دسته: برق
حجم فایل: 778 کیلوبایت
تعداد صفحه: 17
روش الگوریتم جهش ترکیبی قورباغه برای حل مساله مشارکت واحد سودمحور با محدودسازی انتشار (آلایندهها) + نسخه انگلیسی 2013
SFLA approach to solve PBUC problem with emission limitation
چکیده
در این مقاله، برای حل مساله مشارکت واحد سودمحور در یک محیط تجدید ساختار یافته و محدودیت انتشار آلایندهها، الگوریتم جهش ترکیبی قورباغه ارائه میشود. مساله بهینهسازی تابع دو هدفه به صورت بیشینهسازی سود شرکتهای تولیدی و کمینهسازی آلایندههای جوی واحدهای حرارتی فرموله میشود، در عین حال که همه قیود باید ارضا شوند. این کار، برای اختصاص هزینههای ثابت و گذرا به ساعات زمانبندی، قید تقاضای نرمتری را در نظر میگیرد. برای شبیهسازی از برنامه متلب نسخه 10/7 و از یک سیستم نمونه 39 باس 10 واحد IEEE استفاده شده است. با توجه به نتایج بدست آمده، ملاحظه میشود که الگوریتم ارائه شده به بیشترین سود و کمترین سطح انتشار دست مییابد، و در عین حال در مقایسه با مشارکت واحدهای سنتی زمان محاسباتی بسیار کمتری هم دارد.
مشارکت واحد (UC) یک مساله بهینهسازی غیرخطی با اعداد صحیح ترکیبی است که در برنامهریزی عملکرد واحدهای تولیدی با کمترین هزینه اجرائی و در عین حال ارضای الزامات تقاضا و ذخیره، کاربرد دارد. در قدیم مساله مشارکت واحد باید بر اساس وضعیت روشن/ خاموش واحدهای تولیدی در هر ساعت از دوره برنامهریزی تعیین میشدند و به صورت بهینه بار و ذخیره را بین واحدهای مشارکتی توزیع میکردند. مشارکت واحد مهمترین مساله بهینهسازی در عملکرد سیستمهای قدرت است. پاسخ بهینه فرامحلی (جهانی) برای مساله مشارکت واحد را میتوان با شمارش کامل بدست آورد، که به علت نیازمندی به زمان محاسباتی زیاد برای سیستمهای قدرت بزرگ محدود شده است. برای حل مساله مشارکت واحد روشهای گوناگونی تاکنون ارائه شده است، مثل لیست اولویت (PL) ، برنامهنویسی پویا (DP) ، آزادسازی لاگرانژ (LR) ، الگوریتم ژنتیک (GA) و بهینهسازی گروه ذرات (PSO). روش لیست اولویت سریع است اما بسیار ابتکاری است و هزینههای عملکردی نسبتا بالائی برای برنامهریزی بدست میدهد. روش برنامهنویسی پویا نیز دارای قابلیت حل مسائل با اندازههای مختلف را دارد. اما اگر قیود در نظر گرفته شده باشند، ممکن است منجر به پیچیدگی ریاضی شده و زمان محاسبه افزایش یابد.
قیمت: 23,000 تومان
خلاصه
مدارهای فانتوم بسیاری برای اعضای انسان به طور تجاری در دسترس هستند یا برای اهداف علمی طراحی شده اند. هیچ کدام از اینها احتمال تصویربرداری با فراصوت دوپلر رنگی (CDU) و پرتونگاری کامپیوتری (CT) ترکیب نمی کنند، درحالیکه شاخه های رگهایی با دوشاخه هایی به عنوان مسیرهای طبیعی تولید می کنند.
ما یک مدل جریان با شاخه رگهایی طراحی، ساخته و ارزیابی کرده ایم که میتواند توسط CDU و CT تصویر برداری شود. این به سمت پیشرفت و ارزیابی قابل بازتولید تقطیع و ثبت کار تحت شرایط واقعی می باشد. نمایش رنگی رگها در CDU در مقایسه با نمایش سیاه و سفید B-Mode فرآیند تقطیع لازم را ساده و پابرجا می سازد. لوله استفاده شده که از چندین دو شاخه ساخته شده، یک شاخه رگی ساده شده را نشان می دهد و می تواند با شاره های شبیه سازی شده به خون مختلف عمل کند.
