آشکارسازی عیب سیستم¬های غیرخطی چندمتغیره با عدم قطعیت، با استفاده از رویتگرغیرخطی مقاوم و تخمینگر عیب عصبی

اختصاصی از هایدی آشکارسازی عیب سیستم¬های غیرخطی چندمتغیره با عدم قطعیت، با استفاده از رویتگرغیرخطی مقاوم و تخمینگر عیب عصبی دانلود با لینک مستقیم و پر سرعت .

آشکارسازی عیب سیستم¬های غیرخطی چندمتغیره با عدم قطعیت، با استفاده از رویتگرغیرخطی مقاوم و تخمینگر عیب عصبی

به صورت ورد ودر87صفحه

چکیده

در این نوشتار تشخیص، بازسازی و پیش‌بینی عیب سیستم‌های غیرخطی همراه با عدم قطعیت مورد بررسی قرار می‌گیرد. معیار عیب‌یابی سیگنال باقیمانده‌ای است که از اختلاف خروجی سیستم و یک رویتگر مود لغزشی محاسبه می‌شود. ایده‌ی مود لغزشی در راستای جبران اثر عدم قطعیت‌ها بر سیگنال باقیمانده می‌باشد. توانایی رویتگرلغزشی در رساندن سیگنال باقیمانده به سطح لغزشی صفر با حساسیت روش عیب‌یابی در تضاد است. این مشکل را با تطبیق بهره‌ی رویتگر لغزشی حل می‌کنیم. این الگوریتم تطبیق، بهره‌ها را تا حد نیاز مسئله برای جبران نامعینی‌های مدل کاهش می‌دهد. خطای تخمین با بهره‌ی لغزشی کمینه به سطح صفر می‌رسد. با خروج خطای رویتگر از سطح لغزشی صفر رخداد عیب کشف و تطبیق بهره خاموش می‌گردد. بنابراین، اثر عیب در سیگنال باقیمانده بدون تضعیف توسط رویتگر لغزشی انتشار می‌یابد. به علاوه شبکه‌ی عصبی تخمینگر برای بازسازی دینامیک عیب در متن رویتگر فعال می‌شود. قوانین به‌روزرسانی وزن‌ها به بهبود پایداری روش و همگرایی خطای تخمین کمک می‌کند. با تعریف آستانه‌ی نابودی مناسب برای وزن‌های شبکه، الگوریتم پیش‌بینی عیب از قانون به‌روزرسانی وزن‌ها استخراج می‌شود. بررسی پایداری لیاپانوف روش آشکارساز عیب در هر دو حوزه‌ی پیوسته و گسسته زمان بررسی‌ می‌گردد. اثبات پایداری لیاپانوف در روش‌های عیب‌یابی گذشته به‌ندرت دیده می‌شود.

تحقیق درباره آشکارسازی اطلاعات بد و تعیین هویت

اختصاصی از هایدی تحقیق درباره آشکارسازی اطلاعات بد و تعیین هویت دانلود با لینک مستقیم و پر سرعت .

ینک پرداخت و دانلود *پایین مطلب*

فرمت فایل:Word (قابل ویرایش و آماده پرینت)

تعداد صفحه15

فهرست مطالب

اطلاعات بد چندگانه

اطلاعات بد انطباقی و تراکنشی چندگانه

یکی از کارهای اساسی یک برآورد کننده عبارت اند از تعیین خطاهای اندازه گیری و تعیین و حذف آنها است اگر ممکن باشد، اندازه گیری ها ممکن است حاوی خطاهای ناشی از دلایل مختلف باشد. خطاهای تصادفی معمولاً در سنجش های ناشی از دقت محدود مترها و وسایل ارتباطات وجود دارند. اگر redundancy زائده های کافی در بین سنجش ها وجود داشته باشد، چنین خطاهایی توسط برآورد کننده حالت، فیلتر
می شود. طبیعت این عمل فیلتر کردن بستگی به روش برآورد بکار رفته دارد. خطاهای اندازه گیری بزرگ می توانند وقتی رخ دهند که مترها دارای بایاس ها، یا اتصالات (یا ارتباطات) غلط باشد. خرابی های سیستم ارتباطات از راه دور یا نویز ایجاد شده توسط تداخل پیش بینی نشده نیز منجر به انحرافات زیاد در سنجش های ثبت شده می شود. قطع نظر از این موارد، یک برآورد کننده ممکن است با اطلاعات توپولوژیک غیرصحیح فریب داده شود که بعداً بصورت اطلاعات بد توسط برآورد کننده تفسیر می شود. چنین موقعیتهایی (حالتهایی) به سختی کنترل می شوند و برطرف کردن خطاهای توپولوژی بعدا در فصل 7 بحث می شوند. بعضی اطلاعات بد آشکار هستند و می توانند توسط کنترل های ساده، آشکار شده یا حذف شوند. اندازه گیری مقادیر ولتاژ منفی از اندازه گیری بزرگتر یا کوچکتر از مقادیر پیش بینی شده اند از آن جمله است. یا تفاوت های زیاد جریانهای ورودی و خروجی در یک گره ارتباطی در یک ایستگاه فرعی از جمله مثالهای چنین اطلاعات بد می باشند. متأسفانه تمام انواع اطلاعات بد به آسانی قابل آشکار شدن توسط این دستگاه ها نمی باشند. بنابراین، برآورد کننده های حالت باید مجهز به ویژگی های پیشرفته تری باشند که آشکارسازی و تعیین هویت هر نوع از اطلاعات بد را آسان  می کند. عملیات اطلاعات بد بستگی...

