دانلود پاورپوینت دستگاه عصبی

اختصاصی از یارا فایل دانلود پاورپوینت دستگاه عصبی دانلود با لینک مستقیم و پرسرعت .

به نام خدا

دانلود پاورپوینت دستگاه عصبی

این پاور دارای 22 اسلاید می باشد که در آن در مورد دستگاه عصبی پیکریٰ بدنی و احشائی توضیح داده شده است.که عکس هایی از مغز و اعصاب و تمام اجزای عصبی در این فایل گرده آوری شده اند.

ما اینجا هستیم چون بهترین محصولات را با کمترین هزینه به مشتری تحویل دهیم

این پاورپوینت قابل ویرایش هم می باشد.



راهنمای استفاده از پاورپوینت:
بعد از دانلود فایل، آن را از حالت زیپ خارج کنید و بعد از استخراج روی آن دابل کلیک کنید تا اجرا شود
بعد از باز شدن پاورپوینت با فشردن کلید F5 آن را مشاهده کنید

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

اختصاصی از یارا فایل پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک دانلود با لینک مستقیم و پرسرعت .

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

22 صفحه در قالب word

1- مقدمه

شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند . علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود . یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است . موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است . این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند . یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است . در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورها و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .

دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند . ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند . برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند . در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید . شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود . مسئله اصلی که هنوز باید حل شود آموزش است . حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .

در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .  آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) . دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد . اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است . بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند . اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .

برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد . این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود . با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد . همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سازی کند ، زیرا داده متناسب  شامل خطاهایی است که توسط این نقایص ایجاد شده اند .

ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است

متن کامل را می توانید در ادامه دانلود نمائید

چون فقط تکه هایی از متن پایان نامه برای نمونه در این صفحه درج شده است ولی در فایل دانلودی متن کامل پایان نامه همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند موجود است

دانلود کامل پایان نامه رشته کامپیوتر درباره شبکه های عصبی

اختصاصی از یارا فایل دانلود کامل پایان نامه رشته کامپیوتر درباره شبکه های عصبی دانلود با لینک مستقیم و پرسرعت .

در این پست می توانید متن کامل این پایان نامه را  با فرمت ورد word دانلود نمائید:

مقدمه

الگوریتم ها در کامپیوتر ها اعمال مشخص و واضحی هستند که بصورت پی در پی و در جهت رسیدن به هدف خاصی انجام می شوند.حتی در تعریف الگوریتم این گونه آمده است که الگوریتم عبارت است از مجموعه ای ازاعمال واضح که دنبال ای از عملیات را برای رسیدن به هدف خاصی دنبال می کنند.آنچه در این تعریف خود نمایی می کند کلمه دنباله می باشد که به معنای انجام کار ها بصورت گام به گام می باشد. این امر مشخص می کند که همه چیز در الگوریتم های سنتی باید قدم به قدم برای کامپیوتر مشخص و قابل فهم و درک باشد.حتی در اولین الگوریتمهای هوش مصنوعی نیز بر همین پایه و کار قدم به قدم بنا نهاده شده اند.

در اواخرقرن بیستم رویکرد به الگوریتم های جدید صورت گرفت که علتهای مختلفی داشت مثل حجیم بودن میزان محاسبات برخی مسایل و بالا بودن مرتبه زمانی الگوریتم های سنتی در مورد این مسایل باعث شد نیاز به الگوریتمهای جدید احساس شود.همچنین برخی کارهای انسان که هنوز قابل انجام توسط کامپیوتر نبودندو یا به بخوبی توسط کامپیوتر انجام نمی شدند باعث این رویکرد شد.

مهمترین الگوریتمهای جدید عبارتند از :1- شبکه های عصبی 2- منطق فازی 3- محاسبات تکاملی

شبکه عصبی چیست ؟

این سوال که آیا انسان توانا تر است یا کامپیوتر موضوعی است که ذهن بشر را به خود مشغول کرده است.

اگر جواب این سوال انسان است چرا کامپیوتر اعمالی مانند جمع و ضرب و محاسبات پیچیده را در کسری از ثانیه انجام می دهد، حال آنکه انسان برای انجام آن به زمان زیادی نیازمند است. واگر جواب آن کامپیوتر است چرا کامپیوتر از اعمالی مانند دیدن و شنیدن که انسان به راحتی آنها را انجام می دهدعاجزاست.جواب این مسئله را باید در ذات اعمال جستجو کرد . اعمال محاسباتی اعمالی هستند سریالی و پی در پی به همین دلیل توسط کامپیوتر به خوبی انجام می شوند.حال آنکه اعمالی مانند دیدن وشنیدن کارهای هستند موازی که مجمو عه ای از داده های متفاوت و متضاد در آنها تفکیک و پردازش می شوندو به همین دلیل توسط انسان به خوبی انجام می شوند. در واقع مغز انسان اعمال موازی را به خوبی درک و آنها را انجام می دهدو کامپیوتر اعمال سریالی را بهتر انجام می د هد.حال باید دیدآیا می توان این اعمال موازی و در واقع ساختار مغز انسان را به نوعی در کامپیوتر شبیه سازی کرد و آیا می توان امکان یادگیری که از جمله توانایی های انسان است به نوعی در کامپیوتر مدل سازی نمود.این کار به نوعی در انسان هم انجام می شود و زمان انجام آن عمدتا در کودکی است.به عنوان مثال یک کودک ممکن است یک شی مانند چکش را نشناسد اما هنگامی که آن را می بیند واسم آن را یاد می گیرد و سپس چند چکش متفاوت را می بینداین شی را بخوبی می شناسدو اگر بعد از مدتی چکشی را که تا کنون آن را ندیده است ببیند به راحتی تشخیص می دهد که شی مورد نظر یک چکش است و تنها از نظر جزئیات با چکش های مشابه که قبلا دیده است تفاوت دارد.

لازم به ذکر است که شبکه های عصبی تنها در یادگیری کاربرد ندارند، بلکه تمام مسائل جدید وکلاسیک توسط آنها قابل حل می باشد.اما آنچه شبکه های عصبی بدان نیازمند است مثالها و نمونه های مفید وکافی است که بتواند به خوبی فضای مسئله را پوشش دهند.حال باید دیدچگونه می توان شبکه عصبی انسان را به نوعی شبیه سازی نمود، برای این کار نخست به ساختار مغز و سیستم عصبی انسان نگاهی گذرا می اندازیم.

