تخمین وزن دینامیکی به کمک شبکه های عصبی و شبیه سازی آن جهت پیاده سازی در مدارات مجتمع fpga با استفاده از vhdl

پایان نامه
چکیده

امروزه تعیین دقیق و سریع وزن اجسام در شرایط دینامیکی، در بسیاری از حوزه های صنعتی، مدنظر قرار دارد. خصوصا با پیشرفت تکنولوژی این مسئله برای برخی صنایع به شکل یک نیاز حیاتی در آمده است. طراحان سیستم های توزین روش های مختلفی را برای افزایش سرعت توزین، با حفظ دقت آن، بررسی نموده اند. یکی از این روش های کارآمد، تخمین وزن اجسام در شرایط دینامیکی سیستم توزین است که در این پایان نامه نیز بعنوان نقطه ی شروع مطرح گردیده است. این پروژه از سه فاز تشکیل شده است که به اختصار عبارتند از: فاز نخست-ارائه مدل مکانیکی نسبتاً دقیق از یک سیستم توزین واقعی و بدست آوردن روابط ریاضی حاکم بر آن در شرایط نوسانی سیستم. هدف نهایی از این فاز، بدست آوردن شکل موج نوسان به ازای اوزان مختلف قرار گرفته بر روی ترازو و سپس نمونه برداری از هر کدام از شکل موج ها با پریود زمانی مشخص است. فاز دوم-انتخاب یک مدل مناسب از شبکه های عصبی مصنوعی و سپس خلق و آموزش این شبکه با استفاده از نمونه های حاصل از فاز نخست. هدف نهایی از این فاز، بدست آوردن تمام مشخصات شبکه، اعم از نوع شبکه، تعداد لایه ها، تعداد نرون ها در هر لایه، توابع راه انداز در هر لایه و اوزان مربوط به اتصالات شبکه است. فاز سوم-در فاز نهایی که اصلی ترین بخش از پروژه می باشد، به توصیف سخت افزاری شبکه ی عصبی مصنوعی به کمک زبان vhdl، جهت پیاده سازی در تراشه های fpga می پردازیم. در این فاز کدنویسی در سطح rtl انجام شده و تمامی اجزاء شبکه عصبی، به صورت قطعات به هم مرتبط سخت افزاری، توصیف خواهند شد. یک معماری کامل از شبکه، ارائه شده و نهایتاً جهت ارزیابی میزان موفقیت پروژه، به مقایسه ی سرعت و دقت مدل سخت افزاری توصیف شده با شبکه ی عصبی موردنظر خواهیم پرداخت.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

طراحی و پیاده سازی عملی مشاهده‌گر به کمک شبکه عصبی پیشخور جهت کنترل پهپاد چهارپره

پایداری کوادروتور به دلیل دینامیک شدیدا غیر خطی از مهمترین مسایل پیش روی محققان در طراحی این ربات بوده است. در این مقاله ابتدا به طراحی یک کنترلرکلاسیک تناسبی- مشتق‌گیر به روش تنظیم با الگوریتم تکاملی ازدحام ذرات برای کنترل وضعیت پرنده پرداخته شده است. سپس به طراحی یک مشاهده‌گر غیر خطی برای تخمین حالتهای سرعت زاویه ای کوادروتور پرداخته شده است. در ادامه یک مشاهده‌گر شبکه عصبی با استفاده از داده...

متن کامل

پیاده سازی شبکه های عصبی راف با یادگیری احتمالاتی جهت شناسایی سیستم های غیرخطی

در این مقاله یک شبکه عصبی راف بهبود یافته به منظور شناسایی سیستم  های غیرخطی آشوبی ارائه شده است. شبکه  های عصبی راف نوعی از ساختارهای عصبی هستند که براساس نرون  های راف طراحی می  شوند. یک نرون راف را می  توان بصورت زوجی از نرون  ها در نظر گرفت، که به نرون  های کرانه بالا و کرانه پایین موسوم هستند. رویکرد نرون راف استفاده از محاسبات بازه  ای در شبکه عصبی را امکان پذیر می  سازد، بنابراین می  توا...

متن کامل

پیاده سازی سخت‌افزاری سیستم های رمزنگاری بر اساس زوج سازی تیت با استفاده از FPGA روی F 2^283

زوج­ سازی در رمزنگاری، یک نگاشت دوخطی از اعضا­ی دو گروه جمعی از خم بیضوی به یک عضو گروه ضربی از میدان متناهی است و به منظور ساختن طرح­ های رمزنگاری یا حمله به آن­ها مورد استفاده قرار می­گیرد. زوج ­سازی تیت پرکاربردترین نوع زوج ­سازی است که با استفاده از الگوریتم میلر محاسبه      می­شود و نسخه بهبودیافته این الگوریتم برای خم­های ابرمنفرد زوج ­سازی   &etaT نامیده می­شود. به دلیل حجیم و زمان ­بر ب...

متن کامل

طراحی، مدلسازی و شبیه سازی فیلتر fir وفقی دوبعدی به وسیله vhdl جهت پیاده سازی روی تراشه های fpga

هدف از این تحقیق سنتز فیلترهای با پاسخ ضربه محدود (fir) دیجیتال وفقی با الگوریتم های lms و dlms برای کاربرد حذف نویز بر روی تراشه های fpga و مقایسه رفتاری الگوریتم های وفقی lms و dlms از لحاظ مقدار تراشه مصرفی و فرکانس کاری. با توجه به نتایج بدست آمده الگوریتم dlms دارای ساختار خط لوله است که از الگوریتم lms سریع تر است در حالی که به علت رجیسترهای اضافی از تراشه ی بیشتری استفاده می کند. برای اف...

مدل سازی شبکه مبنای تصادفات جرحی عابر پیاده به کمک شبکه عصبی در محیط GIS (مطالعه ی موردی: شهر مشهد)

در این مقاله با در نظر گرفتن 23 پارامتر مؤثر بر تصادفات جرحی عابر پیاده شهر مشهد (در چهار گروه) در سال‌های 1391 تا 1393 و آماده­سازی لایه­های رستری لازم در محیط GIS، تأثیر هر یک از آن­ها در قالب ارزیابی عملکرد شبکه عصبی پرسپترون چندلایه، اولویت­بندی گردید. در اغلب تحقیقات انجام‌شده، مدل‌سازی بردار مبنا مدنظر قرار گرفته و به انعطاف‌پذیری و دقت پیش‌بینی رستر مبنای تصادفات در راستای تعیین تأثیر مک...

متن کامل

شبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه

  مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023