سمینار ارشد برق کاربرد فعالیت های هوشمندانه ناشی از حرکت دسته جمعی موجودات زنده در طراحی سیستم های کنترل

اختصاصی از نیک فایل سمینار ارشد برق کاربرد فعالیت های هوشمندانه ناشی از حرکت دسته جمعی موجودات زنده در طراحی سیستم های کنترل دانلود با لینک مستقیم و پر سرعت .

کاربرد فعالیت های هوشمندانه ناشی از حرکت دسته جمعی موجودات زنده در طراحی سیستم های کنترل و مونیتورینگ

چکیده:

تکنیک هایی مانند هوش تجمعی یا Swarm Intelligence باعث شد تا بسیاری از مسائلی غیرخطی مهندسی حل بشوند. الگوریتم بهینه سازی پرندگان یا Particle Swarm Optimization (PSO) که در سال 1995 توسط Eberhart و Kennedy مطرح شده است، یک زیر رشته از SI بوده و از الگوی حرکت گروهی که در طبیعت رخ می دهد مانند حرکت گروهی پرندگان الهام گرفته شده است. در این روش اطلاعات «بهترین مکان» هر ذره که براساس تجربیات قبلی به دست آمده است در اختیار تمام ذرات قرار داده می شود. روش اجتماع پرندگان می تواند روشی مناسب و قابل مقایسه و رقابت با دیگر الگوریتم های ابتکاری و فرا ابتکاری موجود باشد و امکان زیادی برای کار و بهبود در روش مذکور وجود دارد. همچنین با وجود فلسفه ساده و دور از محاسبات پیچیده، میسرتر بوده و می تواند در حل بسیاری از مسائل پیوسته و گسسته به کار برده شود. تلاش برای ترکیب این الگوریتم با الگوریتم های بهبود دهنده مناسب به نحوی که درصد بهبود جواب های مناسب ساخته شده توسط آن افزایش یابد در ثبت این روش به عنوان یکی از مناسب ترین روشها می تواند موثر باشد. همچنین تلاش برای تعریف مسایل مختلف ترکیبی به نحوی که قابلیت تطبیق با شرایط و پارامترهای این روش را پیدا کنند نیز در استفاده فراگیر این روش می تواند موثر واقع گردد.

مقدمه:

طی سال های اخیر تحقیقات وسیعی در خصوص روش های بهینه سازی جهت حل مسایل دینامیکی در عرصه های مهندسی و تجاری صورت گرفته است و روش های بهینه سازی متعددی مورد بررسی قرار گرفته اند. دسته ای از این روش ها که به روش های تکاملی موسومند به جهت ویژگی های مناسب خود مورد توجه واقع شده اند. یکی از روش های بهینه سازی هوشمند که در طبقه بندی روش های تکاملی قرار می گیرد و مانند الگوریتم ژنتیک از روش های مبتنی بر جمعیت می باشد الگوریتم بهینه سازی اجتماع پرندگان نام دارد و به اختصار PSO نامیده می شود. این روش بهینه سازی با الهام از رفتار پرندگان و چگونگی عملکردشان در یافتن لانه شان، طراحی شده و به خوبی توانایی بهینه سازی مسایل شناخته شده مهندسی را دارد. در این فصل ابتدا اساس و پایه این الگوریتم شرح داده شده و سپس نحوه پیاده سازی آن در دو حالت گسسته و پیوسته بیان می گردد.

فصل اول:

بررسی روش بهینه سازی براساس الگوریتم اجتماع پرندگان

1-1- تاریخچه

PSO به وسیله یک روانشناس (kennedy) و یک مهندس برق (Eberhart) در سال 1995 به وجود آمده است و از الگوریتم هایی که رفتار  گروهی دیده شده در انواع پرندگان را مدل می کردند ناشی شده است. Kennedy و Eberhart در مدل هایی که به وسیله یک زیست شناس به نام Heppner توسعه پیدا می کرد علاقه مند شدند. Heppner پرندگان را در رفتارهای گروهی وقتی که به سمت لانه کشیده می شدند مطالعه می کرد.