قابلیت استفاده و مقدار عملی مدل نسبت به مشخصه های شارش و قابل رویت بودن دوشاخه ای ها آزموده شده است و در آزمایشهایی با تجهیزات CDU و CT موجود تایید شده است.
مقدمه
فراصوت یک روش بسیار محبوب برای روبش و آزمون بافت ها و ساختارهای اعضای زنده بدون یک اقدام تهاجمی، فرکانس رادیویی اثرات ثانویه مضر می باشد. در زمانی که کاربرد محدود نیست، فراصوت یک روش ارجح برای تصویربرداری زنده اعضایی مانند کبد و مثانه است. چندین گروه تحقیقاتی روی ثبت دقیق داده های حجم فراصوت بوسیله پرتونگاری کامپیوتری CT قبل از عمل داده ها هستند. هدف پوشش دادن اطلاعات مهم روی داده های تصویر زنده است. یک روش مسیر گذاری عبارت است از ثبت مسیرهای طبیعی مانند دوشاخه ها و نوک های شاخهرگی. تا زمانیکه الگوریتم ثبت از تعداد کافی شکل های حساس تهیه شده و آشکارسازی این شکل ها سریع و دقیق است، یک همبستگی بین روشهای مختلف مانند CT و فراصوت امکان پذیر است. این داده های CT تهیه شده با داده های طرح ریزی پیش از عمل ترکیب شده و عمل جراحی می تواند به واسطه افزایش داده های فراصوت تجدید شده، همراهی شود. نکته مهم چنین روشی سازگاری آن با حرکت عضو تغییر شکل بافت است.
پاورپوینت
اصل مقاله لاتین
ترجمه آن
چکیده
هدف از این مقاله به چند منظور است. طراحی از تک ماشین پایدار کننده های سیستم قدرت (PSSs) با استفاده از اصلاح الگوریتم جهش قورباغه (MSFLA). توانایی روش پیشنهاد شده برای تنظیم بهینه با حضور CPSSs به طور گسترده استفاده شده است. طراحی پارامترهای PSSs به یک مشکل تبدیل شده است برای مشکل بهینه سازی با چند تابع هدف شامل ضریب میرایی مطلوب و نسبت میرایی مطلوب از روش های سیستم قدرت که توسط الگوریتم MSFLA حل شده است. توانایی روش پیشنهاد شده در یک سیستم قدرت تک ماشین تحت شرایط عملیاتی متفاوت و اختلالات تایید شده است نتایج روش پیشنهاد شده در مقایسه با الگوریتم ژنتیک (GA) مبنی بر تنظیم PSS از طریق برخی از شاخص های عملکرد، عملکرد قوی خود را آشکار میکند.
کلمات کلیدی: طراحی PSS، اصلاح الگوریتم جهش قورباغه (MSFLA) ، بهینه سازی چند هدفه، الگوریتم ژنتیک (GA).
خلاصه
درمساله فروشنده دوره گرد احتمالی هر مشتری بصورت مساوی الاحتمال نیازبه ملاقات دارد. هدف، یافتن مشتری است که دارای کمترین طول مورد انتظار برای ملاقات تمام مشتریان، با استراتژی ملاقات زیرمجموعه ای تصادفی از مشتریان به ترتیب نمایش آنها در مسیر باشد.
سوال ما این است که در کدام زمینه یک دورقیاسی میتواند بهترین جواب را دهد.
ما این سوال را با تست کردن ارتباط خروجی دو الگوریتم مورچگان نشان میدهیم، سیستم کولونی مورچه ها (ACS) جواب میدهیم، که توسط دوریگو و گامباردلا برای مسئله فروشنده دوره گرد معرفی شد، و نوع دیگر آن سیستم کولونی مورچه های احتمالی که تابع هدف مساله فروشنده دوره گرد احتمالی را کمینه میکند.
1.معرفی
در یک مساله مسیر یابی مجموعه V را از بین n مشتری در نظر بگیرید. در هر یک از نمونه های مسئله هر مشتری) یک موقعیت معلوم دارد و مقدار احتمال pi نیاز ملاقات میباشد. برای پاسخ به این سوال نیاز به یافتن یک زیرمجموعه تصاذفی S از V. اصلاح میکند، یک مثال خیلی ساده: برای هر زیر مجموعه از مشتریان، هر کدام را به ترتیب نشان داده شده در دور قیاسی، ملاقات کن و از مشتریانی که عضو زیر مجموعه نیستند صرفنظر کن. استراتژی با توجه به روش گفته شده (استراتژی صرفنظری نامیده می شود.
