در این پروژه، ورودی ها و خروجی های یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکه های عصبی مصنوعی از نوع پرسپترون های چندلایه برای این منظور مناسب است. در کنار این نوع از مدل سازی، استفاده از یک شیوه مناسب برای کنترل پیشگویانه (پیش بینانه)ی مدل یاد شده، ضروری است.
مدل های برگشتی تصحیح شونده که از قوانین تعدیل ماتریس های وزنی مسیرهای ارتباطی بین نرون های مدل استفاده می کنند، در این پروژه به کار گرفته شده اند.
این قوانین برای آموزش سیستم، جهت کنترل و دستیابی به خروجی مطلوب در زمان های بعدی به کار می روند. فراگیری در این سیستم نیز از نوع فراگیری با سرپرست می باشد؛ به این صورت که معادله دیفرانسیل دینامیکیِ سیستم در دسترس است و بنابراین مقادیر مطلوب برای متغیر هدف، که سیستم باید به آن برسد، برای زمان های آینده مشخص می باشد و خروجی سیستم با استفاده از یک کنترل کننده پیش بین، همواره باید به این اهداف دست یابد. سیستم مورد مطالعه در این پروژه، یک رآکتور شیمیایی است که برای اختلاط پیوسته مواد شیمیایی واکنش دهنده با غلظت ها و مقادیر تعریف شده و تولید یک ماده محصول با یک غلظت متغیر با زمان به کار می رود؛ که میزان مطلوب این غلظت در یک زمان خاص، به عنوان هدف مطلوبی است که سیستم باید به آن دست یابد.
همچنین به جای یک سیستم واقعی، از یک مدل نرم افزاری برای جمع آوری داده های ورودی و خروجی استفاده می شود و در نهایت، نتایج این مدل سازی موفقیت آمیز، توانایی روش های مدل سازی هوشمند را همان گونه که در این تحقیق آمده است، اثبات می کند.
در این پروژه، ورودی ها و خروجی های یک سیستم چند ورودی و چند خروجی غیر خطی، برای ایجاد یک مدل دینامیکیِ هوشمند، استفاده شده است. بنابراین انتخاب شبکه های عصبی مصنوعی از نوع پرسپترون های چندلایه برای این منظور مناسب است. در کنار این نوع از مدل سازی، استفاده از یک شیوه مناسب برای کنترل پیشگویانه (پیش بینانه)ی مدل یاد شده، ضروری است.
مدل های برگشتی تصحیح شونده که از قوانین تعدیل ماتریس های وزنی مسیرهای ارتباطی بین نرون های مدل استفاده می کنند، در این پروژه به کار گرفته شده اند.
امروزه یکی از مهمترین ویژگی های هر سیستم نرم افزاری، کیفیت می باشد. با پیشرفت های انجام شده و گسترش ابزار های گوناگون برای توسعه نرم افزار، توسعه نرم افزار هایی که کارکرد های مورد نظر مشتریان را برآورده سازند، امری آسان و سریع گشته است. در حال حاضر، تفاوت بین دو نرم افزار را توانایی نرم افزار ها در برآورده ساختن ویژگی های کیفی مورد انتظار تعیین می کند.
معماری نرم افزارِ یک برنامه یا سیستم کامپیوتری، ساختار یا ساختارهایی از سیستم می باشد، که در برگیرنده اجزاء، صفات قابل مشاهده آن اجزا و ارتباط بین آنها باشد[Bass 03]. معماری نرم افزار شامل اولین تصمیمات طراحی سیستم می باشد و این تصمیمات زیربنای فعالیت های طراحی، پیاده سازی، استقرار و نگهداری سیستم می باشد. همچنین معماری نرم افزار، اولین عنصر قابل ارزیابی در فرایند توسعه نرم افزار می باشد[Bass 03]. بنابراین برای طراحی سیستمی که نیاز های کیفی مورد نظر را برآورده سازد، تولید معماری نرم افزار اولین گام در دستیابی به کیفیت در نرم افزار و همچنین ارزیابی ویژگی های کیفی است.
در مدلهای فرایند توسعه نرم افزار مبتنی بر معماری معمولاً ابتدا نیازهای کیفی سیستم تعیین شده و سپس معماری نرم افزار مربوطه طراحی می گردد. پس از طراحی معماری، می توان به ارزیابی آن پرداخت و تغییرات لازم را در طراحی مورد نظر ایجاد داد. بنابراین دو بخش اساسی در مدلهای فرایند توسعه نرم افزار مبتنی بر معماری، بخشهای طراحی و ارزیابی معماری نرم افزار می باشند. این دو بخش در ارتباط مستقیم با یکدیگر می باشند و هر یک مکمل دیگری می باشد. بنابراین فرایند طراحی معماری را می توان شامل ساخت معماری نرم افزار، ارزیابی آن و اصلاح معماری پیشنهادی دانست.
