<?xml version="1.0" encoding="UTF-8"?>
<rss xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:sy="http://purl.org/rss/1.0/modules/syndication/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0">
  <channel>
    <title>سامانه ‏های غیرخطی در مهندسی برق</title>
    <link>https://jnsee.sut.ac.ir/</link>
    <description>سامانه ‏های غیرخطی در مهندسی برق</description>
    <atom:link href="" rel="self" type="application/rss+xml"/>
    <language>fa</language>
    <sy:updatePeriod>daily</sy:updatePeriod>
    <sy:updateFrequency>1</sy:updateFrequency>
    <pubDate>Sat, 23 Aug 2025 00:00:00 +0330</pubDate>
    <lastBuildDate>Sat, 23 Aug 2025 00:00:00 +0330</lastBuildDate>
    <item>
      <title>یک روش کارآمد برای تناظریابی اشکال سه &amp;shy;بعدی با استفاده از ویژگی&amp;shy; های هندسی</title>
      <link>https://jnsee.sut.ac.ir/article_732553.html</link>
      <description>در این مقاله یک روش کارآمد برای یافتن تناظر بین مدل‌های سه‌بعدی حاوی تغییر شکل&amp;amp;shy;های حرکتی و غیرصُلب پیشنهاد شده است که از ویژگی&amp;amp;shy;های هندسی مدل&amp;amp;shy;ها استفاده می&amp;amp;shy;کند. برای این منظور، از یک ویژگی ذاتی مبتنی بر فاصله&amp;amp;shy;های ژئودزیک نقاط استفاده کرده و اثر بخشی روش پیشنهادی برای تناظریابی اشکال سه&amp;amp;shy;بعدی نشان داده می&amp;amp;shy;شود. ابتدا، مجموعه‌ای از نشانه‌ها (نقاط برجسته یا نقاط ویژه) از طریق نمونه‌برداری دورترین نقطه، شناسایی و انتخاب می&amp;amp;shy;شوند. سپس، ماتریس ویژگی مدل&amp;amp;shy;ها بر اساس فاصله ژئودزیک نقاط اشکال سه&amp;amp;shy;بعدی از نشانه&amp;amp;shy;ها ایجاد می&amp;amp;shy;شود. در ادامه، با به&amp;amp;shy;کارگیری الگوریتمLAPJV یک مسئله تخصیص خطی حل می&amp;amp;shy;شود که تابع هزینه آن حاوی ماتریس ویژگی مدل&amp;amp;shy;ها است. انجام آزمایش&amp;amp;shy;های گسترده روی مدل&amp;amp;shy;های مختلف از مجموعه داده‌های استاندارد نشان از برتری کَمّی و کیفی روش پیشنهادی در مقایسه با روش‌های دیگر از جمله رویکردهای [48]، [50] و [60] دارد. نتایج نشان می&amp;amp;shy;دهند که روش پیشنهادی در مقایسه با روش&amp;amp;shy;های [48]، [50] و [60] روی مدل&amp;amp;shy;های با تغییر شکل&amp;amp;shy;های حرکتی و غیرصُلب و موارد غیرایزومتریک به نتایج بهتری در دقت و کارایی دست پیدا می&amp;amp;shy;کند.</description>
    </item>
    <item>
      <title>تشخیص رفتارهای غیر طبیعی رانندگان از طریق آموزش الگوهای باینری محلی و هیستوگرام گرادیان جهت&amp;shy;دار</title>
      <link>https://jnsee.sut.ac.ir/article_732554.html</link>
      <description>امروزه رفتارهای غیرطبیعی و نامتعارف رانندگان به یک چالش جدی در جامعه تبدیل شده است که ضروری است برای پیشگیری از آن، راهکارها و برنامه‌های اساسی در نظر گرفته شود. کمبود مهارت در کنترل خودرو، خستگی، خواب آلودگی و حواس پرتی از‌‌جمله بیشترین دلایل وقوع تصادفات در کشور است. در بینایی کامپیوتر، تشخیص رفتارهای غیرطبیعی رانندگان بسیار مهم و چالش برانگیز می‌باشد. بر‌این اساس هدف ما تشخیص رفتارهای غیرطبیعی رانندگان با استفاده از بینایی