روش PTSP (مساله احتمالی فروشنده دوره گرد) در حالتی که مشتریان باید با یک پایه باقاعده (مثلآ روزانه) ملاقات شوند کاربرد دارد، اما تمام مشتریان نیاز به ملاقات همیشگی ندارند، ویا این یک مساله غیر خطی مشکل است (2 . 1) ، و توسط جایل در رساله دکترایش معرفی شده است (3).
ناممکن است. در این حالت شخص تحویل دهنده باید یک رویه استاندارد را طی کند (یعنی یک دوریا مسیر قیاسی) ، و مشتریانی که نیاز به ملاقات ندارند را صرفنظر کند. مسیر استاندارد کمترین طول مسیر مورد انتظار مربوط به حل بهینه PTSP میباشد. روشهای ابتکاری فراوانی برای پیدا کردن حل زیربهینه مساله وجود دارد.
فرا ابتکاری ها از یک معیار همسایگی استفاده میکند که توسط ایکال (4 ) و گاویولی (5) و همچنین لاتر، برتسیماس - جایلیت-اودونی [1] و برتسیماسهول [6] ارائه شده است.
اینها شامل ساخت مسیری ابتکاری (منحنی پرکردن فضا و سورت کردن شعاعی) , مسیر بهبود ابتکاری است.
اغلب روشهای ابتکاری پیشنهاد شد. از روشهای ابتکاری حل TSP برای حل PTSP استفاده می شود.
دسته: برق
حجم فایل: 581 کیلوبایت
تعداد صفحه: 6
روش های هماهنگ سازی مبدل های منبع ولتاژ متصل به شبکه+ نسخه انگلیسی
Synchronisation methods for grid-connected voltage source converters
معرفی
تقریبا در همه تجهیزات الکترونیک قدرت متصل به شبکه، برای دستیابی به یک هماهنگی صحیح با شبکه، از یک حلقه قفل شده در فاز (PLL) استفاده می شود. الگوریتم هماهنگ سازی باید بتواند با شرایط الکتریکی موجود دست و پنجه نرم کند، شرایطی مثل وجود هارمونیک ها، افت ولتاژها و commutation notches. مشکل دیگر تغییرات فرکانس شبکه است. در شبکه های قدرتمند، معمولا تغییرات فرکانس کم است اما در شبکه های خودگردان تغییرات فرکانس زیاد است. علاوه بر این، هماهنگ سازی باید از پسِ نویز اندازه گیری بر آید. برای کنترل مبدل های grid commutaed یک روش تشخیص صحیح عبور از صفر ولتاژ لازم است. در غیر اینصورت، سیستم مبدل می تواند عملکرد ضعیف و یا حتی ناپایداری داشته باشد.
واحد زاویه آتش زن برای دریچه های تریستور، عبور از صفر ولتاژ را بعنوان مرجع انتخاب می کند؛ عبور از صفر ولتاژ باید در هر نصف پریود شبکه بطور صحیح تشخیص داده شود. وقتی از کنترل برداری جریان استفاده می شود، یکی از کاربردهای مورد تقاضا اتصال شبکه ای یک مبدل منبع ولتاژ (VSC) forced-commutated است. هماهنگ سازی باید نه تنها در عبور از صفر ولتاژ بلکه در کل دوره تناوب باید بروز رسانی شود. در این مورد، از یک آشکارساززاویه تبدیل مبتنی بر شار (TAD) استفاده می شود تا سیستم گردشی در مختصات dq حاصل شود.
