روش اجرایی شناسایی و کنترل محصول نامنطبق - نسخه قابل ویرایش

اختصاصی از کوشا فایل روش اجرایی شناسایی و کنترل محصول نامنطبق - نسخه قابل ویرایش دانلود با لینک مستقیم و پر سرعت .

عنوان مستند: شناسایی و کنترل محصول نامنطبق

حوزه کاربرد: کنترل کیفیت

تعداد صفحات: 9

محتویات مستند:

• روش اجرایی شناسایی و کنترل محصول نامنطبق
• فرم کنترل محصول آزمایشی

شناسایی فازی online برج تقطیر MIMO با استفاده از مدل TS

اختصاصی از کوشا فایل شناسایی فازی online برج تقطیر MIMO با استفاده از مدل TS دانلود با لینک مستقیم و پر سرعت .

چکیده

در این پایان نامه، شناسایی فازی سیستم غیرخطی MIMO برج تقطیر بر اساس مدل فازی (Takagi-Sugeno(TS، بررسی خواهد شد و بر روی مدل عمومی distillation column شبیه سازی شده در دو حالت LV-configuration و uncontrolled column مورد آزمایش قرار خواهد گرفت. لازم به تذکر است که در این پایان نامه شناسایی و کاربرد آن در سیستم های online مورد توجه اساسی میباشد.

در حالت offline یعنی هنگامیکه کل داده ها در ابتدای پروسه آموزش در دسترس است، ساختن مدل فازی TS در دو مرحله انجام می گیرد. در مرحله اول مجموعه های فازی (توابع عضویت) در قسمت مقدم rule تعیین میشوند. میتوان این مرحله را با استفاده از اطلاعات اولیه از پروسه و یا بوسیله تکنیک های data-driven انجام داد. در مرحله دوم پارامترهای مقدم هریک از زیر مدلهای خطی با استفاده از الگوریتم RLS محاسبه میشود. مشکل اصلی بدست آوردن مدل، شناسایی توابع عضویت مقدم است که در حقیقت مسئله بهینه سازی غیر خطی است. چونکه مدل فازی TS بدست آمده وابسته به توابع عضویت است، انتخاب مجموعه های فازی بر دقت مدل اثر خواهد گذاشت. بنابراین یکی از نکات اساسی برای بهبود دقت مدل، تنظیم دقیق مجموعه های فازی , بگونه ای است که خطای متوسط مربعی (mean-square) بین مدل تخمین زده شده و سیستم واقعی مینیمم شود.

در حالت online تمام داده ها را در ابتدای پروسه آموزش در اختیار نداریم، بنابراین آموزش مدل فازی TS باید با اولین نمونه داده شروع شود. در این شرایط، ساختار مدل در ابتدا در دست نیست و به صورت تدریجی در خلال پروسه شناسایی تکامل می یابد. آموزش پیوسته online مدل TS، بر پایه متد clustering بازگشتی و غیر تکرارشونده بنا شده است که قسمت مقدم را تخمین می زند و الگوریتم RLS که پارامترهای زیر مدلهای خطی تالی را محاسبه می کند. در این روش، ساختار مدل در ابتدا شناخته شده نیست و در طی پروسه شناسایی تکامل می یابد. (قابل ذکر است که این تکامل بسیار آهسته تر از تکامل پارامترهای مدل صورت می گیرد.) در مدل eTS، پتانسیل داده جدید برای update کردن پایگاه قوانین استفاده میشود. در این الگوریتم داده های پرت هیچگونه شانسی برای اینکه به عنوان مرکز rule انتخاب شوند، ندارند. دلیل این مسئله روش خاص تعریف مراکز rule است. این مسئله بسیار مهم است که آموزش بدون هیچ گونه دانش اولیه از سیستم و فقط با استفاده از اولین داده آغاز میشود. این ویژگی جالب توجه کاربرد این شیوه را در بسیاری از سیستم های adaptive سودمند می سازد.

