بررسی رابطه بین سرمایه فکری ومیزان کارایی کارکنان دانشگاه

بررسی رابطه بین سرمایه فکری ومیزان کارایی کارکنان دانشگاه علوم پزشکی سبزوار در سال 91-90 نقش سرمایه فکری در ایجاد افزایش کارایی کارکنان و افزایش ارزش سازمانی استفاده می شود

دسته بندی	مدیریت
فرمت فایل	doc
حجم فایل	54 کیلو بایت
تعداد صفحات فایل	7

دانلود مقاله ترجمه شده رشته مدیریت

بررسی رابطه بین سرمایه فکری ومیزان کارایی کارکنان دانشگاه علوم پزشکی سبزوار در سال 91-90

 

عنوان انگلیسی:

Discussing the relation between intellectual capital and the level of efficiency among the employees of University of Medical Sciences of Sabzevar during 2012-13

 

*توجه شود که این مقاله با نمونه های مشابه از لحاظ محتوا و منابع کاملا متفاوت است و دارای ترجمه انگلیسی میباشد.

 

چکیده
نقش سرمایه فکری در ایجاد افزایش کارایی کارکنان و افزایش ارزش سازمانی استفاده می شود. در سازمان مبتنی بر دانش از سرمایه فکری به منظور خلق موفقیت یک سازمان به توانایی اش در مدیریت این منبع کمیاب بستگی دارد. هدف این پژوهش بررسی رابطه بین سرمایه فکری و میزان کارایی کارکنان دانشگاه علوم پزشکی سبزوار می باشد. این پژوهش از نظر هدف کاربردی و از نظر روش و ماهیت توصیفی همبستگی است. جامعه آماری کارکنان ستادی دانشگاه علوم پزشکی سبزوار می باشد. در این پژوهش 2 پرسشنامه استاندارد سرمایه فکری براساس معیارهای بنتیس و پرسشنامه کارایی که بین 248 نفر از اعضا جامعه مورد بررسی به روش تصادفی طبقه ای نسبی توزیع گردید. اطلاعات حاصل از پرسشنامه در محیط نرم افزاری SPSS با اعمال آزمون های T، تحلیل همبستگی پیرسون، ANOVA، فریدمن، و مدل معادلات ساختاری با توجه به فرضیات تحقیق تجزیه و تحلیل گردید. یافته های پژوهش در فرضیه اصلی وجود رابطه بین عناصر سرمایه فکری و میزان کارایی را در سطح اطمیان 99درصد مورد تائید قرار می دهد. با استفاده از آزمون فریدمن به بررسی یکسان بودن اولویت بندی هر یک از مولفه های سرمایه فکری پرداخته شد که می توان نتیجه گیری کرد که فرض صفر رد شده و میانگین (مولفه ها) یکسان نیست.

 

کلید واژه:

سرمایه فکری
کارایی
سرمایه انسانی
سرمایه ساختاری
سرمایه رابطه ای

مقدمه
در سال های اخیر، سازمان ها و شرکت های مختلف پیوستن به روند دانش را آغاز کرده اند و مفاهیم جدیدی مانند کار دانشی، کارگر دانشی، مدیریت دانش، وسازمان های دانش بنیان، خبر از شدت یافتن این روند می دهند.
پیتر دراکر از دانشمندان مدیریت، با به کارگیری این واژگان، خبر از ایجاد نوع جدیدی از سازمان می دهد که در آن ها به جا قدرت بازو، قدرت ذهن حاکمیت دارد؛ سازمانی که در آن ارزشمندترین دارایی، سرمایه فکری می باشد ودارایی های فیزیکی مانند ماشین آلات، زمین، تجهیزات و... از اهمیت کمتری برخوردار هستند. جمع آوری و به کاربستن دانش و اطلاعات جدید برای موفقیت این سازمان ها ضروری می باشد. رمضان و حسنوی (Ramezan & Hassanavi)، و سازمان ها دریافتند که هیچ چیز به اندازه دانش نمی تواند آنها را در دنیای رقابتی نگهدارد. لذا بیش از هرچیز کارکنان سازمان به عنوان صاحبان دانش و مهمترین سرمایه ی سازمان مورد توجه قرار گرفته اند. اخوان و باقری (Akhavan & Baqeri)، اما در شرایط کنونی شاهد تبدیل سرمایه فکری به عنوان یکی از مهمترین فاکتورها در جهت رشد و تعالی سازمان ها ودر نگاهی وسیع تر جوامع هستیم.
در حال حاضر کشورهایی توانسته اند گوی رقابت را از دیگر کشورها بربایند که سرمایه های فکری نیرومندتری داشته اند. اایران نیز به عنوان کشوری با جمعیت جوان که دارای ثروت های خدادادی بسیار می باشد می تواند از پتانسیل موجود در زمینه نیروی انسانی (به عنوان یکی از مهمترین عناصر سرمایه فکری) بهره برده و با هدایت مناسب این نیروها بسترهای مناسب در جهت تقویت سرمایه فکری در سطح ملی فراهم آورد. عالم تبریز و رجبی فرد و حاجی باباعلی(Alem Tabriz& Rajabi Fard & Haji Baba Ali).

فهرست مطالب
چکیده
مقدمه
سرمایه ی فکری
روش تحقیق
جامعه و نمونه تحقیق و انتخاب نمونه
روش و ابزارهای جمع آوری اطلاعات
نتایج ویافته های تحقیق
فرضیه اصلی پژوهش
فرضیه فرعی دوم
فرضیه فرعی سوم
نتایج تحقیق

منابع

-حسن زاده اول، میترا(1388) بررسی رابطه ی سبک های مدیریت تعارض با میزان کارایی کارکنان دانشگاه تربیت معلم سبزوار، پایان نامه کارشناسی ارشد.
-دباغ رحیم، برادران شرکا، حمید رضا (1389). بررسی کارایی و بهره وری بیست و چهار دانشگاه، فصلنامه انجمن آموزش عالی ایران، سال دوم، شماره 2.
-مهرابیان فردین، نصیری پور اشکان، کشاورز محمدیان سکینه (1389)، بررسی میزان اهمیت مؤلفه های شناسایی شده بهره وری نیروی انسانی از دیدگاه کارکنان و اعضاء هیئت علمی دانشکده های دانشگاه علوم پزشکی گیلان.

Akhavan, Peyman ; Baqeri , Roohollah (2011).Knowledge Manahement From Idea To Action , Tehtan: ATi Negar Pub.
Hassanavi , Reza ; Akhavan , Peyman ; Sanjaqi , Mohammad Ebrahim (2011) . Key Factors of Success of The Knowledge Management , Tehran : Ati Negar Pub.
Alem Tavriz , Akvar ; Rajabi Fard , Iman ; Haji Baba Ali , Ali (2009) . Capital , Measurment , Revealing , Management , Tehran : Pub : Industrial Researchs Education Center of Iran.
Mehrabian , Fardin ; Nasiripoor , Ashkan ; Keshavarz Mohannadian , Sakineh (2010) , A Study Of Importance degree Of Known Characteristics Of Human Resourses Productivity From The View point of Gilan Medical Schools’s Staff And Board.
Martines, I. (2009). The Importance of Intellectual capital in organization, [Dissertation Abstract PH.D] university of G lomorgan Bu Siness school, ponty pridd UK.

