فهرست مطالب
فصلنامه هوش محاسباتی در مهندسی برق
سال سیزدهم شماره 4 (زمستان 1401)
- تاریخ انتشار: 1402/03/23
- تعداد عناوین: 8
-
-
صفحات 1-14داده های جریانی در بستر پویا و در حال تغییر، تکامل می یابند؛ بنابراین، رانش مفهوم یا تغییر توزیع اساسی داده ها با گذشت زمان، یکی از مهم ترین چالش های این نوع از داده ها است. علاوه بر این، رانش مفهوم بر عملکرد فرآیند تشخیص ناهنجاری نیز تاثیر می گذارد. تشخیص ناهنجاری در چنین داده هایی در حوزه های متعددی ازجمله تشخیص نفوذ در شبکه های کامپیوتری یا مدیریت ترافیک شبکه راه ها کاربرد دارد. در سال های اخیر، رویکردهایی مبتنی بر تجزیه تانسور ارایه شده اند که به صورت برخط زیرفضا را ردیابی می کنند و یادگیرنده را با یک استراتژی ناآگاهانه و به طور ضمنی در همه گام های زمانی، در مقابل تغییرات تطبیق می دهند. این مقاله، یک رویکرد برخط را پیشنهاد می کند که رانش مفهوم را به طور صریح تشخیص می دهد و اعلام می کند. بدین ترتیب یادگیرنده نیز با یک استراتژی آگاهانه و تنها در گام های زمانی لازم با تغییرات و رانش، تطبیق پیدا می کند. ارزیابی راهکار پیشنهادی با استفاده از مجموعه داده های واقعی انجام شد و تحلیل نتایج به دست آمده، عملکرد روش پیشنهادی را از جنبه های یادگیری و تشخیص تایید می کند.کلیدواژگان: تشخیص ناهنجاری، تطبیق پذیری آگاهانه و کورکورانه، تجزیه تانسور، رانش مفهوم
-
صفحات 15-28شبکه بی سیم ناحیه بدن یکی از موارد کاربردی اینترنت اشیا در حوزه سلامت است. این شبکه توانایی نظارت بر پارامتر های فیزیولوژیکی بدن انسان را دارد. در این مقاله، مسیله بهینه سازی دو هدفی طراحی شده است تا گذر دهی مجموع و انرژی بی سیم انتقالی به صورت هم زمان بیشینه شوند. شبکه یک سطحی مدنظر شامل حسگر های سطحی، کاشتنی و یک گره هماهنگ کننده است. تمام این حسگر ها دارای قابلیت برداشت انرژی از بدن و از سیگنال فرکانس رادیویی اند. برای حسگر کاشتنی به علت حساس بودن بافت های داخلی، قید دما در نظر گرفته می شود. هر یک از حسگر ها داده های فیزیولوژیکی را با توجه به برنامه ریزی زمانی حاصل از حل مسیله بهینه سازی، در فراسو برای گره هماهنگ کننده ارسال می کنند. در فرو سو در ابتدای هر فریم، هماهنگ کننده یک سیگنال راهنما برای انتقال انرژی بی سیم و تخمین کانال در حسگر ارسال می کند. از یک ساختار شبکه عصبی بازگشتی استفاده شد تا یک گام زمانی جلو تر کانال پیش بینی شود. سپس با کمک درون یابی، بهره کانال همه شیار های زمانی یک فریم را تخمین زده و برنامه ریزی زمانی دسترسی حسگر ها به کانال بهبود داده می شود. نتایج شبیه سازی، بهبود بهینه سازی تابع هدف و برنامه ریزی زمانی با روش پیشنهاد شده را نشان می دهد.کلیدواژگان: شبکه بی سیم ناحیه بدن، انتقال توان و اطلاعات بی سیم، برداشت انرژی از بدن، بهینه سازی دو هدفی، پیش بینی کانال، یادگیری ماشین
-
صفحات 29-44
در این مقاله، مسیله پایدارسازی هم زمان مجموعه ای از سیستم های غیرخطی با استفاده از روش مدلسازی و طراحی کنترل کننده فازی Takagi-Sugeno (TS) ارایه شده است. در عمل، به دلیل وجود عدم قطعیت در مدل سیستم و حالت های خرابی یا نقاط کاری مختلف، غالبا مسیله پایدارسازی هم زمان به وجود می آید. به دلیل ارایه مفهومی ساده و موثر، به مدل فازی TS برای طراحی کنترل کننده سیستم های غیرخطی پیچیده، توجه شده و پایدارسازی سیستم های غیرخطی با استفاده از تنها یک کنترل کننده غیرخطی فازی TS بررسی شده است. دو نوع کنترل کننده بازخورد حالت و بازخورد خروجی براساس مفهوم PDC (جبران سازی توزیع شده موازی) و با حل تعدادی نامساوی های ماتریسی خطی (LMI) طراحی شده اند. علاوه بر این، برای کاهش محافظه کاری های مربوط به استفاده از تابع لیاپانوف مشترک از قضیه فینسلر استفاده شده است. در پایان، سه مثال عددی برای نشان دادن اینکه کنترل کننده های پیشنهادی به خوبی سیستم های غیرخطی در نظر گرفته شده را پایدار می کنند، ارایه شده است.
