دانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892120110421Using Mixture Structures of Neural Networks in Order to Detect Cardiac Arrhythmias Using Fusion of Temporal and Wavelet Featuresبهکارگیری ساختارهای ترکیبی از شبکههای عصبی بهمنظور تشخیص آریتمیهای قلبی با استفاده از ادغام ویژگیهای موجک و زمانی11615306FAامیدمخلصی- کارشناسی ارشد برق الکترونیک، دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند- بیرجند- ایرانناصرمهرشاد- استادیار گروه برق الکترونیک، دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند- بیرجند- ایرانسید محمدرضوی- استادیار گروه برق الکترونیک، دانشکده مهندسی برق و کامپیوتر- دانشگاه بیرجند- بیرجند- ایرانJournal Article20160614In recent years the use of intelligent systems in science and engineering, especially in the diagnosis of disease, is increasingly growing. In this paper a smart way to diagnose heart disease (cardiac arrhythmias) is presented. This method is based on a combination of structures using neural networks for classification of normal operation and four abnormal heart functions. In the combination of these structures, some neural networks as a mediator, and some of them have been used as a specialist. In the proposed method firstly for removing noise from ECG signal, preprocessing was performed. The various time features (including fifteen properties) and wavelet features (includes fifteen feature) are extracted from the noise free signal and given the large number of selected features, principal components analysis is used for feature reduction to eight features. The proposed structures of MLP neural networks and RBF neural networks are appropriately trained for classification of arrhythmias and their performance has been evaluated. The results of the implementation of the proposed method on MIT / BIH database show the better performance in the diagnosis of cardiac arrhythmias compared to previous approaches. <br /> : در سالیان اخیر، استفاده از سیستمهای هوشمند در علوم مهندسی و بهویژه در تشخیص بیمارهای مختلف بهطور فزایندهای رو به افزایش است. در این مقاله نیز یک روش هوشمند ترکیبی برای تشخیص بیماریهای قلبی (آریتمیهای قلبی) ارائه شده است. اساس این روش بر استفاده از ساختارهای ترکیبی از شبکههای عصبی برای طبقهبندی کارکرد طبیعی و چهار کارکرد غیر طبیعی قلب است. در این ساختارهای ترکیبی، برخی از شبکههای عصبی بهعنوان میانجی و برخی از آنها بهعنوان متخصص استفاده شدهاند. در روش پیشنهادی، ابتدا پیشپردازش مناسب برای حذف نویز از سیگنال الکتروکاردیوگرافیانجام شده است. سپس، ویژگیهای مختلف زمانی (شامل پانزده ویژگی) و موجک (شامل پانزده ویژگی) از روی سیگنال عاری از نویز استخراج و با توجه به زیاد بودن تعداد ویژگیهای انتخاب شده، از روش تحلیل مولفههای اصلی برای ادغام این ویژگیها و کاهش ابعاد فضای ویژگی به هشت بعد استفاده شده است. در ادامه، ساختارهای ترکیبی پیشنهاد شده از شبکههای عصبی پرسپترون چندلایه و شبکههای عصبی پایهشعاعی برای طبقهبندی مناسب آریتمیها آموزش داده و کارایی آنها ارزیابی شده است. نتایج حاصل از پیادهسازی روی دادههای برچسب خورده پایگاه داده MIT/BIH ، کارآیی بهتر روش پیشنهادی در مقایسه با روشهای قبلی در تشخیص آریتمیهای قلبی را نشان میدهند.https://isee.ui.ac.ir/article_15306_79a654b7d5abbfd5223be7a8b99b8583.