شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
50000 09367292276
شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت
شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت5 (100%) 2
04
09367292276
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی
60000 09367292276
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری
امتیاز دهی به نوشته ها شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری
27
اسفند
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ
70000 09367292276
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ5 (100%) 1 vote[s] شبیه سازی
26
اسفند
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب
60000 09367292276
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب5 (100%) 1 vote[s] شبیه
25
اسفند
پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
30000 09367292276
پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب
پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب5 (100%) 1 vote[s]
23
اسفند
تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب
45000 09367292276
تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب
تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب5 (100%) 2 vote[s] تشخیص
21
اسفند
پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی
50000 09367292276
پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی
امتیاز دهی به نوشته ها پیش بینی میزان بارش باران با شبکه عصبی و سیستم
19
اسفند
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران
قیمت :5000 09367292276
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران5 (100%) 1 vote[s] پیاده
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی
دراین مقاله امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی مطابق فلوچارت زیر بررسی کرده و با تعریف چندین شاخص معیار امنیت را بررسی کرده که توسط گروه متلب پروژه آماده شده است که از سری پروژه های آماده برق قدرت می باشد
و بمنظور مدلسازی پانل خورشیدی باید پروفایل تغییرات دما در شبانه روز و توان و ولتاژ و ضریب توان و مبدل بوست را مطابق فلوچارت زیر مدلسازی کرده
و بهمین منظور یک پروفایل دمای انرژی خورشیدی برای یک پانل خورشیدی KC200GT را مدلسازی کرده و الگوریتم ردیابی حداکثر را کد نویسی کرده و در فانکشن CalcPVpower توان و ولتاژ برحسی دما و سطح تابش فراخوانی میگردد.
باتوجه به نقص دیتای شبکه توزیع,برای ارزیابی امنیت شبکه توزیع , یک شبکه توزیع 33 باسه را درنظر میگیریم
و اطلاعات اولیه بصورت پروفایل دمای یک شبانه روز و مکان فرضی قرار گیری پانل خورشیدی و سطح تابش و ضریب توان را بصورت زیر درنظر میگیریم که با افزایش ساعت به ظهر دمای سطح تابش فرضی به اوج ( 48 ) میرسد و با غروب کاهش میابد
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
و حال پخش بار 24 ساعته را با اتصال منابع خورشیدی با روش پخش بار نیوتن رافسون کتاب هادی سعادت انجام میدهیم
و نتایج ارزیابی امنیت برای جریان خطوط انتقال
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی
و نتایج ارزیابی تغییرات ولتاژ باس ها در شبانه روز بصورت زیر است که با افزایش توان پانل خورشیدی و ضریب نفوذ بالاتر در طی شبانه روز میزان افت ولتاژ شدیدتر میشود
این شبیه سازی در متلب 2016 تست و اچرا شده است.
و فایل اصلی mains2 است که قابلیت اجرا دارد
و
بقیه فایلها در برنامه اصلی فراخوانی میشود و قابلیت اجرای جداگانه ندارند
شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت
شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت
Optimal Protection Coordination for Meshed
Distribution Systems With DG Using Dual
Setting Directional Over-Current Relays
در این مقاله به معرفی شاخص حدید برای تعیین تنظیمات رله های حفاظتی رله های جهتدار جریان با منحنی جریانی مع در شبکه برق قدرت پرداخته
است و با استفاده از روابط فرمول شماره دو تا پنج مقاله به
منظور بهینه سازی هماهنگی رله های حفاظتی با الگوریتم بهینه سازی غیرخطی با الگوریتم برنامه ریزی درجه دوم ترتیبی SQP پرداخته است و تنظیمات شماره رله ها بصورت زیر است.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
و برای شرایط گوناگون و منابع تولید متعدد میتوان نتایج را بدست اورد.
این پروژه شامل 5 فایل است که فایل اصلی MAINS است و بقیه فایل ها توسط برنامه اصلی فراخوانی میگردد.در فانکشن relayconfig شماره بندی رله ها و معادلات نامساوی ساخته میشود و در فانکشن ShortCircuitAnalysis انالیز اتصال کوتاه برای محاسبه جریان اتصال کوتاه انجام میگردد
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب
عنوان مقاله
این مقاله برق قدرت به برسی ماشین القایی مجهز به توربین بادی برای پمپاژ اب در رتفاعات پرداخته و یک شبکه ساده را شامل ژنراتور القایی و موتورالقایی درنظر گرفته و سپس افت ولتاژ را درشبکه بدلیل گشتاور متغیر ناشی از توان اب در ارتفاعات با کنترل کننده svc جبران کرده است در صورتی که نیاز به مشاوره در شبیه سازی مقاله برق قدرت دارید با کارشناسان ما تماس بگیرید
و نمودار ولتاژ و جریان بصورت زیر است
و نمودار ولتاژ و ظرفیت توان راکتیو و سرعت ماشین و کلیه پارامترها در شبیه سازی قابل رویت است.