تاریخچه،نظریه ها و مسایل یادگیری در انسان دانلود سمینار تاریخچه،نظریه ها و مسایل یادگیری در انسان

دسته بندی	مهندسی نرم افزار
فرمت فایل	doc
حجم فایل	132 کیلو بایت
تعداد صفحات فایل	95

دانلود سمینار کارشناسی ارشد کامپیوتر - درس یادگیری ماشین

تاریخچه،نظریه ها و مسایل یادگیری در انسان

 

 

مقدمه:

تعریفهای گوناگونی که درباره یادگیری انجام گرفته نشان می‌دهند که هنوز تعریف جامع و یکدستی که برای همه روان‌شناسان با نظریه‌های مختلف پذیرفتنی باشد به دست نیامده است. اما بسیاری از روان‌شناسان و پرورشکاران معتقدند که «یادگیری تغییری است که بر اثر تجربه یا آموزش در رفتار موجود زنده پدید می‌آید». در این تعریف مهمترین واژه‌ای که نظر را به خود جلب می‌کند واژه تغییر است. زیرا رفتار فرد در زمانی که چیزی نیاموخته با زمانی که آن چیز را، آموخته است تفاوت دارد.

 

واژه مهم دیگر رفتار  است. زیرا تغییر رفتار با ابعاد بدنی مانند طول و عرض و قد و وزن بدنی ارتباط ندارد، بلکه بیشتر معلوم یادگیری است، نه دگرگونیهای بدنی.با توجه به نکته‌های یاد شده مشاهده می‌شود که دگرگونیهای ناشی از رشد طبیعی، بازتابها، پاسخهای خستگی، تاثیر داروها از نوع یادگیری نیستند. همچنین، دگرگونیهایی که نتوانند تغییری در رفتار داشته باشند یادگیری به شمار نمی‌آیند. مانند زمانی که تجربه یا اندیشه‌ای، احساس یا طرز فکر ما را تغییر می‌دهد. اما هیچ‌گونه اثر آشکاری در رفتار ندارد. هیلگارد روان‌شناس معروف، گرچه یادگیری را دارای دو جنبه نهان (نظری) و نمایان (کارنمودی) می‌داند، ولی تصریح می‌کند که یادگیری فقط از جنبه نمایان یا عملکردی آن حاصل می‌شود.

 

از سوی دیگر روان‌شناسانی هستند که یادگیری از دگرگونیهای نسبتاً پایدار در توانایی، گرایش یا ظرفیت پاسخ‌دهی عنوان کرده‌اند. با این تعریف مشاهده می‌شود که یادگیری پیش از تغییر رفتار پدید می‌آید. البته موجود زنده زمانی می‌تواند پاسخ لازم را بدهد که توانایی و ظرفیت دادن پاسخ را دارا باشد. بسیار اتفاق افتاده است که معلم موضوعی مانند حل مساله را می‌خواهد به شاگرد بیاموزد که مشهود نیست. انسان فقط نتیجه اندیشیدن یا حل مساله را مشاهده می‌کند، نه فرایندهای ظاهری آنها را. در این مورد علاقه معلم این است که شاگرد توانایی و استعداد انجام دادن رفتار را به نحو خاصی پیدا کند تا رفتار نمایان و معینی را. ممکن است ادعا شود که حل مساله عبارت از یک رشته الگوهای پاسخ‌دهی مشخص است و پاسخها نهان هستند تا نمایان. اما در حقیقت وقتی شاگرد جیزی می‌آموزد فقط رفتارش تغییر نمی‌یابد، بلکه استعداد پاسخ دادن او در اوضاع و احوال آینده نیز تغییر پیدا می‌کند.

 

با توجه به موارد بالا تا اینجا روشن شد که یادگیری دارای دو تعریف است: 

یکی به تغییر رتفار نمایان و دیگری به استعداد یا توانمندی در پاسخ دادن اختصاص می‌یابد. اما روان‌شناسان عصب‌گرا یادگیری را تغییر در ساختار فیزیولوژی اعصاب می‌دانند که از استعداد ابزار پاسخ پدید می‌آید. دکتر هب یک رشته بررسیهایی درباره کارکرد اعصبا مرکزی در رابطه با یادگیری به مضمون زیر انجام داده که در خور اهمیت است:

 

یادگیری، فرایند ایجاد سیر یا مدار عصبی نسبتاً پایدار از طریق فعالیت خود به خود در مدارهای موجود است. وقتی فعالیتی صورت می‌گیرد حالت تغییر در ساخت سلولها و مدارهای عصبی ایجاد می‌شود و پاسخ مربوط به اثر برانگیختگی و تکرار به آسانی دریافت می‌شود.با ملاحظه تعریفهای سه‌گانه بالا درباره یادگیری، مورد اول و دوم در بررسیهای روان‌شناسی امروزی دارای اهمیت بیشتری است، اما مورد سوم از اعتبار علمی خاصی برخوردار است.

 

 

 

کلمات کلیدی:

یادگیری ماشین

یادگیری در انسان

نظریه های یادگیری

مسایل یادگیری در انسان

 

 

 

فهرست مطالب

1- زمینه و پیشینه نظریه های یادگیری 4

1-1. شناخت و زمینه‌های یادگیری 4

1-1-1. اهمیت یادگیری 4

1-1-2. ماهیت یادگیری 5

1-1-3. تعریف یادگیری 6

1-2. بنیاد فلسفی نظریه‌ها 7

1-2-1. خردگرایی 8

1-2-2. تجربه‌گرایی 10

1-3. پیشینه نظریه‌های یادگیری 11

1-3-1. نظریه لوح سفید 11

1-3-2. نظریه شکوفایی طبیعی 13

1-3-3. نظریه اندریافت 14

1-3-4. نظریه ساخت‌گرایی 16

1-3-5. نظریه کارگردگرایی 18

 

2. نظریه‌های تداعی‌گرایی 21

2-1. نظریه وابسته‌گرایی ثورندایک 22

2-1-1. قانونهای یادگیری ثورندایک 24

2-1-2. قانونهای اصلی ثورندایک 25

2-1-3. قانونهای فرعی 26

2-1-4. بررسی و ارزشیابی نظریه وابسته‌گرایی 27

2-1-5. هوش از دیدگاه ثورندایک 28

2-2. نظریه بازتابی 30

2-2-1. پدیده شرطی شدن 31

2-3. نظریه رفتارگرایی واتسن 34

2-3-1. چگونگی رفتارگرایی 34

2-3-2. نقش محیط 35

2-3-3. انسان از نظر واتسن 35

2-3-4. شرطی شدن هیجانها 36

2-3-5. سخن‌گویی از دیدگاه واتسن 36

2-3-6. یادگیری از نظر واتسن 37

2-4. نظریه کاهش سایق 39

2-4-1. یادگیری برای بقاء 39

2-5. یادگیری انتظاری 40

2-5-1. یادگیری نهایی 43

2-5-2. مسائل یادگیری 43

2-6. نظریه کمّی اسپنس 44

2-6-1. ماهیت نظریه یادگیری اسپنس 44

2-6-2. رفتار یکپارچه 46

2-6-3. چگونگی سازه‌ها 46

2-6-4. تعیین‌کننده‌های رفتار 47

2-6-5. یادگیری از دیدگاه اسپنس 49

2-6-6. شرطی شدن کلاسیک 50

2-6-7. ماهیت شرطی شدن ابزاری 50

2-6-8. یادگیری افتراقی 52

 

