research centers


Search results: Found 12

Listing 1 - 10 of 12 << page
of 2
>>
Sort by

Article
Automatic Construction of General Non-Recurrent Neural Network Using Genetic Programming
البناء الألي للشبكات العصبية العامة ذات التغذية الأمامية بأستخدام البرمجة الجينية

Author: Noora A. Al-Saidi
Journal: Al-Rafidain University College For Sciences مجلة كلية الرافدين الجامعة للعلوم ISSN: 16816870 Year: 2009 Issue: 24 Pages: 88-112
Publisher: Rafidain University College كلية الرافدين الجامعة

Loading...
Loading...
Abstract

An Artificial Neural Network (ANNs) is a model that has been studied for many years in the hope of achieving human like performance. It was used in many applications like (pattern recognition, signal processing, vision, speech recognition, and decisions making aids and robotics).There are many types of ANNs, most of these types are suffering from some problems such as Convergence, Design and some of these ANNs cannot solve the non-linear problems.Since Genetic Programming (GP) is a machine learning technique used in the automatic induction of computer programs, therefore we used it as automatic system for designing and implementing ANNs trying to overcome the previous problems.In this paper we proposed an approach to build ANNs based on evolutionary computation, which uses the GP to evolve both the architecture and weights of General non-recurrent NN simultaneously. New GP modification operations were proposed which are (structure-preserving crossover, structure-preserving mutation, and structure-preserving permutation), these modification operations have clear effects in improving the results of the proposed system.The proposed system has been used in solving five simple problems which are (AND, OR, NOT, Exclusive-OR, and Half-Adder) problems. In addition, we compare the results of the proposed system with Koza work and with three major types of supervised ANNs, which are (Perceptron, Back-Propagation, and Adaline).

الشبكات العصبية الاصطناعية هي عبارة عن نموذج تم دراسته خلال سنين طويلة أملاً للوصول به لكفاءة الإنسان ، و تم استخدام هذا النموذج في الكثير من التطبيقات مثلاً ( تمييز الأنماط ، معالجة الإشارات ، الرؤيا في الحاسبات ، تمييز الأصوات ، أنظمة اتخاذ القرارات ، و في الإنسان الآلي ).يوجد هناك أنواع كثيرة من الشبكات العصبية الاصطناعية و لكن أكثر أنواعها يعاني من بعض المشاكل مثل مشكلة التقرب للحل و مشكلة التصميم و بعض هذه الشبكات لا يمكن استخدامها لحل المشاكل اللاخطية.لكون البرمجة الجينية تمثل ماكنة تعلم تستخدم في البناء الآلي لبرامج الحاسوب لذلك قمنا باستخدامها كنظام آلي لتصميم و بناء الشبكات العصبية الاصطناعية لحل المشاكل السابقة و التي ذكرت اعلاه.في هذا البحث تم اقتراح وسيلة جديدة لبناء الشبكات العصبية الاصطناعية معتمدةً على استخدام البرمجة الجينية لتعديل كل من معمارية و أوزان الشبكات العصبية الاصطناعية في نفس الوقت.تم اقتراح عمليات جديدة تخص البرمجة الجينية في هذا البحث و هي ( Structure-preserving Crossover ) و ( Structure-preserving Mutation ) و ( Structure-preserving Permutation ) . و قد اتضح تأثيرها الإيجابي في عملية تحسين نتائج النظام المقترح.تم استخدام النظام المقترح لحل خمسة مشاكل و هي ( AND, OR, NOT, XOR, HALF-ADDER ) بالإضافة إلى ذلك تمت مقارنة النتائج المستحصلة من النظام مع نتائج عمل ( Koza ) و مع ثلاث أنواع رئيسية من الشبكات العصبية الاصطناعية و هي ( Perceptron, Back-Propagation, and Adaline ).


