آموزش پخش بار نیوتن رافسون (درسنامه و کد متلب)

آموزش پخش بار نیوتن رافسون (درسنامه و کد متلب)

آنچه که در این محصول آماده شده است و در بسته آموزشی وجود دارد، به صورت زیر است: 

 - آموزش کامل روش نیوتن رافسون، تشکیل معادلات پخش بار، روند حل معادلات پخش بار به روش نیوتن رافسون و روند کدویسی مرحله به مرحله (22 صفحه PDF)

 - کد تشکیل ماتریس های اطلاعات ورودی شبکه اعم از اطلاعات خطوط و باس ها و تشکیل ماتریس ادمیتانس شبکه (فایل متلب) 

 - کد پخش بار به روش نیوتن رافسون (فایل متلب) 

 - قایل توضیحی برای کد پخش بار به روش نیوتن رافسون (فایل PDF) 

 -  اطلاعات خطوط و باس های شبکه های IEEE-14 bus و  IEEE-33 bus  (فایل متلب) 

 - نمایش نتایج با جزییات ولتاژ و شارش توان در خطوط شبکه ها (فایل متلب)   در زیر قسمتی از نتایج برای شبکه های مخنلف مشاهده می نمایید

  نتایج پخش بار برای شبکه حلقوی :

نتایج پخش بار نیوتن رافسون شبکه 14 باسه 

 

مدولاسیون تصویر در متلب

دانلود پروژه دانشجویی مدولاسیون تصویر در متلب

مدولاسیون در مهندسی عبارت است از سوار کردن سیگنال اطلاعات (سیگنال باند پایه^∗ یا پیام) بر روی سیگنال معمولاً فرکانس بالاتری (سیگنال حامل^∗) به منظور افزایش برد سیگنال و بهره‌وری انتقال و استفاده بهتر از پهنای باند کانال. در مدولاسیون یکی از خواص سیگنال حامل (مثلاً دامنه، فرکانس، فاز یا ...) با توجه به تغییرات سیگنال پیام تغییر داده می‌شوند. به طور کلی فرایند گنجاندن سیگنال حاوی اطلاعات در سیگنالی دیگر را مدولاسیون می نامند.همچنین اخذ سیگنال حاوی اطلاعات دمدولاسیون نام دارد.

ضرورت مدولاسیون: 

1. از پهنای باند استفاده‌ای بهینه شود و هر پیام در کانال خاصی قرار گیرد.
2. بر مسافت انتقال پیام - که در فرکانس‌های پایین کم است - افزوده شود.

اگر کانال مخابراتی شامل فضای آزاد باشد در این صورت برای انتشار و دریافت سیگنال آنتن‌هایی مورد نیاز است طول این آنتن‌ها متناسب با طول موج سیگنال فرستاده شده‌است. بسیاری از سیگنال‌های صوتی دارای مولفه فرکانسی ۱۰۰ هرتز یا پایین تر هستندکه در این صورت طول آنتن مورد نیاز چیزی حدود 3750km برای صدای انسان می باشد.اما اگر از مدولاسیون برای سوار کردن سیگنال بر روی یک فرکانس حامل مثلاً ۱۰۰Mhz استفاده کنیم در این صورت طول آنتن‌ها حدود یک متر خواهد بود.

انواع مدولاسیون:

1. مدولاسیون دامنه (AM): سطح یا دامنهٔ سیگنال حامل بر اساس تغییرات سیگنال پیام تغییر داده می‌شود.
2. مدولاسیون فرکانس (FM): فرکانس سیگنال حامل بر اساس تغییرات سیگنال پیام تغییر داده می‌شود.
3. مدولاسیون فاز (PM): فاز سیگنال حامل بر اساس تغییرات سیگنال پیام تغییر داده می‌شود.
4. مدولاسیون تقسیم فرکانس عمود برهم(ofdm):پهنای باندبین چند زیرحامل که برهم عمودهستند تقسیم می شود.                                                      در این پروژه بحث مدولاسیون تصویر به عنوان یک سیگنال مطرح است و برای این کار از مدولاسیون دامنه استفاده شده است. تصویر Camera man  برای پردازش استفاده شده و تصویر اولیه و تصویر مدوله شده در انتها آمده است. در زیر نتایج کدهای متلب نشان داده شده است.

