دسته بندی اختلالات کیفیت توان با استفاده از تبدیل ویولت وشبکه عصبی

• فصل اول: کیفیت توان
• کیفیتتوان وضرورت توجه به آن
• بررسی مشخصات شکل موج
• انواع اختلالات کیفیت توان و اثرات آن بر تجهیزات مختلف
• 1-هارمونیک ها (Harmonic)
• -2فیلیکر(Flicker
• 3-عدم تعادل ولتاژ
• 4-شکاف(Notch )
• 5-نویز (Noise
• 6-پدیده های گذر(ا(Transient Phenomena
• 7-تغییرات فرکانس
• 8-کمبود ولتاژ((sag
• 9-بیشبود ولتاژ یا اضافه ولتاژ((Swell
• 10-قطع ولتاژ (Interruption(
• دستگاه های از بین برنده کیفیت توان
• راه های بهبود کیفیت توان
• فصل دوم: تبدیل موجک(Wavelet)
• مقدمه
• تبدیل
• دلایل استفاده ازتبدیل
• آنالیز چند رزولوشنه
• تبدیل ویولت یک بعدی
• تبدیل ویولت پیوسته
• رزولوشن در صفحه زمان فرکانس
• روابط ریاضی تبدیل ویولت
• عکس تبدیل ویولت
• گسسته سازی تبدیل ویولت پیوسته
• تبدیل ویولت گسسته
• فصل سوم :شبکههای عصبی مصنوعی( (Artificial Neural Network
• مقدمه
• تاریخچه
• انواع شبکه عصبی
• ایدهشبکه‌های عصبی مصنوعی (Artificial Neural Network – ANN)
• نرون مصنوعی
• ساختار شبکه‌های عصبی
• 1-لایه ورودی
• 2-لایه‌های پنهان(میانی)
• 3-لایه خروجی
• انواع اتصالات یا پیوندهای وزنی
• 1-پیشرو(feed forward)
• 2-پسرو(recurrent)
• تقسیم بندی شبکه‌های عصبی
• 1-آموزش بدون سرپرست
• 2-آموزش با سرپرست
• 3-آموزش تقویتی
• شبکه‌های عصبی در مقایسه با کامپیوترهای سنتی
• دلایل استفاده از شبکه های عصبی
• مزایای شبکه‌های عصبی
• 1-یادگیری تطبیقی
• 2-خود سازماندهی
  

• 3-عملگرهای بی‌درنگ
• 4-تحمل خطا
• 5-دسته بندی
• 6-تعمیم دهی
• 7-پایداری و انعطاف پذیری
• معایب شبکه‌های عصبی
• کاربردهای شبکه های عصبی
• 1-طبقه بندی، شناسایی و تشخیص الگو
• 2- پردازش سیگنال
• 3-پیش بینی سریهای زمانی
• 4- مدلسازی و کنترل
• 5-سیستم های خبره و فازی
• 6-بهینه سازی مسائل مالی، بیمه ، امنیتی، بازار بورس و وسایل سرگرم کننده
• 7- ساخت وسایل صنعتی، پزشکی و امور حمل و نقل
• یادگیری در شبکه های عصبی
• فرایند یادگیری
• معادله یادگیری در حالت کلی
• یادگیری شبکه
• انواع یادگیری
• 1-یادگیری با ناظر
• 2-یادگیری تشدیدی (تقویتی)
• 3-یادگیری بدون ناظر
• الگوريتم پس انتشار خطا((Back-Propagation
• الگوریتم LM درشبکه های عصبی
• الگوريتمهای بهينه سازی
• روش تندترين شيب
• نرخ های يادگيری پايدار( (Stable  Learning rates
• مينيمم سازی در طول يك خط
• روش نيوتن
• الگوريتم (LM(Levenberg-Marquardt
• الگوريتم اساسی ((Basic Algorithm
• شاخص عملكرد و محاسبه ژاكوبين
• شبکه عصبی احتمالی(PNN)
• مزایای شبکه عصبی احتمالی
• معایب شبکه عصبی احتمالی
• تئوری
• تخمین تابع چگالی احتمال
• آموزش شبکه عصبی احتمالی
• موارد استفاده از
• فصل چهارم: فرآیند تحقیق
• مقدمه
• شرح فرآیند تحقیق
• جدول نتایج
• مقایسه با دیگر روش ها
• شبیه سازی کوره قوس القایی
• کوره قوس الکتریکی
• نتیجه نهایی تحقیق
• منابع ومراجع

نوع فایل:pdf