دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 4 2017 01 20 Design of an optimized Adaptive Neural Fuzzy controller for Constant Speed Wind Turbine طراحی کنترل‌کنندۀ فازی‌عصبی بهینه برای توربین بادی سرعت ثابت 1 12 21585 10.22108/isee.2017.21585 FA حمیدرضا ایزدفر - استادیار، دانشکده مهندسی برق - دانشگاه سمنان - سمنان - ایران رضا نیکزاد کارشناسی ارشد، دانشکده مهندسی برق - دانشگاه سمنان - سمنان - ایران Journal Article 2016 06 15 In this paper, an adaptive neural fuzzy controller witch optimized with genetic algorithm is introduced for performance improvement of a fixed speed wind turbine. This controller, at first, operates as a soft starter and limits the magnitude of inrush current.This object done by control of trigger angle of switches in the converter. The switching angle will be controlled by torque and speed.Then and in normal operation, with optimized control of turbine pitch angle, the fluctuations of active power and mechanical torque will be mollification. The shaft speed and error of active power are the decision variables for this purpose. In section of fuzzy logic the membership function of outputs define as the linear function of input's membership functions. In addition to proposed method, the controller set with fuzzy logic and ANFIS algorithms. The output parameters of wind turbine under all three methods, will be analyzed and compared.It is shown the proposed method has the better response. در این مقاله، یک کنترل‌کنندۀ فازی‌عصبی تطبیقی بهینه‌شده با الگوریتم ژنتیک برای بهبود عملکرد توربین بادی سرعتْ ثابت طراحی شده است. این کنترل‌کننده در ابتدا با راه‌اندازی نرم، کاهش دامنۀ جریان هجومی‌ و کاهش بیشینۀ گشتاور الکترومغناطیسی را در لحظه اتصال ژنراتور باعث می‌شود. همچنین پس از راه‌اندازی و در طی عملکرد معمول توربین، با کنترل بهینه زاویۀ پره توربین، باعث جذب حداکثر انرژی باد و کاهش نوسانات توان خواهد‌ شد. برای هر بخش کنترلی، متغیرهای ورودی مناسب با تابع هدف در نظر گرفته خواهند شد. توابع عضویت پارامترهای خروجی در بخش فازی کنترل، تابعی خطی از توابع عضویت ورودی‌ها انتخاب می‌شوند. برای کاهش جریان راه‌اندازی، زاویۀ آتش سوئیچ‌های مبدل و برای عملکرد معمول، زاویۀ پره توربین کنترل خواهند شد. علاوه بر روش پیشنهادی، کنترل مدّنظر با دو روش فازی و فازی‌عصبی تطبیقی بهینه‌نشده، انجام و هر سه روش با هم مقایسه خواهند شد. محدودسازی جریان راه‌اندازی و ملایم‌سازی نوسانات توان در عملکرد عادی توربین به خوبی با روش مذکور صورت می‌پذیرد.