آشکارسازی تنش آبی گیاه نیشکر با تصاویر ماهواره ای Terra/Aster

اختصاصی از هایدی آشکارسازی تنش آبی گیاه نیشکر با تصاویر ماهواره ای Terra/Aster دانلود با لینک مستقیم و پر سرعت .

چکیده مقاله:

مهمترین عامل موثر در سلامت گیاه و بازده محصولات کشاورزی میزان آب در دسترس گیـاه مـی باشـد . شـرکت توسـعه نیشکر و صنایع جانبی با داشتن ٧ واحد کشت و صنعت نیشکر در مساحتی بالغ بـر ٨٤٠٠٠ هکتـار از اراضـی خوزسـتان، یکـی از بزرگترین کشت و صنعتهای نیشکر در دنیا محسوب می شود . دراین تحقیق که ب ر روی مزارع نیشکر واحد امیر کبیر انجام گرد یـ ده
سعی شده است تا از روشهای گوناگون آشکارسازی تنش آبی نیشکر استفاده گرد یده و بهترین شاخص بـرای ایـن منظـور معرفـی گردد . باندهای VNIR و TIR سنجنده استر برای این تحقیق در نظر گرفته شد . از دو شاخص حرارتی CWSI و WDI بـرا ی باندهای TIR و شاخص جد ید R.P.P و مولفه اصلی اول تصویر برای آشکارسازی تنش آبی در محدوده VNIR استفاده گردید . مزارع به دو کلاس مزارع تنش دار و بدون تنش طبقه بندی شدند . نتایج حاصل از هر کدام از مدلها با داده های زمینی بررسی شده و مشخص گرد ید که مولفه اصلی اول تصویر برای باندهای VNIR با شاخص کاپائ ی برابر ٠/٨١ بهتر از داده های رادیانس بانـدها عمل می کند . از میان شاخصهای حرارتی تنش آبی، برای دو تصویر مورد استفاده، شاخص WDI با شاخص کاپائ ی برابـر ٠/٩٠ و ٠/٨٧ بهتر از شاخص CWSI عمل می کند . آستانه ٠/٩٦ برای شاخصهای ح رارتی تنش آبی به عنوان آستانه تـنش مـزارع نیـشکر خوزستان معرفی می گردد .

کلیدواژه‌ها:

استر، پردازش تصویر، تنش آبی، نیشکر، خوزستان

آشکارسازی غبار و دود در تصاویر ماهواره ای با استفاده از اختلاف دمای درخشندگی - علی غفوری

اختصاصی از هایدی آشکارسازی غبار و دود در تصاویر ماهواره ای با استفاده از اختلاف دمای درخشندگی - علی غفوری دانلود با لینک مستقیم و پر سرعت .

چکیده مقاله:

ذرات دود و غبار نقش بسیار عمده ای بر شرایط اب و هوایی منطقه، برنامه های پرواز و سلامتی انسان دارند.داده های محیطی (EDR) گردآوری شده سنجنده های ماهواره ای، کمک شایانی برای کاهش خطر برنامه های هوایی و پروازهای نظامی و همچنین خطری که برای سلامتی انسان وجود دارد می کنند. علاوه بر این، اطلاعات مذکور، برای تحقیق و پیش بینی شرایط آب و هوایی هم بسیار مورد استفاده قرار می گیرند. الگوریتم ارائه شده در این مجموعه، در وهله اول ، صرفا ازویژگی های طیفی هر هوآویز استفاده می کنند؛ به عنوان مثال، دود مناطق شهری در طول موج 11 تا 12 میکرومتر به سادگی از ابر قابل تشخیص است وسیلیکاتهای موجود درذرات غبار و شن، جذب فوق العاده ای در طیف به سادگی از ابر قابل تشخیص است و سیلیکاتهای موجود در ذرات غبار وشن، جذب فوق العاده ای در طیف 35/8 میکرومتر دارد؛ اندازه گیری اختلاف دمای درخشندگی در دو طیف خاص الکترومغناطیس منجر به آشکارسازی هوآویزهای مذکور می گردد. در استفاده از طیف مرئی از رادیانس هوآویز ها برای تشخیص آنها استفاده می شود؛ لذا آشکارسای آنها با کسر کردن عوارض سطح زمین از تصویر صورت می گیرد. در محدوده هایی که معمولا IR در جو دارای پنجره جوی است، از طیف مادون قرمز برای آشکارسازی هوآویزها استفاده می شود که در طیف مادون قرمز، هوآویزها بااختلاف فاحشی درتصویر آشکار می شوند. ارائه شاخص کامل و جامعی برای دود، و همچنین یک روش ترکیبی برای تشخیص غبار، در این الگوریتم، هدف غایی مقاله حاضر است. الگوریتم ارائه شده، علاوه بر روشهای آشکارسازی بکمک اختلاف دمای روشنایی، با استفاده از اطلاعات ویژگیهای طیفی هر ذره هوآویز، ضخات نوری، اندازه ذرات و همچنین موقعیت جغرافیایی منطقه، هوآویزها را در وسعت جهانی طبقه بندی می کند. در این مقاله از داده های EDR آشکارسازی ذرات معلق سنجنده VIIRS برای آشکارسازی ذرات دود و غبار استفاده شده است.

کلیدواژه‌ها:

آشکارسازی ، تصاویر ماهواره ای ، تصحیح آتمسفر ، داده های محیطی (EDR) ، دمای درخشندگی ، دود ، ذرات معلق ، سنجش از دور ، غبار ، هوآویز