وبلاگ

:
امروزه منازل و ساختمان های هوشمند به عنوان یک مقوله مهم از سوی بسیاری از محققین مورد توجه و بررسی قرار گرفته است. این منازل از تعداد زیادی شبکه سنسوری و محرک هایی تشکیل شده تا عملیات مختلف با کارایی ساده تر برای استفاده کنندگان به وجود آورند.
یکی از بخش های اساسی این سیستم ها، سیستم آشکارسازی افراد مزاحم و یا به عبارتی آشکارسازی دزدها می باشد. جهت پیاده سازی سیستم امنیتی طرح شده در این پروژه از چهار نوع سنسور PIR/Microwave، آشکارساز شکست شیشه، سنسور ارتعاشی دیوار و سنسور صوتی استفاده شده است.

برای کاربران، حساسیت و اطمینان پذیری بالا مهم ترین عامل در انتخاب یک سیستم امنیتی می باشد. از طرفی اشتباه به صدا درآمد زنگ سنسورها هزینه بر بوده و اعتمادپذیری سیستم را نیز کاهش می دهد. با تئوری استفاده از چند سنسور احتمال زنگ های اشتباه به طرز چشمگیری کاهش می یابد. استفاده از سیستم های چند سنسوری، هم باعث کاهش هزینه شده و هم از طرفی قابلیت اطمینان به چنین سیستم هایی بالاتر است.

در فصل 1 به روش ترکیب اطلاعات و بررسی مزایای آن می پردازیم. در فصل 2 دو تئوری Dempster-Shafer و Dezert-Smarandache را همراه با قانون ترکیب آنها و چند مثال تشریح نموده ایم.
فصل 3 در مورد سنسورهای معمول استفاده شونده در سیستم های امنیتی پرداخته و در فصل 4 پیاده سازی سیستم امنیتی ساختمان به روش ترکیب اطلاعات سنسوری و نتایج حاصل از آن توضیح داده شده است. بالاخره فصل 5 به نتیجه گیری و پیشنهادات برای شبیه سازی سیستم اشاره دارد.
فصل اول
ی بر ترکیب اطلاعات سنسوری
1-1- خلاصه ای از تکنولوژی ترکیب اطلاعات
همانگونه که در بالا اشاره شد در ترکیب اطلاعات سنسوری خروجی سنسورهای مختلف مرتبا خوانده شده و در نهایت یک نقشه و طرح واحد نتیجه گیری می گردد.
بعضی از رایج ترین سیستم های Data Fusion سیستم های نظامی تشخیص تهدید و سیستم های پیش بینی آب و هوا می باشد.
در سال 1984 یک زیر گروه Data Fusion امریکا تأسیس شد که سازماندهی کنفرانس ها، ترویج استفاده از Data Fusion به تأسیستن صنعتی و آموزشی، تشخیص نیازهای صنعت و همکاری در پروژه های Data Fusion از جمله وظایف این گروه به حساب می آمد.
در حال حاضر حدود 50 دانشگاه و شرکت صنعتی، تحقیقاتی راجع به ترکیب اطلاعات سنسوری و تجمع سازی اطلاعات انجام می دهند.
هنگام ظهور این بحث اصطلاح “Data Fusion” معنا و مفهوم شخصی برای بسیاری از دانشمندان در بر نداشت. تنها صنعت جهت نیاز به مدیریت خوب اطلاعات و آنالیز سیستم مستقل از اپراتور قادر به ابداع و تحقیق در این زمینه بود. به همین دلیل بیشتر پروژه های اخیر Data Fusion گرایش نظامی داشته که اهم اهداف آن بهبود در کیفیت دفاع ملی به وسیله گسترش یک سیستم رابط بین انسان و ماشین می باشد.
ایده فوق دخالت مهارت های انسانی و تصمیم گیری اپراتور را در نظارت و ارزیابی مناطق جنگی یا مواضع تاکتیکی کاهش می دهد.
بنابراین بیشتر نشریات در مورد Data Fusion، متمرکز بر کاربردهای دفاعی می باشد یعنی درست همان نقطه که از آن نشأت گرفته است.

