Abbas Ramazani

حمل و نقل و چالش هاي آن همواره مورد توجه پژوهشگران بوده است. از جمله ي اين چالش ها، ايجاد عبور و مرور روان براي خودروها در سطح شهر است. استفاده از چراغ راهنمايي براي اولويت بندي عبور خودروها در سطح تقاطع از جمله روش هاي مديريت ترافيك مي باشد. در اين پژوهش به مطالعه ي چراغ راهنمايي هوشمند با شبيه سازي در محيط سومو پرداخته شده است. دو مدل تقاطع، تكي-مستقل و دو تقاطع متصل به هم در نظر گرفته شده است. محيط براي به دست آوردن اطلاعات لازم به صورت گسسته در نظر گرفته شده است و تلاش شد از اطلاعات مختلف دريافتي ناشي از اين روش، براي بهبود عملكرد عامل استفاده شود. با استفاده از يادگيري تقويتي (يادگيري كيو و شبكه عصبي عميق)چراغ راهنمايي به عنوان عامل هوشمند تصميم گيرنده در سطح تقاطع با مديريت تخصيص فازها، در پي كاهش زمان انتظار وسايل نقليه در سطح تقاطع است. نتايج اين پايان نامه حاكي از كاهش طول صف خودروهاي در انتظار با به كارگيري روش هاي ارائه شده، مي باشد. در فاز دوم اين پژوهش با در نظر گرفتن بسياري از مفروضات قبلي، دو تقاطع در حالتي كاملا مستقل و حالت اشتراك گذاري اطلاعات ميان عاملان بررسي شد. مقايسه ميان نحوه تعريف پاداش و اثرگذاري آن بر حجم ترافيك بررسي شده است. همچنين، مطالعه ي مختصري بر پايش ترافيك از طريق الگوريتم يولو نسخه 5 نيز صورت گرفته است كه نشان داده شد نحوه ي استفاده از اين الگوريتم بر دقت شناسايي وسايل نقليه و متعاقبا برآورد حجم ترافيك موثر است. در اين بخش انواع وسايل نقليه با در نظر گرفتن ضريب هم سنگ، در ايجاد ترافيك موثر واقع شدند كه اين امر برآورد اطلاعات را به شرايط واقعي نزديك تر مي كند.
Thesis summary

امروزه با بالا رفتن و پيشرفته شدن تكنولوژي ساخت تراشه ها، چگالي توان مصرفي نيز رو به افزايش است. افزايش چگالي توان مصرفي منجر به افزايش دما شده است كه اين افزايش دما بر روي كارايي، قابليت اطمينان، هزينه، طول عمر قطعات و توان ناشي از جريان نشتي تأثير منفي گذاشته است. براي حل چالش افزايش دماي پردازنده، در حالت كلي از دو روش استاتيك و پويا مي توان استفاده كرد. روش استاتيك در زمان طراحي تراشه ها و روش پويا در زمان اجراي برنامه ها توسط تراشه مي تواند مورد استفاده قرار بگيرد. تكنيك هاي مختلف مديريت پوياي دما با استفاده از روش هايي كه پيش تر انجام شده است و تخمين دما به همراه زمان بندي و مهاجرت وظايف، تنظيم ولتاژ و فركانس، تزريق نخ ها و يا چرخه هاي بيكار ارائه شده اند. در مديريت پويا از انواع روش ها در حوزه هاي مختلف به طور مثال، روش هاي فراابتكاري، الگوريتم هاي ژنتيك و يادگيري ماشين استفاده مي شود. در نهايت، برخلاف رويكرد استاتيك، در روش هاي پويا، دما پيش از رسيدن به حد آستانه با استفاده از مدل دمايي، پيش بيني و كنترل مي شود. در اين پژوهش، مدلي براساس تركيب شبكه هاي CNN و LSTM پيشنهاد شده است. براي آموزش مدل، با استفاده از حسگرهاي دمايي و شمارنده هاي كارايي موجود در داخل پردازنده، مجموعه داده اي شامل تنوع مناسبي از تغييرات دمايي جمع آوري شده است كه براي جمع آوري اين مجموعه داده ها يكبار از كدهاي خودنوشته و يكبار هم از اجراي ديتاست مبتني بر برنامه CPUSPEC2006 استفاده شده است. براي افزايش دقت مدل، داده هاي ديگري با نام هاي ويژگي هاي سابقه اي و ويژگي هاي كنترلي از ويژگي هاي موجود استخراج شده است. در انتها، مدل پيشنهادي براي پيش بيني دما براي فاصله هاي زماني 2 تا 5 ثانيه، در شرايط مختلف ارزيابي شده است. نتايج نشان مي دهد با انتخاب اين ويژگي ها دماي دو ثانيه آينده با ميانگين قدر مطلق خطاي كمتر از يك درجه سانتي گراد پيش بيني مي شود.
Thesis summary

