پایان نامه کارشناسی
دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)پایان نامه کارشناسی
دانلود مقالات فنی و مهندسی و علوم انسانی (علوم تربیتی روانشناختی)روش کاهش هارمونیک انتخابی برای مبدل های توان بالا
چکیده در کاربردهای توان-بالا، بیشینه فرکانس سوییچینگ به دلیل تلفات گرمایی، محدود می شود. این، منجر به شکل موج های با اعوجاج زیاد می شود. در این کاربردها، بایستی شکل موج خروجی را با استفاده از سیستم های فیلتر پسیو حجیمی، فیلتر کرد. تکنیک مدولاسیون پهنای پالس کاهش هارمونیک انتخابی (SHMPWM) که هم اکنون ارایه می شد، شکل موج های خروجی تولید می کند که در آن اعوجاج هارمونیکی محدود بوده، و هنگامی که تعداد زاویه های سوییچینگ به اندازه کافی زیاد است، کدگذاری شبکه خاص را انجام می دهد. تکنیک مربوطه، پیش از این با استفاده از فرکانس سوییچینگ برابر با ۷۵۰ Hz ارایه شده بود. در این مقاله، یک پیاده سازی مخصوص از روش SHMPWM که برای فرکانس های سوییچینگ پایین، بهینه سازی شده است، بررسی خواهد شد. نتایج آزمایشی، بدست آمده از اعمال SHMPWM به یک مبدل نقطه-خنثی-مهار شده (NPC) _با استفاده از فرکانس سوییچینگ برابر با ۳۵۰ Hz _ بدست آمده است. نتایج بدست آمده، نشان می دهند که تکنیک SHMPWM، نتایج تکنیک مدولاسیون پهنای پالس حذف هارمونیک انتخابی قبلی را _به ازای فرکانس های کلیدزنی (سوییچینگ) خیلی پایین_ بهبود می بخشد. این حقیقت، بیان می دارد که روش SPWM در کاربردهای توان-بالا، بسیار کار آمد بوده و استفاده از آن موجب کاهش مهم عناصر فیلترینگ گران قیمت و حجیم، می شود.
کلیدواژگان: فیلترها، اعوجاج هارمونیکی، سیستم های چند سطحی.
پروژه کارشناسی ارشد برق
فایل محتوای:
- اصل مقاله لاتین ۹ صفحه IEEE
- متن ورد ترجمه شده بصورت کاملا تخصصی و قابل ویرایش ۱۹ صفحه
مطالب مرتبط
- توسعه یک آنالیز و کنترل زمان واقعی مبنی بر FPGA برای واسط های تولید…
- منابع توان فشرده (کامپکت) برای گرمایش توکامک
- ترجمه مقاله تخمین و کمینه سازی هارمونیک ها در سیستم توزیع 13 باس IEEE
- تنظیم توان راکتیو و اکتیومستقیم ژنراتوردوسوتغذیه (DFIG) با استفاده…
- طرح پردازش داده ای با استفاده از داده حرکت زمین (ترجمه)
چارچوبی رده بندی سرویس محاسبه ابری
چکیده
محاسبه ابری انقلابی را در صنعت فناوری اطلاعات با توانمند ساختن آن ها برای عرضه دسترسی به زیرساخت هایشان و خدمات کاربردی بر مبنای اشتراک ایجاد کرده است. بنابراین، چندین شرکت همانند IBM، مایکروسافت، گوگل، و آمازون شروع به عرضه سرویس های ابری مختلف به مشتریانشان کرده اند. به دلیل تنوع زیاد در سرویس های محاسبه ابری موجود، از دیدگاه مشتری، مشکل شده است تا تصمیم بگیریم که آن ها از چه سرویسی می بایست استفاده کرده و مبنای انتخاب آن ها چه می باشد. در حال حاضر چارچوبی وجود ندارد تا بتواند این امکان را به کاربران بدهد تا به ارزیابی عرضه محاسبات ابری پرداخته و آن ها را بر مبنای توانایی شان برای تامین نیازهای کیفیت خدمات (QoS) رده بندی کنند. در این تحقیق، چارچوب و مکانیسمی را مطرح می کنیم که کیفیت را اندازه گیری کرده و سرویس های محاسبه ابری را اولویت بندی می کند. چنین چارچوبی می تواند تاثیر قابل توجهی را ایجاد کرده و رقابت سالمی را در میان ارائه دهندگان محاسبات ابری برای مد نظر قرار دادن توافقنامه سطح خدمات (SLA) و بهبود کیفیت خدمات شان ایجاد کند. ما عملی بودن چارچوب رده بندی را با استفاده از بررسی موردی نشان می دهیم.
