پروژه درس دینامیک سیستم های قدرت
پروژه درس دینامیک سیستم های قدرت
شامل 4 پروژه زیر:
- محاسبه ضرائب K1 تا K6 مدل هفرون- فیلیپس ماشين سنکرون و بررسی تغییرات این پارامترها برای مدل تک ماشین به شین بینهایت
- محاسبه ضرايب مدل چند ماشينه و شبيه سازي آن
- طراحي PSS براي سيستم تک ماشين به شين بي‌نهايت با مدل هفرن فيليپس و مدل سيستم تحريک IEEE
- طراحی پایدارساز LOEC برای مدل مکانیکی ماشین سنکرون
...
فرمت فایل: DOC (ورد 2003) قابل ویرایش
برای دانلود فایل اینجا کلیک کنید
تاریخ: برچسب:پروژه درس دینامیک سیستم های قدرت,پروژه,درس دینامیک سیستم های قدرت,پروژه درس دینامیک,سیستم های قدرت, دینامیک,محاسبه ضرائب K1 تا K6 مدل هفرون- فیلیپس ماشين سنکرون,مدل هفرون- فیلیپس,ماشين سنکرون,محاسبه ضرائب K1 تا K6,شین,محاسبه ضرايب مدل چند ماشينه و شبيه سازي آن,طراحي PSS براي سيستم تک ماشين به شين بي‌نهايت با مدل هفرن فيليپس,مدل سيستم تحريک IEEE,طراحی پایدارساز LOEC برای مدل مکانیکی ماشین سنکرون,طراحي PSS,سيستم تک ماشين,سيستم تک ماشين,هفرون,فیلیپس,هفرن,
ارسال توسط زهرا
دانلود پایان نامه شبکه های عصبی
چکیده مقاله : مسئله هماهنگ سازی شبکه های عصبی آشوبگونه با اغتشاش تصادفی مورد بررسی قرار گرفته است . مسئله کنترل و هماهنگ سازی این سیست م ها به شدت مورد توجه قرار گرقت و روش های مختلفی مثل کنترل حلقه بسته خطی و غیرخطی ، کنترل تطبیقی و نظایر آن جهت رسیدن به این هدف ، ارائه گردید . در مدلسازی سیستم ها ، توانایی تقریب به وسیله نورون ها ، شکل شبکه و قانون آموزش ، محدود می گردد . یک مسئله مهم جهت تحقیق و یررسی می باشد . سیستم های ANN چگونگی بهبود خاصیت ارگادیک آشوبگونه دارای مشخصاتی تصادفی هستند و الگوریتم آشوبی باعث ایجاد خاصیت قوی ارگادیک در شبکه می گردد.
فهرست :
- چکیده فارسی
- مقدمه
- فصل اول
- شبکه عصبی
- مقدمه
- شبکه عصبی
- سابقه تاریخی
- چرا از شبکه های عصبی استفاده می کنیم
- مزیتهای دیگر شبکه های عصبی
- شبکه های عصبی در مقابل کامپیوتر های معمولی
- انسان و سلول های عصبی مصنوعی در جستجوی شباهت ها
- از سلول های عصبی انسانی تا سلول های عصبی مصنوعی
- انواع یادگیری برای شبکه های عصبی
- زمینه ای در مورد perceptron
- دنباله های Perceptron
- قضیه بنیادی دنباله ها
- هوش جمعی
- PSO
- فصل دوم
- یک شبکه عصبی جدید و کاربرد آن
- مقدمه
- یک شبکه عصبی جدید و کاربرد آن
- معرفی
- نورون با خاصیت آشوبگونه
- شبکه
- قانون آموزش شبکه
- مدلسازی ژنراتور سنکرون دریایی
- نتایج مدلسازی
- نتیجه فصل
- فصل سوم
- آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله
- مقدمه
- آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله
- معرفی
- منحنی طول – کشش
- ساختار برگشتی
- تغییرات طیف
- نتایج فصل
- فصل چهارم
- هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی
- مقدمه
- هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی
- معرفی
- نمادها و مقدمات
- نتیجه فصل
- فهرست منابع
- منابع فارسی
- منابع لاتین
- چکیده انگلیسی
- نورون آشوب گونه
- سیستم شناسایی ژنراتور سنکرون دریایی به وسیله شبکه عصبی
- توان گشتاور ورودی و فرکانس خروجی ژنراتور
- جریان تحریک ورودی و ولتاژ خروجی پایانه
- فرکانس خروجی ژنراتور ، شبکه و خطای بین آنها
- تابع کشش – طول فعال
- شبکه برگشتی
- نمودار دو شاخه شدن
- حساسیت به شرط اولیه
- ایجاد طیف پیوسته از طریق افزایش فرکانس های گسسته
- نرخ هماهنگ سازی نمایی سیستم با خطای دینامیک
- دینامیک های سنکرون نشده در فضای حالت
...
فرمت فایل: PDF و DOC (ورد 2003) قابل ویرایش
تعداد صفحات: 54
برای دانلود فایل اینجا کلیک کنید
تاریخ: برچسب:دانلود پایان نامه شبکه های عصبی, دینامیک,دینامیک سنکرون نشده,خطای دینامیک,طیف پیوسته, فرکانس گسسته,نمودار,شبکه برگشتی,تابع کشش, فرکانس خروجی ژنراتور,شبکه,جریان تحریک ورودی و ولتاژ خروجی پایانه,توان گشتاور ورودی و فرکانس خروجی ژنراتور,توان,گشتاور,ورودی ,فرکانس خروجی,ژنراتور,ژنراتور سنکرون دریایی,شبکه عصبی,نورون,نورون,شبکه های عصبی آشوبگونه,منحنی طول – کشش, آنالیز , مکانیسم لرزش عضله,مدل شبکه عصبی,نتایج مدلسازی,مدلسازی ژنراتور سنکرون دریایی,مدلسازی,سنکرون دریایی,قانون آموزش شبکه,قانون,آموزش شبکه,شبکه,PSO,هوش, دنباله,سلول های عصبی,سیستم های ANN,ارگادیک,کنترل حلقه بسته خطی و غیرخطی,دانلود پایان نامه,دانلود, پایان نامه,
ارسال توسط زهرا
آمار
وبلاگ:
