نشریه دانشکده فنی دانشگاه تهران
سال سی و هشتم شماره 1 (پیاپی 83، اردیبهشت 1383)

یکی از عوامل مهم درافزایش کارایی آنتن FZPA،ضریب کارایی فاز این نوع ساختاراست. این ضریب متناسب با تعداد لایه های بکار رفته شده در ساختار FZPA چند لایه و تنوع دی الکتریک مورد استفاده در ساختار چند دی الکتریکی بوده و افزایش آن منجربه افزایش کارایی آنتن میشود. البته در افزایش ضریب کارایی فاز باید محدودیتهای عملی و تئوری را نیز مدنظر داشت لذا طراحی بهینه آنتن منوط به انتخاب مناسب پارامترهای آن می باشد. در این مقاله، ضمن معرفی اجمالی روش های مختلف تحلیل این ساختارها،سعی شده است که در هر قطر مشخص از آنتن روش طراحی مناسبی ارائه شود بطوریکه برای هر تغذیه با پترن تشعشعی متقارن بتوان محل تغذیه و شعاع نواحی را به گونه ای تعیین نمود که حداکثر بهره آنتن حاصل شود. در نهایت نیز با در نظر گرفتن یک تغذیه طراحی مناسب بر مبنای آن ارائه شده ونتایج حاصل از اندازه گیری با نتایج تئوری مربوطه مقایسه میشود.

امکان تغذیه موتور القائی با خطای دور به دور و نقاط کاری که در آنها خطا گسترش نیابد، در منابع پژوهشی آمده است. در این مقاله، محدوده نقاط کار مجاز برای موتور معیوب،به پایدار و گذرا طبقه بندی شده اند،که به ترتیب به معنی نقاطی هستند که برای مدت دلخواه و مدت کوتاه قابل استفاده می باشند. مطابق انتظار نشان داده شده که برای یک میزان معین از خطا،سرعتها و گشتاورهای بالاتری بصورت گذرا قابل تحمل است و این ایده برای کنترل مطلوبتر یک موتور معیوب قابل استفاده می باشد. وابستگی محدوده نقاط کار مجاز به دمای محیط و قابلیت شبکه عصبی در کوتاه کردن پروسه وقت گیر تعیین محدوده نقاط کار پایدار، نشان داده شده است. برای موتور معیوب یک مدل حرارتی ارائه شده که در دنبال کردن دمای محل خطا مورد استفاده قرار میگیرد و میتواند برای بدست آوردن محدوده نقاط کار گذرا و پایدار و در دماهای مختلف محیط استفاده شود. پارامترهای مدل بکمک الگوریتم ژنتیک،شبکه عصبی و نتایج تجربی بدست می آیند. صحت و دقت نتایج با آزمایشهای متعدد نشان داده شده است.

در این مقاله روشی برای کاهش بعد فضای ویژگی تصاویر تشدید مغناطیسی مغز به سه بعد جهت ایجاد امکان تجسم توزیع داده ها در فضا و بخشبندی تصاویر پیشنهاد میشود. از شبکه عصبی پیشخورد برای تولید ویژگی های جدید استفاده میشود. پارامترهای شبکه عصبی توسط الگوریتم ژنی بگونه ای تعیین میشوند که داده های تبدیل یافته در خروجی شبکه عصبی تابع هدف معینی را بهینه نمایند. سه تابع هدف معرفی میشوند که بر مبنای تابع خطای سامون عمل می کنند و در دو تا از آنها محدودیتی به این معیار خطا اضافه شده است. داده های فضای ویژگی سه بعدی بدست آمده را میتوان از طریق ترسیم تصویر پرسپکتیو هیستوگرام سه بعدی مجسم نمود و با تعیین حدود مرز خوشه های داده در این تصویر، تصاویر تشدید مغناطیسی را بخشبندی کرد. نتایج بدست آمده از روش های پیشنهادی با نتایج روش های تبدیل خطی و تبدیل شبکه عصبی پس انتشار خطا(BPNN) مقایسه میشوند. دو روش پیشنهادی که از توابع هدف پیشنهادی اول و دوم استفاده می کنند، برای یک سری تصویر MR شبیه سازی شده نتیجه ای بمراتب بهتر از سایر روش ها را از نظر ایجاد خوشه های متمایز از هم ارایه میدهند. همچنین به لحاظ تفکیک بافتهای غیرعادی در 10 سری تصویر MR واقعی،نتایج حاصل از این دو روش بخشبندی با خطای کمتری نسبت به روش های قبلی در اختیار قرار میدهند.