چكيده: يكي از چالش برانگيزترين مراحل در انجام براكي تراپي، درج سوزن ها در داخل يا كنار بافت مورد نظر است. در اين شيوه هاي پزشكي، سوزن ها در داخل بافت قرار مي گيرند تا موقعيت منابع راديواكتيو را هدايت كنند. منابع راديواكتيو با ميزان دوز پايين به طور دائم در داخل بافت قرار مي گيرند، در حالي كه يك منبع راديواكتيو در براكي تراپي با ميزان دوز بالا به طور موقت در موقعيت هاي مورد نظر قرار مي گيرد تا بتواند ميزان دوز تجويزي را به اهداف باليني برساند. در نتيجه، قرار دادن دقيق سوزن به طور مستقيم بر تحويل دوز پرتو و نتايج درمان بيماران تأثير مي گذارد. هر گونه انحراف از موقعيت هدف منابع راديواكتيو مي تواند باعث توزيع دوز بهينه و پوشش ناكافي تومور شود. بنابراين، توسعه يك ابزار قوي و رياضي كه بتواند جايگذاري خودكار سوزن را با دقت بالايي براي روش ها و شرايط مختلف پزشكي انجام دهد، اهميت زيادي دارد. در اين پايان نامه، ما يك مفهوم جديد براي درج خودكار سوزن با استفاده از يك سيستم رباتيك خودكار جديد پيشنهاد مي كنيم. مدل رياضي اين سيستم به تفصيل ارائه شده است كه امكان طراحي كنترل پيش بين مدل و همچنين كنترل تطبيقي پيش بين مدل را مي دهد كه مي تواند براي اداره مكانيسم استفاده شود. هدف از اين پژوهش به حداقل رساندن جابجايي و تغيير زاويه نوك سوزن است بطوريكه نيرو و گشتاور خارجي سوزن كه از بافت به آن اعمال مي شود و منجر به انحراف سوزن مي شود، در اين تحقيق در نظر گرفته شده است، اين مقادير با استفاده از سوزن استيل استنلس و نمونه بافت شبيه سازي شده با انسان در آزمايشگاه تحقيقاتي شكل دهي فلزات (پژوهشي) محاسبه گرديد. انتخاب مدل دقيق سوزن كه بصورت تير اويلر برنولي در نظر گرفته شده و تقسيم جرم پيوسته سوزن به چند قسمت گسسته از ديگر تحقيقات اين پايان نامه مي باشد.
Thesis summary

