حسب دقت تشخیص مقایسه شده است. نتایج تجربی نشان می‌دهد که الگوریتم پیشنهادی مبتنی بر معیار آنتروپی محلی و روش پیشنهادی امتیازدهی داده پرت توانسته است به دقت بالایی جهت تشخیص داده پرت دست یابند. جزييات مقاله -
دسترسی آزاد مقاله
7 - شناسایی فعالیت‌های انسانی مبتنی بر سنسورهای متحرک در اینترنت اشیا با استفاده از یادگیری عمیق
عباس میرزایی فاطمه فرجیشماره 4 , دوره 19 , زمستان 1400کنترل محدوده‌ها، اماکن و سنسورهای حرکتی در اینترنت اشیا نیازمند کنترل پیوسته و مستمر برای تشخیص فعالیت‌های انسانی در شرایط مختلف است که این مهم، خود چالشی از جمله نیروی انسانی و خطای انسانی را نیز در بر دارد. کنترل همیشگی توسط انسان نیز بر سنسورهای حرکتی اینترنت اشیا غی چکیده کاملکنترل محدوده‌ها، اماکن و سنسورهای حرکتی در اینترنت اشیا نیازمند کنترل پیوسته و مستمر برای تشخیص فعالیت‌های انسانی در شرایط مختلف است که این مهم، خود چالشی از جمله نیروی انسانی و خطای انسانی را نیز در بر دارد. کنترل همیشگی توسط انسان نیز بر سنسورهای حرکتی اینترنت اشیا غیر ممکن به نظر می‌رسد. اینترنت اشیا فراتر از برقراری یک ارتباط ساده بین دستگاه‌ها و سیستم‌ها می‌باشد. اطلاعات سنسورها و سیستم‌های اینترنت اشیا به شرکت‌ها کمک می‌کند تا دید بهتری نسبت به کارایی سیستم داشته باشند. در این پژوهش روشی مبتنی بر یادگیری عمیق و شبکه عصبی عمیق سی‌لایه‌ای برای تشخیص فعالیت‌های انسانی روی مجموعه داده تشخیص فعالیت دانشگاه فوردهام ارائه شده است. این مجموعه داده دارای بیش از یک میلیون سطر در شش کلاس برای تشخیص فعالیت در اینترنت اشیا است. بر اساس نتایج به دست آمده، مدل پیشنهادی ما در راستای تشخیص فعالیت‌های انسانی در معیارهای ارزیابی مورد نظر کارایی 90 درصد و میزان خطای 2/2 درصد را داشت. نتایج به دست آمده نشان از عملکرد خوب و مناسب یادگیری عمیق در تشخیص فعالیت است. جزييات مقاله -
دسترسی آزاد مقاله
8 - ارزیابی روند پیشرفت بیماری سوختگی شمشاد در جنگل‌های شمال ایران با استفاده از تكنیك‌های پردازش تصاویر ماهواره‌ای
مرضيه قويدل پیمان بیات محمد ابراهيم فراشيانيشماره 4 , دوره 19 , زمستان 1400در چند سال اخیر، بیماری سوختگی شمشاد به یکی از مهمترین نگرانی‌های مدیران منابع طبیعی کشور و دوستداران محیط زیست تبدیل شده است. به منظور کاهش خطر انقراض این گونه، نیاز به تشخیص زود‌هنگام و تهیه نقشه پراکنش بیماری است و در این راستا، دادههای سنجش از دور می‌توانند ن چکیده کاملدر چند سال اخیر، بیماری سوختگی شمشاد به یکی از مهمترین نگرانی‌های مدیران منابع طبیعی کشور و دوستداران محیط زیست تبدیل شده است. به منظور کاهش خطر انقراض این گونه، نیاز به تشخیص زود‌هنگام و تهیه نقشه پراکنش بیماری است و در این راستا، دادههای سنجش از دور می‌توانند نقش مهمی را ایفا کنند. در این پژوهش برای بررسی میزان تخریب از ادغام تصاویر پانکروماتیک با قدرت تفکیک مکانی بالا و چندطیفی با قدرت تفکیک مکانی پایین استفاده گردیده و همچنین به طور