مشکل اصلی در این شیوه، تولید نامحدود rule در طی پروسه شناسایی مخصوصا در شرایط اولیه است. در این پایان نامه، دو شیوه برای مقابله با این مسئله ارایه شده است. در روش اول، شرایط ایجاد rule در الگوریتم اصلی به گونه ای اصلاح شده است که بتواند نرخ تولید rule را مخصوصا در آغاز پروسه آموزش کنترل کند که باعث کاهش تعداد rule می شود. این اصلاح باعث می شود که الگوریتم در شرایط اولیه با احتیاط بیشتری اضافه کردن rule را انجام دهد. سپس هنگامیکه اطلاعات بیشتری بدست آمد و پروسه شناسایی پیشرفت کرد، شرایط تولید rule به حالت اولیه اش برمیگردد وهمانند الگوریتم اصلی عمل میکند. روش دوم، یک مکانیزم جدید نظارت برای شناسایی و از بین بردن rule های غیر ضروری با استفاده از forgetting factor ارایه شده است.

همچنین در این پایان نامه، متد آنالیز برهم کنش برای سیستم های چندمتغیره ارایه شده است. در بسیاری از کاربردهای عملی، مدل کمی دقیق سیستم در دست نیست و یا بدست آوردن آن بسیار مشکل است. در این متد، سیستم غیرخطی MIMO ابتدا با استفاده از الگوریتم eTS مدلسازی میشود، سپس برهم کنش سیستم چندمتغیره حول یک نقطه کار خاص بر اساس RGA بررسی می شود.

مقدمه

بسیاری از پروسه های صنعتی دارای سیستم های غیرخطی چند متغیره با چندین ورودی و چندین خروجی می باشند که کوپلینگ متقابل پیچیده ای دارند. مدلسازی چنین پروسه پیچیده ای کار بسیار سختی می باشد. بکار بستن تکنیک های متداول مدلسازی سخت و یا حتی غیر قابل استفاده در چنین مسایل عملی می باشد . یک راه حل مفید دیگر استفاده از شیوه های شناسایی data-driven است که از داده های تجربی به دست آمده و از ورودی و خروجی پروسه استفاده می کند.

روش های مدلسازی فازی rule base به دلیل انعطاف پذیری ذاتی شان در ساختن مدلها ازداده های ورودی و خروجی توجه بسیاری را به خود جلب کرده اند. از میان متدهای مختلف فازی، تکنیک مدلسازی TS به دلیل قابلیت بالای محاسباتی بیشتر مورد توجه قرار گرفته است. مدل فازی TS شامل قانون های اگر – آنگاه در مقدم و توابع ریاضی در بخش تالی خود می باشد. بنابراین وظیفه شناسایی مدل فازی TS تعیین پارامترهای غیرخطی توابع عضویت مقدم و پارامترهای خطی قانون های تالی می باشد.

تحقیقات اخیر بر روی تکنیک های data-driven که در آن مدل های فازی دینامیکی با استفاده از داده های ورودی – خروجی اندازه گیری شده قابل آموزش هستند، متمرکز شده است.

آموزش Online مدل فازی TS نیازمند شناسایی بازگشتی برای تخمین ساختار مدل و همچنین تخمین پارامترهای تالی می باشد. از آن رو که تمام داده های ورودی – خروجی در آغاز پروسه آموزش در دسترس نیست، ارائه روش شناسایی Online که در آن ساختار مدل و پارامترها به صورت تدریجی تکامل می یابند ضروری است که این روش بدون در اختیار داشتن دانش اولیه از پروسه، با اولین داده ورودی شناسایی را آغاز می کند. این ویژگی جالب، این شیوه را تبدیل به یک مکانیزم کارآمد در سیستم های adaptive و self-tuning ساخته است. تاکنون توجه اندکی به شناسایی فازی پروسه های صنعتی چند متغیره (MIMO) شده است. در این پایان نامه شناسایی فازی Online برای پروسه های چند متغیره ارائه شده در [3] و اصلاحات و نکات لازم جهت بهبود کارایی آن ارائه شده است.

مشکل اصلی در این شیوه، تولید نامحدود rule در طی پروسه شناسایی مخصوصا در شرایط اولیه است. در این پایان نامه، دو شیوه برای مقابله با این مسئله ارایه شده است. در روش اول، شرایط ایجاد rule در الگوریتم اصلی به گونه ای اصلاح شده است که بتواند نرخ تولید rule را مخصوصا در آغاز پروسه آموزش کنترل کند که باعث کاهش تعداد rule می شود. این اصلاح باعث می شود که الگوریتم در شرایط اولیه با احتیاط بیشتری اضافه کردن rule را انجام دهد. سپس هنگامی که اطلاعات بیشتری بدست آمد و پروسه شناسایی پیشرفت کرد، شرایط تولید rule به حالت اولیه اش برمیگردد وهمانند الگوریتم اصلی عمل میکند. روش دوم، یک مکانیزم جدید نظارت برای شناسایی و از بین بردن rule های غیر ضروری با استفاده از forgetting factor ارایه شده است.