ای بر مخابرات نوری
1-1- سیر تاریخی ارتباطات نوری

استفاده از امواج نور مرئی یا روشنایی در ارتباطات، سالیات متمادی معمول بوده است. نور برای ارتباطات دید مستقیم (آتش و آیینه باز تابشی) از هزاران سال پیش مورد استفاده قرار می گرفت. پیشرفت های حقیقی از قرن 19 میلادی با بهبود ارتباطات دید مستقیم آغاز

 شد.

بعد از اختراع لیزر در سال 1960 میلادی، ایده بکارگیری فیبر نوری برای انتقال اطلاعات شکل گرفت. فیبرهای نوری در ابتدا تضعیفی در حدود 1000dB/km از خود نشان دادند که قابل قیاس با کابلهای هم محور نبودند. در سال 1964 پیشنهاد تئوری موجبر شیشه ای کم تلفات توسط Charles Kao به عنوان محیط انتقال برای مسافت های طولانی مطرح شد. و اولین فیبر شیشه ای با تلفات زیر 20dB/Km در آمریکا توسط Corning glass ساخته شد. که عملا برای انتقال اطلاعات مخابراتی قابل استفاده نبود.
در سال 1976 با کوشش فراوان محققین تلفات فیبر نوری تولیدی شدیدا کاهش داده شد و به مقداری رسید، که قابل مقایسه (افت حدود 5dB/KM) با کابل های کوکسیال مورد استفاده در شبکه مخابرات بود، و برای اولین بار فیبر نوری به صورت تجاری به کار گرفته شد. در مدتی کمتر از 10 سال افت کابلها به کمتر از 5dB/KM و فن آوریهای اتصال به روش های مناسب با افت کم تکامل پیدا کرد.
لیزرهای نوری در ابتدا عمری در حدود چند ساعت داشتند، با پیشرفت های مهمی که در ساختار آنها به وجود آمد در سالهای 1977 طول عمر آنها بیشتر از 700 – 1000 ساعت رسید. بعد از این دوران سیستم های نوری به طور تجاری مورد استفاده قرار گرفتند و با توجه به پیشرفت های فوق العاده امروزه مهمترین سیستم های انتقال بخصوص در شبکه های زیرساخت محسوب می گردند. امروزه بیش از 90% ارتباطات راه دور و 50% شبکه های تلفن محلی، بیشتر شبکه های کامپیوتری محلی، تلویزیون های کابلی و همچنین سیستم های نظارتی و سیستم مراقبتی از راه دور از فیبر نوری استفاده می شود.

