Quantcast
Channel: دسته وبلاگ - متلبی
Viewing all 56 articles
Browse latest View live

نوشتن و کار با فایل MEX. در متلب توسط زبان ++C

$
0
0

راهنمای نوشتن و کار با MEX. در متلب (MATLAB) توسط زبان برنامه نویس ++C

شاید برای شما سوال بوجود آمده باشد که چرا باید از فایل mex در متلب استفاده کنیم. یکی از مزیت های مهم این کار بخاطر افزایش سرعت اجرای برنامه متلب است. MATLAB یک زبان ترجمه شده (interpreted) ست که در اون هر عملیات نیاز به پردازش اضافی داره. در زبان‌های تفسیر شده مثل C یا C++‎ این زمان اضافی رو نداریم. MATLAB دارای مکانیزم ایجاد کد بصورت لحظه ای و فوری هست که این مشکل را در مواردی کاهش می‌ده.

تعریف (Nomenclature): کامپایلر (Compiler)، متلب (MATLABTM

کنسول (Console, MATLAB Command Window )، فایل ساده (eg: hello.cpp )

قبل از هر اقدامی، از وجود کامپایلر C++ در کامپیوتر خود مطمئن شوید. این کار با اجرای یک فایل ساده قابل آزمایش است. در غیر اینصورت نرم افزار Visual Studio 2012 Ultimate را بطور کامل نصب کنید. این نرمافزار شامل کامپایلر مذکور میباشد.

  • فایل ساده (hello.cpp) را در مسیر متلب قرار دهید.
  • با دستور

>> mex -setup

کامپایلر مورد نظر را به عنوان کامپایلر پیشفرض در متلب تعریف کنید. بعد از تایپ این دستور، ملاحظه خواهید فرمود:

Welcome to mex -setup. This utility will help you set up

a default compiler. For a list of supported compilers, see

http://www.mathworks.com/support/compilers/R2011a/win32.html

Please choose your compiler for building MEX-files:

Would you like mex to locate installed compilers [y]/n?

پاسخ دهید: Yes با تایپ y

Would you like mex to locate installed compilers [y]/n?y

خواهید دید:

Select a compiler:

[1] Lcc-win32 C 2.4.1 in D:\PROGRA~1\MATLAB\R2011a\sys\lcc

[0] None

Compiler:

انتخاب کنید: 1

Compiler: 1

مجددا تایید کنید:

Please verify your choices:

Compiler: Lcc-win32 C 2.4.1

Location: D:\PROGRA~1\MATLAB\R2011a\sys\lcc

Are these correct [y]/n? 1

  • اکنون زمان کامپایل کردن فایل ساده (hello.cpp) با دستور زیر است:

>> mex hello.cpp

توجه داشته باشید که انتخاب زیر، نسبت به انتخاب فوق، دارای استقلال نسبت به سیستمهای نصب شده در کامپیوتر شما میباشد (Independent from the Platform):

>> mex -win32 hello.cpp

  • بعد از کامپایل شدن، فایل اخیر را به مانند یک فایل معمولی متلب در کنسول متلب، اجرا کنید.

>> hello

Hello, world!

مثالهای آماده در متلب در دایرکتوری extern/examples/mex/ موجود است که میتوان حتی آنرا با دستور زیر، ادیت و اصلاح نمود:

>> edit([matlabroot ‘/extern/examples/mex/explore.c’])

کد ساده (hello.cpp)

% hello.cpp

#include “mex.h” /* Always include this */

void mexFunction(int nlhs, mxArray *plhs[], /* Output variables */

int nrhs, const mxArray *prhs[]) /* Input variables */

{

mexPrintf(“Hello, world!\n”); /* Do something interesting */

return;

}

خب توضیحات بالا یک مثال عامیانه و مبتدی در این زمینه بود

حالا دقیق تر به این مورد می پردازیم.
همانطور که می دانید سرعت اجرای حلقه ها و دستورات کنترلی در متلب پایین است. سه روش برای بهبود سرعت پردازش ها وجود دارد: preallocation، بردارسازی و استفاده از توابعی به نام MEX File
پیش تعریف کردن آرایه ها و بردارسازی برنامه که نیازی به توضیح زیادی ندارد و کسانی که با زبان متلب آشنایی داشته باشند می توانند به راحتی آن را پیاده سازی کنند.
و اما MEX Fileها. در برخی شرایط که استفاده از بردارسازی ممکن نباشد یا حتی استفاده از آن، سرعت اجرای برنامه را به دلیل افزایش کاربرد حافظه کاهش بدهد, در این شرایط باید حلقه‌ها و توابع را تبدیل به فایل‌های MEX نمود. فایل‌های MEX مانند توابع داخلی MATLAB، فایل‌های کامپایل شده هستند. بنابراین بسیار سریع هستند. کار با توابعی که بصورت فایل MEX در آمده‌اند بسیار ساده است. این توابع مانند دیگر توابع می‌توانند بطور مستقیم توسط MATLAB فراخوانده بشوند. در MATLAB با کاربرد دستور mex ، فایل‌های MEX مبتنی بر C یا Fortran ایجاد کرد.
برای اجرای فایل های MEX نیاز هست که ابتدا کامپایلر آن را با کپی دستور زیر در Command window نصب نمود.

1
mex       -setup

اما قبل از آن لازم هست ابتدا ++visual C را به همراه windows sdk نصب کنید. در صورتی که نصب windows sdk با مشکل مواجه شد ابتدا از کنترل پنل این دو برنامه را حذف کنید:

Microsoft Visual C++‎‎ 2010 x86 Redistributable
Microsoft Visual C++‎‎ 2010 x64 Redistributable
بعد windows SDKs رو می شود نصب کرد. بعد از آن نصب کامپایلر Mex با کدی که در بالا نوشته شده. همینطور بعد از آن می شود دوباره ورژن جدید ++C نصب کرد و به تنظیمات قبل برگشت.
حالا نوبت نوشتن و یا تبدیل کد متلب به کد زبان C یا C++‎ است. به دو طریق می توان Mex File رو ایجاد کرد. روش اول به این صورت است که با استفاده از محیط متلب و یا C++‎ تابعی که در واقع گلوگاه برنامه ما و زمانبر هست رو خودمان به صورت دستی بنویسیم که این کار نیاز به آشنایی به سینتکس های زبان C یا C++‎ دارد که با توجه به اینکه زبان متلب شبیه این دو زبان هست کار سختی نیست. مشکل این روش خطایابی آن هست که کمی پیچیده است. با Mex File می توانید از توابع دیگر در متلب ورودی دریافت کنید و یا خروجی Mex File را به توابع دیگر در متلب بدهید. برای این کار لازم هست بلد باشید با چه دستوری یک متغیر یا پارامتر را به عنوان ورودی دریافت کنید و با چه دستوری خروجی را به توابع دیگر ارسال کنید. در لینک زیر با همه این دستورات آشنا میشید. (نیاز به ف ی ل ت ر ش ک ن)
http://www.shawnlankton.com/2008/03/…hort-tutorial/
راه خیلی ساده تری هم وجود دارد, اینکه از طریق برنامه متلب خیلی راحت کد نوشته شده را تبدیل به Mex file کنید و راحت آن را اجرا کنید. تقریبا بدون هیچ دردسری! در ویدئویی که لینکش رو می زارم خیلی راحت میتونید این کارو انجام بدید. تنها با دیدن چند دقیقه ابتدایی و چند دقیقه انتهایی میتونید کد متلب رو به Mex File تبدیل کنید. (نیاز به ف ی ل ت ر ش ک ن)
http://www.youtube.com/watch?v=IZJ-IlI3QR0
استفاده از Mex File به طور چشمگیری سرعت اجرای برنامه را بالا می برد. در تجربه من زمان اجرای یک برنامه را از 7 دقیقه به 4 ثانیه، همان مسئله در ابعاد بزرگتر از 45 دقیقه به 9 ثانیه (!) کاهش داد و باز همان مسئله در ابعاد خیلی بزرگتر که قبل از استفاده از Mex File بعد از 5 ساعت به هیچ جوابی نرسیده بودم بعد از استفاده از Mex File ، بعد از 45 دقیقه به جواب آخر رسیدم

شاید علاقه مند باشید مطالب زیر را هم ببینید:

نوشته نوشتن و کار با فایل MEX. در متلب توسط زبان ++C اولین بار در متلبی. پدیدار شد.


الگوریتم ملخ ها

$
0
0

الگوریتم ملخ ها

در این پست یک الگوریتم بهینه سازی به نام الگوریتم بهینه سازی ملخ را پیشنهاد می‌کنیم. در مقاله ای که این الگوریتم ملخ ها منتشر شده است آن را برای چالش های بهینه سازی ساختاری بکار گرفته است. در این مقاله اینطور آمده: الگوریتم پیشنهادی مدل های مورد نظر را در نظر گرفته و رفتار ملخ را در طبیعت برای حل مسایل بهینه سازی مورد استفاده قرار می‌دهد. الگوریتم GOA اولین بار است که در مجموعه‌ای از مشکلات تست از جمله CEC۲۰۰۵ برای آزمایش و بررسی عمل‌کرد خود و به طور کمی بررسی می‌شود. سپس برای یافتن شکل بهینه برای یک truss ۵۲ بار، truss ۳ – ۴، و تیر cantilever برای نشان دادن قابلیت کاربرد آن بکار می‌رود. نتایج نشان می‌دهد که الگوریتم پیشنهادی قادر به ارایه نتایج عالی در مقایسه با الگوریتم های شناخته شده است. نتایج کاربردهای واقعی نیز مزایای GOA را در حل مشکلات واقعی با فضاهای جستجوی ناشناخته نشان می‌دهد.

الگوریتم ملخ ها در سال 2017 منتشر شده است. این الگوریتم نیز همانند سایر الگوریتم های بهینه سازی سعی در یافتن جواب بهینه در میان چندین پاسخ می باشد. الگوریتم بهینه سازی ملخ جز تازه ترین و یکی از قدرتمندترین الگوریتم های بهینه سازی به حساب می آید. شبیه سازی این مقاله بصورت کامل انجام شده و حالا شما می توانید با تغییر تابع هدف خود و با تغییراتی بسیار ساده مسئله ی خود را توسط این الگوریتم بهینه سازی نمایید. از طرفی به دلیل تازه بودن این الگوریتم چاپ مقالات علمی توسط آن و انجام پروژه متلب با آن بسیار راحت تر از سایر الگوریتم ها نظیر الگوریتم ژنتیک و ازدحام ذرات و … می باشد.

برای دانلود مقاله می توانید با کلیک رو دکمه زیر دانلود کنید

و برای دانلود رایگان کد الگوریتم ملخ ها در متلب روی دکمه زیر گوگل+1 کلیک کنید, پس از آن لینک دانلود برای شما ظاهر می شود و می توانید رایگان الگوریتم GWO Grasshopper Optimisation Algorithm را دانلود کنید.

 

سفارش انجام پروژه با الگوریتم ملخ ها

درصورتیکه نیاز به شبیه سازی مسئله یا مقاله خود با الگوریتم ملخ ها دارید، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
انجام پروژه متلب, انجام پروژه متلب , انجام پروژه متلب, انجام پروژه متلب

 

 

برچسب ها:

Optimization, Optimization techniques, Heuristic algorithm, Metaheuristics, Constrained optimization, Benchmark, Algorithm, GWO Grasshopper Optimisation Algorithm

نوشته الگوریتم ملخ ها اولین بار در متلبی. پدیدار شد.

محاسبه جریان مقاومت, سلف و خازن در مدار RLC توسط متلب

$
0
0

محاسبه جریان مقاومت, سلف و خازن در مدار RLC توسط متلب

در انتهای همین صفحه پروژه آماده متلب آن جهت دانلود رایگان قرار گرفته است. علاوه بر محاسبه جریان مقاومت, سلف و خازن در مدار RLC , توان لحظه ای هر کدام و انرژی ذخیره شده در خازن و سلف هم محاسبه و با متلب شبیه سازی شده است.

RLC

جريان مقاومت،جريان خازن و جريان سلف و توان لحظه اي هر كدام و انرژي ذخيره شده در خازن و سلف به ازاي C=1, R=10 L=1, مقادیر a=1,b=10,c=1 بدست می آید که با توجه به رابطه b2>4*a*c می فهمیم حالت فوق میرا برقرار می باشد.
حل در matlab توسط simulink و شبیه سازی

برنامه را برای دو حالت طراحی و پیاده سازی کردیم:

برنامه RLC_without_inital_condition.m با فرض شرایط اولیه صفر

پروژه متلب

clc

clear

C=1;

V_C0=0;

L=1;

I_L0=0;

R=10;

Vs=15;

sim(‘RLC1.slx’)

disp(‘without inital condition’)

figure(1)

subplot(3,1,1)

plot(I)

title(‘curent for R or C or L’)

grid on

subplot(3,1,2)

plot(PC)

title(‘power for C ‘)

grid on

subplot(3,1,3)

plot(PL)

title(‘power for L ‘)

grid on

figure(2)

WL=0.5*L*I.data.^2;

WC=0.5*C*V.data.^2;

subplot(2,1,1)

plot(WL)

grid on

title(‘energy of L’)

subplot(2,1,2)

plot(WC)

grid on

title(‘energy of C’)

انجام پروژه متلب با متلبی

خروجی برنامه:

جریان و توان لحظه ای برای خازن و سلف

انرژی ذخیره شده در سلف و خازن

برنامه RLC_with_inital_condition.m با فرض شرایط اولیه مخالف صفر

پروژه متلب

clc

clear

C=1;

V_C0=5;

L=1;

I_L0=0.2;

R=10;

Vs=15;

sim(‘RLC1.slx’)

disp(‘without inital condition’)

figure(1)

subplot(3,1,1)

 

plot(I)

title(‘curent for R or C or L’)

grid on

subplot(3,1,2)

plot(PC)

title(‘power for C ‘)

grid on

subplot(3,1,3)

plot(PL)

title(‘power for L ‘)

grid on

figure(2)

WL=0.5*L*I.data.^2;

WC=0.5*C*V.data.^2;

subplot(2,1,1)

plot(WL)

grid on

title(‘energy of L’)

subplot(2,1,2)

plot(WC)

grid on

title(‘energy of C’)

خروجی برنامه

 

 

سفارش انجام پروژه مشابه

درصورتیکه این پروژه و آموزش متلب دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
انجام پروژه متلب, انجام پروژه متلب

 

نوشته محاسبه جریان مقاومت, سلف و خازن در مدار RLC توسط متلب اولین بار در متلبی. پدیدار شد.

خروجی سیستم دینامیکی آونگ با متلب

$
0
0

سیستم دینامیکی آونگ با متلب

برای حل مسئله دینامیکی آونگ، 2 حالت را برای حل در نظر گرفتیم.  در حالت اول یک شتاب ثابت به سیستم اعمال کردیم و خروجی سیستم دینامیکی را ترسیم کردیم. برای داشتن یک حالت کلی تر و حرفه‌ای تر، یک شتاب هارمونیک به سیستم اعمال کردیم و خروجی ها را بررسی کردیم.

فایلهای این شبیه سازی در انتهای همین صفحه جهت دانلود رایگان قرار گرفته است.

آونگ

در پوشه P1 حالت اول را اعمال کردیم. کد نویسی مسئله به این صورت است که معادلات دینامیکی را در تابع pendulum1 نوشته و این معادلات را در کد p1 ، با کمک تابع ode45 برای زاویه و سرعت زاویه‌ای اولیه 0 و 0 حل کردیم. لازم به ذکر است که شتاب را 5 متر بر مجذور ثانیه در نظر گرفتیم. بقیه پارامترهای سیستم همانند حل دستی ضمیمه شده به طور دلخواه انتخاب شده‌اند. دو نمودار برای خروجی چاپ می شود.

پروژه متلب ازقرار زیر است:

%%%% Fixed Acceleration
t=0:0.01:10;
l=0.25;
k=7;
a=10;
x=-15/.5^2*cos(0.5*t)+15/0.5^2;
A=[a;k;l];
[t,th]=ode45(‘pendulum1′,t,[0 0],[],A);
figure
plot(t,th(1:end,1),’LineWidth’,2)
grid on
xlabel(‘T’);
ylabel(‘Theta’);
title(‘Response to the fixed acceleration’)
saveas(gcf,’1.pdf’);

نمودار اول در واقع زاویه

آونگ

و در ادامه داریم:

figure
plot(t,th(1:end,2),’LineWidth’,2)
grid on
xlabel(‘T’);
ylabel(‘Angular velocity’);
title(‘Response to the fixed acceleration’)
saveas(gcf,’2.pdf’);

و نمودار دوم سرعت زاویه ای

سرعت زاویه ای

آونگ می باشد. لازم به ذکر است که این خروجی ها بعد از هر اجرا به شکل خودکار در دو فایل پی دی اف 1 و 2 با کیفیت مطلوبی ذخیره می شوند.

در ادامه کار یک شتاب هارمونیک به سیستم اعمال کردیم و روند بالا را دنبال شد. حالت شتاب ثابت و هارمونیک  را در یک کد نوشته و در پوشه p2 قرار گرفته اند.

در ادامه برنامه متلب فوق داریم:

%%%% Harmonic Acceleration
t1=0:0.01:35;
l1=0.25*ones([1,length(t1)]);
k1=10*ones([1,length(t1)]);
a1=15*cos(0.5*t1);
x1=-15/.5^2*cos(0.5*t)+15/0.5^2;
A1=[k;l];

معادلات دینامیکی آونگ در فانکشن pendulum قرار دارد و با دستور ode این معادله را محاسبه کرده ایم:

[t1,th1]=ode45(‘pendulum’,t1,[0 0],[],A);
figure
plot(t1,th1(1:end,1),’LineWidth’,2)
grid on
xlabel(‘T’);
ylabel(‘Theta’);
title(‘Response to the harmonic acceleration’)
saveas(gcf,’3.pdf’);

زاویه آونگ در شتاب هارمونیک

زاویه آونگ

سپس

figure
plot(t1,th1(1:end,2),’LineWidth’,2)
grid on
xlabel(‘T’);
ylabel(‘Angular velocity’);
title(‘Response to the fixed acceleration’)
saveas(gcf,’4.pdf’);

و سرعت زاویه ای:

سرعت زاویه ای آونگ

تابع pendulum که شامل معادلات دینامیکی آونگ هست نیز به صورت زیر پیاده شده اند:

function out=pendulum(t,x,flag,A)
k=A(1,1);
l=A(2,1);
g=9.81;
A0=1.1;
out=[x(2);1/k^2*(sign(cos(0.5*t))*A0*cos(0.5*t)*l*cos(x(1))-g*l*sin(x(1)))];

و برای pendulum1 در سیستم دینامیکی آونگ با متلب بصورت زیر داریم:

function out=pendulum1(t,x,flag,A)
k=A(2,1);
l=A(3,1);
a=A(1,1);
g=9.81;
out=[x(2);1/k^2*(a*l*cos(x(1))-g*l*sin(x(1)))];

این پروژه متلب با هدف آشنایی با معادلات سیستم آونگ و گرفتن خروجی در شرایط شتاب ثابت و هارمونیک برای مخاطبین خوب سایت متلبی منتشر شده است. جهت دانلود فایل های متلب روی گوگل +1 کلیک کنید. بعد از لایک کردن ما لینک دانلود ظاهر می شود.

 

 

سفارش انجام پروژه مشابه

درصورتیکه این پروژه و آموزش متلب دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
انجام پروژه متلب, انجام پروژه متلب, انجام پروژه متلب

 

نوشته خروجی سیستم دینامیکی آونگ با متلب اولین بار در متلبی. پدیدار شد.