کامپیوتر است که شامل خواب آلودگی راننده، استعمال دخانیات و صحبت کردن با تلفن همراه می‌باشد. در این تحقیق، سعی شده از دو روش آموزش ویژگی&amp;amp;shy;های باینری محلی (LBP) و هیستوگرام گرادیان جهت&amp;amp;shy;دار (HOG) برای تشخیص رفتارهای غیرطبیعی رانندگان استفاده شود. اولین گام تشخیص چهره فرد مورد نظر می‌باشد. برای این امر، چهره فرد با 68 نقطه حیاتی تشخیص داده و در ادامه چهره را به چهار بخش چشم، دهان، گوش راست و گوش چپ تقسیم بندی شده است. در روش اول برای هرکدام از وضعیت‌ها با استفاده از الگوریتم الگوهای باینری محلی استخراج ویژگی انجام شده و در ادامه با استفاده از SVM طبقه‌بندی صورت گرفت. همچنین در روش دوم با ‌‌هیستوگرام گرادیان جهت‌دار استخراج ویژگی گردیده و ویژگی‌های مربوطه به طبقه‌بندی SVM اعمال شده است. نتایج نشان می&amp;amp;shy;دهد که ویژگی ‌‌هیستوگرام گرادیان جهت‌دار مورد استفاده شده در این کار دقت ارزیابی را در طبقه‌بندی SVM بیشتر کرده است و به نتایج بهتری نسبت به ویژگی الگوهای باینری محلی دست یافته است.</description>
    </item>
    <item>
      <title>موقعیت یابی ربات متحرک در محیط های داخلی با استفاده از ترکیب فیلتر کالمن توسعه یافته و الگوریتم مسیریابی درخت تصادفی</title>
      <link>https://jnsee.sut.ac.ir/article_732798.html</link>
      <description>در این مقاله، یک چارچوب یکپارچه برای ناوبری ربات متحرک در محیط‌های داخلی ارائه شده است که مبتنی بر ترکیب فیلتر کالمن توسعه‌یافته (EKF) و الگوریتم درخت تصادفی با کاوش سریع (RRT*) می‌باشد. هدف از این ترکیب، بهبود همزمان دقت مسیر‌یابی و موقعیت‌یابی در شرایطی است که داده‌های حسگر دارای نویز هستند و محیط دارای موانع پویا و نامعین می‌باشد. در گام اول، &amp;amp;nbsp;RRT* مسیر بهینه‌ای از نقطه شروع تا هدف را با در نظر گرفتن موانع موجود ایجاد می‌کند. سپس، برای دنبال‌کردن دقیق مسیر، تخمین موقعیت ربات در طول حرکت با استفاده از EKF انجام می‌شود. در این روش، مرحله پیش‌بینی فیلتر مبتنی بر مدل حرکتی ربات و داده‌های ادومتری است و مرحله به‌روزرسانی از طریق اندازه‌گیری‌های حسگر لیدار صورت می‌گیرد. موقعیت‌یابی دقیق به‌دست‌آمده از EKF، به ربات امکان می‌دهد که مسیر پیشنهادی RRT* را با خطای حداقلی دنبال کند. نکته کلیدی در این چارچوب، ارتباط حلقه بسته بین موقعیت‌یابی و مسیر‌یابی است؛ به‌طوری‌که در صورت افزایش خطای تخمین یا تغییرات غیرمنتظره در محیط، فرآیند برنامه‌ریزی مسیر مجدداً توسط RRT* فعال می‌شود. این طراحی باعث افزایش تطبیق‌پذیری و پایداری سیستم در مواجهه با عدم‌قطعیت‌های محیطی می‌گردد. نتایج حاصل از شبیه‌سازی‌های متعدد نشان می‌دهد که این چارچوب، توانسته است دقت موقعیت‌یابی را به میزان قابل توجهی بهبود دهد. میانگین خطای ریشه میانگین مربعات (RMSE) موقعیت‌یابی در آزمایش‌ها کمتر از 055/0 گزارش شده است. همچنین، در مقایسه با الگوریتم‌های پایه مانند ادومتری صرف، دقت موقعیت‌یابی به میزان ۷۳٪ افزایش یافته است. مسیرهای تولیدشده توسط RRT* نیز از نظر طول، همواری و ایمنی نسبت به مسیرهای ایجادشده توسط نسخه اولیه RRT* بهبود چشم‌گیری داشته‌اند. این نتایج نشان می‌دهد که ادغام EKF و RRT* نه‌تنها به بهبود عملکرد هر کدام از این ماژول‌ها منجر شده، بلکه به طراحی یک سیستم ناوبری هوشمند و مقاوم کمک کرده است که قابلیت استفاده در کاربردهای ربات‌های خدماتی، صنعتی و امدادی را داراست.</description>