قیمت : 10000 تومان 

کوانتیزاسیون سیگنال در متلب

دانلود پروژه دانشجویی کوانتیزاسیون سیگنال در نرم افزار متلب

در سیستم های انالوگ به دیجیتال یکی از بخش های اساسی، بخش کوانتیزاسیون سیگنال است که در نهایت سیگنال انالوگ را به بیت های 0 و 1 تبدیل میکند. در این پروژه کوانتیزه کزدن سیگنال سینوسی به همراهنمودار هیستوگرام نشان داده شده است. همچنین در بحث کوانتیزه کزدن سیگنال خطای کوانتیزاسیون مطح است که با اقفزایش بیت این خطا کاهش می یابد و این مسئله نیز برای 3 و 5 بیت نشان داده شده است. مقایسه سطوح کوانتیزه برای 3 و 5 بیت نیز نشان داده شده است. خروجی های برنامه را در تصاویر زیر میتوانید مشاهده نمایید

قیمت : 15000 تومان 

حذف نویز بصورت وفقی با استفاده از الگوریتم LMS در متلب

حذف نویز بصورت وفقی با استفاده از الگوریتم LMS در متلب

فیلتر وفقی یکی از ابزارهای اساسی در پردازش سیگنال محسوب شده و یکی از کاربردهای مهم آن ، شناسایی سیستم است که در بسیاری از سیستمهای نوین کنترل کاربرد دارد. یکی از مشکلات فیلترهای FIR وفقی در شناسایی سیستمهای با پاسخ ضربه طولانی هزینه بسیار بالای محاسباتی است . به تازگی نوع جدیدی از فیلترهای وفقی بر پایه الگوریتم های وفقی براساس سیگنال ورودی  و برای کاهش پیچیدگی محاسباتی آنها ارائه شده است. از جمله این روش ها روش LMS است.

الگوریتم LMS یک روش جستجویی برای تغییرات ضرایب فیلتر است و اولین بار توسط ویدر و هف مورد بررسی قرار گرفت. ضرایب فیلتر وفقی تنظیم شده تا برای تغییرات سیگنال ورودی، سیگنال خروجی یا پارامترهای سیستم جبرانسازی انجام دهد. بجای سفت و سخت بودن، سیستم وفقی می تواند مشخصات سیگنال را یاد بگیرد و تغییرات آرام آنرا دنبال کند. فیلتر وفقی می تواند زمانی که درباره مشخصات سیگنال، اطلاعات قطعی نداریم یا هنگامی که این مشخصات تغییر می کنند مفید واقع شوند.

این روش بیشتر در بحث حذف نویز استفاده می شود. حذف نویز از سیگنال برق شهری، حذف نویز از سیگنال های قلبی و بسیاری دیگر از کابرد ها را شامل می شود.

در این پروژه نویز را با استفاده از فیلترهای وفقی(Adaptive Filter)  و الگوریتم LMS وفقی  (Least mean square ) حذف کرده ایم و تابع نوشته شده بصورت Function  است و برای هر سیگنال و سیستم وفقی قابل استفاده می باشد.

قیمت : 15000 تومان

طراحی اسیلاتور در نرم افزار PSpice

دانلود پروژه دانشجویی طراحی اسیلاتور در نرم افزار PSpice

انواع مختلفی از اسیلاتور ها وجود دارد از جمله اسیلاتور کولپیتس، اسیلاتور هارتلی، اسیلاتور آرمسترانگ و ... که در میان این اسیلاتور ها بصورت تئوری می توان هر فرکانسی را ایجاد کرد اما طراحی عملی بسیار سخت می باشد و ساخت و طراحی هر اسیلاتور با هر فرکانسی ممکن نیست و بعضی از اسیلاتور ها در بازه های فرکانسی خاصی فعال هستند. ساخت و طراحی اسیلاتور ها در مدارات الکترونیکی بسیار مهم است و اینکه بتوانیم سیگنال های متناوب با بیشترین کیفت را طراحی نماییم. در این پروژه دو اسیلاتور کولپیتس طراحی شده در نرم افزار Pspice  اماده است که دارای فرکانس های کاری متفاوت می باشند و قابل پیاده سازی بصورت عملی نیز هستند.یکی از این اسیلاتور ها کوپل شده در فرکانس 12.5 مگا هرتز و دیگری در 32 مگا هرتز کوپل شده است. هم فرکانس کردن اسیلاتور ها امری بسیار حساس و مهم در مدارات الکترونیکی است بصورتی که با نزدیک کردن این دو اسیلاتور فرکانس کاری آنها یکسان شود. در ادامه این پروژه با فرض نزدیک کردن دو اسیلاور با استفاده از یک ترانسفورماتور فرکانس کاری این دو اسیلاتور یکسان شده است تا در سیستم های که بصورت سنکرون و با یکسان بودن ورودی و خروجی کار می کنند قابل استفاده بصورت عملی باشد.

