سیستم کروز کنترل، در واقع ابزاری برای ثابت نگه داشتن سرعت خودرو حین رانندگی در سطح جاده‌ها، بزرگراه‌ها، یا اتوبان‌هاست. به‌طور مثال، اگر راننده بخواهد سرعت را روی ۱۲۰ کیلومتر بر ساعت ثابت نگه دارد، با فعال‌سازی کروز کنترل به‌راحتی می‌تواند این کار را انجام دهد. اساس این ابزار به‌گونه‌ای است که خودرو به‌صورت اتوماتیک می‌تواند سرعت خودرو را تحت هر شرایطی از رانندگی ثابت نگه دارد. لازم به یادآوری است، زمانی که این ابزار را فعال می‌کنید و سرعت خودرو روی عدد خاصی ثابت شده است، این سرعت، در مسیرهای سربالایی، سراشیبی، یا هنگام وزش باد مخالف، تغییر نخواهد کرد. گفتنی است، کروز کنترل این امکان را نیز در اختیار راننده قرار می‌دهد تا بی آنکه نیازی به فشردن پدال‌های ترمز و گاز باشد، سرعت خودرو را با هر بار فشردن دکمه کنار فرمان، به میزان یک کیلومتر بر ساعت، افزایش یا کاهش دهد.

سیستم کروز در ماشین عمل تثبیت سرعت را انجام می دهد و طراحی بخش کنترلی آن به گونه ای است که پاسخ سریع باشد و اثر اغتشاشات در آن کم باشد بسیار مهم است. نکته مهم در مورد این پروژه آموزشی این است که تمرکز اصلی آن بر روی نرم افزار متلب است و از فراگیر انتظار می رود یک آشنایی کلی با مباحث کنترل خطی داشته باشد...

پروژه مدلسازی سیستم کروز کنترل در نرم افزار MATLAB، مشتمل بر 13 بخش، 330 صفحه، تایپ شده، با فرمت pdf به ترتیب زیر گردآوری شده است:

بخش 1: اصول کلی نرم افزار MATLAB

• شروع کار با MATLAB
• نمایش پنجره ها
• فرمان های ورودی
• MATLAB Expo
• abort
• نقطه ویرگول
• تایپ کردن علامت درصد
• دستور clc
• راهنما (Help)
• علامت (...)

بخش 2: گزاره ها و متغیرها

• نامگذاری متغیرها
• متغیرهای پیش فرض
• دستوراتی برای مدیریت متغیرها
• قالب های نمایش
• توابع داخلی ریاضی مقدماتی
• دستورات عمومی

بخش 3: آرایه ها

• بردار سطری
• بردار ستونی
• ماتریس
• آدرس دهی آرایه ها
• علامت دو نقطه برای بردارها
• علامت دو نقطه برای یک ماتریس
• اضافه کردن عناصر به یک بردار و یا یک ماتریس
• حذف المان ها
• توابع داخلی متلب جهت تنظیمات دستی آرایه ها

بخش 4: عملیات با آرایه ها

• جمع و تفریق آرایه ها
• حاصلضرب نقطه ای
• ضرب آرایه ای
• تقسیم آرایه ای
• ماتریس همانی
• معکوس یک ماتریس
• ترانهاده
• دترمینان
• مقادیر ویژه و بردارهای ویژه
• عامل های بالا - پایین مثلثی
• تجزیه به مقادیر ویژه
• عملیات نظیر به نظیر یا عنمصر به عنصر
• توابع داخلی برای آرایه ها
• تولید اعداد تصادفی
• دستور تصادفی randn
• تغییر در آرایه ها

بخش 5: چند جمله ای ها

• سیستم شامل معادلات خطی
• روش تقسیم ماتریسی
• روش ماتریس معکوس

بخش 6: فایل های متنی (اسکریپت فایل ها)

