وبلاگ

علیرغم اینکه 40 سال از فعالیت و بررسی در زمینه فیزیولوژی صرع می گذرد، هنوز آشکارسازی و پیشگویی آن در حال بررسی است ولی نشان داده شده است که آشکارسازی تخلیه های نرونی صرعی یعنی spike ها و امواج تیز در سیگنال EEG گامی مهم در تشخیص و درمان بیماری صرع است. در زمینه پردازش سیگنال های حیاتی مانند سیگنال EEG، برای آشکارسازی و طبقه بندی یک پدیده حیاتی مانند spike صرعی، روش متداول استخراج ویژگی های مناسب از سیگنال حرارتی و اعمال یک روش طبقه بندی بر روی ویژگی های استخراج شده است. در این پروژه، برای استخراج ویژگی های spike های صرعی از تبدیل موجک و یکسری تحلیل های زمانی و فرکانسی و برای طبقه بندی الگوهای موجود در EEG از شبکه عصبی Fuzzy ARTMAP استفاده شده است. تبدیل فوریه و سایر روش های تحلیل زمان –

 فرکانس مانند تبدیل فوریه کوتاه مدت برای وقایع تدریجی و آهسته پاسخ خوبی نشان می دهند اما برای وقایع سریع و تیز خوب عمل نمی کنند. وقتی که هر دو نوع نوسان در سیگنال موجود باشد، تبدیل موجک به خوبی می تواند هر دو نوع نوسان را نشان دهد. با تحقیقاتی که در زمینه تشخیص صدای قلب، تحلیل ECG و EEG به عمل آمده است، تبدیل موجک توانایی خود را برای پردازش به خوبی نشان داده است.

در فصل اول به معرفی سیگنال EEG و ویژگی های ظاهری، نحوه ضبط و اندازه گیری سیگنال EEG، فرکانس های سیگنال EEG، نرخ نمونه برداری و برخی اغتشاشات و آشفتگی ها در ثبت سیگنال EEG پرداخته می شود. در فصل دوم روش های مختلف آشکارسازی spikeهای صرعی مورد بررسی قرار گرفته است و نتایج برخی کارهای انجام گرفته روی EEG گردآوری شده است. فصل سوم به معرفی تبدیل موجک به عنوان روشی برای استخراج ویژگی پرداخته شده است. با مطالعه این فصل می توان مقایسه ای بین تبدیل فوریه و تبدیل موجک انجام داد، همچنین می توان مفهوم تبدیل موجک پیوسته و گسسته را دریافت. در انتهای این فصل نیز، چند موجک معرفی شده اند. در فصل چهارم توضیحاتی در خصوص شبکه های عصبی MLP و ARTMAP و Fuzzy و نحوه آموزش این شبکه ها ارائه شده است. در فصل پنجم در خصوص داده های آموزش و آزمون، استخراج ویژگی و نحوه پیش پردازش این داده ها و روش پیاده سازی سیستم آشکارسازی spike های صرعی توضیح داده شده است. فصل ششم در برگیرنده نتایج حاصل از این پروژه و مقایسه بین عملکرد شبکه های MLP و ARTMAP و Fuzzy می باشد و در انتهای فصل نیز پیشنهادات ارائه شده است.

کنترل ولتاژ و تثبیت آن در یک شبکه قدرت به منظور پایداری شبکه و نیز حفظ محدوده مجاز عملکرد تجهیزات، امری اجتناب ناپذیر و همواره یکی از مهمترین مسائل این حوزه بوده است. به منظور دستیابی به این مهم، در سیستم های قدرت از سه روش عمده استفاده می شود.
1- تغییر ست نقطه تنظیم سیستم تحریک ژنراتورها
2- تغییر تپ ترانسفورماتورها
3- استفاده از جبرانسازی موازی
در روش نخست، محدودیت حرارتی سیم پیچ ژنراتورها به عنوان یک قید میزان توان راکتیو تولیدی / مصرفی نیروگاه ها را محدود می کند. در سال های اخیر مطالعات زیادی به منظور ارائه روش های نوین کنترل توان راکتیو و ولتاژ جهت افزایش سطح امنیت و پایداری سیستم ارائه شده است.
ترانسفورماتورهای مجهز به تپ چنجر به صورت گسترده ای جهت تنظیم ولتاژ در شبکه های قدرت به کار گرفته می شوند. با پیشرفت روزافزون صنعت و از آنجا که دسته وسیعی از تجهیزات الکتریکی نظیر موتورهای القایی، لامپ های روشنایی و… جهت کارایی مناسب نیاز به آن دارند که همواره در ولتاژ نامی کار کنند، در بسیاری از موارد بخصوص در شبکه های توزیع انرژی الکتریکی، جهت تثبیت ولتاژ علاوه بر ULTC از یکسری از ادوات جبرانگر نیز استفاده شده است.
یکی از مهمترین اجزا سیستم های قدرت، ادوات FACTS می باشند. امروزه برخی از انواع آنها از جمله SVC در سطح وسیعی در صنعت انتقال و توزیع انرژی الکتریکی جهت کنترل توان راکتیو و ولتاژ مورد استفاده قرار گرفته است. SVC برای اولین بار در سال 1970 میلادی برای جبران توان راکتیو و بهبود پایداری دینامیکی سیستم های قدرت به کار گرفته شد و در بهبود پایداری ولتاژ اثرات مثبتی نشان داد.