   

 

قیمت : 18000 تومان

دانلود پروژه دانشجویی با موضوع تعیین نفوذپذیری منابع خورشیدی در سیستم توزیع

تعیین نفوذپذیری منابع خورشیدی در سیستم توزیع با در نظر گرفتن مدل بار متغیر با زمان

در بیشتر مطالعاتی در رابطه با برنامه ریزی منابع تولید پراکنده صورت می‌گیرد، یک مدل ثابت و یا وابسته به ولتاژ برای بار در نظر می گیرند. در این مقاله، چندین نوع مختلف بار برای تعیین میزان سطج نفوذپذیری منابع خورشیدی (PV) در شبکه توزیع استفاده می کند. ابتدا یک روش تحلیلی جدید برای تعیین اندازه واحد PV که توانایی تغذیه توان اکتیو و راکتیو را دارد ارائه می شود. این تحلیل بر اساس یک تابع چند هدفه که به صورت ترکیب سه شاخص با نام های، تلفات توان اکتیو، تلفات توان راکتیو و انحراف ولتاژ فرمول بندی شده است، انچام می شود. سپس این تحلیل برای تعیین مکان منابع خورشیدی (PV) با در نظر گرفتن مدل بار متغیر با زمان و تولید احتمالی واحدهای PV ، تعمیم داده می شود. میزان اعتبار روش پیشنهادی بر روی سیستم های تست 33 باسه و 69 باسه IEEE ارزیابی می شود. نتایج نشان می دهند تعیین محل واحدهای PV با در نظر گرفتن مدل بار متغییر با زمان می تواند سطوح نفوذپذیری مختلفی به دست بدهد. قبل از خرید محصول می توانید مقاله انگلیسی را از لینک مقابل دانلود کنید  : دانلود مقاله انگلیسی این محصول شامل کدهای متلب شبیه سازی به همراه فایل PDF مقاله می باشد.

 جهت خرید به ادامه مطلب مراجعه نمایید 

 بخشی از خروجی برنامه در شکل های زیر نشان داده شده است :  

بازآرایی شبکه‌های توزیع شعاعی آموزش + کدنویسی

بازآرایی شبکه‌های توزیع شعاعی با هدف کاهش تلفات شبکه با استفاده از الگوریتم ژنتیک

هدف این آموزش، یادگیری حالت کلی بازآرایی شبکه‌های توزیع شعاعی ( Reconfiguration ) و استفاده از آن متناسب با نیاز شما می باشد. در این فایل آموزشی تجدید آرایش بهینه شبکه شعاعی 33 باسه با هدف کاهش تلفات به وسیله‌ی الگوریتم ژنتیک خود متلب انجام گرفته است . ولی اطمینان را به شما می‌دهیم که پس از مطالعه دقیق این فایل شما قادر خواهید بود بازآرایی بهینه را برای هر سیستم دلخواه و متناسب با نیاز خود و با استفاده از الگوریتم های مختلف در محیط MATLAB  شبیه سازی کنید. 

  تذکر1 :  کدنویسی الگوریتم ژنتیک از حوصله این بحث خارج است. هدف اصلی این آموزش چگونگی تعریف یک تابع هدف به منظور تجدید آرایش سیستم می‌باشد. و از کدهای تعریف شده خود برنامه متلب برای استفاده از الگوریتم ژنتیک استفاده شده است.