کلیدواژه: محاسبه ابری، ارزیابی خدمات، کیفیت خدمات، توافقنامه سطح خدمات
مقدمه
محاسبه ابری به عنوان الگویی برای ارسال منابع بر مبنای تقاضا (زیرساخت، پلتفرم، نرم افزار، غیره) به مشتریان همانند تسهیلات دیگر (برای مثال، آب، برق. گاز) می باشد. این سه خدمات اصلی توسط طرح محاسبه ابری بر مبنای نیاز مشتریان فناوری اطلاعات ایجاد می گردد [1]. در ابتدا نرم افزار به عنوان خدمات (SaaS) امکان دسترسی به برنامه های کاربردی کامل را به عنوان خدمات، همانند مدیریترابطه مشتری (CRM) فراهم می کند [2]. دوم اینکه، پلفرم به عنوان خدمات (PaaS) ، جایگاهی را برای توسعه برنامه های کاربردی دیگر فراتر از آن همانند موتور جستجو برنامه گوگل (GAE) ایجاد می کند [3]. در نهایت زیرساخت به عنوان خدمات (IaaS) محیطی را برای بکارگیری، اجرا و مدیریت ماشین های مجازی و ذخیره سازی ایجاد می کند. از نظر فنی، IaaS، مقیاس پذیری افزایشی (مقیاس بالا و پایین) از منابع محاسباتی و ذخیره سازی بر مبنای تقاضا، ارائه می دهد [1].
مطالب مرتبط
مقیاس جدید شخصیت علامت تجاری
چکیده
در پاسخ به انتقاد از مقیاسهای شخصیت علامت تجاری که دربرگیرنده جنبه های دیگر علاوه بر شخصیت علامت تجاری است، یک نام علامت تجاری جدیدی را که شامل آیتم های شخصیتی است را گسترش دادیم. پاسخ دهندگان بلژیکی (n=12,789) در مطالعه ای از 193 علامت علامت تجاری شرکت کردند. مقیاس جدید متشکل از پنج عامل است که نشان دهنده تمایل با پنج ابعاد بزرگ شخصیت انسانی است. ثابت شده که بر خلاف مقیاس های موجود، این مقیاس های جدید برای مقایسه بین علامت های علامت تجاری رده ها، و برای مقایسه بین مخاطبین معتبر می باشند. علاوه بر این، این مقیاس نشان دهنده اعتبار بالای آزمون و بازآزمون و اعتبار درون فرهنگی (در ایالات متحده آمریکا و نه کشور اروپایی) می باشد.
کلیدواژه: شخصیت علامت تجاری، نگرش برند، توسعه مقیاس، اعتبار مقیاس، صحت مقیاس
علامت های علامت تجاری متفاوت و قدرتمند به طور قابل توجهی در افزایش کارایی شرکت تاثیر گذار هستند. در این مقاله ما بر شخصیت علامت تجاری تمرکز می کنیم. شخصیت علامت تجاری مجموعه ای از صفات شخصیت انسانی هستند که هر دو قابل اجرا و مربوط به علامت علامت تجاری می باشند. (Azoulay & Kapferer, 2003, pp. 151). (Plummer 1984, 2000) استدلال کردند که شخصیت علامت تجاری ممکن است برای درک انتخاب نام علامت تجاری بسیار مهم و اساسی باشد. در واقع، در یک زمان است که در آن مصرف کنندگان نظر خود را در مورد کیفیت محصول به عنوان یک داده ارائه می کنند و رقبای محصول به راحتی می توانند این ویژگی ها را کپی کنند، هویت نام علامت تجاری قوی و شخصیت ارزشمند برای ساختن حقوق صاحبان سهام با نام علامت تجاری ارزشمند و مهم است. (van Rekom, Jacobs, & Verlegh, 2006). شخصیت علامت تجاری در دستور کار دانشگاهیان و پزشکان به طور یکسان تفاوت می گذارد. به عنوان یک نتیجه، ابزار های اندازه گیری عملی و معتبر بسیار ارزشمند هستند. کار از نظر AKER با الهام از اکثر تحقیقات در شخصیت علامت تجاری برای تاریخ عضویت گیرا می باشد.
مطالب مرتبط
تبادل دوره آموزشی بین سیستم آموزش هوشمند
چکیده
در سال های اخیر تلاش های زیادی به منظور ایجاد سیستم آموزشی هوشمند انجام شده که نزدیک به روش تدریس انسان باشد. بعضی از مضرات سیستم هایی که قبلا ایجاد شده اند، غیرممکن بودن اشتراک دوره های آموزشی بین سیستم های آموزشی هوشمند مخلف و مشکل در ایجاد آن ها بوده است. زمانی که سیستم آموزشی هوشمند ایجاد شد، ایجاد یک دوره آموزشی جدید به عنوان کار پرهزینه ای می باشد که نیازمند دخالت بسیاری از افرادی که در حوزه های مختلف کارشناس هستند، می باشد. در این مقاله ابزارهای مناسب قابل توسعه و کامل به منظور ایجاد دوره های اموزشی برای سیستم های اموزشی هوشمند مختلف نشان داده می شود. این ابزارهای مناسب، امکان ایجاد دوره های آموزشی را برای انواع متفاوتی از سیستم های آموزشی هوشمند فراهم می کند. زمانی که یک دوره آموزشی ایجاد شد، می توان ان را به سیستم آموزشی هوشمند دیگری انتقال داد، و از مدل غالبی که آن دوره اموزشی ارائه می کند، استفاده مجدد کرد. نمونه ابزارهای مناسب، با دو سیستم آموزشی هوشمند ساده تست شدند.