انجام پروژه متلب با قیمت مناسب

$
0
0

طراحی Touch-Tone Dialing در محیط GUI

$
0
0

طراحی Touch-Tone Dialing در محیط GUI

قصد داریم واسط گرافیکی GUI طراحی کنیم که با کلیک روی دکمه های شماره گیر تلفن سیگنال DTMF متناظر را بر اساس جدول فرکانس که در زیر آمده و بر حسب هرتز است تولید و همزمان با فشردن دکمه ها آن را پخش کند.

سیگنال DTMF مجموع دو سینوسی با فرکانس های جدول زیر است.

Touch-Tone Telephone Dialing

همه ما هر روز از تحلیل فوریه استفاده می کنیم، حتی بدون دانستن آن. تلفن های همراه، درایوهای دیسک، دی وی دی ها و JPEG ها شامل سریع تبدیل سریع فوریه می شوند. این پست که شماره گیری تلفنی لمسی را توصیف می کند.

سیگنال DTMF

مخفف dual tone multiple frequency

شماره گیری تلفنی لمسی یک مثال از استفاده روزمره از تجزیه و تحلیل فوریه است. پایه ای برای شماره گیری لمسی، سیستم چند فرکانسی دوتایی (DTMF) است. سنتز تولید زنگ های آنالوگ برای نشان دادن ارقام در شماره تلفن است. تجزیه و تحلیل رمزگشایی این تن برای بازیابی رقم است.

سنتز Synthesis

پد شماره گیری تلفن به عنوان یک ماتریس 4 با 3 عمل می کند. همراه با هر سطر و ستون یک فرکانس است. این فرکانس های پایه هستند.

fr = [697 770 852 941];
fc = [1209 1336 1477];

این فرکانس ها انتخاب شدند به طوری که هیچ یک عدد صحیح چندگانه از هر کدام دیگر نیست. در عوض، نسبت ها 21/19 است. این مانع از تداخل صدا می شود. اگر s یک کاراکتر است که با استفاده از یکی از دکمه های صفحه کلید، یک ردیف k شاخص و ستون j را می توان با:

switch s
   case '*', k = 4; j = 1;
   case '0', k = 4; j = 2;
   case '#', k = 4; j = 3;
   otherwise,
      d = s-'0'; j = mod(d-1,3)+1; k = (d-j)/3+1;
end

یک پارامتر مهم در صدا دیجیتال نرخ نمونه برداری است.

Fs = 32768

سایت متلبی محیطی امن و حرفه ای برای انجام پروژه متلب است.

یک بردار از نقاط در یک چهارم ثانیه در این نرخ نمونه برداری است

  t = 0: 1 / Fs: 0.25

تون تولید شده توسط دکمه در موقعیت (k، j) با قرار دادن دو تن اساسی با فرکانس fr (k) و fc (j) به دست می آید .

y1 = sin(2*pi*fr(k)*t);
y2 = sin(2*pi*fc(j)*t);
y = (y1 + y2)/2;

اگر رایانه شما با یک کارت صدا مجهز باشد، این دستور را بکار بگیرید:

sound(y,Fs)

و تون یا همان صدا پخش می شود.

این پست بزودی تکمیل می شود.

کدهای متلب و پروژه متلب این آموزش موجود هست. اگر نیاز به کد این پست آموزشی دارید از طریق فرم ثبت سفارش سایت با ما تماس بگیرید.

تصویری از محیط گرافیکی و زدن عدد 1 در آن:

Touch-Tone Dialing در محیط GUI

نشانی: پوشه Touch-Tone Dialing در سیستم متلبی

 

 

سفارش انجام پروژه مشابه

درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.

 

الگوریتم جستجوی کلاغ ها به همراه کد متلب

$
0
0

الگوریتم جستجوی کلاغ ها به همراه کد متلب

کلاغ ها به عنوان هوشمند ترین پرندگان در نظر گرفته می شوند. آنها دارای بزرگترین مغز نسبت به اندازه بدن خود هستند. بر اساس نسبت مغز به بدن، مغز آنها کمی کمتر از مغز انسان است. شواهد فراوانی از کلاغ ها زیاد است. آنها خودآگاهی را در آزمایش های آینه نشان داده اند و توانایی ساخت ابزار دارند. کلاغ ها می توانند چهره ها را به خاطر بسپارند و هنگامی که یک رویکرد غیر دوستانه رو به رو هستند هشدار می دهند.

علاوه بر این، آنها می توانند از ابزارها استفاده کنند، با روش های پیچیده ای ارتباط برقرار کنند و مکان های مخفی غذا خود را تا چند ماه بعد به یاد می آورند.

شناخته شده است که کلاغ ها دیگر پرندگان را تماشا می کنند، مکان هایی را که پرندگان دیگر غذای خود را پنهان می کنند، مشاهده می کنند و زمانی که صاحب آن محل را ترک می کند، سرقت می کنند. اگر یک کلاغ سرقت مرتکب شده باشد، احتیاط های اضافی مانند جابجایی مکان ها را برای جلوگیری از قربانی آینده انجام خواهد داد.
در حقیقت، آنها از تجربه شخصی خود در مورد داشتن یک سرقت برای پیش بینی رفتارهای بعدی خود استفاده می کنند و می توانند امن ترین دوره را برای محافظت از دزدی های خود تعیین کنند.

الگوریتم جستجوی کلاغ ها

الگوریتم جستجوی کلاغ هاCrow Search Algorithm ) بر اساس رفتار کلاغ ها ایجاد شده است.

پدید آورنده الگوریتم جستجوی کلاغ ها فرد ایرانی با نام علیرضا عسکرزاده است.

الگوریتم جستجوی کلاغ ها یا به اختصار CSA رسما در سال 2016 منتشر شده است.

اگر نیاز به انجام پروژه متلب با الگوریتم جستجوی کلاغ ها دارید مجریان سایت متلبی آمادگی انجام آن را دارند.

اصول الگوریتم CSA به شرح زیر است:

  • کلاغ ها به شکل گروهی زندگی می کنند.
  • کلاغ ها موقعیت های مخفی خود را حفظ می کنند.
  • کلاغ ها یکدیگر را مجبور به انجام حمله می کنند.
  • کلاغ ها از انبارهای خود را از احتمال سرقت حفظ می کنند.

جهت دانلود مقاله ای که با الگوریتم جستجوی کلاغ ها توسط نویسنده کد منتشر شده روی دکمه زیر کلیک کنید:

 

 

 

جهت دانلود کد آماده الگوریتم جستجوی کلاغ ها Crow Search Algorithm روی دکمه زیر کلیک کنید:

 

 

شاید به موضوعات زیر نیز علاقه داشته باشید:

دانلود نرم افزار متلب MathWorks MATLAB R2018b

$
0
0

دانلود نرم افزار متلب MathWorks MATLAB R2018b

متلب: نرم افزار تخصصی متلب , یکی از قدرتمندترین نرم افزار های برنامه نویسی و شبیه سازی در حوزه محاسبات مهندسی و عددی است.

در این نرم افزار محیط های مختلفی جهت طراحی و شبیه سازی ایجاد شده است.

از جمله محیط اسکریپت نویسی (ام فایل) , محیط سیمولینک, محیط گرافیکی و…

چه چیزی در متلب 2018b جدید است؟

ویدیویی که شرکت متورکز در ارتباط با متلب 2018b منتشر کرده است:

ویرایش هوشمند در Simulink

در محیط سیمولینک متلب , شرکت متورکز در ورژن 2018b انقلاب جدیدی ایجاد کرده است.

از جمله امکاناتی که در محیط سیمولینک نسبت به ورژن های قبل ایجاد شده:

  • اگر مثلا چندین گین داشته باشیم و بخواهیم به یک باس وصل کنیم, فقط کافیست همه گین ها را انتخاب کنیم و با گرفتن دکمه Ctrl و بعد کلیک کردن عنصر مبدا که همان باس هست, تمام گین ها به باس متصل خواهند شد.
  • در زمان طراحی فایل سیمولینک برای آوردن بلوک ها فقط کافیست بر روی پیکانی که میخواهیم بلوک را به آن متصل کنیم کلیک کرده و نام بلوک را بنویسیم.

جالب اینجاست که در متلب 2018b بلوک های مچ شده با مدل را پیشنهاد می کند.

  • برای وارد کردن پارامترهای بلوک ها, نیازی به دابل کلیک و باز کردن تنظیمات بلوک نیست.

مثلا با کلیک روی بلوک گین میتوان مقدار آن را وارد کرد.

  • در متلب 2018b میتوان با بردن نقطه اتصال بلوک قبل بر روی بلوک جدید , پورت جدیدی را ایجاد کرد.

بطور مثال اگر نیاز هست خروجی را به اسکوپی که فقط یک ورودی دارد, وصل کنیم, نیازی به تغییر تنظیمات اسکوپ نیست.

تنها کافیست از بلوک آخر نقطه اتصال را روی اسکوپ برد, اسکوپ به صورت اتومات ورودی جدیدی را ایجاد می کند تا اتصال برقرار شود.

  • اگر بخواهیم قسمتی از مدل طراحی شده در سیمولینک را مثلا از حالت افقی به عمودی تغییر حالت داد, در ورژن های قبل باید خطوط ارتباطی را مرتب کرد, اما در متلب 2018b نیازی به اینکار نیست.

باید همان قسمت از مدل را انتخاب کرد و با زدن Ctrl+R یا Ctrl+Shift+R به صورت کامل چرخش می کند.

در سیمولینک متلب 2018B بلوک گرافیکی و راحت را جهت استفاده از کدهای C وC++ معرفی کرده اند.

همچنین مدل پیشرفته تر S-Function را معرفی کرده است.

انجام پروژه متلب را به متخصصین حرفه ای سایت متلبی بسپارید.

آماده سازی داده ها و برچسب گذاری
برنامه برای برچسب زدن پیکسل ها و مناطق برای تقسیم معنایی و تشخیص شی
برنامه Labeler ویدئو: برچسب های تعاملی داده های زمین واقعی در یک توالی ویدیو یا تصویر
جدید! Datacenter تصویر پچ: تصوير تصوير تصادفی تصوير را برای تقسيم تصاوير بزرگ استخراج می کند
Datastore برچسب برچسب پیکسل: ذخیره اطلاعات پیکسل برای داده های تقسیم بندی معنایی
پایگاه داده تصویر افزوده: ایجاد نمونه های آموزشی بیشتری برای تقویت اطلاعات آموزش یادگیری عمیق
جدید! برنامه صوتی Labeler: تعاملی و تجسم برچسب های زمین واقعی برای مجموعه های صوتی تعریف و تجسم

در حوزه معماری شبکه:

جدید! قطار سریعتر آشکارسازهای R-CNN با استفاده از شبکه های DAG مانند ResNet-50 و Inception-v3
LSTM رگرسیون و دو طرفه برای خروجی های مداوم و سری زمانی
جدید! نرم افزار طراح شبکه عمیق برنامه: طراحی گرافیکی و تجزیه و تحلیل شبکه های عمیق
پشتیبانی از لایه های سفارشی: تعیین لایه های جدید و تعیین توابع از دست رفته برای طبقه بندی و لایه های خروجی رگرسیون
اعتبار سنجی خودکار لایه های سفارشی برای بررسی اندازه داده ها و سازگاری نوع

دسترسی به آخرین مدل Pretrained
* مبدل مدل ONNX: مدل های واردات و صادرات با استفاده از فرمت مدل ONNX برای قابلیت همکاری با سایر فریم های یادگیری عمیق.
توانایی کار با ResNet-18، DenseNet-201، Inception-ResNet-v2 و SqueezeNet.
وارد کننده مدل TensorFlow-Keras و وارد کننده مدل کافیه مشاهده یک لیست جامع از مدل های پیش آزمون شده که در MATLAB پشتیبانی می شوند.

آموزش شبکه
به طور خودکار عملکرد شبکه را تأیید کنید و زمانی که معیارهای اعتبار سنجی بهبود می یابند، آموزش را متوقف کنید
با استفاده از بهینه سازی بیزین، تنظیم پارامتر را انجام دهید
بهینه ساز اضافی برای آموزش:  Adam و RMSProp
آموزش شبکه DAG در موازی و در GPU های متعدد

اشکال زدایی و تجسم
فعال سازی DAG: فعال سازی های میانجی برای شبکه هایی مانند Inception-ResNet-v2، ResNet-50، ResNet-101، GoogLeNet و Inception-v3
نظارت بر پیشرفت آموزش را با قطعه هایی برای ضریب دقت، از دست دادن، و اعتبار سنجی
تجزیه و تحلیل شبکه: تجسم، تجزیه و تحلیل و پیدا کردن مشکلات در معماری شبکه قبل از آموزش

گسترش
به طور خودکار تبدیل مدل های آموزش عمیق آموزش داده شده در MATLAB® به CUDA با استفاده از GPU Coder ™
کد CUDA تولید شده را با NVIDIA® TensorRT ادغام می کند.
پشتیبانی از شبکه های DAG از جمله GoogLeNet، ResNet-50، ResNet-101 و SegNet
تولید کد از مدل های یادگیری عمیق آموزش داده شده برای پردازنده های Intel® Xeon و ARM® Cortex-A®
جدید! راه اندازی خودکار به سیستم های NVIDIA Jetson و DRIVE
جدید! بهینه سازی عمیق یادگیری: عملکرد بهبود یافته از طریق تنظیم خودکار، ترکیب لایه و پشتیبانی کتابخانه رانش

از آرایه های رشته برای نمایش موثر متن در MATLAB®، Simulink® و Stateflow® استفاده می شود.

نمایش متن

آرایه های رشته ای در R2016b معرفی شد، روش جدیدی برای نمایش متن در MATLAB است. آنها به طور خاص برای کار با متن و دستکاری آن طراحی شده و بهینه شده اند. شما می توانید با استفاده از عملیات آرایه استاندارد، آرایه های رشته را به یکدیگر تغییر دهید، ترکیب کنید و ترکیب کنید.

با انتشار متلب R2017a، شما می توانید از دوگانه نقل قول استفاده کنید تا آرایه های رشته ای ایجاد کنید. در حال حاضر در R2018b شما می توانید آرایه های رشته ای برای داده ها، خواص ها و استدلال های جفتی نامحدود تقریبا در همه جا در محصولات MathWorks استفاده کنید.

ذخیره متن در آرایه های رشته.

دستکاری متن

توابع دستکاری متن شامل startsWith ، contains و قرار دادن پس از مختصر، توصیفی و تمرکز بر روی کار است. با استفاده از بیش از ده عملیات مناسب، می توانید کد کارآمد تر، قابل خواندن و قابل نگهداری را بنویسید. این توابع همچنین با بردارهای شخصیت ( char ) و آرایه های سلولی از بردارهای شخصیت ( cell ) هستند.

با استفاده از توابع دستکاری متن برای کار با متن.

تجزیه و تحلیل و مدل متن

Text Analytics Toolbox ™ در آرایه های رشته ای با الگوریتم ها و تجسم ها برای پیش پردازش، تجزیه و تحلیل و مدل سازی داده های متنی ایجاد می شود. مدل های ایجاد شده با جعبه ابزار می توانند در برنامه های کاربردی مانند تحلیل احساسات، نگهداری پیش بینی شده و مدل سازی موضوع مورد استفاده قرار گیرند. شما می توانید متن را از فرمت های فایل های محبوب مانند فایل های PDF و مایکروسافت ورد ® ، پیش پردازش متن خام، استخراج کلمات فردی و ساخت مدل های آماری استخراج کنید.

تجزیه و تحلیل متن با Text Analytics Toolbox.

سازگاری کد

  • استفاده از char و cell به طور نامحدود پشتیبانی می شود.
    استفاده از بردارهای شخصیت ( char ) و آرایه های سلولی از بردارهای شخصیت ( cell ) همچنان در MATLAB و Simulink پشتیبانی می شوند. توابع و خواص ها قبلا قبول شده و به آنها بازگردانده شده است.
  • توابع و خواص برای بازگشت نوع همان متن ادامه خواهد داشت.
    توابع و خواص معرفی شده قبل از R2018b ادامه خواهد داد تا نوع متنی که همیشه دارند (یا بردارهای شخصیت یا آرایه های سلولی از بردارهای شخصیت) بازگردانده شوند. با این حال، توابع such as replaceBetween یاjoin یک استثنا برای این هستند. این توابع خروجی فرمت متنی همانند ورودی است و شما را قادر می سازد تا از این توابع دستکاری متن جدید بدون در نظر گرفتن نوع متن استفاده کنید (آرایه های رشته، بردارهای شخصیت یا آرایه های سلولی از بردارهای شخصیت).
  • آرایه های رشته را می توان با استفاده از زبانه های curly indexed کرد.
    آرایه های رشته ای همانند سایر آرایه های MATLAB است. هنگامی که یک آرایه رشته ای را با پرانتز () وارد می کنید، یک آرایه رشته ای جدید دریافت می کنید. هنگامی که آرایه سلولی را با پرانتز () فهرست می کنید، یک آرایه سلولی جدید به دست می آورید. با این حال، برای دسترسی به بردارهای شخصیت در آرایه سلولی، اکثر کد با استفاده از نمایه سازی false brace استفاده می شود. نمایه سازی چروک های براق به آرایه های رشته اضافه شده است و طراحی شده است برای بازگرداندن بردارهای شخصیت به منظور سازگاری با این رفتار آرایه سلولی.

هنگامی که استفاده از آرایه های رشته ای نیست

شما می توانید آرایه های رشته ای برای داده های متن تقریبا در همه جا در کد MATLAB استفاده کنید، اما برای استفاده نمی شود:

  • آرایه های سلولی فقط رشته های اسکالر
    در R2018b، توصیه می کنیم از آرایه های رشته ای به جای آرایه های سلولی از vectors کاراکتر برای نمایش متن استفاده کنید. اگر شما تصمیم به استفاده از یک آرایه سلولی حاوی تنها متن با توابع مانند lower ، استفاده از آنها با بردارهای شخصیت این توابع انتظار می رود. اجتناب از استفاده از این توابع با آرایه های سلولی رشته ها.
    استفاده از: >> 
  • lower(["Run1" "Run2" "Run3"])
    یا استفاده کنید: >>

  •  lower({'Run1' 'Run2' 'Run3'})
    استفاده نکنید: >>

  •  lower({"Run1" "Run2" "Run3"})

  • فرم فرمان
    هنگامی که در فرم فرمان استفاده می شود، توابع مانند save، cd و addpath همچنان به تجزیه نقل قول های دوگانه به عنوان متن و نه به عنوان یک جدا کننده ادامه می دهند. این رفتار برای جلوگیری از ناسازگاری کد با دستورات مانند مکس حفظ شده است.استفاده از: >>
  •  load 'my data.csv'
    استفاده نکنید: >>

  •  load "my data.csv"

در متلب 2018B دو تولباکس Sensor Fusion and Tracking Toolbox و 5G toolbox را معرفی کرده است.

این نسخه هنوز توسط سایت متلبی تست نشده و بعد از تست صحت آن تایید خواهد شد.

دانلود نسخه 64بیتی R2018b با لینک مستقیم:

 – دانلود کرک نسخه R2018b به صورت جداگانه

رمز فایل فشرده:

دانلودها


سیستم مورد نیاز برای نصب نسخه های مختلف نرم افزار متلب

$
0
0

سیستم مورد نیاز برای نصب نسخه های مختلف نرم افزار متلب

با توجه به نیاز خود بر روی گزینه مورد نظر کلیک کنید تا مشخصات سیستم مورد نیاز , چه از لحاظ سخت افزار و چه از لحاظ نرم افزار به شما نمایش داده شود.

لیست زیر مربوط به ویندوز هست.

نرم افزار متلب بر روی سیستم عامل های Mac و linux نیز قابل نصب است.

سایت متلبی بر اساس درخواستهای مخاطبین اطلاعات مورد نیاز را در دسترس عموم قرار می دهد.

یکی از دلایلی که نرم افزار متلب بر روی ویندوز شما نصب نمی شود مربوط به نسخه متلب شماست.