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ
در این مقاله به بررسی تاثیرات محد.ودیت اندازه کنترل ولتاژ از نوع وینداپ پرداخته و به بررسی نمابش حوزه فرکانس و زمانی و تعیین ضریب اضافه باری رسیدن به نقطه اوج پرداخته است
و برای ارزیابی روش مقاله از یک شبکه بصورت زیر پرداخته ایم
و باتوجه به تاثیرات شدید مربوط به ناپایداری ولتاژ و استفاده از بار ثایت در مقاله بارهای zip را غیرفعال کرده و از مدل مرتبه 6 برای ژنراتور سنکرون و مدل مرتبه یک برای تحریک بهره میگیریم و شماتیک بلوک تحریک مرتبه اول در نرم افزار PSAT بصورت زیر است
و تنظیمات ضرایب بصورت زیر است که ضرایب اشباع و ثابت زمانی اندازه گیری ناچیز درنظرگرفته و خللی در کار ایجاد نمیشود
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
میتوان توان بار بمنظور رسیدن توان ژنراتور را به حد استانه تحریک وینداپ تعیین کرده و در این شبکه میزان بار را برحسب درصد بار یا مثلا یکهزارم درصد بار پایه افزایش داده و ولتاژ تحریک هر 4 ژنراتور را بررسی کرده و با ولتاژ استانه 5 ولت مقایسه کرده و سپس توان میکانیکی و توان الکتریکی و توان اکتیو و توان راکتیو را برای هر تکرار میو رسم میکند
این پروژه از سری پروژه آماده متلب می باشد در صورتی که نیاز به شبیه سازی مقاله برق قدرت دارید و مشاوره میخواید با متخصصین ما تماس بگیرید
دچار جهش ناکهانی شده که در شکلهای فوق کاملا مشخص است. و اگر تغییرات بار را برحسب یک هزارم بار پایه بگیریم مقدار اضافه بار مجاز طوری است که توان تحریک مثل شکلهای بالا دچار جهش ناگهانی نمیشود و ملایم ناپایدار میشود و در 168 هزارم مقدار بار پایه به حداستانه میرسد
تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب
تشخیص اعداد با استفاده از شبکه عصبی
عنوان پروژه : پیاده سازی تشخیص اعداد با استفاده از شبکه عصبی
نرم افزار مورد استفاده : متلب
رشته تخصصی : مهندسی کامپیوتر هوش مصنوعی
فرمت : m فایل
فایل راهنما دارد
نوع پروژه : پروژه آماده متلب
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
پس از خرید بلافاصله فایل های پروژه تشخیص اعداد با استفاده از شبکه عصبی به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
توضیحات پروژه :
یک شبکه عصبی با 64 ورودی و 10 خروجی طراحی کنید. ورودی شبکه عصبی یک ماتریس 8*8 در که در متلب کدنویسی شده است میباشد که نشان دهنده یک کاراکتر است. ابتدا شبکه را با تعداد مناسب الگوها ورودی (اعداد 0-9) آموزش داده و سپس نمونه های آزمایشی برای تست شبکه مورد استفاده قرار میگیرند.
شبکه مورد نظر یک شبکه پرسپترون چند لایه با 64 ورودی و 10 خروجی باشد و فعال شدن هر یک از خروجیها نشاندهنده عدد ورودی به شبکه است. ورودی شبکه یک بردار 64 تایی است که یک کاراکتر (در اینجا یک عدد بین 0-9) میباشد. با توجه به اینکه ورودی شکل اعداد است و خروجی برای هر نمونه آموزشی مشخص میباشد، بنابراین کاراکتر مربوط به اعداد به هر زبانی (فارسی یا انگلیسی) نوشته شوند تفاوتی ندارد. اما در صورت انتخاب یک زبان باید تمام نمونههای آموزشی و آزمایشی شبکه به همان زبان باشد. آزمایش شبکه برای اعداد به دو زبان انجام شود.
آموزش شبکه
شبکه چند لایه پرسپترون و قانون یادگیری اختیاری (مثلا بازگشت به عقب) است. فقط از Neural Network Toolbox نرمافزار MatLab استفاده شود.
برای آموزش شبکه نیاز به طراحی الگوهای آموزشی میباشد. برای تولید نمونه های آموزشی و آزمایشی از نرمافزار pattern-generator استفاده نمایید. در زیر مثال نشان داده شده برای کارکترهایی است که نشان دهنده حروف الفبا میباشند. شما اینکار را برای اعداد 0-9 انجام شده است
الگویی مورد نظر را داخل فضای سفید بکشید و دکمه ی Learn رو بزنید. برای تغییر دادن آدرس فایل ذخیره سازی الگوی آموزشی میتوان ادرس مورد نظر را در Textbox سمت راست پایین تغییر داد. در Textbox بالایی، خروجی مورد نظر برای برای الگو تعریف شده مشخص میشود. برای یادگیری Supervised به این فیلد نیاز خواهیم میباشد (شما یادگیری Supervised بکار برید).
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
برای مثال برای 3 حرف A و C و Z به صورت زیر عمل میشود. بعنوان مثال برای هر یک از حروف چهار مثال وارد می کنیم و بعد از رسم هر مثال و مشخص نمودن خروجی به آن در Textbox بالا سمت، دکمه ی Learn را میزنید. در شکل زیر میتوانید هر ۱۲ الگو رو ببینید. هر یک از الگوهای وارد شده در فایل خروجی بصورت یک سطر از اعداد 0 و 1 ذخیره میشود و در انتهای آن خروجی مشخص شده برای الگو ذخیره میگردد. فایل تولید شده به اینصورت را در یک برنامه در MatLab برای آموزش شبکه استفاده نمایید. برای آزمایش شبکه طراحی شده چند نمونه دیگر در فایل جداگانه ذخیره شده و شبکه با آن آزمایش میشود.
پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب
پیاده سازی شبکه عصبی برای طبق بندی تصاویر
عنوان پروژه :پیاده سازی شبکه عصبی برای طبق بندی تصاویر
نرم افزار مورد استفاده : متلب
فرمت : m فایل
فایل راهنما دارد
نوع پروژه : پروژه آماده متلب
پس از خرید بلافاصله فایل های پیاده سازی شبکه عصبی برای طبق بندی تصاویر به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
توضبحات پروژه : در این پروژه از شبکه عصبی برای تشخیص حروف در نرم افزار متلب استفاده شده است برای این مجموعه داده ها تعداد وردوی و خروجی های شبکه عصبی مشخص شده است سپس برای هر مجموعه داده دو شبکه عصبی ( لایه ورودی – لایه پنهان – لایه خروجی ) طراحی شده است – در شبکه اول از 5 نرون در لایه پنهان و در شبکه دوم از 20 نرون در لایه پنهان استفاده شده است وزنها و بایاس های شبکه عصبی را به صورت تصادفی انتخاب کردیم سپس برای هر مجموعه داده ابتدا 66 درصد داده ها رو انتخاب کرده و به عنوان آزمایشی در نظر گرفته شده است ، سپس باقی مانده را به عنوان تست جدا میکنیم سپس وزن های شبکه عصبی را با آن جدا میکنیم
مشخصات مجموعه داده
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
ویژگی
تعداد نمونه
ویژگی
تعداد نمونه
ویژگی
تعداد نمونه
An2i
چپ
24
عصبانی
6
باز
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
3
At33
عینک افتابی
3
Boland
خوشحال
6
باز
3
Bpm
عینک افتابی
3
Ch4f
طبیعی
6
باز
3
Cheyer
عینک افتابی
3
Kk49
ناراحت
6
باز
3
Night
راست
24
عینک افتابی
3
Saavik
عصبانی
6
باز
3
steffi
عینک افتابی
3
خوشحال
6
باز
3
عینک افتابی
3
طبیعی
6
باز
3
عینک افتابی
3
ناراحت
6
باز
3
عینک افتابی
3
بالا
24
عصبانی
6
باز
3
عینک افتابی
3
خوشحال
6
باز
3
عینک افتابی
3
طبیعی
6
باز
3
عینک افتابی
3
ناراحت
6
باز
3
عینک افتابی
3
مستقیم
24
عصبانی
6
باز
3
عینک افتابی
3
خوشحال
6
باز
3
عینک افتابی
3
طبیعی
6
باز
3
عینک افتابی
3
ناراحت
6
باز
3
عینک افتابی
3
ویژگی
تعداد
چپ
24
راست
24
بالا
24
مستقیم
24
عصبانی
24
خوشحال
24
طبیعی
24
ناراحت
24
باز
48
عینک افتابی
48
پروژه پیاده سازی شبکه عصبی برای طبقه بندی تصاویر تصاویر اساتید متلب پروژه آماده شده است که به تعداد محدودوی به فروش میرسد پس از خرید بلافاصله فایل های پروژه برای شما ارسال میشود
در صورتی که پروژه مطاق با سفارش شما نمی باشد با کلیک بر روی عنوان زیر پروژه متلب خود را سفارش دهید
انجام پروژه متلب
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران
عنوان پروژه : پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران
نرم افزار مورد استفاده : متلب
رشته تخصصی : مهندسی عمران
فرمت : m فایل
فایل راهنما دارد
نوع پروژه : پروژه آماده متلب
پس از خرید بلافاصله فایل های پروژه پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
توضیحات پروژه :
مراحل اصلی یک فرآیند بهینه سازی برای رسیدن به پاسخ بهینه، عبارتند از :
۱ – تعریف مسئله ۲ – مدل سای ۳ – حل مدل ۴ – تحقیق درستی مدل ۵ – پیاده سای نتایج نهایی مدل
طبق مراحل فوق، برا بدسات آوردن پاسااخ بهینه، ابتدا رفتار سیستم مورد بررساای و تحلیل قرار گرفته تعریف مساله و مدلی از وضعیت طبیعی آن سیستم ساخته میشود . در اینجا منظور ای مدلسای بیان مسئله با استفاده ای روابط ریاضی، با در نظر گرفتن محدودیتها موجود، میباشد. سپس جواب مدل ای راه محاسبات ریاضی مناسب بدست میآید . یک مساائله به طور معمول، چندین جواب عملی دارد. ای میان جوابها مذکور، به بهترین آنها جواب بهینه گفته میشود. به بیان دیگر بهینه سازی ، روشهای بدست آوردن بهترین جواب ممکن می باشد . مدلسازی ریاضی یک طرح، قسمت اصلی در روند بهینه سازی است.
چنانچه الگوی ریاضی طرح مناسب باشد، جواب بهینه سریعتر محاسبه می شود. برا استخراج مدل ریاضی یک مسئله بهینه سازی باید چهار مولفه زیر به طور کامل مشخص گردند .
الف) یک مجموعه ای متغیرها nx,…,1x موسوم به متغیرها بهینه سازی یا متغیر تصمیم
ب) یک تابع موسوم به تابع هدف یا تابع معیار که رو متغیرهای تصمیم اعمال میشود و یک مقدار حقیقی دارد. این تاب در طی فرآیند بهینه سازی باید مینیمم یا ماکزیمم بهینه گردد .
ج ) مجموعه ا ای قیدها که رو متغیرها تصمیم اعمال میشوند. این قیود میتوانند به صورت مساو یا نامساوی اعمال شوند
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
د) مجموعه های n,D…,1D باه عنوان دامنه ها متغیرها nx,…,1x . به عبارت دیار ix ای مجموعه iD انتخاب میگردد iD ∈ ix. این مجموعه اصول و روشها بهینه سازی ، که در مسائل مهندسی بویژه مهندسی عمران خواهد داشت
پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی
پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی
عنوان پروژه : پیاده سازی پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی
نرم افزار مورد استفاده : متلب
رشته تخصصی : مهندسی کامپیوتر هوش مصنوعی
فرمت : m فایل
فایل راهنما دارد
نوع پروژه : پروژه آماده متلب
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
پس از خرید بلافاصله فایل های پروژه پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
داده های دما، بارش و رواناب متوسط ماهیانه یک حوضه آبریز برای سال در فایل Excel با نام Data و در صفحات جداگانه ثبت شده است. با استفاده از داده‌های 14 سال اول یک شبکه عصبی (ANN) و سیستم استنباط فازی (ANFIS) و K همسایه نزدیک (KNN) برای پیش بینی رواناب بر اساس دما و بارش آموزش داده و با استفاده از آن مقادیر رواناب 4 سال آخر را برآورد کرده و با مقادیر مشاهداتی مقایسه کنید.