• ایجاد و ذخیره یک فایل متنی
• اجرای یک فایل متنی
• ورودی یک Script Files

بخش 7: توابع در MATLAB

• دستورات خارجی
• دستور disp
• دستور fprintf

بخش 8: برنامه نویسی در MATLAB

• عملگرهای رابطه ای و منطقی
• الویت های استفاده از عملگرها
• توابع داخلی منطقی رد MATLAB
• جملات شرطی
• جملات شرطی تو در تو
• بندهای شامل else و elseif
• ساختار شرطی while در MATLAB
• شرط های Switch-case

بخش 9: ترسیمات

• ترسیمات دو بعدی
• رسم چند نمودار روی هم
• دستور plot
• دستور hold
• دستور line
• برخی از دستورهای پر کاربرد در ترسیم
• انواع رسم شکل در MATLAB
• ترسیمات دو بعدی خاص
• ترسیمات سه بعدی
• ترسیمات پارامتری روی سطح
• مثال های متنوع در رسم شکل
• قالب بندی متن

بخش 10: ورودی و خروجی در MATLAB

• دستور fopen
• ریاضیات نمادین یا سمبولیک
• عبارات نمادین
• حل معادلات دیفرانسیل
• حساب دیفرانسیل و انتگرال
• حد (Limit)
• تفکیک کسر در تبدیلات لاپلاس
• پیدا کردن صفر، قطب و بهره
• انطباق منحنی

بخش 11: کادرهای محاوره ای

• کادر محاوره ای dialog
• کادر محاوره ای errorglg
• کادر محاوره ای helpdlg
• کادر محاوره ای inputdlg
• کادر محاوره ای listdlg
• کادر محاوره ای mesgbox
• کادر محاوره ای printdlg
• کادر محاوره ای questdlg
• کادر محاوره ای warndlg
• کادر محاوره ای uigetfile
• کادر محاوره ای uiputfile
• کادر محاوره ای uisetcolor
• کادر محاوره ای uisetfont
• کادر محاوره ای waitbar

بخش 12: حل معادلات حالت به کمک MATLAB

• روش بسط مرتبه اول تیلور
• روش رانگ کوتا

بخش 13: کروز کنترل

• مدلسازی سیستم کروز کنترل
• معادلات سیستم
• پارانترهای سیستم
• مدل فضای حالت
• مدل تابع تبدیل
• تحلیل سیستم کروز کنترل
• مشخصات عملکرد
• پاسخ پله حلقه باز
• قطب ها و صفرهای حلقه باز
• رسم دیاگرام بود حلقه باز
• طراحی کنترل کننده PID برای سیستم کروز کنترل
• مروری بر کنترل کننده PID
• کنترل کننده تناسبی
• کنترل کننده PI
• کنترل کننده PID
• مکان هندسی ریشه ها برای سیستم کروز کنترل
• جبران ساز پس فاز (lag compensator)
• روش های طراحی کنترل کننده در حوزه فرکانس
• دیاگرام بود و پاسخ سیستم حلقه باز
• مدل فضای حالت برای طراحی کنترل کننده
• طراحی سیستم کنترل با استفاده از جایابی قطب
• ورودی مرجع
• مدل سازی سیستم کروز کنترل در محیط سیمولینک
• مدلسازی فیزیکی و معادلات مورد نیاز
• ایجاد مدل سیمولینک
• پاسخ حلقه باز
• ایجاد کنترل کننده در محیط سیمولینک
• استخراج یک مدل خطی در MATLAB
• پیاده سازی کنترل کننده PI
• پاسخ حلقه بسته

جهت دانلود پروژه مدلسازی سیستم کروز کنترل در نرم افزار MATLAB، برلینک زیر کلیک نمایید.

مدلسازی سیستم کروز کنترل در نرم افزار متلب

در ضربه بالستیک یک نیروی خیلی زیاد در بازه زمانی کوتاه (شوک) در برخورد دو یا چند جسم اعمال می شود (پدیده برخورد سرعت بالا در سطح مقطع کوچک را ضربه بالستیک می نامند). پرتابه می تواند یک جسم استوانه ای با نوک تخت، مخروطی و یا سرکروی و هدف، می تواند صفحات نازک باشد. اثر پارامترهای سرعت، تنش، فشار، نرخ کرنش و دما بر روی آسیب و همچنین سرعت ضربه، شکل پرتابه، اصطکاک و ضخامت هدف بررسی خواهند شد...