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892120110421CA Based Path Planning Method for Mobile Robots Enhanced by ant Colony Inspired Mechanisروش مبتنی بر اتوماتای سلولی برای طرح مسیر رباتهای متحرک بهبودیافته با مکانیزم برگرفته از اجتماع مورچگان172615307FAعادلاکبری مجداستادیار، گروه مهندسی برق و کامپیوتر- دانشکده فنی- دانشگاه محقق اردبیلی - اردبیل- ایراناکبرحسنزادهدانشکده مهندسی برق و الکترونیک- دانشگاه صنعتی شیراز- شیراز- ایرانJournal Article20160614In path planning of mobile robots dealing with concave obstacles is a major challenge. More specifically in real-time planning where there is no complete representation of the environment, this challenge would be much more problematic. In such cases local minimums and high computations cost are the most important problems. In this paper, in order to reduce computational cost, cellular automata as a distributed computational method with parallel processing properties is employed as tool for path planning purposes. The environment of the robot is modeled as a two dimensional cellular automata with four states. Evolutionary rules of the automata are proposed to perform the planning task. The proposed method is appropriate for single robot systems as well as multi robot systems. The proposed method is afterwards extended to be employed for concave obstacles using a ant colony inspired technique. The most superior advantage of the proposed method is its capability of real-time path planning of mobile robots with no need to prior representation of the environment.در طرح ریزی مسیر رباتهای متحرک وجود موانع مقعر چالشی اساسی به شمار میآید. به ویژه در طرح ریزی زمان-واقعی که بازنمایی کاملی از نقشه محیط در دست نیست، این چالش بیشتر جلوه میکند. در چنین شرایطی، وجود کمینههای محلی و هزینه محاسباتی زیاد مهمترین مشکلات پیش رو هستند. در این مقاله، به منظور کاهش هزینه محاسباتی، اتوماتای سلولی به عنوان یک روش محاسباتی توزیع شده با قابلیت پردازش موازی به عنوان ابزار طرحریزی مسیر به کار گرفته میشود. محیط ربات به صورت یک اتوماتای دو بعدی با چهار حالت مدل میشود و قواعد تکاملی اتوماتا برای انجام طرح ریزی مسیر ارائه میگردد. روش پیشنهادی برای سیستمهای تک رباتی و چند رباتی مناسب است. در ادامه، روش پیشنهاد شده با یک مکانیزم الهام گرفته از اجتـماع مورچـگان بهبود مییابد تا برای موانع مقعر هم قابل استفاده باشد. مزیت اصلی روش پیشنهاد شده در این مقاله، قابلیت انجام زمان- واقعی طرحریزی مسیر رباتهای متحرک در محیطهایی با موانع محدب و مقعر است، بدون آنکه نیازی به بازنمایی محیط باشد. https://isee.ui.ac.ir/article_15307_5feb9c81b7157ccc8c6a65f59a0672f5.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892120110421Generation Expansion Planning by a Modified SFL Algorithmبرنامهریزی توسعه تولید با استفاده از الگوریتم اصلاحشده SFL274415308FAمرتضیجدیدالاسلام زیدآبادیدانشجوی دکتری، دانشکده برق و کامپیوتر- دانشگاه صنعتی اصفهان- اصفهان- ایراناحسانبیجامیدانشجوی کارشناسی ارشد، دانشکده برق و کامپیوتر- دانشگاه صنعتی اصفهان - اصفهان- ایراناکبرابراهیمی- استادیار گروه قدرت، دانشکده برق و کامپیوتر- دانشگاه صنعتی اصفهان - اصفهان- ایرانJournal Article20160614In this paper, Generation Expansion Planning (GEP), is modeled as an optimization problem in which the objective function is to minimize the total investment, operation, and outage (energy not served) costs of power system as well as salvage value of investment costs. Generation system reliability is assessed and provided by means of EENS and LOLP indices. To solve the GEP problem, a new Modified Shuffled Frog Leaping namely MSFL algorithm is proposed. A new frog leaping rule and a new strategy for frog distribution into memeplexes is introduced to improve the local exploration and performance of the original SFL algorithm. To show the effectiveness of the MSFL algorithm, it is applied to a test system with 15 existing power plants and 5 types of new candidates, for a 12-years and a 24-years planning horizon. The original SFL algorithm and the Genetic Algorithm (GA) are also applied to solve the GEP problem. Simulation results show the advantages of the proposed MSFL algorithm over the original SFL and GA.