امروزه با افزايش جمعيت شهري و به تبع آن افزايش وسايل نقليه شهري و بينشهري پايش ترافيك به مسئله جدي براي كنترل آن تبديل شده است، پايش ترافيك به كمك پردازش تصاوير ويديويي به علت پاسخ سريعتر و اطلاعات جامعتر و نصب و نگهداري سادهتري كه نسبت به ساير روشها دارد جايگاه ويژهاي به خود اختصاص داده است. به طوري كه با پيشرفتهايي كه در الگوريتمها و روشهاي پردازش تصوير در سالهاي اخير اتفاق افتاده است. ميتوان گفت كه مسئله پايش ترافيك به خوبي توسط اين الگوريتمها حل شدهاند، در اين پاياننامه از دو روش كلاسيك و مدرن پردازش تصوير براي پايش ترافيك استفاده شده است كه يك روش بر پايه الگوريتمهاي پايه پردازش تصوير و يك شبكه MLP چندلايه ميباشد و در روش مدرن از الگوريتم Yolo 5 v كه الگوريتمي نوين بر پايه Deep Learning استفاده شده است، ديتاست استفاده شده براي آموزش يولو يك ديتاست جمعآوري شده از وسايل نقليه عبوري از خيابانهاي ايران در سه كلاس خودرو سواري، اتوبوس و كاميون است كه توسط محقق اين پاياننامه جمعآوري و برچسبگذاري شده است و ميانگين متوسط دقت براي تمام كلاسها با حد آستانه 50٪ به 82 ٪ رسيده است.
Thesis summary

افرايش جمعيت شهري در سالهاي اخير رشد چشمگيري داشته است بهطوريكه حملونقل ترافيك شهري و برونشهري به يك چالش در زندگي تبديلشده است و ازاينرو كنترل و مديريت ترافيك اهميت بسيار بالايي يافته است. يكي از مهمترين علتهاي ايجاد ترافيكهاي شهري و بعضا برونشهري عدم مديريت مناسب تقاطعها ميباشد. لذا در اين پاياننامه به كمك به شيوه مديريت مناسب توالي فازهاي چراغهاي راهنمايي و رانندگي در يك تقاطع چهار (ITS) سيستمهاي حملونقل هوشمند مسيره به كمك عامل هوشمند و با شيوه يادگيري تقويتي (يادگيري كيو به كمك شبكه عصبي عميق) سعي شده است تا ترافيك عبوري از تقاطع به شيوهاي مديريت گردد كه باعث كاهش زمان معطلي وسايل نقليه و درنتيجه بهبود ترافيك گردد. بهمنظور آموزش و ارزيابي عملكرد عامل هوشمند كه براي كنترل چراغهاي راهنمايي و رانندگي مورداستفاده قرارگرفته است، از محيط SUMO شبيهسازي و بهمنظور شناسايي ترافيك منتهي به تقاطع از هر مسير از روش پردازش تصاوير ويديويي به كمك شبكههاي عصبي عميق (الگوريتم يولو نسخه 4) استفادهشده است. براي آموزش الگوريتم يولو از تصاوير ديتاست آزاد گوگل در 6 كلاس تصاوير (خودرو سواري، اتوبوس، موتورسيكلت و ...) استفاده گرديده است.در اين پاياننامه حالتها در محيط بهصورت گسسته سازي شده از سطح جاده تعريفشدهاند تا عامل بتواند در زمانهاي خاص مانند ساعتهاي پيك ترافيك با محاسبه سريع تابع پاداش كه بر اساس زمان انتظار وسايل نقليه تعريفشده است يك درك سريع و درعينحال كامل از محيط پيدا كند يعني به عبارتي اطلاعات دريافت شده توسط عامل از محيط شامل اطلاعات مهم و كاربردي ميباشد كه حجم اين اطلاعات نسبت به ساير كارهاي انجامشده در اين حوزه كاهش پيداكرده است و اين امر باعث كاهش زمان محاسباتي شبكه عصبي ميشود و اين امر به پيادهسازي روانتر سيستم كمك كرده است و درعينحال نتايج بهدستآمده قابلاجرا در محيط واقعي بوده و نتايج بهدستآمده از دو قسمت ذكرشده، كارايي روش بهكاررفته در اين پاياننامه را در مقابل روشهاي سنتي نشان ميدهد.همچنين استفاده از شبكههاي عصبي عميق براي دو قسمت شناسايي ترافيك و كنترل سيگنال ترافيك روش جديدي است كه در اين پاياننامه ارائهشده است كه اين توانايي را به سيستم ميدهد تا بهصورت كاربردي و در محيط واقعي پيادهسازي شود .
Thesis summary