پروژه شبیه سازی و تجزیه تحلیل ضربه بالستیک با استفاده از مدل مکانیک آسیب پیوسته، مشتمل بر 20 اسلاید، تایپ شده، به همراه تصاویر، با فرمت powerpoint گردآوری شده است.

* توجه: لازم به ذکر است که علاوه بر فایل پروژه بالا، 9 مقاله مرتبط با مباحث ضربه بالستیک با عناوین زیر نیز جهت دانلود قرار داده شده است:

• مقاله 1: بررسی عملکرد زره چند لایه سرامیک اپوکسی، در برابر ضربه سرعت بالا به روش اجزاء محدود (زبان فارسی، 10 صفحه، فرمت pdf)
• مقاله 2: بررسی عددی و تجربی نفوذ پرتابه با سرعت بالا در کامپوزیت های مشبک استوانه ای (زبان فارسی، 10 صفحه، فرمت pdf)
• مقاله 3: بررسی تجربی پاسخ به ضربه کامپوزیت های مشبک استوانه ای تحت برخورد بالستیک (زبان فارسی، 6 صفحه، فرمت pdf)
• مقاله 4: بررسی تجربی آسیب ناحیه شکست در ضربه سرعت بالا در نانو کامپوزیت پلی پروپیلن/ نانو لوله کربنی (زبان فارسی، 4 صفحه، فرمت pdf)
• مقاله 5: بررسی تحلیلی سوراخ شدن ورق های ساندویچی آلومنیوم فوم تحت اثر ضربه بالستیک (زبان فارسی، 8 صفحه، فرمت pdf)
• مقاله 6: شبیه سازی دو بعدی ضربه بالستیک عمودی در اهداف سبک وزن سرامیک فلز به کمک نرم افزار LS-Dyna (زبان فارسی، 9 صفحه، فرمت pdf)
• مقاله 7: آونگ بالستیک (زبان فارسی، 5 صفحه، فرمت pdf)
• مقاله 8: Finite element simulation of ceramic/composite armor under ballistic impact (زبان انگلیسی، 10 صفحه، فرمت pdf)
• مقاله 9: Simulation and Analysis of Ballistic Impact using Continuum Damage Mechanics (CDM) Model (ترجمه این مقاله به زبان فارسی نیز برای دانلود قرار داده شده است)

جهت دانلود پروژه شبیه سازی و تجزیه تحلیل ضربه بالستیک با استفاده از مدل مکانیک آسیب پیوسته به همراه مقالات بالا برلینک زیر کلیک نمایید.

شبیه سازی و تجزیه تحلیل ضربه بالستیک با استفاده از مدل مکانیک آسیب پیوسته

شبکه‌ های عصبی مصنوعی (Artificial Neural Network – ANN) یا به زبان ساده ‌تر شبکه‌ های عصبی سیستم‌ ها و روش ‌های محاسباتی جدیدی برای یادگیری ماشینی، نمایش دانش و در انتها اعمال دانش به دست آمده در جهت بیش‌ بینی پاسخ ‌های خروجی از سامانه ‌های پیچیده می باشد. این شبکه ها از تعداد دلخواهی سلول یا گره یا واحد یا نرون تشکیل می شود که مجموعه ورودی را به خروجی ربط می دهند. همچنین این شبکه‌ ها قادر به یادگیری‎ هستند...