همزمان در تصاویر استخراج‌شده از ماهواره لندست 8، ویژگی‌های طیفی و بافتی مورد توجه قرار گرفته و در نهایت با استخراج ویژگی‌های مؤثر از فضای توصیف کاندیدا با کمک الگوریتم ژنتیک و به کارگیری طبقه‌بند مناسب در قالب به کارگیری همزمان خوشه‌بندی فازی و طبقه‌بندی بیشینه شباهت، کلاس پوشش منطقه با دقت مطلوبی بین سال‌های 2014 تا 2018 استخراج نهایی شده است. نتایج ارزیابی و ضریب تبیین مدلها، اعتبارسنجی روش را در برآوردهای آینده مورد تأیید قرار می‌دهد. جزييات مقاله
پربازدیدترین مقالات
-
دسترسی آزاد مقاله
1 - مدلسازی و ارزیابی قابلیت اطمینان راکتور کنترل‌شونده مغناطیسی مبتنی بر روش زنجیره مارکوف
مرتضی حق‌شناس رحمت‌الله هوشمندشماره 3 , دوره 17 , پاییز 1398راکتورهای کنترل‌شونده نوعی از سیستم‌های انتقال انعطاف‌پذیر هستند که نقش مهمی در دسترس‌پذیری و قابلیت اطمینان سیستم‌های قدرت دارند. این در حالی است که در ارزیابی متعارف قابلیت اطمینان سیستم‌های قدرت، توان راکتیو تنها به عنوان یک محدودیت برای شبکه در نظر گرفته شده و تا کن چکیده کاملراکتورهای کنترل‌شونده نوعی از سیستم‌های انتقال انعطاف‌پذیر هستند که نقش مهمی در دسترس‌پذیری و قابلیت اطمینان سیستم‌های قدرت دارند. این در حالی است که در ارزیابی متعارف قابلیت اطمینان سیستم‌های قدرت، توان راکتیو تنها به عنوان یک محدودیت برای شبکه در نظر گرفته شده و تا کنون مدل دقیقی برای ارزیابی قابلیت اطمینان راکتورها ارائه نشده است. در این مقاله یک مدل قابلیت اطمینان جدید توسط روش زنجیره مارکوف برای راکتور کنترل‌شونده مغناطیسی (MCR) پیشنهاد شده است. در فرایند مدلسازی این جبران‌کننده، ابتدا ساختار راکتور به دو بخش مجزا تقسیم شده و سپس مدل‌های مارکوف استخراج‌شده برای آنها بر اساس اصول روش فراوانی و تداوم حالت‌ها ترکیب شده است. از آنجا که تغییرات دمای محیط نقش قابل ملاحظه‌ای در تغییر نرخ خرابی تجهیزات الکتریکی دارد، اثر تغییرات دما مطابق با استاندارد MIL-217F در مدل پیشنهادی لحاظ شده و تأثیر آن بر احتمال حالت‌های کاری MCR مورد ارزیابی قرار گرفته است. نتایج شبیه‌سازی و تحلیل حساسیت نشان داده که در شرایط عادی، سیستم کنترل و در دماهای زیاد، سیم‌پیچ‌های راکتور می‌توانند بیشترین تأثیر را بر دسترس‌پذیری MCR داشته باشند. مقایسه شاخص‌های قابلیت اطمینان در دماهای مختلف نشان داده که در شرایط تغییر دما، اجزای متفاوتی دسترس‌پذیری MCR را تحت تأثیر قرار خواهد داد، لذا در چنین شرایطی اقدامات لازم برای بهبود قابلیت اطمینان راکتور می‌تواند متفاوت باشد. این واقعیت اهمیت در نظر گرفتن دمای محیط در ارزیابی قابلیت اطمینان و همچنین برنامه‌ریزی برای تعمیرات پیشگیرانه جهت بهبود عملکرد منابع توان راکتیو را نشان می‌دهد. جزييات مقاله -
دسترسی آزاد مقاله
2 - برنامه‌ریزی توان راکتیو در حضور توربین بادی با در نظر گرفتن نایقینی بار و تولید