مغز انسان یکی از پیچیده ترین اعضای بدن است که تا کنون نیز به درستی شناخته نشده است و شاید اگر روزی به درستی شناخته شودبتوان شبیه سازی بهتری از آن انجام داد و به نتایج بهتری درباره هوش مصنوعی رسید.تحقیقات در مورد شبکه های عصبی نیز از زمانی آغاز شد که رامون سگال درباره ساختار مغز و اجزای تشکیل دهنده آن اطلاعات و نظراتی ارائه کرد. او در اوایل قرن بیستم مغز را به عنوان اجتماعی از اجزای کوچک محاسباتی دانست و آنها را نرون نامید.امروزه ما می دانیم که بیشتر فعالیتهای انسان را نرونها انجام می دهندو در کوچکترین فعالیتهای حیاتی انسان مانند پلک زدن نیز نقش حیاتی و اساسی دارند.این نکته هم بسیار جالب است بدانید که در بدن ما حدودنرون وجود دارد که هر کدام از این نرونها با نرون دیگر در ارتباط هستند.نرونها شکلها و انواع مختلفی دارند، اما به طور عمده در سه دسته تقسیم بندی می شوند. اما نرون ها از نظری دیگر به دو دسته تقسیم می شوند:1- نرونهای داخلی مغز که در فاصله های حدود 100میکرون به یکدیگر متصلند ونرونهای خارجی که قسمتهای مختلف مغز را به یکدیگر و مغز را به ماهیچه ها و اعضای حسی را به مغز متصل می کنند.اما همانطور که گفتیم نرونها از نظری دیگر به سه دسته تقسیم می شوند که عبارتند از:

1- نرونهای حسی : کاری که این نرونها انجام می دهند این است که اطلاعات را از اندام های حسی بدن به مغز و نخاع می رسانند.

2- نرونهای محرک :این نرونهافرمانهای مغز و نخاع را به ماهیچه ها و غدد و سایر اندام های حسی و تحت فرمان مغز می رسانند.

3- نرونهای ارتباطی : این نرونها مانندیک ایستگاه ارتباطی بین نرونهای حسی ونرونهای محرک عمل می کنند .

گفتنی است که نرون ها در همه جای بدن هستند وبه عنوان عنصر اصلی مغز محسوب می شوندوبه تنهایی مانند یک واحد پردازش منطقی عمل می کنند نحوه عملیات نرون بسیار پیچیده است و هنوز در سطح میکروسکوپی چندان شناخته شده نیست ، هر چند قوانین پایه آن نسبتا روشن است. هر نرون ورودی های متعددی را پذیرا است که با یکدیگر به طریقی جمع می شوند. اگر در یک لحظه تعداد ورودی های فعال

نرون به حد کفایت برسدنرون نیز فعال شده و آتش می کند. در غیر این صورت نرون به صورت غیر فعال و آرام باقی می ماند.حال به بررسی اجزاءخود نرون می پردازیم:

نرون از یک بدنه اصلی تشکبل شده است که به آن سوما گفته می شود. به سوما رشته های نا منظم طولانی متصل است که به آنها دندریت می گویند. قطر این رشته ها اغلب از یک میکرون نازکتر است و اشکال شاخه ای پیچیده ای دارند.شکل ظریف آنها شبیه شاخه های درخت بدون برگ است که هر شاخه بارها وبارها به شاخه های نازکتری منشعب می شود.دندریت ها نقش اتصالاتی را دارندکه ورودی هارا به نرون ها می رساند.این سلولها می توانندعملیاتی پیچیده تر از ععملیات جمع ساده را بر ورودی های خود انجام دهند، از این رو عمل جمع ساده را می توان به عنوان تقریب قابل قبولی از عملیات واقعی نرون به حساب آورد.

یکی از عناصر عصبی متصل به هسته نرون آکسون نامیده می شود.این عنصر بر خلاف دندریت از نظر الکتریکی فعال است و به عنوان خروجی نرون عمل می کند. آکسون همیشه در روی خروجی سلولها مشاهده می شوند لیکن اغلب در ار تباط های بین نرونی غایب اند.در این مواقع خروجی ها و ورودی ها هر دو بر روی دندریت هاواقع می شوند. آکسون وسیله ای غیر خطی است که در هنگام تجاوز پتانسیل ساکن داخل هسته از حد معینی پالس ولتاژی را به میزان یک هزارم ثانیه ، به نام پتانسیل فعالیت ، تولید می کند. این پتانسیل فعالیت در واقع یک سری از پرش های سریع ولتاژ است.رشته آکسون در نقطه تماس معینی به نام سیناپس قطع می شود ودر این مکان به دندریت سلول دیگر وصل می گردد. در واقع این تماس به صورت اتصال مستقیم نیست بلکه از طریق ماده شیمیایی موقتی صورت می گیرد.سیناپس پس از آنکه پتانسیل آن از طریق پتانسیل های فعالیت در یافتی از طریق آکسون به اندازه کافی افزایش یافته از خود ماده شیمیایی منتقل کننده عصبی ترشح می کند.برای این ترشح ممکن است به دریافت بیش از یک پتانسیل فعالیت نیاز باشد. منتقل کننده عصبی ترشح شده در شکاف بین آکسون ودندریت پخش می شودو باعث می گرددمی گردد که دروازه های موجود در دندریت ها فعال شده و باز شود و بدین صورت یون های شارژ شده وارد دندریت می شوند. این جریان یون است که باعث می شود پتانسیل دندریت افزایش یافته و باعث یک پالس ولتاژ در دندریت شودکه پس از آن منتقل شده و وارد بدن نرون دیگر می گردد. هر دندریت ممکن است تحت تأثیرتعداد زیادی سیناپس باشد وبدین صورت اتصالات داخلی زیادی را ممکن می سازد. در اتصالات سیناپسی تعداد دروازه های باز شده بستگی به مقدار منتقل کننده عصبی آزاد شده داردو همچنین به نظر می رسدکه پاره ای سیناپس ها باعث تحریک دندریت ها می شوند در صورتی که پاره ای سیناپس ها دندریت ها را از تحریک باز می دارند. این به معنای تغییر پتانسیل محلی دندریت ها در جهت مثبت یا منفی می باشد.یک نرون خود به تنهایی می تواند دارای ورودی های سیناپسی متعددی در روی دندریت های خود باشد و ممکن است با خروجی های سیناپسی متعددی به دندریت های نرون دیگر وصل شود.

یادگیری در سیستم های بیولوژیک

تصور می شود یادگیری هنگامی صورت می گیرد که شدت اتصال یک سلول و سلول دیگر در محل سیناپس ها اصلاح می گردد.به نظر می رسد که این مقصود از طریق ایجاد سهولت بیشتر در میزان آزاد شدن

ناقل شیمیایی حاصل می گردد. این حالت باعث می شود که دروازه های بیشتری روی دندریت های سمت مقابل باز شود و به این صورت باعث افزایش میزان اتصال دو سلول شود. تغییر میزان اتصال نرون ها به صورتی که باعث تقویت تماس های مطلوب شود از مشخصه های مهم در مدل های شبکه های عصبی است.