لیست زیر به شما اطلاعات کافی را اراده می نماید.

سیستم مورد نیاز برای متلب R2018b

نکات:

  • از ویندوز 8.1 پشتیبانی نمی کند و نمیتوانید این نسخه را روی ویندوز 8.1 نصب کنید.
  • در نسخه های بعدی متلب ویندوز سرور 2012 و 2012 R2 نیز پشتیبانی نخواهد شد.

System Requirements matlab 2018b

سیستم مورد نیاز برای متلب R2018a

نکات:

  • در این ورژن ویندوز سرور 2008 R2 پشتیبانی نمی شود. در حقیقت نمی شود متلب 2018a را روی ویندوز سرور 2008 R2 نصب کرد.
  • در نسخه بعدی متلب , یعنی R2018b ویندوز 8.1 ساپورت نمی شود.

System Requirements matlab 2018a

سیستم مورد نیاز برای متلب R2017b

نکات:

  • ویندوز 8 در متلب R2017b پشتیبانی نمی شود. یعنی نمی توان متلب 2017b را روی ویندوز 8 نصب کرد.

System Requirements matlab 2017b

System Requirements matlab 2017b

سیستم مورد نیاز برای متلب R2017a

نکته:

  • نسخه 2017a به دلیل اینکه نیاز به سخت افزار ضعیف تری دارد, برای سیستم های ضعیف بسیار مناسب است.

حداقل رم مورد نیاز در این نسخه 2 گیگ است.

System Requirements matlab 2017a

System Requirements matlab 2017a

سیستم مورد نیاز برای متلب R2016b

نکات:

  • متلب R2016b بر روی ویندوز سرور 2008 Service Pack 2 نصب نمی شود.
  • توجه کنید بر روی ویندوز سرور 2008 Service Pack 1 نصب می شود.
System Requirements matlab 2016b

System Requirements matlab 2016b

سیستم مورد نیاز برای متلب R2016a

نکته:

  • از متلب R2016a به بعد دیگر نرم افزار متلب بر روی ویندوز های 32بیتی (پشتیبانی نمی شود) نصب نمی شود.
System Requirements matlab 2016a

System Requirements matlab 2016a

سیستم مورد نیاز برای متلب R2015b

نکته:

  • متلب R2015b بر روی ویندوز 32 و 64 بیتی قابل نصب است.
System Requirements matlab 2015b

System Requirements matlab 2015b

سیستم مورد نیاز برای متلب R2015a

نکته:

  • اگر بر روی ویندوز XP و Vista قصد نصب متلب را دارید متلب 2015a این قابلیت را دارد.
System Requirements matlab 2015a

System Requirements matlab 2015a

سیستم مورد نیاز برای متلب R2014b

System Requirements matlab 2014b

System Requirements matlab 2014b

سیستم مورد نیاز برای متلب R2014a

System Requirements matlab 2014a

System Requirements matlab 2014a

سیستم مورد نیاز برای متلب R2013b

System Requirements matlab 2013b

System Requirements matlab 2013b

سیستم مورد نیاز برای متلب R2013a

System Requirements matlab 2013a

System Requirements matlab 2013a

سیستم مورد نیاز برای متلب R2012b

System Requirements matlab 2012b

System Requirements matlab 2012b

سیستم مورد نیاز برای متلب R2012a

System Requirements matlab 2012a

System Requirements matlab 2012a

سیستم مورد نیاز برای متلب R2011b

System Requirements matlab 2011b

System Requirements matlab 2011b

سیستم مورد نیاز برای متلب R2011a

System Requirements matlab 2011a

System Requirements matlab 2011a

سیستم مورد نیاز برای متلب R2010b

System Requirements matlab 2010b

System Requirements matlab 2010b

پروژه متلب

اگر در هنگام اجرای متلب با خطای لایسنس متلب مواجه می شوید روی لینک زیر کلیک کنید:

مشکل لایسنس متلب و راه حل های رفع آن

انجام پروژه متلب خود را به سایت حرفه ای و دارای مجوز اینماد بسپارید.

اگر نیاز به شبیه سازی با متلب دارید بر روی دکمه روبرو کلیک کنید

الگوریتم گرده افشانی گل ها (Flower Pollination Algorithm)

$
0
0

الگوریتم گرده افشانی گل ها FPA

چکیده:

الگوریتم گرده افشانی گل ها (Flower Pollination Algorithm) اولین بار توسط فردی به نام Xin-She Yang و در سال 2012 منتشر شد.

نویسنده اینطور بیان کرده است:
ما برای اولین بار از الگوریتم جدید برای اعتبار سنجی استفاده می کنیم.

عملکرد آن را با الگوریتم های ژنتیکی و بهینه سازی ذرات ذرات مقایسه می کنیم.

نتایج شبیه سازی ما نشان می دهد که الگوریتم گرده افشانی گلها نسبت به GA و PSO کارایی بیشتری دارد.

ما همچنین از الگوریتم گرده افشانی گلها برای حل یک معیار طراحی غیر خطی استفاده می کنیم که نشان می دهد نرخ همگرایی تقریبا نمایی است.

الگوریتم های تکاملی از فرآیندهای طبیعت و زیستی که در طبیعت وجود دارند، الهام گرفته شده اند.

روشهای تکاملی و طبیعی طی ده ها میلیون سال توانسته اند بر مشکلات مختلفی غلبه نمایند.

الگوریتم های تکاملی به عنوان یکی از روشهای موثر و کارآمد جهت حل مسائل بهینه سازی پیچیده استفاده می شوند.

مسائل بهینه سازی به مسائلی گفته می شود که دارای راه حل های مختلفی از نظر میزان بهینه بودن می باشند.

انجام پروژه متلب با سایت متلبی

یافتن جوابهای کاملاً بهینه یک مسئله بهینه سازی دشوار یکی از چالش های انواع الگوریتم های جستجوی هوشمند محسوب می شود.

تاکنون الگوریتم های تکاملی مختلفی برای یافتن را ه حل های بهینه یک مسئله بهینه سازی ارایه شده است.

الهام از رشد گیاهان و گرده افشانی آنها یکی روش های جدید تکاملی جهت حل مسائل سخت و دشوار است که ایده اصلی الگوریتم تکاملی گرده افشانی گل ها بر این اساس ارایه شده است.

گرده افشانی گلها یک فرآیند جالب است که تعداد زیادی از گونه های گیاهان برای تولید مثل و بقای خود از آن استفاده می نمایند و پژوهشگران از این رفتار گیاهان برای ایجاد یک الگوریتم تکاملی تحت نام گرده افشانی گلها استفاده نمودند.

در پایان کد الگوریتم گرده افشانی گل ها (Flower Pollination Algorithm) جهت دانلود قرار داده شده است.

 

مقدمه:

طبیعت حل مسائل چالش برانگیز بیش از میلیون ها و میلیارد سال است و بسیاری از سیستم های بیولوژیکی با بهره وری جذاب و شگفت انگیز در حداکثر رساندن اهداف تکاملی خود مانند تولید مثل تکامل یافته اند.

بر اساس ویژگی های موفقیت آمیز سیستم های بیولوژیکی، بسیاری از الگوریتم های الهام گرفته از طبیعت در چند دهه گذشته توسعه یافته اند.

به عنوان مثال، الگوریتم ژنتیک بر مبنای تکامل داروینی از سیستم های بیولوژیکی  و بهینه سازی ازدحام ذرات بر اساس رفتار رویی پرندگان و ماهی ، و

الگوریتم bat بر اساس رفتار echolocation میکروب ها بود  و الگوریتم firefly بر اساس الگوهای نور چشمک زن از کرم شب تاب است.

تمام این الگوریتم ها به طیف وسیعی از برنامه ها اعمال می شود.

ابتدا به طور خلاصه ویژگی های اصلی گرده گل را مرور خواهیم کرد و به این ترتیب این ویژگی ها را به چهار قاعده ایده آل تقسیم می کنیم.

سپس آنها را برای توسعه الگوریتم گرده افشانی گل (FPA) یا الگوریتم گل استفاده خواهیم کرد.

سپس، آن را با استفاده از مجموعه ای از توابع آزمون شناخته شده و معیار طراحی، آن را معتبر می کنیم.

از نظر تکامل بیولوژیکی، هدف گرده افشانی گل بقای مناسب تولید گیاهان و تکثیر آنهاست.

این در واقع یک روند بهینه سازی گونه های گیاهی است.

انجام پروژه متلب با سایت متلبی

کلیه عوامل و فرآیندهای گرده افشانی گل به گونه ای تعامل دارند تا بتوانند تولید مطلوب گیاهان گلدار را به دست آورند.

بنابراین، این می تواند الهام بخش طراحی الگوریتم بهینه سازی جدید باشد.

ایده اصلی گرده گل در زمینه زنبورها و خوشه بندی مورد بررسی قرار گرفت، اما در این مقاله، بهینه سازی کاملا جدیدی را صرفا بر اساس ویژگی های گرده افشانی گل طراحی خواهیم کرد.

 

ویژگی های گرده افشانی گل:

تخمین زده شده است که بیش از یک چهارم از یک میلیون نوع گیاهان گلدار در طبیعت وجود دارد و حدود 80 درصد از انواع گیاهان گلدار هستند.

هنوز هم تا حدودی یک رمز و راز وجود دارد که چگونه گیاهان گلدار به چشم انداز از دوره کرتاسه نفوذ کردند .

گیاه گلدار به مدت بیش از 125 میلیون سال در حال تکامل است و گلها در تکامل تاثیر بسیار زیادی دارند، ما نمیتوانیم تصور کنیم که جهان گیاه بدون گل چه رنگی خواهد بود.

هدف اصلی یک گل در نهایت تولید مثل توسط گرده افشانی است.

گرده گل به طور معمول با انتقال گرده ارتباط دارد و چنین انتقال اغلب با گرده افشان هایی مانند حشرات، پرندگان، خفاش ها و دیگر حیوانات مرتبط است.

در حقیقت، برخی گلها و حشرات به یک مشارکت بسیار حرفه ای گرده افشانی را انجام می دهند.

انجام پروژه متلب با سایت متلبی

به عنوان مثال، برخی از گل ها فقط می توانند به یک گونه خاص حشرات برای گرده افشانی موفقیت آمیز جذب شوند.

گرده افشانی می تواند دو شکل عمده: abiotic و biotic.

حدود 90 درصد از گیاهان گلدار متعلق به گرده افشانی زیستی هستند.

یعنی گرده توسط یک گرده افشانی مانند حشرات و حیوانات منتقل می شود.

حدود 10 درصد گرده افشانی طول می کشد که فرم گرده افشانی را به وجود می آورد که به گرده افشان نیاز ندارد.

باد و انتشار در آب گرده افشانی از گیاهان گلدار و چمن به عنوان مثال خوب است.

تخمین زده می شود که حداقل 200.000 انواع حشرات گرده افشان مانند حشرات، خفاش ها و پرندگان وجود دارد.

زنبور عسل نمونه خوبی از حشرات گرده افشان است.

گرده افشانی می تواند از گرده گل یک گیاه متفاوت اتفاق بیفتد.

 

الگوریتم گرده افشانی گل ها (FPA)

روش و مراحل پیاده سازی الگوریتم به صورت شکل زیر است:

Xin-She Yang در مقاله ای با عنوان Flower Pollination Algorithm for Global Optimization این الگوریتم را معرفی کرده است.

در این مقاله مسئله ای را با سه الگوریتم FPA و GA و PSO پیاده سازی کرده است.

نتایج این سه شبیه سازی را نیز با هم مقایسه کرده که در نمودار زیر آورده ایم:

Error variations and comparison of GA, PSO and FPA.

به ادعای طراح, الگوریتم گرده افشانی گل ها بهتر از دو الگوریتم دیگر عمل کرده است.

 

دانلود کد الگوریتم گرده افشانی گل ها

جهت دانلود الگوریتم گرده افشانی گل ها روی گوگل + در کادر زیر کلیک کنید.

پس از اشتراک گذاری لینک دانلود نمایان می شود.

 

 

سفارش انجام پروژه مشابه

درصورتیکه نیاز به شبیه سازی با الگوریتم گرده افشانی گل ها دارید، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.

 

تشخيص لبه در تصاوير ديجيتال با استفاده از تكنيك فازي

$
0
0

تشخيص لبه در تصاوير ديجيتال با استفاده از تكنيك فازي

روش های مختلفی برای لبه یابی وجود دارد که هر کدام از آنها عیوب و مزایای دارند.

اما یکی از متدهای لبه یابی که اخیرا توجه بسیاری از محققان در زمینه پردازش تصویر را به خود جلب کرده روش فازی یا همان لبه یابی فازی است.

 

خلاصه مقاله :

لبه ها اجزای با فرکانس بالای تصویر هستند.

به فیلترهای که در تشخیص لبه ها کاربرد دارند فیلترهای بالا گذر گویند.

اما کار بر روی این دامنه های فرکانسی می تواند این کار را با بار پیچیدگی های اضافی همراه کند. بنابراین عموما تکنیک های تشخیص لبه بر اساس فضایی دامنه کار عمل می کنند.

در حوزه فضایی، یک لبه را می توان به صورت کلاسیک با اولین یا دومین دستور مشتق گیری بدست آورد.

چون مشتق مرتبه دوم حساسیت بالای نسبت به نویز دارد،عموما از مشتق مرتبه اول برای شناسای لبه های تصویر استفاده می کنیم واساس کار مشتق مرتبه اول شیب لبه هاست به صورت عمومی.

قبل از بررسی مشتق مرتبه اول ، ما در ذهن داشته باشیم سیستم فازی ما طراحی شده بر اساس رابطه بین هر پیکسل و هشت نزدیک ترین پیکسل همسایه آن .

وبنابراین اگر به یاد بیاریم که شیب خط از برادار X ها و جهت خط از بردار Y ها در مشتق مرتبه اول بدست میاید .

پس می توانیم لبه ها را با ادامه همین عمل پیدا کنیم.

تكنيك فازي، يك عملگر معرفي شده به منظور شبيه سازي سطوح رياضي رفتار جبراني در پردازش تصميم گيري يا ارزيابي ذهني است.

اين مقاله چنين عملگري را براي كاربردهاي بينايي كامپيوتري معرفي مي كند.در اين مقاله يك روش جديد بر پايه استراتژي استدلال منطق فازي براي تشخيص لبه در تصاوير ديجيتال بدون تعيين مقدار آستانه ، پيشنهاد مي شود.

روش پيشنهاد شده با بخش‌بندي كردن تصوير به نواحي، با استفاده از ماتريس باينري 3*‌3 شروع مي شود. پيكسل‌هاي لبه به محدوده اي از مقادير متمايز از يكديگر نگاشته مي شود.

قابليت اطمينان نتايج روش پيشنهاد شده براي تصاوير گرفته شده متفاوت با عملگر سوبل (Sobel) خطي مورد مقايسه قرار مي گيرد.

اين روش باعث تاثير پايدار در همواري و صاف بودن خطوط براي خط‌هاي مستقيم و گرد شدن براي خط هاي منحني مي شود.

در اين حالت گوشه هاي تصوير تيزتر و به راحتي تعريف مي شوند.

در طول چند دهه گذشته حجم علاقه، تحقيق و ارائه سيستم هاي بينايي كامپيوتري بيش از حد افــزايــش يــافـتــه  اســت.

امــروزه در بـسـيـاري از جنبه‌هاي زندگي مانند سيستم هاي نظارت در پـارك مـاشـيـن هـا، خـيـابـان هـا و مـراكـز خـريـد، سيستم هاي كنترل كيفيت و مرتب سازي در اكثر تــولـيــدات غــذايــي از ايــن تـكـنــولـوژي استفـاده مي‌شود.

بنابراين معرفي سيستم هاي محاسبه و بازرسي بصري به طور خودكار خصوصا براي اشياء مكانيكي دو بعدي  بسيار ضروري است.

در قـسـمـت اول به دليل افزايش قابل توجه در تـصاوير ديجيتال كه روزانه توليد مي شود ( به طور مثال تصاوير راديوگرافي از ماهواره) نياز به پردازش اتوماتيك چنين تصاويري افزايش  قابل تـوجـه يـافـتـه اسـت.

بنابراين، اخيرا كاربردهاي زيـادي هـمـچـون تـشـخيص تصاوير پزشكي به كمك كامپيوتر، بخش بندي و طبقه بندي كردن تصاوير سنجش از راه دور به طبقات زمين ( به طور مثال تشخيص مزارع گندم و تخمين رشد محصول)، شناخت كاركتر نوري، كنترل حلقه بسته، بازيابي بر پايه مفهوم براي كاربردهاي چند رسانه اي ، دست‌كاري تصوير براي صنعت فيلم، شناسايي جزئيات ثبت‌نام از شماره پلاك خودرو و عمل كردن به صورت  شخص ميزبان در كارهاي بازرسي صنعتي (مانند تشخيص پارچه هاي معيوب، نورد فولاد، شيشه هاي بشقاب) از اين روش استفاده مي شود.

به همين دليل استفاده از اين روش به منظور تحليل تصوير بيش از ديگر روش هاي ممكن پردازش داده، مورد استقبال قرار گرفته است.

درك تصاوير بر پايه تحليل، كمك زيادي در ارائه الگوريتمي مانند تحليل هندسي و تاييد نتايج غير رسمي مي كند.

نقش بينايي كامپيوتر مي تواند به صورت يك سيستم براي تحليل تصاوير خودكار در نظر گرفته شود.

تصاوير مي تواند از روش هاي مختلفي خارج از تصاوير رنگي و سياه و سفيد نرمال، همچون مادون قرمز، اشعه ايكس، همچنين به عنوان توليد جديدي از مجموعه داده ماهواره با طيف قوي حاصل شود.

از تكنيك هاي محاسباتي گوناگون زيادي در درون سيستم هاي بينايي كامپيوتر همچون روش هاي بهينه سازي استاندارد، الگوريتم هاي ژنتيك و … استفاده مي شود.

برای دریافت کد شبیه سازی مرتبط با مطالب فوق روی لینک زیر کلیک کنید:

Novel Fuzzy logic Based Edge Detection Technique

 

تشخيص لبه و بخش بندي تصاوير


يكي از ويژگي هاي مفيد و موثر در بازشناسي اشيا، استفاده از اطلاعات شكل و لبه‌هاي آن ها است.

بنابراين، استفاده از لبه ها در بسياري از كاربردهاي بينايي ماشين و بازشناسي، امري متداول است.

با توجه به آنچه گفته شد، مي توان نتيجه گرفت كه ضـرورت طـراحـي آشكـارسـاز هـاي مناسب از اهميت ويژه اي برخوردار است.

مـعـمـــولا مــرحـلــه اول در تـحـلـيــل تـصــويــر، بخش‌بندي است.

با عمل بخش بندي، تصوير به قسمت‌هاي تشكيل دهنده‌اش تقسيم مي‌شود.

ميزان بخش بندي، به موضوع مورد نظر بستگي دارد.

يعني وقتي اشياي كاربرد مورد نظر از هم جدا شدند، بايد بخش بندي متوقف شود .

مـفـهـــوم بـخـــش بـنـــدي تـصـــويـــر بـــر اســـاس ناپيوستگي يا شباهت مقادير سطوح خاكستري را مــي‌تــوان بــراي هـر دو نـوع تـصـويـر ثـابـت و متحرك به كار برد.

از الگوريتم‌هاي بخش بندي تصاوير تك رنگ، براي آشكارسازي خطوط و لبه‌هاي تصاوير استفاده مي شود.
در يك تصوير، مرز ميان يك شيء و زمينه يا مــرز مـيــان اشـيــاء هــم‌پــوشــان را، لـبــه تـعــريــف مـي‌كننـد.