احسان محرمی سعید اسماعیلیشماره 3 , دوره 13 , پاییز 1394مدیریت توان راکتیو در سیستم‌های قدرت برای انتقال ایمن توان اکتیو به ویژه زمانی که قسمتی از تولید سیستم به صورت احتمالی و توسط منابع بادی تأمین می‌گردد از اهمیت اساسی برخوردار است. در این مقاله یک الگوریتم جدید برای برنامه‌ریزی توان راکتیو در حضور مولدهای بادی و با در نظ چکیده کاملمدیریت توان راکتیو در سیستم‌های قدرت برای انتقال ایمن توان اکتیو به ویژه زمانی که قسمتی از تولید سیستم به صورت احتمالی و توسط منابع بادی تأمین می‌گردد از اهمیت اساسی برخوردار است. در این مقاله یک الگوریتم جدید برای برنامه‌ریزی توان راکتیو در حضور مولدهای بادی و با در نظر گرفتن همزمان طبیعت احتمالی این منابع و همچنین نایقینی بار ارائه گردیده است. در این راستا الگوریتم احتمالی پیشنهادی با در نظر گرفتن تابع هزینه هر یک از منابع توان راکتیو از جمله مولدهای بادی، تابع هزینه کلی سیستم را حداقل می‌نماید. در کنار مسایل اقتصادی، حاشیه پایداری ولتاژ، داشتن رزرو توان راکتیو کافی در هر ناحیه کنترل ولتاژ و احتمال تراکم خطوط نیز به عنوان جنبه‌های تکنیکی برنامه‌ریزی توان راکتیو به خوبی مورد مطالعه و بررسی قرار گرفته‌اند. از دیگر مزیت‌های این روش نسبت به روش‌های قبلی، لحاظ‌نمودن قابلیت تولید توان راکتیو در مولدهای بادی از نوع سرعت متغیر محدود با ژنراتور القایی تغذیه مضاعف (DFIG) و در نظر گرفتن محدودیت‌های مبدل سمت روتور و شبکه در تولید توان راکتیو می‌باشد. الگوریتم بهینه‌سازی ارائهشده از یک تکنیک برنامه‌ریزی چندهدفه با استفاده از ضرایب وزنی مناسب برای حداقل‌نمودن مجموع هزینه تأمین توان راکتیو و تلفات شبکه، به طور همزمان و احتمال تراکم خطوط، همراه با حداکثرنمودن حاشیه پایداری ولتاژ و رزرو توان راکتیو در هر ناحیه در یک ساختار احتمالی برای سرعت باد و پیش‌بینی بار استفاده می‌نماید. نتایج شبیه‌سازی روی شبکه تست 30باسه IEEE بر کارامدی روش پیشنهادی برای شرایط واقعی سیستم تأکید دارد. جزييات مقاله -
دسترسی آزاد مقاله
3 - مدلسازی کمپرسور 250-K با استفاده از روش سری موازی نارکس و فازی سلسله‌مراتبی
عادل خسروی عباس چترایی غضنفر شاهقلیان سید محمد کارگرشماره 3 , دوره 18 , پاییز 1399با توجه به افزایش روزافزون کاربرد کمپرسورها در صنعت، تعیین یک مدل ریاضی برای کمپرسور جهت طراحی سیستم کنترلی، تجزیه و تحلیل و شبیه‌سازی کامپیوتری آن بسیار مهم است. همچنین در سال‌های اخیر مدل‌سازی‌های هوشمند نظیر شبکه عصبی و فازی به علت عملکرد واقع‌بینانه‌تر این مدلها م چکیده کاملبا توجه به افزایش روزافزون کاربرد کمپرسورها در صنعت، تعیین یک مدل ریاضی برای کمپرسور جهت طراحی سیستم کنترلی، تجزیه و تحلیل و شبیه‌سازی کامپیوتری آن بسیار مهم است. همچنین در سال‌های اخیر مدل‌سازی‌های هوشمند نظیر شبکه عصبی و فازی به علت عملکرد واقع‌بینانه‌تر این مدلها مورد توجه محققین قرار گرفته و از انواع آن برای مدلسازی استفاده شده است. روش‌های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین دادههای ورودی و خروجی است. در این مقاله، مدلسازی کمپرسور 250 