    </item>
    <item>
      <title>کنترل مقید عمق یک رونده زیرسطحی مبتنی بر کنترل‌کننده پیش‌بین تعمیم‌یافته: پیاده‌سازی پردازنده در حلقه</title>
      <link>https://jnsee.sut.ac.ir/article_732799.html</link>
      <description>کنترل دقیق زیرسطحی‌ها به دلیل کاربرد گسترده آنها در حوزه‌های مختلف به منظور ردیابی مسیر از اهمیت زیادی برخوردار است. مقاله حاضر با استفاده از کنترل پیش‌بین تعمیم یافته به طراحی و پیاده سازی پردازنده در حلقه کنترل&amp;amp;shy;کننده برای کنترل عمق یک رونده زیرسطحی پرداخته است. برای این منظور ابتدا معادلات شش درجه آزادی برای زیرسطحی ارائه شده و با خطی سازی آن، معادلات فضای حالت زمان پیوسته زیرسطحی استخراج شده و با گسسته سازی این معادلات، معادلات فضای حالت زمان گسسته برای طراحی کنترل&amp;amp;shy;کننده بدست آمده است. عملکرد کنترل&amp;amp;shy;کننده طراحی شده در دو حالت نامقید و مقید در حضور اشباع عملگر برروی مدل خطی بررسی شده است. همچنین، عملکرد کنترل&amp;amp;shy;کننده پیشنهادی در حضور اغتشاش نیز بررسی شده است. به منظور مقایسه، عملکرد کنترل&amp;amp;shy;کننده طراحی شده با کنترل&amp;amp;shy;کننده تنظیم کننده درجه دوم خطی نیز نشان داده شده است. تحلیل حساسیت نسبت به تغییرات افق پیش‌بینی و وجود نویز اندازه گیری نیز نشان داده شده است. در انتها با پیاده سازی آزمون پردازنده در حلقه، قابلیت پیاده سازی کنترل&amp;amp;shy;کننده در محیط زمان واقعی بررسی شده است که نتایج، قابلیت پیاده سازی کنترل&amp;amp;shy;کننده بر روی سخت افزار به صورت زمان واقعی را نشان می‌دهد.</description>
    </item>
    <item>
      <title>تشخیص وسیله نقلیه از تصاویر با بهره‌گیری از الگوریتم تغییریافته YOLOv4 با دقت بالا در یادگیری عمیق</title>
      <link>https://jnsee.sut.ac.ir/article_732544.html</link>
      <description>تشخیص وسایل نقلیه از تصاویر یکی از کاربردهای مهم بینایی ماشین در حوزه‌هایی چون نظامی، نظارت شهری، حمل‌ونقل و ایمنی است. در این پژوهش یک نسخه بهبودیافته از الگوریتم YOLOv4 برای تشخیص وسایل نقلیه ارائه می‌شود. نوآوری اصلی در ترکیب دو بهینه‌ساز ADAM و SGDM برای افزایش سرعت و پایداری آموزش و طراحی یک الگوریتم پس‌پردازش سبک‌وزن باعنوان IASD برای حذف جعبه‌های تکراری و نویزی است. روش پیشنهادی بر روی یک مجموعه‌داده بزرگ ارزیابی شد و نتایج نشان داد که در مقایسه باYOLOv4 &amp;amp;nbsp;اصلی، هم از نظر دقت و هم از نظر سرعت تشخیص، بهبود قابل توجهی حاصل شده است. این دستاورد نشان می‌دهد که نسخه پیشنهادی می‌تواند گزینه‌ای مناسب برای سامانه‌های بلادرنگ و کم ‌منبع مانند پهپادها و سیستم‌های نظارتی باشد. از سوی دیگر، ارائه یک الگوریتم پس‌پردازش سبک و قابل پیاده‌سازی در سخت‌افزارهای محدود، این پژوهش را از کارهای مشابه متمایز می‌سازد. نتایج این مطالعه می‌تواند به‌عنوان مبنایی برای توسعه کاربردهای ایمن‌تر و کارآمدتر در حوزه حمل‌ونقل هوشمند و سامانه‌های خودکار مورد استفاده قرار گیرد.</description>
    </item>
    <item>
