سیگنال های ارسال شده از ماهواره های گالیله و جی پی اس به سمت زمین شامل 3 مولفه؛ موج حامل، سیگنال پیام و کدفاصله یاب است. در این پژوهش با مطالعه دقیق این 3 مولفه، سیگنال فرکانس میانی گالیله و جی پی اس در باند l1 در محیط matlab شبیه سازی می شود. داده اولیه مورد نیاز سیگنال برای شبیه سازی داده آلماناک و افمریس است. از آنجایی که سامانه گالیله هنوز عملیاتی نشده است، داده افمریس مورد نیاز با استفاده از نرم افزار شبیه ساز سامانه گالیله بنام gssf و داده آلماناک در یک فایل متنی بصورت دستی تولید می شود. سپس، تحت الگوریتم های معین بصورت بیت به بیت در زیرقاب ها و صفحه های مربوطه جایگذاری می شوند. کد اولیه و کد ثانویه هر ماهواره گالیله و کد c/a gps با رجوع به مراجع پیاده سازی می شود. پیاده سازی این بخش در محیط برنامه نویسی matlab انجام می شود. نرم افزار softgnss (نسخه 3) برای ارزیابی اولیه استفاده می شود. طیف سیگنال در دو حالت با نویز گوسی محیط و بدون آن بدست آمد. طیف بدست آمده قابلیت اطمینان خوبی دارد از این جهت که در این مقاله داده آلماناک و افمریس مورد نیاز ماهواره های گالیله و gps در شبیه سازی سیگنال استفاده شده است. سیگنال های if تولید شده برای یک مقطع زمانی مشخص باید در یک حافظه با فرمت باینری ذخیره سازی شود. سپس فایل ذخیره شده با نرم افزار softgnss اجرا می شود و طیف سیگنال بدست می آید. این نرم افزار قادر است طیف سیگنال های گالیله و gps را نمایش دهد؛ اگرچه نمی تواند سیگنال های ماهواره های گالیله را ردیابی و ره یابی کند.

امروزه سامانه های تعیین موقعیت و ردیابی در سطح جهان از کاربردی ترین تجهیزات برای مدیریت ناوگان وسایل متحرک به شمار می آیند و در سطح وسیعی از کاربردهای نظامی و غیرنظامی به کار می آیند. استفاده از gps به عنوان یک سامانه موقعیت یابی روز به روز در حال گسترش می باشد. گیرنده gps به دلیل وجود خطاهای سنجش نمی تواند به طور مستقیم از طریق سیگنال های دریافت شده از ماهواره ها مکان یابی دقیق را انجام دهد. از یک سو خطاهای ناشی از موقعیت یابی و از سوی دیگر خطای شبکه نقشه راه ها، موجب می گردد تا موقعیت های اجسام متحرک به طور دقیق بر خطوط شبکه منطبق نگردد. تطبیق نقشه به عنوان روشی است که می تواند بدون هزینه بیش از حد درتجهیزات، برای بهبود افزایش دقت موقعیت یابی به طور گسترده در بسیاری از سامانه ها از جمله سامانه های حمل و نقل هوشمند مورد استفاده قرار گیرد. الگوریتم های متعددی برای تطبیق نقشه ارائه شده است. در این پایان نامه علاوه بر توضیح مختصری درباره سامانه های موقعیت یاب gps و مرور و بررسی الگوریتم های تطبیق نقشه، یک روش نوین تطیبق نقشه با استفاده از شبکه های عصبی مبتنی بر فیلتر کالمن ارائه شده است. الگوریتم پیشنهادی بر روی داده های واقعی مورد آزمایش قرار گرفت. نتایج به دست آمده نشان داد که روش پیشنهادی در کاهش خطا به خوبی عمل کرده و توانسته است خطا را به طور میانگین تا 50 سانتیمتر کاهش دهد و عملکرد بهتری در مقایسه با روش های شبکه های عصبی توابع پایه شعاعی و پس انتشار خطا دارد.

