اختصاصی از
سورنا فایل پایان نامه ارشد برق تخمین و پیش بینی مودهای طبیعی استاتور موتورهای سوئیچ رلوکتانس با استفاده از شبکه عصبی دانلود با لینک مستقیم و پر سرعت .
تخمین و پیش بینی مودهای طبیعی استاتور موتورهای سوئیچ رلوکتانس با استفاده از شبکه عصبی
Estimation of Natural Modes of Stator of Switched Reluctance Machines with Neural Network
فهرست مطالب :
- پیشگفتار ...………………………………………………………………………….……..…… 1
-1 تاریخچه موتور سوئیچ رلوکتانسی ..……………………………………………….…………...…...... 2
-2 کاربردهای مختلف موتور سوئیچ رلوکتانسی………………………………………….……….....……... 2
-3 معایب موتورهای سوئیچ رلوکتانسی……………...………………………………….….…...…..…… 3
فصل اول : ساختار موتورهای سوئیچ رلوکتانسی و روشهای تحلیل الکترومغناطیسی آنها ..……………….……..…... 6
-1-1 معرفی ساختار موتور سوئیچ رلوکتانسی و عملکرد آن .…………………………………………....…… 7
-1-1-1 ساختار موتور سوئیچ رلوکتانسی..…………………………………………………………......… 7
-2-1-1 خصوصیات موتور سوئیچ رلوکتانسی.……………………………………………………..……. 11
-3-1-1 تولید گشتاور و مودهای عملکرد...…………………………………………..……………….… 12
-4-1-1 مشخصه مغناطیسی غیر خطی ماشین...…………………………………………………..….…. 17
-5-1-1 مدارهای کانورتر.………………………………………………………………...……….… 19
-6-1-1 ریپل گشتاور و لرزش درموتور سوئیچ رلوکتانسی..………………………………………………… 20
-1-2-1 معادلات ولتاژ، شار مغناطیسی وگشتاور ماشین سوئیچ رلوکتانس…………………………………...… 21
-2-2-1 روشهای مختلف تحلیل الکترومغناطیسی ماشین سوئیچ رلوکتانسی.………………………………....… 22
-1-2-2-1 روشهای عددی تحلیل الکترومغناطیسی.….………………………………………………….… 22
-2-2-2-1 روشهای تقریبی تحلیل الکترومغناطیس.…………………………………………………….… 25
فصل دوم : تخمین و پیش بینی نویز صوتی..………………………………………………………….… 29
-1-2 کمیت ها واستانداردهای کاربردی.……………………………………………………………...… 30
32 …….……………………………………………… SRM -2-2 منابع تولید ویبراسیون ونویز اکوستیک در
-3-2 مکانیزم ویبراسیون های منبع الکترومغناطیسی……………………………………………………… 34
-4-2 روش عمومی تخمین ویبراسیون و نویز..……………………………………………………….…… 36
-5-2 مرور تحلیل رویکردهای موجود.…………………………………………………………..……… 37
-6-2 فاکتورهای موثر برروی دقت مدل ها وفرضیات ……………………………………………………… 42
7-2 - توصیف مدل تحلیلی پیشنهاد شده………………………………………………….…….……… 44
-8-2 راهکارهائی برای طراحی موتور با نویز پایین ………………………………………………………… 49
-9-2 نتیجه گیری ..……………………………………………………………………….…….… 51
فصل سوم : مروری برشبکه های عصبی مصنوعی……………………………………………………..…… 52
-1-3 مقدمه.……………………………………………………………………………………… 53
-2-3 ساختار و عملکرد نرونها در مغز …………………………………………………………………… 53
-3-3 تاریخچه شبکه های عصبی.…………………………………………………….………………… 54
-4-3 مدل نرون………….……………………………………………………….………………… 55
1-4-3 - مدل تک ورودی.…………………………………………………………………………… 55
-2-4-3 مدل چند ورودی.…………………………………………………………………………… 58
-3-4-3 ساختار شبکه های عصبی……………………………………………………………………… 59
-1-3-4-3 شبکه تک لایه..…………………………………………………………………………… 59
-2-3-4-3 شبکه های چند لایه……………………………………………………………………… 60
-3-3-4-3 تعریف لایه خروجی.……………………………………………………………………… 61