3. نظریه های شناخت‌گرایی 54

3-1. نظریه یادگیری گشتالت 55

3-1-1. چگونگی و اهمیت گشتالت 55

3-1-2. پدیده فای یا ادراک حرکت 57

3-1-3.نقش تصویر و زمینه 58

3-1-4. قانونهای سازماندهی 59

3-1-5.  نظریه اثر 63

3-1-6. یادگیری از دیدگاه گشتالت 64

3-1-7. اهمیت ادراک 65

3-1-8. یادگیری و حل مساله 66

3-2. نظریه شناخت‌شناسی تکوینی 68

3-2-1. چگونگی مراحل رشد 68

3-2-2. دوره اول : حسی و حرکتی 69

3-2-3. دوره دوم : قبل از عملیات عینی 70

3-2-4. دوره سوم : عملیات عینی 73

3-2-5. دوره چهارم : عملیات صوری 77

3-2-6. یادگیری از دیدگاه پیاژه 79

3-3. نظریه یادگیری اکتشافی 82

3-3-1. چگونگی یادگیری 82

 

4. نظریه‌های یادگیری اجتماعی 85

4-1. چگونگی یادگیری اجتماعی 85

4-2. پیشینه نظریه‌های یادگیری اجتماعی 86

4-3. نظریه یادگیری اجتماعی بندورا 88

4-3-1. چهارچوب ادراکی 88

4-3-2. اهمیت تقلید در یادگیری 91

5. مراجع 95

 

یادگیری تقویتی و اجزای آن و اجرایی کردن یک مثال عامل دانلود پروژه مطالعاتی درس یادگیری ماشین با عنوان یادگیری تقویتی و اجزای آن و اجرایی کردن یک مثال عامل

دسته بندی	مهندسی نرم افزار
فرمت فایل	doc
حجم فایل	651 کیلو بایت
تعداد صفحات فایل	37

دانلود پروژه مطالعاتی درس یادگیری ماشین

یادگیری تقویتی و اجزای آن و اجرایی کردن یک مثال عامل

 

چکیده :

حیوانات ، انسان ها ، اتومات ها و .. از خود رفتار های مختلفی در محیطی که آن ها را احاطه کرده ، در شرایط مختلف  ، از خود نشان می دهند.آن ها کارهای مختلفی را به عنوان باز خورد در جواب ورودی هایی که از محیط می گیرند انجام می دهند. بعضی از این عامل ها رفتار های خود را در طول زمان عوض می کنند.آن ها ممکن است با دادن ورودی های یکسان ، عمل های متفاوتی نسبت به حرکت های قبلی خود انجام دهند. چنین عاملی یاد می گیرد. شاخه یادگیری ماشین به مطالعه الگوریتم های یادگیری که مشخص می کند تغییر در ورودی ها چگونه در رفتار عامل تغییر ایجاد می کند می پردازد.

 

الگوریتم های یادگیری به 3 دسته تقسیم می شوند :

• با ناظر

• بی ناظر

• تقویتی

 

در یادگیری با ناظر ، عامل با یک سری ورودی و خروجی مشخص آموزش داده می شود.در یادگیری بی ناظر ، عامل از محیط ، هیچ باز خوردی دریافت نمی کند. در مقابل عامل سعی می کند تا وردی ها را به صورت خوشه ها ، طبقه بندی ها یا ... بازسازی کند.و اعمال خود را بر طبق این طبقه بندی ها و نتیجه گیری ها انجام دهد.

 

 

 

کلمات کلیدی:

یادگیری ماشین

یادگیری تقویتی

الگوریتم های یادگیری

مسائل یادگیری تقویتی

 

 

 

مقدمه:

در یک مسئله یادگیری تقویتی با عاملی روبرو هستیم که از طریق سعی و خطا با محیط تعامل کرده و یاد میگیرد تا عملی بهینه را بری رسیدن به هدف انتخاب نمید

 

یادگیری تقویتی از ینرو مورد توجه است که راهی بری آموزش عاملها بری انجام یک عمل  از طریق دادن پاداش و تنبیه است

 بدون ینکه لازم باشد نحوه انجام عمل را بری عامل مشخص نمائیم. 



دو استراتژی اصلی بری ینکار وجود دارد: 

• 1.یکی استفاده از الگوریتم هی ژنتیکی 

• 2.و دیگری استفاده از روشهی آماری و dynamic programming 

 محیط مجموعه ی از S حالت ممکن است.

 در هر لحظه t  عامل میتواند یکی از A  عمل ممکن را انجام دهد. 

 عامل  ممکن است در مقابل عمل و یا مجموعه ی از اعمالی که انجام میدهد  پاداش   r را دریافت کند. ین پاداش ممکن است مثبت  و یا منفی )تنبیه(باشد 

 

 عامل در محیط حرکت کرده و حالتها و پاداشهی مربوطه را به خاطر می سپارد. 

 عامل سعی میکند طوری رفتار کند که تابع پاداش را ماکزیمم نمید. 

 

 پاداش Rt مجموع پاداشی است که  عامل با گذشت زمانt جمع کرده است. 

 

 

 

 

 

 

فهرست مطالب

• معرفی یادگیری تقویتی 

• برنامه نویسی پویا 

• اجزا یک سیستم یادگیری تقویتی 

o محیط 

o تابع پاداش 

o تابع مقدار 

• Q-Learning 

o معرفی 

o الگوریتم یادگیری 

o مثالی از یک عامل 

o اثبات همگرایی 

o یادگیری Q برای MDP غیرقطعی 

• روش های مونت کارلو در یادگیری تقویتی 

o ویژگیها 

o سیاست first visit MC 

o کنترل مونت کارلو 

o همگرایی مونت کارلو 

o on line policy و off line policy 

• منابع 

 

 

 

شبکه های خودسازمان ده و تقسیم بندی آنها از لحاظ ساختاری دانلود مقاله شبکه های خودسازمان ده و تقسیم بندی آنها از لحاظ ساختاری

دسته بندی	هوش مصنوعی
فرمت فایل	doc
حجم فایل	418 کیلو بایت
تعداد صفحات فایل	37

دانلود مقاله رشته هوش مصنوعی

شبکه های خودسازمان ده و تقسیم بندی آنها از لحاظ ساختاری

 

مقدمه

درشبکه ی خودسازمان ده، از روش یادگیری رقابتی برای آموزش استفاده می شود و مبتنی بر مشخصه های خاصی از مغز انسان توسعه یافته است. سلولها در مغز انسان در نواحی مختلف طوری سازمان دهی شده اند که در نواحی حسی مختلف، با نقشه های محاسباتی مرتب و معنی دار ارائه می شوند. برای نمونه، ورودیهای حسی لامسه –شنوائی و ... با یک ترتیب هندسی معنی دار به نواحی مختلف مرتبط هستند.