در شبیه سازی ها، پرندگان بدون هیچ مقصد خاصی پرواز می کردند و گروه هایی از آنها خود به خود شکل می گرفت تا زمانی که یکی از این پرندگان بر روی لانه ظاهر می شد. یک پرنده به خاطر فرود بر روی لانه از گروه دور می شد که در نتیجه آن دیگر پرندگان به سمت لانه حرکت می کردند. زمانی که این پرندگان لانه را کشف می کردند در آنجا فرود می آمدند و پرندگان بیشتری به سمت لانه تا زمانی که کل گروه در آنجا فرود بیاید کشیده می شدند. پیدا کردن یک لانه نظیر پیدا کردن یک جواب در یک زمینه از جواب های ممکن در یک فضای مساله است.

ROBATICS با سه کاربرد تعقیب خط ، نوریاب ، قابلیت کنترل حرکت توسط کیبورد

اختصاصی از نیک فایل ROBATICS با سه کاربرد تعقیب خط ، نوریاب ، قابلیت کنترل حرکت توسط کیبورد دانلود با لینک مستقیم و پر سرعت .

فرمت : Word

تعداد صفحات : 40

بهمراه کلیه کدها و فایلهای پاورپوینت

مقدمه

 مسئله طراحی مسیر ربات متحرک را می توان بصورت ذیل بیان کرد:

داده های مسئله (محل شروع،محل هدف، نقشه ای دو بعدی مسیرهاکه شامل موانع ساکن می باشد).هدف بدست آوردن یک مسیر بدون تصادم بین دو نقطه خاص در ایفای معیار بهینه سازی با در نظر گرفتن محدودیت ها (به احتمال زیاد:کوتاهترین مسیر)می باشد. مسئله طراحی مسیر از نظر محاسباتی بسیار پر هزینه است.

با اینکه حجم زیادی از تحقیقات برای حل بیشتر این مسائل انجام شده است،با این وجود،روش های معمول ،غیر قابل انعطاف می باشند.

1. اهداف مختلف بهینه سازی و تغییرات اهداف
2. عدم قطعیت ها در محیط ها
3. محدودیت های متفاوت برای منابع محاسباتی

مرور و بازنگری روش های موجود برای حل مسئله طراحی مسیر ،در [1] ارائه شده است . روش های زیادی برای ایجاد یک مسیر بهینه از قبیل برنامه ریزی دینامیک و روش های تبدیل مسافت گزارش شده است .

در روش برنامه ریزی دینامیک اگر نقطه ی شروعSP و نقطه ی هدف GP باشد ، نقطه ی زیر هدف IP است.و روش تولید مسیر ،نحوه تعیین توالی زیر اهداف است که زیر اهداف خود از مجموعه IP (I=1,2,3,…) انتخاب می شوند.ما باید تمام مسیرهای ممکن را بررسی کرده و مسیر با کمترین  مقدار هزینه را به عنوان مسیر بهینه انتخاب نمائیم.توان محاسباتی بسیار فراوانی بویژه در محیط های دارای زیر اهداف فراوان مورد نیاز است . در روش تبدیل مسافت ،کارطراحی مسیر ،محیطی را با شبکه یکنواخت می پوشاند و فواصل را از طریق فضای خالی ،از سلول هدف،منتشر می کند.قسمت پیشین موج مسافت ،حول موانع و در نهایت از طریق تمامی فضاهای آزاد در محیط جریان می یابد.برای هر نقطه شروع در محیط نمایانگر محل اولیه ربات متحرک ،کوتاهترین مسیر به مقصد،از طریق رفتن به قسمت پائین و از طریق شیب دارترین مسیر نزولی رسم شده است.با این وجود به هنگام وجود دو سلول یا بیشتر جهت گزینش با همان حداقل تبدیل فاصله ابهام مسیرهای بهینه وجود دارد. دو روش مذکور ملزم توان محاسباتی بسیار بالا در محیطی است که دارای تعداد زیاد اهداف فرعی (زیر اهداف)و موانع است.