برهم کنش در بسیاری از سیستم های صنعتی وجوددارد و این بدین معنی است که تغییر یک متغیر کنترل بر بیش از یک خروجی سیستم اثر خواهد داشت. در این پایان نامه، با متمرکز شدن بر آنالیز برهم کنش خروجی, یک شیوه جدید برای بدست آوردن RGA ارایه شده است که درجه برهم کنش متغیرها را حول یک نقطه کار خاص ارایه می دهد.

تعداد صفحه : 92

شناسایی روی خط سیستم های چند متغیره با استفاد از روش زیر فضا

اختصاصی از کوشا فایل شناسایی روی خط سیستم های چند متغیره با استفاد از روش زیر فضا دانلود با لینک مستقیم و پر سرعت .

شناسایی روی خط سیستم های چند متغیره با استفاد از روش زیر فضا

فرمت PDF

تعداد صفحات 155

شناسایی فرورزونانس در شبکه های توزیع انرژی الکتریکی توسط تبدیل موجک

اختصاصی از کوشا فایل شناسایی فرورزونانس در شبکه های توزیع انرژی الکتریکی توسط تبدیل موجک دانلود با لینک مستقیم و پر سرعت .

چکیده

یکی از عوامل سوختن و خرابی ترانسفورماتورها در سیستم های قدرت، وقوع پدیده فرورزونانس است. با توجه به اثرات مخرب این پدیده، تشخیص آن از سایر پدیده های گذرا از اهمیت ویژه ای برخوردار است که در این پایان نامه کارکرد دو شبکة عصبی ی ادگیری کوانتیزه کننده برداری (LVQ) و شبکه عصبی رقابتی در دسته بندی دو دسته سیگنال که دسته اول شامل انواع فرورزونانس و دس ته دوم شامل انواع کلیدزنی خازنی، کلیدزنی بار، کلیدزنی ترانسفورماتور می باشد، با استفاده از ویژگیهای استخراج شده توسط تبدیل موجک خانواده Daubechies تا شش سطح مورد بررسی قرار گرفته است. نقش شبکه های عصبی مذکور بعنوان طبقه بندی کننده، جدا سازی پدیده فرورزو نانس از سایر پدیده های گذر ا است. سیگنالهای مذکور با شبیه سازی توسط نرم افزار EMTP بر روی یک فیدر توزیع واقعی بدست آمده اند. برای استخراج ویژگیها، کلیه موجکهای موجود در جعبه ابزار Wavelet نرم افزار MATLAB بررسی شده است که تبدیل موجک خانواده Daubechies بعنوان مناسبترین موجک تشخیص داده شد. به منظور استخراج هرچه بهتر ویژگیها سیگنالها، الگوها نرمالیزه (مقیاس بندی) شده اند سپس انرژی شش سیگنال جزئیات حاصل از اعمال تبدیل موجک به عنوان ویژگیهای استخراج شده از الگوها، برای آموزش و امتحان دو شبکة عصبی مذکور بکار رفته است. به کمک این الگوریتم تفسیر برخی از رخدادها که احتمال بروز پدیده فرورزونانس در آنها وجود دارد قابل انجام بوده، همچنین میتوان نسبت به ساخت رله هایی برای مقابله با پدیده فرورزونانس کمک نماید. عناوین روشهای ارایه شده در این پایان نامه به شرح زیر می باشند:

1) شناسایی فرورزونانس با استفاده از تبدیل موجک و شبکه عصبی LVQ

2) شناسایی فرورزونانس با استفاده از تبدیل موجک و شبکه عصبی رقابتی

نتایج حاصل از این روشها بیانگر موفقیت بسیار هر دو روش در شناسایی فرورزونانس از سایر پدیده های گذرا می باشد.