ربات ها یکی از بهترین گزینه ها، برای اتوماسیون صنعتی می باشند. در محیط هایی که ایمنی کمی وجود دارد، ربات ها می توانند جایگزین مناسبی برای عوامل انسانی باشند. قدرت تکرارپذیری، برنامه ریزی و دقت بالای عملکرد جزو خصوصیات اصلی ربات ها می باشند. یکی از انواع ربات ها از نظر شکل ظاهری “دست ماهر ربات” (robot manipulator) می باشد که در صنایع مختلف، کاربرد فراوانی پیدا کرده است. عمدتا ربات های صنعتی (industrial robots) به دست ماهر ربات اطلاق می شود که وظایف مختلفی از قبیل برداشتن و گذاشتن قطعات، جوشکاری، رنگرزی، مونتاژ، نصب قسمت های مختلف یک دستگاه و… بر عهده آن می باشد.
دست ماهر ربات می تواند ساختار سری یا موازی داشته باشد. در اغلب موارد منظور از دست ماهر ربات همان ساختار سری می باشد. دست ربات با ساختار سری، شامل تعدادی مفاصل و رابط های پشت سرهم می باشد و چنانچه انتهای دست ربات با ابتدای آن از طریق محیط یا یک جسم خارجی در ارتباط باشد، دست ربات جزو ساختارهای موازی قرار می گیرد، ربات های شانه هیدرولیکی hydroulic shoulder robots نمونه های بارزی از ساختارهای موازی می باشند.
دست ماهر ربات می تواند متحرک یا ثابت باشد. چنانچه نقطه ابتدایی دست ربات (پایه ربات) حرکت کند به دست متحرک (mobile robot manipulator) موسوم می باشد. طراحی، مسیریابی و کنترل دست های متحرک از پیچیدگی بیشتری نسبت به دست های ثابت برخوردار است.
برای اینکه ربات ها بتوانند وظایف خواسته شده از آنها را به خوبی انجام دهند، علاوه بر طراحی و مسیریابی (trajectory planning) مناسب، باید کنترل کننده مناسب نیز برای آنها در نظر گرفته شود. همزمان با راه یافتن ربات ها به صنایع مختلف، کار بر روی کنترل آنها نیز آغاز شده و تاکنون ادامه دارد. کنترل کننده های دست ربات به سه دسته کلی تقسیم می شوند:
– کنترل کننده موقعیت (سرعت)
– کنترل کننده نیرو
– کنترل کننده نیرو و موقعیت به طور همزمان
در عملیاتی که دست ربات با محیط خارجی در تماس است، طبیعتا علاوه بر کنترل موقعیت ربات، نیروی اعمال شده توسط آن نیز باید کنترل شود. چنانچه یکی از دو عامل مهم یعنی نیروی اعمال شده توسط دست ربات به محیط خارجی و جابه جایی دست ربات بر یکدیگر ارجح باشند طبیعتا یکی از کنترل کننده موقعیت یا نیرو، کافی خواهد بود، در غیر این صورت باید از کنترل کننده موقعیت و نیرو به طور همزمان استفاده کرد.
با توجه به دینامیک کاملا غیرخطی و کوپله ربات ها، استفاده از روش های کنترل غیرخطی (بجز در موارد خاص که بتوان تقریب خطی مناسبی از دینامیک ربات به دست آورد یا از روش های کنترل خطی مقاوم و تطبیقی استفاده نمود) در مورد آنها ضروری است.

اگرچه روش های دقیقی برای مدلسازی دست ربات ماهر براساس قوانین توسعه یافته در علم دینامیک وجود دارد اما حضور اغتشاش ها،

 تغییرات بار، دینامیک های مدل نشده، اصطکاک و تغییرات پارامترهای مربوط به اینرسی، جرم و… تنها به دست آوردن یک مدل نامی را امکان پذیر می سازد. بنابراین استفاده از روش های کنترل مقاوم و تطبیقی و هوشمند در مورد ربات ها ضروری است.