در پردازنده هاي امروزي براي افزايش توان محاسباتي پردازنده، تعداد هسته هاي پردازنده را افزايش داده اند. افزايش هسته ها در يك سطح محدود، منجر به افزايش چگالي توان مصرفي و افزايش دما ميشود. افزايش دما، سبب كاهش قابليت اطمينان و طول عمر پردازنده ميگردد. بنابراين ارائه راهكاري براي مديريت مناسب دما و عملكرد در پردازنده هاي امروزي امري اجتناب ناپذير است. در اين پژوهش، الگوريتم جديدي براي مدلسازي و مديريت دماي سيستم هاي چند پردازنده اي با استفاده از كاربرد روش هاي تئوري كنترل ارائه شده است. جهت بدست آوردن مدل دقيق حرارتي، پردازنده را تحت آزمايش آزمون هاي اعتبارسنجي مختلف قرار داده شده و نمونه برداري ها انجام شده است. الگوريتم ارائه شده، به صورت آنلاين و با توجه به باركاري و دماي پردازنده، فركانس هسته ها و دور فن را كنترل مي كند. آزمايشات بر روي برد ODROID-XU4 انجام شده است كه پردازنده مركزي آن را سيستم چندپردازنده اي Samsung Exynos 5422 تشكيل مي دهد. اين برد داراي دو پردازنده 4 هسته اي نامتقارن مي باشد. براي بررسي نتايج از سه آزمون اعتبارسنجي مختلف پخش آهنگ، ويديو و sysbench استفاده شده است. نتايج شبيه سازي با الگوريتم پيشنهادي نشان مي دهد كه با انتخاب درست تابع هزينه و ضرايب آن مي توان مصالحه اي درست بين عملكرد و مصرف توان، براي نگهداشتن دماي پردازنده در مقدار مطلوب انجام داد و در فضاي متغيرهاي عملكرد و توان، با توجه به دماي مطلوب نقطه مناسبي براي كار پردازنده انتخاب كرد.
Thesis summary

با افزايش حجم توربين هاي بادي، اثرات بارگذاري ديناميكي بر ساختار توربين بادي به طور چشم گيري افزايش مي يابد. بنابراين تقاضاي رو به رشدي براي سيستم هاي كنترل جهت رفع اثرات بارهاي ساختاري علاوه بر اهداف اصلي كنترلي از جمله تنظيم توان خروجي وجود دارد. پس كاهش بار و خستگي ناشي از آن، يكي از اهداف كليدي سيستم هاي كنترل توربين هاي بادي جديد مطرح مي شود. لذا براي دست يابي به اين اهداف، به تنظيم زاويه گام پره ها به صورت مستقل براي كاهش بارگيري نامتقارن ناشي از برش باد عمودي و سايه برج در پره ها و همچنين به حفظ توان خروجي در مقدار نامي براي سرعت هاي باد بالاتر از سرعت باد نامي پرداخته شده است كه از اهداف اصلي كنترلي در ناحيه سوم عملياتي توربين بادي است. در اين پژوهش، كنترل كننده بهينه براي حفظ توان توربين بادي در مقدار نامي و كنترل كننده PI جهت كاهش بارهاي ريشه پره ارائه شده است. با توجه به ديناميك غيرخطي توربين بادي و با توجه به اهميت زياد كيفيت توان توليدي توسط توربين و از آنجا كه عملكرد بهتر كنترلكننده زاويه ي گام، كيفيت بهتر خروجي سيستم زاويه گام و متعاقباً كيفيت بهتر توان توليدي توربين را به دنبال دارد، بهينهسازي عملكرد كنترل با يك كنترل كننده غيرخطي امري ضروري است .بنابراين يك قانون كنترل بهينه غيرخطي به كار برده شده است. در اين پژوهش، با استفاده از روش معادله ريكاتي وابسته به حالت، يك كنترل كننده غيرخطي بهينه براي رديابي سرعت روتور نامي به عنوان سيگنال مطلوب طراحي شده است. شبيه سازي بخش كنترلي با استفاده از MATLAB/Simulink و مدل سازي قسمت هاي مكانيكي با استفاده از FAST انجام شده و همچنين AeroDynبراي مدل سازي قسمت هاي آيروديناميكي به كار گرفته شده است. پروفيل باد مربوطه توسط نرم افزار TurbSim توليد گشته و به عنوان ورودي به FAST اعمال شده است. نتايج ارائه شده در اين پايان نامه بر مبناي مدل غيرخطي توربين بادي 5/1 مگاواتي 3 پره موجود در FAST مي باشد كه توسط NREL ارائه شده است. نتايج شبيه سازي كارايي روش كنترلي به كار رفته را نشان مي دهد
Thesis summary