کلیدواژگان: سیستم فازیTS، پایدارسازی هم زمان، بازخورد خروجی، قضیه فینسلر، کنترل غیرخطی -
صفحات 45-60یکی از مشکلات اساسی در شبکه های توزیع، نبود هماهنگی میان عملکرد خازن ها و ترانسفورماتور های تپ چنجر دار به منظور کنترل ولتاژ است که این ناهماهنگی، عملکرد کنترل را با مشکل روبه رو می کند. در این مقاله یک روش کنترلی جدید برای ایجاد هماهنگی میان عملکرد خازن ها و تپ ترانسفورماتور ارایه شده است. معیار این هماهنگی براساس منطق فازی در تعیین تپ ترانس و عملکرد پله های خازنی بوده که موجب کاهش کلیدزنی های غیرضروری شده است. در این روش، عملکرد کنترل با دقت بیشتری در نظر گرفته شده است؛ به گونه ای که مقدار ولتاژ در محدوده 98/0 تا 02/1 پریونیت و مقدار ضریب توان در محدوده بین 95/0 پیش فاز و پس فاز تنظیم می شود. از دیگر مزیت های روش پیشنهادی، اتوماتیک بودن آن و حذف منابع انسانی به منظور تنظیم موقعیت تپ ترانسفورماتور و پله های خازن ها است. نتایج شبیه سازی با استفاده از دو نرم افزار MATLAB و DIGSILENT روی شبکه 14 باسه انجام شده اند که این نتایج، صحت روش پیشنهادی را در عملکرد مطلوب کنترل ولتاژ در شبکه های توزیع نشان می دهند.کلیدواژگان: ترانسفورماتور های تپ چنجر دار، توان راکتیو، خازن، ضریب توان، کنترل ولتاژ، منطق فازی
-
صفحات 61-78تراشه های سه بعدی در سال های اخیر به منزله یک راه حل برای مجتمع سازی مدارهای الکترونیکی دیجیتال با اندازه بسیار بزرگ مطرح شده اند. در این تراشه ها چند لایه سیلیکونی روی هم قرار می گیرند که با یک واسط عایق از هم تفکیک شده اند. ارتباط بین لایه ها با اتصالات ویژه ای به نام TSV انجام می شود. اندازه TSVها بسیار بزرگ تر از اندازه گیت های منطقی است و همچنین، ساختن این نوع اتصالات بسیار پرهزینه است؛ بنابراین، ساختن تراشه های سه بعدی با شمار TSV کمتر، یکی از اهداف مهم در طراحی این تراشه هاست. پیاده سازی مدارهای منطقی دیجیتال روی تراشه های سه بعدی در سه مرحله کلی انجام می شود؛ بخش بندی، جانشانی و مسیردهی. در این مقاله مرحله بخش بندی و جانشانی با استفاده از الگوریتم فراابتکاری تبرید شبیه سازی شده یا SA انجام می شود که هدف اصلی این دو مرحله، کاهش تعداد TSVها و طول سیم به کاررفته در جانشانی بلوک های منطقی است. در این مقاله، یک نسخه بهبودیافته از الگوریتم مسیریاب توسعه داده شده است که به صورت کارا سیم بندی لازم برای اتصال ماجول ها را ایجاد می کند. نتایج شبیه سازی مدارهای معیار MCNC نشان می دهند روند طراحی ارایه شده نسبت به روش های پیشین، بسیار کاراتر است. در روش بخش بندی ارایه شده نسبت به روش FSA، TSVها به اندازه 15/6 درصد و زمان اجرا به میزان 79/27 درصد کاهش یافته اند. همچنین، در مقایسه با الگوریتم بخش بندی hMetis، به اندازه 78/9 درصد کاهش در تعداد TSV ایجاد شده است. این میزان بهبود در حالی است که الگوریتم پیشنهادی به میزان 73/31 درصد سریع تر عمل می کند.کلیدواژگان: مدارهای مجتمع سه بعدی، الگوریتم های فرا ابتکاری، الگوریتمSA، بخش بندی، جانشانی و مسیردهی
-
صفحات 79-96
در این مقاله برای تخمین پارامترهای موتور القایی سه فاز، از اندازه گیری جریان یک فاز و الگوریتم بهینه سازی هریس هاوکس (HHO) و همچنین، تکنیک بهبودیافته این الگوریتم (IHHO) استفاده می شود که به تازگی معرفی شده است. این روش دربرگیرنده تخمین پارامترهای مدار معادل الکتریکی موتور القایی سه فاز شامل مقاومت روتور و استاتور، اندوکتانس نشتی، اندوکتانس مغناطیس کنندگی و نیز پارامترهای مکانیکی شامل ممان اینرسی و ضریب اصطکاک می شود. با توجه به اینکه موتورهای القایی سه فاز به دلیل ویژگی هایی که دارند در صنایع گوناگون استفاده می شوند، شناسایی پارامترهای مذکور برای پیاده سازی سیستم های کنترل دور چنین موتورهایی لازم است؛ بنابراین، ضروری است الگوریتم های مناسبی به منظور تخمین دقیق پارامترهای موتور القایی توسعه داده شوند. الهام بخش اصلی روش مطرح شده، رفتار گروه شاهین هریس در طبیعت است. تابع هدف به صورت محاسبه حداقل میانگین مربعات خطای حاصل از شبیه سازی عددی معادلات دینامیکی موتور، با مقدار جریان یک فاز موتور تعریف می شود. روش ارایه شده، روی مدل دینامیکی یک موتور مشخص اعمال می شود و نتایج روش پیشنهادی، با نتایج الگوریتم بهینه سازی تفاضل تکاملی (DE)، مقایسه می شوند. حاصل این مقایسه، نشان دهنده قابلیت روش پیشنهادی و همگرایی سریع آن است.