در اکثر عملیات صنعتی، گشتاورهای بزرگی توسط ربات ها اعمال می شود. موتورهای الکتریکی یکی از متداول ترین محرک های روبات ها می باشند. گشتاور کم و دور زیاد جزو خصوصیت اصلی، اکر موتورهای الکتریکی است بنابراین برای اینکه نیروی کافی برای ربات ها مهیا باشد، باید از جعبه دنده استفاده شود. استفاده از جعبه دنده نه تنها باعث تطبیق دور و گشتاور موتورها به دور و گشتاور مورد نیاز ربات ها است بلکه در صورت بزرگ بودن ضریب جعبه دنده باعث غلبه عوامل خطی بر غیرخطی در دینامیک ربات ها، می شود. عیب استفاده از جعبه دنده، وجود لقی در آنها است که باعث کاهش پهنای باند نیروی اعمال شده توسط ربات ها می شود. برای غلبه بر مشکل فوق از جعبه دنده جدیدی به نام هارمونیک درایو (Harmonic drive) استفاده می کنند. خصوصیت اصلی هارمونیک درایوها، انعطاف پذیری آنها می باشد.
همانطوری که قبلا بیان شد، در اکثر عملیات صنعتی باید گشتاورهای بزرگی توسط ربات ها، اعمال شود در نتیجه لازم است که دست ربات ها از مواد صلب و به اندازه کافی محکم ساخته شوند اما از طرفی وجود هارمونیک درایوها، تسمه ها، محورهای بلند و… که براساس نوع عملیات انجام شده توسط ربات ها در ساختار آنها استفاده می شود، باعث ایجاد خاصیت انعطاف پذیر در آنها می شود.
یکی از موارد مهم در طراحی ربات ها ایمنی آنها می باشد. برای هرچه ایمن تر شدن ربات ها، علاوه بر اعمال روش های کنترل نیرو (اعمال نیروی انعطاف پذیر و سازگار در صورت برخورد آنها با انسان و…)، باید کمی انعطاف پذیری نیز در ساختار آنها ایجاد کرد. برای انجام بعضی از عملیات خاص نیز، انعطاف پذیری نقش موثری را می تواند داشته باشد.
اهمیت در نظر گرفتن انعطاف پذیری در مدلسازی و کنترل دست ربات ها به طور تجربی در [32] نشان داده شده است. اگرچه وجود انعطاف پذیری در ساختار ربات ها، مزیت هایی را به همراه خواهد داشت، اما در عین حال باعث ایجاد ارتعاش نامطلوب در ساختار آنها شده، و روش های کنترلی که بر مبنای ساختار ربات صلب می باشند دیگری کارایی نداشته و حتی ممکن است منحر به ناپایداری شوند.
کار بر روی ربات های انعطاف پذیر از اوایل دهه 80 شروع شد. انعطاف پذیری را می توان در مفاصل ربات یا در خود دست ربات (رابط ها) یا در هردو در نظر گرفت. در به طور تجربی و عملی نشان داده شده است که منشاء اکثر انعطاف پذیری در ساختار ربات ها، در مفاصل آنها است. تاکنون روش های کنترلی زیادی برای ربات ها با مفاصل انعطاف پذیر (FJR) و ربات ها با رابط ها انعطاف پذیر Flexible link robot (FLR و روش های کمتری نیز برای ربات ها با مفاصل و رابط های انعطاف پذیر (FL&JR) به کار گرفته شده است. وجود انعطاف پذیری یکی از نامعینی های مهم در FJR می باشد. روش های مدلسازی مختلفی که به کار گرفته شده اند، تنها یک مدل نامی و تقریبی را معرفی می کنند بنابراین استفاده از روش های کنترل تطبیقی مقاوم و هوشمند در مورد FJR حتی ضروری تر از دست ربات صلب می باشد.
یکی از روش های اولیه برای کنترل FJR، استفاده از کنترل ترکیبی براساس ایده پریشیدگی منفرد (Singular perturbution) و در حالت کلی تر رویه ناوردا (یکپارچه) (Integral manifold) می باشد. به واسطه این روش می توان، استراتژی های کنترلی که بر مبنای مدل صلب دست ربات است با اصلاحات لازم به FJR اعمال کرد.
هدف در این سمینار، پیدا کردن یک روش مناسب برای کنترل موقعیت FJR (با ساختار سری و پایه ثابت) بوده که بتواند بر نامعین های موجود در آن، خصوصا نامعینی ناشی از انعطاف پذیری، غلبه کند و در عین حال علمکرد ساده و مطلوبی داشته باشد.
در فصل اول ابتدا کلیات این پژوهش که شامل هدف، پیشینه و روش کار می باشد، بیان شده سپس در فصل دوم انواع روش های مدلسازی FJR بررسی شده و نامعینی ناشی از انعطاف پذیری مفاصل، مورد دقت بیشتری قرار می گیرد سپس مختصری بر روش های کنترل FJR خواهد شد.
نهایتا در فصل آخر، تکنیک های کنترل تطبیقی بر پایه خطی سازی فیدبک و تقریبگر به طور اجمال بررسی می شوند. این تکنیک ها شامل انواع روش های اصلاح قاعده تطبیق، روش های جبران خطای تقریبگرها و روش های فیدبک خروجی OFB می باشد هدف از بررسی این تکنیک ها پیدا کردن یک روش مناسب برای کنترل تطبیقی FJR بر پایه خطی سازی فیدبک می باشد.