در این مقاله رویکردی عاملگرا برای کنترل سیستم های با اهداف چندگانه ارائه شده است.اصول این روش مبتنی یادگیری عاطفی و یادگیری تفاوت زمانی بوده ودارای ساختار فازی-عصبی می باشد. روش پیشنهادی میتواند با توجه به موقعیت فعلی، عملکرد سیستم در زمان های گذشته و اهداف کنترلی موجود،سیستم را به گونه ای کنترل نماید که این اهداف در حداقل زمان و به نحو بسیار مطلوبی برآورده شوند.

روش جدید SEMN برای تحلیل آنتنهای میکرواستریپ با شکل دلخواه ارائه شده است. این روش علارغم جامعیت به علت کندی محاسبات قابل اعمال بر روی آرایه های محدود و نامحدود میکرواستریپی نبوده و اگر تقارنهای ساختاری و تحلیلی اعمال نشود، تحلژیل آنتنهای تک عنصره نیز توسط رایانه های امروزی روزها طول خواهد کشید. به همین علت، نخست روش هایی برای افزایش سرعت محاسبات ارائه گشته وبا اعمال بر روی یک آنتن پچ میکرو استریپ تاثیر شگرف آن، بدون هیچ لطمه ای بر جامعیت روش، به اثبات میرسد. سپس نحوه تحلیل آرایه های محدود توسط SEMN سریع، ارائه و بر روی یک آرایه چهار عنصره دارای نتایج اندازه گیری پیاده گشته است. در ادامه، تحلیل آرایه های نامحدود متناوب توسط این روش برای اولین بار فرمولبندی شده و روشی برای تسریع جمع انباره ای نامحدود ارائه گردیده است. نتایج محاسبات آرایه نامحدود نیز با روش MOM مقایسه شده است. در تمامی موارد همخوانی خوبی ملاحظه شده است.

در این مقاله،روشی برای بهینه سازی سیستم توزیع به کمک بازآرایی فیدر توسعه داده شده است. بازآرایی فیدر روش ساده و کم هزینه ای برای کاهش تلفات سیستم توزیع است که با انجام مانور روی شبکه موجود صورت می پذیرد. در این تحقیق، رویکرد تئوری گراف برای تحلیل و بهینه سازی شبکه توزیع انتخاب شده است. براساس این تئوری، تجزیه (وبهینه سازی)گراف به صورت یک مسئله برنامه ریزی خطی معادل سازی میشود. سیستم توزیع به عنوان یک ابر گراف مدل شده و وزن هایی به هر یک از شاخه های گراف داده می شود. سپس،سیستم توزیع به زیرگراف هایی تجزیه میشود. میتوان بطور همزمان کاهش تلفات را با بازآرایی فیدرها در تمامی زیرگراف ها انجام داد.مهمترین ویژگی این روش،توانمند ساختن الگوریتم بازآرایی برای بهینه سازی شبکه های بزرگ است. کاهش قابل توجه در زمان محاسبات،نتیجه مستقیم دیگر تجزیه شبکه است،که بکارگیری این روش را در کاربردهای سریع و حتی بلادرنگ مناسب می سازد. در پایان، کارآیی روش روی یک سیستم توزیع معروف کوچک نشان داده شده و درباره نتایج حاصله بحث گردیده است.

مساله ترکیب اطلاعات که در سطحی فراتر از ترکیب داده ها قرار دارد، این امکان را فراهم می سازد تا از روی اطلاعاتی که هر یک از زوایای مختلف نسبت به یک موضوع گرد آوری می شوند و آمیخته با عدم قطعیت می باشند،نتیجه ای کاملتر و خالصتر حاصل گردد. امروزه نیاز به سیستم های هوشمندی که قادر باشند تا به صورت فراجویشگر شخصی کاربر اطلاعات مورد نیاز او را از میان حجم عظیم اطلاعات در دسترس تهیه کنند و در اختیار وی قرار دهند، بسیار محسوس است و اقدامات انجام شده در این زمینه هنوز نواقص فراوانی دارند. در همین راستا در این مقاله تلاش شده است تا معماری یک عامل هوشمند سفارشی،که قادر است اطلاعات مورد نیاز کاربر را با توجه به علائق وی از سرویس دهنده های اطلاعاتی مختلف بازیابی نماید، طراحی و پیاده سازی گردد. این عامل برای نیل به هدف خود از تکنیک های ترکیب اطلاعات بهره می گیرد. در این مقاله از عملگر کارآمدOWA که زیرمجموعه ای از خانواده ی بزرگ انتگرال های فازی است برای شکل دهی مدل عملیاتی عامل هوشمند استفاده شده است. تنظیم در این عامل هر سه سطح ترکیب اطلاعات، یعنی ترکیب داده ها، ترکیب ویژگی ها،وترکیب تصمیم ها وجود دارند. این عامل قادر است تا با خوشه بندی موضوعات، مدل رفتاری هر سرویس دهنده ی اطلاعاتی را نسبت به هر خوشه شناسایی نماید و در تصمیم گیری نهایی مورد استفاده قرار دهد.