سازمان مغز

مغز از قسمتهای مختلفی تشکیل شده و هر کدام از این قسمت ها مسئولیت انجام وظایف متفاوتی را به عهده دارد. در اانسان این سازماندهی کاملا مشهود است. بزرگترین قسمت مغز نیمکره های مخ است که قسمت عمده فضای داخلی جمجمه را اشغال می کند. مخ ساختار لایه ای دارد.آخرین لایه خارجی آن قشر مغز نامیده می شود ، جایی که سلولهای نرون برای تسهیل اتصالات داخلی کاملا به هم فشرده شده اند.نقش این قشر در انسان و حیوان کاملا شناخته نشده است ولی می توانیم شواهدی از آن نقش رااز طریق تحقیقاتی به دست آوریم که بر روی حیواناتی صورت گرفته که این بخش از مغز آنها خارج شده است. برای مثال یک سگ در این حالت می تواند به خوبی راه برود، غذا بخورد و بخوابد و حتی پارس کند . ولی در همان حال سگ کور می شودو احساس بویایی خود را از دست می دهد . به ویژه اینکه تمامی علاقه خود را به محیط اطراف از دست می دهد ، نسبت به افراد و شنیدن نام خود عکس العملی نشان نمی دهد و نسبت به سگ های دیگر حتی حتی از جنس مخالف بی تفاوت می ماند. در ضمن قدرت یادگیری را از دست می دهد. در واقع ویژگیهایی را که ما اصطلاحا هوش می نامیم از دست می دهد ،ویژگی هایی چون آگاهی ، علاقه ، تعامل با محیط و قدرت سازگاری و یادگیری. بنابراین به نظر می رسد که مخ بستر وظایف عالی تر مغز و هسته هوش مرکزی است.

پژوهشگران سالها در مورد لایه قشر خارجی مغز تحقیق کرده اند و به تدریج به اسرار آن پی بردهاند . به نظر می رسدکه تقسیم وظایف در این قسمت از مغز حالت منطقه ای دارد،به طوری که هر قسمت ازقشر مغز نقش جداگانه ای مانند کنترل دست ،شنیدن ودیدن را ایفا می کند.به ویژه قسمت بینایی مغز جالب است. در قسمت بینایی ،تحریکات الکتریکی سلولها می تواند حالت احساس نور را موجب شود. تحلیل دقیق نشان داده است که لایه های مخصوص از نرون ها به جهت های معینی از تحریکات نوری حساس اند ، به طوری که مثلا یک لایه اکثرا به خطوط افقی و لایه دیگر اکثرا به خطوط عمودی حساسیت نشان می دهد. گر چه قسمت عمده ای از این ساختار به طور ژنتیکی از پیش تعیین شده است ، به نظر می رسد که آرایش سلولها و گرایش آن ها به جهات مختلف در سالهای اولیه زندگی فرا گرفته می شود. حیواناتی که در محیط صرفا دارای خطوط افقی پرورش می یابند در نهایت دارای ساختار نرونی نخواهند بود که نسبت به خطوط عمودی حساس باشد. این امر نشان می دهد که ساختار های مغزی از داده های محیطی تاثیر می پذیرند وصرفا از طرف عوامل ژنتیکی تعیین نمی شوند. این حالت در کورتکس بینایی اصطلاحا خود سازمان دهی نامیده می شود، زیرا هیچ آموزگار خارجی برای آموزش مغز مداخله ندارد.

 نرون پایه  

در مطالب گذشته دیدیم که مغز از مکانیزم بسیار پیشرفته ای برخوردار است که هنوز چندان شناخته شده نیست و توانایی انجام اعمال بسیار شگرف را دارد. همچنین دیدیم بسیاری از کارهایی که آرزو داریم کامپیوتر توانایی انجامشان را داشته باشند ، توسط مغز انجام می شود.در واقع فلسفه اصلی محاسبات شبکه های عصبی این است که با مدل کردن ویژگی عمده مغز و نحوه عملکرد آن بتوان کامپیو ترهایی را ساخت که اکثر ویژگی های مفید مغز را از خود نشان دهد.به پیچیدگی ساختار مغز اشاره کردیم و گفتیم که مغز را می توان به صورت مجموعه بسیار متصل وشبکه ای از عناصر پردازشی نسبتا ساده در نظر گرفت. به مدلی نیاز داریم که بتواند ویژگی های مهم سیستم های عصبی را کسب کند ، به این منظور که بتواند رفتار مشابهی را از خود بروز دهد. لیکن اگر بخواهیم این مدل به اندازه کافی برای فهمیدن و به کارگیری ساده باشد باید بسیاری از جزئیات را عمدا نادیده بگیریم . استخراج تعداد محدودی ویژگی های مهم و نادیده گرفتن بقیه ویژگی ها از ضروریت های معمول مدل سازی است . هدف مدل سازی اصولا ایجاد نمونه ساده تری از سیستم است که رفتار عمومی سیستم را حفظ کرده و کمک کند که سیستم با سهولت بیشتر قابل درک باشد.