در این گزارش، هدف بررسی روشهای موجود در طراحی معماری نرم افزار بر اساس ویژگیهای کیفی مورد نظر مشتریان و بررسی نحوه خودکار سازی فرایند طراحی معماری با ارائه ابزارهایی برای این منظور می باشد. ادامه مطالب گزارش به این صورت طبقه بندی شده اند. در بخش 2 توضیح مختصری در ارتباط با معماری نرم افزار و مفاهیم مرتبط با آن ارائه می شود. این مفاهیم در ادامه مطالب گزارش به کار گرفته خواهند شد. در بخش 3 طراحی معماری نرم افزار، ویژگیهای یک طراحی خوب و عوامل تاثیرگذار در طراحی معماری مورد بررسی قرار خواهند گرفت. در بخش 4 روشهای طراحی معماری نرم افزار مورد بررسی قرار خواهند گرفت. در بخش 5 خلاصه و نتیجه گیری ارائه خواهد شد. در بخش 6 مراجع مورد استفاده در این گزارش معرفی می گردد.
سارا، دانشجوی سال سوم دانشکده در دو رشته علوم کامپیوتر و ریاضی بود. او به ویژه در مورد مردان هم سن سال خود نیز کمی خجالتی بود. اگرچه او می خواست قرارملاقات های بیشتری داشته باشد، او بسیار در مورد شخصیتی که خودش می بایست از دید مردان به نظر بیاید، نکته بین بود.او به این فکر می کرد که روش قرار گذاشتن به صورت اینترنتی به عنوان روش موثری برای پیدا کردن فرد مورد نظر خود برای داشتن رابطه باشد. او در یک سرویس خدمات قرارهای عشقی ثبت نام کرد و متوجه شده که اولین قدم پر کردن یک پرسشنامه شخصی طولانی می باشد. او به پرسش های زیادی در مورد علایق و موارد غیر از آن، عادات، خصوصیات و آنچه که دیگران نسبت به او فکر می کنند جواب داد. او همچنین به پرسش هایی همچون نوع اتومبیلی که دارد، سبک رانندگی اش پاسخ داد. بعد از این کار، سایت پروفایل شخص مردانی را که، بر اساس ادعای سایت برای او مناسب به نظر می رسیدند، نشان داد.
کی از آن ها برای او جالب به نظر رسید، بنابراین او چندین ساعت با آن شخص به صورت چت آنلاین گذراند. سارا تصمیم گرفت تا چندین بار به او تلفن بزند. آن ها مشترکات زیادی داشتند و سارا گفتگو با این شخص را بسیار راحت می دید. سارا و آن شخص از گفتگو راضی بودند. بنابراین آن ها تصمیم گرفتند تا گام بعدی را برداشته و به صورت رودرو برای شام بنشینند. زمانی که آن ها برای قرار ملاقات توافق نمودند، سارا وقتی فهمید که آن ها در مجتمع آپارتمانی یکسانی زندگی می کنند و اینکه ان ها چندین بار قبلا یکدیگر را دیده اند ولی هرگز با یکدیگر صحبت نداشته اند، شگفت زده شد. اما این به صورت قرار اینترنتی بود، که از برنامه ای استفاده می شود که افراد را بر طبق به شخصیت شان با یکدیگر آشنا می کند تا یکدیگر را پیدا کنند.
شبکه های سنسوری بین خودرویی را می توان یک جریان شبکه ای جدید و نوظهور دانست، که برای اپلیکیشن های متعددی در محیط های خودرویی مطلوب بوده و در آن می توان از سنسور های خودرویی به عنوان منابع داده ای و سیستم های ارتباطی بین خودرویی برای انتقالات استفاده کرد. در این مقاله قصد داریم راه حلی را برای جمع آوری داده ها از یک موقعیت جغرافیایی خاص ارائه دهیم که مبتنی بر شبکه های سنسوری خودرویی می باشد. متد پیشنهادی ما، بازه زمانی ای را که در طول آن می توان پروسه جمع آوری داده ها را ادامه داد ترفیع و بهبود داده و استراتژی های ارسال بسته های داده ای به سمت جلو از طریق هاپ های چند گانه را، مشابه با پروتکل های مسیر یابی محدود به تأخیر، تغییر می دهد. شبیه سازی ها نشان می دهند که راه حل پیشنهادی ما، از نظر کارائی در جمع آوری داده ها، نسبت به سایر راه حل ها بهتر عمل کرده است.