جزوه آموزش شبکه عصبی مصنوعی، مشتمل بر 131 صفحه، در 7 فصل، با فرمت PDF، به زبان فارسی، همراه با تصاویر و روابط مهم ریاضی به ترتیب زیر گردآوری شده است:

فصل 1: هوش محاسباتی

• تاریخچه
• هوش مصنوعی
• چالش های بنیادین هوش مصنوعی
• هوش محاسباتی
• شبکه های عصبی (Neural Networks)
• مدل ریاضی شبکه های عصبی
• منطق فازی (Fuzzy logic)
• الگوریتم های ژنتیک (GA)
• کاربردهای شبکه های عصبی در پزشکی
• سیستم های تشخیص
• آنالیزهای شیمی پزشکی
• آنالیز تصویر
• پیشرفتهای دارویی و مدلسازی سیستم قلبی عروقی
• بویایی الکترونیکی
• شناخت الگو
• پزشک نمونه
• کاربردهای سیستم های فازی در پزشکی
• سیستم های فازی در بیو انفورماتیک
• سیستم های فازی ژنتیک

فصل 2: شبکه های عصبی

• مقدمه
• معنای شبکه های عصبی
• انگیزه های بیولوژیکی
• تشابهات و انتظارات
• تاریخچه و کاربرد
• مدل ریاضی نرون
• مدل تک ورودی
• برخی توابع تحریک مرسوم نرون مصنوعی
• مدل چند ورودی
• ساختار شبکه های عصبی
• شبکه های یک و چند لایه
• مثال: یک شبکه پیشخور 3 لایه
• چند سئوال
• شبکه های پسخور یا برگشتی
• مسائل حل شده

فصل 3: مسئله تشریحی شناسایی الگو

• شناسایی الگو
• روش های کلاسیک و شبکه های عصبی
• معرفی سه شبکه های نمونه: پرسپترون، همینگ و هاپفیلد
• پرسپترون تک لایه با تابع تحریک آستانه ای دو مقداره متقارن
• مثال تشریحی با پرسپترون
• شبکه همینگ
• شبکه همینگ، لایه اول
• شبکه همینگ، لایه دوم
• شبکه همینگ، لایه سوم
• شبکه هاپفیلد
• مهمترین ویژگی ها
• مهمترین نکات

فصل 4: پرسپترون تک لایه

• فرایند یادگیری
• یادگیری با ناظر
• یادگیری بدون ناظر
• خلاصه فرایند یادگیری
• سیستم های دینامیکی آموزش پذیر
• معادله یادگیری در حالت کلی
• یادگیری با ناظر در شبکه عصبی
• یادگیری تشدیدی (تقویتی) در شبکه عصبی
• یادگیری بدون ناظر در شبکه عصبی
• قانون یادگیری پرسپترون تک لایه (SLPR)

فصل 5: شبکه های آدالاین و یادگیری LMS

• مقدمه
• مبانی بهینه سازی و نقاط بهینه
• بسط تیلور و تقریب توابع
• مشتقات برداری جهت دار
• شرایط لازم برای نقاط بهینه
• توابع درجه دوم
• توابع درجه دوم و ساختار ویژه
• روند مینیمم سازی، الگوریتم کلی
• روش بیشترین نزول (SD)
• نکات مربوط به الگوریتم SD
• مثالی از الگوریتم SD
• نکات

فصل 6: یادگیری LMS یا ویدرو هوف

• شبکه آدالاین
• معادلات ویدرو هوف در حالت تک نرون
• الگوریتم LMS
• فرم دسته ای یادگیری LMS در حالت تک نرون
• فرم دسته ای یادگیری LMS در حالت کلی
• بهبود هایی بر LMS
• کاربرد شبکه آدالاین در فیلترهای تطبیقی

فصل 7: شبکه های عصبی چند لایه پیشخور و یادگیری پس انتشار خطا

• مقدمه
• تاریخچه
• شبکه پرسپترون چند لایه
• حل چند مسئله شناسایی الگو
• شناسایی الگو
• الگوریتم BP
• خلاصه الگوریتم BP

* توجه:
لازم به ذکر است که علاوه بر جزوه آموزشی بالا، جزوه حل تمرینات درس شبکه عصبی مصنوعی (دکتر منهاج، 68 صفحه، به زبان فارسی، با فرمت pdf) نیز جهت دانلود قرار داده شده است.

جهت دانلود جزوه آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل، برلینک زیر کلیک نمایید.