عملیات شبکه‌های عصبی

تا اینجا تمام توجه ما معطوف ساختار درونی یک نرون مصنوعی یا المان پردازشی بود. اما بخش مهم دیگری در مراحل طراحی یک شبکه عصبی نیز وجود دارد. در واقع هنر یک طراح شبکه‌های عصبی می‌تواند در چگونگی ترکیب نرون‌ها در یک شبکه (neuran Clustering)، متجلی شود. علوم بیولوژی نشان داده‌اند که کلاسترینگ نرون‌ها در شبکه عصبی مغز ما به‌گونه‌ای است که ما را قادر می‌سازد تا اطلاعات را به‌ صورتی پویا، تعاملی و خودسامان (selforganizing) پردازش کنیم. در شبکه‌های عصبی بیولوژیک، نرون‌ها در ساختار‌ی سه بعدی به یکدیگر اتصال یافته‌اند. اتصالات بین نرون‌ها در شبکه‌های عصبی بیولوژیک آنقدر زیاد و پیچیده‌است که به هیچ وجه نمی‌توان شبکه مصنوعی مشابهی طراحی کرد. تکنولوژی مدارات مجتمع امروزی به ما امکان می‌دهد که شبکه‌های عصبی را در ساختار‌های دو بعدی طراحی کنیم. علاوه بر این، چنین شبکه‌های مصنوعی دارای تعداد محدودی لایه و اتصالات بین نرون‌ها خواهند بود. بدین ترتیب، این واقعیات و محدودیت‌های فیزیکی تکنولوژی فعلی، دامنه کاربردهای شبکه‌های عصبی مبتنی‌بر تکنولوژی سیلیکونی را مشخص می‌سازند.
ساختار شبکه‌های عصبی امروزی، از لایه‌های نرونی تشکیل شده است. در چنین ساختاری، نرون‌ها علاوه بر آنکه در لایه خود به شکل محدودی به یکدیگر اتصال داده شده‌اند، از طریق اتصال بین لایه‌ها نیز به نرون‌های طبقات مجاور ارتباط داده می‌شوند. در شکل 1 نمونه‌ای از ساختار لایه‌ای یک شبکه عصبی مصنوعی نمایش داده شده است (تعداد اتصالات ممکن بین نرون‌ها را در چنین ساختاری با تعداد اتصالات بین نرون‌های مغز انسان، مقایسه کنید). در این توپولوژی، گروهی از نرون‌ها از طریق ورودی‌های خود با جهان واقعی ارتباط دارند. گروه دیگری از نرون‌ها نیز از طریق خروجی‌های خود، جهان خارج را می‌سازند. در واقع این <جهان خارج> تصویری است که شبکه عصبی از ورودی خود می‌سازد یا می‌توان چنین گفت که جهان خارج <تصوری> است که شبکه عصبی از ورودی خود دارد. خلاصه آنکه در توپولوژی فوق، مابقی نرون‌ها از دید پنهان هستند.تلاش محققان در زمینه شبکه‌های عصبی نشان داده است که شبکه‌های عصبی، چیزی بیشتر از یک مشت نرون که به یکدیگر اتصال داده شده‌اند، هستند. حتی گروهی از محققان سعی داشته‌اند که از اتصالات تصادفی برای ارتباط دادن نرون به یکدیگر استفاده کنند که در این زمینه به نتایج جالب توجهی دست نیافتند. امروزه مشخص شده است که در ساده‌ترین مغز‌های بیولوژیک مانند مغز مارها هم ارتباطات بین نرون‌ها بسیار ساخت‌یافته است. در حال حاضر یکی از ساده‌ترین روش‌های ارتباط دهی نرون‌ها در شبکه‌های عصبی، آن است که ابتدا نرون‌ها در گروه‌های مشخصی به صورت لایه‌های نرونی سازمان‌دهی می‌شوند و پس از تامین ارتباطات بین‌نرونی در هر لایه، ارتباطات بین لایه‌ها نیز برقرار می‌شوند. اگرچه در کاربردهای مشخصی می‌توان با موفقیت از شبکه‌های عصبی تک لایه استفاده کرد، اما رسم بر آن است که شبکه‌های عصبی حداقل دارای سه لایه باشند (همانطور که قبلاً اشاره شد، لایه ورودی، لایه خروجی و نهایتاً لایه پنهان یا لایه میانی). در بسیاری از شبکه‌های عصبی، اتصالات بین‌نرونی به گونه‌ای است که نرون‌های لایه‌های میانی، ورودی خود را از تمام نرون‌های لایه پایینی خود (به طور معمول لایه نرون‌های ورودی) دریافت می‌کنند. بدین ترتیب در یک شبکه عصبی، سیگنال‌ها به تدریج از یک لایه نرونی به لایه‌های بالاتر حرکت می‌کنند و در نهایت به لایه آخر و خروجی شبکه می‌رسند. چنین مسیر در اصطلاح فنی feed forward نامیده می‌شود. ارتباطات بین‌نرونی در شبکه‌های عصبی از اهمیت بسیار زیادی برخوردار هستند و به نوعی قدرت یک شبکه عصبی را تعیین می‌کنند. قاعده آن است که ارتباطات بین نرونی را به دو گروه تقسیم‌بندی می‌کنند. یک نوع از ارتباطات بین نرونی، به‌گونه‌ای هستند که باعث جمع شدن سیگنال در نرون بعدی می‌شوند. گونه دوم ارتباطات بین نرونی باعث تفریق سیگنال در نرون بعدی می‌شوند. در اصطلاح محاوره‌ای گروهی از ارتباطات انگیزش ایجاد می‌کنند و گروه دیگر ممانعت به عمل می‌آورند.

(ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی - پایان نامه کارشناسی ارشد رشته برق گرایش قدرت

اختصاصی از یارا فایل تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی - پایان نامه کارشناسی ارشد رشته برق گرایش قدرت دانلود با لینک مستقیم و پرسرعت .

 مطالب این پست : پایان نامه کارشناسی ارشد قدرت : 

تشخیص خطای سیم بندی استاتور با آنالیز موجک و شبکه عصبی

119 صفحه

   با فرمت ورد (دانلود متن کامل پایان نامه)

چکیده………………………………………………… ………………………………………………………..1

مقدمه…………………………………… ……………………………………………………………….2

فصل اول: بررسی انواع خطا در ماشینهای القایی و علل بروز و روشهای تشخیص آنها

1-1-مقدمه………………… .…..……………………… ……………………………………………3

1-2-بررسی انواع تنشهای وارد شونده بر ماشین القایی………………………..………………………………………….4

1-2-1-تنشهای موثر در خرابی استاتور…………....………………………………………………………………………….4

1-2-2- تنشهای موثر در خرابی روتور……………………….……………………………………………………………….5

1-3- بررسی عیوب اولیه در ماشینهای القایی…………………………………………………………………………………8

1-3-1- عیوب الکتریکی اولیه در ماشینهای القایی………………………..……………………………………………….10

1-3-2- عیوب مکانیکی اولیه در ماشینهای القایی…………………………………………………………………………..17

فصل دوم: مدلسازی ماشین القایی با استفاده از تئوری تابع سیم پیچ

2-1-تئوری تابع سیم پیچ…………………………………………………………………………………………………………..21

2-1-1-تعریف تابع سیم پیچ………………………………………………………………………………………………………21

2-1-2-محاسبه اندوکتانسهای ماشین با استفاده از توابع سیم پیچ……………………………………………………..26

2-2-شبیه سازی ماشین القایی……………………………………………………………………………………………………29

2-2-1- معادلات یک ماشین الکتریکی باm سیم پیچ استاتور و n سیم پیچ روتور……………………………..32

2-2-1-1-معادلات ولتاژ استاتور……………………………………………………………………………………………….32

2-2-1-2- معادلات ولتاژ روتور………………………………………………………………………………………………..33

2-2-1-3- محاسبه گشتاور الکترومغناطیسی…………………………………………………………………………………35

2-2-1-4- معادلات موتور القای سه فاز قفس سنجابی در فضای حالت……………………………………………36

2-3- مدلسازی خطای حلقه به حلقه و خطای کلاف به کلاف…………………………………………………………44

فصل سوم: آنالیز موجک و تئوری شبکه های عصبی

3-1-تاریخچه موجک ها………………  ………………………………………………………54

3-2-مقدمه ای بر خانواده موجک ها………………… …………………………………………………………………54

3-2-1-موجک هار…………………………………………………………………………………………………………………..55

3-2-2- موجک دابیشز…………………………… ……………………………………………………………55

3-2-3- موجک کوایفلت……………………………… …………………………………………………..56

3-2-4- موجک سیملت…………………… …………………………………………………………….56

3-2-5- موجک مورلت……………………………………… ……………………………………………………..56

3-2-6- موجک میر………………………………… ………………………………………………………..57

3-3- کاربردهای موجک…………………… …………………………………………………………….57

3-4- آنالیز فوریه…………………………… ………………………………………………………………….58

3-4-1- آنالیز فوریه زمان-کوتاه……………………………………………………………………………………..58

3-5-آنالیز موجک…………………………………………………………………………………………………59

3-6- تئوری شبکه های عصبی……………………………………………………………………………..69

3-6-1- مقدمه…………………………………………………………………………………………………69

3-6-2- مزایای شبکه عصبی…………………………………………………………………………..69

3-6-3-اساس شبکه عصبی…………………………………………………………………………………..69

3-6-4- انواع شبکه های عصبی……………………………………………………………………………….72

3-6-5-آموزش پرسپترونهای چند لایه…………………………………………………………………76

فصل چهارم:روش تشخیص خطای سیم بندی استاتور در ماشین القایی(خطای حلقه به حلقه)

4-1- اعمال تبدیل موجک………………………………………………………………………………………….79

4-2- نتایج تحلیل موجک…………………………………………………………………………..81

4-3- ساختار شبکه عصبی……………………………………………………………………………….94

فصل پنجم: نتیجه گیری و پیشنهادات..