در حـالـت ايده‌آل اگر فرض شود كه مقدار شدت روشنايي هر تصوير يكنواخت و با مقادير شدت روشنايي اشياء مجاورش متفاوت باشد، آنگاه هرگونه تغيير قابل ملاحظه در مقدار شدت روشنايي را مي‌توان لبه در نظر گرفت.

بــا ايــن تـعــريــف، اگــر لـبــه‌هـاي يـك تصـويـر مـشـخـص شـونـد مـكـان تـمـام اشـياء موجود در تصوير مشخص شده و خواص اساسي آن ها از قـبـيــل سـطــح، مـحـيــط و غـيــره بـه راحـتـي قـابـل اندازه‌گيري خواهند بود.

استفاده از فيلترهاي خطي تغييرناپذير با زمان منجـر به بهبود تشخيص لبه و كاهش كارهاي محاسباتي در رسيدن به نتايج مطلوب مي شود.

در فيلترهاي مرتبه اول، يك لبه به عنوان تغيير نـاگهـانـي در سطوح خاكستري بين دو پيكسل همسـايـه مـي شـود.

در ايـن روش هـدف تعييـن نـقـاطـي در تـصوير است كه مشتق اول سطوح خاكستري به عنوان تابعي از مكان با دامنه زياد اسـت.

بـا بـه كـار بـردن آسـتـانـه اي براي تصوير خروجي جديد، لبه ها در جهت دلخواه آشكار مي شوند.

در روش هاي ديگر خروجي فيلتر آشكارساز لبه، ورودي تكنيك تقريب چند جمله اي به منظور استخراج ويژگي است.

 

الگوريتم هاي آشكارسازي لبه

الگـوريتـم هاي مختلفي براي آشكارسازي لبه ها ابداع و پيشنهاد شده است.

در روش‌هـاي كلاسيك آشكارسازي لبه، بيشينه هاي محلي گراديان تصوير، به عنوان نماينده مناسب براي لبه در نظر گرفته مي شوند.

آشكارساز روبرت،سوبل وپرويت به اين دسته تعلق دارند.

محاسبه گراديان سوبل در حوزه مكان صورت مي گيرد.

از ديگر الگوريتم هاي كارامد در اين حوزه ،‌آشكارساز لبه كني است كه به خاطر داشتن قابليت دنبال كردن لبه ها و نيز توانايي حذف نويز تصوير به كمك فيلتر گوسي كاربرد زيادي دارد.

همچنين الگوريتم هايي براي آشكارسازي لبه ها در حوزه فركانس ارائه شده است.

الگوريتم مر-‌هيلدرت در حوزه تبديل لاپلاس، نقاط عبور از صفر مشتق دوم تصوير  را به عنوان لبه در نظر مي گيرد.

اين لبه ياب به دليل استفاده از فيلتر گوسي، حساسيت كمي نسبت به نويز ضربه دارد.

الگوريتم هايي نيز براي آشكارسازي لبه هاي تصوير از تبديل موجك استفاده مي كنند و  در تمام موارد بالا، پس از اعمال الگوريتم لبه ياب،‌ عمل آستـانـه زنـي انجـام شـده،  سپـس تصـويـر دوسطحـي لبـه هـا براي تك پيكسلي شدن، نازك‌سازي مي شود.

از ديگر روش ها، مي توان به الگوريتم هاي خط تقسيم آب و اپراتورهاي مورفولوژيك اشاره كردكه به طور مستقيم تصوير تك پيكسلي و پيوسته اي از لبه ها ايجاد مي كنند.

در اغلب روش هايي كه تا كنون براي لبه يابي بر مبناي منطق فازي ارائه شده، از روش قاعده پايه فازي استفاده شده است.

در اين روش ها، نقاط همسايه هر نقطه به صورت دسته هايي در نظر گرفته شده و با استفاده از توابع عضويت مناسبي كه براي هر دسته تعريف مي شود، سيستم استنتاج فازي پياده سازي مي‌شود.

به عنوان مثال، با در نظر گرفتن نقاط همسايگي به صورت مجموعه هاي3 *‌3 در اطراف نقطه مركزي و تعريف توابع عضويت از پيش تعيين شده براي آشكارسازي ناپيوستگي در رنگ دسته هاي مختلف، سعي بر آشكار سازي لبه هاي تصوير شده است.

روش ذكر شده از 5 قاعده و توابع عضويت ثابت براي تعيين نقاط لبه استفاده مي كند كه در اين قواعد ناپيوستگي رنگ نقاط اطراف نقطه مركزي مورد بررسي قرار مي گيرد.

چنانچه در دسته هاي از پيش تعيين شده اين تفاوت ديده شود، نقطه مركزي به عنوان لبه در نظر گرفته مي شود.

در كار ديگري، روشي مشابه روش قبل براي لبه يابي فازي ارائه شده است.

در اين روش، نقاط مجاور هر پيكسل، در قالب 6 مجموعه در نظر گرفته مي شوند.

سپس با استفاده از توابع عضويت مناسب (كه در اين روش از توابع بل شكل استفاده شده)، مقداري بين صفر تا يك براي هر دسته تعيين مي شود.

سپس بر اساس درجه عضويت هر دسته و استفاده ازقوانين فازي از سيستم قاعده پايه فازي براي تصميم گيري در مورد وجود لبه و جهت آن استفاده شده است.

نـقــاط ويــژگــي، نقـش بسيـار مهـم در تحليـل تصاوير بازي مي كنند كه به عنوان ويژگي خاص تعريف مي شود.

نقاط ويژگي در تصوير شامل پـــيـــكـــســـــل هـــــاي لـــبـــــه مـــشـــخـــــص، تــــوســــط آشكارسازهاي لبه كلاسيك كاملاً شناخته شده مـانـنـد

PreWitt، Sobel، Marr و Cany مـشخص مي‌شود.

اخيرا محققان علاقه زيادي در تعيين نـقاط ويژگي گوشه تصوير توسط عملگرهاي Plessey و Moravec نشان داده اند.

عملگرهاي كـلاسـيـك، يـك پـيـكـسـل را بـه صورت كلاس خـاصـي از نـقـطـه ويـژگـي با انجام يك سري از عـمـلـگـرهـا بـه درون پنجره متمركز شده درون پيكسل تحت بررسي تشخيص مي دهند.
عملگرهاي كلاسيك به خوبي در مكان هايي از تصوير تحت مطالعه كه داراي كنتراست بالا اســـت كـــار مـــي كـنـنــد.

در واقــع عـمـلـگــرهــاي كلاسيك درون نواحي از تصوير كه مي تواند به سادگي به تصوير باينري توسط آستانه گذاري سـاده مـطـابق شكل1 تبديل شود، به خوبي كار مي‌كند.

آشكارساز لبه كلاسيك نتايج ضعيفي در بر چسب گذاري پيكسل هاي لبه مي دهد.

به‌طور خلاصه، نقاط ويژگي به وسيله ارتباط با مقادير پيكسل هاي درون تعدادي پنجره محلي مشخص مي شوند.

تحقيقات اخير استفاده از ويژگي نرو فازي را به منظور ارائه آشكارسازهاي لبه بعد از آموزش مجموعه نسبتاً كوچك از لبه ها، در تصاوير ساده قابل طبقه بندي به وسيله آشكارساز لبه كلاسيك نگران كننده رده است.

پيشگام استفاده از اين روش، Bezdek و همكارانش بودند كه يك شبكه عصبي را به منظور استخراج خروجي فازي مشابه به صورت عملگر Sobel نرماليزه شده آموزش دادند.

اگر چه روش پيشنهاد شده در اين مقاله نشان مي دهد كه آموزش شبكه عصبي طبقه بندي كننده براي مقادير كريسپ ، يك متغير خيلي موثر براي روش Bezdek است.

مزيت آشكار ساز لبه نرو فازي نسبت به آشكار ساز لبه سنتي بر پايه فرم نرو فازي بسيار مشهود است.

سيستم توصيف شده در مقاله اي تحت عنوان آشكارساز لبه فازي سريع، كليه نقاط براي سيستم مرجع فازي توسط اعمال فيلتر بالاگذر ، فيلترآشكار ساز لبه مرتبه اول )Sobel( و فيلتر پايين گذر (ميانگين) تصوير اصلي را به دست مي آورد.

سپس ساختار كلي به صورت تابعي از فيلتر وضوح كنتراست بيان مي شود.

در نهايت قوانين فازي انتخاب شده و توابع عضويت فازي بر طبق نوع فيلتر اجرا شده مشخص مي شوند.
در اين مقاله، يك روش فازي جديد بر پايه استراتژي استدلال منطق فازي براي آشكـارسـازي لبـه در تصـاويـر ديجيتـال بـدون تعييـن مقـدار آستانه يا نياز به الگوريتم آموزش، پيشنهاد مي شود.

روش پيشنهادي با بخش بندي كردن تصوير به درون نواحي با استفاده از ماتريس باينري 3*‌3 آغاز مي شود.

سيستم مرجع فازي مستقيم، به محدوده‌اي از مقادير متمايز از يكديگر براي تشخيص لبه در ماتريس شناور نگاشته مي شود.

 

پردازش تصوير فازي

پردازش تصوير فازي، مجموعه اي از تمامي روش هاي مبتني بر درك، پردازش ، بخش بندي  و نمايش مجدد تصاوير و ويژگي هايي به عنوان مجموعه فازي را شامل مي‌شود.

نمايش مجدد و پردازش، وابسته به تكنيك فازي انتخاب شده است.

پردازش تصوير فازي داراي سه مرحله اصلي است: فازي كردن تصوير، اصلاح مقادير عضويت فازي و دي فازي كردن تصوير. ‌

ساختار كلي پردازش تصوير فازي در شكل2 نشان داده شده است.

مراحل فازي كردن و دي فازي كردن به دليل انجام نشدن پردازش سخت افزار فازي است.

بنابراين كد كردن داده تصوير (فازي كردن) و ديكد كردن نتايج (دي فازي كردن) مراحلي است كه امكان پردازش كردن تصوير را با تكنيك هاي فازي فراهم مي سازد.

قدرت اصلي در پردازش تصوير فازي در مرحله وسط يعني اصلاح مقادير عضويت فازي است.
سپس داده هاي تصوير از صفحه سطوح خاكستري به صفحه عضويت فازي ( فازي كردن) تبديل مي شوند.

تكنيك هاي فازي مناسب مقادير عضويت فازي را اصلاح مي‌كنند.

اين مي تواند به معني خوشه بندي فازي، روش مبتني بر قانون فازي، روش تركيب فازي و نظاير آن باشد.

 

مجموعه و توابع عضويت فازي

سيستـم با توجه به اين‌كه هر دو تصوير ورودي و خروجي به دست آمده بعد از دي‌فازي كردن به صورت 8 بيتي كوانتيزه شده هستند اجرا مي شود.

در اين روش سطوح خاكستري هميشه بين 0 و 255 است.

انجام پروژه های متلب با کارشناسان سایت متلبی
مجموعه هاي فازي به منظور نمايش شدت تغييرات ساخته شده و اين مجموعه ها براي بيان متغيرهاي زباني ” سياه ” ، لبه و “سفيد” ايجاد مي شوند.

توابع عضويت فازي براي مجمـوعـه هـاي فـازي ورودي و خـروجـي بـه صـورت مثلثي مطابق شكل 3 انتخاب شده‌اند.
از عملگرهاي”و” و “يا” كه به ترتيب به عنوان توابع مينيمم و ماكزيمم هستند به عنوان توابع انتخاب شده به منظور اجراي سيستم استفاده مي شود.

براي دي فازي كردن، روش ممداني  (Mamdani) انتخاب شده است كه به معني آن است كه مجموعه هاي فازي به دست آمده با اعمال هر قانون مرجع براي داده ورودي، از طريق توابع جمع مرتبط هستند.

سه تابع عضويت خروجي به طور جداگانه به  صورت  مقادير سياه، سفيد و لبه از تصوير طراحي شده اند.

 

تعاريف قوانين مرجع


قوانين مرجع وابسته به وزن هشت پيكسل سطوح خاكستري همسايه است، اگر درجه وزن هاي همسايه سياه يا سفيد باشد.

اين قوانين، توانايي استخراج تمامي لبه ها را  در تصوير پردازش شده به طور مستقيم دارا هستند.

اين مقاله تمام پيكسل هاي تصوير پردازش شده را با مطالعه موقعيت هر همسايه از هر پيكسل نشان مي دهد.

شرايط هر پيكسل با استفاده ماسك 3*‌3 شناور كه مي تواند همه خاكستري ها را   اسكن كند تصميم گيري مي شود.

در اين شرايط، برخي از قوانين مطلوب توضيح داده مي شود.

ابتدا چهار قانون مرتبط با مقادير سطوح خاكستري خط هاي افقي و عمودي اطراف پيكسل مركزي يا چك شده از ماسك بررسي مي شود.

اگر خاكستري ها در يك خط سياه و مابقي سفيد باشند پيكسل چك شده، لبه است

(شكل  – a‌4.) چهار قانون دوم مرتبط با همسايگي هشت و همچنين وابسته به مقادير وزن هاي سطح خاكستري است، اگر وزن‌هاي چهار پيكسل متوالي درجه سياه و وزن هاي همسايگي چهار باقيمانده درجه سفيد باشند، سپس پيكسل مركزي لبه را نشان مي دهد

(شكل  – b‌4.) قانون هاي معرفي شده و گروه هاي ديگر قوانين مشخص كننده لبه، پيكسل هاي سياه و سفيد هستند.

تصاوير نتايج  شامل گوشه ها و نواحي سياه و سفيد است.

از طرف ديگر توسط بازسازي فازي، خاكستري هاي ورودي بين شدت 0 تا 255 مرتبط شده و بر طبق قوانين مطلوب سطوح خاكستري به توابع عضويت نشان داده شده در شكل5، تبديل مي شوند.

خروجي سيستم مرجع فازي بر طبق دي فازي كردن بر حسب مقادير 0 تا 255 بيان مي شود و سپس سياه، سفيد و لبه آشكار مي شود.

از تجربه تصوير آزمايش شده در اين مقاله، اين نكته آشكار مي شود كه محدوده سياه از 0 تا مقدار 80 و از مقادير 80 تا 255 به معني رنگ سفيد است.

برای دریافت کد شبیه سازی مرتبط با مطالب فوق روی لینک زیر کلیک کنید:

Novel Fuzzy logic Based Edge Detection Technique

 

آزمايش ها


سيستـم پيشنهـاد شـده در ايـن مقاله با تصاوير مختلف مورد آزمايش قرار گرفت، عملكرد و كارايي سيستم  با عملگر سوبل و سيستم مرجع فازي مقايسه شد.

مرتبه مناسب در ارتباط با هر قانون فازي، با به دست آوردن نتايج خوب هنگامي كه لبه هاي تصوير نشان داده شده در شكل6 استخراج شدند حاصل شد و اين تصاوير به عنوان مدل مقايسه اي براي عملگر سوبل كلاسيك و روش سيستم مرجع فازي مورد استفاده قرار گرفت.

تصوير اصلي در شكل 6- الف نشان داده شده است.

آشكارساز لبه‌بر پايه عملگر سوبل با استفاده از جعبه ابزار پردازش تصوير MATLAB در شكل6- ب بيان شده است.

پيكسل هاي سفيد در تصوير بيانگر لبه هستند.

همچنين در سمت چپ تصوير لبه، مقداري نويز قابل مشاهده وجود دارد و برخي لبه‌ها نيز خراب شده اند.

با به كار بردن سيستم مرجع فازي جديد به منظور آشكارسازي لبه هاي تصوير، مشخص شد ورژن اصلاح شده از نگاشت لبه داراي نويز و خرابي كمتري به صورت نشان داده شده در شكل6-ج است.

براي تقسيم بندي كار، با توجه اينكه تنها هدف حفظ لبه به جاي جزئيات در همسايگي است لبه نازك بهتر است.

مقادير نگاشت لبه در فواصل بين 0 تا 1 به منظور نمايش مجدد مقادير عضويت لبه ها نرماليزه شدند.
تصـويـر گـرفتـه شـده اصلـي در شكـل6-الـف نشان داده شده است.

همانطور كه در شكل6-ب مشاهده مي كنيد عملگر سوبل با آستانه تخمين زده شده خودكار  از تصوير باينري اجازه آشكار شدن لبه در نواحي با كنتراست پايين را نمي دهد و بـاعـث ايـجـاد لـبـه هـاي دوبل در سمت چپ تصوير شده است.

سـيـسـتـم مـرجـع فـازي، بـه نـوبـه خـود اجـازه آشكارسازي لبه در نواحي با كنتراست پايين به صورت نشان داده شده در شكل 6-ج را مي دهد.

اين مزيت به دليل رفتار متفاوت قوانين فازي در نواحي با سطوح كنتراست مختلف است.

در شكل 7- الف يك تصوير تركيبي از اجسام انـدازه گيـري در تصـويـر سياه رنگ به صورت مـنـفـصــل نشـان داده شـده اسـت.

وقتـي عملگـر سـوبـل بـه اين تصوير اعمال مي شود، لبه هاي گـسـسـتــه اي در سـمــت چـپ ظـاهـر مـي شـود.

انتخـاب قـوانين فازي خاص باعث اجتناب از نتايج دوبل شدن لبه ها و به دست آوردن يك تصوير با لبه هاي منفرد شده و هنگامي كه سيستم مرجع فازي به تصوير اعمال مي شود تصويري به صورت شكل7-ج ظاهر مي شود كه تاثيري پايدار در خطوط هموار و مستقيم دارد.
به منظور نشان دادن كارايي عملكرد آشكار ساز لبه از تصوير دندانه دندانه با سطوح خاكستري مختلف به صورت نشان داده شده در شكل 8 استفاده شده است.

تصوير حاصل از روش فازي بيان شده بسيار هموارتر و نسبت به عملگر سوبل معمولي داراي نويز كمتري در نواحي صاف بوده و داراي لبه هاي تيزتر است.

نتيجه گيري

به دليل وجود عدم قطعيت در بسياري جنبه هاي پردازش تصوير، پردازش فازي بسيار مطلوب است.

اين عدم قطعيت ها شامل:
‌نويزهاي جمع شونده و غير جمع شونده در سطح پايين پردازش تصوير، عدم دقت در فرضيات اصولي الگوريتم و ابهامات تفسيري در طول پردازش تصوير سطوح بالا.

به منظور پردازش مشترك آشكار ساز لبه،  به طور معمول  لبه ها به صورت مرزها و برآمدگي هاي شدت مدل مي شوند.

با اين حال، در عمل اين فرض تنها به طور تقريبي منجر به برخي تعاريف از اين الگوريتم ها مي شود.

پردازش تصوير فازي ابزاري براي فرمول بندي كردن لبه و تركيبي از اطلاعات غير دقيق از منابع مختلف است.

قوانين فازي طراحي شده يك راه حل جذاب به منظور بهبود كيفيت لبه ها تا حد امكـان هستنـد.

يكـي از اشكـالات گـذشته اين الگوريتم‌ اين بودكه نياز به محاسبات گسترده و بسيار زيادي داشت.

با توجه به نتايج بيان شده مي توان نتيجه گيري كرد كه:
1-سيستم مرجع فازي بيان شده، علاوه بر اجتناب از دوبل شدن لبه هاي تصوير، قابليت اطمينان بيشتري به منظور تغييرات روشنايي و كنتراست ارائه مي دهد.

2-همچنين سيستم تاثير پايدار براي خط هاي هموار و مستقيم و حالتي مدور شكل خوبي براي خط هاي منحني دارد وگوشه هاي تصوير تيزتر و مي توانند به راحتي تعريف شوند

برای دریافت کد شبیه سازی مرتبط با مطالب فوق روی لینک زیر کلیک کنید:

Novel Fuzzy logic Based Edge Detection Technique

شاید به مطالب زیر نیز علاقه مند باشید:

دانلود نرم افزار متلب MATHWORKS MATLAB R2019a

رفع مشکل فونت فارسی در متلب

$
0
0

رفع مشکل فونت فارسی در متلب

رفع مشکل فونت فارسی در متلب دغدغه خیلی از کاربران فارسی و عربی زبان است.