آموزش شبکه عصبی مصنوعی به همراه تشریح کامل مسائل

در جهان امروز به علت پیشرفت تکنولوژی و پیچیده تر شدن مسائل، استفاده از روش های نوین، جایگزین بسیاری از روش های سنتی شده که دیگر قادر به تخمین درستی از وضعیت موجود نمی باشند. همچنین پیچیده شدن فرایندها منجر به مشکلاتی مانند غیر خطی شدن رابطه پارامترهای فرایند شده که روش های پیشین قادر به انجام و یا تصمیم گیری در مورد آنها نیستند، از این رو روش های جدیدی از قبیل شبکه های عصبی جهت تحلیل این فرایندها پدید آمده است. به دلیل پیچیده بودن محاسبات شبکه عصبی استفاده از نرم افزارهای کامپیوتری توسط کاربران ناگزیر می نماید. در این میان نرم افزارهای متعددی به محاسبه شبکه های عصبی می پردازند. نرم افزار SPSS نسبت به سایر نرم افزارها دارای مزیت هایی بوده که مهمترین آن سهولت استفاده از آن می باشد. از این رو بر آن شدیم تا راهنمای مناسبی جهت استفاده از این نرم افزار مهیا کنیم که کتاب حاضر حاصل این احساس نیاز می باشد. توجه داشته باشید که این آموزش بر اساس مثال های کاربردی صورت می پذیرد که تأثیر مفیدی بر آموزش نرم افزار دارد...

کتاب آموزش شبکه های عصبی در نرم افزار SPSS، مشتمل بر 152 صفحه، در 3 فصل، با فرمت PDF، به زبان فارسی، همراه با تصاویر و روابط مهم ریاضی به ترتیب زیر گردآوری شده است:

فصل 1: مقدمه

• شبکه عصبی چیست؟
• مزیت های شبکه های عصبی
• محدودیت های شبکه عصبی
• نرون عصبی انسان
• شبکه های عصبی تک نرونه، تک لایه، چند لایه
• انواع شبکه ای عصبی مصنوعی از نظر برگشت پذیری
• مراحل طراحی یک شبکه عصبی مصنوعی
• یادگیری نظارت نشده یا بدون ناظر
• شبکه پرسپترون
• یادگیری یک پرسپترون
• توابعی که پرسپترون قادر به یادگیری آنها می باشد
• الگوریتم های یادگیری پرسپترون
• مشکلات روش Gradient descent
• الگوریتم Back propagation
• انواع مدل های پرسپترون چند لایه
• شبکه های تابع شعاع مدار (RBF)
• معماری شبکه
• شبکه های عصبی در SPSS
• آموزش شبکه RBF
• لایه خروجی
• مزایای یک RBF
• برخی کاربردهای شبکه های عصبی مصنوعی

فصل 2: راهنمای کاربر

بخش اول

• شبکه های عصبی در SPSS
• ساختار شبکه عصبی

بخش دوم

• پرسپترون چند لایه
• متغیرهای وابسته
• ساخت یک شبکه پرسپترون چند لایه
• تفکیک کردن (Partitions)
• ساختار (Architecture)
• لایه های پنهان
• آموزش (Training)
• خروجی (Out Put)
• ذخیره (save)
• احتمال ها و شبه احتمال ها
• صدور (Export)
• گزینه ها (Options)

بخش سوم

• تابع شعاع مدار
• متغیرهای وابسته
• ساخت یک شبکه تابع شعاع مدار
• تفکیک کردن (Partiotions)
• ساختار (Architecture)
• خروجی (Out Put)
• ذخیره (save)
• احتمال ها و شبه احتمال ها
• صدور (Export)
• گزینه ها (Options)