امروزه SVC، یکی از المان های کلیدی سیستم قدرت می باشد که بخاطر سرعت پاسخگوئی بالای آن، قابلیت اطمینان شبکه بهبود می یابد و همچنین می تواند علاوه بر تثبیت ولتاژ، جهت دستیابی به شرایط دینامیکی پایدار، مثل پایداری گذرا و میرا نمودن نوسانات توان نیز به کار

 آید. بخاطر همین قدرت پاسخگویی سریع، زمانی که با تثبیت کننده های دیگر ولتاژ نظیر ULTC در مدار بکار می روند، پاسخ های زمانی کاملا متفاوتی داشته و SVC قبل از ULTC به انحراف ولتاژ پاسخ می دهد. در نتیجه زمانی که خروجی SVC در حین اختلاف ولتاژهای حالت دائمی به ماکسیمم حد ظرفیت خازنی خود رسید، خواص کنترلی خود را از دست داده و نظیر بانک خازنی موازی ثابت عمل می نماید. با توجه به آنکه استفاده از SVC به عنوان یک کنترل کننده اضطراری برای اعمال پاسخ سریع به تغییرات ناگهانی ولتاژ اجتناب ناپذیر است، باید به طریقی ظرفیت آن برای پاسخ به تغییرات احتمالی ولتاژ در لحظات آینده حفظ شود. بنابراین به کارگیری یک استراتژی کنترلی هماهنگ کننده جهت هماهنگی ULTC , SVC لازم است.

در این راستا مشخصه V-I جدیدی برای SVC به کار گرفته می شود که در آن نوعی رفتار سوئیچینگ مشاهده می گردد. و از آنجا که ULTC نیز دارای رفتار سوئیچینگ می باشد، جهت طراحی سیستم کنترل هماهنگ کننده می توان از نظریه کنترل نظارتی بهره گرفت. مزیت استفاده از این روش را می توان به طور خلاصه عدم نیاز به در نظر گرفتن مسائلی از قبیل وجود تاخیر زمانی، وجود باند مرده در دینامیک تپ چنجر و یا غیرخزی بودن رفتار فرایند برشمرد. در این پایان نامه با استفاده از روش کنترل نظارتی متمرکز یک کنترل ناظر برای سیستم، طراحی می نماییم.
ساختار پایان نامه به این صورت است که در فصل دوم ی بر سیستم های گسسته پیشامد و کنترل نظارتی آنها و روشهای متعدد طراحی کنترل نظارتی داشته، پس از آن ساختار و عملکرد چند نمونه از ادوات کنترل ولتاژ و مزایا و معایب آنها را بررسی می کنیم. سپس به مطالعه کارهای مختلف انجام شده در این زمینه که غالبا با ترکیب دو یا چند نمونه از این ادوات بوده پرداخته و مزایا و معایب آن را بر می شماریم.
در فصل سوم سیستم به کار گرفته شده معرفی و پس از آشنایی بیشتر با المان های آن به سراغ طراحی کنترل کننده با هدف کنترل ولتاژ می رویم و کنترل کننده ای را برای هریک از اجزای مدار معرفی می نماییم.
در فصل چهارم کنترل کننده حلقه بازی را برای کنترل سیستم طراحی کرده، نتایج حاصل حاکی از نامطلوب بودن پاسخ است. بنابراین با استفاده از ULTC کنترل حلقه بسته ای برای مدار طراحی می نماییم. این کنترل کننده در راستای تحقق و رسیدن به هدف گام برمی دارد، اما نسبت به تغییر پارامترها مقاوم نیست. جهت نیل به هدف از ترکیب دو المان SVC و ULTC بهره می گیریم. از آنجا که سرعت پاسخگویی این المان ها یکسان نمی باشد لذا کنترل کننده حلقه بسته ای جهت هماهنگ نمودن عملکرد این دو المان طراحی می نماییم. پاسخ ها نشان می دهد، علاوه بر بهبود نتایج حاصل از کنترل کننده قبلی نسبت به تغییر پارامترها نیز مقاوم می باشد.