ما در این پست به رفع مشکل فونت فارسی در متلب می پردازیم.

رفع مشکل فونت فارسی در متلب

خواندن متن فارسی در متلب

اگر هنگام خواندن متن فارسی در متلب با شکل و شمایلی مانند “S˜ÇÑÔäÇÓ” مواجه می شوید.

معمولا این مشکل در نوشتن با فونت فارسی برای نمودارها یا در ام فایل متلب صورت می گیرید.

با یکسری تنظیمات ساده این مشکل حل می شود.

مراحل حل مشکل فونت فارسی در متلب

  1. به کنترل پنل (Control Panel) ویندوز بروید.
  2. گزینه Clock,language, and Region را انتخاب کنید.
  3. روی Change date, time, or number formats کلیک کنید.

با پنجره ای به شکل زیر مواجه می شوید:

در تب “Formats” و منوی کشویی Format باید گزینه Persian را انتخاب نمایید.

سپس به تب “Administrative” بروید و روی Change system locale… کلیک کنید.

در اینجا هم Persian را انتخاب نمایید.

با apply کردن و زدن دکمه OK پیغامی ظاهر می شود و به شما درخواست ریستارت کردن می دهد.

باید ریستارت کنید.

تبریک می گوییم مشکل فونت فارسی در متلب را حل کرده اید.

توجه کنید تا وقتی که سیستم ریستارت نشود, تنظیمات شما اعمال نخواهد شد.

شاید به مطالب زیر نیز علاقه مند باشید.

تولباکس مت پاور | MATPOWER toolbox

$
0
0

تولباکس مت پاور | MATPOWER toolbox

فهرست:

  1. معرفی MATPOWER
  2. آموزش استفاده از مت پاور
  3. دانلود تولباکس MATPOWER
  4. نمونه پروژه با تولباکس مت پاور
  5. معرفی سایت مت پاور

معرفی MATPOWER

MATPOWER یک بسته از M-فایل های متلب هست که برای حل شبیه سازی سیستم های حالت پایدار و مشکلات بهینه سازی مانند جریان قدرت PF، CPF،  OPF, UC ، OPF / UC کاربرد دارد.

تولباکس مت پاور به صورت رایگان در دسترس همگان قرار دارد. در پایین همین پست می توان تولباکس مت پاور را دانلود کرد.

این یک تولباکس شبیه سازی برای محققان و مربیان است که استفاده از آن نیز آسان است.

MATPOWER طراحی شده است تا بهترین عملکرد را در اختیار شما قرار دهد.

تولباکس مت پاور در سیستم های مهندسی برق قدرت کاربرد فراوان دارد.

تولباکس مت پاور | MATPOWER toolbox

آموزش استفاده از مت پاور

تولباکس MATPOWER دارای داکیومنت روان و ساده نیز هست که به زبان لاتین می باشد.

این داکیومنت و آموزش استفاده از مت پاور را می توانید با کلیک بر روی دکمه زیر دانلود نمایید.

دانلود تولباکس MATPOWER

جهت دانلود مت پاور نسخه 7.0b1 روی دکمه زیر کلیک کنید.

معرفی سایت مت پاور

تولباکس مت پاور توسط Ray D. Zimmerman, Carlos E. Murillo-Sánchez & others تهیه شده است و به صورت رایگان در دسترس عموم قرار گرفته است.

نسخه های متفاوت تولباکس مت پاور را از سایت سازنده دانلود نمایید.

سایت سازنده: http://www.pserc.cornell.edu/matpower/

سلول های خورشیدی و بررسی سیستم های فتوولتائیک (PV) بهمراه مدلسازی در متلب

$
0
0

سلول های خورشیدی و بررسی سیستم های فتوولتائیک(PV)

در این پست قرار هست سیستم های فتوولتائیک (PV) توضیح داده شوند و سپس در متلب مدلسازی شوند.

مقدمه

روز به روز با توسعه جوامع و کشور ها نیاز به انرژی رشد یافته است و بودجه های کلانی صرف تهیه دستگاه های مولد انرژی می شود .

با این وجود انرژی های سازگار با محیط زیست از دیگر انواع انرژی ها محبوب تر بوده و دانشمندان تلاش می کنند با تولید مبدل های ارزان قیمت از این نوع، استفاده از نوع انرژی را رواج دهند.

اولین سلول خورشیدی کاربردی در سال 1951در آزمایشگاه بِل توسط سه نفر به نامهایDaryl Chapin ، Souther Fuller Calvin ، Gerald Pearson ساخته شد.

بازده این مبدل در حدود شش درصد بود و درمقایسه با مبدل های قبلی اش که درصد تبدیل حدود یک درصد و حتی کمتر داشتند، پیش رفت چشم گیری به حساب می آمد.

اگرچه بازده مبدل های خورشیدی بهبود یافته بود، ولی قیمت تمام شده تولید انبوه این مبدل ها هم چنان به عنوان چالشی در برابر دانشمندان و مهندسان قرار داشت.

برای مثال :قیمت تولید یک وات انرژی برای اولین مبدل کاربردی ساخته شده در آزمایشگاه بِل دویست وپنجاه دلار بود و این در مقایسه با قیمت دو یا سه دلاری زغال سنگ بسیار زیاد بود.

امروز با توسعه روش های تولید ارزان قیمت مبدل های خورشیدی توسط دانشمندان مختلف در سرتاسر جهان این نوع انرژی جای خود را در زندگی مردم باز کرده است و می توان به جرآت گفت تا الان به خوبی توانسته به نیاز های مردم پاسخ مناسبی دهد.

قیمت تمام شده متوسط برای تولید یک وات انرژی الکتریکی توسط این مبدل ها به یک یا دو دلار رسیده است که موجب جذب سرمایه گذاران دولتی و غیر دولتی مختلف شده است و در نتیجه این بخش با پیشرفت چشم گیری در حال توسعه است.

مبدل های خورشیدی عمدتا از چهار بخش اصلی :پنل خورشیدی، کنترل شارژر، باتری انبارنده و اینورتر)مبدل( تشکیل می شوند.

نحوه اتصال این سه بخش به صورت های مختلف وجود دارد ولی فرم معمول آن در شکل زیر آورده شده است.

سیستم تولید انرژی خورشیدی

شکل 2-8- فرم معمول سیستم تولید انرژی خورشیدی

انرژی تابیده شده به پنل های خورشیدی توسط سلول های حساس به نور به ولتاژ الکتریکی تبدیل می شود و سپس این انرژی در یک انبارنده انرژی ذخیره می شود تا تغییراتی که در نور تابیده شده به پنل خورشیدی بوجود می آید به بار متصل به سیستم منتقل نگردد.

در نهایت برای استفاده از سیستم خورشیدی لازم است تا برای بارهای الکتریکی مورد استفاده شرایط نامی آنها را ایجاد کرد، و بر همین اساس برای بارهای AC یک اینورتر DC-AC وبرای بارهای DC یک اینورتر DC-DC لازم خواهد بود.

در برخی از سیستم ها برای حفاظت باتری ها و همچنین پنل های خورشیدی از یک شارژکنترل نیز استفاده می شود که وظیفه آن جلوگیری از شارژ اضافی باتری توسط پنل و همچنین جلوگیری از تخلیه باتری ها در مواقعی که تولید برق توسط پنل ها وجود ندارد، خواهد بود.

برای تعیین مشخصات یک سیستم خورشیدی ابتدا باید مشخصات بار هایی که قرار است به سیستم متصل گردند تهیه شود و بر حسب توان مصرفی و آمپراژ بارهای مورد استفاده و دیگر پارامترهای لازم، نسبت به ساخت مبدل خورشیدی اقدام نمود.

 

انواع سلولهای خورشیدی

سلول های خورشیدی به انواع مختلفی تقسیم بندی می شوند که هر کدام به طریقه ی ساخت خودشان مربوط می شوند، سلول های از نوع amorphous silicon ,polycrystalline ,monocrystalline را می توان در بازار ایران به قیمت های مناسبی تهیه نمود.

سلول های پولی کریستال در ساختار کریستالی خود وضعیت نا همگونی دارند و این به دلیل تبلورسریع مواد سیلیکونی در هنگام خارج نمودن این سلول ها از کوره های مخصوص دیفیوژن می باشد.

شاید به مطالب زیر نیز علاقه مند باشید:

 

بر خلاف این سلول- ها، سلول های مونو کریستال دارای ساختار یکنواختی می باشند و در هنگام خنک نمودن آنها از ترفندهای مخصوصی استفاده می شود که به همین دلیل باعث گران تر شدن آنها نسبت به پولی کریستال ها می شود.

سلول های نوع amorphous دارای ساختار کربنی می باشند و بارز ترین ویژگی آنها تولید الکتریسیته در وضعیت های آب و هوایی نامناسب بارانی و ابری هست که به همین علت، از این سلول ها در مناطقی که آب وهوای غیر آفتابی دارد بیشتر استفاده می شود.

اگر بخواهیم این سه نوع سلول را از نظر بازده مقایسه کنیم، سلول مونو دارای بیشترین بازده در حدود 91 درصد و سلول های پولی دارای بازده حدود 92 درصد و سلول های amorphous حدود ده درصد، خواهند بود .

ولی باید در نظر داشته باشیم که سلول های پولی و مونو در صورتی که مانعی باعث عدم تابش نور به سطح آنها شود، منجر به کاهش شدید ولتاژ خروجی و در نتیجه توان خروجی خواهد شد.

پس در استفاده از این نوع باید همواره سطح آنها رو به سمت خورشید بوده و عاری از وجود گرد و غبار باشد.

در شکل زیر چند نمونه از این سلول ها نمایش داده شده است.

سلولهای الف) پولیکریستال، ب) مونوکریستال ج) پنل حاوی سلول های Amorphous

شکل 2-9- سلولهای الف) پولیکریستال، ب) مونوکریستال ج) پنل حاوی سلول های Amorphous

 

ساختار فیزیکی سلول های خورشیدی

با اتصال یک نیمه هادی نوع p به یک نیمه هادی نوعn ، الکترون ها از ناحیه n به ناحیه p و حفره ها از ناحیه p به ناحیه n منتقل می شوند.

با انتقال هر الکترون به ناحیهp ، یک یون مثبت در ناحیه n و با انتقال هر حفره به ناحیهn ، یک یون منفی در ناحیه p باقی می ماند.

یون های مثبت و منفی میدان الکتریکی داخلی ایجاد می کنند که جهت آن از ناحیه n به ناحیه p است.

این میدان با انتقال بیشتر باربرها )الکترون ها و حفره ها(، قوی تر و قویتر شده تا جایی که انتقال خالص باربرها به صفر می رسد. در این شرایط ترازهای فرمی دو ناحیه با یکدیگر هم سطح شده اند و یک میدان الکتریکی داخلی نیز شکل گرفته است .

اگر در چنین شرایطی، نور خورشید به پیوند بتابد، فوتون هایی که انرژی آنها از انرژی شکاف نیمه هادی بیشتر است، زوج الکترون حفره تولید کرده و زوج هایی که در ناحیه تهی یا حوالی آن تولید شده اند، شانس زیادی دارند که قبل از ترکیب، توسط میدان داخلی پیوند از هم جدا شوند .

میدان الکتریکی، الکترون ها را به ناحیه n و حفره ها را به ناحیه p سوق می دهد. به این ترتیب تراکم بار منفی در ناحیه n و تراکم بار مثبت در ناحیه p زیاد می شود.

این تراکم بار، به شکل ولتاژی در دو سر پیوند قابل اندازه گیری است.

اگر دو سر پیوند با یک سیم، به یکدیگر اتصال کوتاه شود، الکترون های اضافی ناحیهn ، از طریق سیم به ناحیه p رفته و جریان اتصال کوتاهی را شکل می دهند.

اگر به جای سیم از یک مصرف کننده استفاده شود، عبور جریان از مصرف کننده، به آن انرژی می دهد.

به این ترتیب انرژی فوتون های نور خورشید به انرژی الکتریکی تبدیل می شود .

هر چه میدان الکتریکی درون پیوند قوی تر باشد، ولتاژ مدار باز بزرگتری بدست می آید.

برای دست یافتن به یک میدان الکتریکی بزرگ، باید اختلاف ترازهای فرمی دو ماده p و n از یکدیگر زیاد باشد .

برای این منظور باید انرژی شکاف نیمه هادی بزرگ انتخاب شود.

بنابراین ولتاژ مدار باز یک سلول خورشیدی با انرژی شکاف آن افزایش می یابد.

اما افزایش انرژی شکاف سبب می شود، فوتون های کمتری توانایی تولید زوج الکترون حفره داشته باشند و بنابراین جریان اتصال کوتاه کمتری نیز تولید شود.

بنابراین افزایش انرژی شکاف، روی ولتاژ مدار باز و جریان اتصال کوتاه سلول دو اثر متفاوت دارد.

ساختار اساسی سلول PV

شکل 2-10- ساختار اساسی سلول PV

برای استفاده از سلول ها در مدارهای الکتریکی نیاز هست تا مشخصه ی الکتریکی ولتاژ-جریان یک سلول خورشیدی را داشته باشیم.

این مشخصه را می توان از طریق مدار زیر بدست آورد، کافی است چند نقطه از منحنی مشخصه را بدست آورده و آن را در نرم افزار های ریاضی ترسیم نمود.

یک نمونه مدل سلول خورشیدی

شکل 2-11- یک نمونه مدل سلول خورشیدی

مشخصه ی الکتریکی ولتاژ جریان یک سلول خورشیدی

شکل 2-12- مشخصه ی الکتریکی ولتاژ جریان یک سلول خورشیدی

در نهایت می توان برای یک سلول خورشیدی یک مدل الکتریکی از اِلمان اصلی مانند خازن، مقاومت و منابع مستقل بدست آورد و به جای سلول در مدارهای الکتریکی پیچیده قرار داده ومدار را توسط شبیه ساز های الکتریکی تحلیل کرد.

شکل 2-13- مدل الکترونیکی سلول خورشیدی

اثر تابش نور خورشید: بسته به مقدار تابش نور خورشید به سطح سلولهای خورشیدی، ویژگی های آن متفاوت می باشد.

تولید جریان متناسب با تابش نور است.

و افزایش تابش موجب افزایش تولید جریان می شود.

پس بنابراین مقدار تولید جریان وابستگی شدیدی به مقدار تابش نور خورشید دارد.

البته باید تغییرات ولتاژ را هم مد نظر داشت که تغییرات آن مقدار جزئی دارد و معمولا نادیده گرفته می شود.

شکل زیر مشخصه ولتاژ-جریان و وابستگی آن به تابش نور خورشید برای یک سلول خورشیدی را نشان می دهد.

تاثیر تغییرات روشنایی بر روی نمودار ولتاژ-جریان در سلول خورشیدی

شکل2-14- تاثیر تغییرات روشنایی بر روی نمودار ولتاژ-جریان در سلول خورشیدی

ولتاژی که یک سلول در برابر شدت نور نامی تولید می کند در حدود نیم ولت و جریان اتصال کوتاه آن می تواند از محدوده میلی آمپر تا چندین آمپر تغییر کند.

حداکثر توان تولیدی یک سلول برابر حاصل ضرب ولتاژ مدار باز در جریان اتصال کوتاه می باشد که با این حساب توان تولیدی نامی سلول مشخص می شود.

بنابراین توان تولیدی یک سلول نوعی از محدوده ی چند میلی وات تا چند وات تغییر خواهد کرد.

یکی از عواملی که در توان تولیدی سلول تاثیر گذار هست، اندازه سطح سلول می باشد و هر چه مساحت سلول بیشتر باشد، توان تولیدی نیز بیشتر خواهد بود.

توان تولیدی علاوه بر سطح به شدت نور نیز بستگی دارد و با افزایش شدت نور، توان تولیدی افزایش می یابد.

دمای سلول باعث کاهش ولتاژ پیوند دیودی سلول شده و باعث کاهش توان تولیدی میگردد ولی تاثیر آن، شدید نبوده و گاهی قابل اعماض نیز هست.

 

2-10 پنل خورشیدی

برای بدست آوردن ولتاژ مناسب برای مصارف روزانه معمولا از چندین سلول خورشیدی به جای یک سلول استفاده می کنند و بدین ترتیب توان تولیدی نیز، بیشتر می شود.

ایده این کار از سری کردن چندین سلول خورشیدی تشکیل می شود و بعد از سری شدن سلول ها با هم ولتاژ خروجی از رابطه زیر بدست می آید.

ولتاژ خروجی = تعداد سلول های سری شده * 0.5 ولت برای مثال یک پنل خورشیدی که برای چراغ های پیاده رو ها استفاده می شود از 24 عدد سلول تشکیل شده است و بنابراین ولتاژ خروجی 12 ولت خواهد بود که می تواند یک باتری 12 ولتی را شارژ نماید.

در هنگام تعیین پنل خورشیدی برای یک سیستم باید به میزان توان تولیدی آن دقت کرد و همچنین بسته به نوع سلول های سازنده بهره وری پنل نیز متغیر خواهد بود.

پنل های موجود در بازار ایران اکثرا از نوع پولی کریستالین بوده و به قیمت های مناسبی قابل تهیه می باشد.

 

2-11 نحوه ساخت پنل خورشیدی 211 واتی

پنل های خورشیدی عموما از چندین جزء تشکیل می گردند که عبارتند از: شیشه مخصوص پنل، جعبه اتصال، آرایه سلول های سری شده، محافظ پلاستیکی مخصوص، دیود های محافظ، ریبون های مخصوص برای اتصال سلول های خورشیدی، فریم محافظ پنل، کابل های مخصوص خروجی برای ساخت یک پنل خورشیدی 211 واتی نیاز به تهیه 42 سلول خورشیدی 5 واتی داریم.

با این حساب هر سلول می تواند تا ده آمپر جریان تولید نماید.

در هنگام تهیه سلول ها به کیفیت سلول ها و مقاومت آنها توجه نمایید و در زمان حمل آنها از هرگونه ضربه و تکان خودداری نمایید زیرا که به شدت شکننده می باشند و سلول های آسیب دیده توان کمتری نسبت به سلول های سالم تولید می کنند.

اگر در ساخت پنل تجربه ای ندارید از پنل های کوچکتری در رنج 10 وات و پایین تر شروع کنید.

برای شروع ساخت پنل ابتدا سلول ها را به وسیله ی ریبون مخصوص خودش به هم دیگر متصل نمایید و آرایه ی کاملی از سلول ها را بسازید.

این کار نیاز به حوصله و دقت فراوانی دارد زیرا که در صورت تکان شدید، سلول ها آسیب خواهند دید.

سپس با انتقال آرایه سلول ها به فریم و قرار گرفتن شیشه مخصوص پنل در جلو و محافظ پلاستیکی در پشت آرایه سلول ها، بدنه پنل تکمیل می گردد و در نهایت باید با نصب جعبه اتصال و دیود های محافظ پنل تکمیل می گردد.

دیود های محافظ برای جلوگیری از دشارژ باتری روی پنل مورد استفاده قرار می گیرند، به این خاطر که در هنگام شب پنل توانی تولید نمی کند و مثل یک بار مقاومتی معمولی رفتار می کند و در صورت نبود دیود ها باعث خالی شدن باتری می گردد.

نکته ای درباره شیشه مخصوص پنل وجود دارد این است که این شیشه نور خورشید با فرکانس معینی را که انرژی ای در اندازه مقدار مورد نیاز بین لایه والانس و لایه الکترون های پر شده دارد را عبور داده و فرکانس های دیگر را بلوکه می کند تا مانع داغ شدن پنل و افت توان گردد.