محققان روش های فراوان را برای حل مسائل طراحی مسیر ربات های متحرک با وجود موانع ایستا و متحرک بر مبنای soft computing ،بیان کرده اند. soft computing متشکل از منطق فازی،شبکه های عصبی و محاسبات تکاملی است (الگوریتم های ژنتیک و تکاملی GA & EA).تاکنون تلاش های زیادی در استفاده از منطق فازی برای طراحی و برنامه ریزی حرکت ربات متحرک وجود داشته است .اخیرا استفاده از محاسبات تکاملی رواج فراوانی پیدا کرده و در واقع روشی است که به منظور بکارگیری در موقعیت هایی که دانش اولیه راجع حل مسئله وجود نداشته و یا اطلاعات محدود می باشد،قابلیت استفاده به گونه ای موثرتر،عمومی تر و راحت تر را داراست.

الگوریتم های ژنتیکی و تکامکلی نیازمند اطلاعات اشتقاقی یا برآوردهای فرمال اولیه از راه حل نیستند و از آنجائیکه طبیعتا تصادفی می باشند دارای قابلیت جستجوی کل فضای جواب با احتمال بیشتر پیدا کردن بهینه عمومی می باشند.

می توان تحقیق قبلی راجع طراحی مسیر را به صورت یکی از دو روش مقابل طبقه بندی کرد: مبتنی بر مدل و مبتنی بر سنسور .

در حالت مبتنی بر مدل ،مدل های منطقی از موانع شناخته شده ،برای تولید تصادم بدون مسیر بکار گرفته می شوند.در حالیکه در روش مبتنی بر سنسور ، کشف و اجتناب از موانع ناشناخته است.در این مقاله الگوریتمی جدید جهت بدست آوردن مسیر بهینه بر مبنای مدل پیشنهاد شده است.

تحقیق حرکت درمانی

اختصاصی از نیک فایل تحقیق حرکت درمانی دانلود با لینک مستقیم و پر سرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:85

فهرست مطالب:

فصل اول : تعاریف و دیدگاهها                                                        3            
فصل دوم : انواع حرکت درمانی                                                     13      
فصل سوم : دستگاه عصبی انسان و عملکردهای نادرست آن              24  
فصل چهارم : عوامل روانی – اجتماعی و ناهنجاریهای حرکتی        45
فصل پنجم : روشهای حرکت درمانی                                            52  
فصل ششم : شرایط استفاده از حمامهای ســــونا                           72  