:
یکی از مهمترین کاربرد سیستم های خنک کننده در صنعت سیمان است. خنک کننده های شبکه ای در صنعت سیمان برای خنک کردن ذرات داغ کلینکر مورد استفاده قرار می گیرد.
کلمه سیمان به هر نوع ماده چسبنده ای اطلاق می شود که قابلیت به هم چسباندن و یکپارچه کردن قطعات معدنی را دارا باشد. در شاخه مهندسی عمران سیمان گردی است نرم، جاذب آب، چسباننده سنگریزه که اساسا مرکب از ترکیبات پخته شده و گداخته شده اکسید کلسیم، اکسید سیلیسیم، اکسید آلومینیوم و اکسید آهن می باشد. ملات این گرد قادر است به در مجاورت هوا یا در زیر آب سخت شود و در زیر آب، در ضمن داشتن ثبات حجم، مقاومت خود را حفظ نموده و در فاصله 28 روز زیر آب ماندن دارای حداقل مقاومت 250 کیلوگرم بر سانتیمتر مربع گردد.
چگونگی خنک کردن کلینکر روی ساختمان بلوری کانی ها، قابلیت خرد شدن و نهایتا کیفیت سیمان تاثیر دارد و اصولا به همین دلایل است که توجه به خنک کننده ها بسیار ضروری است. از طرفی به دلیل رفتارهای غیرخطی در مراحل پخت سیمان برخی پیش بینی ها قبل از وقوع حوادث از ضررهای هنگفتی جلوگیری می کند.

متاسفانه کارهای تحقیقاتی در جهت شناسایی و مدلسازی بخصوص در زمینه موضوع این پروژه بسیار کم انجام شده است. شاید یکی از

 دلایل آن ارتباط بیش از حد بین قسمت های مختلف پروسه و اثرگذاری آنها بر یکدیگر باشد. بیشتر مراجع موجود اطلاعات تجاری در زمینه کولرهای شبکه ای بود و بسنده کردن به چند مرجع محدود بسیار، پیشرفت کار را کند می کرد.

گام بعدی جمع آوری داده از سیستم واقعی بود. به دلیل بعد مسافت و مشکلات اداری گرفتن داده از طریق مکاتبه امکانپذیر نبود. کارخانه سیمان بجنورد یکی از کارخانه های سیمان بود که سیستم خنک کننده مشبک در آن موجود بود. با همکاری مدیریت و مسئولان این کارخانه داده ها جمع آوری شد (داده های مربوط به دو ماه کاری کارخانه در اختیار گذاشته شد) ولی با توجه به اشکالاتی که در قسمت ثبت داده به صورت اتوماتیک داشتند داده ها دستی توسط اپراتور و مجموعا 24 داده برای هر پارامتر در هر روز موجود بود و این نگرانی وجود داشت که به خاطر فرکانس پایین جمع آوری داده بعضی اطلاعات مفید را از دست داده باشیم. ولی پس از بررسی معلوم شد که جز در حالات غیرعادی کار داده ها از رنج تقریبا ثابتی برخوردار بودند. مرحله بعد بررسی کلی داده ها بود و سپس وارد تست روش های شناسایی خطی شدیم. با توجه به پیش بینی که از قبل هم می کردیم تست های شناسایی خطی جواب های قانع کننده ای نداشتند. که این اظهارنظر با توجه به بررسی خروجی، شاخص Fitness و تست های دیگر انجام گرفته است. مدلسازی غیرخطی را با توجه به داشتن تجربه قبلی از مدلسازی های خطی و همچنین مراجع موجود که درباره مدلسازی ریاضی سیستم کار کرده بودند با روش شبکه عصبی MLP و آموزش مارکوات رونبرگ انجام دادیم. پاسخ های گرفته شده موفقیت مدلسازی را تایید می کردند.
به هرحال امیدوارم این پروژه در عمل بتواند گامی هرچند کوچک در رفع مشکلات موجود در صنعت سیمان بردارد.