نتیجه گیری……………………………………………………………………………………………………………97

پیشنهادات…………………………………………………………………………………………………..98

پیوست ها………………………………………………………………………………………………………..99

منابع و ماخذ

فارسی…………………………………………………………………………………………………….100

منابع لاتین…………………………………………………………………………………………..101

چکیده لاتین………………………………………………………………………………………..105

شکل1-1 : موتور القایی با ساختار مجزا شده از هم…………………………………………………………….9

شکل1-2: شمای قسمتی از موتور و فرکانس عبور قطب………………………………………………………………10

شکل1-3: (الف) اتصال کوتاه کلاف به کلاف بین نقاط b وa   (ب) خطای فاز به فاز……………………..15

شکل2-1: برش از وسیله دو استوانه ای با قرارگیری دلخواه سیم پیچ در فاصله هوایی………………………..22

شکل2-2: تابع دور کلاف متمرکز باN دور هادی مربوط به شکل2-1………………………………………………23

شکل2-3: تابع سیم پیچی کلاف متمرکز N دوری مربوط به شکل2-1……………………………………………..25

شکل 2-4: ساختار دو سیلندری با دور سیم پیچAوB…………………………………………………………………..26

شکل2-5: تابع دور کلاف ‘BB شکل2-………………………………………………………..………………………….27

شکل2-6:(الف) تابع دور فازa استاتور   (ب) تابع سیم پیچی فازa استاتور……………………………………..30

شکل2-7: تابع سیم پیچی حلقه اول روتور…………………………………………………………………………………30

شکل2-8(الف) اندوکتانس متقابل بین فازA استاتور و حلقه اول روتور (ب) مشتق اندوکتانس متقابل بین فازa استاتور و حلقه اول روتور نسبت به زاویه …………………………………………………………………………31

شکل2-9: شکل مداری در نظر گرفته شده برای روتور قفس سنجابی ……………………………………………34

شکل 2-10: نمودار جریان (الف) فازa (ب)فازb   (ج) فازc استاتور در حالت راه اندازی بدون بار…..41

شکل2-11: (الف) نمودار سرعت موتور در حالت راه اندازی بدون بار(ب) نمودار گشتاور الکترومغناطیسی موتور در حالت راه اندازی بدون بار…………………………………………………………………………………………..42

شکل2-12: نمودار جریان (الف) فازa   (ب) فازb   (ج) فازC استاتور در حالت دائمی بدون بار…….43

شکل2-13: فرم سیم بندی استاتور وقتی که اتصال کوتاه داخلی اتفاق افتاده است      (الف) اتصال ستاره      (ب) اتصال مثلث ………………………………………………………………………………………………………………. 45

شکل2-14: تابع دور، فازD در حالت خطای حلقه به حلقه (الف) 35دور (ب) 20دور ج) 10دور………………………………………………………………………………………………………………………………..48

شکل2-15: تابع سیم پیچی فازD در خطای حلقه به حلقه (الف)35دور   (ب)20دور   (ج) 10دور………………………………………………………………………………………………………………………………..48

شکل2-16: (الف)تابع اندوکتانس متقابل بین فازC و حلقه اول روتور   (ب) تابع مشتق اندوکتانس متقابل بین فاز C و حلقه اول روتور نسبت به زاویه …………………………………………………………………………….48

شکل2-17: (الف)تابع اندوکتانس متقابل بین فازD و حلقه اول روتور   (ب) تابع مشتق اندوکتانس متقابل بین فاز D و حلقه اول روتور نسبت به زاویه………………………………………………………………………………49

شکل2-18: نمودار جریان استاتور    (الف) فازa     (ب)فازb     (ج) فازC در خطای 10 دور در حالت راه اندازی بدون بار ……………………………………………………………………………………………………………….50

شکل2-19: نمودار جریان استاتور   (الف) فازa     (ب) فازb     (ج) فازC در خطای 35 دور در حالت راه اندازی بدون بار ……………………………………………………………………………………………………………….51

شکل2-20: (الف) گشتاور الکترو مغناطیسی در خطای 10دور   (ب) خطای 35 دور ………………………..52

شکل2-21: نمودار سرعت موتور در خطای حلقه به حلقه (35دور) ……………………………………………….52

شکل2-22:نمودار جریان استاتور    (الف) فازa      (ب) فازb       ( ج) فازC   درخطای (35دور) در حالت دائمی بدون بار …………………………………………………………………………………………………………….53

شکل3-1:(الف) تابع موجک هار Ψ (ب) تابع مقیاس هار ………………………………………………………55

شکل3-2: خانواده تابع موجک دابیشزΨ……………………………………………………………………………………55

شکل3-3: (الف) تابع موجک کوایفلت Ψ (ب) تابع مقیاس کوایفلت …………………………………….. 56

شکل3-4: (الف) تابع موجک سیملت Ψ     (ب) تابع مقیاس سیملت ……………………………………….56

شکل3-5: تابع موجک مورلت Ψ…………………………………………………………………………………………….57

شکل3-6: (الف) تابع موجک میر Ψ   (ب) تابع مقیاس میر ……………………………………………………57

شکل3-7: تبدیل سیگنال از حوزه زمان-دامنه به حوزه فرکانس-دامنه با آنالیز فوریه …………………………58

شکل3-8: تبدیل سیگنال از حوزه زمان- دامنه به حوزه زمان –مقیاس با آنالیز موجک ………………………59

شکل3-9: (الف) ضرایب موجک       (ب) ضرایب فوریه …………………………………………………………..60

شکل3-10: اعمال تبدیل فوریه بروی سیگنال و ایجاد سیگنالهای سینوسی در فرکانسهای مختلف…………61

