Thesis

تخمین فرکانس و ضریب میرایی سیگنال های سینوسی میرا با استفاده از شبکه های آدالاین

Abstract(in Persian; no English abstract is available)

در سیستم های کنترلی امروزی، پردازش بهنگام سیگنال ها از اهمیت ویژه ای برخوردار است. زیرا این سیگنال ها حاوی اطلاعاتی از سیستم و بنابراین عملکرد آن هستند. هر چه بتوان اطلاعات بیشتری از سیگنال های در دسترس استخراج کرد، طبیعتا توصیف دقیق تری از خصوصیات سیستم در اختیار داریم و در نتیجه توانایی کنترلی بالاتری خواهیم داشت. بنابراین پژوهش های بسیاری جهت رویارویی با سیگنال هایی که وجودشان از قبل قابل پیش بینی می باشد انجام گرفته است. یک دسته از این سیگنال ها که در کاربردهای گوناگون ظاهر می شوند سیگنال های سینوسی و در حالت کلی تر سیگنال های سینوسی میرا هستند. سیگنال های سینوسی میرا در گستره وسیعی از کاربردها ظاهر می شوند. چه به منظور کاربردهای کنترلی (همچون حذف اغتشاش) و چه به قصد پردازش سیگنال، یافتن الگوریتمی که توانایی استخراج و تعقیب پارامترهای این سیگنال را داشته باشد، حائز اهمیت می باشد. این موضوع پژوهشگران را بر آن داشته تا به دنبال راهکارهایی مناسب جهت استخراج پارامترهای این نوع سیگنال به منظور کاربردهای بهنگام باشند. تخمین پارامتر در سیگنال های سینوسی میرا می تواند شامل تخمین دامنه، ضریب میرایی، فرکانس و فاز باشد. با توجه به این موضوعات، در این پایان نامه ابتدا الگوریتم جدیدی مبتنی بر استفاده از شبکه های عصبی آدالاین تک ورودی و دو ورودی برای تخمین بهنگام فرکانس و ضریب میرایی یک سیگنال سینوسی میرای مختلط ارائه شده است.

Supervisors and advisors

مریم ذکری، محسن مجیری، بهرام کریمی

Similar theses

Similar items

  • تخمین پارامترهای سیگنال سینوسی میرا با استفاده از شناساننده تطبیقی

    در این مقاله، یک الگوریتم تطبیقی، جهت تخمین بهنگام فرکانس و ضریب میرایی سیگنال های سینوسی میرا ارائه شده است. الگوریتم ارائه شده مبتنی بر مفهوم شناساننده تطبیقی به عنوان روشی برای تخمین پارامترهای یک سیستم خطی می باشد. الگوریتم پیشنهادی از یک فیلتر خطی مرتبه دو به همراه دو قانون

  • تخمین پارامترهای سیگنال سینوسی میرا با استفاده از شناساننده تطبیقی

    Articleکنترلlمحمد علی قدیری مدرس، mohammad ali ghadiri-modarres دانشگاه صنعتی اصفهان محسن مجیری، mohsen mojiri دانشگاه صنعتی اصفهان بهرام کریمی، bahram karimi دانشگاه صنعتی مالک اشتر

    در این مقاله، یک الگوریتم تطبیقی، جهت تخمین بهنگام فرکانس و ضریب میرایی سیگنال های سینوسی میرا ارائه شده است. الگوریتم ارائه شده مبتنی بر مفهوم شناساننده تطبیقی به عنوان روشی برای تخمین پارامترهای یک سیستم خطی می باشد. الگوریتم پیشنهادی از یک فیلتر خطی مرتبه دو به همراه دو قانون

  • تخمین ضریب پخش طولی آلاینده ها در مجاری روباز با استفاده از شبکه عصبی مصنوعی

    Articleدانش آب و خاکالهام ایزدی نیا، استادیار گروه مهندسی عمران، دانشگاه شهید اشرفی اصفهانی (ره) عالیه سعادت پور، دانشجوی دکترای گروه علوم و مهندسی آب، دانشگاه فردوسی مشهد منوچهر حیدرپور، استاد گروه مهندسی آب، دانشگاه صنعتی اصفهان

    انتقال طولی آلاینده ها یکی از مراحل مهم در فرآیند رقیق سازی آلاینده ها میباشد که شناخت آن از اهمیت ویژهایبرخوردار است. دشواری اندازه گیری ضریب انتشار طولی در رودخانهها نیاز به استفاده از روشهای مناسب مدلسازیدر پیشبینی این ضریب را بیشتر میکند. یکی از روشهای کارآمد مدل سازی شبکه عص

  • ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش‌های تحلیلی و پیش‌بینی همزمان آن‌ها با استفاده از شبکه عصبی

    پایداری زاویه‌ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می‌شود، یکی از مهمترین عوامل در برنامه‌ریزی و بهره‌برداری سیستم‌های قدرت است. این نوع از پایداری‌ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه‌ای، بین‌ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می‌گیر

  • ارزیابی قابلیت ضریب مشارکت ژنراتورها به منظور تعیین نوع نوسانات سیگنال کوچک سیستم قدرت با استفاده از روش های تحلیلی و پیش بینی همزمان آن ها با استفاده از شبکه عصبی

    Articleمدلسازی در مهندسیمحمد حسین ولایتی، mohammad hossein velayati دانشگاه سمنان نیما امجدی، nima amjady the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes. سید احمد حسینی، seyyed ahmad hosseini the small signal rotor angle stability which is called the small signal stability is an important issue in planning and operation of power systems. this type of stability is analyzed in four categories which include local, inter-area, control and torsional oscillations. identification and segregation of these oscillations behavior can be used for applying control actions such as excitation system and power system stabilizer parameters tuning in order to control the oscillations damping. determining the frequency of the system's critical modes and participation factors of the generators in these modes are one of the conventional methods for analyzing these oscillations which are calculated using analytical methods such as modal analysis. in this paper, capability of the generators' participation factor for determining the inter-area and local oscillations are studied at first by means of analytical methods. conventional methods (e.g., modal analysis and time–domain simulations) are challenging and time consuming tasks. thus, the generators' participation factor and power system oscillations type in the critical mode are predicted using a hybrid method containing a feature selection and probabilistic neural network (pnn) part. the advantage of the proposed method is the accuracy, fast calculations, simultaneous prediction of oscillations type and their participation in the dominant state variable of the generators in the critical modes.

    پایداری زاویه ای سیگنال کوچک رتور که از آن به عنوان پایداری سیگنال کوچک نیز یاد می شود، یکی از مهمترین عوامل در برنامه ریزی و بهره برداری سیستم های قدرت است. این نوع از پایداری ها، در چهار حالت نوسانی شامل نوسانات درون ناحیه ای، بین ناحیه‎ای، کنترلی و پیچشی مورد بررسی قرار می گیر

  • تخمین ضریب پخش طولی آلاینده ها در مجاری روباز با استفاده از شبکه عصبی مصنوعی

    انتقال طولی آلاینده ها یکی از مراحل مهم در فرآیند رقیق سازی آلاینده ها میباشد که شناخت آن از اهمیت ویژهایبرخوردار است. دشواری اندازه گیری ضریب انتشار طولی در رودخانهها نیاز به استفاده از روشهای مناسب مدلسازیدر پیشبینی این ضریب را بیشتر میکند. یکی از روشهای کارآمد مدل سازی شبکه عص