هوش محاسباتی در مهندسی برق (سیستم های هوشمند در مهندسی برق)
سال:1401 | دوره:13 | شماره:3 |تعداد مقالات:8

انتخاب مدل ریاضی حرکت چشم تأثیر مهمی در تحقیقات علمی داشته است. این پژوهش در ادامه این تحقیقات به مدلسازی یک بازوی رباتیک کنترلی انجام شد که با تعقیب حرکت چشم انسان طراحی می شود؛ به طوری که در ابتدا ساختار چشم انسان به طور کامل، بررسی و سپس با بررسی مدل های پیشین یک مدل، معادل یک ربات دو درجه آزادی برای آن ارائه می شود. در ادامه با طراحی و شبیه سازی یک کنترل کنندۀ بهینۀ مربع خطی روی سیستم مدنظر نتیجۀ آن به مدلسازی ربات چشم یک کنترل کننده به منظور ردیابی برای سیستم مدنظر می انجامد که با شبیه سازی این کنترل کننده نتایج آن نشان داده می شود. در این مقاله، نحوۀ طراحی کنترل کنندۀ فازی برای سیستم مدنظر با ارائۀ نتایج شبیه سازی حاصل از آن تشریح می شود. درنهایت، عملکرد دو روش کنترل در حضور شرایط اولیه غیر صفر، حرکت های سریع چشم و حضور عدم قطعیت در مدل سازی سیستم مقایسه می شوند. نتایج شبیه سازی نشان می دهند باوجود کنترل سیستم توسط هر دو روش کنترل ارائه شده، روش کنترل فازی عملکرد مناسب تری برای تعقیب حرکت های سریع چشم دارد. این روش با استفاده از رفتار کیفی سیستم به جای مدل ریاضی دقیق آن نسبت به عدم قطعیت های مدل سازی مقاوم است. همچنین، با توجه به حجم کوچک تر شبیه سازی ورودی های کنترلی در کنترل کنندۀ فازی، این مهم سبب کاهش هزینه ها با استفاده از این کنترل کننده خواهد شد.

با مرور سابقۀ تحقیق مسئلۀ پخش بار بهینه مقید به قید پایداری گذرا (TSCOPF) مشخص می شود هنگام استفاده از تکنیک ضرایب حساسیت توابع انرژی، تنها توان مکانیکی ورودی واحدها در ارزیابی پایداری گذرا مبنا قرار می گیرد و تغییرات ولتاژ ماشین ها در این ارزیابی ترتیب اثر نمی یابد. این مقاله با به کارگیری AC-OPF، احتساب اثر تغییرات ولتاژ ماشین ها در ارزیابی پایداری گذرا را مدنظر قرار می دهد. به منظور ارزیابی پایداری گذرا شاخص جدیدی از خانوادۀ تکنیک های ترکیبی، پیشنهاد و نشان داده شد نرخ تغییرات شاخص پیشنهادی نسبت به متغیرهای تصمیم مسئله در بازه نسبتاً طویلی خطی است. بدین ترتیب، به منظور کاهش بار محاسباتی حل مسئله از این ویژگی خطی در تعریف قید پایداری گذرا استفاده می شود. چارچوب پیشنهادی روی شبکۀ تست 39 باس New England پیاده شده است. مقایسۀ نتایج حاصل با پاسخ های سابقه تحقیق نشان می دهد علاوه بر پایدارسازی شبکه در برابر رخداد تحت بررسی، به کارگیری روش پیشنهادی، هزینۀ بهره برداری را از 68/61799 دلار بر ساعت به رقم 86/60927 دلار بر ساعت می رساند که صرفه جویی 41/1% در هزینۀ سوخت را به دست می دهد.

پیوند جوزفسون متشکل از دو الکترود ابررسانا است که با یک اتصال ضعیف مانند یک لایۀ عایق نازک به هم متصل شده اند. پیوند جوزفسون به ازای پارامترهای مشخصی رفتار آشوبناک دارد که این رفتار در کاربردهای فرکانس بالا مطلوب نیست. در این مقاله، یک کنترل کنندۀ پیش بین مبتنی بر الگوریتم بهینه سازی کلونی مورچگان برای کنترل و سنکرون سازی پیوند جوزفسون ارائه شده است. در اینجا، از مدل غیرخطی پیوند جوزفسون و نیز از رویکرد سیستم اصلی - فرعی برای کنترل و سنکرون سازی استفاده شده است. برای این منظور، یک تابع هزینۀ مناسب برای کمینه سازی، متشکل از خطای ردیابی و سیگنال کنترل ارائه شده است. مسئلۀ بهینه سازی دینامیکی تخمین سیگنال کنترل در افق محدود با استفاده از الگوریتم بهینه سازی کلونی مورچگان حل شده است. عملکرد الگوریتم معرفی شده برای حالتی بررسی شده است که دو پیوند دارای شرایط اولیه و پارامترهای متفاوتی اند. برای بررسی همگرایی الگوریتم کنترل پیشنهادی برای سنکرون سازی پیوند شبیه سازی مونت کارلو انجام شده است. همچنین، آنالیز حساسیت نسبت به تغییرات تعداد مورچه ها و تعداد تکرار حلقۀ داخلی الگوریتم انجام شده است. نتایج نشان می دهند کنترل کننده نسبت به کاهش تعداد تکرار حلقۀ داخلی دارای حساسیت چشمگیری است.