هماهنگ ساز کلاسیک (سنتی) یک PLL آنالوگ می باشد که اطراف IC chip 4046 طراحی شده است. امروزه، سیستم های کنترلی مبدل ها اغلب با استفاده از یک کامپیوتر اجرا می شوند. با استافده از روش نرم افزاری برای PLL، یک روش کم هزینه و منعطفی بدست می آید. تابع آنالوگ PLL را می توان به تابع نرم افزاری PLL تبدیل کرد، اما عیب آن نرخ بروز رسانی پایین تشخیص عبور از صفر ولتاژ است. با این حال، فیلترها و کنترلرهای دیجیتال می توانند عملکرد را بهبود بخشند و روش های جدید را ممکن سازند. اگر سیگنال ورودی دارای نویز باشد، برای تشخیص عبور از صفر در PLL می توان از یک فیلتر دیجیتال پیش بینی کننده استفاده کرد. برای یک سیستم کنترلی زمان واقعی (real time) ، زمان محاسباتی بسیار حیاتی است، لذا نیاز به الگوریتم های سریع است.
قیمت: 13,000 تومان
خلاصه
در نوشتجات مدل های گوناگونی برای کنترل سرعت موتور DC در دسترس می باشد. این مقاله طراحی و پیاده سازی منطق fuzzy را در کنترل سرعت موتور DC ارایه می دهد. منطق فازی بخاطر قابلیت آن برای لحاض کردن مجهولات و نامعلومات کاربرد زیادی را به عنوان روش های کنترل سرعت پیدا کرده است [1]. این مقاله یک مدل شبیه سازی MATLAB را برای کنترل سرعت موتور DC با استفاده از منطق فازی، ارایه می دهد.
کلمات کلیدی: منطق fuzzy، کنترل Fuzzy، موتور DC.
مقدمه
به تازگی، در دهه های اخیر کنترل منطق فازی کاربردهای بسیاری را پیدا کرده است. این کاربرد بسیار وسیع است، زیرا کنترل منطق فازی می تواند سیستم های غیر خطی نامعلوم را حتی در صورت نبود مدل ریاضی برای سیستم کنترلی، کنترل کند. یک کنترل کنندۀ منطق فازی می تواند به عنوان یک سیستم کارشناسی زمان حالی که از منطق فازی برای تنظیم متغیرهای کیفی استفاده می کند، مورد توجه قرار گیرد.
کنترل منطق فازی یک الگوریتم کنترلی مبنی بر استراتژی کنترل زبانی است، که از یک دانش کارشناسانه از یک استراتژی کنترل خودکار بدست می آید. کنترل منطق فازی نیاز به محاسبات ریاضیاتی پیچیده ای همانند دیگر سیستم های کنترلی ندارد. در حالی که دیگر سیستم های کنترلی از محاسبات پیچیدۀ ریاضیاتی برای ارایۀ مدلی از کارخانۀ کنترل شده استفاده می کنند، این منطق تنها از محاسبات سادۀ ریاضیاتی برای شبیه سازی دانش کارشناسانه استفاده می کند. با وجودی که از محاسبات پیچیدۀ ریاضیاتی استفاده نمی کند، باز هم می تواند عملکرد خوبی را در یک سیستم کنترلی از خود بروز دهد. ازینرو، این می تواند امروزه یکی از بهترین راه حل های در دسترس برای دستۀ بزرگ مسایل کنترلی پرچالش باشد.
فصل اول مفاهیم اولیه
الگوریتم
شرایط الگوریتم
پیچیدگی فضای لازم
فضای مورد نیاز یک برنامه
نیازمندیهای فضای ثابت
نیازمندیهای فضای متغیر
پیچیدگی زمانی
چرخه زندگی یک سیستم
جنبه های مهم بازبینی
بعضی از الگوهای توسعه نرم افزاری
طراحی شی گرا
ویژگیهای طراحی شی گرا
طراحی تابعی
فصل دوم زبان برنامه نویسی C
ویژگیهای زبان C
انواع کاراکتر در C
شناسه
متغیر
ساختار برنامه
دستورالعملهای اجرایی
عبارت
انواع عبارت
دستور
دستورهای ساده
دستورهای ساخت یافته
عملگرها
فصل سوم انواع داده ها
انواع داده
متغیرها
انواع متغیرها
ثابتها
مثال
فصل چهارم توابع ورودی و خروجی
توابع متداول ورودی و خروجی
مثال
فصل پنجم ساختارهای کنترلی و شرطی
دستورات و ساختارهای کنترلی
دستور ساختار حلقه تکرار
دستور شرطی
دستورات کنترلی
دستور کنترلی While
دستور کنترلی for
دستورهای شرطی if و If else
دستور شرطی Switch
دستور Break
دستور Continue
