پاور پوینت سامانه تشخیص پلاک خودرو (به کمک پردازش تصویر و شبکه عصبی)
وجود میلیونها خودرو در جهان که همه دارای شماره شناسایی می باشند
عدم توانایی انسانها در کنترل ترافیک و یا هزینه بسیار بالا و کارایی اندک آن
همه ی اینها موجب احساس نیاز به سامانه تشخیص پلاک خورو شده است........
با قیمتی کمتر از قیمت یک آدامس!!!!!
شبیه سازی کنترل سیستم توربین بادی با استفاده از کنترل کننده شبکه عصبی
موضوع : پروژه مدل سازی و کنترل سیستم توربین بادی مدل General Electric با استفاده از کنترل کننده شبکه عصبی
تا کنون مدل ها و روش های کنترلی متفاوتی برای توربین های بادی ارائه شده است. یکی از مناسب ترین این مدل ها بر مبنای عملکرد واقعی توربین بادی، مدل جنرال الکتریک (GE) است. نوسانات سرعت در خروجی توربین بادی که با محور ژنراتور کوپل است به ژنراتور منتقل میشود. درصورت عدم کنترل نوسانات مزبور، فرکانس برق تولیدی ژنراتور القایی نوسان خواهد کرد. به علاوه، استهلاک ژنراتور و توربین بادی، به دلیل وقوع نوسانات زیاد و ناگهانی در محورها، زیاد میشود. به این دلیل مراقبت های پیشگیرانه و تعمیرات نیز برای این توربین ها افزایش می یابد و به دلیل قرارگرفتن توربین های بادی در مناطق صعب العبور و نیز قیمت زیاد تجهیزات آنها، چنین استهلاک هایی هزینه های زیادی را در پی خواهد داشت. در صورتی که با کنترل سرعت توربین بادی و با هزینه های کم، میتوان این نوسانات را تا حد زیادی کنترل کرد. در این پروژه هدف، بررسی کنترل سرعت روتور توربین بادی با استفاده از کنترل کننده شبکه عصبی با روش آموزش به صورت آنلاین می باشد. فرآیند کنترلی اعمال شده به منظور کنترل سرعت روتور به دو روش تقسیم میشود: 1- کنترل توان الکتریکی. 2- کنترل استقرار تیغه. در هر دو روش، کنترل کننده حالتی از سیستم دینامیکی را کنترل کرده که در نهایت هدف، برتری در حذف اغتشاش وارده به سرعت توربین می باشد. برای بررسی روش های پیشنهادی، مدلهای مزبور به کمک نرم افزار MATLAB SIMULINK شبیه سازی میشوند.
این پروژه شامل:
دارای کد های مربوطه - دارای پاورپوینت توضیحات - گزارش کار و نحوه ی راه اندازی شبیه سازی
طراحی و پیاده سازی سیستم خودکار برآورد سن استخوانی کودکان کمتر از 18سال با استفاده از شبکه عصبی
نوع فایل:PDF
تعداد صفحات :7
سال انتشار : 1394
چکیده
در این تحقیق یک سیستم برآورد سن استخوانی خودکار، بر اساس تصویر رادیوگرافی دست چپ، برای افراد نوزاد تا 18 سالهطراحی و توسعه یافته است. سیستم مورد نظر در سه بخش اصلی شامل پردازش اولیه به منظور استانداردسازی تصاویر ورودی،استخراج شاخص های تصمیم گیری از تصویر و بخش تصمیم گیری به صورت رگرسیون چند جمله ای دو متغیره بر مبنای شبکهعصبی ارتقا یافته می باشد. تمامی بخش ها در نرم افزار متلب پیاده سازی شده است.پایگاه داده مورد استفاده در این تحقیق شامل 70 تصویر رادیولوژی نرمال می باشد که از این میان 50 تصویر برای آموزش و 20تصویر دیگر به منظور آزمون سیستم پیاده سازی شده مورد استفاده قرار گرفته اند. نتایج بدست آمده حاکی از برآورد سن استخوانینمونه های کمتر از 12 سال با دقت میانگین بیش از 95 درصد و دقت 65 درصدی محاسبات برای نمونه های آزمون مابین 12 سال تا 18سال می باشد. نتایج بیانگر دقت بالای سیستم پیاده سازی شده یرای نمونه های کمتر از 12 سال می باشد.
واژگان کلیدی
برآورد سن استخوانی، شبکه عصبی، پردازش تصویر