K- شرکت ذوب‌آهن اصفهان بر اساس مدل‌های هوشمند شبکه عصبی فازی رگرسیون خودکار غیر خطی با ورودی خارجی (نارکس) و شبکه فازی سلسله‌مراتبی ارائه شده است. جهت مدلسازی، سیستم مورد آزمایش قرار گرفته است و دادههای ورودی و خروجی کمپرسور با استفاده از سنسورهای موجود در کمپرسور و پردازش تصویر برای تبدیل‌کردن داده‌ها به داده مورد نیاز در مدلسازی استفاده می‌شوند. سپس الگوریتم‌های نارکس و فازی سلسله‌مراتبی مدل کمپرسور با استفاده از نرم‌افزار Matlab تعیین می‌شود. نتایج شبیه‌سازی ارائهشده از مدلسازی، برازش بهتری برای نارکس نسبت به فازی سلسله‌مراتبی را نشان می‌دهد. از بین دو مدل ارائهشده در این مقاله مدل نارکس در بردار رگرسیون و خطای گوسی، پاسخ بهتری نسبت به شبکه فازی سلسله‌مراتبی ارائه می‌کند. جزييات مقاله -
دسترسی آزاد مقاله
4 - طراحی و آنالیز یک کنترل‌کننده مقاوم و سریع جدید مد لغزشی با سطح لغزش چندشیب، برای اینورترهای نوع NPC سه‌سطحی تک‌فاز تحت بارهای مختلف و کاهش THD خروجی
بابک خواجه شلالی غضنفر شاهقلیانشماره 2 , دوره 15 , تابستان 1396در این مقاله ساختار کنترلی با عملکردی مقاوم در حضور عدم قطعیت‌های پارامتری سیستم جهت بهبود مشخصات اینورتر سینوسی خالص در تمامی شرایط عملکردی و بارگذاری ارائه شده است. کنترل‌کننده رفتار سریع و دقیق مبدل در شرایط مختلف بارگذاری جهت افزایش کیفیت ولتاژ و کاهش هارمونیک‌های خ چکیده کاملدر این مقاله ساختار کنترلی با عملکردی مقاوم در حضور عدم قطعیت‌های پارامتری سیستم جهت بهبود مشخصات اینورتر سینوسی خالص در تمامی شرایط عملکردی و بارگذاری ارائه شده است. کنترل‌کننده رفتار سریع و دقیق مبدل در شرایط مختلف بارگذاری جهت افزایش کیفیت ولتاژ و کاهش هارمونیک‌های خروجی را تضمین می‌کند. این کنترل‌کننده با یک عملکرد لغزشی و با بهره‌گیری از ولتاژ خروجی و جریان خازن در فرایند کنترل، علاوه بر ایجاد یک تعقیب دقیق ولتاژ خروجی از مرجع، توانایی دفع اغتشاشات پریودیک ناشی از بارگذاری را به طور مطلوب دارد. همچنین حالت‌های خطا را در سریع‌ترین زمان ممکن به سمت صفر برده و حالت‌های گذرای بسیار مطلوبی را در لحظات بروز خطا که همان لحظات اسپایک‌های شدید و دامنه‌های بزرگ جریان در خروجی می‌باشد را به همراه دارد. از دیگر ویژگی‌های کنترل‌کننده ارائهشده افزایش وسعت ناحیه پایداری تحت محدوده وسیعی از بارگذاری در شرایط مختلف می‌باشد. درستی عملکرد کنترل‌کننده پیشنهادی بر روی یک اینورتر سه‌سطحی NPC تک‌فاز که دارای حساسیت بالایی در امر کنترل به منظور افزایش کیفیت، کاهش هارمونیک و THD موج خروجی می‌باشد با یک کنترل‌کننده مد لغزشی تک شیب با همان مشخصات بارگذاری و مرجع مقایسه شده است. جزييات مقاله -
دسترسی آزاد مقاله
5 - شناسایی حلقه بسته سیستم احتراق با استفاده از سیستم استنباط فازی- عصبی تطبیقی بازگشتی و شبکه با ورودی‌های برون‌زا