شکل3-11: اعمال تبدیل موجک بروی سیگنال ………………………………………………………………………….61

شکل3-12: (الف) تابع موجک Ψ       ب) تابع شیفت یافته موجک …………………………………………62

شکل3-13: نمودار ضرایب موجک……………………………………………………………………………………………63

شکل3-14: ضرایب موجک هنگامی که از بالا به آن نگاه شود ………………………………………………………63

شکل3-15: مراحل فیلتر کردن سیگنال S…………………………………………………………………………………65

شکل3-16: درخت آنالیز موجک ……………………………………………………………………………………………..66

شکل 3-17:درخت تجزیه موجک …………………………………………………………………………………………….66

شکل3-18: باز یابی مجدد سیگنال بوسیله موجک ………………………………………………………………………..67

شکل3-19: فرایند upsampling کردن سیگنال …………………………………………………………………………67

شکل 3-20: سیستم filters quadrature mirror ……………………………………………………………….67

شکل 3-21: تصویر جامعی از مرفولوژی نرون منفرد …………………………………………………………………..70

شکل3-22: مدل سلول عصبی منفرد …………………………………………………………………………………………71

شکل3-23: ANN سه لایه ……………………………………………………………………………………………………..71

شکل3-24: منحنی تابع خطی …………………………………………………………………………………………………..73

شکل3-25: منحنی تابع آستانه ای …………………………………………………………………………………………..73

شکل3-26: منحنی تابع سیگموئیدی …………………………………………………………………………………………74

شکل3-27: پرسپترون چند لایه ………………………………………………………………………………………………..75

شکل3-28: شبکه عصبی هاپفیلد گسسته(ونگ و مندل،1991) ……………………………………………………….75

شکل 4-1: ساختار کلی تشخیص خطا ………………………………………………………………………………………79

شکل4-2: ساختار کلی پردازش سیگنال در موجک ………………………………………………………………………81

شکل4-3: تحلیل جریان استاتور درحالت خطادار (35دور) با در بی باری ……………………………….82

شکل4-4: : تحلیل جریان استاتور درحالت خطادار (20دور) با در بی باری …………………………….82

شکل4-5: : تحلیل جریان استاتور درحالت خطادار (10دور) با در بی باری …………………………….83

شکل4-6: : تحلیل جریان استاتور درحالت سالم با در بی باری ……………………………………………..83

شکل4-7: : تحلیل جریان استاتور درحالت خطادار(35دور)با در بارداری ………………………………..84

پایان نامه بکارگیری شبکه عصبی و کنترل کیفیت رنگ خودرو

اختصاصی از یارا فایل پایان نامه بکارگیری شبکه عصبی و کنترل کیفیت رنگ خودرو دانلود با لینک مستقیم و پرسرعت .

فرمت فایل : WORD (قابل ویرایش)

تعداد صفحات:142

جهت اخذ پایان‌نامة کارشناسی ارشد

موضوع : بکارگیری شبکه عصبی  و کنترل کیفیت رنگ  خودرو

مورد مطالعه : شرکت سایپا

فهرست مطالب:
شماره عنوان                عنوان                     صفحه
فصل اول : طرح تحقیق
    مقدمه    2
1-1    پیش زمینه تحقیق    4
1-2    موضوع تحقیق    6
1-3     اهمیت موضوع و لزوم انجام تحقیق    6
1-4    اهداف تحقیق    7
1-5    مسئله تحقیق    7
1-6    سؤالات تحقیق    5
1-7    قلمرو تحقیق    7
1-7-1    قلمرو موضوعی    8
1-7-2 قلمرو جغرافیایی    8
1-7-3    قلمرو زمانی    8
1-8     محدودیت های تحقیق    6
1-9     تعریف عملیاتی واژه ها    9
1-10    ساختار تحقیق    9


فصل دوم :ادبیات و پیشینه تحقیق
    مقدمه    12
2-1    جذابیت اتومبیل    14
2-1-1    آماده سازی سطح    15
2-1-2    رنگ آمیزی ED    16
2-1-3    سیلر کاری و پاشش عایق زیر بدنه    17
2-1-4    رنگ آستری    18
2-1-5 رنگ رویه    18
2-1-5-1 تجهیزات رنگ آمیزی    19
2-1-5-2 کابین رنگ    22
2-1-6    عیوب    23
2-1-7    ضخامت رنگ    25
2-1-8    رابطه میان ضخامت رنگ و ایجاد عیوب    26
2-3    کنترل کیفیت    26
2-3-1    روند تحولات مربوط به سیستم کیفیت    30
2-3-3    رابطه کیفیت و بهره وری    33
2-4    فرایند داده کاوی..........................
2-4-1 تداخل و ارتباط شبکه عصبی وروشهای آماری...
2-5 شبکه عصبی    34
2-4-1    شبکه های عصبی چند لایه    36
2-4-2    انواع شبکه های عصبی مصنوعی از نظر برگشت پذیری37
2-4-3    مراحل طراحی شبکه عصبی    38
2-4-4    قاعده فراگیر پرسپترون چند لایه    42
2-5    کاربرد شبکه های عصبی در کنترل    47
2-5-1    اتوماسیون کنترل    47
3-5-2    طراحی کنترل    50
فصل سوم : روش تحقیق
1-3    روش تحقیق    60
2-3    فرآیند تحقیق    61
3-2-1    بررسی اولیه    61
3-2-2    مطالعات نظری    63
3-2-3    طراحی مدل    63
3-2-4    آزمون مدل    64
3-5    نمونه برداری    65
3-6    مدلسازی شبکه عصبی    69
فصل چهارم : تجزیه و تحلیل اطلاعات و ساخت مدل
    مقدمه    74
4-1    آماده سازی داده ها    74
4-2 تجزیه و تحلیل اطلاعات با استفاده از شبکه عصبی    74
4-3-3 نتایج پیش بینی خطا با استفاده از شبکه عصبی
4-3-1 محاسبات مربوط به لایه ایر    
4-3-2    محاسبات لایه ایر    91
4-3-3    محاسبات مربوط به ضخامت    95
4-4 نتایج پیش بینی خطا بااستفاده از روش اماری رگرسیون
4-4-1 محاسبات لایه ایر.............................
4-4-2 محاسبات مربوط به لایه بل.....................
4-4-3    محاسبات مربوط به ضخامت.........................
4-6    مقایسه و نتیجه گیری    115
4-7    مدل پیشنهادی    118
4-8    جمع آوری داده ها    118
4-9    تجزیه و تحلیل داده    119
4-10    یکپارچه سازی فرآیند کنترل کیفیت رنگ آمیزی خودرو119    
4-11    مقایسه دو فرآیند فعلی و مدل پیشنهادی    127
4-11-    فرآیند کنونی    127
4-11-    مدل پیشنهادی    128
فصل پنجم : نتیجه گیری وپیشنهادات
5-1    نتیجه گیری    133
5-2    پیشنهادات    134
    منابع فارسی    136
    منابع لاتین    137
    پیوست شکل ها    139

