سمینار برق کاربرد تکنیک نرو-فازی در شناسایی خطا با استفاده از روش ترکیب داده ها

توجه : این فایل به صورت فایل PDF (پی دی اف) ارائه میگردد

 سمینار برق کاربرد تکنیک نرو-فازی در شناسایی خطا با استفاده از روش ترکیب داده ها دارای ۵۷ صفحه می باشد و دارای تنظیمات و فهرست کامل در PDF می باشد و آماده پرینت یا چاپ است

فایل پی دی اف سمینار برق کاربرد تکنیک نرو-فازی در شناسایی خطا با استفاده از روش ترکیب داده ها  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز سمینار برق کاربرد تکنیک نرو-فازی در شناسایی خطا با استفاده از روش ترکیب داده ها۲ ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی سمینار برق کاربرد تکنیک نرو-فازی در شناسایی خطا با استفاده از روش ترکیب داده ها،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن سمینار برق کاربرد تکنیک نرو-فازی در شناسایی خطا با استفاده از روش ترکیب داده ها :

سمینار برق کاربرد تکنیک نرو-فازی در شناسایی خطا با استفاده از روش ترکیب داده ها

لطفا از این در راستای تکمیل فایلات خود و در صورت کپی برداری با ذکر منبع استفاده نمایید.

چکیده:

طراحی یک سیستم آشکار سازی و تشخیص خطا در این فایل مورد بررسی قرار گرفته است. ماژول آشکار ساز و تشخیص خطا (FDI) با استفاده از روش های آماری و شبکه هوشمند طراحی گردیده است. در این فایل روش های آماری مانند PCA و ICA جهت کاهش ابعاد داده های سیستم توسط استخراج خصیصه های مهم، به کار گرفته شده اند. جهت آشکار سازی و تشخیص خطا ، شبکه نرو-فازی برای هر رویداد خطایی توسط داده های کاهش یافته شده بدست آمده از فرآیند ، آموزش می بیند. پس از آموزش؛ ترکیب شبکه نرو-فازی و سیستم کاهش داده ICA و یا PCA به عنوان سیستم آشکار سازی و تشخیص خطا به کار گرفته می شود که اطلاعات خطا را به سیستم ناظر جهت اتخاذ تصمیم مناسب می فرستد. با استفاده از این روش امکان توسعه سیستم شناسایی خطا در هنگام بروز خطاهای جدید با استفاده از آموزش یک واحد خطایابی دیگر براحتی امکان پذیر می شود .

مقدمه:

سیستم های کنترل مدرن روز به روز به جهت احتیاج به عملکرد بهتر در صنایع مدرن، پیچیده تر می گردند. از طرف دیگر، خرابی اجزاء سازنده مانند خرابی محرک ها، سنسورها و کنترل ها اجتناب ناپذیر می باشد. خطاها می توانند دینامیک را تغییر دهند و باعث کاهش عملکرد سیستم و یا حتی ناپایداری آن گردند. بنابراین شناسایی و آشکار سازی خطا در طراحی سیستم کنترل لازم به نظر می رسد.

در این فایل سیستم آشکارسازی و تشخیص خطا بر پایه تکنیک های هوشمند مورد بررسی قرار گرفته است. استفاده از شبکه های عصبی در طی دو دهه اخیر بسیار مورد توجه محققان و صنعت گران قرار گرفته است. علت این امر علاوه بر سادگی کاربرد آنها، بازدهی این روش ها در مدلسازی فرآیندهایی است که رفتاری به شدت غیر خطی دارند. به منظور مدیریت شرایط غیرعادی یک فرآیند، لازم است ابتدا عادی یا غیرعادی بودن وضعیت فرایند آشکار و عیوب ایجاد کننده وضعیت غیرعادی شناسائی شوند. امروزه واحدهای فرآیند بسیار پیچیده بوده و شامل اندازه گیری های زیادی از متغیر های فرآیند می باشند که جهت کنترل و مونیترینگ فرآیند به کار می روند. با توجه به این نکته یک کاربر جهت مونیترینگ فرآیند، اغلب با حجم وسیعی از داده ها مواجه است که این خود می تواند موجب سردرگمی وی و همچنین افزایش حجم محاسباتی گردد. از این رو مساله طراحی یک سیستم هوشمند شناسائی و تشخیص عیوب (PFDD) که قادر باشد به صورت بهنگام عمل کند و از لحاظ ایمنی و اقتصادی مقرون به صرفه باشد توجه تعداد زیادی از محققان را به خود جلب نموده است. سیستم آشکار سازی و تشخیص خطا بر پایه ترکیب روش های آماری مانند PCA و ICA جهت کاهش ابعاد داده و شبکه نرو-فازی به منظور ترکیب داده ها و آشکار سازی و تشخیص و طبقه بندی خطاها، می باشد. اطلاعات خطا توسط ماژول آشکارسازی و تشخیص خطا بدست می آید و سپس به منظور اخذ تصمیمات کنترلی به سیستم ناظر فرستاده می شود.