تاثیر اینکه برای پیش بینی رواناب هر ماه از داده‌های ثبت شده در سالهای گذشته در همان ماه استفاده شود و یا اینکه کل داده‌ها بصورت یکجا در نظر گرفته شود را بررسی کنید. (مثلاً پیش بینی رواناب مهر فقط با استفاده از داده های ثبت شده در مهر سالهای قبل و یا با استفاده از کلیه داده‌های ثبت شده بدون توجه به ماه)
تأثیر اینکه در پیش بینی رواناب هر ماه، داده های دما و بارش تا 1 ماه و 2 ماه قبل در خروجی نظرگرفته شود را بررسی میشود
خطای مدلهای طراحی شده را در شرایط افزایش یا کاهش پارامترهای مؤثر بر آنها نظیر تعداد نرونها، قواعد و همسایه‌ها و … بررسی و تحلیل میشود
نتایج خروجی برنامه در محیط متلب
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
ها پروژه های آماده متلب
70000 09367292276
بهینه سازی مصرف انرژی در مراکز داده با نرم افزار متلب
بهینه سازی مصرف انرژی در مراکز داده با نرم افزار متلب5 (100%) 1 vote[s] بهینه
07
اسفند
شبیه سازی انتشار موج DVOR در حوزه زمین واقعی با متلب
60000 09367292276
شبیه سازی انتشار موج DVOR در حوزه زمین واقعی با متلب
شبیه سازی انتشار موج DVOR در حوزه زمین واقعی با متلب5 (100%) 1 vote[s] شبیه
05
اسفند
بهینه سازی پارامترها با الگوریتم کرم شب تاب
50000 09367292276
بهینه سازی پارامترها با الگوریتم کرم شب تاب با نرم افزار متلب
بهینه سازی پارامترها با الگوریتم کرم شب تاب با نرم افزار متلب5 (100%) 2 vote[s]
04
اسفند
پروژه شبکه عصبی با الگوریتم svm با متلب
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
50000 09367292276
پروژه شبکه عصبی با الگوریتم svm با نرم افزار متلب
پروژه شبکه عصبی با الگوریتم svm با نرم افزار متلب5 (100%) 2 vote[s] پروژه شبکه
02
اسفند
متلب پروژه ، تجزیه و تحلیل انرژی و اگزرژی ذخیره سازی انرژی هوای فشرده
70000 09367292276
تجزیه و تحلیل انرژی و اگزرژی ذخیره سازی انرژی هوای فشرده
تجزیه و تحلیل انرژی و اگزرژی ذخیره سازی انرژی هوای فشرده5 (100%) 2 vote[s] شبیه
29
بهمن
70000 09367292276
بهره برداری بهینه مخزن سد با الگوریتم ژنتیک با نرم افرار متلب
بهره برداری بهینه مخزن سد با الگوریتم ژنتیک با نرم افرار متلب5 (100%) 2 vote[s]
29
بهمن
ارائه مدل مرزی برای تحقیق در مورد کشش فرکانس ها در مخزن چند محفظه محوری
60000 09367292276
ارائه مدل مرزی برای تحقیق در مورد کشش فرکانس ها در مخزن چند محفظه محوری
ارائه مدل مرزی برای تحقیق در مورد کشش فرکانس ها در مخزن چند محفظه محوری5
شبیه سازی انتشار موج DVOR در حوزه زمین واقعی با متلب
شبیه سازی انتشار موج DVOR در حوزه زمین واقعی با متلب
عنوان پروژه : شبیه سازی انتشار موچ DVOR در حوزه زمین واقعی متلب
نرم افزار مورد استفاده : متلب
فرمت : m فایل
فایل راهنما دارد
پس از خرید بلافاصله فایل های پروژه شبیه سازی انتشار موچ DVOR در حوزه زمین واقعی متلب به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
توضیحات پروژه :
به منظور شبیه سازی اثرات تحریف اشکال پراکندگی مانند توربین های بادی و یا ساختمان ها بر شدت میدان سیستم های ناوبیری پروازی، باید در نظر گرفته شود تا از زمین های اطراف آن محاسبه شود. با توجه به مناطق بزرگ و حجم هایی که با امواج رادیویی با فرکانس زیاد می شوند، مقدار حافظه اصلی و زمان محاسبات بسیار زیاد است که باعث می شود شبیه سازی بسیار وقت گیر باشد و هزینه ای زیاد باشد. در این مقاله چندین روش برای شبیه سازی نفوذ زمین، با تلاش برای به حداقل رساندن تلاش شبیه سازی بدون کاهش شدید دقت شبیه سازی با متلب مورد بررسی قرار گرفته است. نتایج حاصل از محاسبه محیط زیست رادیوگرافی رادیوگرافی رادیوگرافی داپلر (DVOR) از قدرت میدان الکتریکی با روش های متفاوت زمین، انجام و مقایسه می شود: زمین لرزه را کاملا نادیده می گیرد؛ نمایندگی آن را به عنوان زمین زمینی مسطح با هدایت الکتریکی کامل (PEC). اختصاص یک عامل محرک انعکاس جهانی انطباق به سطح زمین PEC در پس پردازش؛ مدل سازی زمین به عنوان جمع بندی تکه های سطح با بافت زمین واقعی و تعدادی از عوامل کاهش دهنده انعکاس انعطاف پذیر برای مناطق مختلف در پس پردازش. سپس نتایج شبیه سازی شده با روش های مورد بررسی با استفاده از اندازه گیری های قدرت میدان الکتریکی در محیط واقعی تایید می شود.
خروجی برنامه در نرم افزار متلب
بهینه سازی مصرف انرژی در مراکز داده با نرم افزار متلب
بهینه سازی مصرف انرژی در مراکز داده با نرم افزار متلب
عنوان پروژه :بهینه سازی مصرف انرژی در مراکز داده با نرم افزار متلب
نرم افزار مورد استفاده : متلب
فرمت : m فایل
فایل راهنما دارد
نوع پروژه : پروژه آماده متلب
پس از خرید بلافاصله فایل های پروژه بهینه سازی مصرف انرژی در مراکز داده با نرم افزار متلب به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
توضیحات پروژه :
به دلیل توجه جهانی به جنبه های ی، اقتصادی و محیط زیستی مصرف انرژی، فناوریهای سبز به یک موضوع اصلی در صنایع و دولتها تبدیل شده است. از لحاظ مصرف انرژی و آلودگی محیطزیست، بخش فناوری اطلاعات و ارتباطات مقدار ٪ 3 از انتشار گازهای گلخانهای و ٪۴ هزینههای مصرف جهانی انرژی را بر عهده دارد. مراکز داده، زمینه تحقیقاتی مهمی در شرکتهای بزرگ فناوری اطلاعات و محیطهای آکادمیک محسوب میشوند . مراکز داده مصرف کنندههای اصلی انرژی در بخش ICT هستند. ابتدا محرکهای کلیدی که تاکید بر استفاده از روشهای مؤثر مصرف انرژی در مراکز داده دارد، مورد بحث قرار میگیرد؛ سپس به معرفی یک مدل مصرف انرژی در بخشهای مختلف مراکز داده پرداخته میشود. همچنین میزان مصرف انرژی در مرکز داده که شامل سیستم خنککننده، منابع محاسباتی و عناصر شبکه هستند مورد تخمین قرار میگیرد.
با استفاده از شبکه ایجاد شده و با تغییر نحوه استفاده از پردازنده ها میزان هزینه و توان مصرفی مشخص شده و مقدار بهینه ارایه می شود.
