طراحی فیلتر تطبیقی غیرخطی جهت کنترل نویز فعال با استفاده از روش های هوشمند – برق

مشخصات فایل

مقطع:کارشناسی ارشد
رشته تحصیلی:مهندسی برق
نوع ارائه:پایان نامه
تعداد صفحات:114
قالب بندی:word قابل ویرایش

نحوه خرید

طراحی فیلتر تطبیقی غیرخطی جهت کنترل نویز فعال با استفاده از روش های هوشمند – برق

شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

چکیده

فهرست مطالب
1 چكيده
2 مقدمه
4 فصل اول : كليات
5 ° 1- 1) هدف
5 ° 1- 2) پيشينه تحقيق
6 ° 1- 3) روش كار و تحقيق
7 فصل دوم : كنترل نويز فعال
8 ° 2- 1) نويز صوتي
9 ° 2-1-1) خواص آماري نويز
12 ° 2- 2) حذف نويز
12 ° 2- 3) سيستم كنترل نويز فعال
13 ° 2-3-1) كنترل نويز فعال با ساختار feedforward
27 ° 2-3-2) كنترل نويز فعال با ساختار فيدبك
15 ° 2- 4) الگوريتم ها در سيستم كنترل نويز فعال
16 ° 2-4-1) الگوريتم مورد استفاده در كنترل فعال نويز با ساختار feedforward
16 ° 2-4-2) تاثير مسير ثانويه
18 filtered X‐Least Mean Square الگوريتم (3-4-2 °
21 فصل سوم : شبكه هاي عصبي و كاربرد آن در سيستم هاي كنترلي
22 ° 3- 1) ساختار پرسپترون چند لايه
24 ° 3- 2) آموزش شبكه چندلايه
25 feedforward شبكه عصبي (3 -3 °
27 ° 3- 4) شبكه عصبي بازگشتي
° 3- 5) ساختار كنترلي شبكه هاي عصبي 29
29 ° 3-5-1) كنترل كننده پايدارساز ثابت
30 ° 3-5-2) كنترل معكوس تطبيقي
31 ° 3-5-3) كنترل مدل داخلي غيرخطي
31 ° 3-5-4) كنترل مدل پيشگو
32 ° 3-5-5) كنترل مدل مرجع
33 ° 3- 6) ساختار سيستم كنترل مدل مرجع بر مبناي شبكه عصبي
34 ° 3-6-1) آموزش كنترل مدل مرجع با الگوريتم Backpropagation براي شبكه عصبي بازگشتي
35 ° 3-6-2) آموزش شبكه NNI با استفاده از الگويتم backpropagation
36 ° 3-6-3) آموزش شبكه NNC با استفاده از الگويتم backpropagation
37 ° 3- 7) الگوريتم filtered‐x backpropagation براي كنترل فعال نويز
41 فصل چهارم : شبيه سازي كنترل نويز فعال با استفاده از شبكه هاي عصبي
42 ° 4- 1) پياده سازي سيستم
43 ° 4- 2) بررسي حذف نويز بدون در نظرگرفتن كنترلر
° 4- 3) شناسايي سيستم داكت با شبكه عصبي 46
° 4- 4) شبكه عصبي كنترل فعال نويز براي سيستم خطي بدون در نظرگرفتن تاثير مسيرثانويه 53
° 4- 5) شبكه عصبي كنترل فعال نويز براي سيستم خطي با كنترل فعال نويز 55
° 4-5-1) شبيه سازي با نويز موتور 55
° 4-5-2) شبيه سازي با نويز سفيد 63
° 4- 6) شبكه عصبي كنترل فعال نويز براي سيستم غيرخطي با كنترل فعال نويز 65
° 4-6-1) شبيه سازي با نويز موتور 65
° 4-6-2) شبيه سازي با نويز سفيد 72
° 4- 7) مقايسه 74
75 فصل پنجم : نتيجه گيري و پيشنهادات
77 ° نتيجه گيري
77 ° پيشنهادات
78 پيوست ها
82 منابع و ماخذ
82 ° فهرست منابع لاتين
83 ° سايت هاي اطلاع رساني
84 چكيده انگليسي

