چکیده
بخش های تولید، انتقال و توزیع سه قسمت اصلی یک سیستم قدرت را تشکیل میدهند. در این سیستم ژنراتورهای سنکرون انرژی الکتریکی را تولید و از طریق خطوط انتقال به توزیع منتقل می نمایند. روند رو به اتمام ذخیره های سوخت فسیلی، ظرفیت محدود خطوط، کاهش تلفات و آلودگی محیط زیست و توجه به مسایل اقتصادی از عوامل رویکرد به سمت منابع انرژی نو از جمله توربین های بادی است. در این توربین ها انرژی باد پره های توربین را چرخانده و باعث چرخش محور متصل به آن میگردد. تغییرات انرژی باد و نااطمینانی های مربوط به آن موجب تغییر توان خروجی الکتریکی توربین بادی شده و موجب بروز مشکلاتی از قبیل نوسان ولتاژ و فلیکر و تغییرات مربوطه و نوسان توان در کیفیت توان میگردد. بنابراین پیش بینی سرعت باد جهت براورد میزان انرژی تولیدی در شبکه های برق رسانی و سیستمهای تولیدی از اهمیت خاصی برخوردار است لذا هدف پژوهش حاضر نیز بررسی میزان دقت شبکه های عصبی در پیش بینی سرعت باد میباشد. برای این منظور نیز به مقایسه عملکرد شبکه های عصبی در برابر روشهای مرسوم پیش بینی سرعت باد پرداخته شده است. نتایج پژوهش نشان داد که شبکه های عصبی مصنوعی نسبت به روشهای مرسوم پیش بینی از دقت بسیار بالاتری برخوردار است.
کلمات کلیدی: سرعت باد، شبکه های عصبی مصنوعی، توربین بادی، پیش بینی
قالب: pdf
قیمت 1500 تومان
چکیده
در این مقاله یک سیستم تشخیص خوابآلودگی هنگام رانندگی که یکی از مهمترین عوامل بروز سوانح رانندگی است مورد مطالعه و بررسی قرار گرفته است. یکی از روشهای تشخیص خوابآلودگی تحت نظر گرفتن و پردازش تغییرات حالت چهره راننده از طریق تصاویر ثبت شده توسط یک دوربین فیلمبرداری است. زمانی که راننده دچار حالت خستگی بر اثر بیخوابی یا رانندگی طولانی مدت شود برخی از نشانه های ظاهری در چهره وی پدیدار میشود. از جمله این نشانه ها میتوان به خمیازه کشیدن، تنگ شدن چشمها یا بسته شدن پلکها و کند شدن سرعت پلک زدن میتوان اشاره نمود. بنابراین بررسی مدل پلک زدن و خمیازه کشیدن بهترین گزینه برای آشکارسازی و تشخیص وضعیت خواب آلودگی است. در این مقاله از الگوریتمی مبتنی بر روش ویولاجویز برای تشخیص ناحیه مربوط به چشمها و دهان در صورت استفاده شده است. سپس برای تشخیص باز یا بسته بودن چشمها و دهان از الگوریتم آستانه گذاری عمومی و شمارش تعداد پیکسلهای مشکی و مقایسه آن با حالت مرجع استفاده شده است. در نهایت با استفاده از روش فازی و ماشین بردار یک طبقه بندی کننده ترکیبی برای تشخیص حالت خواب آلودگی از هوشیاری استفاده شده است. الگوریتم مورد استفاده توانسته دقت خوبی در تشخیص چهره و ناحیه مربوط به چشمها و دهان از خود نشان دهد.
کلمات کلیدی: خواب آلودگی، الگوریتم آدابوست، الگوریتم ویولاجویز، تشخیص چهره، منطق فازی، ماشین بردار پشتیبان
قالب: pdf
قیمت 1500 تومان
این مجموعه شامل سرفصل های زیر می باشد:
ردیابی
روش های موجود در ردیابی
روش های ردیابی اهداف غیرصلب
این مجموعه در 16 صفحه و به همراه ذکر منابع می باشد.
قالب: pdf و word
قیمت 4000 تومان
8 جزوه و مقاله در رابطه با حداقل مربعات جزئی Partial Least Square
قالب: 6 pdf
1 word
1 power point
قیمت 3000 تومان