فهرست مطالب:

فصل اول: مقدمه......................................................................................................................... ١
فصل دوم: مروری یر کارهای انجام شده..................................................................................... ٤
١‐ مقدمه ............................................................................................................................................ ٥ ‐٢
٢‐ مروری بر روشهای شناسایی اغتشاشات کیفیت توان ................................................................... ۵ ‐٢
٣‐ مروری بر روشهای شناسایی خطای امپدانس بالا ......................................................................... ٩ ‐٢
فصل سوم: پدیده فرورزونانس.................................................................................................... ١٥
١‐ مقدمه ............................................................................................................................................ ١٦ ‐٣
٢‐ تاریخچه فرورزونانس................................................................................................................... ١٧ ‐٣
٣‐ موارد وقوع فرورزونانس در سیستم های قدرت ......................................................................... ۱۷ ‐٣
٤ ‐ شروع فرورزونانس...................................................................................................................... ١٨ ‐٣
١‐ شرایط ادامه یافتن فرورزونانس ......................................................................................... ١٨ ‐٤‐٣
٥‐ اثرات نامطلوب فرورزونانس........................................................................................................ ١٩ ‐٣
٦‐ مبانی پدیده فرورزونانس ............................................................................................................. ٢٠ ‐٣
٧‐فرورزونانس در ترانسفورماتورهای توزیع ..................................................................................... ٢٢ ‐٣
١‐ فرورزونانس پایدار .............................................................................................................. ٢٣ ‐٧‐٣
٢‐ فرورزونانس ناپایدار............................................................................................................ ٢٣ ‐٧‐٣
٨‐ تاثیر نوع سیم بندی ترانسفورماتورها............................................................................................ ٢٤ ‐٣
٩‐ تاثیر بار بر اضافه ولتاژهای فرورزونانس....................................................................................... ٢٤ ‐٣
١٠ ‐ طبقه بندی مدلهای فرورزونانس ................................................................................................ ٢٥ ‐٣
١١ ‐ شناسایی فرورزونانس................................................................................................................. ٢٥ ‐٣
فصل چهارم: مبانی علمی روشهای پیشنهادی............................................................................... ٢٧
١‐ از تبدیل فوریه تا تبدیل موجک.................................................................................................... ٢٨ ‐٤
٢‐ سه نوع تبدیل موجک................................................................................................................... ٣٣ ‐٤
١‐تبدیل موجک پیوسته............................................................................................................ ٣٣ ‐٢‐٤
٢‐ تبدیل موجک نیمه گسسته.................................................................................................. ٣٥ ‐٢‐٤
٣‐ انتخاب نوع تبدیل موجک......................................................................................................... ۳۷ ‐٤
سریع ........................................................................... ۳۷ DWT ٤‐ آنالیز مالتی رزولوشن و الگریتم ‐٤
١‐ آنالیز مالتی رزولوشن ....................................................................................................... ٣٧ ‐٤‐٤
٥‐ زبان پردازش سیگنالی ............................................................................................................... ٤٠ ‐٤
٦‐ شبکه عصبی .............................................................................................................................. ٤٥ ‐٤
١‐ مقدمه .................................................................................................................................. ٤٥ ‐٦‐٤
٢‐ یادگیری رقابتی................................................................................................................. ٤٦ ‐٦‐٤
١‐ روش یادگیری کوهنن ................................................................................................. ٤٧ ‐٢ ‐٦‐٤
٢‐ روش یادگیری بایاس .................................................................................................. ٤٨ ‐٢ ‐٦‐٤
٧‐ نگاشت های خود سازمانده ..................................................................................................... ٥٠ ‐٤
٨‐ شبکه یادگیری کوانتیزه کننده برداری ...................................................................................... ٥٢ ‐٤
٥٣ ................................................................................................... LVQ ١‐ روش یادگیری 1 ‐٨‐٤
٢‐ روش یادگیری تکمیلی..................................................................................................... ٥٥ ‐٨‐۴
٩‐ مقایسه شبکه های رقابتی ........................................................................................................ ٥٥ ‐٤
فصل پنجم: جمع آوری اطلاعات ................................................................................................ ٥٧
١‐ نحوه بدست آوردن سیگنالها......................................................................................................... ٥٨ ‐٥
١‐ بدست آوردن سیگنالهای فرورزونانس................................................................................. ٥٨ ‐١‐ ٥
٢‐ انواع کلیدزنیها و انواع سیم بندی در ترانسفورماتورها............................................................. ٥٩ ‐١‐٥
٣‐ اثر بار بر فرورزونانس.......................................................................................................... ٦٤ ‐١‐ ٥
٤‐ اثر طول خط......................................................................................................................... ٦٥ ‐١‐ ٥
٥‐ بدست آوردن سیگنالهای سایر حالات گذرا............................................................................. ٦٦ ‐١‐٥
فصل ششم: پیاده سازی الگوریتم و نتایج شبیه سازی .............................................................. ٧٤
١‐ مقدمه ........................................................................................................................................ ٧٥ ‐٦
٢‐ تعیین کلاسها و تعداد الگوهای هر کلاس ................................................................................ ٧٥ ‐٦
٣‐ اعمال تبدیل موجک و استخراج ویژگیها ................................................................................. ٧٥ ‐٦
٨١ ................................................................LVQ ٤‐ پیاده سازی الگوریتم با استفاده از شبکه عصبی ‐٦
٥‐ پیاده سازی الگوریتم با استفاده از شبکه عصبی رقابتی.............................................................. ٨٨ ‐٦
فصل هفتم: نتیجه گیری و پیشنهادات........................................................................................ ٩٥
١‐ نتیجه گیری................................................................................................................................ ٩٦ ‐٧
٢‐ پیشنهادات ................................................................................................................................. ٩٨ ‐٧
فهرست منابع