https://isee.ui.ac.ir/article_21585_d7cf97615662ca4da2ce04120bf66e50.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 4 2017 01 20 Adaptive Neuro-Fuzzy Inference System with Self-Feedback and Imperialist Competitive Learning Algorithm for Chaotic Time Series Prediction سیستم استنتاج عصبی - فازی تطبیقی خودبازخورد آموزش‌یافته با الگوریتم رقابت استعماری برای پیش‌بینی سری‌های زمانی آشوبناک 13 30 21591 10.22108/isee.2017.21591 FA میثم بهمنش دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی کامپیوتر - دانشگاه اصفهان – اصفهان - ایران مجید محمدی دانشیار بخش مهندسی کامپیوتر، دانشکده مهندسی - دانشگاه شهید باهنر کرمان – کرمان - ایران Journal Article 2015 07 09 Prediction of chaotic time series based on the phase space reconstruction theory has been applied in many research fields. In this paper, we propose an improved adaptive neuro-fuzzy inference system (ANFIS) with self-feedback and imperialist competitive learning algorithm for the application of chaotic time series prediction. Since the ANFIS is based on a feed-forward network structure, it is limited to static problems and cannot effectively cope with dynamic properties such as the time series. To surmount this trouble, we suggested an improved version of ANFIS by introducing self-feedback connections from previous outputs that model the temporal dependence. Also we suggested a new hybrid learning algorithm based on imperialist competitive algorithm (ICA) and least square estimation (LSE) to train this new ANFIS structure. This hybrid learning algorithm is free of derivation and solves the trouble of falling in local optimum in the gradient based algorithm for training the antecedent part. The proposed approach is used to model and predict the six benchmarks of chaotic time series. Analysis of the prediction results and comparisons with recent and old studies demonstrates the promising performance of the proposed approach for modeling and prediction of nonlinear and chaotic time series. پیش‌بینی سری‌های زمانی، مخصوصاً سری‌های زمانی آشوبیِ سیستم‌های پویای غیر‌خطی، یکی از زمینه‌های مهم تحقیقاتی است و کاربرد زیادی در زمینه‌های گوناگون دارد. از میان روش‌های معرفی‌شده برای پیش‌بینی سری‌های زمانی آشوبناک، به استفاده از شبکه‌های عصبی و سیستم‌های فازی بیشتر توجه شده است. در این مقاله، سیستم استنتاج عصبی - فازی تطبیقیِ بهبودیافته، برای پیش‌بینی سری‌های زمانی آشوبناک پیشنهاد شده است. با توجه به اینکه ساختار سیستم استنتاج عصبی -فازی تطبیقی براساس یک شبکه پیشرو است، بیشتر به مسائل ایستا محدود بوده است و توانایی مواجهه مؤثر با ویژگی‌های پویا مانند سری‌های زمانی را ندارد. برای غلبه بر این مشکل، در این مقاله برای مدل‌سازی وابستگی‌های زمانی این سیستم، از ارتباط خودبازخورد خروجی مراحل قبلی استفاده شده است. همچنین از ترکیب الگوریتم بهینه‌سازی رقابت استعماری ICA، همراه با تخمین حداقل مربعات LSE، برای آموزش سیستم عصبی - فازی و به‌روزرسانی پارامترهای آن استفاده شده است که این روش، مشکلات آموزشِ الگوریتم‌هایِ بر پایه گرادیان را ندارد. این روش برای پیش‌بینی و مدل‌سازی چند سری زمانی غیر‌خطی و آشوبناک جهان واقعی استفاده شده است. تجزیه و تحلیل نتایج و مقایسه آن با کارهای اخیر، نشان‌دهندۀ عملکرد بهتر روش پیشنهادی نسبت به روش‌های قبلی، از نظر معیار خطای کل پیش‌بینی برای مدل‌سازی و پیش‌بینی سری‌های زمانی هستند.