محدود به تأخیر، جمع آوری داده ها، شبکه های سنسوری خودرویی
پژوهش ها و فعالیت های مرتبط با محاورات داده ای خودرویی، در طی سالیان اخیر در حوزه صنعت خودرو و جامعه پژوهشی با شتاب بیشتری در حال حرکت بوده است. در چند سال اخیر، خودروها قادر بوده اند با استفاده از نقاط دسترسی در کنار جاده ها با سایر خودرو ها به محاوره و مبادله داده ها بپردازند. ارتباطات خودرویی، باعث فراهم شده سرویس های ایمنی و مفیدی برای رانندگان و مسافرین شده است. تکنولوژی ها و استاندارد هایی که این مسیر را نیز تسهیل ساخته اند، به زودی به ابزارهایی واقعی و ضروری مبدل گشتند: تا زمان نوشتن این مقاله، تکنولوژی رادیویی IEEE 802.11p که برای ارتباطات خودرویی طراحی گردیده است، اخیرا مورد پذیرش قرار گرفته است[1].
سیستم های ارتباطی بین خودرویی(IVC)، مبتنی بر ارتباطات مستقیم بین خودروها می باشند و از این رو باعث بروز شبکه های بین خودرویی (VANET) گردیده اند تا بتوانند پاسخگوی نیازهای کلاس عمده ای از اپلیکیشن های ارتباطی مانند اپلیکیشن های مرتبط با امنیت خودرو و جاده، مدیریت ترافیک، سرگرمی[4]، جمع آوری و انتشار داده ها[5] و غیره باشند.
این مقاله استراتژی های مدیریت توان حقیقی و راکتیو واحد های تولید پراکنده واسط الکترونیکی (DG) در قالب سیستم شبکه کوچک DG چندگانه را بررسی می کند. مقدمتا تاکید بر روی واحد های DG واسط الکترونیکی است. کنترل DG و استراتژی های مدیریت توان بر مبنای سیگنال های اندازه گیری شده داخلی بدون خطوط مواصلاتی ارتباطات هستند. بر مبنای کنترل توان راکتیو، سه استراتژی مدیریت توان شناسایی و بررسی شده است. این استراتژی ها بر مبنای 1) مشخصات کاهش ولتاژ 2) تنظیم ولتاژ 3) جبران سازی توان راکتیو بار توان حقیقی هر واحد DG بر مبنای مشخصات کاهش فرکانس و استراتژی بازگرداندن فرکانس تعریف کنترل می شود.
همچنین رویکرد منظم برای توسعه مدل پویای سیگنال کوچک یک شبکه کوچک DG چندگانه، شامل استراتژی های مدیریت توان حقیقی و راکتیو ارائه شده است. ساختار ویژه شبکه کوچک بر مبنای مدل توسعه یافته، استفاده می شود برای: 1) بررسی رفتار پویای شبکه کوچک 2) انتخاب پارامترهای کنترل واحد های DG3) ترکیب کردن استراتژی های مدیریت توان در کنترل کننده های DG. همچنین مدل بمنظور بررسی حساسیت طراحی برای تغییرات پارامترها و نقاط کار و برای بهبود کارایی سیستم شبکه کوچک استفاده می شود. نتایج برای مطرح کردن کاربرد های پیشنهادی استراتژی های مدیریت توان تحت شرایط کار متنوع شبکه کوچک استفاده می شوند.
گسترش واحدهای منابع توزیع (DR) به شکل تولید پراکنده (DG)، ذخیره سازی پراکنده (DS)، یا ترکیبی از واحد های DG یا DS از مفهوم شبکه کوچک گرفته شده است [1]-[3]. یک شبکه کوچک به عنوان گروهی از واحد های DR و بار های انجام شده توسط سیستم توزیع، تعریف می شود و می تواند به این صورت عمل کند: 1) حالت متصل به شبکه 2) حالت ایزوله شده (مستقل) 3) مسلط شدن بین دو وضعیت. ایده پشتیبانی آرایش شبکه کوچک الگویی است شامل چندین ژنراتور و بار های متراکم که به اندازه کافی قابل اطمینان و از نظر اقتصادی به عنوان سیستم الکتریکی کاربردی با دوام هستند.