:

شبكه های عصبی با توجه به توان بالا درپردازش موازی،قابلیت یادگیری، تعمیم، طبقه بندی، قدرت تقریب، به خاطر سپردن و به خاطر آوردن الگوها، خیزش وسیعی در زمینه های مختلف هوش مصنوعی ایجاد كرده اند. از این رو به دلیل عملكرد خوب شبكه های عصبی مصنوعی برای شناسایی الگو، در این پایان نامه از شبكه های عصبی چند لایه جهت پیاده سازی سخت افزاری سیستم استفاده شده است. با توجه به طراحی سیستم های هوشمند و كوچكی كه در لوازم روزمره امروزی كاربرد دارند، و از طرفی امكان ارتباط آنها به كا مپیوتر وجود ندارد نیاز به پیاده سازی سخت افزاری شبكه  های عصبی در حجم كوچك احساس می شود و با توجه به این كه آی سی های FPGA بسیار انعطاف پذیر می باشند و به صورت نرم افزاری تمام طرح های سخت افزاری را می توان پیاده نمود لذا گزینه مناسبی جهت پیاده سازی سخت افزاری شبكه های عصبی می باشد.

در این پروژه یك روش برای پیاده سازی شبكه عصبی بر روی FPGA ارائه شده است. برای پیاده سازی شبكه عصبی از داده های آماری اداره دامپزشكی منطقه مغان استان اردبیل استفاده شده است.
هدف از جمع آوری این داده های آماری تشخیص و شناسایی یك الگو جهت پیاده سازی در یك شبكه عصبی از نوع چند لایه MLP است.
برای آموزش شبكه عصبی از روش پس انتشار خطا با 300 بار آموزش برای رسیدن به حداقل خطای مورد نظر استفاده شده است.
ضرایب وزن و بایاس های به دست آمده از آموزش شبكه عصبی در مرحله بعد برای پیاده سازی آن روی FPGA استفاده می شود.
تعداد داده های آماری در این پروژه 38 داده می باشد كه هر یك دارای سه ورودی و یك خروجی است و به عنوان داده ورودی و خروجی برای آموزش شبكه مورد نظر استفاده شده است. از این 38 داده 34 داده برای آموزش شبكه و 4 داده به عنوان داده تست انتخاب شدند. بعد از تعیین ضرایب وزنی و بایاس جهت پیاده سازی آن بر روی FPGA سری XC4000 از نرم افزار Foundation4,1 برای طراحی مدارات مربوطه استفاده شده است. FPGA, IC سری XC4000 دارای حجم گیت های منطقی زیاد و انعطاف پذیری خیلی بالا برای پیاده سازی سخت افزاری شبكه های عصبی است. به دلیل استفاده از داده های ثابت در پیاده سازی شبكه بر روی FPGA، شبكه، دوباره قابل آموزش نیست.
با توجه به مراحل مختلف به كار گرفته شده در این پروژه جمع بندی و شكل دهی پایان نامه در 4
فصل مورد مطالعه قرار گرفته است.
در فصل اول سیستم های عصبی، انواع شبكه های عصبی، مدل سازی و انواع روشهای آموزش شبكه عصبی مورد بررسی قرار گرفته است.
در فصل دوم روش جمع آوری داده های دامپزشكی بر اساس در صد وجود انگل در گله های دامی و روش از بین بردن این انگلها بر اساس تزریق داروئی BZD در پیش بینی میزان موفقیت این دارو و در كاهش انگلهای دامی به عنوان داده برای شبكه عصبی انتخاب و توضیح داده شده است.
در فصل سوم روش پیاده سازی سخت افزاری شبكه عصبی بر روی FPGA سری XC4000 با نرم افزار Foundation4,1 همراه با مدارهای طراحی شده توضیح داده شده است. ودر نهایت در فصل چهارم نتیجه گیری كار های انجام شده و پیشنهادات لازم برای افزایش كارائی پژوهش مورد نظر، ارائه شده است.