فصل اول
تعاریف و دیدگاهها
    تصاویر و مدارکی در چین پیدا شده که نشان می دهد سه هزار سال قبل از میلاد مسیح انواعی از ورزش درمانی وجود داشته است.
    در قرون اخیر پرهنریک لینگ، سیستمی طبی برای ورزشهای سبک بوجود آورد که در سال 1884 در ایالات متحده آمریکا معرفی و با استقبال بسیاری روبرو شد.
    سیستم پرهنریک لینگ شامل یک سری حرکات موزون، هماهنگ و دقیق بود.
 در یونان اولین فردی که موضوع ژیمناستیک و تأثیر آن را مورد توجه قرار داد هرودوت بود.
    او در حدود 480 سال قبل از میلاد مسیح مطالب ارزشمندی نوشت و به عنوان یک معلم مجموعه ای از تمرینهایی که مبتنی بر اصول و قواعد هندسه بود به منظور از بین بردن ضعف بدنی شاگردان تدوین کرد.
   سقراط در یکی از نوشته های خود به نام ” گفتار استادانه “ که پروفسور لیخت آن را مورد بررسی قرار داده است، مفاهیم مربوط به عضله ها و حرکتهای آنها را بدین نحو بیان می کند:
   بیشترین خطر از بین رفتن بخشهایی از عضله ها هنگامی صورت می گیرد که بیماران از عضله ها استفاده نکرده باشند و آنها را تقریباً به حالت غیرفعال  نگه داشته باشند.
   سقراط راه رفتن را موجب کاهش چاقی و جلوگیری از اضافه وزن می شود توصیه می کند.او تأکید می کند که تمرینهای سخت پس از یک دوره استراحت طولانی باید با احتیاط صورت بگیرد تا سلامتی فرد را تأمین نماید.
   ابن خلدون و جرجانی از اندیشمندان اسلامی هستند که عقیده داشتند تحرکات و فعالیتهای بدنی برای موجود زنده از ضروریات می باشد.
   در دوران قرون وسطی رهبران کلیسا بر این عقیده بودند که باید زندگی و خواسته های مادی را تقبیح کرد و با دوری جستن از آن به تزکیه روح پرداخت و بدین سبب به پرورش جسم توجهی نداشتند.
   بدین سان دور نگاه داشتن جسم از بیماریها به کمک تمرینهای ورزشی به دست فراموشی سپرده شد.
   از قرن ششم تا یازدهم میلادی این طرز تفکر که انسان بیشتر برای رنج کشیدن زاده شده حاکم بر جامعه بود حتی دارو برای بیماران به میزان کم تجویز می شد.
   با شروع قرن چهاردهم و همزمان با دوره رنساس علاقه توجه به فرهنگ وتمدن یونان و روم نمایان شد و مسائل جدیدی که متناسب با آن دو.ره بود رایج شد که بخشی از آنها از تمدن مشرق زمین گرفته شده بود.
   در طول دو قرن بعد از درک اهمیت تمرین های درمانی، رشد و گسترش چشمگیری در چگونگی انواع مختلف تمرینها و درمانها پدیدار شد.
   در قرن هفدهم فردریک هافمن  بیشترین تأثیر را بر کار درمانی گذاشت.
   اومعتقد بود که حرکتهای روزمره زندگی از جمله بریدن درخت، دوختن لباس و غیره خود نوعی تمرین به حساب می آیند و تا اندازه ای باعث افزایش قدرت و حفظ سلامتی می شوند.
   در ادامه فعالیتهای هافمن، نیکولاس آندره تمرین هایی برای اصلاح آسیبها و انحرافات ستون مهره ها که باعث غیر طبیعی شدن آن قسمت از بدن می شوند پیشنهاد کرد که مورد بررسی قرار گرفت.
   در سال 1879 دادلی سارجنت در دانشگاه هاروارد بخشی به نام تربیت بدنی اصلاحی تأسیس کرد. هدف این بخش اصلاح پاره ای از آسیب دیدگی ها بود.

کاربرد فعالیت های هوشمندانه ناشی از حرکت دسته جمعی موجودات زنده در طراحی سیستم های کنترل و مونیتورینگ

اختصاصی از نیک فایل کاربرد فعالیت های هوشمندانه ناشی از حرکت دسته جمعی موجودات زنده در طراحی سیستم های کنترل و مونیتورینگ دانلود با لینک مستقیم و پر سرعت .

چکیده:

تکنیک هایی مانند هوش تجمعی یا Swarm Intelligence باعث شد تا بسیاری از مسائلی غیرخطی مهندسی حل بشوند. الگوریتم بهینه سازی پرندگان یا Particle Swarm Optimization (PSO) که در سال 1995 توسط Eberhart و Kennedy مطرح شده است، یک زیر رشته از SI بوده و از الگوی حرکت گروهی که در طبیعت رخ می دهد مانند حرکت گروهی پرندگان الهام گرفته شده است. در این روش اطلاعات «بهترین مکان» هر ذره که براساس تجربیات قبلی به دست آمده است در اختیار تمام ذرات قرار داده می شود. روش اجتماع پرندگان می تواند روشی مناسب و قابل مقایسه و رقابت با دیگر الگوریتم های ابتکاری و فرا ابتکاری موجود باشد و امکان زیادی برای کار و بهبود در روش مذکور وجود دارد. همچنین با وجود فلسفه ساده و دور از محاسبات پیچیده، میسرتر بوده و می تواند در حل بسیاری از مسائل پیوسته و گسسته به کار برده شود. تلاش برای ترکیب این الگوریتم با الگوریتم های بهبود دهنده مناسب به نحوی که درصد بهبود جواب های مناسب ساخته شده توسط آن افزایش یابد در ثبت این روش به عنوان یکی از مناسب ترین روشها می تواند موثر باشد. همچنین تلاش برای تعریف مسایل مختلف ترکیبی به نحوی که قابلیت تطبیق با شرایط و پارامترهای این روش را پیدا کنند نیز در استفاده فراگیر این روش می تواند موثر واقع گردد.