دستور Goto
دستور Exit
فصل ششم برنامه سازی پیمانه ای
عناصر یک تابع
دستور Return
فراخوانی تابع
فراخوانی با مقدار
فراخوانی توسط ارجاع
انتقال آرایه به تابع
تابع بازگشتی
استفاده از چند تابع
قلمرو و متغیرها
متغیرهای محلی یا خصوصی
متغیرهای عمومی یا سراسری
کلاسهای حافظه
کلاس حافظه اتوماتیک
کلاس حافظه خارجی
کلاس حافظه استاتیک
کلاس حافظه ثبات
ماکرو
فصل هفتم آرایه ها
آرایه
تعریف آرایه
رشته ها
مرتب سازی
جستجو
مرتب سازی حبابی
مرتب سازی انتخابی
جستجو به روش خطی
جستجو به روش دودویی
توابع کتابخانه ای رشته ها
فصل هشتم اشاره گرمقداردهی اولیه اشاره گرها
نحوه تعریف متغیر اشاره گر
اشاره گر تهی
اشاره گر و آرایه
رشته و اشاره گر
تابع تخصیص حافظه پویا
تعریف یک آرایه بصورت پویا
تابع آزادسازی حافظه پویا
فصل نهم نوع داده کاربر
ساختار
پردازش یک ساختار
اجتماع
نوع شمارشی
فصل دهم پشته و صف
پشته
صف
صف اولویت
صف اولویت صعودی
صف اولویت نزولی
صف حلقوی
فصل یازدهم ساختار درختی
درخت
درخت دودویی
خواص درختان دودویی
پیمایش درخت دودویی
Inorder
Preorder
Postorder
درختان دودویی مساوی
درختان جستجوی دودویی
درج عنصر در درخت جستجوی دودویی
انواع فایل
باز کردن و بستن فایل
انواع فایل
توابع Putc و Getc
توابع Putw و Getw
توابع Fputs و Fgets
فایلهای ورودی و خروجی
تابع Remove
توابع Fprintf وFscanf
توابع Fwrite و Fread
تابع Fseek
فصل دوازدهم توابع کتابخانه ای
چکیده
در این مقاله سیستم استنتاج فازی تطبیقی به نام SAFIS، بر مبنای شباهت های عملکردی بین شبکه توابع بر پایه شعاع و سیستم استنتاج فازی (FIS) ایجاد می گردد. در سیستم SAFIS (استنتاج فازی تطبیقی) ، مفاهیم مربوط به تاثیر قوانین فازی معرفی شده و با استفاده از این موارد، قوانین فازی بر مبنای داده های اولیه ای که تا به حال دریافت شده اند، حذف یا اضافه می گردند. اگر داده های اولیه مانع اضافه شدن قوانین فازی شوند، به این ترتیب تنها پارامترهای مربوط به قوانین مشخص (در مفهوم اقلیدسی) با استفاده از طرح فیلتر کالمن به روز می گردند. عملکرد SAFIS (استنتاج فازی تطبیقی) با چندین الگوریتم موجود در ارتباط با مسئله ارزیابی مقایسه ای شناسایی دو سیستم غیر خطی و مسئله پیش بینی سری زمانی زمان پرهرج و مرج، مقایسه می گردد. نتایچ نشان می دهد که SAFIS (استنتاج فازی تطبیقی) در مقایسه با الگوهای دیگر با توجه به تعداد قوانین کمتر، صحت مشابه یا بهتری را ایجاد می کند.
کلیدواژه: سیستم استنتاج فازی تطبیقی زنجیره ای (SAFIS) ؛ GAP-RBF؛ GGAP-RBF؛ تاثیر قوانین فازی؛ فبلتر توسعه یافته کالمن.
مقدمه
مشخص است که سیستم استنتاج فازی (FIS) تقریبا مشابه طرح های ورودی و خروجی با در نظر گرفتن بعضی از قوانین مورد استفاده قرار می گیرد. در طرح FIS، دو فعالیت اصلی وجود دارد که شامل تعیین ساختار و انطباق پارامترها می باشد. شناسایی ساختارها به تعیین ورودی ها و خروجی ها، متغیرهای پیش رو و قبلی با توجه به قوانین مورد نظر، تعداد قوانین، و موقعیت تابع عضویت می پردازد. فعالیت ثانویه انطباق پارامتر شامل تشخیص پارامترها می باشد زیرا ساختار سیستم فازی در مراحل پیشین مشخص شده اند. اخیرا، شباهت توابع بین َبکه های به هم پیوسته RBF، و FIS برای به اجرا در آوردن دو مرحله بالا مورد استفاده قرار گرفته است. این طرح از قابلیت های RBF برای تغییر قوانین و همچنین تنظیم پارامترها با توجه به اینکه سلول های پنهانی شبکه RBF در ارتباط با سیستم فازی می باشند، استفاده می کند.