فصل 3: مثال ها

بخش اول

• پرسپترون چندلایه
• آماده سازی داده ها جهت انجام تحلیل ها
• شروع تحلیل ها
• خلاصه فرایند انجام شده
• اطلاعات شبکه
• خلاصه مدل
• طبقه بندی
• تصحیح نمودن آموزش اضافی
• ایجاد نمونه آموزشی
• آغاز نمودن تحلیل ها
• خلاصه ای از فرایند انجام شده
• اطلاعات شبکه
• خلاصه مدل
• طبقه بندی
• منحنی ROC
• نمودار پیش بینی بر اساس مشاهده (Predicted-by-Observed Chart)
• Cumulative Gains and lift charts
• اهمیت متغیرهای مستقل
• خلاصه
• استفاده از پرسپترون چند لایه به منظور محاسبه هزینه های درمانی و مدت زمان بستری بیماران
• آماده سازی داده ها جهت انجام تحلیل ها
• آغاز آنالیزها
• اعلام خطرها
• خلاصه فرایند
• اطلاعات شبکه
• خلاصه مدل
• جدول پیش بینی بر اساس مشاهده (Predicted-by-Observed Charts)
• Residual by predicted chart
• Independent variable importance
• شبکه های عصبی در SPSS
• خلاصه

بخش دوم

• تابع شعاع مدار
• استفاده از RBF جهت طبقه بندی مشتریان خدمات ارتباط از راه دور
• آماده سازی داده ها جهت آغاز آنالیزها
• راه اندازی آنالیزها
• خلاصه فرایند انجام شده
• اطلاعات شبکه
• خلاصه مدل
• طبقه بندی
• نمودار پیش بینی بر اساس مشاهده
• منحنی ROC
• Cumulative gains and lift charts
• پیوست
• فایل های نمونه

جهت دانلود کتاب آموزش شبکه های عصبی در نرم افزار SPSS، برلینک زیر کلیک نمایید.

آموزش شبکه های عصبی در نرم افزار SPSS

جزوه آموزشی مجموعه مثال های کاربردی حل شده در زمینه شبکه عصبی مصنوعی با استفاده از نرم افزار MATLAB، مشتمل بر 13 مثال کاربردی که به صورت گام به گام و به زبان روان به حل کامل مثال ها پرداخته شده است. جزوه مورد نظر 92 صفحه، با فرمت PDF، به زبان انگلیسی، به ترتیب زیر گردآوری شده است:

• Example 1: Calculate the output of a simple neuron
• Example 2: Create and view custom neural networks
• Example 3: Classification of linearly separable data with a perceptron
• Example 4: Classification of a 4-class problem with a 2-neuron perceptron
• Example 5: ADALINE time series prediction with adaptive linear filter
• Example 6: Classification of an XOR problem with a multilayer perceptron
• Example 7: Classification of a 4-class problem with a multilayer perceptron
• Example 8: Industrial diagnostic of compressor connection rod defects
• Example 9: Prediction of chaotic time series with NAR neural network
• Example 10: Radial basis function networks for function approximation
• Example 11: Radial basis function networks for classification of XOR problem
• Example 12: 1D and 2D Self Organized Map
• Example 13: PCA for industrial diagnostic of compressor connection rod defects

* توجه: لازم به ذکر است که علاوه بر فایل جزوه آموزشی بالا، 3 فایل مرتبط با مباحث شبکه عصبی مصنوعی با عناوین زیر نیز جهت دانلود قرار داده شده است:

• فایل 1: جزوه آموزشی شبکه عصبی مصنوعی (به زبان فارسی، 43 صفحه، فرمت JPEG)
• فایل 2: جزوه آموزشی شبکه عصبی مصنوعی (به زبان فارسی، 23 اسلاید، فرمت powerpoint)
• فایل 3: آموزش تصویری پیاده سازی شبکه عصبی برای داده های آماری بانک مرکزی (به زبان فارسی، 13 دقیقه، فرمت MP4)

جهت دانلود جزوه آموزشی مجموعه مثال های کاربردی حل شده در زمینه شبکه عصبی مصنوعی با استفاده از نرم افزار MATLAB به همراه فایل های ضمیمه بالا، برلینک زیر کلیک نمایید.

مجموعه مثال های کاربردی حل شده در زمینه شبکه عصبی مصنوعی