 

2-12 روشهای تولید انرژی خورشیدی

امروزه شش شيوه توليد برق از نور خورشيد شناخته شده است که عبارتند از:

  • آیینه خورشیدی
  • سهمی گون دریافت کننده مرکزی
  • آیینه های بشقابی- استرینگ
  • دودکش خورشیدی
  • استخر خورشیدی
  • سلولهای نوری(فتوولتائیک)

توليد برق خورشيدی امروزه در حال پيشرفت های نوید بخشی است.

فناوریهای مربوط به آن به سرعت در حال توسعه بوده و در نتیجه قیمت برق با این روشها در حال کاهش می باشد.

از طرفی توجه روز افزون به مضرات انرژی فسیلی و اینکه این نوع انرژی روزی پایان خواهد یافت مزایای انرژی خورشیدی را بیش از بیش آشکار می سازد.

اگر هزینه های خارجی سوختهای فسيلی (که عبارتست از اثر آنها به محيط زیست) به قيمت این گونه انرژی ها اضافه شود، هزینه توليد برق از روشهاي حرارتي – خورشيدی کمتراز هزینه توليد برق در نيروگاه سوخت فسیلی خواهد بود.

نیروگاههای خورشیدی کم ترین اثر را بر محیط زیست دارند.

این نیروگاهها یا اصلا گاز مخرب تولید نمی کنند یا اینکه مقدار خیلی ناچیزی تولید می کنند. مهمترین اثر زیست محیطی این نوع نیروگاهها نیاز به زمینی با وسعت کمی بیش از 60 هزار متر مربع است.

امروزه فناوری های گوناگونی برای تولید برق خورشیدی در دسترس می باشد.

برای مثال نیروگاههای خورشیدی سهمی گون در کالیفرنیای آمریکا با ظرفیت 354 مگاوات در مدت کارکرد 10 ساله پنج هزار گیگاوات ساعت برق به شبکه داده اند.

که این معادل 80 درصد کل برق تولیدی در جهان را شامل می شود.

همچنین ظرفیت تولید سالانه برق توسط سلولهای نوری(فتوولتائیک) به 80 مگاوات رسیده است.

بزرگترین مانع احداث نیروگاههای خورشیدی هزینه ویژه سرمایه گذاری نسبتا بالای آن می باشد.

در اینجا ما فقط در مورد سلول های خورشیدی و سیستم های فتوولتائیک صحبت خواهیم کرد.

 

سیستم فتوولتائیک (Photovoltaic)

سیستمی که در آن انرژی خورشید بدون بهره گیری از مکانیزم های متحرک و شیمیایی، به انرژی الکتریکی تبدیل شود، اثر آن را فتوولتایی می نامند.

عاملی که در این فرایند به کار می رود سلول خورشیدی نام دارد.

سیستم فتوولتایی دارای ویژگیهای منحصر به فردی نسبت به سایر سیستمهای خورشیدی می باشد که در ادامه به آنها اشاره خواهیم نمود و توضیحات لازم در این زمینه داده خواهد شد.

به روشهای متعددی می توان از خورشید جهت دریافت انرژی برای مصارف مختلف استفاده کرد.

یکی از روشها دریافت برق ( الکتریسیته ) از نور خورشید می باشد.

به کلیه قطعات و تجهیزاتی که در جهت تولید و استفاده از برق تولید شده توسط نور خورشید بکار رفته را یک سیستم فتوولتایی می گویند.

به طور کلی هر جا که نور خورشید باشد می توان از انرژی خورشید ( فوتونها ) الکتریسیته تولید کرد اما نکته قابل توجهی که اینجا مطرح است این است که آیا در تمام مناطق کره زمین یا حتی ایران به طور یکسان می توان از نور خورشید انرژی الکتریسیته تولید کرد؟

جواب این پرسش منفی است.

در مناطق مختلف کره زمین تابش خورشید و طول مدت روز با منطقه دیگر فرق دارد.

زمانی ما می توانیم بیشترین انرژی الکتریسیته را ازسیستمهای فتوولتایی دریافت کنیم که نور خورشید به صورت عمود به پانلها بتابد تا بیشترین انرژی جذب گردد.

حال بدیهی است که اگرنور خورشیده صورت مایل به پانلهای فتوولتایی برخورد کند بازده این سیستمها پایین می آید.

از طرفی هم ساعات روز در یک منطقه در تولید انرژی الکتریسیته بسیار موثر است.

به عنوان مثال کشوری مانند سوئد و آلمان که طول مدت روز در آنجا کم است در نتیجه انرژی کمتری توسط سیستم فتوولتایی تولید می شود.

و برعکس کشوری مثل ایران به خصوص در مناطق جنوبی آن که طول مدت روز بیشتر است، پانلها برق بیشتری می توانند تولید کنند.

بهره برداری در این مناطق از سیستمهای فتوولتایی پر ثمرتر می باشد.

همچنین وضعیت جغرافیایی یک منطقه میتواند بر روی بازده و عملکرد این سیستم تاثیر بسزایی داشته باشد.

ابری شدن هوا باعث می شود که بازده سیستم فتوولتایی پایین آید یا به عبارتی می توان بدین گونه گفت که در هوای ابری نور کمتری به سیستم فتوولتایی برخورد می کند و در نتیجه برق کمتری تولید می شود.

با این تفاسیر به این نتیجه می رسیم که در تمام مناطق می توان از این سیستم استفاده نمود ولی دریافت انرژی الکتریسیته در دو نقطه از کره زمین مانند ایران و سوئد توسط دو سیستم مشابه بکار رفته باهم فرق دارد.

ولی بیشتر وسایل برقی مانند تلویزیون، یخچال، فریزر، کامپیوتر، با برق شهر کار می کنند.

برق شهر از نوع برق دی- سی نمی باشد.

نوع دیگر برق نوع برق متناوب یا ای-سی می باشد که امروزه برق ای-سی یا متناوب کاربرد بیشتری در زندگی بشر دارد به خاطر ویژگیهای منحصر به فرد خود.

خیلی از دستگاههای الکتریکی فقط میتوانند با برق ای-سی کارکنند.

ولی اکنون برخی از وسایل برقی به گونه ای طراحی و ساخته می شوند که بتوان در حالت معمول از برق شهر استفاده کرد ( برق متناوب ) و در شرایطی که برق شهر در دسترس نبود ( درهنگام مسافرت یا موارد دیگر ) بتوان با باتری ( برق دی-سی) این وسایل را بکار انداخت.

به عنوان نمونه می توان به کامپیوترهای قابل حمل ( لپ تاپ )، رادیوهای کوچک، دوربینهای فیلمبرداری، وسایل جانبی اتومبیل مثل جاروبرقی اتومبیل و… نام برد که هم قابلیت استفاده با برق شهری را دارد و هم می توان باتری این وسایل را شارژ نمود و با برق باتری که همان نوع برق دی-سی است نیز کار کنند.

همانطور که گفته شد برق تولیدی سیستمهای فتوولتایی از نوع برق دی- سی می باشد ولی می توان به وسیله دستگاهی برق دی- سی را به برق شهر یا برق ای- سی تبدیل نمود تا اینگونه وسایل هم بتوانند از برق تولیدی سیستم های فتوولتایی استفاده کنند.

بطور کلی یک سیستم فتوولتایی از 4 عضو اصلی تشکیل یافته است:

  1. پانل خورشیدی
  2. بانک باتری
  3. تبدیل کننده برق دی-سی به ای-سی ( اینورتر)
  4. شارژ کنترل

 

1- پانل خورشیدی:

قسمتی از سیستم فتوولتایی می باشد که انرژی خورشید را به الکتریسیته تبدیل می کند.

پانل(Module) از تعدادی قطعات کوچکتری به نام سلول خورشیدی تشکیل شده است که به مجموعه بهم متصل شده آنها یک پانل خورشیدی می گویند.

به پانل خورشیدی گاه ماژول خورشیدی یا پانل فتوولتایی نیز می گویند.

بهترین شرایط برای دریافت بیشترین انرژی الکتریکی از یک سلول یا پانل فتوولتایی این است که هوا آفتابی باشد و پرتوهای خورشید به صورت عمودی به سطح سلولها بتابد.

کشورهای جهان یا در نیمکره شمالی خط استوا قرار دارند ویا در نیمکره جنوبی یا بر روی خط استوا.

برای کشورهایی که در نیمکره شمالی قرار دارند مانند ایران بایستی پانلها رو به جنوب با زاویه بین 30 تا 40 درجه تنظیم و نصب گردند.

زیرا در طول روز خورشید در جنوب ایران قرار دارد.

در ظهر هم بیشترین انرژی دریافتی از پانلها را خواهیم داشت زیرا تابش خورشید عمود بر سطح پانلها خواهد بود.

البته با توجه به اینکه زمین به دور خورشید می چرخد وموقعیت زمین نسبت به خورشید هر لحظه در حال تغییر می باشد از این رو پنل های خورشیدی باید طوری به سمت خورشید تنظیم شوند که با تغییر زاویه تابش خورشید به زمین پنل ها هم به همان اندازه تغییر کنند.

از این رو در اینجا از تکنیک ردیابی حداکثر نقطه قدرت MPPT (Maximum Power Point Tracking) استفاده می شود.

شکل زیر نشان دهنده مشخصه ولتاژ-جریان یک باتری خورشیدی در یک سطح تابش نور خورشید و در تاریکی می باشد.

ناحیه که با رنگ زرد مشخص گردیده است مقدار حداکثر قدرت خروجی باتری خورشیدی را نشان می دهد.

حداکثر توان با فلش نشان داده شده است.

مشخصه ولتاژ-جریان یک باتری خورشیدی در یک سطح تابش نور خورشید و در تاریکی

شکل 2-16- مشخصه ولتاژ-جریان یک باتری خورشیدی در یک سطح تابش نور خورشید و در تاریکی

هدف از به کاربردن تکنیک MPPT رسیدن به این نقطه و داشتن بیشترین بازدهی از باتریهای خورشیدی با توجه به زاویه تابش نور خورشید به آنها و دنبال کردن تغییر زاویه خورشید نسبت به آنها برای بدست آوردن حداکثر بازدهی از سلول های خورشیدی می باشد.

بدین صورت که پانلها در طول روز همیشه رو به خورشید خواهند بود و با تغییر موقعیت خورشید در آسمان پانلها هم تغییر موقعیت دهند به گونه ای که همیشه رو به تابش نور خورشید قرار گیرند.

یا به عبارتی تابش نور خورشید همیشه عمود بر سطح پانلها می باشد.

در این حالت تاثیر بسیار زیادی در بازدهی پانلها دارد.

و بازدهی آنها را از 5% در حالت معمولی به 25% افزایش می دهد.

بدلیل تغییر میزان الکترونهای تولید شده در سلول با تغییر شدت نور تابیده شده بر آن، مشخصه الکتریکی سلول نیز تغییرمی نماید.

در شکل صفحه بعد، منحنی مشخصه های خروجی یک سلول خورشیدی دیده می شود.

چنانچه دیده می شود، جریان تولید شده توسط سلول خورشیدی تغییرات زیادی با تغییر شدت تابش نوردارد و توان الکتریکی تولید شده توسط آن نیز تغییرات زیادی خواهد داشت.

یک سلول خورشیدی از جنس سیلیکن می تواند جریانی حدود 30 میلی آمپر برسانتیمتر مربع تولید نماید.

جریان الکتریکی تولید شده در سلول خورشیدی واقع در یک آرایه، به زاویه تابش نور خورشید برسطح سلول نیز بستگی دارد.

در شکل تغییر جریان خروجی یک سلول خورشیدی به هنگام تغییر در زاویۀ تابش نورخورشید بر آن مشاهده می شود.

جریان الکتریکی تولید شده در سلول خورشیدی

شکل 2-17- جریان الکتریکی تولید شده در سلول خورشیدی

 

2- اینورتر

اینورتر(Inverter)یا مبدل برق دستگاه الکترونیکی است که جریان مستقیم(DC)را به جریان متناوب(AC)تبدیل می کند.

جریان ACتبدیل شده می توانند بر اساس نیاز در هر ولتاژ و فرکانسی باشد که بوسیله ترانسفورماتورهای مناسب و مدارها کنترل می شود.

اینورترها قطعات متحرک ندارند و در طیف گسترده ای از ابزارهای کاربردی استفاده می شوند، از منبع تغذیه کامپیوتر گرفته تا ابزار بزرگ حمل و نقل.

اینورترها معمولا برای تامین جریان AC از منابع DCمانند پانل های خورشیدی یا باتری مورد استفاده قرار می گیرند. اینورتر نوسان ساز الکترونیکی قدرت بالا است.

دلیل این نام گذاری آن است که این دستگاه عمل عکس مبدل برق AC بهDC متداول را انجام می دهد.

درواقع اینورتر یا درایو ACبه دستگاهی گفته می شود كه به كمك آن می توان سرعت یك موتور ACسه فاز را كنترل كرد بدون آنكه قدرت و گشتاور موتور كاهش یابد.

اینورترها در ظرفیتهای مختلف ساخته می شوند مثلاً برای یك موتور با توان 20 اسب بخار باید از اینورتر 20HP استفاده كرد.

از نظر ورودی اینورترها به دو دسته تك فاز و سه فاز تقسیم می گردند.

البته خروجی همه آنها سه فاز است.

برای اینورترهای با توان بالافقط از ورودی سه فاز استفاده می گردد.

برخی از اینورتر های با توان پایین دارای هشداری مبنی بر عدم استفاده از آنها برای روشن کردن لامپهای فلورسنت معمولی هستند.

دلیل این هشدار این است که خازن تصحیح توان به صورت موازی با لامپ وصل شده است.

با برداشتن خازن مشکل رفع خواهد شد.

اگر در اینورتر ولتاژ ورودی ثابت بماند به این نوع اینورتر، اینورتر منبع ولتاژ (voltage source inverter=VSI)گفته می شود و اگر چناچه جریان ورودی ثابت نگاه داشته شود به آن اینروتر جریان(current source inverte=CSI) گفته می شود.

اینورترمنبع جریان(CSI)یا به عبارت دیگر اینورتر جریان ثابت اینورتری است که در آن جریان منبع dcتقریبا ثابت و مستقل از شرایط اینورتر می باشد.

اینورترمنبع جریان(CSI) مزدوج اینورتر منبع ولتاژ (VSI)است.

 

مزایای CSI:

1. به دلیل اینکه جریان dc ورودی کنترل شده و محدود است، آتش شدن ناخواسته تریستورها و یا اتصال کوتاه شدن مدار مسائل جدی را به دنبال نخواهد داشت.

2. به مدارهای کموتاسیون ساده تری نیاز دارد.

3. قادر هستند بارهای راکتیورا تغذیه نمایند بدون اینکه نیاز به دیودهای کموتاسیون (هرزگرد )داشته باشند.

همچنین از نظرشکل موج خروجیشان به چهار نوع زیر تقسیم می‌شوند:
خروجی به شکل موج مربعی

خروجی به شکل سینوسی اصلاح شده (معمولی)

خروجی به شکل سینوسی اصلاح شده (پله ای)

خروجی به شکل سینوسی خالص

 

3- شارژر کنترل

امروزه سیستم های فتوولتائیک علی الخصوص سیستم های فتوولتائیک جدا از شبکه در مناطق با آفتاب زیاد بسیار به چشم می خورد.

همانطور که میدانید در همه سیستم‌های فتوولتائیک جدا از شبکه که باتری ذخیره‌ کننده انرژی است، شارژ کنترلر یک جزء ضروری محسوب می شود.

هدف اصلی شارژ کنترلر، حفاظت از باتری‌ در مقابل شارژ و یا درشارژ بیش از حد توسط آرایه خورشیدی است.

شارژر کنترلر جریان و ولتاژ ورودی به باتری را تنظیم می‌کند.

بعضی از انواع شارژکنترلرها که دارای خصوصیت ردیابی ولتاژ پایین هستند، باتری را در مقابل دشارژ زیاد توسط بار محافظت می‌کنند.

سلول خورشیدی یک مبدل مستقیم انرژی نورانی به الکتریکی است که بسته به ابعاد و ضریب تبدیل در توان های مختلفی عرضه می شود.

از موارد استفاده این سلول در سیستم های روشنایی مستقل می توان نام برد که در هنگام روشنایی روز انرژی را در باتری ذخیره کرده و شب هنگام انرژی ذخیره شده را تحویل مصرف کننده یا همان لامپ می دهد.

کنترل صحیح میزان شارژ و دشارژ باتری مانع از تخریب و انهدام آن می شود لذا همواره لازم است که سلول ها خورشیدی از طریق یک مدار کنترل شارژ به باتری و بار وصل شوند.

2-13-1 مزایاي نظریه نيروگاههاي سلول نوری:

  • قطعات متحرك ندارند.
  • عمر مفيد طولاني دارند.
  • به تعمير و نگهداري اندکي نياز دارند.
  • امكان توليد متمرکز یا مجزا با این سيستمها وجود دارد.
  • تجارب طولاني در فن آوري سلول نوری و قطعات که به شكل تجاری توليد شده اند، در دسترس است.

2-13-2 معایب نظریه نيروگاههاي سلول نوری:

  • بازده نسبتأ کمي دارند.
  • با وجود ظرفیت تولید سالانه 80 مگاوات، تجهیزات سلول های خورشیدی، هزینه های سرمایه گذاری سیستم فتوولتائیک همچنان بسیار زیاد است.
  • ساعت کارکرد با تمام ظرفيت در طول سال محدود است.
  • پيوند با سيستم پشتيبان سوخت فسيلي ناممكن است. سلولهای نوری نياز به سيستم مجزای پشتيبانی یا برق شبكه برای جبران نوسازی انرژی خورشيدی دارند.
  • ذخيره سازی با باتریهای الكتروشيميایی براي این شيوه توليد بسيار گران قيمت است.

مدلسازی دینامیکی سلول خورشیدی و توربین بادی

4-1- سلول فتوولتاییک سیستمی غیرخطی میباشد که بصورت یک منبع جریان موازی با دیود مدل میشود.

مدل عملی سلول فتوولتاییک ارتباط سری و موازی میان مقاومتها شامل Rsو RP میباشد که معادلات آن بصورت زیر می باشد:

مدل مداری سلول خورشیدی

شکل 4-1- مدل مداری سلول خورشیدی

که در آن I جریان خروجی فتوولتاییک، Vt ولتاژ گرمایی آرایه با تعداد Ns سلول با اتصال سری، V ولتاژ خروجی فتوولتاییک، k ثابت بولتزمن (1.3806503 e−23J K-1)، q شار الکترون، T دمای اتصال p-n با واحد کلوین و K ثابت ایدهآلی دیود می باشد.

Ip جریان تولیدی ناشی از تابش در شرایط نامی می باشد.

(4-1)

که در آن Gn انتگرال طیف تابش گسترده در تمام نواحی طول موج می باشد و برابر است با: 1000Wm-2

تهیه شده توسط سایت متلبی

در اینحالت و I0 جریان اشباع جریان می باشد.

(4-2)

مدلی که در این پروژه استفاده شده است، مدل BP340 می باشد ویژگیهای الکتریکی آن به شرح زیر می باشد:

ویژگیهای الکتریکی سلول خورشیدی مدل BP340

جدول 4-1– ویژگیهای الکتریکی سلول خورشیدی مدل BP340

دیاگرام I-V ویژگی الکتریکی ماژول PV در شرایط نامی

شکل 4-2– دیاگرام I-V ویژگی الکتریکی ماژول PV در شرایط نامی

با توجه به شکل 4-2 با افزایش ولتاژ جریان از یک مقدار ثابت شروع و با رسیدن به یک ولتاژ مشخص(ماکزیمم ولتاژ خروجی سلول خورشیدی) به مقدار صفر می رسد.

ولتاژ خروجی این سیستم از نوع dc است.