چكيده:
در اين پايان نامه ابتدا به بررسي نويز و خواص آماري آن كه اثر مسـتقيم بـر روي قابليـت پيشـگوييسيگنال دارد، مي پردازيم. ساختار كنترل فعال نويز با دو چيدمان فيدبك و feedforward را توضيح مي دهيم. پس از آن ساختار فيلترها و الگوريتم حاكم بر آنها و چگـونگي تعيـين ضـرايب فيلترهـا در كنتـرلكننده ها و همچنين الگوريتم FX‐LMS در ساختار كنترل فعال نويز feedforward به طور كامل توضيح داده مي شود. در ادامه به بررسي شبكه هـاي عصـبي و كـاربرد آنهـا در سـاختارهاي كنترلـي پرداختـه و نوع feedforward و بازگشتي شبكه عصبي به همراه معادلات، تعداد ضرايب وخصوصياتشـان بيـان مـيشود. پس از معرفي شبكه هاي عصبي به بررسي كاربرد آنها در ساختارهاي كنترلـي پرداختـه و در ادامـهساختار كنترل مدل مرجع را با شبكه عصبي بازگشتي پياده سـازي كـرده و معـادلات لازم بـراي آمـوزششبكه عصبي كنترل كننده و شبكه عصبي مدل پلنت را معرفي مي كنيم و از اين سـاختار بـراي سيسـتمكنترل فعال نويز استفاده مي كنيم. در ابتدا با يك شبكه عصبي feedforward سيستم را شناسايي كرده و از آن به تنهايي و بدون درنظرگرفتن تاثير پلنت (مسير ثانويه) براي حذف نـويز اسـتفاده مـي كنـيم. در گام بعدي كنترل فعال نويز را با دو شبكه عصبي كنترل كننـده و شـبكه عصـبي مـدل پلنـت بـراي يـكسيستم خطي شبيه سازي نموده و اين كنترل كننده را براي دو نوع نويز سفيد و نويز موتور مورد بررسـيقرار مي دهيم. در انتها، سيستم خطي را با درنظرگرفتن عوامل غيرخطي بلندگو به يك سيستم غيرخطـيتبديل كرده و قابليت سيستم كنترل فعال نويز با شبكه عصبي بازگشتي را در يك سيسـتم غيرخطـي بـه منظور حذف نويز مورد مطالعه قرار مي دهيم.

