مقاله بهینهسازی همزمان موقعیت بلندگوها و میکروفنها توسط الگوریتم ژنتیک در سیستمANC چند کاناله با تابع هدف جدید در حضور زنش

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بهینهسازی همزمان موقعیت بلندگوها و میکروفنها توسط الگوریتم ژنتیک در سیستمANC چند کاناله با تابع هدف جدید در حضور زنش دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینهسازی همزمان موقعیت بلندگوها و میکروفنها توسط الگوریتم ژنتیک در سیستمANC چند کاناله با تابع هدف جدید در حضور زنش  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهینهسازی همزمان موقعیت بلندگوها و میکروفنها توسط الگوریتم ژنتیک در سیستمANC چند کاناله با تابع هدف جدید در حضور زنش،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهینهسازی همزمان موقعیت بلندگوها و میکروفنها توسط الگوریتم ژنتیک در سیستمANC چند کاناله با تابع هدف جدید در حضور زنش :

تعداد صفحات:۸
چکیده:
در هواپیماهای دو ملخه بدلیل اختلاف بسیار جزئی که در فرکانس گردش موتورها وجود دارد، نویزی با فرکانس پایین و شدت زیاد، موج اصلی را در بر میگیرد که برای مسافرین داخل کابین هواپیما بسیار رنجش آور و مضر میباشد. سیستمهای کنترل نویز فعال ANC)بخوبی قادرهستند سطح اینگونه نویزها را کاهش دهند. بدلیل بزرگ بودن کابین هواپیماهای ملخدار مسافربری، برای کاهش موثر نویز نیاز است که ازچندین بلندگو و میکروفن استفاده شود. در اینجا مهمترین مسئله یافتن بهترین موقعیت برای بلندگوها و میکروفنها است. از آنجاییکه ترکیب موقعیت سنسورها و عملگرها مهم میباشد، بهتر است که عملیات بهینهسازی بصورت همزمان برروی هر دویِ آنها صورت پذیرد. بدلیل وجودموقعیتهای زیاد، روشهای بهینهسازی کلاسیک بسیار زمانبر خواهند بود. نتایج نشان داده است که در بین روشهای بهینه سازی موجودالگوریتم ژنتیک جوابهای بهتری را در اختیار طراح قرار میدهد. مهمترین رکن مسائل بهینهسازی تابع هدف آنها میباشد. تابع هدفی که معمولاً برای سیستمهای ANCتعریف میشود، میانگین میزان کاهش نویز سراسر محفظه است. پیادهسازی و اجرای این تابع هدف با دشواریهای خاصی همراه است. در طی شیبهسازیها و پیادهسازیهای مختلف به تابع هدفی دست یافتیم که نتایج حاصل از آن بهتر بوده و با الگوریتم ژنتیک نیز سازگارتر میباشد.