In this paper, recommended spiral passive micromixer was designed and simulated. spiral design has the potential to create and strengthen the centrifugal force and the secondary flow. A series of simulations were carried out to evaluate the effects of channel width, channel depth, the gap between loops, and flowrate on the micromixer performance. These features impact the contact area of the two fluids and ultimately lead to an increment in the quality of the mixture. In this study, for the flow rate of 25 μl/min and molecular diffusion coefficient of 1×10-10 m2/s, mixing efficiency of more than 90% is achieved after 30 (approximately one-third of the total channel length). Finally, the optimized design fabricated using proposed 3D printing method.

Inertial Navigation System (INS) is one of the navigation systems widely used in various land-based, aerial, and marine applications. Among all types of INS, Microelectromechanical System (MEMS)-based INS can be widely utilized, owing to their low cost, lightweight, and small size. However, due to the manufacturing technology, MEMS-based INS suffers from deterministic and stochastic errors, which increase positioning errors over time. In this paper, a new effective noise reduction method is proposed that can provide more accurate outputs of MEMS-based inertial sensors. The intelligent method in this paper is a combined denoising method that combines Wavelet Transform (WT), Permutation Entropy (PE), Support Vector Regression (SVR), and Genetic Algorithm (GA). Firstly, WT is employed to obtain a time-frequency representation of raw data. Secondly, a four-element feature vector is formed. These four features are (1) amplitude of frequency, (2) its ratio to mean of amplitudes of all frequencies, (3) location of frequency in time-frequency representation, and (4) judgment on behaviors of frequency that is obtained by utilizing PE. Thirdly, based on the feature vector, the GA-SVR algorithm predicts amplitudes of all frequencies in the time-frequency representation of the denoised signal. Finally, by employing inverse WT the denoised signal is obtained. In this work, the outputs of the Inertial Measurement Unit (IMU) in ADIS16407 sensor, as a low-cost and MEMS-based INS, have been utilized for data collection. The proposed method has been compared with other noise reduction methods and the achieved results verify superior improvement than other methods.

هدف: انتخاب پرتفوی بهینه یکی از موضوعات مهم در سرمایه گذاری است. به دلیل ماهیت مبهم این اتفاقات، آینده پیش بینی بازده سهام با چالش مواجهه است. بر اساس نظر یه مدرن پرتفوی، برای پوشش ریسک این اتفاقات از تنوع سازی استفاده می شود. این نظریه براساس مفروضاتی بنا شده است که یکی از این مفروضات نرمال بودن توزیع بازده دارایی ها است. اما شواهد تجربی نشان از عدم نرمال بودن بازده دارایی ها دارد. زمانی که فرض نرمال بودن نقض می شود، از گشتاورهای مراتب بالاتر جهت کامل تر کردن مدل استفاده می شود. از طرف دیگر آنتروپی یکی از معیارهای تنوع سازی است که در مدل های بهینه سازی مورد استفاده قرار می گیرد. لذا، هدف از نگارش مقاله درنظر گرفتن فرض غیرنرمال بودن توزیع بازده دارایی ها از طریق وارد کردن گشتاورهای مراتب بالاتر در مدل ها و همچنین درنظر گرفتن معیار آنتروپی به عنوان معیار تنوع سازی در مدل بهینه سازی پرتفوی می باشد. روش: در مقاله پیش رو، رویکرد جدیدی با استفاده از برنامه ریزی آرمانی چندجمله ای براساس مدل میانگین، واریانس، چولگی، کشیدگی و آنتروپی پیشنهاد شده است. در این مقاله برای اندازه گیری آنتروپی از معیارهای شانون و جینی سیمپسون استفاده شده است. همچینین برای بهینه سازی مسأله از روش آرمانی چندجمله ای استفاده شده است. یافته ها: یافته ها نشان از بهبود ارزیابی عملکرد پرتفوی نسبت به مدل میانگین واریانس و مدل هایی که به تنهایی گشتاور مراتب بالاتر را درنظر گرفته اند، دارد. نتیجه گیری: نتایج حاصل از مقایسه مدل ها براساس شاخص های ارزیابی پرتفوی نشانگر این است که استفاده از آنتروپی به منظور متنوع سازی، موجب کاهش معنی دار مقادیر بهینه سایر توابع هدف نمی شود. همانطور که مشاهده شد، هنگام استفاده از آنتروپی جینی سیمپسون و گشتاورهای مراتب بالاتر، بازده بیشتری نسبت به سایر مدل ها بدست آمد و از طرف دیگر آنتروپی شانون، تنوع سازی بیشتری نسبت آنتروپی جینی سیمپسون را نتیجه داد.