احسان آقاداودی غضنفر شاهقلیانشماره 3 , دوره 16 , پاییز 1397بویلر- توربین یک سیستم چندمتغیره و پیچیده در نیروگاه‌های بخار است و از سه حلقه کنترل اصلی و مجزای احتراق، دما و سطح آب درام تشکیل شده است. انتخاب حلقه‌های کنترلی به عنوان یک حلقه واحد به منظور کنترل و شناسایی بویلر به صورت یکپارچه، به علت حضور مشخصه‌های دینامیکی غیر خطی چکیده کاملبویلر- توربین یک سیستم چندمتغیره و پیچیده در نیروگاه‌های بخار است و از سه حلقه کنترل اصلی و مجزای احتراق، دما و سطح آب درام تشکیل شده است. انتخاب حلقه‌های کنترلی به عنوان یک حلقه واحد به منظور کنترل و شناسایی بویلر به صورت یکپارچه، به علت حضور مشخصه‌های دینامیکی غیر خطی متغیر با زمان بسیار سخت و پیچیده خواهد بود. بنابراین برای تحقق یک مدل واقعی و دقیق برای طراحی کنترل‌کننده مناسب، هر حلقه کنترلی باید جداگانه شناسایی شود. همچنین عملکرد مؤثر و کارامد مدل شناسایی‌شده در زمان تغییرات بار نیز حایز اهمیت است. در این مقاله شناسایی حلقه بسته سیستم احتراق ارائه شده است. با توجه به حساسیت، پیچیدگی، غیر خطی و حلقه بسته بودن سیستم، شناسایی سیستم با استفاده از روش‌های هوشمند مانند سیستم استنباط فازی- عصبی تطبیقی (ANFIS) بازگشتی و شبکه با ورودی‌های برون‌زا (NARX) سری- موازی انجام می‌گیرد. در انتها مقایسه نتایج دو روش با یکدیگر و همچنین مقایسه با دادههای واقعی نمونه‌برداری شده از بویلر واحد 320 مگاوات نیروگاه بخار اصفهان- ایران ارائه شده و دقت روش‌ها نشان داده می‌شود. جزييات مقاله -
دسترسی آزاد مقاله
6 - انتخاب اتوماتیک تصویر مرجع در تطبیق هیستوگرام
نجمه صمدیانی حمید حسنپورشماره 2 , دوره 13 , تابستان 1394در اين مقاله روشي براي انتخاب اتوماتيک تصوير مرجع در تطبيق هيستوگرام ارائه شده است. تطبيق هيستوگرام يکي از ساده‌ترين روش‌هاي مکاني بهبود تصوير است که با توجه به هيستوگرام تصوير مرجع، کنتراست تصوير اوليه را بهبود مي‌دهد. در روش‌هاي معمول تطبيق هيستوگرام، کاربر براي يافتن چکیده کاملدر اين مقاله روشي براي انتخاب اتوماتيک تصوير مرجع در تطبيق هيستوگرام ارائه شده است. تطبيق هيستوگرام يکي از ساده‌ترين روش‌هاي مکاني بهبود تصوير است که با توجه به هيستوگرام تصوير مرجع، کنتراست تصوير اوليه را بهبود مي‌دهد. در روش‌هاي معمول تطبيق هيستوگرام، کاربر براي يافتن مناسب‌ترين تصوير مرجعي که بهتر از ساير تصاوير هدف، کنتراست تصوير را بهبود ببخشد، نيازمند انجام چندين آزمايش با عکس‌هاي گوناگون روي تصوير اوليه است اما اين مقاله، روشي براي انتخاب اتوماتيک تصوير مرجع در تطبيق هيستوگرام ارائه مي‌دهد. روش کار بدين صورت است که براي تجزیه مؤلفه روشنایی از رنگ، ابتدا تصاوير از فضاي رنگي RGB به فضاي HSV انتقال مي‌يابند. سپس تصوير مرجع مناسب براي بهبود تصوير اوليه، توسط يک معيار شباهت با سنجش ميزان شباهت بين هيستوگرام مؤلفه روشنایی تصاوير موجود در پايگاه داده و هيستوگرام مؤلفه روشنایی تصوير اوليه انتخاب مي‌شود. به عبارت ديگر، تصويري که هيستوگرام آن شباهت بيشتري به هيستوگرام تصوير اوليه دارد در بهبود کنتراست تصوير اوليه، موفق‌تر عمل مي‌کند. انجام اين کار علاوه بر به دست آوردن نتيجه مطلوب، کاربر را از دغدغه انتخاب يک تصوير مرجع مناسب براي بهبود تصوير اوليه نيز بي‌نياز مي‌کند. همچنين روش ارائهشده قابل استفاده روي تصاوير هر دو حوزه RGB و خاکستري نيز مي‌باشد. جزييات مقاله -
