توضیحات :
در پروژه دسته بندی اختلالات کیفیت توان با استفاده از تبدیل ویولت و شبکه عصبی تلاش شده تا با ابزارها و روشهای نوین پردازش سیگنال (تجزیه چند سطحی ویولت DWT) وهمچنین روش های دسته بندی هوشمند (شبکه های عصبی) انواع اختلالات کیفیت توان شناسایی ودسته بندی شوند.
فهرست مطالب :
فصل اول: کیفیت توان
کیفیت توان وضرورت توجه به آنبررسی مشخصات شکل موجانواع اختلالات کیفیت توان و اثرات آن بر تجهیزات مختلفهارمونیک ها (Harmonic)فیلیکر(Flicker)عدم تعادل ولتاژشکاف(Notch )نویز (Noise)پدیده های گذرا(Transient Phenomena)تغییرات فرکانسکمبود ولتاژ(sag)بیشبود ولتاژ یا اضافه ولتاژ(Swell)قطع ولتاژ (Interruption)دستگاه های از بین برنده کیفیت توانراه های بهبود کیفیت توانفصل دوم: تبدیل موجک(Wavelet)
مقدمهتبدیلدلایل استفاده ازتبدیلآنالیز چند رزولوشنهتبدیل ویولت یک بعدیتبدیل ویولت پیوستهرزولوشن در صفحه زمان فرکانسروابط ریاضی تبدیل ویولتعکس تبدیل ویولتگسسته سازی تبدیل ویولت پیوستهتبدیل ویولت گسستهفصل سوم :شبکههای عصبی مصنوعی (Artificial Neural Network)
مقدمهتاریخچهانواع شبکه عصبیایده شبکههای عصبی مصنوعی (Artificial Neural Network – ANN)نرون مصنوعیساختار شبکههای عصبیلایه ورودیلایههای پنهان(میانی)لایه خروجیانواع اتصالات یا پیوندهای وزنیپیشرو(feed forward)پسرو(recurrent)تقسیم بندی شبکههای عصبیشبکههای عصبی در مقایسه با کامپیوترهای سنتیدلایل استفاده از شبکه های عصبیمزایای شبکههای عصبیمعایب شبکههای عصبیکاربردهای شبکه های عصبییادگیری در شبکه های عصبیفرایند یادگیریمعادله یادگیری در حالت کلییادگیری شبکهانواع یادگیریالگوریتم پس انتشار خطا(Back-Propagation)الگوریتم LM درشبکه های عصبیالگوریتمهای بهینه سازیروش تندترین شیبنرخ های یادگیری پایدار (Stable Learning rates)مینیمم سازی در طول یک خطروش نیوتنالگوریتم (LM(Levenberg-Marquardtالگوریتم اساسی (Basic Algorithm)شاخص عملکرد و محاسبه ژاکوبینشبکه عصبی احتمالی(PNN)مزایای شبکه عصبی احتمالیمعایب شبکه عصبی احتمالیتئوریتخمین تابع چگالی احتمالآموزش شبکه عصبی احتمالیفصل چهارم: فرآیند تحقیق
مقدمهشرح فرآیند تحقیقجدول نتایجمقایسه با دیگر روش هاشبیه سازی کوره قوس القاییکوره قوس الکتریکینتیجه نهایی تحقیقمنابع ومراجعفرمت فایل : pdf
تعداد صفحات : 120