در این مقاله، برنامهریزی توسعه تولید بهصورت یک مسأله بهینهسازی مدل شده است که در آن تابع هدف، کمینه کردن مجموع هزینههای سرمایهگذاری، بهرهبرداری، تعمیر و نگهداری، هزینه انرژی تأمین نشده و همچنین ارزش بازیافتی هزینههای سرمایهگذاری است. قابلیت اطمینان سیستم با استفاده از شاخصهای مقدار انتظاری انرژی تأمین نشده (EENS) و احتمال عدم تأمین بار (LOLP) برآورد و تأمین میشود. برای حل مسأله، اصلاح و بهکارگیری الگوریتم جهش قورباغههای بههم آمیخته بهنام MSFL پیشنهاد گردیده است. در این الگوریتم، بهمنظور بهبود الگوریتم SFL مرسوم، روش جدیدی برای توزیع راهحلها در ممپلکس و قانون جدیدی برای پرش راهحلهای بدتر به سمت راهحلهای بهتر پیشنهاد شده است. جهت ارزیابی روش پیشنهادی، برنامهریزی توسعه تولید در یک سیستم قدرت نمونه و برای افقهای برنامهریزی 12 ساله و نیز 24 ساله، که باعث افزایش ابعاد مسأله و نزدیک شدن به شرایط واقعی میگردد، انجام گرفته است. مسأله GEP، توسط الگوریتمهای SFL مرسوم و ژنتیک نیز حل و جوابهای بهدست آمده با MSFL پیشنهادی مقایسه شده است. مقایسه انجام شده نشان میدهد که عملکرد و کیفیت جواب بهدست آمده از الگوریتم MSFL پیشنهادی، در هر دو حالت بهتر از الگوریتم SFL مرسوم و GA است.https://isee.ui.ac.ir/article_15308_d9d2e2201a3accc8cfd508c0c8a98ae8.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892120110421A new niche technique for multimodal function optimization using Shuffled Frog leaping algorithmیک رهیافت جدید برای جایگاه یابی مسائل چند مدی با استفاده از الگوریتم بهبود یافته جهش قورباغه455615309FAایمانسیدیکارشناس ارشد مهندسی برق کنترل-دانشکده مهندسی -دانشگاه شهید باهنرکرمانمحمدبراتیکارشناس ارشد مهندسی برق کنترل-دانشکده مهندسی -دانشگاه شهید باهنرکرمانملیحهمغفوری فرسنگیدانشیار بخش مهندسی دانشگاه شهید باهنرکرمانحسیننظام آبادی پوردانشیار بخش مهندسی دانشگاه شهید باهنرکرمانJournal Article20160614The niche methods for search algorithms are important techniques in optimization. Most niche techniques need some extra tunable parameters to get a better performance. Achieving a good method for multimodal optimization by heuristic algorithms will be possible if and only if the population diversity is preserved. Shuffled Frog leaping (SFL) algorithm is a new heuristic algorithm that its ability is not proved for solving the multimodal problems. This paper proposes a niche method for SFL. Several benchmark problems are considered for testing the robustness and effectiveness of the proposed method over the results available in the literature. The results show that the proposed method performs well.: مسأله جایگاه یکی از روشهای مهم برای بهینه سازی مسایل چند مدی است. بیشتر روشهای موجود در مسأله جایگاه نیاز به تعیین دقیقی از پارامترهای جایگاه به منظور عملکرد بهتر دارد. مشکل اصلی الگوریتمهای ابتکاری در حل مسائل چند بعدی قدرت همگرایی آنها به یک جواب (عموماً بهینه فرا محلی) است. الگوریتم جهش قورباغه، از جمله الگوریتمهای ابتکاری است که در سالهای اخیر تا کنون نسخهای از آن برای حل مسائل چند مدی ارائه نشده است. در این مقاله نسخهای از این الگوریتم برای حل مسائل چند مدی با حفظ ساختارهای اساسی ارائه و با روشهای مطرح مقایسه شده است. نتایج آزمایشها روی توابع محک استاندارد توانایی الگوریتم پیشنهادی را تأیید میکند.https://isee.ui.ac.ir/article_15309_d0adad2a6bfdd67245c18daf09064e2c.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892120110421Coordination of the STATCOM and Power System Stabilizer Using Hybrid BF-NM Algorithmطراحی همزمان پایدارساز سیستم قدرت و پارامترهای کنترلکننده STATCOM با استفاده از الگوریتم ترکیبی BF-NM576815310FAمحمد جوادمرشدکارشناسی ارشد، دانشکده مهندسی برق- دانشگاه اصفهان- اصفهان- ایرانامینخدابخشیاندانشیار، دانشکده مهندسی برق، استادیار، دانشکده مهندسی برق - دانشگاه اصفهان - اصفهان- ایرانمحمدعطائیدانشیار، دانشکده مهندسی برق، استادیار، دانشکده مهندسی برق - دانشگاه اصفهان - اصفهان- ایرانمعینپرستگاریدانشجوی دکتری، دانشکده مهندسی برق- دانشگاه اصفهان - اصفهان- ایرانJournal