دسترسی آزاد مقاله
7 - طراحي و ساخت يک راه‌انداز گيت IGBT با حفاظتهای لازم و ادوات SMD
مهدي فاضلي سيداديب ابريشميفرشماره 1 , دوره 4 , بهار-تابستان 1385راه‌اندازهای گيت در مبدل‌های قدرت نوين که از عنصر قدرت IGBT استفاده مي‌کنند، بايد چندين عملکرد اساسی همچون ايزولاسيون الکتريکی، تقويت جريان و حفاظت در برابر اضافه جريان و ولتاژ را به اجرا بگذارند. مقاله حاضر يک نمونه از چنين راه‌اندازهايی را توصيف می‌کند که تماماً توسط چکیده کاملراهاندازهای گيت در مبدل‌های قدرت نوين که از عنصر قدرت IGBT استفاده مي‌کنند، بايد چندين عملکرد اساسی همچون ايزولاسيون الکتريکی، تقويت جريان و حفاظت در برابر اضافه جريان و ولتاژ را به اجرا بگذارند. مقاله حاضر يک نمونه از چنين راه‌اندازهايی را توصيف می‌کند که تماماً توسط ادوات SMD ساخته شده و برای IGBT های قدرت متوسط يا زياد مناسب است. اين راه‌انداز شامل منبع تغذيه سوئيچينگ ايزوله، مدارهای بافر، برخی توابع حفاظتی و همچنين حفاظت در برابر اتصال کوتاه IGBT است. مدار توانائی اعمال جريان تا اوج 6 آمپر با تدوام 50% با اعمال سيگنال ورودی در سطح TTL را دارد. جزييات مقاله -
دسترسی آزاد مقاله
8 - پيشنهاد قيمت بهینه در بازار برق با استفاده از تئوری بازی‌ها
ناصر بائی محسن پارسامقدمشماره 3 , دوره 6 , پاییز 1387در این مقاله روش جدیدی برای استراتژی پیشنهاد قیمت در بازارهای نقطه‌ای برق ارائه شده است. یک روش بهینه‌سازی دوسطحی برای حداکثرسازی سود شرکت‌های غیرمشارکتی، با در نظر گرفتن تمام قیود شبکه به کار رفته است. در این روش نقاط تعادل بازار به عنوان تعادل نَش محاسبه شده‌اند. به م چکیده کاملدر این مقاله روش جدیدی برای استراتژی پیشنهاد قیمت در بازارهای نقطه‌ای برق ارائه شده است. یک روش بهینه‌سازی دوسطحی برای حداکثرسازی سود شرکت‌های غیرمشارکتی، با در نظر گرفتن تمام قیود شبکه به کار رفته است. در این روش نقاط تعادل بازار به عنوان تعادل نَش محاسبه شده‌اند. به منظور در نظر گرفتن رفتار تمام شرکت‌های بازار و در نتیجه محیط رقابتی‌تر، هم تولیدکنندگان و هم مصرف‌کنندگان به عنوان بازیکنان بازار در نظر گرفته شده‌اند. برای اجتناب از رسیدن به نقاط ماکزیمم محلی در بهینه‌سازی از روش الگوریتم ژنتیک استفاده شده است. روش پیشنهادی برای سیستم 9 شینه با نتایج رضایت‌بخش به کار رفته است. جزييات مقاله -
دسترسی آزاد مقاله
9 - ارائه یک الگوریتم خوشه‌بندی مبتنی بر چگالی با قابلیت کشف خوشه‌های با چگالی متفاوت در پایگاه دادههای مکانی