پایان نامه کارشناسی ارشد شناسایی و اولویت بندی عوامل مؤثر بر رفتار کارآفرینانه کارکنان بانک کشاورزی استان آذربایجان غربی

اختصاصی از کوشا فایل پایان نامه کارشناسی ارشد شناسایی و اولویت بندی عوامل مؤثر بر رفتار کارآفرینانه کارکنان بانک کشاورزی استان آذربایجان غربی دانلود با لینک مستقیم و پر سرعت .

چکیده

هدف کلی تحقیق حاضر شناسایی و اولویت بندی عوامل موثر بر رفتار کارآفرینی کارکنان بانک کشاورزی استان آذربایجان غربی می باشد. برای این منظور عوامل موثر بر رفتار کارٱفرینانه کارکنان با مطالعه کتب، مقالات، تحقیقات پیشین و کسب نظر از کارشناسان امر بصورت اولیه در 58 عامل شناسایی و رفتار کارآفرینانه بر اساس نظریه پیرس تعریف گردیده است. جامعه آماری تحقیق حاضر کارکنان بانک کشاورزی استان آذربایجان غربی می باشد که تعداد 449 نفر است. حجم نمونه آماری با استفاده از رابطه کوکران 207 نفر برآورد و با استفاده از روش نمونه گیری تصادفی طبقه ای انتخاب شده است. ابزار جمع آوری اطلاعات، دو پرسشنامه، پرسشنامه عوامل موثر با 58 سوال و پرسشنامه رفتار کارآفرینی شامل 12 سوال است که پس از سنجش روایی و پایایی و اطمینان از آن، در اختیار نمونه آماری قرار داده شد. برای تجزیه و تحلیل آماری داده های جمع آوری شده از روشهای آماری توصیفی و در سطح استنباطی برای سنجش سطح رفتار کارآفرینانه کارکنان از آزمون تحلیل همبستگی و رگرسیون با استفاده از نرم افزار spss و برای پاسخگویی به به سؤالات مربوط به شناسایی و اولویت بندی عوامل مؤثر بر رفتار کارآفرینانه کارکنان از تکنیک تحلیل عاملی استفاده گردید. نتایج حاصل نشان می دهد که سطح رفتار کارآفرینانه در حد بالایی بوده و از عوامل شناسایی شده اولیه (58 عامل)، 9 عامل شناسایی و در چهار دسته؛ ارتباطات سازمانی، ساخنار سازمانی، رضایت شغلی و فرهنگ سازمانی دسته بندی گردید که در دسته ارتباطات سازمانی، عامل برقراری ارتباط رو در رو، در دسته ساختار سازمانی، عامل رسمیت مشاغل، در دسته رضایت شغلی، عامل سازگاری بین همکاران و در دسته فرهنگ سازمانی، عامل خطرجویی کارکنان در رتبه اول قرار دارند.

این پایان نامه مشتمل بر 150 صفحه می باشد.