https://isee.ui.ac.ir/article_21591_dd17879b283868beee0d1de1e16007d4.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 4 2017 01 20 Optimum setting of distance relay zones by probabilistic modeling of uncertainties تنظیم بهینه نواحی رله دیستانس با الگوسازی احتمالی عدم‌قطعیت‌ها 30 46 21595 10.22108/isee.2017.21595 FA محمد شعبانی دانشجوی کارشناسی ارشد، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند - بیرجند - ایران عباس صابری نوقابی استادیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند - بیرجند - ایران محسن فرشاد دانشیار، دانشکده مهندسی برق و کامپیوتر - دانشگاه بیرجند - بیرجند - ایران Journal Article 2016 04 24 In this paper, a new method is presented to determine the optimal setting of distance relays using probabilistic modeling of the affected uncertainties. Due to model of uncertainties, the corresponding density functions of each uncertainty are presented. Then, using Monte Carlo simulation, the probability distribution of the impedance seen by the distance relay is obtained. The three zones of distance relay need to be set in a way that the relay operates correctly for an internal fault of the protection zone (sensitivity), and it does not operate for an external fault of the protection zone (selectivity). According to this, the probabilistic indices of sensitivity and selectivity are defined independently for each zone of the distance relay. In the following, different scenarios are proposed to maximize the selectivity or sensitivity indices. Finally, due to importance of selectivity in compare to sensitivity, the scenario of maximized sensitivity with perfect selectivity is proposed. According to this scenario, the problem of determining optimum setting of distance relay for each zone is defined as an optimization problem with the objective of maximizing the probability of sensitivity and with the constraint of perfect selectivity. Since the proposed formulation is nonlinear, Genetic algorithm is used to solve this problem. The proposed method is applied to the IEEE 39 bus test system and the advantages of the proposed formulation for each zone of the distance relay are presented. در این مقاله، روش جدیدی به منظور تعیین تنظیم بهینۀ رله‌های دیستانس با الگوسازی احتمالی عدم‌قطعیت‌های مؤثر ارائه شده است. برای الگوسازی عدم‌قطعیت‌ها، برای هر یک از عدم‌قطعیت‌ها، توابع چگالی متناظر با آن‌ها ارائه شده است و بر اساس این، توزیع احتمالی امپدانس دیده‌شده از رلۀ دیستانس به کمک فرآیند مونت‌کارلو به دست آمده است. نواحی سه‌گانه رلۀ دیستانس باید به نحوی تنظیم شود که به ازای خطاهای داخلی، عملکرد داشته باشد (حساسیت) و به ازای خطاهای خارجی، عملکردی نداشته باشد (هماهنگی). بر اساس این، برای هر یک از نواحی سه‌گانه رلۀ دیستانس، شاخص احتمالی حساسیت و هماهنگی به‌صورت مستقل تعریف شده‌اند. در ادامه، سناریوهای مختلف برای حداکثرکردن شاخص حساسیت یا هماهنگی ارائه شده‌اند. درنهایت، با توجه به اهمیت بیشتر هماهنگی نسبت به حساسیت، سناریوی حداکثرکردن حساسیت به همراه هماهنگی کامل پیشنهاد شده است. براساس این سناریو، مسئلۀ تعیین تنظیم بهینۀ هر یک از نواحی رلۀ دیستانس به‌صورت یک مسئلۀ بهینه‌سازی با هدف حداکثرکردن شاخص حساسیت و برقراری قید هماهنگی تعریف شده است. با توجه به غیرخطی‌بودن فرمول‌بندی‌های ارائه‌شده، از الگوریتم ژنتیک برای حل این مسئله‌ها استفاده شده است. روش پیشنهادی به شبکۀ 39 شینه IEEE، اعمال شده و مزیت فرمول‌بندی ارائه‌شده برای هر یک از نواحی سه‌گانه رلۀ دیستانس ارائه شده است.