با توجه به پایین بودن ولتاژ خروجی سیستم فتوولتاییک، جهت کاربرد در سیستم توزیع الکتریکی لازم است از یک مبدل boost (افزاینده ولتاژ) در خروجی این سیستم استفاده شود تا ولتاژ خروجی به مقدار مطلوب برسد.

توان تولیدی سیستم فتوولتاییک توان اکتیو بوده و این سیستم قادر به تولید توان راکتیو نمی باشد.

دیاگرام P-V ویژگی الکتریکی ماژول PV در شرایط نامی

شکل 4-3– دیاگرام P-V ویژگی الکتریکی ماژول PV در شرایط نامی

با توجه به شکل 4-3 با افزایش ولتاژ خروجی توان اکتیو تولیدی به مقدار نهایی خود که برای این مدل به خصوص 40 وات است رسیده و پس از ولتاژ مشخصی به صفر می گراید.

با توجه به dc بودن ولتاژ خروجی لازم است پس از افزایش ولتاژ خروجی سلول خورشیدی توسط مبدل بوست توسط یک اینورتر سه فاز 12 تریستوره ولتاژ مذکور از حالت مستقیم به سه فاز 380 ولت (از نوع متناوب) تبدیل می شود.

با توجه به عملکرد تریستورها در اینورتر و وجود فرکانس های سوییچینگ در آن مقداری هارمونیک در ولتاژ خروجی اینورتر ظاهر می شود.

. در مدل شبكه مصرفي هم مطابق شكلسعي شده است يك نوع كلي از شبكه با خطوط اين انتقال نيرو با دو پست فشار قوي، تعبيه شده كه به يك باس بينهايت )ولتاژ سه فاز كنترل پذير) ، متصل شده است.

براي مدل سازي خطوط نيرو نيز از مدل π با در نظر گرفتن مسافت خط، استفاده شده است.

در نقطه اتصال واحد به شبكه عمليات اندازه گيري اندازه و فاز ولتاژ صورت مي گيرد، كه از روي آن مقادير مؤلفه هاي مستقيم و عرضي ولتاژ استاتور ژنراتور كه مستقيماً به شبكه مصرفي متصل است، براي مدل به دست مي آيد.

بلوک MPPT نقاطی از صفحه خورشیدی را که در آن حداکثر توان الکتریکی از نور خورشید قابل دریافت می باشد را مشخص می کند که با این بیشترین توان از سیستم فتوولتاییک اخذ می شود.

همچنین الگوریتم استفاده شده در سیستم سلول خورشیدی الگوریتم P&Oمی باشد که برای تولید توان الکتریکی در هوای آفتابی به کار برده می شود که بلوک آن در سیستم شبیه سازی شده ارایه شده است.

سیستم فتوولتاییک مورد استفاده در این شبیه سازی یک مدل استاندارد بوده و در عمل نیز کاربرد دارد.

در سیستم شبیه سازی شده به منظور تامین بخشی توان بار سیستم توزیع علاوه بر سیستم فتوولتاییک و توربین بادی سرعت ثابت از یک منبع سه فاز که از طریق یک خط انتقال 63 کیلو ولت و یک ترانسفورماتور کاهنده 20/63 کیلو ولت و یک بریکیر سه فاز به بار متصل شده استفاده می شود.

برای دسترسی به اطلاعات مربوط به بار و سایر تجهیزات و المان های سیستم می توان به فایل شبیه سازی مراجعه کرد.

به علاوه به منظور ذخیره بخشی از انرژی الکتریکی تولید شده در سیستم فتوولتاییک از یک باتری شارژر استفاده می شود. وجود این باتری شارژر در شرایطی که تولید توان الکتریکی از طریق سایر منابع تولید توان الکتریکی (سیستم فتوولتاییک، توربین بادی و منبع سه فاز) با کاهش مواجه می شود ضروری است چراکه در صورت لزوم می تواند با تزریق توان ذخیره شده به شبکه انرژی الکتریکی مورد نیاز بار سیستم را تامین نماید.

با توجه به عملکرد بریکر سه فاز در هنگام قطع و وصل توان انتقالی از منابع تولید کننده به بار سیستم توزیع یک سری هارمونیک با دامنه بسیار زیاد در کل سیستم به وجود می آید.

از آنجایی که دامنه این هارمونیک ها با گذشت زمان کاهش می یابد لذا وجود چنین هارمونیک هایی در شبکه توزیع در عملکرد تجهیزات به کار رفته در سیستم و کل سیستم کم اثر بوده و از آنالیز آنها صرفنظر می شود.

همچنین در هنگام متصل شدن ژنراتور القایی به شبکه (سیستم های که برای بهبود قابلیت انتقال توان اکتریکی از خازن سری در خطوط انتقال استفاده می کنند) به دلیل پدیده زیر سنکرون نوسانات و هارمونیک هایی به وجود می آید که در صورت تداخل فرکانس نوسانات آنها با فرکانس نوسانات اصلی شبکه موجب بروز پدیده تشدید زیر سنکرون می- شود.

به این دلیل این پدیده را تشدید زیر سنکرون می نامند که فرکانس نوسانات ایجاد شده کمتر از فرکانس نوسانات اصلی سیستم (60 هرتز) می باشد.

شبیه سازی با متلب

توضیحات مربوط به شبیه سازی

پروژه:

شبیه سازی اتصال یک سیستم فتوولتاییک به شبکه برق با متلب

مفروضات شبیه سازی

 

به منظور شبیه سازی در نرم افزار matlab برنامه PV_and_Grid.m نوشته شده است که با اجرای آن برنامه سیمولینک اجرا شده و نتایج نشان داده می شود

نمای کلی برنامه در سیمولینک به اسم PV_to_Grid1.mdl

شبیه سازی اتصال یک سیستم فتو ولتاییک به شبکه برق با متلب

با اجرای برنامه PV_and_Grid.m نتایج زیر بدست می آید

شبیه سازی سیستم فتوولتاییک

با بزرگ نمایی از نتایج می توان به حالت ریپل دار بودن آنها هم رسید

شبیه سازی سیستم فتوولتاییک

توضیحات مربوط به بلوکها

بلوک های اصلی مورد استفاده در این شبیه سازی

1-شبکه قدرت

2-کانورتور تبدیل ACبهDC و بالعکس

3-بلوک کنترل ولتاژ و توان تزریقی VSC

4-بلوک کنترل توان حداکثری سلول فتو ولتاییک MPPT

5-سلول فتولتاییک

6-سیستم های نمایشی و اندازه گیری

7-فیلتر ها

در ادامه به توضیح هر یک می پردازیم

1-شبکه قدرت

شبکه قدرت در شکل زیر نشان داده شده است

شبکه قدرت

ولتاژ خروجی این سیستم با توجه به مفروضات همان 200 ولت برای حالت خط به خط می باشد که توسط ترانس تولید می شود.

سایت متلبی آماده پذیرش سفارشات انجام پروژه متلب با بهترین کیفیت است.

 

2-کانورتور تبدیل ACبهDC و بالعکس

کانورتور تبدیل ACبهDC و بالعکس در شکل زیر نشان داده شده است

انورتور تبدیل ACبهDC و بالعکس

این بلوک دارای 4 ورودی 3 تای آنها ولتاژ های خط و چهارمین ورودی سیگنال تریگر g هستش و خروجی های آن ولتاژ DC و زمین متناسب با آن می باشد

نکته مهم این است که این بلوک و درصد و قدرت خروجی آن توسط سیگنال تریگر g مشخص می شود که از کنترل کننده ولتاژ صادر می گردد و این بر اساس روش پل دیودی عمل می کند .

متخصصین سایت متلبی انجام پروژه متلب را با تضمین انجام می دهند.

 

3-بلوک کنترل ولتاژ و توان تزریقی VSC

بلوک کنترل ولتاژ و توان تزریقی VSC در شکل زیر نشان داده شده است

بلوک کنترل ولتاژ و توان تزریقی VSC

این بلوک دارای 3 ورودی و 1 خروجی می باشد ورودی های این بلوک ولتاژ خط و جریان خط شبکه و مقدار ولتاژ DC تولید شده توسط سلول فتوالکتریک بعد از افزایش می باشد و خروجی آن سیگنال تریگر کانورتور تبدیل AC بهDC می باشد

در مطالب بالا لزوم این بلوک توضیح داده شد اما به طور مختصر این بلوک با نمونه برداری از ولتاژ و جریان خط و مقدار ولتاژ dc تولید شده به کنترل توان مبادله شده بین شبکه و سلول فتو ولتاییک می پردازد.

در مبحث اتصال سلول فتو ولتاییک هم مقدار ولتاژ خروجی از دو سیستم و هم فرکانس تبدیل DC به AC اهمیت دارد و این بلوک بیشترین نقش کنترلی را ایفا می کند

4-بلوک کنترل توان حداکثری سلول فتو ولتاییک MPPT

بلوک کنترل توان حداکثری سلول فتو ولتاییک MPPT در شکل زیر نشان داده شده است

بلوک کنترل توان حداکثری سلول فتو ولتاییک MPPT

این بلوک دارای دو وردی کاه شامل ولتاژ خروجی سلول فتو ولتاییک و جریان آن می باشد

و خروجی آن پالس به سیتم افزاینده ولتاژ می باشد که تریگر این سیستم افزاینده است

در مباحث قبلی توضیح داده دلیل وجود سیستم افزاینده ولتاژ اما به اختصار دلیل آن کوچک بودن ولتاژ خروجی از سلول فتو ولتاییک و اینکه بخواهیم آن را به ولتاژ شبکه نزدیک کنیم

کاربرد mppt هم قبلا توضیح داده شده اما به اختصار جهت استفاده کردن حداکثری از توان تولیدی سلول فتو ولتاییک می باشد

این سیستم عموما با چرخش خورشید محور قرار گیری سلول های فتو الکتریکی را جوری تنطیم می کند که بیشترین بازدهی و توان را داشته باشد

در این شبیه سازی با تغییرات تریگر سیستن افزاینده ولتاژ توسط کنترل کننده MPPT می توان به یک توان مناسب جهت تبادل با شبکه اصلی رسید

5-سلول فتولتاییک

سلول فتولتاییک در شکل زیر نشان داده شده است

سلول فتولتاییک

این بلوک دارای 5 خروجی و 2 ورودی می باشد

ورودی های این بلوک انتگرال طیف تابش گسترده Ir و دمای متوسط محیط Temp می باشد.

نحوه مدل کردن سلول فتولتاییک قبلا توضیح داده شد است و در اینجا به نحوه وارد کردن مفروضات مسله در بلوک مذکور می پردازیم

با دابل کلیک کردن بر روی بلوک اطلاعات زیر نمایش داده می شود:

PV Array simulink matlab

در اینجا ما در سر برگ Array یک نوع از سلول های فتو ولتاییک استاندارد را انتحاب می کنیم که در این شبیه سازی ما First Solar انتخاب شده است .

pv array block simulink matlab

در سربرگ Modul مقادیر ولتاژ مدار باز ,جریان مدار باز و …. مقدار دهی می شوند و بقیه مواردی که جزو مفروضات مسله نیست همان مقدار پیش فرض می باشد.

6-سیستم های نمایشی و اندازه گیری

سیستم های نمایشی و اندازه گیری در شکل زیر نشان داده شده هست.

با توجه امکانات سیمولینک در شبیه سازی مدل های برقی می توان ار این امکانات استفاده کرد و به اصتلاح از تگ ها (Tag ) ها آماده استفاد کنیم که با مربع های قرمز مشخص شده اند.

قسمت پایین مسول ذخیره کردن اطلاعات ولتاژ و جریان و توان سلول فتو ولتاییک جهت نمایش می باشد.

سیستم های نمایشی و اندازه گیری

7-فیلتر ها

فیلتر ها در شکل زیر نشان داده شده اند

فیلتر ها در متلب

مقادیر هر یک از بلوک ها را بر اساس مفروضات و با دابل کلیک روی آنها وارد می کنیم به طور مثال سلف L2 رادر نظر می گیریم.

سلف L2

جهت دانلود رایگان پروژه متلب روی دکمه زیر کلیک نمایید:

 

سفارش انجام پروژه مشابه

درصورتیکه این پروژه دقیقا مطابق خواسته شما نمی باشد، با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.


آموزش و دانلود الگوریتم ژنتیک

$
0
0

آموزش و دانلود الگوریتم ژنتیک

 

برای آموختن الگوریتم ژنتیک منابع مختلفی در اینترنت به صورت پراکنده وجود دارد که برای آشنایی مقدماتی با این الگوریتم می تواند برای علاقه مندان مناسب باشد ولی برای تسلط به آن نیاز به منابع با فصل بندی کامل و مناسب می باشد.

مراجعی که در ادامه در اختیار شما قرار داده می شود معروفترین کتابهای مرتبط با الگوریتم ژنتیک هستند که به عنوان منبع همه کتاب های فارسی موجود در بازار مورد استفاده قرار گرفته اند و به شما توصیه می شود که به جای استفاده از ترجمه های موجود در بازار مستقیما از این منابع استفاده کنید:

چهار منبع کاربردی در ادامه برای استفاده شما به صورت رایگان قرار داده شده است:

 

 

کتاب اول:

Representations for Genetic and Evolutionary Algorithms

by Franz. Rothlauf

This book breaks with this tradition and provides a comprehensive overview on the influence of problem representations on GEA performance.

 

کتاب دوم:

Practical Genetic Algorithms

Randy L. Haupt, Sue Ellen Haupt

این کتاب به مبانی الگوریتم ژنتیک و کاربرد آنها در انواع مختلف از مناطق مختلف مهندسی و علوم می پردازد .

This book deals with the fundamentals of genetic algorithms and their applications in a variety of different areas of engineering and science

 

کتاب سوم:

Network Models and Optimization, Multiobjective Genetic Algorithm Approach

by  Mitsuo Gen,Runwei Cheng

مدل های شبکه و بهینه سازی : Multiobjective الگوریتم ژنتیک رویکرد ارائه عمیق ، جامع ، و به روز درمان از هدف های متعدد…

Network Models and Optimization: Multiobjective Genetic Algorithm Approach presents an insightful, comprehensive, and up-to-date treatment of multiple objective …

 

کتاب چهارم:

Introduction to Genetic Algorithms

By S. N. Sivanandam, S. N. Deepa

این کتاب شامل مفاهیم اولیه ، برنامه های مختلفی از الگوریتم های ژنتیک و حل مشکلات ژنتیکی با استفاده از نرم افزار MATLAB و C / C است. از ویژگی های برجسته…

The book contains basic concepts, several applications of Genetic Algorithms and solved Genetic Problems using MATLAB software and C/C .The salient features of …

تکمیلی:

دانلود فیلم آموزشی الگوریتم ژنتیک به زبان فارسی

آموزش های زیادی از الگوریتم ژنتیک موجود است اما پیشنهاد سایت متلبی استفاده از بسته آموزشی زیر است.
فیلم آموزش الگوریتم ژنتیک را از سایت زیر تهیه نمایید:

https://faradars.org/courses/mvrga9011-genetic-algorithm-video-tutorials-pack

آموزش الگوریتم ژنتیک

ابتدا جمعیت اولیه به صورت رندوم ایجاد می شود.

در ادامه جمعیت ایجاد شده برای حل مسئله موردنظر فرآخوانی می شود و نتایج بدست آمده از حل مسئله برای محاسبه برازندگی ارجاع داده می شوند.

اپراتور انتخاب، فردی را انتخاب می کند که بهترین جواب(کمترین مقدار تابع هدف) را داده باشد سپس برای ایجاد جمعیت بعدی از عملگرهای میوتیشن و کراس اور استفاده می شوند.

اگر مقدار تابع هدف به ازاي فرد حاصل بهتر بود (مقدار کمتري داشت)، اين فرد جايگزين فرد قبل خواهد شد.

اگر در طي تعداد تکرار خاصی پس از اعمال اپراتور انتخاب، نتایج برنامه بهينه تغييري نکند الگوريتم متوقف مي شود.

البته میتوان توقف را در نظر نگرفت و برنامه به تعداد مورد نظر تکرار و محاسبه شود.

در آخر نیز جواب های میتواند به صورت عددی یا نموداری نمایش داده شود.

فلوچارت الگوریتم ژنتیک

شکل: فلوچارت الگوریتم ژنتیک

 

الگوریتم ژنتیک در محاسبه برازندگی تابع هدف را می بیند و تنها به دنبال بهینه سازی و کمینه کردن آن در تکرار های متوالی هست.

 

اصطلاحات الگوريتم ژنتيک

رشته(كروموزوم): آرايه اي از اعداد صحيح است كه مقادير عناصر اين آرايه با توجه به نوع رشته تعيين مي شوند. مثلاٌ در رشته بيتي، اين عناصر فقط مي توانند صفر و يك باشند. اين رشته ها مشخص كننده مجموعه متغيرهاي بهينه سازي مسئله مورد نظر هستند.

ژن: بخشي از رشته كه خصوصيات ويژه اي را معين مي كند.

نسل: به يك دوره از زاد و ولد اعضاء يك جمعيت، يك نسل مي گويند. به عبارت ديگر هر جايگزيني از جمعيت بوسيله جمعيت جديد، يك نسل ناميده مي شود.

برازندگي: در طبيعت به مقدار سازگاري و تطابق يك جاندار با طبيعت گفته مي شود و در بهينه سازي به مقدار ارزيابي تابع هدف يا مقداري متناظر با آن به ازاي يك رشته خاص، گفته مي شود كه نشان دهنده ميزان مطلوبيت آن رشته مي باشد.

انتخاب: برگزيدن يک کروموزوم برای باقی ماندن (در نسل های آينده)

برش: جابجايي عناصر دو کروموزوم (والدين) با هم و ايجاد دو کروموزوم جديد (فرزندان)

جهش: تغيير تصادفي يک يا چند عنصر از يک کروموزوم

موتور الگوريتم ژنتيک يک جمعيت اوليه تصادفی از پاسخها ايجاد مي کند.

گام بعدي ايجاد دومين نسل از جامعه است که به کمک عملگرهای انتخاب، برش و جهش انجام می شود.

دو الگوي متداول برای انتخاب عبارتند از: چرخ رولت و انتخاب مسابقه اي(Tournament).

معمولاٌ از نخبه گرايی(Elitism) هم در انتخاب استفاده می شود به اين صورت که مناسب ترين فرد در هر نسل مستقيماٌ به نسل بعد انتقال مي يابد.

به اين ترتيب انتخابها به گونه اي پيش می رود که مناسب ترين عناصر انتخاب شوند ولی ضعيف ترين عناصر هم شانس انتخاب دارند. (تا از نزديک شدن به جواب محلي جلوگيري شود.)

اين فرآيند تکرار مي شود تا اين که به آخرين مرحله برسيم. شرايط خاتمه الگوريتم هاي ژنتيک عبارتند از:

  • به تعداد ثابتي از نسل ها برسيم.
  • زمان محاسبه تمام شود.
  • پاسخی پيدا شود که به خواسته ما نزديک باشد.
  • با گذشت تعداد خاصی از نسلها نتايج بهتري حاصل نشود.
  • ترکيبی از موارد بالا.

 

 اختلاف های اساسي الگوريتم ژنتيک با روشهاي جستجوي کلاسيک

1-الگوريتم ژنتيک در هر تكرار چند نقطه از فضاي جستجو را در نظر مي گيرد.

2-با رشته هاي بيتي كار مي كند كه هركدام از اين رشته ها كل مجموعه متغيرها را نشان مي دهد. حال آنكه بيشتر روشها به طور مستقل با متغيرهاي مسئله برخورد مي كنند.

3- براي راهنمايي جهت جستجو، انتخاب تصادفي انجام مي دهد لذا به اطلاعات مشتق نياز ندارد.

 

نقاط قوت الگوريتم ژنتيک

مهمترين نقطه قوت اين الگوريتم ها اين است که الگوريتم هاي ژنتيک ذاتاً موازي اند.