کلیدواژگان: الگوریتم هریس هاوکس، تخمین پارامتر، موتورالقایی، مدل دینامیکی، حداقل میانگین مربعات خطا -
صفحات 97-114وجود داده های آموزشی کافی، امری اساسی در همه سیستم های یادگیری با نظارت و منجمله در حوزه یادگیری عمیق و بینایی ماشین است. یکی از روش های استفاده شده برای افزایش تعداد نمونه های آموزشی در یادگیری عمیق، شیوه «داده افزایی» است. این شیوه، متضمن تبدیل های دوران، انتقال و برش روی تصاویر آموزشی است که به افزایش تعداد نمونه های آموزشی نسبتا متفاوت از داده های اولیه منجر می شود. در این نوشتار از الگوریتم «انتقال سبک» مبتنی بر شبکه های مولد رقابتی برای افزایش تعداد نمونه های آموزشی استفاده شده است. هدف در انتقال سبک، اعمال ظاهر یا سبک بصری یک تصویر روی تصویری دیگر است که جنبه هنری آن بیشتر دیده شده است. در این نوشتار از این شیوه برای تولید نمونه های جدید آموزشی استفاده شده و به منزله یک کاربرد، روش پیشنهادی بر روی مسیله شناسایی شعله آتش اعمال شده است. با این فرض که تصاویر آموزشی ثبت شده در طی شب، کمتر از نمونه های اخذشده در روزند، با اعمال یک روش انتقال سبک، تصاویر روز به تصاویر شب، تبدیل و به عنوان داده آموزشی به مجموعه دادگان اضافه می شوند. نتایج آزمایشات انجام شده، کارایی شیوه پیشنهادی را نشان داده است. شیوه پیشنهادی به صورت میانگین، 7 درصد نرخ تشخیص درست را نسبت به استفاده نکردن از آن افزایش داده است.کلیدواژگان: انتقال سبک، شبکه های مولد رقابتی، یادگیری عمیق، شناسایی آتش
-
صفحات 115-134تشخیص دستخط همواره مسیله چالش برانگیزی بوده است؛ ازاین رو، توجه محققان زیادی را به خود جلب کرده است. مطالعه حاضر یک سیستم آفلاین (غیر برخط) تشخیص خودکار دست نوشته های انسان را در شرایط آزمایشی مختلف ارایه می دهد. این سیستم شامل داده های ورودی، واحد پردازش تصویر و واحد خروجی است. در این مطالعه، یک مجموعه داده راست به چپ بر پایه استانداردهای آمریکایی (ASTM) طراحی شده است. یک مدل شبکه عصبی کانولوشن عمیق (DCNN) بهبودیافته بر پایه شبکه از پیش آموزش دیده، برای استخراج ویژگی ها به صورت سلسله مراتبی از داده های خام دستخط طراحی شده است. یک مزیت درخور توجه در این مطالعه استفاده از داده های نامتجانس است. یکی دیگر از جنبه های شایان توجه مطالعه حاضر این است که مدل پیشنهادی DCNN مستقل از هر زبان خاصی است و می تواند برای زبان های مختلف استفاده شود. نتایج نشان می دهند مدل پیشنهادی DCNN، عملکرد بسیار خوبی برای شناسایی نویسنده بر پایه داده های نامتجانس دستخط دارد.کلیدواژگان: شناسایی آفلاین نویسنده، داده نامتجانس، یادگیری ویژگی، شبکه عصبی عمیق
-
Pages 1-14Streaming data has been evolved in a dynamically changing and evolving environment. Therefore, concept drift or changing the underlying distribution of data over time is considered as an important challenge in processing this type of data. Moreover, concept drift affects the performance of anomaly detection process. The problem of anomaly detection in streaming data is applied to many important applications, for instance, intrusion detection in computer networks or traffic management in the road networks. In recent years, some tensor decomposition