 

در یک شبکه ی خود سازمان ده که با SOM(Self Organization Map) یا برخی مواقع به صورت SOFM(Self Organization Feature Map) نشان داده می شود، واحد های پردازش گر در گره های یک شبکه ی یک بعدی، دو بعدی یا بیشتر قرار داده می شوند. واحد ها در یک فرآیند یادگیری رقابتی نسبت به الگوهای ورودی منظم می شوند. محل واحدهای تنظیم شده در شبکه به گونه ای نظم می یابد که برای ویژگیهای ورودی، یک دستگاه مختصات معنی دار روی شبکه ایجاد شود. لذا یک نقشه ی خود سازمان ده، یک نقشه ی توپوگرافیک از الگوهای ورودی را تشکیل می دهد که در آن، محل قرار گرفتن واحدها، متناظر ویژگیهای ذاتی الگوهای ورودی است.

 

یادگیری رقابتی که در این قیبل شبکه ها بکار گرفته می شود بدین صورت است که در هر قدم یادگیری، واحدها برای فعال شدن با یکدیگر به رقابت می پردازند، در پایان یک مرحله رقابت تنها یک واحد برنده می شود، که وزنهای آن نسبت به وزنهای سایر واحدها به شکل متفاوتی تغییر داده می شود. این نوع از یادگیری را یادگیری بی نظارت (Unsupervised) می نامند. شبکه های خودسازمان ده به لحاظ ساختاری به چند دسته تقسیم می شوند که در ادامه با هر یک از آنها به صورت مختصری آشنا می شویم.

 

 

 

کلمات کلیدی:

یادگیری رقابتی

یادگیری بی نظارت

شبکه های عصبی SOM

دسته بندی ساختاری شبکه های خودسازمان ده

 

 

 

 

فهرست مطالب

مقدمه 2

1) شبکه های خودسازمانده دارای وزن ثابت: 3

1-1) شبکه ی ماکس نت(MaxNet) 3

مدل ساختاری شبکه ی MaxNet 4

ساختارشبکه 4

الگوریتم کار شبکه 5

1-2) شبکه ی کلاه مکزیکی(Mexican Hat Network) 5

مدل ساختاری شبکه ی کلاه مکزیکی که اتصالات فقط بری واحد i ام رسم شده 6

1-3) شبکه ی همینگ (Hamming Network) 8

مدل ساختاری یک واحد از شبکه ی همینگ 9

مدل ساختاری شبکه همینگ 11

2)شبکه ی (لایه ی) کوهونن 11

مدل ساختاری شبکه ی کوهونن یک بعدی 13

مدل ساختاری شبکه ی کوهونن دو بعدی 13

مشکلات و راه حلها 15

شعاع همسایگی بزرگ در آغاز یادگیری 20

کاهش شعاع همسایگی با گذر زمان 20

برخی انواع تغییر یافته ی SOM 22

برخی کاربردهای شبکه های SOM 24

نحوه ی پیاده سازی این نوع از شبکه در مجموعه ی Matlab 26

چند مثال پیاده سازی از این نوع شبکه 32

منابع 36

 

 

 

 

بررسی انواع متفاوت شبکه های عصبی و کاربرد هر یک از آنها این پایان نامه مقدمه ای بر شبکه های عصبی مصنوعی است گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است

دسته بندی	هوش مصنوعی
فرمت فایل	doc
حجم فایل	692 کیلو بایت
تعداد صفحات فایل	77

دانلود پایان نامه رشته هوش مصنوعی

بررسی انواع متفاوت شبکه های عصبی و کاربرد هر یک از آنها

 

 

چکیده:

این پایان نامه مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله و هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی و شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون و همچنین شبکه های عصبی و الگوریتم های ژنتیک در تجارت  می پردازیم. 

 

 

کلمات کلیدی:

شبکه عصبی

شبکه عصبی مصنوعی

رفتار آشوبگونه مدل شبکه عصبی

انواع متفاوت شبکه های عصبی

 

 

مقدمه:

شبکه‌های عصبی مصنوعی (Artificial Neural Network - ANN) یا به زبان ساده‌تر شبکه‌های عصبی سیستم‌ها و روش‌های محاسباتی نوینی برای یادگیری ماشینی، نمایش دانش، و در انتها اعمال دانش به دست آمده در جهت پیش‌بینی پاسخ‌های خروجی از سامانه‌های پیچیده هستند. ایدهٔ اصلی این گونه شبکه‌ها (تا حدودی) الهام‌گرفته از شیوهٔ کارکرد سیستم عصبی زیستی، برای پردازش داده‌ها و اطلاعات برای یادگیری و ایجاد دانش است.

 

 عنصر کلیدی این ایده، ایجاد ساختارهایی جدید برای سامانهٔ پردازش اطلاعات است. این سیستم از شمار زیادی عناصر پردازشی فوق‌العاده بهم‌پیوسته با نام نورون تشکیل شده که برای حل یک مسئله با هم هماهنگ عمل می‌کنند و توسط سیناپس‎ها (ارتباطات الکترومغناطیسی) اطلاعات را منتقل می‎کنند. در این شبکه‌ها اگر یک سلول آسیب ببیند بقیه سلول‎ها می‌توانند نبود آنرا جبران کرده، و نیز در بازسازی آن سهیم باشند. این شبکه‌ها قادر به یادگیری‎اند. مثلاً با اعمال سوزش به سلول‎های عصبی لامسه، سلول‎ها یاد می‌گیرند که به طرف جسم داغ نروند و با این الگوریتم سیستم می‌آموزد که خطای خود را اصلاح کند. یادگیری در این سیستم‎ها به صورت تطبیقی صورت می‌گیرد، یعنی با استفاده از مثال‎ها وزن سیناپس‎ها به گونه‌ای تغییر می‌کند که در صورت دادن ورودی‎های جدید، سیستم پاسخ درستی تولید کند.

 

توافق دقیقی بر تعریف شبکه عصبی در میان محققان وجود ندارد؛ اما اغلب آنها موافقند که شبکه عصبی شامل شبکه‎ای از عناصر پردازش ساده (نورون‌ها) است که می‌تواند رفتار پیچیده کلی تعیین شده‎ای از ارتباط بین عناصر پردازش و پارامترهای عنصر را نمایش دهد. منبع اصلی و الهام بخش برای این تکنیک، از آزمایش سیستم مرکزی عصبی و نورونها (آکسون‎ها، شاخه‌های متعدد سلولهای عصبی و محلهای تماس دو عصب) نشأت گرفته‌است که یکی از قابل توجه‎ترین عناصر پردازش اطلاعات سیستم عصبی را تشکیل می‎دهد. در یک مدل شبکه عصبی، گره‎های ساده (بطور گسترده «نورون»)، «نورون‌ها»، «PEها» (عناصر پردازش) یا واحدها برای تشکیل شبکه‎ای از گره‎ها، به هم متصل شده‌اند. به همین دلیل به آن «شبکه‎های عصبی» اطلاق می‎شود. در حالی که یک شبکه عصبی نباید به خودی خود سازگاری‌پذیر باشد، استفاده عملی از آن بواسطه الگوریتم‌هایی امکان‌پذیر است، که جهت تغییر وزن ارتباطات در شبکه (به منظور تولید سیگنال موردنظر) طراحی شده باشد.