فصل اول : طرح تحقیق

مقدمه
 در گذشته تقاضا صرفاً برای مصرف یک کالا صورت می گرفت زیرا انتظار مصرف کنندگان از یک کالا درحد برآورده ساختن نیازهای آنان بوده ، امروزه با تولیدات انبوه کالاها انتظارات مصرف کنندگان نیز تغییر یافته و آنها بدنبال عوامل دیگری برای رضایت خود از خرید کالا می باشند. مردم علاوه بر طول عمر کالا بدنبال جلوه و زیبایی خاص آن کالا نیز می باشند که امروزه یکی از مباحث مهم تولید می باشد.
در حال حاضر با افزایش رقابت در تولیدات جهانی تولید کنندگان سعی می کنند که به تمامی عوامل مورد نیاز مشتریان پاسخ مناسب بدهند. ظاهر و شکل مناسب کالا از مواردی است که باید به آن توجه بسیار  شود زیرا اگر چه یک کالا با دوام باشد اما دارای ظاهر زیبا نباشد، قدرمسلم تقاضایی برای آن نخواهد بود. زیرا اولین چیزی که به نظر یک خریدار میرسد ظاهر زیبای کالا است.
صنعت اتومبیل نیز از این قاعده مستثنی نیست و تولید کنندگان اتومبیل بدنبال ظاهر هرچه زیباتر چه در طراحی و چه در رنگ آمیزی آن می باشند. کیفیت مناسب در رنگ آمیزی اتومبیل می تواند زیبایی خاصی به آن ببخشد. بنابراین لازم است که به کیفیت مناسب تر رنگ اتومبیل با استفاده از دانش امروزی پرداخته شود.
اغلب فرآیندهای تولیدات صنعتی غیر خطی بوده و معمولاً عدم اطمینان و تعاملات پیچیده دارند. این امر باعث این می شود که اهداف اقتصادی و صنعتی به سختی بدست آیند. در چالش با محیط رقابت جهانی  تلاش صنایع بر اینست که تکنولوژی خود را برای بهبود کیفیت و کاهش قیمت و به حداقل رساندن ضایعات ارتقاء دهند . امروزه میتوان با استفاده از علم و دانش به کیفیت مناسب در رنگ آمیزی اتومبیل دست یافت.
فرآیندهای پوشش رنگ  مانند پوشش پلیمری اتومبیل در صنایع اتومبیل و الکتروپلتینگ  در صنعت پوشش نهایی فلزات یکی از این مثالهای پیچیده هستند. این فرآیندها در چند مرحله انجام می شوند. وممکن است در هر مرحله چندین مرحله عملیاتی مختلف شیمیایی و فیزیکی طی شود.
این فرآیند معمولاً ویژگی هایش توسط چند پارامتر مشخص می شود. تعدادی از  پارامترها را به دلیل هزینه بالا یا سختی اندازه گیری نمی توان تعیین کرده یا حتی بعضی از داده ها رانمی توانیم کامل یا با قطعیت اندازه گیری نمائیم. بطور کلی پیچیدگی سیستم باعث می‌شود که قابلیت درک آن کاهش یافته و اندازه گیری ویژگی های آن مشکل  شود.
 امروزه عملیات رنگ آمیزی بدنه های خودرو خیلی پیشرفت کرده است. بنابراین انتظار می رود که رنگ بدنه خودرو دارای پوششی یکنواخت و عاری از هرگونه عیب در نظر مشتری بوده و موجبات رضایت وی را فراهم کند.
با این وجود تولید رنگ با کیفیت بالا کار بسیار مشکلی است زیرا پارامترهای زیادی بر روی اسپری رنگ تاثیر گذار هستند. تعدادی از این پارامترها شامل شرایط داخل کابین پاشش، خواص مواد رنگ،  شرایط کوره یا پارامترهائی که مانند حلالها و غیره می باشند. در مجموع ایجاد هماهنگی در بین این پارامتر بیشتر علاوه بر علم ، به هنر و تجربه نیازمند است.در شرایط کنونی در رقابت بازار خورو با توجه به اینکه برای رنگ آمیزی خودرو انرژی و هزینه بالایی صرف می شود و اصل مشتری مداری، لازم است کیفیت تولید قسمتهای مختلف  خودرو از جمله رنگ آن مورد توجه بیشتری قرار گیرد. برای بهبود کیفیت رنگ روشهای کنترل کیفی متنوعی برای رنگ خودرو وجود دارد. این روشها بیشتر جنبة بازرسی را دارند و مسائل و مشکلات کیفی کالای نیمه ساخته یا نهایی را شناسایی می کنند و راه حلهایی هم در جهت رفع عیوب ارایه می دهند.که اغلب این روشها بر اساس تجربه است . حال در این تحقیق می خواهیم به سنجش پرداخته و با استفاده از شبکه عصبی کیفیت رنگ بدنه های خودرو را پیش بینی کنیم . دراین پژوهش تلاش بر اینست که با دریافت اطلاعات بموقع از عیوب جلوگیری کنیم و تا حد ممکن کیفیت را افزایش داده و در نهایت هزینه های تولید را کاهش دهیم .
 در یک سالن رنگ کارخانه اتومبیل بدنه های خودرو  لایه به لایه رنگ می شوند . در هر شیفت نمونه هایی از بدنه ها انتخاب و ضخامت رنگ آنها اندازه گیری می شود. مشکلات ضخامت رنگ سبب ایجاد عیوب مختلفی می شود. بطور سنتی در صنعت پوشش اتومبیل کنترل کیفیت بر اساس بازرسی در جهت کاهش عیوب انجام می شود(2001 .(Lou
این دیدگاه که بر اساس بازرسی می باشد. به حل خیلی از مشکلات کیفی کمک می کند ولی این دیدگاه بصورت بعد از رویداد و تولید صورت می گیرد. بنابراین اقدامات بعد از رخ دادن و شناسایی عیوب انجام می شود و مشکلات کیفی نمی توانند در مراحل بعد پیش بینی شوند.

 1-1 پیش زمینه تحقیق
بهبود کیفیت رنگ ضامن یافتن ویژگیهای اسپری در مراحل مختلف می باشد که مستلزم ایجاد مدلهای اسپری می باشد. در سالهای گذشته تلاشهای زیادی در مدلسازی اسپری رنگ شده ولی بعلت غیر خطی بودن و پیچیدگی آن پیشرفت زیادی حاصل نشده است(1991 Skormin and Siciliano   ) .
مدلهای هیورستیک در مدلسازی این فرآیند ها مانند سیستم های خبره ایجادشد (لووهانگ Lou and haung  2003) .
 از کارهایی که در زمینه پیش بینی ضخامت رنگ انجام شده می توان از ماتریس ژاکوبین که در سال 2002 توسط Filev ارائه شد (Filve 2002 ) و مدلهای شبکه عصبی که توسط لووهانگ در سال 2002 صورت گرفته است نام برد. این مدلها فرصتی برای مطالعه روی عملیات بصورت وسیع تر و با متغیرهای بیشتری برای بهبودکیفیت فراهم می نمایند  .(Li  2004).ماتریس ژاکوبین هم اکنون بصورت موفقیت آمیزی در سیستم کنترل کیفیت رنگ استفاده می شود. این ماتریس بیشتر بر اساس منطق فازی است و از ابراز هوشمند  ( RBIC ) استفاده می نماید. هم اکنون ایده ها و مسائل گوناگونی هم بطور موفقیت آمیز توسط شبکه عصبی غیرخطی انجام می شوند.
در کارهای قبلی که توسط شبکه عصبی انجام شده است ورودی ها بصورت محدودتر ارائه شده زیرا در پروسه رنگ آمیزی ، مطالعات آکادمیک و علمی به تنهایی در کنترل فرآیند پاسخگو نمی باشد. از آنجائیکه کسب تجربه در کنترل پروسه بسیار با اهمیت می باشد با مشاوره با متخصان مجرب به این نتیجه رسیدیم که می توان از متغیرهای بیشتری نسبت به کارهای انجام شده قبلی استفاده نمود. در نهایت با مشاوره با اساتید و مدیران باتجربه دست اندرکار متوجه شدیم که باید ضخامت رنگ طوری اندازه گیری شود که میزان خطای اندازه گیری به حداقل برسد. بنابراین می توان گفت که نسبت به کار قبلی ما در اندازه گیری ضخامت رنگ توانسته ایم روش بهتر و دقیقتری را اجرا نمائیم که در بخشهای بعدی به تفصیل به آن اشاره خواهد شد .
درطرح این تحقیق ابتدا معرفی موضوع تحقیق ، اهمیت و ضرورت انجام آن به اختصار تشریح و  توجیه گردیده و اهداف تحقیق بیان می گردد. در ادامه مسئله تحقیق و سوالات پیرامون موضوع تحقیق مورد بررسی قرار خواهد گرفت. سپس قلمرو موضوعی و جغرافیایی تحقیق ارائه می گردد و محدودیت های موجود در حین تحقیق اعلام خواهد شد و نهایتاً واژه های عملیاتی مورد استفاده معرفی می گردند.
از آنجا که این رساله بر پایه فوق شکل  گرفته است در انتهای این فصل ساختار آن ارائه گردیده تا بر اساس آن مطالعه و بررسی پایان نامه به راحتی صورت پذیرد.