کلیدواژه: سیستم آموزشی هوشمند، ابزارهای مناسب، جامع، ابررسانه، نظریات طرح آموزشی
مقدمه
سیستم های آموزشی هوشمند (ITS) سیستم های مبتنی بر کامپیوتر می باشند که آموزش مجزایی را برای دانشجویان ایجاد می کند. در حدود 20 سال پیش، پژوهش انجام شده توسط بنجامین بلوم و افراد دیگر نشان داد که دانشجویانی که آموزش های یکطرفه را دریافت می کنند دو انحراف معیار بهتری را نسبت به دانشجویانی که در کلاس های سنتی حضور می یابند، به اجرا در می آورند. یعنی، متوسط دانشجویان آموزش دیده به اندازه 2% دانشجویان سطح بالایی که در کلاس های سنتی اموزش می بینند، می باشد. علاوه بر این تحقیقات بر روی سیستم های نمونه نشان می دهد که دانشجویانی که از طریق ITS آموزش می بینند معمولا یادگیری شان سریعتر بوده و یادگیری ان ها از نظر بهبود عملکرد بهتر از دانشجویان آموزش دیده در کلاس می باشد.
مطالب مرتبط
سازگاری عصبی با تمرین استقامتی محرک الکتریکی
چکیده
این مقاله شواهدی را در ارتباط با این فرضیه مد نظر قرار می دهد که تمرین استقامتی محرک الکتریکی (EST) باعث افزایش نیروی انقباض ارادی حداکثر (MVC) از طریق سازگاری عصبی در ماهیچه های اسکلتی سالم می گردد. اگرچه محرک های الکتریکی و فعالیت های ارادی، ماهیچه را به شکل مختلفی فعال می سازد، دلایل مهمی وجود دارد که نشان می دهد، تمرین استقامتی محرک الکتریکی (EST) تحریک پذیری مسیر عصبی خاص را تغییر داده و چنین سازگاری، سهمی در افزایش نیروی انقباض ارادی حداکثر (MVC) دارد. همانند تمرین های استقامتی با انقباض ارادی، تمرین استقامتی محرک الکتریکی (EST) نیروی انقباض ارادی حداکثر (MVC) را تنها بعد از چند مرحله با تغییراتی در بیو شیمی ماهیچه افزایش داده اما این موارد بدون هیپرتروفی آشکار ماهیچه صورت می پذیرد. شواهد ادغام شده ای نیز در مورد سازگاری عصبی نخاعی به شکل افزایش در دامنه انقباض ناگهانی درونی و در دامنه موج های ارادی به همراه شواهد کمی در مورد تغییر در تحریک پذیری نخاعی وجود دارد. مطالعات ورزشی و سطح مقطع همچنین نشان می دهد که رشته های حسی و گیرنده درد در سطح غشایی فعالیت کرده و می توانند به تغییر بازده قشری حرکتی و مسیرهای بین نیمکره بپردازند. این داده ها نشان می دهد که سازگاری به عنوان رابطی برای افزایش اولیه در نیروی انقباض ارادی حداکثر (MVC) بعد از تمرین استقامتی محرک الکتریکی (EST) کوتاه مدت می گردد.
کلیدواژه: تمرین تقویت ماهیچه، MRI، تحریک مغناطیسی مغز، توان بخشی
مقدمه
تمرین تقویت اختیاری (VST) باعث بهبود مکانیکی بازدهی ماهیچه استخوانی در انسان سالم می گردد. افزایش اولیه در نیروی انقباض ارادی حداکثر (MVC) ، نتیجه انطباق در سیستم عصبی مرکزی می باشد، اگرچه امروزه مشخص است که مسیرهای ملکولی مرتبط به رشد ماهیچه بعد از کمی تلاش برای بلند کردن وزنه ها فعال می گردد. سازگاری عصبی به VST شامل سازگاری نخاعی و فرانخاعی می باشد. نشانه های انطباق عصبی نخاعی شامل تغییراتی در محرک های عصبی آشکار شده از طریق فعالیت های EMG سطحی افزایشی در طی تست MVC، آموزش مقطعی، خصوصیات فعالیت، و افزایش در بازدهی قشر حرکتی اولیه و مناطق غشایی مربوطه مغزنگاری الکتریکی اندازه گیری می شود (EEG) ، عکس برداری رزونانس مغناطیسی عملکردی (fMRI) ، و محرک های مغزی مغناطیسی جمجمه (TMS) می باشد. سازگاری نخاعی می تواند به عنوان میانجی باعث افزایش نیروی MVC شده و این موارد شامل تغییراتی در فعالیت واحدهای حرکتی، تحریک پذیری نورون حرکتی که توسط بازتاب H و امواج ارادی V اندازه گیری می شود، مکانیسم بازتاب نخاعی همانند بازداری از سیناپس، بازداری تقابلی، بازداری رنشا، و بازدهی سیناپسی می باشد اگرچه بعضی این اندازه گیری ها به طور کامل نخاعی نبوده به گونه ای که مشارکتی در ارتباط با ساختار فرا نخاعی وجود دارد.