برای حل مسائل پیش بینی توزیع سفر در مدل جاذبه موجود،از روش هیورستیکی استفاده می گردد که روابط بین این پارامترها تواما در نظر گرفته نمیشوند و در نتیجه تعداد مراحل تصحیح و زمان حل افزایش می یابند. در این مقاله مدل ریاضی جدیدی ارائه می گردد که این ضعف روش موجود را برطرف کرده است. از طرف دیگر، در دنیای واقعی،پارامترهای یک شبکه حمل و نقل از قبیل زمان طی کردن فاصله بین هر دو منطقه را نمیتوان به طور دقیق و قطعی تعریف نمود،لذا لازم است زمان طی کردن این فاصله بین هر دو منطقه را بصورت یک بازه زمانی تعریف نمود که این بازه زودترین و دیر ترین زمان طی شدن مسافت بین دو منطقه را نشان میدهد. لذا در مدل پیشنهادی به هر پارامترها یک توزیع امکان تخصیص داده میشود. در این مقاله، ابتدا هر دو روش موجود و پیشنهای توصیح داده شده و در ادامه ضمن ارائه یک مثال، نتایج دو روش مقایسه می گردند.

در این مقاله حل مساله تولید سلولی(CM) در شرایط پویای احتمالی با استفاده از یک الگوریتم ژنتیک مورد بررسی قرار می گیرد.سیستم های تولید سلولی در واقع کاربردی از فناوری گروهی در زمینه ساخت و تولید می باشند که هدف از آنها دسته بندی قطعات و ماشین بگونه ای است که از تشابه ظاهری و یا عملیاتی آنها در جنبه های مختلف ساخت و طراحی استفاده شود. در اکثر تحقیقات گذشته مساله تولید سلولی همواره در شرایط تولید ثابت ویا تقاضای معین مورد بحث قرار می گرفت حال آنکه در عمل تولید پویا و تقاضا برای محصولات نامعین است. از آنجاییکه تطبیق هر چه بیشتر یک مدل CM با شرایط واقعی مستلزم فزونی متغیرها و محدودیت های مدل می باشد بنابراین حل چنین مدلی توسط روش های بهینه سازی سنتی احتیاج به زمان،حافظه و قدرت پردازش بالا خواهد داشت در نتیجه امروزه روش های نوینی همانند الگوریتم های ژنتیک مورد توجه قرار گرفته اند. الگوریتم های ژنتیک جزء تکنیک های جستجوی تصادفی می باشند که برای حل مسایل NP-Complete همانند CM استفاده می شوند. در این مقاله ابتدا یک مدل عدد صحیح غیرخطی از CM ارائه و سپس توسط الگوریتم ژنتیک حل می گردد ودر خاتمه نتایج به دست آمده با حل بهینه مقایسه و صحت الگوریتم ارائه شده مورد بررسی قرار می گیرد.

این مقاله به ارائه مدلی برای تعیین میزان سفارش اقتصادی در سیستمهای دو سطحی در شرایط تورمی و با هدف دستیابی به حداکثر سود می پردازد. فرض شده است که اقلام نگهداری شده از نوع فاسد شدنی با تقاضای ثابت بوده و دارای عمر تصادفی وابسته به زمان می باشند. همچنین کمبود مجاز نبوده و امکان نرخ هزینه های نگهداری متفاوت در هر دو سطح وجود دارد. دو حالت فاسد شدن اقلام در سطح اول و فاسد شدن اقلام در سطح دوم در نظر گرفته شده و برای هر حالت مقادیر سفارش بهینه تعیین و طریقه حل با ارایه یک مثال عددی تشریح شده است.