Article20160614Recent developments of Facts devices increase the importance of their coordination with the power system controllers. With regard to nonlinearities of power system, changes in the operating points, reaction between power system and STATCOM, linear methods cannot be used to design parameters of stabilizers. Therefore, in this paper, a nonlinear model of power system is considered for the coordination design of PSS and STATCOM. A hybrid method which combines bacterial foraging (BF) algorithm with Nelder-Mead (NM) method (BF-NM) is employed to coordinately design the PSS and STATCOM controllers. By combining these two methods, the search power of the intelligent methods and the precision of conventional methods are simultaneously employed. To evaluate the performance of the proposed method, it is applied on a four machine power system. Simulation results confirm the efficiency of the proposed method for stabilizing power system oscillations. <br /> همگام با گسترش شبکههای قدرت و افزایش روز افزون استفاده از ادوات FACTS، فعل و انفعالات پیچیده و پیشبینی نشده در سیستم قدرت افزایش یافته است. با توجه به غیرخطی بودن سیستم قدرت، تغییرات نقطه کار و عکسالعمل میان سیستم قدرت و ادوات FACTS استفاده از روشهای خطی برای طراحی کنترلکنندهها مناسب نیست. در این راستا، مدل غیرخطی سیستم قدرت برای طراحی همزمان پایدارساز سیستم قدرت (PSS) و جبرانگر استاتیکی سنکرون (STATCOM) در نظر گرفته شده است. همچنین، در این مقاله طراحی همزمان پارامترهای STATCOM و PSS با استفاده از روش جدید و ترکیبی باکتریایی با قدرت جست و جوی مناسب و نلدر- مید با سرعت همگرایی بالا ارائه میگردد. مقایسه این روش با روشهای دیگر هوشمند در سیستم چهار ماشینه کندور، قابلیت برتر روش ارائه شده را نشان میدهد.<br /> https://isee.ui.ac.ir/article_15310_3788f19eb660798fb9eaa7f568cd841c.pdfدانشگاه اصفهانهوش محاسباتی در مهندسی برق2821-06892120110421Brushless PM Motor Optimization using Bees Algorithm and Finite Element Analysisطراحی بهینه موتور مغناطیس دائم بدون جاروبک با استفاده از الگوریتم زنبور و آنالیز اجزای محدود698015311FAرضاایلکادانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی نوشیروانی- بابل- ایرانسید اصغرغلامیانعضو هیئت علمی، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی نوشیروانی- بابل- ایرانسپیدهولی الهیدانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر- دانشگاه صنعتی نوشیروانی- بابل- ایرانJournal Article20160614Brushless permanent magnet motors play an important role in many applications. Power density and efficiency are two important factors in designing such motors. This paper proposes a novel approach to design a brushless permanent magnet motor based on optimization of a combination of power density and efficiency. First of all, this paper presents the equation related to the design and dimensions of brushless permanent magnet motor. Then, an optimum design based on bees algorithm (BA) with the purpose of increasing power density is presented. Finally, Simulation results of a 2-D finite element analysis have well validated the efficiency of the applied method. <br /> موتورهای مغناطیس دائم بدون جاروبک در بسیاری از کاربردها نقش اساسی ایفا میکنند. چگالی توان و بازده دو عامل مورد توجه در طراحی این موتورها هستند. در این مقاله رویکرد نوینی برای طراحی موتورهای مغناطیس دائم بدون جاروبک بر اساس ترکیبی از چگالی توان و بازده پیشنهاد شده است. این مقاله ابتدا به ارائه معادلات مربوط به طراحی و ابعاد موتور مغناطیس دائم بدون جاروبک می پردازد، سپس طراحی بهینه بر اساس الگوریتم زنبور (BA) با هدف افزایش چگالی توان و بازده ارائه می شود. در نهایت با استفاده از تحلیل اجزای محدود، کارایی روش پیشنهادی تأیید میگردد.https://isee.ui.ac.ir/article_15311_07ed19c67787808020d965e0e368536a.pdf