دوفصلنامه دانشکده مهندسی دانشگاه فردوسی
سال هفدهم شماره 2 (پیاپی 34، 1384)

چکیده فلومیترهای الکترومغناطیسی با استفاده از اصول قانون ولتاژ القای فارادی به عنوان یک ابزار استاندارد برای اندازه گیری نرخ فلوی عبوری مایعات در صنعت به کار می روند. در این فلومیترها سیم پیچ های احاطه کننده لوله عبوری مایع، میدان مغناطیسی را تولید می کنند و در نتیجه در الکترودهای دو طرف دیواره لوله، ولتاژ القاء شده ای متناسب با نرخ فلوی عبوری ایجاد خواهد شد. در این مقاله با استفاده از یک مدل ریاضی دو بعدی و با روش حل عددی تفاضل محدود (FDM)، محاسبه اختلاف پتانسیل الکتریکی بین دو الکترود انجام گردیده است. همچنین اصول طراحی فلومیترهای الکترومغناطیسی با استفاده از نرم افزار Matlab ارائه شده است. از آنجا? ه میزان مایع عبوری به دو عامل سطح مایع و ضرایب رسانایی مایع و دیواره لوله بستگی دارد، برای کالیبراسیون این نوع فلومیترها از یک ساختار شبکه عصبی مصنوعی سه لایه استفاده می شود. در این روش جدید، برای یک لوله با مقطع دایره ای، تابع غیرخطی ضریب تصحیح که در امر کالیبراسیون به کار می رود به شکل دقیقی تخمین زده می شود که نتایج شبیه سازی، این موضوع را نشان می دهد.

چکیده تجزیه هرمی تصویر، روشی شناخته شده در کد گذاری تصویر است که می توان برای کدگذاری با افت یا بدون افت اطلاعات از آن استفاده نمود. در این مقاله، ضمن ارائه روشی جدید برای نمونه برداری مورفولوژیک از تصویر بر اساس مفهوم سایه تابع، یک روش تجزیه هرمی ارائه خواهد شد که از کارآیی بالاتری در مقایسه با هرم های شناخته شده برخوردار است. کارآیی بالای این هرم ناشی از دو ویژگی زیر است: 1- سیگنال (تصویر) خطا در روش ارائه شده بر خلاف هرم های کلاسیک همواره غیر منفی است 2- هرم ارائه شده در سه بعد، دو بعد مکانی و یک بعد سطح خاکستری، روی تصویر عمل می نماید. نتایج عملی کارآیی برتر روش ارائه شده را تایید می کند.

چکیده با رویکرد ارائه یک سیستم تبدیل متن به گفتار Text-To-Speech)TTS) طبیعی برای زبان فارسی، در این مقاله چگونگی طراحی و پیاده سازی سه زیرسیستم مربوط آورده شده است. زیر سیستم اول، یک پردازشگر زبان طبیعی یا NLP(Natural Language Processor) با امکان تعیین مشخصه دستوری کلمات یا Part-Of-Speech tagging) POS)، تبدیل متن به واج (با توجه به مشکلات زیادی که در زبان فارسی وجود دارد؛ مانند نوشته نشدن اعراب یا واکه های کوتاه در حروف میانی کلمات و کسره اضافه)، و رفع ابهام (در کلمات با نوشتار یکسانHomographs)) است. زیر سیستم دوم، یک سیستم مولد نوا(Prosody) با امکان تولید همزمان پارامترهای نوای گفتار (با استفاده از یک Recurrent Neural Network)RNN) با 289 نرون در چهار لایه و در دو سطح کلمه و هجا) است. زیر سیستم سوم نیز یک سنتزکنندهگفتار (به روش Harmonic + Noise Model)HNM)، البته با اصلاحاتی در زمینه تغییر نوا) است. برای تهیه خودکار اطلاعات لازم برای آموزش شبکه مولد نوای گفتار نیز روش های ابتکاری برای تقطیع و نامگذاری قطعات گفتاری با دقت بالا (2/97 درصد) ارائه شده است. از لحاظ عملکرد، سیستم با توجه به ملاک های مطرح در استاندارد P.85 از ITU-T، دارای MOS میانگین 59/3 است که با سیستم های نمونه ای همچونSpeechwork Speechify و Next Generation (از شرکت AT&T) برای زبان انگلیسی، قابل مقایسه می باشد.