با توجه به اینکه میزان استفاده از سیستم پردازنده به صورت تعاملی 240 و به صورت دسته ای 6 می باشد در ساعات مختلف استفاده از سیستم ها طوری تغییر می کند که این مقادیر تامین شود. همچنین با توجه به نمودار ها مشخص می شود که تخصیص پردازنده تعاملی در ساعات 9 تا می باشد. برای بررسی نحوه تاثیر تغییر تخصیص پردازنده سه راهبرد ارایه می شود
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
1= استفاده از پردازنده ها در طول روز به نحوی که در همه ساعات تعداد یکسان استفاده شود
2- استفاده از پردازنده های تعاملی در ساعاتی که پردازنده دسته ای کمینه است (ساعات 1 تا 8 و 19 تا 24).
3- استفاده از پردازنده های دسته ای در ساعاتی که مقادیر تعاملی کمینه هستند. به نحوی که مقادیر استفاده شده در ساعات اوج تا حداکثر 25 باشد و مابقی به صورت یکنواخت بین مابقی ساعات پراکنده شود.
در نتیجه شکل تخصیص پردازنده برای هر حالت به صورتی زیر می باشد.
پروژه شبکه عصبی با الگوریتم svm با نرم افزار متلب
پروژه شبکه عصبی با الگوریتم svm با متلب
عنوان پروژه : پروژه شبکه عصبی با الگوریتم svm با متلب
نرم افزار مورد استفاده : متلب
فرمت : m فایل
فایل راهنما دارد
پس از خرید بلافاصله فایل های پروژه پروژه شبکه عصبی با الگوریتم svm با متلب به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
توضیحات پروژه :
در این پروژه یک سری دیتا به فرمت اکسل داریم که دما و جرم مولکولی وزن نمک را نشان میدهد که میخوام با استفاده از شبکه عصبی ابتدا ان را بهینه کرده و سپس با استفاده از الگوریتم svm آنرا مدل سازی کنیم این شبیه سازی در نرم افزار متلب کدنویسی شده است
با توجه به اینکه برای SVM تنها دوپارامتر را می توان بررسی کرد از روش one-rest ، one-one استفاده می شود.
بدین ترتیب برای هر دو دسته از داده های مستقل و یک داده وابسته روش svm اجرا می شود. داده ها طبقه بندی می شوند و سپس مدل سازی می شوند. میزان خطای هر مدل محاسبه و نشان داده می شود. داده های مستقل و غیر مستقل نیز دسته بندی شده و نشان داده می شود.
clc
clear all
close all
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
z=xlsread('data2');
ابتدا داده ها وارد می شود.
برای اینکه داده ها اصلاح شود کافیست فایل اکسل اصلاح شود و نیازی به تعریف محدد داده ها نمی باشد. نام فایل در قسمتی که با سبز هایلایت شده وارد می شود و نتایج بر اساس فایل جدید خواهد بود.
d=50;
برای اینکه داده ها در دو دسته اموزش و اعتبار سنجی استفاده شود داده ها تقسیم می شود. بر اساس گام های d تایی داده ها جدا می شود. مثلا اگر گام 50 فرض شود داده های 1 50 100 و 000 تا انتها برای داده های اموزش و داده های 2 51 101 و … برای مدل سازی استفاده میشود.
%Train the SVM Classifier
داده ها اموزش داده می شود
svmStruct = svmtrain(in(1:10:2*L,:),group(1:10:2*L,:),'ShowPlot',true);
Xnew = in(1:d:2*L,:);
Ynew=Y(1:d:2*L,1);
مدل ایجاد می شودو
SVMModel1 = fitcsvm(Xnew,Ynew,'KernelScale','auto','Standardize',true);
میزان خطای مدل محاسبه می شود.
L1 = loss(SVMModel1,Xnew,Ynew);
داده ها طبقه بندی می شود و نتایج به صورت نموداری نشان داده می شود. این عملیات برای دو گرو داده دیگر هم تکرار می شود. در انتها نیز مشخصات داده های طبقه بندی شده نشان داده می شود همچنین میزان خطا برای هر مرحله نشان داده می شود.
species = svmclassify(svmStruct,Xnew,'ShowPlot',true)
hold on;
plot(Xnew(:,1),Xnew(:,2),'ro','MarkerSize',12);
hold off
xlabel('Temp,ws')
ylabel('wp')
خروجی های برنامه در محیط متلب
بهینه سازی پارامترها با الگوریتم کرم شب تاب با نرم افزار متلب
بهینه سازی پارامترها با الگوریتم کرم شب تاب
عنوان پروژه : بهینه سازی پارامترها با الگوریتم کرم شب تاب با نرم افرار متلب
نرم افزار مورد استفاده : متلب
فرمت : m فایل
فایل راهنما دارد
پس از خرید بلافاصله فایل های پروژه بهینه سازی پارامترها با الگوریتم کرم شب تاب به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
1- می خواهیم از طریق الگوریتم کرم شب تاب مقادیر بهینه x1 و x2وx3 را در شرایطی پیدا کنم که کلیه y های فوق در حالت بیشترین و فقط y نمونه شماره دو در حالت کمترین باشد
2- مناسبترین مقادیر پارامتر های مرتبط با جذب نور محیط (Ÿ) و حرکت تصادفی کرم شب تاب (a) برای بهینه سازی توسط الگوریتم شب تاب به دست آیند. به این منظور در مرحله اول a=0در نظر گرفته شود و با تغییر ضریب جذب نور تاثیر آن در مقادیر بهینه بررسی و ضریب جذب نور مناسب انتخاب شود.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
برای تنظیم مقادیر ضریب جذب در بازه (1و0) مقادیر بهینه تابع هدف به دست بیاید، که نتایج در شکل (مثال اورده شده) نشان داده شده است.
ه برداری بهینه مخزن سد با الگوریتم ژنتیک با نرم افرار متلب
بهره برداری بهینه مخزن سد با الگوریتم ژنتیک با نرم افرار متلب
عنوان پروژه : بهره برداری بهینه مخزن سد با استفاده از الگوریتم ژنتیک در نرم افرار متلب
نرم افزار مورد استفاده : متلب
فرمت : m فایل
فایل راهنما دارد
پس از خرید بلافاصله فایل های پروژه بهره برداری بهینه مخزن سد با نرم افرار متلب به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
روش تحلیلی جدید برای مطالعه جریان همرفت طبیعی از یک سیال غیر نیوتنی
روش تحلیلی جدید برای مطالعه جریان همرفت طبیعی از یک سیال غیر نیوتنی
چکیده– هدف از این مقاله بحث کردن جریان همرفت طبیعی یک سیال کلاس سوم تراکم ناپذیر بین دو صفحه موازی است. معادلات اساسی حاکم بر جریان به یک معادله دیفرانسیل معمولی غیر خطی کاهش می یابند.