https://isee.ui.ac.ir/article_21595_e156b7c925173ed807bdcc75ec933d6a.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 4 2017 01 20 Estimation of Load Torque in Induction Motors Using Dynamic Sliding Mode Control Based Adaptive Fuzzy Observer تخمین گشتاور بار در موتورهای القایی با استفاده از کنترل حالت لغزشی دینامیکی براساس رویتگر تطبیقی فازی 47 56 21592 10.22108/isee.2017.21592 FA علی کرمی ملائی استادیار دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزواری، ایران Journal Article 2014 01 18 This paper describes load torque estimation (LTE) issue in induction motors (IM) with uncertainty and disturbance, using dynamic sliding mode control (DSMC). In DSMC the chattering is removed due to the integrator (or low pass filter) which is placed before the input control of the plant. In the other word, the Sign function appears in derivative of input control signal and will not appear in the input control signal of the plant. However, in DSMC the augmented system (the system plus the integrator) is one dimension bigger than the actual system and then, the plant model should be completely known. To solve this problem, a new adaptive fuzzy observer (AFO) has been proposed. The advantage of the proposed approach is to have the system controlled as well as its main task i.e. LTE, which is important in practical implementation. Simulation results are presented to demonstrate the preference of the approach. در این مقاله، تخمین گشتاور بار در موتورهای القایی دارای عدم قطعیت، بررسی شده است. این روش با استفاده از کنترل حالت لغزشی دینامیکی است. در کنترل حالت لغزشی دینامیکی، یک انتگرال‌گیر قبل از سیستم قرار داده می‌شود که باعث حذف چترینگ می‌شود. افزودن این انتگرال‌گیر به سیستم، موجب افزایش درجه سیستم می‌شود که برای اعمال کنترل حالت لغزشی به این سیستمِ افزوده (سیستم به همراه انتگرال‌گیر)، مدل و دینامیک سیستم باید شناسایی شود. در این مقاله، برای حل این مشکل، یک رویتگر تطبیقی فازی پیشنهاد شده است. مزیت روش پیشنهادی، این است که هم‌زمان با کنترل سیستم، هدف اصلی، یعنی تخمین گشتاور بار نیز انجام می‌شود که در کاربردهای عملی اهمیت بسیاری دارد. نتایج شبیه‌سازی گویای مزایای روش پیشنهادی خواهد بود.

https://isee.ui.ac.ir/article_21592_e28566803c7c8273c541439cd419223b.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 4 2017 01 20 Nonlinear Modeling and Controller Design of DSTATCOM in a Microgrid Based on Combination of Fuzzy Set and Bees Algorithm طراحی کنترلر غیرخطی بهینه برای DSTATCOM در یک ریزشبکه براساس نظریة خطی‌سازی فیدبک و ترکیب منطق فازی و الگوریتم زنبورها 57 66 21593 10.22108/isee.2017.21593 FA افشین لشکرآرا استادیار گروه مهندسی برق دانشگاه آزاد اسلامی واحد دزفول، دزفول ایران هاجر باقری طولابی گروه مهندسی برق دانشگاه آزاد اسلامی واحد خرم‌آباد، خرم‌آباد ایران Journal Article 2016 06 28 This paper presents a nonlinear controller for a Distribution Static Compensator (DSTATCOM) of microgrids incorporating the Distributed Generation (DG) units. The nonlinear control has been designed based on partial feedback linearization theory and Proportional-Integral-Derivative (PID) controllers try to adjust the voltage and trace the outputs. This paper has proposed a combination of a fuzzy system and Bees Algorithm (BA) to optimize the parameters of the PID controllers. The results confirm that the characteristics of the response of the proposed controller (i.e. settling and rise times, the maximum overshoot and the steady-state error of the voltage step response of the DSTATCOM) is significantly improved by finding a high-quality solution. The proposed hybrid tuning method for the Partial Feedback Linearizing (PFL) controller concluded a better DC voltage regulation for the capacitor within the DSTATCOM. Furthermore, in the event of fault the proposed controller tuned by the fuzzy-BA method has shown a better performance in comparison with the conventional controller or controllers tuned by Genetic Algorithm (GA) or Particle Swarm Optimization (PSO) methods on both fault duration and after clearing times. در این مقاله، کنترلر غیرخطی جدید برای DSTATCOM در یک ریزشبکه شامل واحدهای تولید پراکنده (DG) واحد پیشنهاد شده است. روش کنترلی پیشنهادی بر اساس نظریة خطی‌سازی فیدبک (FLT)، طراحی و از کنترلرهای PID نیز برای تنظیم و ردیابی جریان و ولتاژ مرجع استفاده شده است. همچنین ترکیبی از سیستم‌های فازی و الگوریتم زنبورها (BA) به‌منظور بهینه‌سازی پارامترهای کنترل‌کننده‌های PID پیشنهاد شده است. نتایج به‌دست‌آمده نشان می‌دهد ویژگی‌های پاسخ پله ولتاژ DSTATCOM کنترلر پیشنهادی شامل زمان خیز، زمان نشست، حداکثر اضافه جهش و خطای حالت پایدار به شکل چشمگیری بهبود یافته است. همچنین روش ترکیبی پیشنهادی برای تنظیم کنترلر طراحی‌شده به تنظیم بهتر ولتاژ DC خازن موجود درDSTATCOM منجر شده است و نیز عملکرد بهتری در مقایسه با کنترلر کلاسیک PID و یا کنترلر تنظیم‌شده با الگوریتم ژنتیک (GA) و بهینه‌سازی ازدحام ذرات (PSO) در هر دو حالت وقوع خطا و پس از برطرف‌سازی خطا دارد.