مقدمه:
نويز يك صوت ناخواسته مي باشد. كه هر يك داراي يك سطح از قدرت مي باشد. نويزهاي با قدرت بالا آزاردهنده هستند و مي توانند مضراتي براي سلامتي انسان، سيستم هاي مخابراتي و ديگر سيستم ها داشته باشند. با توجه به خصوصيات نويز مانند فركانس و خواص آماري آن مانند تابع خودهمبستگي ، روش مناسبي براي آن انتخاب مي شود.
روش كلاسيك حذف نويز، روش غيرفعال است كه در آن از عايق بندي صوتي استفاده مي شود كه براي دسته خاصي از نويزها، آنها كه داراي فركانس بالا مي باشند مورد استفاده قرار مي گيرد. در روش الكترونيكي كه همان روش فعال ناميده مي شود از كنترل كننده فعال نويز استفاده مي شود كه اين روش نيز براي نويزهايي با فركانس پائين مناسب است. در اين كنترل كننده ، هدف ايجاد نويزي برابر با نويز اصلي و فاز مخالف است تا بتواند با تركيب با نويز اوليه آنرا حذف نمايد و ايجاد سكوت كند. براي اين كار به يك بلندگو كه سيگنال كنترلي يا حذف كننده را پخش مي كند و يك سنسور براي اندازه گيري خطا احتياج ميباشد. در روش كلاسيك استفاده از كنترل نويز فعال، از فيلترهاي تطبيقي با ساختارهايي
مانند FIR, IIR, Ladder,… و از الگوريتم هايي مانند LMS, n‐LMS, RLS, FX‐LMS,… براي ساختن يك كنترل كننده استفاده مي شود. در اين روش ها الگوريتم با استفاده از معيارهايي مانند بيشترين شيب نزولي ضرايب فيلترها را تعيين مي كند.
در روش هوشمند براي ساختن كنترل كننده به جاي فيلتر از شبكه هاي عصبي استفاده مي كنيم و به جاي الگوريتم هاي LMS,… از الگوريتم هايي مانند backpropagation, filtered‐X backpropagation,… استفاده مي كنيم. شبكه هاي عصبي به صورت موفقيت آميزي به منظور تقريب، شناسايي و كنترل بر روي سيستم هاي ديناميك اعمال مي شوند. شبكه هاي عصبي به خوبي مي توانند در ساختارهاي كنترلي نظير Adaptive inverse control , Model predictive control,Nonlinear model control, Model reference control ايفاي نقش كنند. زماني كه از شبكه هاي عصبي استفاده مي شود بايد ابتدا وزن ها، باياس ها، تعداد نرون ها، لايه ها، تعداد ورودي و خروجي مشخص گردد كه اين وزن ها و باياس ها توسط الگوريتم هاي آموزشي و داده هاي آموزشي در مرحله آموزش تعيين مي شوند. در مرحله آموزش معمولاً داده هاي ورودي و خروجي مطلوب براي شبكه عصبي مشخص مي شود. ساختار شبكه عصبي كه چگونگي اتصال نرون ها در يك لايه و از لايه اي به لايه ديگر را نشان مي دهد بر اساس ميزان سرعت و پيچيدگي و حجم شبكه بوجود آمده تعيين مي شود. ساختارهاي متعارف شبكه عصبي ساختار feedforward, recurrent,… مي باشند. بعد از زمان آموزش و براي داده هاي بعدي كه به شبكه هاي عصبي وارد مي شود اين خود شبكه است كه براي خروجي تصميم مي گيرد. به همين جهت است كه شبكه هاي عصبي جزو روش هاي هوشمند به شمار مي آيند.
براي ايجاد يك كنترل كننده فعال نويز با شبكه عصبي بايد از ساختار Model reference control استفاده نمود. در اين ساختار دو شبكه عصبي وجود دارد. (الف) شبكه عصبي مدل پلنت (ب) شبكه عصبي كنترل كننده.
شبكه مدل پلنت براي در نظر گرفتن تاثير مسير ثانويه است و قبل از آموزش شبكه كنترل كننده بايد آموزش ببيند. از طريق روش شناسايي سيستم، پلنت را مدل مي كنيم. كنترل كننده را به گونه اي آموزش مي دهيم كه بتواند سيگنال آنتي نويزي توليد كند كه از پلنت عبور كرده و در عين حال رفتار مدل مرجع را دنبال كند. اين شبكه عصبي كنترل كننده با توجه به مسيري كه قرار است نويز طي كند يك سيگنال كنترلي توليد مي كند كه اين سيگنال پس از طي مسير ثانويه با نويز اصلي تركيب شده و بايد بتواند تا حدودي آنرا خنثي نمايد. از الگوريتم filtered‐x backpropagation براي آموزش كنترل كننده استفاده مي كنيم. ميزان موفقيت آميز بودن حذف نويز توسط سنسور خطا اندازه گيري مي شود.
شبيه سازي ها را در حالت هاي مختلف و بر روي يك سيستم داكت با دو ورودي نويز متفاوت انجام مي دهيم. همچنين سيستم را در دو حالت خطي و غيرخطي نيز بررسي خواهيم نمود.

نتيجه گيري
شبكه هاي عصبي توانايي بسيار خوبي در تقريب توابع ناشناخته دارند. شبكه هاي عصبي مي توانند در ساختار كنترل مدل مرجع به خوبي نقش مدل پلنت و كنترل كننده را اجرا كنند. با نتايج خوبي كه در شبيه سازي ها بدست آمد مي توانيم به خوبي شبكه هاي عصبي را جايگزين فيلترهاي تطبيقي در سيستم هاي كلاسيك كنترل فعال نويز كنيم. همچنين اين شبكه ها به خاطر عملكرد غيرخطي و وجود شبكه هاي بازگشتي در ساختارشان مي توانند نقش فيلترهاي تطبيقي غيرخطي در سيستم هاي كنترل فعال نويز غيرخطي را نيز بازي كنند.
از طرف ديگر موفقيت عملكرد كنترل كننده ها به نويز ورودي به سيستم نيز بستگي دارد. شرط لازم براي رسيدن به نتيجه اينست كه سيگنال ورودي به سيستم داراي تابع خودهمبستگي باشد و هرچقدر مقدار اين تابع بيشتر باشد سيگنال قابليت پيشگويي بيشتري دارد.

نحوه خرید

دانلود رایگان فایل
شما میتوانید تنها با یک کلید به راحتی فایل مورد نظر را دریافت کنید. 🙂

برای دسترسی به این فایل ابتدا باید اشتراک خریداری کنید. برای خرید اشتراک بر روی لینک زیر کلیک کنید.

ارتقاء عضویت

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد

راهنمای سایت

برخلاف سایت های دیگر که فایل ها را به صورت تکی می فروشند روال سایت ما این است که شما با عضویت در سایت ما میتوانید از تمام فایل های موجود استفاده کنید.

تمام مطالب سایت فقط برای اعضای سایت رایگان است.

نحوه عضویت در سایت