 

 

 

 

 

فهرست مطالب

مقدمه 2

فصل اول:    شبکه عصبی 3

یک شبکه عصبی مصنوعی چیست؟ 3

چرا از شبکه های عصبی استفاده می کنیم ؟ 4

شبکه های عصبی در مقابل کامپیوتر های معمولی 5

انسان و سلول های عصبی مصنوعی- در جستجوی شباهت ها 6

چگونه مغز انسان می آموزد ؟ 6

از سلول های عصبی انسانی تا سلول های عصبی مصنوعی 7

انواع یادگیری برای شبکه های عصبی 7

زمینه‌ای در مورد perceptron 10

Perceptron های ساده: 10

قدرت Perceptron 10

دنباله‌های Perceptron 11

قضیه بنیادی دنباله‌ها: 12

هوش جمعی 14

(Particle Swarm Optimitation(PSO: 15

Particle swarm Optimitation Algorithm: 16

 

فصل دوم:    یک شبکه عصبی جدید و کاربرد آن 17

یک شبکه عصبی جدید و کاربرد آن 17

معرفی 17

- نورون با خاصیت آشوبگونه : 18

- شکل شبکه: 19

-قانون آموزش شبکه: 21

- مدلسازی ژنراتور سنکرون دریایی 24

5-1  روش مدلسازی دینامیک 24

شکل 4. سیستم شناسایی ژنراتور سنکرون دریایی به وسیله شبکه عصبی 26

شکل 5. توان گشتاور ورودی و فرکانس خروجی ژنراتور 27

نتایج مدلسازی 27

شکل 6. جریان تحریک ورودی و ولتاژ خروجی پایانه 28

شکل8. فرکانس خروجی ژنراتور، شبکه و خطای بین آن ها 29

نتیجه فصل 29

شکل 9. ولتاژخروجی ژنراتور، شبکه و خطای بین آن ها 29

 

فصل سوم :  آنالیز رفتار آشوبگونه مدل شبکه عصبی مکانیسم لرزش عضله 30

۱) معرفی 30

- منحنی طول - کشش 31

- شبکه های عصبی 32

ساختار برگشتی 32

شکل ۲. شبکه برگشتی. 33

مقایسه با مدل های دیگر 33

نتایج تجربی 33

نمودار دوشاخه شدن 33

شکل ۳. نمودار دو شاخه شدن. 34

شکل ۵. نمودار دو شاخه شدن ۱&#۹۴۵; نسبت ۲&#۹۴۵; 35

تغییرات طیف 35

شکل ۶. حساسیت به شرط اولیه.(a : ۰.۲ نسبت به ۰.۲۰۰۱( 36

- نتیجه فصل 37

 

فصل چهارم:   هماهنگ سازی نمایی شبکه های عصبی آشوبگونه با اغتشاش تصادفی 38

1- معرفی 38

2- نمادها و مقدمات 39

3- نتایج مهم 44

اثبات تئوری 1 : 47

شکل 5. نرخ هماهنگ سازی نمایی سیستم با خطای دینامیک. 56

شکل 6. دینامیک های سنکرون نشده در فضای حالت. 56

 

فصل پنجم : شناسایی شبکه های آشوبگونه آغشته به نویز بر مبنای شبکه های عصبی feedforward رگولاریزاسیون 57

2-  شبکه های feedforward رگولاریزاسیون 58

3-  طراحی شبیه سازی 60

3-1 سیستم آشوبگونه مورد بررسی 60

3-2  تولید دیتا 60

3-3  روش های ارزیابی شبکه آموزش یافته 61

4- شبیه سازی ها 62

شکل 3. منحنی رگولاریزاسیون (α = 0.5) 64

شکل4. جذب کننده شبکه آموزش یافته (α = 0.5) 64

6-  نتیجه 64

 

فصل ششم : شبکه های عصبی و الگوریتم های ژنتیک در تجارت 64

فناوری شبکه عصبی 67

فناوری الگوریتم ژنتیک 71

مروری بر کاربردهای تجاری 71

بازاریابی 72

بانکداری و حوزه های مالی 73

سایر حوزه های تجاری 74

مزایای استفاده از این فناوریهای هوش مصنوعی 75

نتایج 76

منابع 77

 

 

 

زبانهای نمایشی و معرفی مدلهای آن وقتی میخواهیم یک کاری توسط کامپیوتری حل شود، اولین سوالی که مطرح میشود اینست که چگونه مسئله را باید به ترمهای محاسباتی نشان بدهیم در یادگیری ماشین این بدان معناست که چگونه مفاهیم، مثالهای آموزشی و دانش اولیه را نمایش دهیم

دسته بندی	هوش مصنوعی
فرمت فایل	doc
حجم فایل	249 کیلو بایت
تعداد صفحات فایل	52

دانلود مقاله کارشناسی ارشد رشته هوش مصنوعی

زبانهای نمایشی و معرفی مدلهای آن

 

 

مقدمه:

وقتی میخواهیم یک کاری توسط کامپیوتری حل شود، اولین سوالی که مطرح میشود اینست که چگونه مسئله را باید به ترمهای محاسباتی نشان بدهیم . در یادگیری ماشین این بدان معناست که چگونه مفاهیم، مثالهای آموزشی و دانش اولیه را نمایش دهیم . برای تشریح مفاهیم و نمونه ها از زبانهای نمایشی (Representational Languages) استفاده میکنیم . از نظر قدرت بیان و پیچیدگی میتوان زبانها را طبقه بندی کرد و در یک ترتیب صعودی داریم : Zero-order Logic ، Attribute-value Logic ، Horn Clauses و Second-order Logic . در ادامه به معرفی کوتاهی از این چهار مدل زبان تشریحی میپردازم ولی اساس کار در این مقاله استفاده از Attribute-value Logic میباشد .

 

 

 

کلمات کلیدی:

یادگیری ماشین

زبانهای نمایشی

مدلهای زبانهای نمایشی

 

 

 

داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها دانلود مقاله داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها

دسته بندی	هوش مصنوعی
فرمت فایل	doc
حجم فایل	257 کیلو بایت
تعداد صفحات فایل	35

دانلود مقاله کارشناسی ارشد رشته هوش مصنوعی

داده کاوی،مدل سازی داده ها و مراحل فرایند کشف دانش از پایگاه داده ها

 

*ضمیمه کردن پاورپوینت در قالب 30 اسلاید و بصورت رایگان:)

 

مقدمه 

امروزه با گسترش سیستم های پایگاهی و حجم بالای داده ها ی ذخیره شده در این سیستم ها ، نیاز به ابزاری است تا بتوان داده های ذخیره شده پردازش کرد و اطلاعات حاصل از این پردازش را در اختیار کاربران قرار داد . با استفاده ار پرسش های ساده در SQL و ابزارهای گوناگون گزارش گیری معمولی ، می توان اطلاعاتی را در اختیار کاربران قرار داد تا بتوانند به نتیجه گیری در مورد داده ها و روابط منطقی میان آنها بپردازند اما وقتی که حجم داده ها بالا باشد ، کاربران هر چند زبر دست و با تجربه باشند نمی توانند الگوهای مفید را در میان حجم انبوه داده ها تشخیص دهند و یا اگر قادر به این کار هم با شند ، هزینه عملیات از نظر نیروی انسانی و مادی بسیار بالا است .