چکیده
در دهه گذشته استفاده از فشرده سازی داده فراگیر شده است. از mp3 پلیرها گرفته که هدفن آن ها بیشتر در گوش جوانان (و همچنین افراد میانسال) قرار دارد تا تلفن همراه، DVD ها، و تلویزیون دیجیتال، فشرده سازی داده ها تقریبا جزء لاینفک فناوری اطلاعات به شمار می آید. وارد شدن این فشرده سازی داده ها در زندگی روزمره مان اشاره ای به میزان پیشرفت فناوری دارد. پیشرفت ها در این حقیقت بازتاب داده می شود که تفاوت هایی بین این مقاله و چاپ قبلی آن نسبت به نسخه اول و دوم وجود دارد. در چاپ دوم، ما تکنیک های جدید را اضافه کردیم که از زمان چاپ اول این مقاله، توسعه یافته است. در این چاپ هدف ما بیشتر مد نظر قرار دادن موضوعات مهمی همانند فشرده سازی صوتی می باشد، که به اندازه کافی در چاپ دوم مد نظر قرار داده نشده است. در طی این زمان چنین حوزه هایی متوقف نشده و تلاش کرده ایم تا اطلاعاتی در مورد پیشرفت های جدید ارائه دهیم. ما فصل جدید را در مورد فشرده سازی صوتی اضافه کردیم (که شامل توصیف الگوریتم mp3 می باشد). همچنین اطلاعاتی را در مورد استانداردهای جدید همانند استاندارد کدگذاری ویدئو و استانداردهای تصویری جدید اضافه کردیم. ما بعضی از موضوعات موجود در این مقاله را مد نظر قرار داده ایم، و در مجموع تکنیک های متنوع کارآمد فشرده سازی تصاویر و استانداردهایی را در یک فصل مجزا جمع آوری کردیم، و تعدادی از فصل های را به روز کرده، و اطلاعاتی را اضافه کرده ایم که احتمالا می بایست از ابتدا قرار می دادیم. با این وجود، تمام این موارد مقاله را پربارتر کرده است. به هر حال، هدف همچنان یکسان می باشد: که عبارتست از معرفی فن و علم فشرده سازی داده. توضیحات آموزشی در مورد بیشتر تکنیک های فشرده سازی رایج به دنبال این توضیح که چگونه این تکنیک ها برای فشرده سازی تصویر، گفتار، متن، صوت و ویدئو مورد استفاده قرار می گیرد، داده می شود. با مد نظر قرار دادن سرعت پیشرفت در این حوزه، به نظر می رسد که روش های جدید وجود دارد که در این مقاله نشان داده نشده است. برای اینکه شما را از این پیشرفت ها آگاه کنیم، ما در فواصل معین موضوعات بروز شده ای را از سایت mkp. com نشان می دهیم.
مخاطب
اگر شما در حال طراحی سخت افزار یا اجرای نرم افزار الگوریتم فشرده سازی می باشید، یا نیاز به مشورت با افرادی که در چنین طرح هایی فعالیت می کنند دارید، یا در توسعه برنامه کاربردی چندرسانه ای فعالیت دارید و دارای پیشینه ای در مهندسی کامپیوتر یا الکترونیک یا علوم کامپیوتر دارید، این مقاله برای شما مفید می باشد. ما همچنین مثال های زیادی را برای خودآموزی قرار داده ایم. همچنین بحث هایی را در مورد استانداردهای چندرسانه ای مختلف مطرح کرده ایم. هدف فراهم کردن تمام جزییاتی که برای اجرای استانداردها مورد نیاز می باشد نیست، بلکه هدف فراهم کردن اطلاعاتی می باشد که به شما کمک می کند تا بتوانید به درک و پیروی از معیارهای استاندارد بپردازید.