نیاز روزافزون به انرژی الکتریکی، محدود بودن منابع سوخت فسیلی و افزایش آلودگی های زیست محیطی، استفاده از منابع انرژی پاک همچون انرژی باد را در صنعت برق به امری ضروری و اجتناب ناپذیر تبدیل کرده است. توربین های بادی سرعت متغیر به دلیل کیفیت توان بهتر به سرعت در حال جایگزینی به جای توربین های بادی سرعت ثابت هستند و از طرف دیگر ژنراتورهای dfig نیز به دلیل توانایی تزریق و کنترل توان راکتیو و عدم نیاز به بانک های خازنی، موارد استفاده بیشتری را به خود اختصاص داده اند. همچنین، افزایش ظرفیت مزارع بادی موجب شده است که شبکه انتقال جریان مستقیم ولتاژ بالا مبتنی بر مبد ل های منبع ولتاژ vsc-hvdc یکی از گزینه های ارجح جهت انتقال توان این منابع به مسافت های دوردست باشد. وجود کنترل کننده های توان اکتیو و راکتیو جهت کنترل توان خروجی توربین بادی مبتنی بر dfig و نیز وجود کنترل کننده های ولتاژ، توان اکتیو و راکتیو جهت کنترل ولتاژ و توان انتقالی خطوط vsc-hvdc، زمینه ی ایجاد تداخل این کنترل کننده ها را با یکدیگر و با سایر مدهای سیستم همچون مدهای پیچشی توربین-ژنراتور و مدهای کنترل کننده های سیستم قدرت فراهم می کند. با توجه به پیامدهای نامطلوب تداخل، نظیر کاهش عمر محور ناشی از خستگی و حتی شکست آن، در این پایان نامه تداخل کنترل کننده های نام برده با سایر اجزای توربین-ژنراتور بادی، مخصوصا مدهای پیچشی، بررسی شده است. از آنجایی که توربین بادی مورد مطالعه از نوع سرعت متغیر می باشد، تاثیر تغییر سرعت روتور بر روند یکنوایی مدهای پیچشی نیز بررسی شده است. به علاوه، تاثیر تغییر برخی از پارامترها نظیر بار محلی نیز مورد ارزیابی قرار گرفته است. به منظور مطالعه و تحلیل پدیده ی تداخل از روش تحلیل مدال مبتنی بر خطی سازی معادلات سیستمِ مورد مطالعه حول نقطه ی تعادل پایدار استفاده شده است. نتایج بدست آمده، حاکی از تداخل کنترل کننده های نام برده با مدهای پیچشی و سایر مدهای سیستم مورد مطالعه می باشد.

سیستم های شناسایی زبان بر دو گونه اند: سیستم هایی که از اطلاعات سطح بالای زبان مانند واج و کلمه برای شناسایی زبان استفاده می کنند و سیستم هایی که از اطلاعات سطح پایین زبان مثل زیرواج و یا ویژگی های طیفی گفتار استفاده می کنند. مشکل سیستم های با دقت بالا مانند سیستم های شناسایی زبان مبتنی بر واج که نیاز به استخراج واج دارند اینست که نیاز به دادگان آوانویسی شده برای آنها وجود دارد و با توجه به اینکه اینگونه دادگان برای همه زبان ها وجود ندارد، بنابراین این نوع سیستم ها به مشکل بر می خورند. ما در این پروژه سعی کرده ایم سیستم شناسایی زبانی طراحی کنیم که از ویژگی های سطح پایین زبانی مانند زیر واج ها و یا ویژگی های طیفی که بدون نظارت استخراج شده و نیاز به دادگان آوانویسی شده هم ندارند استفاده کند و دقتی بالاتر از سیستم های شناسایی زبان با پیچیدگی زیاد به ما بدهد. ما در این پایان نامه از یک کرنل دنباله ای جدید برای نگاشت خروجی مدل های زبانی سیستم شناسایی زبان مبتنی بر مدل های گوسی، به فضای جدیدی که زبان ها در آن فضا بیشترین جدایی پذیری را با هم دارند، استفاده کرده ایم. سپس این سیستم را با سیستم پایه gmm-lm که از مدل گوسی برای طبقه بندی کننده استفاده می کند، ترکیب کرده ایم.استفاده از کرنل پیشنهادی نسبت به کرنل دنباله ای glds به عنوان نگاشت دهنده خروجی های مدل های زبانی، باعث افزایش 2% راندمان سیستم gmm-lm در شناسایی زبان می گردد. همچنین سیستم ترکیبی ما که از ترکیب سیستم فوق و سیستم پایه gmm-lm تشکیل شده است، باعث افزایش 5% راندمان سیستم شناسایی زبان می گردد.