 

از سوی دیگر کاربران معمولا فرضیه ای را مطرح می کنند و سپس بر اساس گزارشات مشاهده شده به اثبات یا رد فرضیه می پردازند ، در حالی که امروزه نیاز به روشهایی است که اصطلاحا به کشف دانش  بپردازند یعنی با کمترین دخالت کاربر و به صورت خودکار الگوها و رابطه های منطقی را بیان نمایند .داده کاوی  یکی از مهمترین این روشها است که به وسیله آن الگوهای مفید در داده ها با حداقل دخالت کاربران شناخته می شوند و اطلاعاتی را در اختیار کاربران و تحلیل گران قرار می دهند تا براساس آنها تصمیمات مهم و حیاتی در سازمانها اتخاذ شوند .

در داده کاوی از بخشی از علم آمار به نام تحلیل اکتشافی داده ها  استفاده می شود که در آن بر کشف اطلاعات نهفته و ناشناخته از درون حجم انبوه داده ها تاکید می شود .

 

 علاوه بر این داده کاوی با هوش مصنوعی و یادگیری ماشین نیز ارتباط تنگاتنگی دارد ، بنابراین می توان گفت در داده کاوی تئوریهای پایگاه داده ها ، هوش مصنوعی ، یادگیری ماشین و علم آمار را در هم می آمیزند تا زمینه کاربردی فراهم شود .باید توجه داشت که اصطلاح داده کاوی زمانی به کار برده می شود که با حجم بزرگی از داده ها ، در حد مگا یا ترابایت ، مواجه باشیم . در تمامی منابع داده کاوی بر این مطلب تاکید شده است .هر چه حجم داده ها بیشتر و روابط میان آنها پیچیده تر باشد دسترسی به اطلاعات نهفته در میان داده ها مشکلتر می شود و نقش داده کاوی به عنوان یکی از روشهای کشف دانش ، روشن تر می گردد .

 

 

 

کلمات کلیدی:

داده کاوی

اکتشاف دانش

مدل سازی داده ها

فرایند کشف دانش از پایگاه داده ها

 

 

 

 

فهرست مطالب

مقدمه ای بر داده کاوی و اکتشاف دانش 1

مقدمه 3

مفاهیم پایه در داده کاوی 4

تعریف داده کاوی 4

تاریخچه داده کاوی 5

مراحل فرایند کشف دانش از پایگاه داده ها 7

مدلسازی پیشگویی کننده 10

تقطیع پایگاه داده ها 11

تحلیل پیوند 12

قابلیتهای DataMining: 14

Geographic 16

Data Mining 16

Data 16

Analysis 16

داده کاوی و OLAP: 16

داده کاوی , آمار و یادگیری ماشین 16

کاربردهای داده کاوی 17

داده کاوی موفق: 18

تحلیل ارتباطات: 18

سلسله مراتبی از انتخاب ها 21

- هدف کار 22

طبقه بندی 23

حدس بازگشتی 24

سری های زمانی 24

مدلها و الگوریتمهای داده کاوی 24

شبکه های عصبی 25

یک شبکه عصبی با یک لایه پنهان 26

درخت های انتخاب 26

استنتاج قانون 27

الگوریتمهای ژنتیک 27

فرآیند داده کاوی 28

مدلهای فرآیند 28

مدل فرآیند دو سویه 28

ساختن یک پایگاه داده داده کاوی 29

آماده سازی داده برای مدل سازی 31

ساختن مدل داده کاوی 31

تائید اعتبارساده 32

ارزیابی و تفسیر 32

تایید اعتبار مدل 32

ماتریسهای پیچیدگی 32

ایجاد معماری مدل و نتایج 33

منابع  و مراجع: 34

 

 

 

کاهش ابعاد و تشریح روشهای کاهش ابعاد داده تعداد متغیرهایی که برای هر مشاهده باید اندازه گیری شود ابعاد داده نامیده می شوددر این تحقیق کاهش ابعاد و روشهای کاهش ابعاد داده مورد بررسی قرار میگیرد

دسته بندی	هوش مصنوعی
فرمت فایل	doc
حجم فایل	393 کیلو بایت
تعداد صفحات فایل	58

دانلود پروژه مطالعاتی درس یادگیری ماشین

کاهش ابعاد و تشریح روشهای کاهش ابعاد داده

 

*ضمیمه شدن کد متلب کاهش ابعاد بصورت رایگان:)-

 

مقدمه

پیشرفتهای بوجود آمده در جمع آوری داده و قابلیتهای ذخیره سازی در طی دهه های اخیر باعث شده در بسیاری از علوم با حجم بزرگی از اطلاعات روبرو شویم. محققان در زمینه های مختلف مانند مهندسی، ستاره شناسی، زیست شناسی و اقتصاد هر روز با مشاهدات بیشتر و بیشتری روبرو می شوند. در مقایسه با بسترهای داده ای قدیمی و کوچکتر، بسترهای داده ای امروزی چالشهای جدیدی در تحلیل داده ها بوجود آورده اند. روشهای آماری سنتی به دو دلیل امروزه کارائی خود را از دست داده اند. علت اول افزایش تعداد مشاهدات (observations) است، و علت دوم که از اهمیت بالاتری برخوردار است افزایش تعداد متغیرهای مربوط به یک مشاهده می باشد.

 

تعداد متغیرهایی که برای هر مشاهده باید اندازه گیری شود ابعاد داده نامیده می شود. عبارت "متغیر" (variable) بیشتر در آمار استفاده می شود در حالی که در علوم کامپیوتر و یادگیری ماشین بیشتر از عبارات "ویژگی" (feature) و یا "صفت" (attribute) استفاده می گردد.بسترهای داده ای که دارای ابعاد زیادی هستند علیرغم فرصتهایی که به وجود می آورند، چالشهای محاسباتی زیادی را ایجاد می کنند. یکی از مشکلات داده های با ابعاد زیاد اینست که در بیشتر مواقع تمام ویژگیهای داده ها برای یافتن دانشی که در داده ها نهفته است مهم و حیاتی نیستند. به همین دلیل در بسیاری از زمینه ها کاهش ابعاد داده یکی از مباحث قابل توجه باقی مانده است.

 

در تهیه این گزارش کمتر به اثباتهای ریاضی پرداخته شده و بیشتر به مفاهیم و کاربرد روشها توجه شده است. در فصل دوم از این گزارش، به مطالعه ی روشهای مبتنی بر استخراج ویژگی پرداخته ایم. در تهیه ی مطالب این فصل سعی کرده ایم با ارائه ی مثالهای مناسب، خواننده را در درک بهتر مفاهیم مربوطه یاری رسانیم. در این فصل، چهار روش ارائه شده است که همگی از نوع خطی هستند.در فصل سوم روشهای مبتنی بر انتخاب ویژگی ارائه شده است. می توان گفت در این فصل یک مطالعه  اجمالی برروی تمامی روشهای انتخاب ویژگی انجام شده است. 