  تذکر2 : به منظور محاسبات پخش بار، از تولباکس قدرتمند matpower استفاده شده است. بنابراین دانلود و نصب این تولباکس برای اجرای کدها الزامی می‌باشد.و همچنین برنامه ها در محیط متلب 2014 کدنویسی شده‌اند. ابتدا تولباکس matpower  را از آدرس زیر دانلود کرده و مطابق با توضیحات زیر آن را نصب نمایید 

  http://www.pserc.cornell.edu/matpower/ 

اطلاعات شبکه 69 باس استاندارد IEEE

IEEE 69_BUS TEST SYSTEM DATA

 دانلود اطلاعات شبکه 69 باسه : DOWNLOAD

شبیه سازی حالت گذرا با استفاده از pscad به همراه مقاله و توضیحات

شبیه سازی حالت گذرا  با استفاده از pscad  به همراه مقاله و توضیحات

حالت گذرا ی سوئیچینگ از عوامل مهم در انتخاب تجهیزات و حفاظت میباشد.این اضافه ولتاژها ناشی از قطع ووصل کلیدها می باشد که فرکانسی در حدود 50 هرتز تا 20 کلیوهرتز می باشد که مدت زمان اثر این امواج گذرای سریع در حدود میکروثانیه است. برای شبیه سازی سیستم قدرت در این پروژه از نرم افزار PSCAD/ EMTD استفاده شده است.این نرم افزار، قادر به شبیه سازی نرم حالت پایدار،گذرا و دینامیکی سیستم های قدرت می باشد.. در اینجا حالت گذرای سوئیچینگ در هر دو حالت قطع و وصل در 4 وضعیت

1- بدون Surge Arrester

2- با Surge Arrester

 3-با Pre-insertion resistors 4

- Pre-insertion resistors

 بررسی می شود. سیستم قدرت مورد مطالعه به شکل زیر است که مقادیر هرکدام از پارامترهای آن از جمله مقادیر نامی ژنراتور،مشخصات خط انتقال و... در مقاله آمده است.

قیمت : 12000 تومان

اصلاح بایاس فیلد با استفاده از الگوریتم BCFCM در متلب

Bias-corrected fuzzy c-mean( BCFCM ) algorithm

اصلاح بایاس فیلد با استفاده از الگوریتم BCFCM در متلب

  ناهمگنی شدت فضایی ناشی از هسته فرکانس رادیویی در تصویربرداری رزونانس مغناطیسی (MRI) مشکل عمده ای در تجزیه و تحلیل داده های کامپیوتر MRI است. چنین ناهمگنی طبقه بندی تصاویر MR را بر اساس شدت بسیار دشوار می کند حتی با تکنیک های پیشرفته. به این دلیل که ناهمگنی که در تصاویر MR ظاهر می شود، تغییرات فضایی در بافت آماری آن مثل میانگین و واریانس ایجاد می کند. به علاوه این تخریب بر روی تصاویر مانع تشخیص پزشک میشود چرا که پزشک مجبور است از ناهمگنی مصنوعی در تصاویر مخدوش چشم پوشی کند. الگوریتم BCFCM  الگوریتمی است جهت اصلاح بایاس فیلد و بخش بندی تصاویر . در این مقاله الگوریتم جدیدی برای بخش بندی تطبیقی و تصحیح شدت تصاویر MR ارائه شده است. این الگوریتم با بهبود تابع هدف الگوریتم FCM بدست آمده است.الگوریتم BCFCM برای اصلاح بایاس فیلد و بخش بندی تصاویر در خوشه های مختلف را به طور خلاصه می توان در مراحل زیر خلاصه کرد : 1- مقدار اولیه کلاس ها را انتخاب کنید. و مقدار اولیه بایاس فیلد را خیلی کوچک در نظر بگیرید .( مثلا 0.01 ) 2-ماتریس عضویت را با استفاده از روابط آپدیت کنید. 3-نمونه های اولیه خوشه ها را در قالب میانگین وزنی با استفاده از روابط حاکم بدست آورید 4- بایاس فیلد را با روابط موجود تخمین برنید مراحل 2 تا چهار را تا زمانیکه مرکز خوشه ها تغییر چندانی نکند تکرار کنید. ( خطا کوچک باشد ) این الگوریتم با استفاده از اطلاعات مقاله زیر در محیط متلب کدنویسی شده است و همه روابط برای پیاده سازی الگوریتم داخل مقاله موجود می باشد.

  A Modified Fuzzy C-Means Algorithm for Bias Field Estimation and Segmentation of MRI Data