تشخيص نوع و سرعت خودروها در جادهها، نقش مهمي در كاربردهاي مربوط به سيستمهاي حمل و نقل هوشمند جهت افزايش امنيت و سهولت تردد وسايل نقليه در جادهها ايفا ميكند. روشهاي موجود براي تشخيص نوع خودرو، روشهايي هستند كه با استفاده از حسگرهاي مختلف، از جمله حسگرهاي مغناطيسي، ليزري، راداري و... اطلاعات مورد نياز براي تشخيص را بدست آورده و آنها را مورد بررسي قرار ميدهند، اما در اين ميان استفاده از روشهاي مبتني بر تصاوير يا ويدئوها، با توجه به اعتبار مناسب نتايج، مورد توجه قرار گرفتهاند. تشخيص خودرو ميتواند در دو سطح صورت گيرد: اينكه نوع خودرو، تنها از نظر ابعاد و ويژگيهاي كلي ظاهري آن تعيين شود ) تقسيم بندي به گروههاي سواري، سنگين و ... ( و يا اينكه به طور جزئيتر، مدل و شركت سازنده خودرو هم تعيين شود. در اين پايان نامه براي بخش تشخيص خودرو، از ويدئوهاي نماي نزديك و روبرو كه از مجموعه دادههاي موجود تهيه شده استفاده شده است. در اين پاياننامه از الگوريتمهاي بلادرنگ مبتني بر هوش مصنوعي )يادگيري عميق( براي تشخيص نوع و طبقه بندي كلاس خودروهاي عبوري از محورهاي مواصلاتي استفاده شده،كه سعي بر غلبه بر چالش هاي جدي روشهاي موجود مورد استفاده دارد. در اين رويكرد تعداد زيادي از تصاوير موجود در مجموعه دادههاي مختلف شامل شش كلاس خودرو، به عنوان دادههاي آموزشي به شبكه وارد شده و با استفاده از الگوريتم يادگيري عميق موسوم به YOLOv3 اقدام به فرآيند شناسايي خودرو شده است. همچنين به منظور رديابي خودروها در تصاوير ويدئويي پس از شناسايي، الگوريتمهاي مختلفي بررسي و در نهايت از الگوريتم Median flow در اين پايان نامه بهره گرفته ايم. در پايان نيز با استفاده از الگوريتمهاي تشخيص سرعت، روشي به جهت محاسبه سرعت خودروهاي عبوري ارائه شده است.
Thesis summary