      <title>کنترل پیش‌بین مدل تطبیقی برای مساله کنترل بار-فرکانس سیستم‌های قدرت بهم‌پیوسته چند ناحیه‌ای با پارامترهای متغیر با زمان</title>
      <link>https://jnsee.sut.ac.ir/article_732545.html</link>
      <description>با پیشرفت سریع فناوری تولید برق و افزایش تقاضا از سوی کاربران، سیستم‌های قدرت چند ناحیه‌ای بهم‌پیوسته به یک روند &amp;amp;nbsp;توسعه تبدیل شده‌اند. در این مقاله، یک طرح کنترل پیش‌بین مدل تطبیقی برای کنترل بار-فرکانس (LFC) یک سیستم قدرت چند ناحیه‌ای بهم‌پیوسته در حضور تغییرات پارامتری پیشنهاد شده است. این کنترل‌کننده شامل یک مدل خود رگرسیون با ورودی خارجی (ARX)، یک فیلتر کالمن خطی متغیر با زمان (LTVKF) و یک الگوریتم تخمینگر مدل چندجمله‌ای بازگشتی (RPME) می‌شود. با استفاده از تخمینگر مدل چندجمله‌ای بازگشتی یک مدل ARX با مرتبه کاهش یافته از سیستم قدرت اصلی شناسایی می‌شود و به‌عنوان مدل پیش‌بینی سیستم در کنترل پیش‌بین مدل تطبیقی مورد استفاده قرار می‌گیرد. متغیرهای حالت سیستم با کمک فیلتر کالمن خطی متغیر با زمان رویت می‌شوند و مساله بهینه‌سازی با افق متحرک مقید از طریق برنامه‌ریزی مربعی حل می‌شود. علاوه بر تخمین حاصل از مدل دارای کاهش مرتبه، دنباله کنترلی آینده با استفاده از توابع پایه لاگر تخمین زده می‌شود تا بار محاسباتی کاهش یابد. شبیه‌سازی‌های عددی نشان می‌دهند که کنترل پیش‌بین مدل تطبیقی پیشنهادی در مقایسه با سایر طرح‌های کنترلی، در دفع اغتشاشات بار در سیستم‌های قدرت با پارامترهای متغیر با زمان، کارآمدتر است.&amp;amp;nbsp; </description>
    </item>
    <item>
      <title>کنترل غیرمستقیم ولتاژ خروجی مبدل DC-DC افزاینده در حالت هدایت پیوسته با استفاده از کنترل‌کننده مقاوم مبتنی‌بر غیرفعال بودن و کنترل‌کننده PI حلقه بسته آبشاری</title>
      <link>https://jnsee.sut.ac.ir/article_734084.html</link>
      <description>در این مقاله، یک کنترل‌کننده ترکیبی مقاوم مبتنی‌بر رویکرد انفعالی برای تنظیم ولتاژ خروجی مبدل DC-DC افزاینده در حالت هدایت پیوسته ارائه شده است. طرح پیشنهادی، کنترل‌کننده مبتنی‌بر غیرفعال بودن (PBC) را در یک ساختار آبشاری با حلقه‌های کنترلی PI تودرتو ادغام می‌کند تا کاستی‌های هر دو روش را پوشش دهد. با توجه به ماهیت غیرمینیمم‌فاز مبدل بوست، تنظیم ولتاژ به‌صورت غیرمستقیم و از طریق ردیابی جریان مرجع سلف انجام می‌شود. جریان مرجع توسط حلقه بیرونی PI تولید شده و حلقه درونیPBC، پایداری و عملکرد دینامیکی را در حضور اغتشاشات و عدم قطعیت‌های پارامتری تضمین می‌کند. روابط دینامیکی سیستم مبتنی‌بر مدل متوسط‌گیری شده با در نظرگیری المان‌های پارازیتی استخراج و کنترل‌کننده بر مبنای نظریه پایداری انفعالی طراحی شده است. برای اعتبارسنجی، یک نمونه آزمایشگاهی ساخته شده و عملکرد کنترل‌کننده پیشنهادی در پنج سناریوی مختلف شامل تغییرات پله‌ای ولتاژ مرجع، تغییرات بار، تغییرات ولتاژ ورودی و تغییرات پارامترهای مبدل، مورد ارزیابی قرار گرفته است. نتایج شبیه‌سازی و آزمایشگاهی، بهبود چشمگیر در پایداری، پاسخ دینامیکی سریع‌تر و کاهش خطای حالت ماندگار را در مقایسه با کنترل‌کننده انفعالی خالص نشان می‌دهند و بر مقاومت و کارایی روش ترکیبی پیشنهادی در شرایط عملیاتی مختلف تأکید دارند.</description>
    </item>
  </channel>
</rss>