در این پژوهش، انتخاب سبد سهام چند دوره­ای درحالت عدم­ قطعیت و با درنظرگرفتن هزینه­ های معاملاتی، مدل سازی و حل شد. به منظور انتخاب سبد سهام چنددوره ­ای با چهار معیار بازده، ریسک، درجه تنوع­ بخشی سبد سهام و هزینه معاملاتی، یک مدل میانگین-نیم ­واریانس-آنتروپی امکانی معرفی شد. در این مدل سطح بازده با مقدار میانگین امکانی بازده، سطح ریسک با نیم­ واریانس امکانی پایینی بازده و درجه تنوع­ پذیری سبد سهام به وسیله آنتروپی امکانی محاسبه شد. برای درنظرگرفتن عدم ­قطعیت در مدل پیشنهادی، از نظریه فازی استفاده شده و بازده سهام، عدد فازی ذوزنقه ­ای درنظرگرفته شد. باتوجه به پیچیدگی محاسباتی مسئله، الگوریتم بهینه­ سازی ازدحام ذرات چندهدفه برای حل مدل به ­کار رفت. به منظور ارزیابی عملکرد مدل پیشنهادشده، مدلی مشابه، مشتمل بر آنتروپی تناسبی، مدل سازی و حل شد و نتایج آن با مدل آنتروپی امکانی مقایسه شد. نتایج نشان داد که مدل آنتروپی امکانی از مدل آنتروپی تناسبی بهتر است؛ زیرا مرز کارایی بهتری ارائه می­ دهد. با توجه به پرتفوهای بهینه به ­دست­ آمده از یک بار اجرای الگوریتم روی مدل آنتروپی امکانی در دوره­ ی زمانی سوم، بیشترین درصد سهام انتخاب­ شده در سبد بهینه سرمایه­ گذار ریسک ­پذیر، ریسک­ گریز و بی ­تفاوت نسبت به ریسک، به ­ترتیب کگل، حکشتی و شخارک هستند.

کاربرد مفهوم معادل شبکه برای نمایش سیستم خارجی در تحلیل گذراهای سیستم قدرت به خوبی شناخته شده است. اما بهرحال، مورد چالش برانگیز در استفاده از یک معادل، تقریب زده شده با یک تابع گویا، تضمین پسیو بودن مدل مربوطه می باشد. در این رابطه، تکنیکهای ویژه ای برای تامین پسیوبودن مدل معادل از طریق یک روش post processing که تاثیراتش را روی مشخصات مدل اصلی مینیمم می کند، مورد نیاز است. در این مقاله، پسیوبودن ابتدا بوسیله تبیین مساله در ترمهایی از یک مساله اپتیمم سازی Convex که حل بهینه تام را تضمین می کند، اعمال می گردد. مساله اپتیمم سازی Convex بطور موثری بوسیله روشهای عددی interior-point که اخیرا توسعه داده شده، حل می گردد. این اعمال پسیو بودن نیز تام بوده، بدین معنی که اعمال پسیو بودن در یک ناحیه منجر به تخطی از پسیو بودن در نواحی دیگر نمی گردد.