بررسي هاي انجام شده نشان داده است كه اثر ويك تأثير قابل توجهي بر توان خروجي يك مزرعه بادي داشته و به همين دليل، طراحي و بهينه سازي مكان و موقعيت توربين هاي يك مزرعه بادي، بايد با در نظر گرفتن اثر ويك انجام شود. با توجه به پيچيدگي بالاي اين مسئله، به يك الگوريتم قدرتمند براي حل آن نياز مي باشد. يكي از الگوريتم هاي شناخته شده در اين زمينه، الگوريتم بهينه سازي ازدحام ذرات (PSO) مي باشد. اين الگوريتم فرآيند پياده سازي ساده اي داشته و در عين حال از سرعت همگرايي بسيار بالايي برخوردار است. با اين وجود در مسائل پيچيده، دچار همگرايي زودرس شده و در بهينه محلي گير مي كند. در راستاي رفع اين مشكل، در اين پژوهش يك الگوريتم ابتكاري با تركيب الگوريتم ازدحام ذرات (PSO) و الگوريتم ژنتيك (GA) پيشنهاد شده و براي حل مسئله بهينه سازي چيدمان مزارع بادي استفاده شده است. براي بهينه سازي چيدمان مزرعه بادي، يك تابع هدف مبتني بر هزينه كابل كشي و مقدار انرژي توليدي مزرعه بادي معرفي شده است كه كمينه سازي آن موجب كاهش هزينه توان توليدي مزرعه بادي مي شود. علاوه بر اين، در اين كار براي اولين بار ساختار مزرعه بادي به صورت مثلثي در نظر گرفته شده است. براي مدلسازي اثر ويك چندگانه از مدل جنسن استفاده شده كه ضمن داشتن ساختار ساده ، عملكرد بهتر آن در مقايسه با روش هاي ديگر اثبات گرديده است. نتايج شبيه سازي نشان مي دهد كه الگوريتم پيشنهادي عملكرد بهتري در مقايسه PSO و GA ارائه داده و امكان بهينه سازي بهتر مسئله را فراهم مي سازد. همچنين استفاده از چيدمان مثلثي از طريق كاهش مقدار كابل كشي، سبب كاهش هزينه كلي سيستم شده و در نهايت موجب كاهش هزينه انرژي توليدي مزرعه بادي مي شود.
Thesis summary

رديابي هدف در دنباله اي از تصاوير ويديوئي يكي از مسائلي است كه به دليل كاربردهاي متنوع آن در زمينه هاي مختلف، مورد توجهمحققانمي باشد. در اين پايان نامه، روشي براي رديابي هدف متحرك در دنباله اي از تصاوير با استفاده از فيلتر كالمن  ارائه مي شود. رديابي بدين صورت است كه، در يك ناحيه جستجو كه توسط فيلتر كالمن بدست مي آيد، ناحيه اي با بيشترين شباهت به هدف مودنظر جستجو مي شود. ملاك بيشترين شباهت در بين تمام كانديدهاي هدف در ناحيه جستجو با هدف اصلي، كمترين فاصله اقليدسي بين سطح خاكستري پيش زمينه استخراج شده از تفريق پس زمينه و پيش زمينه هدف موردنظر است. روش پيشنهادي توانايي بالايي در رديابي شيء با وجود چالش تغيير شكل شيء ناشي از انسداد جزئي هدف با شيء ثابت ديگر دارد. همچنين در ادامه، رديابي چند شيء نيز به الگوريتم رديابي اضافه شده است. نتايج شبيه سازي حاكي از عملكرد مطلوب روش ارائه شده در هنگام انسداد جزئي شيء مي باشد.
Thesis summary

مساله رديابي هدف در دنباله اي از تصاوير ويديويي يكي از مسائلي است كه به دليل كاربردهاي متنوع آن در زمينه هاي مختلف موردتوجه محققان مي باشد. در اين تحقيق، يك روش براي رديابي هدف متحرك در دنباله اي از تصاوير با فيلتر كالمن ارائه مي شود كه نتيجه آن مي تواند ابزار كارآمدي در مسائل پردازش تصوير و رديابي هدف در محيط هاي مختلف باشد. در اين پژوهش ابتدا براي آشكارسازي هدف از مفهوم همبستگي نرمال استفاده شده است و سپس براي مدل ظاهر و مدل حركت هركدام فيلتركالمني اختصاص داده شده است. در اين پژوهش در كنار مدل حركت، براي مدل ظاهر نيز از فيلتر كالمن بهره برده شده است. در اين تحقيق، چالش تغيير نور محيط، چالش موردتوجه است و با اعمال اين روش به روي پايگاه داده PETS 2004 از نتايج به دست آمده مشاهده مي شود كه روش پيشنهادي در برابر تغييرات نور محيط مقاوم است. تفاوت قابل ملاحظه اي در خطا ايجاد نشد و نسبت به كار قبلي يك پنجم كاهش زمان در يك پايگاه داده يكسان به دست آمد.
Thesis summary