based approaches have been presented that track the main pattern or subspace of data in an online manner and adapt the learner with probabilistic changes continuously in all time-intervals by using an implicit strategy. We propose an online approach that detects the concept drift in an explicit manner. Moreover, the learner has been adapted with drift and changes only in their occurrences using informed strategy. Evaluation of the proposed method is performed with real datasets. Analysis of the obtained results confirms the promising performance of the proposed method in terms of learning and detection.Keywords: Anomaly Detection, informed, blind adaptation, tensor decomposition, concept drift, robust online subspace tracker
-
Pages 15-28The wireless body area network (WBAN) is one of the applications of the Internet of things (IoT) for healthcare, which monitors human physiological parameters. In this paper, a two-objective optimization problem is designed to maximize the sum-throughput and wireless transferred energy simultaneously. The designed one-tier network includes body surface sensors, an implantable sensor, and one coordinator. All of these sensors can harvest energy from the body and radio frequency (RF) signals. A temperature constraint is considered for the implanted sensor due to the sensitivity of internal tissues. Each sensor transmits physiological data to the coordinator in the uplink according to the scheduled time slots obtained by solving the optimization problem. At the beginning of each frame in the downlink, the coordinator transmits a pilot signal to transfer wireless energy and for channel estimation at the sensors. We have used a Recurrent Neural Network (RNN) architecture to predict one time step ahead of the channel. Then by interpolation, the channel gains of all time slots of a frame are estimated and the time scheduling of the sensor access to the channel is improved. The simulation results show that the objective function and time scheduling are improved by the proposed algorithms.Keywords: Wireless Body Area Network, Wireless Power, Information Transfer, Energy Harvesting from Body, Two-Objective Optimization, Channel Prediction, Machine Learning
-
Pages 29-44
In this paper, the problem of simultaneous stabilization of a collection of nonlinear systems is proposed by using the Takagi-Sugeno (TS) fuzzy modeling and synthesis approach. In practice, due to the uncertainty in the system model, failure modes, or different operating points, we often encounter the problem of simultaneous stabilization. The TS fuzzy model has been considered for the controller design of complex nonlinear systems as it provides a simple and effective concept. This problem refers to the stabilization of some nonlinear systems by utilizing a single nonlinear controller. Both state feedback and output feedback controllers are designed based on the PDC concept and by solving some linear matrix inequalities (LMIs). Moreover, to reduce the conservatisms related to using the common Lyapunov function and restrictive equality conditions in the design method, Finsler’s lemma has been employed. Finally, three numerical examples are provided to show that the proposed controllers stabilize well-considered nonlinear systems.