 

 

 

کلمات کلیدی:

کاهش ابعاد

یادگیری ماشین

روشهای کاهش ابعاد داده

 

 

 

 

 

فهرست مطالب

Dimensionality Reduction

1- مقدمه

2- روشهای مبتنی بر استخراج ویژگی

   2-1- Discrete Fourier Transform

   2-2- Discrete Wavelet Transform

   2-3- Principal Component Analysis

      2-3-1- مفاهیم مقدماتی مورد نیاز در PCA

      2-3-2- الگوریتم PCA

   2-4- Factor Analysis

3- روشهای مبتنی بر انتخاب ویژگی

   3-1- تعاریف

   3-2- روشهای مختلف انتخاب ویژگی

      3-2-1- توابع تولید کننده

      3-2-2- تابع ارزیابی

      3-2-3- دسته بندی و تشریح الگوریتم های مختلف انتخاب ویژگی

      3-2-4- جمع بندی روشهای انتخاب ویژگی

4- فهرست منابع و مراجع

 

 

 

 

 

خودروی برقی و طراحی یک سیستم گیربکس برای پیکان برقی در این پروژه به بررسی خودروی برقی و طراحی یک سیستم گیربکس برای پیکان برقی می پردازیم

دسته بندی	مکانیک
فرمت فایل	doc
حجم فایل	2164 کیلو بایت
تعداد صفحات فایل	60

دانلود پایان نامه رشته مکانیک

خودروی برقی و طراحی یک سیستم گیربکس برای پیکان برقی

 

چکیده :

خودرو برقی به خودروی گفته می‌شود که از باتری جهت نیروی محرکه به‌جای موتور درون‌سوز استفاده می‌کند.اولین خودروهای برقی در قرن نوزدهم ظاهر شدند. تولید اینگونه خودروها با تولید انبوه اتومبیل احتراقی دچار افت شدید گردید. در دهه‌های ۱۹۷۰ و ۱۹۸۰ میلادی با وقوع بحران انرژی مجدداً خودروی برقی مورد توجه قرار گرفت ولی این علاقمندی سبب تولید انبوه و ایجاد بازار رقابتی نشد. از سال ۲۰۰۸ میلادی با توجه به پیشرفت فن‌آوری باتری‌ها، مدیریت شبکه برق، نگرانی‌ها در خصوص قیمت نفت و نیاز به کاهش گازهای گلخانه‌ای تحول اساسی در تولید خودروهای برقی صورت گرفته‌است.

 

از مزایای خودروی برقی نسبت به خودروی احتراقی می‌توان به کاهش قابل ملاحظه آلودگی هوای محلی،[۱] کاهش گازهای گلخانه‌ای و کاهش وابستگی به نفت اشاره کرد.[۲] برخی از کشورها و دولت‌های مربوطه به منظور ترویج و گسترش بازار خودروهای برقی ازانگیزاننده‌های دولتی برای خودروهای برقی استفاده می‌کنند. سالهای ابتدایی ساخت خودروهای برقی به سال 1900 میلادی بر می گردد که در آن زمان از یک طرف به علت مشکلاتی که موتورهای الکتریکی دارا بودند و از طرف دیگر اکتشاف جدید نفت و تولید فراوان آن در پیشرفت چشمگیر موتورهای احتراق داخلی ساخت این خودروها مورد توجه قرار نمی گرفت . ولی با به وجود آمدن جنگهای جهانی و کشمکش های بر سرنفت باعث شد این ماده ارزش بیشتری پیدا کند و توجه ها بیشتر به خودروهای برقی جذب شود و این بود که از سال 1990 میلادی تولید خودروهای برقی به طور جدی تری مورد توجه قرار گرفت . 

 

در خودروهای برقی سیستم تأمین قدرت شامل یک موتور الکتریکی ، کنترلر ، باتریها و شارژر آن می باشد مجموعه محرک برقی خودروی برقی وظیفه دارد جریان مستقیم تولید شده توسط باتری را به انرژی مکانیکی تبدیل نماید که منظور از مجموعه محرک کلیه قطعاتی است که جریان مستقیم باتری ها را به نیروی کششی و گشتاور لازم برای حرکت چرخها تبدیل می کنند از مهمترین ویژگیهای خودروی برقی برد و قدرت حرکت (‌شتاب ، سرعت ، شیب روی ، و بارگیری و انعطاف پذیری) و مدت شارژ و قیمت بالای باتریها در اغلب خودروهای برقی موجود مجموعه محرک است .

 

 

 

کلمات کلیدی:

خودروی برقی

سیستم انتقال قدرت

نحوه تامین انرژی و عملکرد خودروی برقی 

طراحی یک سیستم گیربکس برای پیکان برقی

 

 

 

فهرست مطالب

نحوه تامین انرژی و عملکرد خودروی برقی 

مقدمه 2 

فصل اول: خصوصیات خودرو برقی 

1-1 تعریف خودرو برقی 3 

1-2 تاریخچه تولید خودرو برقی 4 

1-3 انواع موتورهای الکتریکی و مقایسه آن 6 

1-3-1 موتورهای الکتریکی جریان مستقیم 7

1-3-2 موتورهای الکتریکی جریان متناوب 8 

1-4 باتری های قابل استفاده در خودروی برقی 10 

1-5 سیستم های تولید و انتقال نیروبرای خودرو های الکتریکی تولید انبوه 15

1-5-1 خودرو برقی با موتورجریان مستقیم dc 17

1-5-2 خودروی برقی با موتورجریان متناوب ac 19

1-5-3 خودروهای دو منظوره 21 

1-6 مشکلات تحقیقاتی و نتیجه گیری 24 

 

فصل دوم: گیربکس و محاسبه توان مورد نیاز در خودروی برقی

2-1 تأثیر وزن در خودروی برقی 25 

2-1-1 تأثیر وزن بر شتاب 26 

2-1-2 تأثیر وزن در شیب ها 26 

2-1-3 تأثیر وزن بر سرعت 27 

2-1-4 تأثیر وزن بر مسافت طی شده 27 

2-1-5 توزیع وزن 27 

2-2 نیروی مقاومت هوا 28 

2-3رانندگی در جاده 31 

2-3-1 توجه به تایر های خودرو 32

2-3-2 محاسبه نیروی مقاومت غلتشی یک خودرو 34

2-4 تجهیزات انتقال قدرت 34 

2-4-1 سیستم های انتقال قدرت 35 

2-4-2 تفاوت مشخصات موتور الکتریکی وموتور  احتراقی 36 

2-4-3 بررسی دنده ها 39 

2-4-4 جعبه دنده اتوماتیک و دستی 40 

2-4-5 سیستم های انتقال قدرت و سیال های سبک یا سنگین برای روان کاری 40 

2-5 مشخصات خودروهای برقی 42 

2-5-1 توان و گشتاور 43 

2-5-2 محاسبه گشتاور لازم خودرو 46 

2-5-3 محاسبه گشتاور خروجی موتور 46 

2-5-4 مقایسه منحنی های گشتاور لازم وگشتاورخروجی موتور 47 

 

