شماره ركورد :
1003848
عنوان مقاله :
شناسايي موقعيت و جريان يك قوس الكتريكي خطي با استفاده از مدل فازي عصبي خطي محلي و داده‌هاي آرايه‌اي از حسگرهاي مغناطيسي
عنوان به زبان ديگر :
Identification of Position and Magnitude of a Linear Electric Current Using Locally Linear Neuro-Fuzzy Model and Based on Data of a Collection of Magnetic Sensors Array
پديد آورندگان :
شريفي، جواد دانشگاه صنعتي قم - دانشكده مهندسي برق و كامپيوتر , سراج، نرگس دانشگاه صنعتي قم - دانشكده مهندسي برق و كامپيوتر
تعداد صفحه :
13
از صفحه :
113
تا صفحه :
125
كليدواژه :
قوس الكتريكي خطي , پلاسما , شناسايي تكه‌اي‌خطي شكل و جريان , آرايه حسگر مغناطيسي , الگوريتم فازي عصبي
چكيده فارسي :
هدف اين مقاله شناسايي موقعيت مكاني و مقدار يك جريان الكتريكي با مسير خطي با استفاده از ميدان مغناطيسي اطراف آن، توسط الگوريتم هوشمند فازي - عصبي است. جريان الكتريكي خطي مي‌تواند شامل يك سيم رساناي حامل جريان و يا يك قوس پلاسماي خطي غيردايره‌اي باشد. در ابتدا چند روش غير هوشمند براي شناسايي يك قوس خطي مورد بحث و بررسي قرار گرفت و پس از ناكامي اين روش‌ها، الگوريتم شبكه عصبي و نوروفازي اعمال و كارايي هر يك در شناسايي مختصات و مقدار جريان قوس خطي به‌وسيله داده‌هاي آرايه‌اي از حسگرهاي مغناطيسي حول آن توسط شبيه‌سازي مورد بحث قرار مي‌گيرد؛ كه الگوريتم نوروفازي بر پايه اندازه‌گيري مؤلفه‌هاي ميدان مغناطيسي حاصل از جريان الكتريكي با آرايه حسگري نتيجه موفق‌تري به همراه دارد. چندين شبيه‌سازي در نرم‌افزار MATLAB براي اثبات اين ادعا انجام شده است.
چكيده لاتين :
The aim of this paper is identification of the position and value of linear electric current by using of magnetic field sensing around it by using of neuro-fuzzy intelligent algorithm. A linear current includes a current-carrying wire or a noncircular linear plasma current. At first, we test several classical methods for identification, but as we will see, all of them are unsuccessful. Then performance of the neural network and neuro-fuzzy algorithm is investigated by the data of an array of magnetic sensors which we assume lie in one and then two rings around electric current. The identification result of magnetic sensors arrays neuro-fuzzy modelling is better than classical and neural network methods. We have done several simulation results in MATLAB to see our assertions.
سال انتشار :
1397
عنوان نشريه :
مهندسي برق دانشگاه تبريز
فايل PDF :
7441198
عنوان نشريه :
مهندسي برق دانشگاه تبريز
لينک به اين مدرک :
بازگشت