مقدمه:

طی سال های اخیر تحقیقات وسیعی در خصوص روش های بهینه سازی جهت حل مسایل دینامیکی در عرصه های مهندسی و تجاری صورت گرفته است و روش های بهینه سازی متعددی مورد بررسی قرار گرفته اند. دسته ای از این روش ها که به روش های تکاملی موسومند به جهت ویژگی های مناسب خود مورد توجه واقع شده اند. یکی از روش های بهینه سازی هوشمند که در طبقه بندی روش های تکاملی قرار می گیرد و مانند الگوریتم ژنتیک از روش های مبتنی بر جمعیت می باشد الگوریتم بهینه سازی اجتماع پرندگان نام دارد و به اختصار PSO نامیده می شود. این روش بهینه سازی با الهام از رفتار پرندگان و چگونگی عملکردشان در یافتن لانه شان، طراحی شده و به خوبی توانایی بهینه سازی مسایل شناخته شده مهندسی را دارد. در این فصل ابتدا اساس و پایه این الگوریتم شرح داده شده و سپس نحوه پیاده سازی آن در دو حالت گسسته و پیوسته بیان می گردد.

فصل اول:

بررسی روش بهینه سازی براساس الگوریتم اجتماع پرندگان

1-1- تاریخچه

PSO به وسیله یک روانشناس (kennedy) و یک مهندس برق (Eberhart) در سال 1995 به وجود آمده است و از الگوریتم هایی که رفتار  گروهی دیده شده در انواع پرندگان را مدل می کردند ناشی شده است. Kennedy و Eberhart در مدل هایی که به وسیله یک زیست شناس به نام Heppner توسعه پیدا می کرد علاقه مند شدند. Heppner پرندگان را در رفتارهای گروهی وقتی که به سمت لانه کشیده می شدند مطالعه می کرد.

در شبیه سازی ها، پرندگان بدون هیچ مقصد خاصی پرواز می کردند و گروه هایی از آنها خود به خود شکل می گرفت تا زمانی که یکی از این پرندگان بر روی لانه ظاهر می شد. یک پرنده به خاطر فرود بر روی لانه از گروه دور می شد که در نتیجه آن دیگر پرندگان به سمت لانه حرکت می کردند. زمانی که این پرندگان لانه را کشف می کردند در آنجا فرود می آمدند و پرندگان بیشتری به سمت لانه تا زمانی که کل گروه در آنجا فرود بیاید کشیده می شدند. پیدا کردن یک لانه نظیر پیدا کردن یک جواب در یک زمینه از جواب های ممکن در یک فضای مساله است.

حرکت سقوط آزاد اجسام

اختصاصی از نیک فایل حرکت سقوط آزاد اجسام دانلود با لینک مستقیم و پر سرعت .

مقاله با عنوان حرکت سقوط آزاد اجسام در فرمت ورد در 8 صفحه و شامل مطالب زیر می باشد:

دید کلی
شتاب حرکت سقوط آزاد
سقوط آزاد چیست؟
آزمایش ساده
معادلات حرکت سقوط آزاد
مسایل کاربردی سقوط آزاد
دید کلی
حرکت پرتابی در غیاب مقاومت هوا
حرکت پرتابی در حضور مقاوت هوا
برد حرکت پرتابی
کاربرد حرکت پرتابی