طراحی/روش/رویکرد– معادله دیفرانسیل معمولی غیر خطی به وسیله روش تبدیل دیفرانسیل چند مرحله ای (MDTM) حل می شود.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
یافته ها– راه حل های به دست آمده در مقایسه با راه حل های عددی (رانگ کوتا مرتبه چهارم) دقت قابل توجهی را اعطا می کنند.
ارزش و بها– تجزیه و تحلیل انجام شده اعتبار و پتانسیل بالای MDTM در حل معادلات دیفرانسیل غیر خطی را نشان می دهد.
کلمات کلیدی– معادلات دیفرانسیل، جابجایی، سیالات، جریان، جابجایی طبیعی، سیال غیر نیوتنی، روش تبدیل دیفرانسیل چند مرحله ای.
1- مقدمه
مطالعه معادلات دیفرانسیل عادی / جزئی غیرخطی ، امروزه بسیار مورد توجه پژوهشگران قرار گرفته است. چنین معادلات در مشکلات فیزیکی مختلف مهندسی رخ می دهد. اهمیت به دست آوردن راه حل دقیق یا تقریبی معادلات دیفرانسیل غیرخطی در فیزیک و ریاضیات هنوز نیاز به چالش کشیدن دارد که نیازمند روشهای جدید برای راه حل دقیق یا تقریبی است. تمام معادلات غیر خطی یک راه حل دقیق تحلیلی ندارند و از این رو روش های عددی برای رسیدگی به چنین معادلات به طور گسترده ای مورد استفاده قرار گرفته اند و بسیاری از این معادلات از طریق برنامه نویسی در متلب همچنین برخی از روش های تحلیلی برای معادلات غیر خطی وجود دارد. بعضی از روش های تحلیلی کلاسیک روش پارامترهای مصنوعی مصنوعی لیائپونوف (Lyapunov، 1990)، تکنیک های اختلال (He، 1999) و روش گسترش (Karmishin et al.، 1990( است. در سال های اخیر بسیاری از نویسندگان به طور عمده با استفاده از روش های مختلف به مطالعه راه حل های معادلات دیفرانسیل غیرخطی با استفاده از روش های مختلف پرداختند. از جمله روش تجزیه Adomian (ADM)، روش تان، روش متلاشیم سازی هماتوپی (HPM)، روش sinh-h، روش تجزیه و تحلیل هماتوپی (HAM) (Rashidi and Dinarvand، 2009؛ Rashidi et al.، 2011؛ Ellahi، 2009) ، روش تبدیل دیفرانسیل (DEM) (Rashidi و Keimanesh، 2010؛ Rashidi et al.، 2010؛ Rashidi، 2009) و روش تکرار واریانس (VIM) (او، 1997؛ رشیدی و شاه مقصندی، 2009).
بنابراین انگیزه این مقاله، استفاده از الگوریتم قابل اعتماد DTM، یعنی multi-step differential transform method ، برای ساخت راه حل های تقریبی تحلیلی جریان همرفت طبیعی کلاس سوم بین دو صفحه موازی است. اخیرا توجه زیادی به مطالعه سیالات غیر نیوتنی به دلیل اهمیت عملی آنها در مهندسی و صنعت صورت گرفته است. معادلات Navier-Stokes کلاسیک برای توصیف و ترسیم خصوصیات سیال های رئوئیک پیچیده و نیز راه حل های پلیمری ناکافی است (Dunn and Rajagopal، 1995). این نوع سیالات به طور کلی سیالات غیر نیوتنی شناخته می شوند. اکثر سیالات بیولوژیکی و صنعتی غیر طبیعی، نیوتنی هستند. نمونه هایی از این سیالات عبارتند از: خون، سس گوجه فرنگی، عسل، گل و لای، محلول های پلاستیکی و پلیمری. ناکافی بودن نظریه های کلاسیک برای توصیف این سیالات پیچیده منجر به توسعه مدل های مختلف جدید برای مطالعه سیالات غیر نیوتنی شده است. مدل های مختلفی وجود دارد که برای توصیف رفتار جریان غیر نیوتنی پیشنهاد شده است. از میان این ها، مدل های سیالات نوع دیفرانسیلی (Dunn and Rajagopal، 1995؛ Truesdell and Noll، 2004) توجه زیادی را به خود جلب کرده اند. سیال درجه سوم در این مطالعه، یک زیر بخش از سیالات دیفرانسیل است که می تواند اثرات رقیق یا غلیظ شدن را توصیف کند. Ellahi and Riaz (2010) تاثیر دینامیک هیدروژنی مغناطیسی (MHD) بر جریان لوله یک سیال درجه سوم با ویسکوزیته متغیر را بررسی کردند. تاثیر ویسکوزیته متغیر و از بین رفتن چسبندگی بر جریان غیر نیوتنی در محیط متخلخل با استفاده از قانون Darcy اصلاح شده توسط Hayat و همکاران مورد بحث قرار گرفته است. Okoya جریان سیال درجه سوم (با ویسکوزیته نمایشی) را بین صفحات موازی تحت عمل گرادیان فشار خارجی اعمال کرد (Okoya، 2011). Yu¨ru¨soy et al (2008) حالت جریان مداوم یک سیال درجه سوم را بین سیلندرهای دایره ای متمرکز در نظر گرفت. آنها به دلیل اصطکاک سیال و انتقال حرارت در لوله حلقوی، آنتروپی را مورد بررسی قرار دادند. Pakdemirli و Yilbas (2006) جریان سیال درجه سوم در یک لوله را در نظر گرفتند. Ayub و همکاران (2003)، جریان سیالات درجه سوم از یک صفحه متخلخل را در نظر گرفتند. انتقال حرارتی در جریان واکنشی سیال درجه سوم با گرمایش ویسکوزیته و واکنش شیمیایی بین دو صفحه افقی مسطح توسط Okoya (2008) مورد بررسی قرار گرفت. Akyildiz و همکاران 2004 راه حل های دقیق برای معادلات دیفرانسیل غیرخطی سیال درجه سوم را تهیه کردند. پایداری حرارتی سیال درجه سوم واکنش پذیر در لوله استوانه ای توسط Makinde (2007) بررسی شده است. Sahoo (2009) جریان Hiemenz یک سیال درجه سوم را در حضور انتقال حرارت بررسی کرد. اولین مشکل بزرگ اساسی برای سیال درجه سوم در یک فضای متخلخل توسط Hayat و همکاران مورد مطالعه قرار گرفته است. (2008). نویسندگان قانون اصلاح شده Darcy را برای سیال درجه سوم در این کار معرفی کردند. Abelman و همکاران (2008) جریان جابجایی سیال درجه سوم در فضای متخلخل را مورد بحث قرار دادند. Hayat و همکاران، راه حل دقیق برای جریان سیال درجه سوم در یک دیوار متخلخل ارائه دادند. (2003).