پژوهشگران در سال های اخیر با افزایش دامنة آتش سوزی ها و به همراه آن تخریب گستردة محیط زیست و مناطق شهری پرتراکم، به به کارگیری راهکارهای سریع و مؤثر در مقابله با حریق، به ویژه براساس شبکه های حسگر بی سیم توجه ویژه ای داشته اند. درواقع، با تحلیل داده های آماری مختلف و طراحی یک مدل نوین از حسگرها، تجهیزات و تکنولوژی های هوشمند در یک شبکة حسگر آتشنشان می توان گام مؤثری در راستای کنترل آتش سوزی های مکرر در سطح گسترده و نیز کاهش خسارت های زیست محیطی آن برداشت. در مدل پیشنهادی، حسگرهای متحرک یا روبوت های اطفای حریق بر پایة الگوریتم یادگیری فازی - کیو و به کمک دو سیاست یادگیری کامل و جزئی در شبکة حسگر به محاصرة آتش در عملیات اطفای حریق قادر خواهند بود. در این مدل، محدودیت های انرژی در حسگرهای متحرک نیز با طراحی مسئلة بهینة انتخاب مُد عملکرد و با فرض قابلیت برداشت انرژی های محیطی قبل از کنترل حرکت به سمت حریق در نظر گرفته شده اند که با محاسبة کران های بالا و پایین برای تعداد حسگرهای ثابت فعال در تصمیم گیری مشارکتی، میزان مطلوب احتمالات آشکارسازی و اعلام اشتباه حریق نیز تضمین شدنی است. نتایج شبیه سازی های کامپیوتری، مؤثربودن اعمال چنین راهکاری در انتخاب بهینة حسگرهای متحرک و همچنین تعیین مسیر حرکت در اطفای سریع حریق را نشان می دهند.

در این مقاله، به مدل سازی بهینۀ دینامیکی توان و آلودگی در طول یک شبانه روز به عنوان یک چالش مهم در مهندسی پرداخته شده است. همچنین، در سیستم قدرت امروزی، انرژی های تجدیدپذیر، سهم انکارناپذیری را در تأمین انرژی ارائه می کنند؛ ازاین رو، برای ایجاد یک مدل کارآمد، علاوه بر در نظر گرفتن توابع هزینه و آلودگی، مدل سازی احتمالاتی انرژی باد پیشنهاد شده است. اصولاً چنین مسئله ای دارای محدودیت های متعددی است و به منظور سوق دادن آن به واقعیت، قیود عملی و غیرخطی مانند تعادل توان، نرخ شیب، مناطق ممنوعه، تابع هزینۀ ناصاف و محدودیت های تولید لحاظ شده اند. با توجه به اینکه این توابع ازنظر ماهیت با یکدیگر در تضادند، برای حل این مسئله، الگوریتم چندهدفۀ کلونی جستجوی ویروس مبتنی بر تئوری پارتو ارائه شده است. برای بهبود عملکرد الگوریتم جستجوی کلونی ویروس از نظریۀ آشوب بهره گرفته شده است که ضعف الگوریتم استاندارد، یعنی سرعت همگرایی و افزایش تعداد تکرار اجرای الگوریتم را برای رسیدن به جواب بهینه برطرف می کند. تئوری آشوب به ماهیت سیستم های پیچیده با رفتار پیش بینی ناپذیر و الگوبرداری با استفاده از توابع یا ارتباط رفتار آشفته برای الگوریتم به یک پارامتر اشاره دارد. با استفاده از ویژگی های تصادفی و پیمایشی سیستم های آشفته، استراتژی آشوب می تواند کیفیت توزیع جمعیت را در فضای جستجو بهبود دهد و کارایی همگرایی الگوریتم را ارتقا بخشید. همچنین، برای انتخاب بهترین جواب از بین مجموعه جواب ها از تابع تصمیم گیری فازی استفاده شده است. مدل و روش پیشنهادی روی سیستم های مختلف، اعمال و در مواردی با سایر روش های موجود در مقالات مقایسه شده است. نتایج نشان از بهبود عملکرد الگوریتم پیشنهادی دارد. همچنین، نتایج نشان دادند حضور منابع تجدیدپذیر کاهش هزینه ها، تولید و درنتیجه، افزایش امنیت شبکه را به همراه داشته است.