علی زاده ده بالایی علیرضا باقری حامد افشارشماره 3 , دوره 15 , پاییز 1396خوشه‌بندی یکی از تکنیک‌های مهم کشف دانش در پایگاه دادههای مکانی است. الگوریتم‌های خوشه‌بندی مبتنی بر چگالی یکی از روش‌های اصلی برای خوشه‌بندی در داده‌کاوی هستند. الگوریتم DBSCAN پایه روش‌های خوشه‌بندی مبتنی بر چگالی است که علی‌رغم مزایایی که دارد دارای مشکلاتی نظیر سخت چکیده کاملخوشهبندی یکی از تکنیک‌های مهم کشف دانش در پایگاه دادههای مکانی است. الگوریتم‌های خوشه‌بندی مبتنی بر چگالی یکی از روش‌های اصلی برای خوشه‌بندی در داده‌کاوی هستند. الگوریتم DBSCAN پایه روش‌های خوشه‌بندی مبتنی بر چگالی است که علی‌رغم مزایایی که دارد دارای مشکلاتی نظیر سخت‌بودن تعیین پارامترهای ورودی و عدم توانایی کشف خوشه‌های با چگالی متفاوت نیز است. در این مقاله الگوریتمی ارائه شده که برخلاف الگوریتم DBSCAN، قابلیت تشخیص خوشه‌های با چگالی متفاوت را دارد. این الگوریتم همچنین خوشه‌های تودرتو و چسبیده به هم را نیز به خوبی تشخیص می‌دهد. ایده الگوریتم پیشنهادی به این صورت است که ابتدا با استفاده از تکنیکی چگالی‌های مختلف مجموعه داده را تشخیص داده و برای هر چگالی یک شعاع Eps تعیین می‌کند. سپس الگوریتم DBSCAN جهت اعمال بر روی مجموعه داده، با پارامترهای به دست آمده تطبیق داده می‌شود. الگوریتم پیشنهادی بر روی مجموعه دادههای استاندارد و مصنوعی تست شده است و نتایج به دست آمده با نتایج حاصل از الگوریتم DBSCAN و پنج بهبود الگوریتم DBSCAN شامل: VDBSCAN، VMDBSCAN، LDBSCAN، DVBSCAN و MDDBSCAN که همگی برای رفع مشکل تغییرات چگالی الگوریتم DBSCAN ارائه شده‌اند، بر اساس معیارهای ارزیابی روش‌های خوشه‌بندی مقایسه شده‌اند. نتایج ارزیابی‌ها نشان می‌دهد که الگوریتم پیشنهادی از دقت بالا و درصد خطای پایینی برخوردار بوده و نتایج بهتری نسبت به سایر الگوریتم‌ها داشته است. جزييات مقاله -
دسترسی آزاد مقاله
10 - شبکه عصبی فازی مین- ماکس چندسطحی با باکس‌های وزن‌دار
رضا داوطلب محمدعلی بالافر محمدرضا فیضی درخشیشماره 3 , دوره 14 , پاییز 1395در این مقاله شبکه عصبی فازی مین- ماکس چندسطحی با باکس‌های وزن‌دار (WL-FMM) برای استفاده در کلاس‌بندی ارائه می‌گردد که یک ابزار یادگیری با نظارت بسیار سریع بوده و قادر به یادگیری داده‌ها به صورت برخط و تک‌گذار است. در این روش برای حل مشکل نواحی همپوشان که از مشکلات همیشگ چکیده کاملدر این مقاله شبکه عصبی فازی مین- ماکس چندسطحی با باکس‌های وزن‌دار (WL-FMM) برای استفاده در کلاس‌بندی ارائه می‌گردد که یک ابزار یادگیری با نظارت بسیار سریع بوده و قادر به یادگیری داده‌ها به صورت برخط و تک‌گذار است. در این روش برای حل مشکل نواحی همپوشان که از مشکلات همیشگی روش‌های فازی مین- ماکس بوده، از باکس‌هایی با اندازه کوچکتر و وزن بیشتر استفاده می‌شود. این کار باعث افزایش دقت طبقه‌بندی شبکه در نواحی مرزی نمونه‌ها می‌گردد. همچنین با توجه به تغییراتی که در ساختار الگوریتم داده شده و بر اساس نتایج آزمایشی به دست آمده، روش ارائهشده نسبت به روش‌های مشابه از پیچیدگی زمانی و مکانی کمتری برخوردار بوده و نسبت به پارامترهایی که از طرف کاربر مشخص می‌شود، حساسیت کمتری دارد. جزييات مقاله