Keywords: TS fuzzy system, Simultaneous stabilization, Output feedback, Finsler’s Lemma, Nonlinear control -
Pages 45-60Lack of coordination between the operation of capacitors and OLTC to voltage control is one of the basic problems in distribution networks, which can cause problems in the control function. In this paper, a new control method is proposed to create coordination between the operation of capacitors and OLTC. The criterion of this coordination is based on fuzzy logic to determine the status of transformer and capacitor function, which reduces unnecessary switching. In this method, the control function is considered with more accuracy such that the quantity of voltage and power factor are set within the range of 0.98 to 1.02 p.u and between 0.95 lag and lead, respectively. Another advantage of the proposed method is that it is automatic and eliminates human resources to adjust the position of the transformer and capacitors. Simulation results are done on the 14-bus network by using two software MATLAB and DIGSILENT, that these results show the accuracy of the proposed method in the desired performance in distribution networks.Keywords: OLTC, Reactive Power, Capacitor, Power factor, voltage control, Fuzzy Logic
-
Pages 61-78The 3D integrated circuit is emerged as a promising solution to integrate very large-scale circuits on electronics chips. In such chips, several layers of silicon substrates are stacked which are separated by insulator interfaces. Interconnection between two layers is realized using Through Silicon Via (TSV). Fabrication of TSVs is challenging due to their large size and complex process. Consequently, the number of TSVs should be minimized in the circuit’s implementation. The 3D implementation consists of three main steps: Partitioning, Placement, and Routing. In this paper, the first two steps are accomplished using the Simulated Annealing-based optimization approach wherein minimization of the number of TSVs and total wire length are considered the main objectives. In this paper, an improved version of the pathfinder method has been developed which would efficiently generate the necessary interconnections among circuit modules. The results of simulations on MCNC benchmark circuits show that the proposed method outperforms the previous state-of-the-art methods in all aspects. In comparison with FSA, the number of TSVs is reduced by 6.15%, and the algorithm’s runtime is decreased by 27.79%. Moreover, in comparison with the hMETIS method, the number of TSVs is reduced by 9.78%, and the algorithm’s runtime is decreased by 31.73% .Keywords: 3D IC, Evolutionary Algorithms, SA algorithm, Partitioning, Placement, and Routing
-
Pages 79-96
In this paper, to estimate the parameters of a three-phase induction motor, the current measured in one phase and Harris Hawk’s optimization algorithm (HHO) as well as the recently introduced improved technique of this algorithm (IHHO) are used. This method includes estimating the electrical equivalent circuit parameters of a three-phase induction motor, including rotor and stator resistance, leakage inductance, magnetizing inductance, as well as mechanical parameters including the moment of inertia and friction coefficient. As three-phase induction motors are widely used in various industries, it is necessary to identify their parameters to implement adjustable speed control systems for such motors. Therefore, it is necessary to develop appropriate algorithms to accurately estimate the induction motor parameters. The main inspiration of the proposed method is the behavior of the Harris hawk group in nature. The objective function is defined as the calculation of the least mean squares of the error resulting from the numerical simulation of the dynamic equations of the motor and the measured value of the current of one motor`s phase. The proposed method is applied to the dynamic model of a specific motor and the results of the proposed method are compared with other previously published methods. The obtained results demonstrate the remarkable capability of the proposed method and its rapid convergence.
Keywords: Harris Hawk’s algorithm, Parameter Estimation, induction motor, dynamic model, least mean squares of the error -
Pages 97-114Adequate training data is essential in all supervised learning methods, including deep learning and machine vision. One of the approaches used to increase the number of training examples in deep learning is the "data augmentation" method. This method involves rotation transformation, transitions, and cropping on training images, which leads to an increase in the number of samples, which are different from training data. In this paper, the "style transfer" algorithm is used to increase the number of training samples. The goal in style transfer is to apply the appearance or visual style of one image to another image. In this paper, this method is used to produce new training examples and as an application, the proposed method is applied to the problem of fire detection. Assuming that the training images recorded during the night are less than the samples taken during the day, by applying a style transfer method, the images of the day are converted into night images and added to the data set as training data. The test results show the efficiency of the proposed data augmentation method. On average, the correct detection rate has increased by 7%.Keywords: Style Transfer, Data Augmentation, Deep Learning, Fire Detection, Generative Adversarial Networks
-
Pages 115-134Handwriting recognition has always been a challenge; therefore, it has attracted the attention of many researchers. The present study presents an offline system for the automatic detection of human handwriting under different experimental conditions. This system includes input data, image processing unit, and output unit. In this study, a right-to-left dataset is designed based on the standards of the American Society for Experiments and Materials (ASTM). An improved deep convolution neural network (DCNN) model based on a pre-trained network is designed to extract features hierarchically from raw handwritten data. A significant advantage in this study is the use of heterogeneous data. Another significant aspect of the present study is that the proposed DCNN model is independent of any particular language and can be used for different languages. The results show that the proposed DCNN model has a very good performance for identifying the author based on heterogeneous data.Keywords: Offline Identification of the Author, Heterogeneous Data, Feature Learning, Deep Neural Network
©2000-2024 magiran.com All Rights Reserved.