مدل های مولد سعی می کنند توزیع احتمالی که مشابه با توزیع داده های دیده شده باشد را به دست آورند. برای این کار دو راه حل در سال های اخیر ارائه شده است؛ یکی کمینه کردن واگرایی (فاصله) بین دو توزیع ازطریق بیشینه کردن باند پایین تغییراتی و دیگری کاهش ضمنی فاصله بین دو توزیع ازطریق فرآیندهای تخاصمی. یکی از مشکلات موجود در شبکه های تخاصمی مولد، فروافتادگی حالت است. فروافتادگی حالت به موضوعی گفته می شود که مدل مولد به ازای مقادیر ورودی متفاوت و پراکنده، نمونه های با پراکندگی کم یا حتی نمونه های مشابه به هم تولید می کند. این مقاله با ارائۀ روشی با عنوان شبکه های مولد تخاصمی تغییراتی سعی در مقابله با فروافتادگی حالت و همچنین، تولید داده های طبیعی تر دارد. این روش با استفاده از خودرمزگذارهای تغییراتی، شبکه های تخاصمی مولد را مقدار دهی اولیه می کند. به بیان دیگر، علاوه بر اینکه باند پایین تغییراتی را بیشینه می کند، فاصله بین دو توزیع را به صورت ضمنی کاهش می دهد. نتایج تجربی نشان می دهند این روش توانسته است بهتر از روش های موجود با مشکل فروافتادگی حالت مقابله کند. همچنین، در تحلیل کیفی براساس نظرسنجی از 136 فرد در رابطه با واقعی بودن تصاویر تولیدشده نشان داده شد روش پیشنهادی تصاویر مشابه تری به واقعیت نسبت به روش پایه تولید کرده است.

با رشد شبکه های اجتماعی، این شبکه ها هر روز بزرگ و بزرگ تر می شوند و تحلیل آنها به مراتب پیچید ه تر می شود. برای سادگی تحلیل شبکه های اجتماعی می توان آنها را به مجموعه ای از اجتماعات مختلف تقسیم کرد. این کار، تحلیلگران و کارشناسان را در درک رفتار و عملکرد اینگونه شبکه ها یاری می دهد. روش های مختلفی برای تشخیص اجتماعات در شبکه ها ارائه شده اند. بیشینه سازی ماژولاریتی، یکی از روش های مدرن و مناسب برای تشخیص اجتماع است. بیشینه سازی ماژولاریتی یک مسئله NP-hard است؛ به این معنی که هیچ الگوریتم چندجمله ای برای حل این مسئله وجود ندارد؛ مگر اینکه P=NP باشد. یک دسته از روش ها برای حل اینگونه مسائل، الگوریتم های تقریب است. شناسایی گرههای پرنفوذ، کاربردهای زیادی در شبکه های اجتماعی دارد. این روش می تواند برای تشخیص اجتماع نیز به کار رود. در این مقاله، الگوریتم های تقریبی برای بیشینه سازی ماژولاریتی براساس شناسایی گرههای پرنفوذ و دامنۀ نفوذشان پیشنهاد می شود. همچنین، از مفاهیم شبکه های مستقل از مقیاس برای اثبات نرخ تقریب استفاده می شود. آزمایش ها روی شبکه های واقعی نشان می دهند الگوریتم پیشنهادی قابل رقابت با روش های مدرن تشخیص اجتماع است.

در شبکه های انتقال امروزی، خروج ناگهانی برخی از واحدهای تولیدی (GUs) از چرخۀ تولید، بسیار خطرآفرین برای بهره بردار سیستم قدرت است. همچنین، واحدهای تولیدات پراکنده در شبکۀ توزیع یا DNs با داشتن قابلیت واکنش سریع می توانند جایگزین نسبتاً مناسبی برای GUs خارج شده باشند. بر اساس این، همکاری بین TN و DN امری ضروری است؛ اما حل مسئلۀ همکاری TN و DN بدون در نظر گرفتن پخش بار بهینه متناوب و حفظ امنیت تبادل اطلاعات بین دو بهره بردار شبکه، امری غیر ممکن است؛ به همین دلیل، در این مقاله، یک مدل خطی شده برای پخش بار بهینۀ متناوب برای هر دو شبکه ارائه شده است. همچنین، برای حل مسئلۀ همکاری بین دو بهره بردار شبکه یک روش حل مؤثر غیر متمرکز ارائه شده که در آن امنیت تبادل اطلاعات حفظ شده است. در این مقاله، برای پیاده سازی شبیه سازی مسئلۀ پیشنهادی از دو TN استاندار 30 و 118 شینه IEEE و دو شبکۀ استاندار توزیع 33 و 69 شینه  IEEEاستفاده شده است. نتایج شبیه سازی مزیت و کارایی روش مسئلۀ بهینه سازی و روش حل پیشنهادی نشان می دهند.