یکی از مسائل شناخته شده در حوزه تحقیق در عملیات بویژه در زمینه برنامه ریزی تولید مساله برش است. مساله برش دو بعدی انطباق بیشتری با مسائل واقعی در حوزه های صنعتی دارد. از اهداف اصلی در بررسی مساله برش دو بعدی کاهش ضایعات ناشی از برش است، این مساله زمانی که ماده اولیه برش در حجم وسیعی برش یابد اهمیت بیشتری پیدا میکند. در این مقاله با هدف کاهش ضایعات،فضای جواب برای الگوی برش دوبعدی با یک گراف and-or توسعه داده می شود و سپس با کمک یک الگوریتم بهینه سازی احتمالی مبتنی بر روش های بهینه سازی محلی یک روش شاخه-کران بهبود یافته برای کاهش فضای جستجوی مساله ارائه می شود. نتایج ارائه شده مؤید قابلیت مناسب الگوریتم در مقایسه با الگوریتم های رایج می باشد.

این مقاله به مدل سازی و حل مسئله جمع آوری بهنگام قطعات مورد نیاز یک مؤسسه تولیدی از تامین کنندگان قطعات می پردازد.در مسئله مورد نظر،وسایل نقلیه از انبار مرکزی حرکت میکنند و باید قطعات مورد نیاز را از تامین کنندگان تحویل گرفته و به انبار مرکزی مؤسسه تولیدی تحویل دهند.مقدار تحویل قطعات به انبار مرکزی تابعی از مدت زمان مسیر گردش وسایل نقلیه می باشد. بنابراین، سعی بر این است که در یک دوره زمانی معلوم،مسیریابی ناوگان حمل و نقل به نحوی انجام شود که تعداد وسایل نقلیه مورد نیاز و متوسط موجودی ها در انبار مرکزی حداقل شود. در این تحقیق ابتدا مدل ریاضی مسئله و سپس یک الگوریتم مورچگان با بهبود بازگشتی برای حل مسئله فوق ارائه شده است. مقایسه جوابهای حاصل از حل بهینه مدل ریاضی و اجرای الگوریتم مورچگان نشان میدهد که برای مسائل با تعداد تامین کنندگان محدود،کیفیت جوابهای الگوریتم مورچگان به جوابهای بهینه حاصل از مدل ریاضی بسیار نزدیک می باشد.

در این مقاله الگوریتمی یکپارچه برای برنامه ریزی همزمان AGV ها و ماشین آلات با استفاده از شبکه های پتری و الگوریتم های جستجوی ابتکاری ارائه شده است. در ابتدا با استفاده از شبکه های پتری زمانی مدل مساله مرکب از سه مدول AGV، محصول و ماشین آلات ایجاد میشود. مدول AGV برای مدلسازی حرکت AGVها،محصول برای مدلسازی فرایند تولید و حرکت قطعات و ماشین آلات برای مدلسازی تخصیص ماشین آلات طراحی شده است. در ادامه، با ترکیب و یکپارچه سازی قوانین توزیع AGVها و ماشین آلات،با روش های جستجو در درخت دسترسی شبکه پتری مساله یک الگوریتم کارا توسعه داده شده است.نتایج بدست آمده حاکی از کارایی الگوریتم و شبکه های پتری در حل مسایل پیچیده سیستم های تولید منعطف است.

هدف از این مقاله،ارایه متدولوژی بکارگیری روش تحلیل فراگیر داده ها در سازمان های تحقیقاتی با ورودی ها و خروجی های ناملموس و کمی-کیفی می باشد. گزارش حاضر به نحوه اعمال تغییرات و محدودیت های استفاده از مدل تحلیل پوششی داده ها و همچنین روش تبدیل نمودن محدودیت ها و عوامل به روابط ریاضی می پردازد. با توجه به ویژگی های سازمان های تحقیقاتی،وهمچنین شرایط مختلف موجود در روش تحلیل فراگیر داده ها،استفاده ازاین روش جهت اندازه گیری کارایی مراکز تحقیقاتی به سادگی امکان پذیر نخواهد بود. یکی از مهم ترین مسایل موجود در این رابطه،کیفی-کمی بودن ورودی ها و خروجی ها در سازمان های تحقیقاتی است، که در نتیجه تبدیل موارد کیفی به کمی و ایجاد ورودی ها و خروجی های یکنواخت،امری مشکل می باشد. این فعالیت به طور خاص در یکی از سازمان های تحقیقاتی وزارت نیرو به صورت عملی مورد استفاده قرار گرفته و طی آن کارایی دپارتمان های مختلف مهندسی،با توجه به شباهت فعالیت ها،در سه دوره متوالی اندازه گیری شده است. در نتیجه این فعالیت، روند تغییرات کارایی هر یک از دپارتمان ها از طریق مدل های برنامه ریزی خطی تعریف شده وبا استفاده از نرم افزار LINGO به صورت کمی درآمده و نهایتا نتیجه حاصله به عنوان اطلاعات مدیریتی در اختیار مدیریت مجموعه قرار گرفته است.