فصل سوم: طراحی گیربکس پیکان برقی تبدیلی 

3-1مشخصات کلی خودروی درون شهری پیکان برقی 49 

3-1-1 شتابگیری مناسب 49 

3-1-2 سرعت میانگین پیشینه 49 

3-1-3 تأثیر شیب 50 

3-1-4 برد 50 

3-2 محاسبه توان مورد نیاز خودرو 50 

3-2-1 محاسبه نیروی شتابگیری 51 

3-2-2 نیروی حرکت در شیب 53 

3-2-3 نیروی مقاومت غلتشی 53 

3-2-4 نیروی مقاومت هوا 53 

3-2-5 نیروی مقاومت وزش باد 54 

3-2-6 رسم منحنی گشتاور و توان 54 

3-3 طراحی قطعات مورد نیاز سیستم انتقال قدرت 55 

3-3-1 فلایول 55 

3-3-2 بوش نگهدارنده فلایول 56 

3-3-3 محاسبه فلنج پوسته 57 

3-3-4 طراحی شاسی زیر موتور 58

منابع 60 

 

 

 

 

 

طراحی خودروی خورشیدی و تحلیل آیرودینامیکی و مکانیکی آن در این پروژه به بررسی و طراحی خودروی خورشیدی و تحلیل آیرودینامیکی و مکانیکی آن می پردازیم

دسته بندی	مکانیک
فرمت فایل	doc
حجم فایل	1699 کیلو بایت
تعداد صفحات فایل	58

دانلود پایان نامه مهندسی مکانیک

طراحی خودروی خورشیدی و تحلیل آیرودینامیکی و مکانیکی آن

 

مقدمه

ماشینهای خورشیدی به طور کمی انرژی را توسط سلولهای خورشیدی گرفته و به موتور انتقال داده و سپس از موتور به چرخها منتقل می گردد سلولهای خورشیدی به کار رفته اغلب سیلیکونی تک کریستال می باشند از طرفی باید بدنه طوری طراحی شود که ضریب درگ در حدود 000012 گردد قیمت یک نمونه ماشین خورشیدی حدود 220000 دلار به دست می آید و این ماشینها برای شرکت در مسابقات طراحی می گردند.

 

- شارژ باتری در زمانی که مسابقات وجود ندارد مجاز است .

- 10 دقیقه وقت اضافی در پایان هر روز برای پیدا کردن یک مکان مناسب اختصاص داده می شود.

- زمان جریمه ای برای شکستن قانون اضافه می شود .

 

قانون سوم : باتریها 

1987 هیچ محدودیتی نداشت .

1993-1990 محدودیتی تا حد 5 کیلووات ساعت وجود داشت 

1999-1996 با توجه به تکنولوژی محدودیت وزن وجود دارد.

قانون چهارم : سنگینی راننده باید تا 80 کیلوگرم باشد.

 

قانون پنجم : کلاس دو سرنشین 

- همراه راننده هم باید تا 80 کیلوگرم وزن داشته باشد.

- سلولهای خورشیدی می تواند در کل ماشین با سطح 12 متر مربع پوشانده شود.

- در ماشینهای خورشیدی اتلاف انرژی وجود دارد که مربوط به همه قسمتها می باشد.

- پانلهای خورشیدی %90-78  

- قستهای الکترونیکی %10-2 

- موتور %15-3

 

پایه گذاری شد در دهه پنجاه اولین سلول خورشیدی با بازده %6 تولید شد در سال 1958 سلولهای خورشیدی در ماهواره Vangaurd مورد استفاده قرار گرفت.ماشینهای خورشیدی اغلب برای مسابقات خورشیدی طراحی می شوند بنابراین باید از قوانین مسابقات تبعیت نمایند شباتهایی که ماشینهای خورشیدی با نوع احتراق داخلی دارند در بدنه ، چرخها ، تایرها ، سیستم انتقال قدرت ، تعلیق و رانش و جای راننده است و تفاوتهای آن در نحوه تأمین انرژی یعنی خورشیدی به جای سوختهای فسیلی، باتری برای ذخیره سازی انرژی و بازده انرژی بسیار مهم است.

 

 

 

کلمات کلیدی:

خودروی خورشیدی

طراحی خودروی خورشیدی

تحلیل مکانیکی خودروی خورشیدی

تحلیل آیرودینامیکی خودروی خورشیدی

نحوه تامین انرژی و عملکرد خودروی خورشیدی

 

 

 

 

فهرست مطالب

نحوه تامین انرژی و عملکرد خودروی خورشیدی 

مقدمه                                                                                        

فصل اول : سلولهای خورشیدی 

- توضیحات کلی

- بازدهی سلول

- انواع سلولهای سیلیکونی

- فناوریهای تولید

--  Screen  printed

- مکانیزم کارکرد سلولهای خورشیدی

-- نحوه کارکردن سلولهای خورشیدی(فتوولتاییکpv)

-- سیلیکون در سلولهای خورشیدی

--هنگامی که نور به سلولهای خورشیدی برخورد می کند

 

فصل دوم: طراحی بدنه و شاسی خودروی خورشیدی

- مقدمه

- بارهای وارده به شاسی

-- بارهای استاتیکی

-- بارهای دینامیکی(مربوط به سیستم تعلیق)

-- نیاز مندیها

-- انواع شاسیها

-- فرم فضایی

-- مواد به کار رفته در شاسیها

-- مونوکوکهای کامپوزیتی

-- جای راننده

 

فصل سوم: ناحیه خورشیدی 

- مقدمه

- بررسی عوامل گوناگون

-- خنک نگهداشتن ناحیه

-- چیدن سلولها

-- اتصال داخلی سلولها

-- پوششها

- حفاظ سلولها

-- فناوریها

- تکسچرد کردن و ضد انعکاس کردن پوشش AR

- طراحی ناحیه سلولهای خورشیدی و زیر ساخت آن برای یک مدل کوچکتر

-- وضعیت الکتریکی ناحیه پانل خورشیدی

-- نکات استنتاجی

- نتایج بدست آمده برای یک نمونه ناحیه خورشیدی

-- مشخصات ناحیه

 

فصل چهارم: تحلیل آیرودینامیکی 

- مقدمه

- طراحی پیکره اصلی

-- قوانین مسابقه

- نحوه طراحی با توجه به قوانین مسابقه

- نحوه طراحی برای دراگ پایین

- نحوه طراحی برای یک پایداری مناسب

- نیازهای اضافی توان خورشیدی

- نحوه طراحی ناحیه خورشیدی

- ساختن شکل اصلی به صورت تجربی

- تحلیل طراحی

- خواندن نقشه ها برای CFD

- نتایج CFD

- طراحی دوباره براساس CFD

- نتایج CFD از تحلیل دوم

- نتایج بدست آمده در مورد شکل و ترکیب بدنه

 

فصل پنجم : سیستم های مکانیکی 

- مقدمه

- سیستم رانش

-- بررسی عملکرد سیستم رانش

-- انواع مکانیزمها

-- انواع سیستمهای انتقال قدرت

- سیستم تعلیق

-- معایب

-- مزایا

-- رفتارهای دلخواه از تعلیق

-- اجزا

-- انواع سیستم تعلیق

- ترمزها

-- انواع ترمزها

-- مشکلات

-- توضیح

- چرخ ها و تایرها

-- انواع چرخها

-- تایرها

-- تأثیر عوامل مختلف بر مقاومت غلتش تایرها

 

فصل ششم : موتور 

- انواع موتور

-- القاییAC

-- مقاومت متغیر

-- DC جارو بک شده

-- DC بدون جاروبک

-- موتورهای چرخ

غزال ایرانی

چکیده غیر فارسی

منابع