چکیده در این مقاله رگولاسیون مقاوم دسته ای از سیستم های غیرخطی توسط تکنیک و با استفاده از روش آشفتگی تکین بررسی شده است. با استفاده از معادلات شکل نرمال بخش غیر خطی ماتریس سیستم از معادلات سیستم تا درجه دلخواه حذف و به شکل قطری تبدیل می شود. با نگرشی تازه به ماتریس قطری شده و با تشخیص وجود دو مقیاس زمانی در سیستم، معادلات جدید به زیر سیستم های کند و تند تفکیک می گردد. با فرض محدود بودن نرم دینامیک های تند، می توان آنها را به عنوان اغتشاش در نظر گرفت. سپس توسط تکنیک خطی و با استفاده از روش پیشنهاد شده در این مقاله، یک کنترل کننده برای سیستم نامی با مرتبه ای کمتر از سیستم اولیه طراحی می شود که علاوه بر این که کل سیستم را پایدار می سازد، از اطلاعات غیر خطی سیستم برای افزایش دقت سیستم کنترل استفاده می نماید. روش پیشنهاد شده برای رگولاسیون موقعیت و سرعت روباتی با یک بازوی انعطاف پذیردر اتصال آن، مورد استفاده قرار گرفته است که نتایج شبیه سازی مؤثر بودن این روش را نشان می دهد.

چکیده در این مقاله روشی برای بازشناسی برخط حروف مجزای فارسی ارائه می شود. حروف مجزای فارسی براساس نقاط و علائم بالا یا پایین بدنه اصلی به 12 گروه تقسیم شده اند. نخست نقاط و علائم بالا یا پایین هر حرف تشخیص داده می شود و سپس با توجه به آن گروهی که حرف ناشناخته در آن قرار می گیرد، تعیین می شود. در صورتی که در گروه مربوط فقط یک کلاس وجود داشته باشد، آن کلاس به حرف ناشناخته نسبت داده می شود و گرنه بدنه حرف ناشناخته با بدنه های حروفی از پایگاه داده که با حرف ناشناخته هم گروه هستند، مقایسه می شود و با طبقه بندی کمترین فاصله بازشناسی انجام می گیرد. میزان بازشناسی درست برای 4144 حرف، 3/93% است. در صورتی که نویسنده مطابق انتظار سیستم بنویسد و شکل های رایج نوشتن نقاط و علائم را رعایت کند، بازشناسی به بالاتر از 98% می رسد. با دیدن خطاهای سیستم هنگام کار با آن، نویسنده می تواند خود را باسیستم سازگار کند.

چکیده هدف این مقاله طراحی و ارائه حل نوع نوینی از مدل تولید سلولی (CM) در شرایط پویای احتمالی می باشد. سیستم های تولید سلولی در واقع کاربردی از فناوری گروهی (GT) در زمینه ساخت و تولید می باشند که هدف آنها دسته بندی قطعات و ماشین ها به گونه ای است که از تشابه ظاهری و یا عملیاتی آنها در جنبه های مختلف ساخت و طراحی استفاده شود. در بیشتر تحقیقات گذشته مساله تولید سلولی همواره در شرایط تولید ثابت و یا تقاضای معین مورد بحث قرار می گرفت حال آنکه در عمل تولید پویا و تقاضا برای محصولات نامعین است. از آنجا که تطبیق هرچه بیشتر یک مدل CM با شرایط واقعی مستلزم فزونی متغیرها و محدودیت های مدل می باشد، حل چنین مدلی با روش های بهینه سازی سنتی احتیاج به زمان پردازش زیادی داشته و در بسیاری از مواقع، با توجه به پیچیدگی مدل، حتی دسترسی به بهینه سراسری نیز امکان پذیر نمی باشد. در نتیجه امروزه روش های نوین جستجوی موضعی همانند(Simulated Annealing (SA مورد توجه قرار گرفته اند. روش SA جزء تکنیک های جستجوی تصادفی می باشد که برای حل مسایل NP-hard همانند CM استفاده می شود. در این مقاله ابتدا یک مدل عدد صحیح غیر خطی از CM در شرایط پویای احتمالی ارائه و سپس حل این مدل توسط رویکرد SA آورده می شود.