در این پایان نامه، با استفاده از یک مجموعه داده ی اندازه گیری شده از بویلر بازیاب حرارتِ مستقر در نیروگاه سیکل ترکیبی نکا، یک مدلِ دینامیکیِ پیش بین، با دقت مناسب برای تخمین سطح آب دو درامِ اصلیِ سامانه طراحی شده است. در این فرایند ابتدا تحلیل دینامیکیِ سامانه، توسط عملگر کورلیشن انجام شده و مدل های خطیِ arx، armax و bj با ورودی های منتخب مبنی بر نتایج به دست آمده از این مرحله بررسی شده¬اند. نتایج این مرحله عدم موفقیت مدل های خطی در پیش بینی سامانه را نشان داده است. سپس شبکه های عصبیِ rbf و mlp و روش های بهینه سازی مختلفی نظیر gd، gdm، lm و ls برای پیاده سازی ساختار غیرخطیِ narx مورد استفاده قرار گرفته اند. در این مرحله از الگوریتم ژنتیک و روش های fs و be جهت یافتن دینامیک ها استفاده شده و نتایج برای یافتن بهترین مدل با هم مقایسه شده اند که این نتایج حاکی از عملکرد بهتر شبکه های mlp در مقایسه با شبکه های rbf بوده است. همچنین در بین روش های انتخاب دینامیک، fs و be با وجود اندکی خطای بیشتر از روش ga در پیش بینی خروجی ها، به دلیل دستیابی به ابعاد بسیار کوچک تری برای رگرسورهای ورودی، به عنوان بهترین الگوریتم های شناسایی دینامیک معرفی گردیده اند.

دستگاه ها و ماشین آلات دوار نقش حیاتی را در صنعت ایفا می کنند. در این نوع ماشین آلات به علت حرکت دورانی اجزا، وجود لرزش و ارتعاش، پدیده ای بدیهی است. معیوب بودن این گونه دستگاه ها باعث کاهش تولید و افزایش هزینه می شود. ارتعاشات هر ماشین دوار ارتباط مستقیمی با وضعیت آن دارد و هرگونه تغییر، هر چند جزئی، در وضعیت دستگاه با تغییر در وضعیت ارتعاشات آن همراه خواهد بود. لذا اندازه گیری و تحلیل ارتعاشات یکی از روش های اصلی برای پایش وضعیت تجهیزات و ماشین آلات دوار به شمار می رود. هر عیبی در تجهیزات دوار، لرزش و ارتعاشی با مشخصات ویژه خود از لحاظ دامنه، فرکانس و فاز ایجاد می نماید. هدف اصلی این تحقیق طراحی و پیاده سازی یک سامانه برای جمع آوری بی درنگ داده های ارتعاش یک ماشین الکتریکی برای تشخیص و پیش بینی خطا است. هنگامی که داده های قسمت های مختلف یک ماشین به طور هم زمان مورد نیاز باشد، استفاده از حس گر هایی مانند شتاب سنج های پیزوالکتریک، به دلیل قیمت زیاد و هم چنین استفاده از یک شکل دهنده گران قیمت به عنوان تقویت کننده، غیرممکن و پرهزینه می شود. در نتیجه برای حل این مشکل در اینجا از شتاب سنج های mems مانندadxl345 به عنوان یک جایگزین مناسب و قابل اعتماد، برای جمع آوری، تشخیص و پیش بینی اطلاعات، استفاده شده است. در این تحقیق ابتدا ساختار شتاب سنج های mems تشریح شده است و سپس رفتار و عملکرد یک نمونه شتاب سنج mems در دو حالت حلقه باز و حلقه بسته مدل سازی و شبیه سازی شده است. سپس یک سامانه نظارت بر لرزش با استفاده از شتاب سنج adxl345 طراحی و پیاده سازی شده است. به منظور بررسی عملکرد سامانه طراحی شده، داده های به دست آمده از هردو نوع شتاب سنج پیزوالکتریک و mems در حوزه زمان و فرکانس مقایسه شده است. نتایج نشان می دهد که شتاب سنج mems می تواند یک جایگزین مناسب و کم هزینه برای پایش وضعیت ماشین های الکتریکی باشد. در انتها با استفاده از سامانه طراحی شده، یک روش هوشمند برای تشخیص عیوب ماشین الکتریکی با استفاده از سیگنال های ارتعاشی و استخراج ویژگی های آماری سیگنال ها بر اساس تبدیل موجک و شبکه های عصبی مصنوعی mlp ارائه شده است. نتایج شبیه سازی نشان می دهد که این روش خبره با عملکرد بالا را می توان برای پیش بینی و کاهش خطاهای احتمالی در عملکرد سامانه به کار برد و در دسترس بودن و اثربخشی آن را افزایش داد.