-4-4-3 شبکه های پسخور یا برگشتی…………………………………………………………………… 61
٧
-5-3 شبکه های عصبی پرسپترون…………………………………………………………….……… 63
-1-5-3 معادله یادگیری در حالت کلی………………………………………………………….……… 64
-2-5-3 یادگیری شبکه..…………………………………………………………………….……… 64
-1-2-5-3 یادگیری با ناظر ………………………………………………………………….……… 65
-2-2-5-3 یادگیری بدون ناظر.……………………………………………………………….……… 66
66 ……………………………………………………………. (SLPR) -3-5-3 قانون یادگیری پرسپترون
68 ……….…………………………………………. R= -1-3-5-3 شبکه پرسپترون با بیش از یک نرون و 2
-2-3-5-3 قانون یادگیری شبکه پرسپترون …………………………………………………...………… 68
-3-3-5-3 قانون یادگیری شبکه پرسپترون تک لایه به صورت دسته ای..……………………………………… 71
72 ………….…..……………………………………………… SLPR -4-5-3 بررسی همگرایی الگوریتم
-1-4-5-3 نکات مهم ………………………………………………………………..……..……….. 74
74 ……..….…………...……………………………………………… SLPR -2-4-5-3 محدودیتهای
75 ……..….……………..……………………………………( MLP ) -5-5-3 شبکه پرسپترون چند لایه
75 ……………………………………………………………………………….. LM -6-3 الگوریتم
-1-6-3 مقدمه.……………………………………………………….………………….………… 75
-2-6-3 الگوریتمهای بهینه سازی.…………………………………………………………………… 75
-1-2-6-3 روش تندترین شیب..……………………………………..……………………….……… 76
-2-2-6-3 روش نیوتن..…………………………………………..………………………….……… 79
79 ………………………………………………….. (Levenberg-Marquardt) LM -3-2-6-3 الگوریتم
80 ..……….………………………………………………(Basic Algorithm) -1-3-6-3 الگوریتم اساسی
-2-3-6-3 شاخص عملکرد و محاسبه ژاکوبین………………….………………………………………… 82
فصل چهارم : تخمین وپیش بینی مودهای طبیعی استاتور با استفاده از شبکه عصبی.……………………………... 83
-1-4 مقدمه ……………………………………………………………………………………… 84
-2-4 تحلیل پاسخ سیستم با استفاده از روش اجزاء محدود..………………………………………………… 85
-3-4 انتخاب شبکه عصبی مناسب و مقایسه آنها...………..…………………………………….………… 94
130 .…………………………………………….…………LM -4-4 نتایج حاصل از بکارگیری شبکه عصبی
فصل پنجم : نتیجه گیری و پیشنهادات ..………………….…………………………………………… 140
-1-5 نتیجه گیری.………………………………………………………………………………… 141
-2-5 پیشنهادات.………………………………….……………………………………………… 142
144 …...………………………………………………………………………..……… (A) ضمیمه
149 ……………………………………………….…………………………………... (B) ضمیمه
مراجع...………………………………………………………………………………………… 151
٨
فهرست جدول ها :
32 .………….…………………………………………………………………………(1- جدول ( 2
33 ............…………………………………………………………………………….(2- جدول ( 2
33 ……..………………………………………………………………………………(3- جدول ( 2
34 ………..……………………………………………………………………………(4- جدول ( 2
63 ………..……………………………………………………………………………(1- جدول ( 3
90 …………………………………………………………………………………….(1- جدول ( 4
91 …………..………………………………………………………………………...(2- جدول ( 4
92 ……………..………………………………………………………………………(3- جدول ( 4
93 ……………………………………………………………………………………..(4- جدول ( 4
129 ….………………………………………………………………………......………(5- جدول ( 4
139 ………………………………………………………………………......…………
دانلود با لینک مستقیم
پایان نامه ارشد برق تخمین و پیش بینی مودهای طبیعی استاتور موتورهای سوئیچ رلوکتانس با استفاده از شبکه عصبی 