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
2- مفاهیم پایه روش تبدیل دیفرانسیل روش تحلیلی جدید برای مطالعه جریان همرفت طبیعی از یک سیال غیر نیوتنی
تبدیل مشتق k به یک تابع در یک متغیر به صورت زیر است:
و تبدیل مع بصورت زیر تعریف شده است:
با جاگذاری معادله 1 در 2:
که به این معنی است که مفهوم روش تبدیل دیفرانسیل حاصل از گسترش سری تیلور است، اما این روش مشتقات را به طور نمایشی محاسبه نمی کند. با این حال، مشتقات نسبی با روش تکراری محاسبه می شود که توسط معادلات تبدیل شده از تابع اصلی توصیف می شوند. برای اهداف پیاده سازی، تابع f (t) توسط یک سری محدودی بیان می شود و معادله (2) می تواند به صورت زیر نوشته شود:
که F(k) تبدیل دیفرانسیلی f(t) است.
قضیه زیر که می تواند از معادلات (21) و (22) حاصل شود، در زیر آمده است:
3- مفاهیم پایه روش تبدیل دیفرانسیل چند مرحله ای
هنگامی که روش تبدیل دیفرانسیل برای حل معادلات دیفرانسیل با شرایط مرزی در بی نهایت و یا مشکلات بسیار رفتار غیر خطی استفاده می شود، نتایج به دست آمده اشتباه است (زمانی که متغیر لایه مرزی به بی نهایت می رسد، راه حل های سری به دست آمده واگرا هستند). علاوه بر این، سری قدرت برای مقادیر بزرگ متغیر مستقل مفید نیست.
برای غلبه بر این نقص، روش تبدیل دیفرانسیل چند مرحله ای در این بخش ارائه شده است که برای حل تحلیلی معادلات دیفرانسیل توسعه یافته است. برای این منظور، مسئله اولیه اولیه غیر خطی در نظر گرفته شده است:
با توجه به شرایط اولیه برای .
[0، T] فاصله ای است که ما می خواهیم راه حلی برای مسئله ارزش اولیه معادله (5) پیدا کنیم. در برنامه های کاربردی واقعی روش تبدیل دیفرانسیل ، حل تقریبی مسئله مقدار اولیه (5) را می توان با سری های محدود بیان کرد:
رویکرد چند مرحله ای یک ایده جدید برای ساختن راه حل تقریبی ارائه می دهد. فرض کنید که فاصله [T، 0] به M زیر مجموعه تقسیم شده است با گام برابر با استفاده از گره . ایده اصلی روش تبدیل دیفرانسیل چند مرحله ای به شرح زیر است. ابتدا روش تبدیل دیفرانسیل را به معادله (5) در فاصله [t1،0] اعمال کنیم و راه حل تقریبی زیر را بدست آوریم:
با شرایط اولیه . برای و در هر زیرمجموعه ما از شرایط اولیه استفاده خواهیم کرد و روش تبدیل دیفرانسیل را به معادله (5) در طول فاصله اعمال کنیم؛ که در معادله (1) توسط جایگزین می شود. این فرآیند تکرار می شود و یک دنباله ای از راه حل های تقریبی تولید می کند برای راه حل :
که . در حقیقت روش تبدیل دیفرانسیل چند مرحله ای به شکل زیر فرض می شود:
الگوریتم جدید روش تبدیل دیفرانسیل چند مرحله ای برای عملکرد محاسباتی برای تمام مقادیر h ساده است. به راحتی مشاهده می شود که ، اگر اندازه گام از روش تبدیل دیفرانسیل چند مرحله ای به روش تبدیل دیفرانسیلکلاسیک کاهش یابد. همانطور که در بخش بعد مشاهده خواهیم کرد، مزیت اصلی الگوریتم جدید این است که راه حل مجموعه ای به دست آمده برای مناطق زمانی گسترده همگرایی می کند و می تواند راه حل های منظم و نامنظم باشد.
4- فرمول بندی ریاضی روش تحلیلی جدید برای مطالعه جریان همرفت طبیعی از یک سیال غیر نیوتنی
ساختار جریان کامل حالت حالت پایدار توسعه یافته سیال غیر متراکم درجه سوم محدود بین دو صفحه موازی در این مقاله مورد بررسی قرار گرفته است. سرعت جریان یک طرفه به صورت زیر است:
که در آن V سرعت است، u و i به ترتیب سرعت و واحد بردار موازی با محور x هستند. معادلات حرکت و انرژی به شکل زیر است:
که معادلات اتصال یکسان است، و مصرف مواد قابل احتراق و اثر حرارت تابشی غفلت می شود. متغیرهای بدون مقدار به صورت زیر تعریف می شوند:
که C گرمای ویژه سیال است. شکل غیرمستقیم معادلات (11) و (12) عبارتند از:
با شرایط مرزی زیر:
مدل فیزیکی مساله در شکل 1 نشان داده شده است. این شامل دو صفحه مسطح است که می تواند به صورت عمودی قرار گیرد. سیال غیر نیوتنی بین دو ورق مسطح فاصله 2b است. دیواره های و در درجه حرارت ثابت T2 و T1، که در آن ، نگهداری می شوند. این تفاوت در دمای باعث می شود که سیالات در نزدیکی دیواره در افزایش یابد و سیالات در نزدیکی دیوار در سقوط کنند.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
شکل 1- نمودار مختصری از مسئله مورد نظر
5- راه حل های تحلیلی توسط روش تبدیل دیفرانسیل چند مرحله ای
با استفاده از روش تبدیل دیفرانسیل چند مرحله ای به معادلات (11) و (12) رابطه بازگشتی زیر را در هر زیر دامنه بیان می کند.