1-2 موضوع تحقیق
موضوع تحقیق عبارتست از : بکار گیری شبکه عصبی در کنترل کیفیت بدنه های رنگ شده خودرو (مورد سالن رنگ شرکت سایپا )

 1-3 اهمیت موضوع و لزوم انجام تحقیق
با توجه به سیاست گروه خودرو سازی سایپا مبنی بر ورود به بازارهای جهانی و چشم انداز شرکت سایپا برای انتخاب اول مشتریان ایرانی و با توجه به رقابت روز افزون صنایع خودرو سازی، این شرکت به کیفیت مناسب برای رضایت مشتریان و به صرفه جویی در هزینه ها برای ورود به بازارهای جهانی نیاز دارد. بنابراین نیاز است که در جهت ارتقاء روز افزون طرح ها و تدابیری در این زمینه ارائه شود. یکی از این تدابیر موضوع این تحقیق می باشد که در آن با پیش بینی بموقع می توان از عیوب احتمالی پیشگیری نمود. که این خود باعث تضمین کیفیت و صرفه جویی در بسیاری از هزینه ها می باشد.



  1-4 اهداف تحقیق
این موضوع با هدف پیش بینی عیوب با استفاده از شبکه عصبی می باشد. برای دسترسی به این هدف ابتدا نگاهی اجمالی به ادبیات موضوع تحقیق انداخته و مفاهیم مرتبط مرور می گردد. در ادامه تحقیق به تعیین متغیرهای ورودی و خروجی پرداخته و در نهایت مدلی از شبکه عصبی ارائه می گردد.

1-5  مسئله تحقیق
مسأله تحقیق پیش بینی ضخامت رنگ در بدنه های رنگ شده خودرو، بررسی متغیرهای موثر در رنگ رویه خودرو ، کاربرد شبکه عصبی Perceptron بااستفاده از نرم افزار مطلب و ارائه مدلی از شبکه عصبی می باشد.
1-6  سوالات تحقیق
سؤالات تحقیق را میتوان به صورت زیر فهرست نمود.
•    چگونه میتوانیم کیفیت رنگ بدنه های رنگ شده را بالا ببریم ؟
•    آیا می توانیم با شبکه عصبی کیفیت مناسب رنگ را پیش بینی کنیم .
•    فرآیند رنگ آمیزی خودرو و در سالن رنگ سایپاچگونه است ؟   
•    متغیرهای موثر در رنگ رویه خودرو کدامند؟



1-7 قلمرو تحقیق
1-7-1 قلمرو موضوعی
موضوع تحقیق در حوزه تضمین کیفیت توسط شبکه عصبی است که در آن کیفیت نهایی رنگ خودرو مورد بررسی قرار می گیرد .

1-7-2 قلمرو جغرافیایی
دامنه این تحقیق در سالن رنگ شرکت سایپا می باشد .

1-7-3 قلمرو زمانی
از لحاظ قلمرو زمانی جمع آوری داده ها از تاریخ ابتدای مرداد تا نیمه مهر ماه سال 1386 بوده است .

1-8 محدودیت های تحقیق
این تحقیق در سالن رنگ جدید سایپا بر روی رنگ نقره ای متالیک صورت گرفته است. در این سالن تولید بطور مداوم انجام می شود. داخل کابین پاشش جریان برق باعث ایجاد بار مثبت در بدنه ها می شود وامکان اندازه گیری داده ها در طول شیفت های کاری وجود ندارد. بنابراین ، این داده ها هنگام استراحت کارکنان درحدود ساعت 9 شب داده ها جمع آوری شده اند.



1-9 تعریف عملیاتی واژه ها
ضخامت رنگ : وقتی که برشی بر روی ورق رنگ شده زده شود ارتفاع مقداری رنگی که روی فلز قرار گرفته است ضخامت رنگ فلز است.
عیوب رنگ : هرگونه خدشه و یا اختلال در سطح رنگ که باعث شود جلوه و زیبایی و شفافیت رنگ از بین رفته یا کاهش یابد.
رنگ آمیزی خودرو : فرآیندی است که طی آن چندین لایه مختلف رنگ ( مخلوط رزین و پیگمنت ها ) بر روی سطح خودرو قرار می گیرد.

1-10 ساختار تحقیق
ساختار تحقیق در قالب فصول زیر ارائه گردیده است :
فصل اول : طرح تحقیق
در این فصل ضرورت انتخاب موضوع تحقیق ، اهداف ، قلمرو و محدودیت های تحقیق ارائه
می گردد .
فصل دوم : ادبیات تحقیق
در این فصل نگاهی اجمالی به تاریخچه سالن رنگ سایپا و فرآیند رنگ آمیزی خودرو از ابتدای ورود خودرو به سالن تا انتها مورد بررسی قرار می گیرد. همچنین نگاهی گذرا به شبکه عصبی Perceptron  صورت می گیرد .


فصل سوم : روش تحقیق
در این فصل به بررسی روش تحقیق پیش بینی کیفیت رنگ خودرو پرداخته می شود ، این روش تحقیق بر اساس مطالعه موردی(Case Study) صورت گرفته است.
 فصل چهارم : یافته های تحقیق
این فصل مشتمل بر یافته هایی است که محقق پس از بررسی اصول، قواعد، ویژگیهای فرآیند رنگ آمیزی و بررسی روش شبکه عصبی منطبق با موضوع بدست آورده ، و بر اساس آن به پیش بینی کیفیت رنگ خودرو پرداخته است .سپس ارائه مدل پیشنهادی و مقایسه آن با فرآیند جاری می باشد .
فصل پنجم : نتیجه گیری و پیشنهادات
در این فصل به جمع بندی موضوع پیش بینی کیفیت پرداخته شده است. بر اساس یافته های تحقیق که در فصل 4 آمده است،  پیشنهاداتی جهت بهبود کیفیت فرآیند رنگ آمیزی ارائه خواهد شد .