اکثر الگوريتم هاي ديگر موازي نيستند؛ و فضاي مسئله مورد نظر را فقط در يک جهت در يک لحظه مي توانند جستجو کنند.

از آنجايي که GA چندين نقطه شروع دارد در يک لحظه مي تواند فضاي مسئله را از چند جهت مختلف جستجو کند.

لذا احتمال اينكه به يك ماكزيمم محلي همگرا شود كاهش مي يابد.

ممکن است براي يک مسئله 2 يا چند راه حل پيدا شود که هر کدام با در نظر گرفتن يک پارامتر خاص به جواب رسيده اند.

در حقيقت قابليت موازي کار کردن اين خاصيت را به آنها مي بخشد.

اين ويژگيهای GA آن را برای استفاده در حل مسائل چند هدفی مناسب می سازد.

الگوريتم ژنتيک از روشهايی كه براي جستجويشان از انتخاب تصادفي استفاده مي كنند، متفاوت مي باشد.

زيرا اگر چه براي تصميم گيري از تصادف و شانس استفاده مي كند ولي در فضاي جستجو فقط به صورت تصادفي قدم نمي زند، بلکه از تصادف به طور مناسب استفاده مي كند تا به سرعت  به پاسخهاي بهينه برسد.

 

دانلود کدهای الگوریتم ژنتیک

جهت دانلود کد های الگوریتم ژنتیک با متلب به صورت رایگان روی دکمه زیر کلیک نمایید.

آموزش نصب متلب 2019 , رفع مشکل نصب متلب 2019a

$
0
0

آموزش نصب متلب 2019 | رفع مشکل نصب متلب 2019a

در این پست قصد داریم آموزش نصب متلب 2019 را به صورت تصویری آموزش دهیم. در بخش پایانی نیز مشکل باز کردن متلب 2019a را بررسی و رفع می کنیم.

نکات مهم قبل از نصب متلب 2019a

  • برای دانلود متلب 2019a بر روی لینک زیر کلیک نمایید:

دانلود نرم افزار متلب 2019a

چرا این لینک را معرفی کردیم. چون این نسخه از نرم افزار متلب 2019a توسط کارشناسان سایت متلبی تست شده است.

و آموزش ما نیز طبق نسخه قابل دانلود فوق است.

  • متلب 2019a بر روی سیستم های 64بیتی قابل نصب است.

برای اینکه بدانید سیستم مورد نیاز برای نصب متلب 2019 چی هست به لینک زیر بروید:

سیستم مورد نیاز برای نصب نسخه های متفاوت نرم افزار متلب

 

پیش نیازها برای نصب نرم افزار متلب 2019a

توجه به این بخش برای نصب صحیح متلب ضروریست:

ابتدا متلب 2019a را دانلود نمایید. برای اینکار به صفحه دانلود نرم افزار متلب 2019a در سایت متلبی بروید و همه پارت ها را از بخش زیر دانلود نمایید:

دانلود نرم افزار متلب 2019

باید همه 10 بخش را دانلود و در کنار هم در یک پوشه قرار دهید.

  • ارتباط خود را از اینترنت قطع کنید.
  • آنتی ویروس خود را غیرفعال کنید.

حالا سراغ فایل های دانلود شده بروید و روی اولین بخش دانلود شده راست کلیک کنید و گزینه Extract to… را انتخاب نمایید:

 

اکسترکت کردن فایل فشرده

با پنجره ای مواجه می شوید که باید پسورد فایل فشرده را که www.p30download.com است وارد کنید:

پسورد فایل فشرده

شروع مراحل نصب متلب 2019a

بعد از اینکه فایل ها از حالت فشرده خارج شدند، وارد پوشه ساخته شده شوید.

روی فایل setup.exe راست کلیک کنید و run as administrator را انتخاب کنید.

run as administrator

سپس بر روی گزینه use a file installation key انتخاب کنید و دکمه next را کلیک کنید.

use a file installation key

حالا گزینه Yes را انتخاب نمایید و دکمه Next را کلیک کنید.

نصب متلب 2019

سپس پنجره دیگری باز می شود که از آن I have the file installation key for my license را باید انتخاب نمایید.

  • این قسمت مهم هست که کدام کد را انتخاب نمایید:

به پوشه ی crack بروید و فایل متنی به نام serial.txt را باز کنید. این فایل شامل یک عدد به نام file installation key است.

باید کد عددی که در بخش Standalone هست را مطابق تصویر زیر کپی کنید.

سریال متلب 2019

به پنجره نصب متلب برگردید و کد کپی شده را در محل مورد نظر paste کنید و دکمه Next را کلیک نمایید.

کرک متلب 2019a

در این مرحله باید محلی که میخواهید نرم افزار در آن ذخیره شود را وارد کنید.

برای نرم افزار متلب 2019a حدود 20 گیگ فضا نیاز است.

تغییر محل نصب متلب 2019a

در مرحله بعد می توانید لیست بخش ها و تولباکس های مختلف متلب را ببینید.

میتوانید فقط موارد مورد نظر را انتخاب کنید. اگر دید درستی ندارید به این بخش دست نزنید و اجازه دهید تا همه اجزا نرم افزار متلب نصب شود.

سپس دکمه Next را کلیک کنید.

تولباکس های متلب

در پنجره بعد از شما سوال می کند که آیا مایل هستید از آیکون برنامه یکی در دسکتاپ یا در استارت منو قرار دهد.

به اختیار می توانید انتخاب کنید و next را بزنید.

به پنجره confirmation از شما میخواهد اطلاعات قبلی را تایید کنید. فقط کافیست روی دکمه Install کلیک کنید.

confirmation

خب حالا پنجره زیر را خواهید دید که باید Finish را کلیک کنید.

نصب کامل متلب

تبریک می گوییم. مراحل نصب به پایان رسید.

حالا باید متلب را فعال کنید.

کرک کردن متلب 2019a

برای کرک کردن متلب 2019a باید دو کار اساسی را انجام داد:

  1. دادن فایل لایسنس به نرم افزار متلب
  2. بردن فایل به پوشه ای در محل نصب متلب

مرحله اول:

برای فعال سازی متلب 2019a باید نرم افزار متلب را از دسکتاب یا محل نصب آن باز کنید.

پنجره ای به نام Mathwork Software Activation باز می شود. گزینه ی Active manually without internet را انتخاب کنید و روی next کلیک کنید.

mathwork software activation

در پنجره جدید باید دکمه Browse را کلیک نمایید.

انتخاب لایسنس متلب

باید فایل license standalone.lic را از داخل پوشه crack انتخاب نمایید. و دکمه select را بزنید.

(پوشه crack در فایل های اکسترکت شده است.)

حالا دکمه Finish را کلیک نمایید.

مرحله دوم:

به پوشه crack در فایل های اکسترکت شده بروید. پوشه bin را باز کنید و بعد از آن نیز پوشه win64 را باز کنید.

مسیر به این صورت است:

***MathWorks.MATLAB.R2019a.v9.6.x64_p30download.com\Crack\bin\win64

*** درایو و پوشه ای هست که قبلا فایل های دانلودی در آن بوده و اکسترکت را انجام داده اید.

داخل پوشه win64 فایل netapi32.dll وجود دارد.

این فایل را copy کنید. و به مسیر نصب متلب بروید.

مثلا در سیستم ما متلب 2019a را در درایو D نصب کردیم و به پوشه زیر می رویم:

D:\Program Files\Polyspace\R2019a\bin\win64

حالا که در پوشه win64 در مسیر نصب متلب قرار گرفتیم, فایل مورد نظر را paste می کنیم.

کرک کردن متلب 2019a

تبریک می گوییم شما موفق شدید متلب 2019a را نصب و فعال کنید.

حل مشکل باز نشدن متلب 2019a

معمولا وقتی بر روی آیکون بر روی دسکتاپ با نام Polyspace R2019a دابل کلیک می کنید و متلب را باز می کنید.

با پنجره Mathwork Software Activation مواجه می شوید که با دادن لایسنس license standalone.lic با پنجره زیر مواجه می شوید:

رفع خطا متلب 2019a

خطا هنگام باز کردن متلب 2019a به صورت زیر است:

No license available fore the Polyspace C CPP product.

License checkout failed.

License Manager Error -5

cannot find a license for Polyspace_BF.

Polyspace امکان جدیدی در متلب 2019 است که وظیفه باگ گیری برنامه های متلب را دارد.

اگر میخواهید در مورد این ابزار بیشتر بدانید به این لینک مراجعه نمایید.

کرکی که فعلا در دسترس هست این ابزار را فعالسازی نمی کند.

اما چاره رفع مشکل اجرای متلب 2019a بعد از نصب و فعالسازی چیست؟

فقط کافیست به پوشه bin در محل نصب متلب 2019a بروید و فایل matlab.exe را دابل کلیک کنید.

بهتر هست از این فایل یک شورت کات در دسکتاپ برای خودتان ایجاد نمایید.

matlab.exe

اگر شما تجربه جدیدی برای رفع مشکل ابزار Polyspace دارید به ما اطلاع دهید تا در معرض عموم قرار دهیم.

اگر سوالی در زمینه نصب و فعال سازی متلب 2019a دارید در قسمت دیدگاه های همین صفحه اعلام نمایید, تا دوستان ما در مجموعه متلبی پاسخگوی شما باشند.

رفع خطای must be monotonically increasing در سیمولینک متلب

$
0
0

رفع خطای must be monotonically increasing در سیمولینک متلب

در این پست به خطای must be monotonically increasing در سیمولینک متلب می پردازیم و قصد داریم علت آن و نحوه رفع آن را آموزش دهیم.

پیغام خطا به صورت زیر است:

رفع خطای must be monotonically increasing در سیمولینک متلب

Values of BreakpointsForDimension1 in ‘MPPT/MPPT/Repeating Sequence1/Look-Up Table1‘ must be monotonically increasing. The problem occurs at the number 3 breakpoint. Please change the breakpoint data or use the fixedpoint tools such as Auto Scaling or Fixed-Point Advisor to determine a different parameter dialog type’.

این خطا در ورژن های قبل از 2014a مشاهده نمی شود و فایل سیمولینک بدون خطا اجرا می شود.

اما در متلب 2014a به بالا با این خطا مواجه می شویم.

روش حل خطای must be monotonically increasing

به خطای فوق توجه نمایید, قسمتی از آن با فونت آبی رنگ مشخص شده است. روی آن کلیک کنید.

با پنجره ای مشابه تصویر زیر هدایت می شوید:

روش حل خطای must be monotonically increasing

همانطور که از عکس فوق مشخص هست بلوکی با نام Look-Up Table1 با علامت سوال و با رنگ قرمز مشخص شده است.

به عکس زیر نگاه کنید. موس بر روی آدرس بار سیمولینک قرار گرفته است:

روش حل خطای must be monotonically increasing

بایستی مطابق عکس فوق یک مرحله قبل از Repeating Sequence1 را انتخاب نمایید. در عکس فوق روی MPPT کلیک کردیم:

روش حل خطای must be monotonically increasing

به عکس بالا توجه کنید, بلوک Repeating Sequence1 با رنگ قرمز مشخص هست. روی این بلوک دابل کلیک کنید.

Repeating Sequence

فیلد مربوط به Time values باید تابع قانون زیر باشد:

value(1)<value(2)<…<value(n)<…

توجه: حتما باید مقدار بعدی بیشتر از قبلی باشد.

در اینجا چون مقدار زمان دوم و سوم یکسان هست حتی با خطا مواجه می شویم.

بطور مثال:

[0 4e-3 4e-2]

صحیح هست .

لطفا تجربیات خود را در این زمینه در قسمت نظرات همین پست با ما به اشتراک بذارید.

کپی بدون ذکر منبع و لینک مستقیم به همین صفحه غیرمجاز است.

شاید به مطالب زیر نیز علاقه مند باشید:

 

دانلود نرم افزار متلب MATHWORKS MATLAB R2019b

$
0
0

دانلود نرم افزار متلب MATHWORKS MATLAB R2019b

در این پست به متلب نسخه Mathworks Matlab R2019b v9.7.0.1190202 می پردازیم, در پایان همین پست امکان دانلود رایگان متلب 2019b وجود دارد.

معرفی نرم افزار متلب

متلب (به انگلیسی: MATLAB) یک نرم افزار قوی جهت دانشجویان و محققین رشته های ریاضی و مهندسی است که اولین نگارش آن در دانشگاه نیومکزیکو و استانفورد در سال ١٩٧٠ در جهت حل مسائل تئوری ماتریسها، جبر خطی و آنالیز عددی بوجود آمد و امروزه صدها هزار کاربر دانشگاهی، آکادمیک، صنعتی و … در زمینه های بسیار متنوع مهندسی نظیر ریاضیات پیشرفته، جبر خطی، مخابرات، مهندسی سیستم و … با MATLAB بعنوان یکی از اولین محیط های محاسباتی و تکنیکی که قادر به حل مسائل آنهاست، آشنا می شوند. ریاضیات، زبان مشترک بسیاری از علوم مهندسی است.

هر سال دو نسخه از متلب منتشر می شود که برای نیمه نخست سال با نام a و نیمه دوم سال نسخه b نام گذاری می شود.

چه چیزی در متلب 2019b جدید است؟

در قسمت MATLAB Live Editor:

Live Tasks: در این بخش گزینه هایی برای پیش نمایش نتایج و کدهای تولیدشده میتوان کشف کرد.

در قسمت APP Building:

فانکشن uihtml: محتوای HTML ، JavaScript یا CSS را به برنامه ها اضافه کنید.

در قسمت Data Import and Analysis:

وظایف ویرایشگر زنده: از وظایف برای پردازش داده های تعاملی استفاده کنید و به طور خودکار کد متلب را تولید کنید.

گردش کار گروهی: عملیات مبتنی بر گروه را با استفاده از (grouptransform (R2018b ، گروه های گروهی (R2019a) و فیلتر گروهی (R2019b) انجام دهید.

در قسمت Data Visualization:

Chain Container Class: نمودارهای سفارشی را ایجاد کنید که مانند گرافیک داخلی MATLAB رفتار کنند.

tiledlayout and nexttile Functions: نمایش چندین طرح در شکل با بهبود فاصله ، مدیریت برچسب و حاشیه نویسی ، و رفتار بازتاب

Export from Axes Toolbar: محتویات محورها را به عنوان تصویری با کراپ کردن ذخیره یا کپی کنید.

Programmatic Data Tips: نکات مربوط به داده ها را بطور برنامه ای ایجاد کنید و نکات داده ها را در نمودارهای اضافی تنظیم کنید.

در قسمت Language and Programming:

Function Input Argument Validation: بررسی ساده کردن خطای ورودی برای اعلام عملکرد آرگومان های ورودی

Hexadecimal and Binary Numbers: مشخص کردن اعداد با استفاده از ادبیات هگزیمال و باینری

در قسمت Performance:

Assignments Within Large Arrays: عملکرد در هنگام اختصاص عناصر توسط عضویت در آرایه های جدول بزرگ ، تاریخ ، مدت زمان و تقویم تقویم بهبود یافته است.

در قسمت Software Development:

Out-of-Process Python Execution: برای جلوگیری از درگیری های کتابخانه ، عملکردهای پایتون را خارج از مراحل انجام دهید.

در قسمت Controlling Hardware:

Bluetooth Low Energy: از دستگاه های BLE بخوانید و بنویسید.

نسخه 2019b صدها ویژگی و کارکرد جدید و جدید را به همراه دو محصول جدید ارائه می دهد.

قابلیت های جدیدی را برای پروژه های خود پیدا خواهید کرد – مهم نیست که روی چه چیزی کار می کنید.

برای ساخت معماری پیشرفته یادگیری عمیق مانند GAN ها و شبکه های سیامی می توانید از تمایز خودکار ، وزنهای مشترک و حلقه های آموزش سفارشی استفاده کنید.

Stateflow Onramp یک آموزش تعاملی رایگان است که در آن می توانید اصول ساخت ، ویرایش و شبیه سازی ماشین های دولتی را بیاموزید.

اگر شما در حال طراحی سیستم های رانندگی مستقل هستید ، می توانید از ویژگی های به روز شده ای استفاده کنید که به شما امکان می دهد الگوریتم های رانندگی را در یک محیط شبیه سازی سه بعدی توسعه ، آزمایش و تأیید کنید ، عملکرد فیوژن ردیابی به مسیر و سیستم های ردیابی غیر متمرکز معمار را انجام دهید ، سوء استفاده را بررسی کنید عبارات لامبدا و مشکلات احتمالی در مورد شمارش و با جعبه ابزار جدید ناوبری ™ ، می توانید الگوریتم هایی را برای طراحی برنامه ریزی حرکت و سیستم های ناوبری توسعه داده ، شبیه سازی کرده و به کار بگیرید. همچنین می توانید نقشه های اشغال 2D و 3D را ایجاد کنید ، تخمین می زنید که از وسایل نقلیه استفاده می شود و مسیری را از ابتدا تا هدف برنامه ریزی کنید.

شاید علاقه مند به دیدن مطالب زیر نیز باشید:

جعبه ابزار ROS محصول جدید دیگری در این نسخه است.

این برنامه شما را قادر می سازد تا برنامه های مبتنی بر ROS را طراحی و شبیه سازی کنید ، فایل های ورود به سیستم ROS را برای فیلتر ، تجسم و تجزیه و تحلیل داده های وارد شده ، تولید پیام های سفارشی و ایجاد گره های ROS و ROS 2 برای هدف قرار دادن سخت افزار وارد کنید.

همچنین به روزرسانی های خود متلب و سیمولینک وجود دارد.

وظایف موجود در ویرایشگر زنده این امکان را به شما می دهد تا پارامترها و داده های پردازش متقابل را به صورت تعاملی کشف کنید.

آنها همچنین کد MATLAB® را تولید می کنند که بخشی از فیلمنامه زنده شما می شود.

نوار ابزار Simulink new جدید به شما امکان می دهد تا به راحتی قابلیت های Simulink® را پیدا کرده و کشف کنید.

و با استفاده از Subsystem Reference ، می توانید با تبدیل هر زیر سیستم به یک مرجع زیر سیستم ، مدل های خود را کامپوزیت کنید تا در یک فایل مستقل ذخیره شود و استفاده مجدد از آن را ترویج کند.

موارد فوق تنها بخشی از تازه های متلب 2019b است.

آموزش رفع خطای License Error –4,0 موقع اجرا کردن Polyspace متلب

$
0
0

آموزش رفع خطای License Error –4,0 موقع باز کردن Polyspace متلب

شاید شما هم موقع اجرا کردن Polyspace  با خطای زیر مواجه شده باشید:

License Error -4,0

یک علت احتمالی: امکان اینکه چندین Polyspace را بتوان باز کرد وجود دارد, اما فقط یک آنالیز کد را می توان اجرا کرد.

اگر سعی کنید عملیات آنالیز را در چندین پنجره همزمان اجرا کنید, با خطای License Error –4,0 مواجه خواهید شد.

 

راه حل: فقط یک آنالیز را انجام دهید و سپس به آنالیز بعدی بپردازید. چه آنالیز خط فرمان و چه آنالیز پلاگین.

نکته مهم: اگر میخواهید آنالیز را در محیط Polyspace انجام دهید باید ابتدا Simulink و یا MATLAB Coder قبلی را که باز و آنالیز کردید را ببندید و سپس به آنالیز جدید بپردازید.

انجام پروژه متلب با متلبی

رفع خطای must be monotonically increasing در سیمولینک متلب

رفع مشکل فونت فارسی در متلب

مشکل لایسنس متلب و راه حل های رفع آن

رفع خطای ERROR FINDING INSTALLER CLASS

 

Viewing all 56 articles
Browse latest View live


<script src="https://jsc.adskeeper.com/r/s/rssing.com.1596347.js" async> </script>