که و تبدیل دیفرانسیل و هستند.
انتقال دیفرانسیل شرایط مرزی (16) و (17) به شرح زیر است:
ما می توانیم شرایط مرزی زیر را در نظر بگیریم (معادلات 16 و 17):
تغییر دیفرانسیلی شرایط فوق به صورت زیر خواهد بود:
علاوه بر این، با جاگذاری معادلات (24) و (25) در معادلات () و (19) و با روش بازگشتی می توانیم مقادیر دیگر و را محاسبه کنیم: بنابراین، با جایگزینی تمام و به معادله (4) راه حل ها با استفاده از شرایط مرزی می توانیم را بدست آوریم.
برای راه حل تحلیلی، تجزیه و تحلیل همگرایی انجام می شود و در معادله (4)، مقدار i برابر با 20 انتخاب می شود. ما فاصله زمانی برابر 0.1 را تعیین می کنیم.
6- نتایج و بحث روش تحلیلی جدید برای مطالعه جریان همرفت طبیعی از یک سیال غیر نیوتنی
نگرانی اصلی ما تعیین راه حل های سرعت و درجه حرارت پروفایل، ؛ است که توسط روش تبدیل دیفرانسیل ، روش تبدیل دیفرانسیل چند مرحله ای و روش عددی با استفاده از رانگ کوتا مرتبه چهارم منظور می شود. این مقادیر رفتار جریان را توصیف می کند.
شکل 1 و 2 دقت راه حل روش تبدیل دیفرانسیل چند مرحله ای را در مقایسه با روش تبدیل دیفرانسیل کلاسیک و راه حل عددی زمانی که و مقادیر مختلف E برای و نشان می دهد. مشاهده می شود که و ، هنگامی که عدد Eckert E افزایش می یابد زیاد می شود. اثرات تعداد Prandtl در و در شکل 3 و 4 نشان داده شده است. روشن است که با افزایش تعداد Prandtl، و افزایش می یابد. تغییرات و با توجه به در شکل 5 و 6 ارائه شده اند.
شکل2- تغییر پروفایل سرعت با توجه به E وقتی که و .
شکل 3- تغییر پروفایل دما با توجه به E وقتی که و .
شکل 4- تغییر پروفایل سرعت با توجه به Pr وقتی که و .
شکل 5- تغییر پروفایل دما با توجه به Pr وقتی که و .
شکل 6- تغییر پروفایل سرعت با توجه به وقتی که و .
مشاهده می شود که افزایش پارامتر باعث کاهش در می شود، اما تأثیر معنی داری بر ندارد. برای بررسی تأثیر روش پیشنهادی در مقایسه با روش تبدیل دیفرانسیل و راه حل عددی، مقادیری در جداول 1 و 2 برای مقادیر مختلف پارامتر ارائه شده است.
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
7- نتیجه گیری
در این مطالعه، یک الگوریتم قابل اعتماد بر اساس روش تبدیل دیفرانسیل برای حل معادلات غیر خطی ارائه شده است. روش حاضر، مشکلات محاسباتی روش های دیگر را کاهش می دهد.
نتایج برای و ؛ در جداول 1و 2 اعتبار و صحت این روش را نشان می دهد. توجه داشته باشید روش تبدیل دیفرانسیل چند مرحله ای ساده تر از سایر روش ها محاسبه می شود، زیرا در روش تبدیل دیفرانسیل چند مرحله ای ما یک روش تکراری داریم که نیازی به حل معادلات دیفرانسیل یا انتگرال ندارد. در روش های دیگر ما باید در هر پیاده سازی حل معادلات دیفرانسیل را حل کنیم یا معادلات را یکپارچه کنیم (شکل 7).
جدول 1- مقایسه نتایج سرعت بدست آمده وقتی و . و تغییرات متغیر
جدول 2- مقایسه نتایج دما بدست آمده وقتی و . و تغییرات متغیر
شکل 7- شکل 6- تغییر پروفایل دما با توجه به وقتی که
ارائه مدل مرزی برای تحقیق در مورد کشش فرکانس ها در مخزن چند محفظه محوری
ارائه مدل مرزی برای تحقیق در مورد کشش فرکانس ها در مخزن چند محفظه محوری
عنوان پروژه : ارائه مدل مرزی برای تحقیق در مورد کشش فرکانس ها در مخزن چند محفظه محوری
نرم افزار مورد استفاده : متلب
فرمت : m فایل
فایل راهنما دارد
پس از خرید بلافاصله فایل های پروژه ارائه مدل مرزی برای تحقیق در مورد کشش فرکانس ها در مخزن چند محفظه محوری به ایمیل شما ارسال خواهد شد
پروژه به صورت 100 درصد در محیط متلب تست شده است
توضیحات پروژه :
در این شبیه سازی با متلب به ارائه یک روش عددی مرزی پیوسته برای تعیین متقارن و فرکانس های طبیعی و شکل حالت های غیرضروری برای چند ظروف محصور شده با مبهم است با هندسه دلخواه انجام شده است مدل مایع توسعه یافته براساس معادله لاپلاس و Green است که در مقاله به آن اشاره شده است
قضیه معادلات حاکم از شرایط دینامیکی سیال و سطح آزاد نیز وجود دارد به مدل پیشنهاد شده اعمال می شود. یک روش zoning ارائه شده است به منظور مدل دلخواه تنظیمات سوپاپ در چند مخزن محرمانه مبهم. نفوذ هر منطقه در مناطق همسایه با استفاده از معرفی ماتریس نفوذ رابط که پتانسیل سرعت رابط ها را به شار خود ارتباط می دهد. با اختطاف کردن مرزهای جریان، معادله انتگرال بر روی مرز کنترل شده است یک ماتریس عادی مشکل خاص. روش پیشنهادی تأثیر قابل توجهی بر کاهش دارد هزینه محاسباتی و دقت خوبی در تعیین فرکانس های طبیعی شکسته به دست آماده است
نتایج شبیه سازی در محیط متلب
09367292276
۳۵,093672922760936729227609367292276 09367292276
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
درباره این سایت