https://isee.ui.ac.ir/article_21593_3cc606aeddb161e3332760972e5605f7.pdf

دانشگاه اصفهان هوش محاسباتی در مهندسی برق 2821-0689 7 4 2017 01 20 Determining QoS Parameters Impact on Voice Quality in VoIP Network Using Intelligent Adaptive Feedback بهبود کیفیت سرویس و کیفیت صدا در شبکة VoIP بر اساس پس‌خور وفقی هوشمند 67 80 21594 10.22108/isee.2017.21594 FA احسان فقیهی کارشناسی ارشد، دانشکدة فنی و مهندسی رسانه - دانشگاه صداوسیما - تهران - ایران محمد بهدادفر عضو هیأت علمی گروه مخابرات و فناوری اطلاعات، دانشکدة فنی و مهندسی رسانه - دانشگاه صداوسیما- تهران - ایران محمد ابراهیم صادقی عضو هیأت علمی گروه صدا، دانشکدة فنی و مهندسی رسانه - دانشگاه صداوسیما ـ تهران - ایران Journal Article 2016 01 09 QoS analysis in VoIP traffic is an inevitable part in multimedia networks quality improvement. Users’ acceptable VoIP quality requirement and providers’ efforts in decreasing costs and satisfying VoIP users has led researchers study in quality improvement and resource utilization field. In this article, a new approach is introduced to improve VoIP quality adaptively and decrease consumed bandwidth as far as possible. To this end, an algorithm is proposed and some intelligent modifications are carried out in sent voice packets parameters from sender side culminating in increasing received voice quality in the receiver side and decreasing consumed bandwidth. Moreover, the proposed algorithm determines types of variations and its amount in different voice quality classes. These classes are introduced using comparison among different quality types, namely, Instantaneous Quality, Perceptual Quality and Integral Quality. Inceasing VoIP network Quality, decreasing consumed bandwidth, determining appropriate quality improvement decisions in an adaptive VoIP network are accoplishments of this article. ارزیابی کیفیت سرویس در ترافیک VoIP (Voice over Internet Protocol) بخشی جدانشدنی در بهبود کیفیت شبکه‌های چندرسانه‌ای است. نیاز کاربران این نوع سرویس به کیفیت مطلوب و تلاش ارائه‌کنندگان این سرویس در کاهش هزینه‌ها و حفظ رضایت کاربران، پژوهشگران را به مطالعاتی در زمینه افزایش کیفیت و کاهش منابع مصرفی در این حوزه سوق داده است. در این مقاله، روشی معرفی شده است تا کیفیت VoIP را به‌صورت وفقی، بهبود و همچنین پهنای باند مصرفی را تا حد امکان کاهش دهد. برای رسیدن به این هدف، الگوریتمی پیشنهاد می‌شود که بر اساس آن، تغییراتی هوشمند از سمت فرستنده بر پارامترهای بسته‌های ارسالی صدا در بستر شبکه صورت می‌گیرد تا کیفیت صدای دریافتی در سمت گیرنده را افزایش و پهنای باند مصرفی را کاهش دهد. همچنین این الگوریتم نوع تغییرات و میزان آن را در دسته‌های مختلف کیفیت صدا مشخص می‌کند.

https://isee.ui.ac.ir/article_21594_7c2ff18ab418a2b889c51d53d629b7e2.pdf