تکه هایی از متن به عنوان نمونه :
این مطلب را هم بخوانید :
تکه هایی از متن به عنوان نمونه :
چکیده:
تداخل ایجاد شده در مخابرات بی سیم با بهره گرفتن از سیستم ھای مجھز به آنتن ھوشمند میتواند کاھش یابد. امروزه به دلیل انعطاف و کارایی بالا، در سیستم ھای راداری و مخابرات سیار مورد توجه قرار گرفته است. برای به دست آوردن الگوی تشعشعی مناسب الگوریتمھای تطبیقی مختلفی وجود دارد که بر اساس یکی از معیارھای MSE و Max-SIR یا حداقل واریانس استوارند.
ھدف این تحقیق، ارائه ی ایده ھای نو جھت تخمین وزن ھای آنتن آرایه تطبیقی، مبتنی بر سرعت و جھت حرکت منبع سیگنال مطلوب است. در کنار این ھدف، نیل به پیچیدگی کاھش یافته و افزایش سرعت تنظیم الگوی تشعشعی، با بهره گرفتن از الگوریتم تطبیقی مبتنی بر رشتھی آموزشی حداقل متوسط مربع خطا (LMS) و الگوریتم تطبیقی کور پوش ثابت (CM) مدنظر است. در این تحقیق ابتدا تخمین DOA با بهره گرفتن از الگوریتم طبقه بندی سیگنال ھای چندگانه (MUSIC) شبیه سازی شده است. سپس الگوریتم ھای LMS و CM در
محیط ھای نویزی خالص و با حضور یک و دو سیگنال تداخلی شبیه سازی شده اند. مھمترین مزیت الگوریتم LMS ساده بودن این الگوریتم و مھمترین عیب آن سرعت ھمگرایی پایین بخصوص برای آرایھ ھای با تعداد عناصر بالاست. ھمچنین این الگوریتم نیازمند سیگنال آموزشی است. مھمترین مزیت الگوریتم CM عدم نیاز به سیگنال آموزشی و مھمترین عیوب آن ھمگرایی تضمین نشده و سرعت ھمگرایی پایین نسبت به الگوریتم ھایی است که از معیار MMSE استفاده می کنند. در ادامه دو ایده ارائه شده است که عبارتند از:
1- تخمین وزن ھای آرایه بر اساس جھت و سرعت حرکت منبع. در این ایده نیازی به تخمین DOA نیست و با بهره گرفتن از موقعیت دو نقطه قبلی، موقعیت جدید تخمین و وزنھا به دست می آیند. سپس در بازهی زمانی بین دو نقطه، موقعیت دقیق کاربر به دست می آید و وزنھا تخمین زده میشوند. چون عمده پردازش ھا offline است، پیچیدگی کاھش و سرعت تنظیم الگو افزایش می یابد.این مطلب را هم بخوانید :
HF رادارها در زمینه های مختلفی از جمله مشاهده جریان های اقیانوس به کار برده می شوند. این مشاهده برای دنبال کردن اجسام متحرک بر روی آب، تشخیص جریان های گردابی، نظارت بر یخ دریاها، اخطار برای وجود سونامی و نظارت بر آلودگی های دریا به کار می روند.
این مطلب را هم بخوانید :
قیمت : 3500تومان
این مطلب را هم بخوانید :
تکه هایی از متن به عنوان نمونه :
چکیده
میکروتوربین ها (MT) به عنوان یک منبع تولید انرژی در سیستم های DG، کاربردهای فراوانی پیدا کرده و روز به روز نیاز کاربران به آنها بیشتر میشود. میکروتوربین ها، نمونه کوچکی از توربین های گازی میباشد، که به علت حجم کم، تعداد کم قطعات متحرک، اندازه کوچک، وزن سبک، بازدهی خوب در تولید همزمان، آلایندگی کم، استفاده از سوختهای زاید، فواصل طولانی تعمیرات و عمل در فشارهای کم گاز، در کانون توجه تولیدکنندگان و مصرف کنندگان انرژی الکتریکی قرار گرفته است. این پایان نامه کنترل یک میکروتوربین را با بهره گرفتن از کنترل کننده های PI و شبکه عصبی معرفی میکند. میکروتوربین سه حلقه کنترلی دارد، این سه حلقه، دما، توان و سرعت میباشند. به علاوه میکروتوربین، به یک مولد سنکرون (SG) که شامل یک حلقه کنترل ولتاژ میباشد، متصل است. در این پایان نامه یک کنترل کننده شبکه عصبی با چهار ورودی و چهار خروجی به جای چهار حلقه کنترل کننده PI برای کنترل میکروتوربین و ژنراتور سنکرون استفاده شده است. میکروتوربین ها به دو دسته میکروتوربین های
تک محور یا سرعت بالا و میکروتوربین های دومحور یا سرعت پایین تقسیم میشوند. از یک مدل میکروتوربین دومحوره برای شبیه سازی، استفاده شده است. در میکروتوربین های دومحور، محور توربین توسط یک چرخدنده به ژنراتور متصل میباشد. چرخدنده برای کاهش سرعت تا 3600rpm مورد استفاده قرار میگیرد و با بهره گرفتن از یک ژنراتور سنکرون 2 قطبی، فرکانس ولتاژ تولیدی 60Hz خواهد شد و هیچ نیازی به تجهیزات الکترونیکی برای کاهش فرکانس لازم نمیباشد.
در این پایان نامه جهت شبیه سازی از مدلهای موجود در جعبه ابزار Simulink نرم افزار MATLAB استفاده شده است همچنین برنامه تولید و آموزش شبکه عصبی در محیط نرم افزار MATLAB نوشته شده است. با بهره گرفتن از روش های بهبود عملکرد شبکه عصبی و بهبود آموزش آن، نتایج کنترل کننده شبکه عصبی بهبود یافته است. سه شاخص اندازه گیری خطا، که عبارت از خطای میانگین مطلق (AME)، خطای مربع میانگین ریشه ها (RMSE) و خطای انحراف استاندارد (SDE) می باشند، برای مقایسه عملکرد میکروتوربین با کنترل کننده های شبکه عصبی و PI استفاده شده است. با توجه به نتایج بدست آمده، کنترل میکروتوربین با کنترل کننده شبکه عصبی در مقایسه با کنترل کننده PI عملکرد بهتری را نشان میدهد.
این مطلب را هم بخوانید :
شواهد عصب شناختی برای هوش هیجانی
د پراکنده در حال بررسی میباشد. این تکنولوژیها شامل پیلهای خورشیدی، توربینهای بادی، پیلهای سوختی و توربینهای گازی کوچک یا میکروتوربین (MT) است.
میکروتوربین یکی از منابع انرژی است که توسط ژنراتورهای الکتریکی با سرعت بالا، میتواند توانی در بازه 10MW – 30kW را برای کاربران سیستمهای تولید پراکنده تامین نماید. این واحدها بسیار ساده و کوچک بوده و نصب راحت و هزینه بهره برداری پایینی دارند. همچنین هزینه نگهداری این واحدها به علت داشتن فقط یک قطعه متحرک، بسیار پایین میباشد.