Article
Prediction of Corrosion Inhibitor Efficiency of Some Aromatic Hydrizdes and Schiff Bases Compounds by Using Artificial Neural Network

Author: Hanan A. Radhy Al.Hazam حنان عبد الرضا الهزام
Journal: Iraqi National Journal Of Chemistry المجلة العراقية الوطنية لعلوم الكيمياء ISSN: 22236686 Year: 2009 Issue: 34 Pages: 297-302
Publisher: Babylon University جامعة بابل

Loading...
Loading...
Abstract

Abstract Artificial neural networks are used for evaluating the corrosion inhibitor efficiency of some aromatic hydrazides and schiff bases compounds. The nodes of neural network input layer represent the quantum parameters, total negative charge (TNC) on molecule, energy of highest occupied molecular orbital (E Homo), energy of lowest unoccupied molecular orbital (E Lomo), dipole moment(μ), total energy (TE), molecular volume(V), dipolar-polarizability factor(Π) and inhibitor concentration (C). The neural network output is the corrosion inhibitor efficiency (E) for the mentioned compounds. The training and testing of the developed network are based on a database of 31 published experimental tests obtained by weight loss. The neural network predictions for corrosion inhibitor efficiency are more reliable than prediction using other conventional theoretical methods such as AM1, PM3, Mindo, and Mindo-3.

الخلاصة استخدمت تقنية الشبكة العصبية الصناعية في تقييم كفاءة تثبيط التاكل لبعض مركبات الهيدرازايد الاروماتية وقواعد شف . تضمنت عقد طبقة الادخال للشبكة معاملات كمية هي الشحنة السالبة الكلية (NTC) ،طاقة اعلى اوربيتال مملوء (اوربيتال هوموEH)،طاقة اوطا اوربيتال فارغ (اوربيتال لوموEL)،عزم ثنائي القطب (μ(،الطاقة الكلية (TE )،الحجم الجزيئي V ،عامل الاستقطاب (π)والتركيز المثبط C . بينما كانت عقد الطبقة الخارجية للشبكة تمثل كفاءةتثبيط التاكل (E) للمركبات المؤشرة اعلاه. واعتمد في تدريب واختيار الشبكة 31 قيمة عملية ناتجة من فقدان الوزن . ووجد من النتائج المستحصلة لكفاءة تثبيط التاكل ان تقنية الشبكة العصبية اكثر دقة من المحسوبة بالطرق النظرية الاخرى مثل Mindo3,Mindo,PM3,AMs.


Article
The Investigation of Monitoring Systems for SMAW Processes
الأستقصاء عن أنظمة المراقبة و السيطــــره على عمليات اللحـــام بالقوس الكهربائي

Loading...
Loading...
Abstract

The monitoring weld quality is increasingly important because great financial savings are possible because of it, and this especially happens in manufacturing where defective welds lead to losses in production and necessitate time consuming and expensive repair. This research deals with the monitoring and controllability of the fusion arc welding process using Artificial Neural Network (ANN) model. The effect of weld parameters on the weld quality was studied by implementing the experimental results obtained from welding a non-Galvanized steel plate ASTM BN 1323 of 6 mm thickness in different weld parameters (current, voltage, and travel speed) monitored by electronic systems that are followed by destructive (Tensile and Bending) and non-destructive (Hardness on HAZ) tests to investigate the quality control on the weld specimens. The experimental results obtained are then processed through the ANN model to control the welding process and predict the level of quality for different welding conditions. It has been deduced that the welding conditions (current, voltage, and travel speed) have a dominant factors that affect the weld quality and strength. Also we found that for certain welding condition, there was an optimum weld travel speed to obtain an optimum weld quality. The system supports quality control procedures and welding productivity without doing more periodic destructive mechanical test to dozens of samples.

إنّ مراقبة نوعيةَ وجودة اللحامِ مهمةُ جداً لأنها تزيد احتمالية الارباح الماليةَ وهذه تَحْدثُ خصوصاً في عمليات الأنتاج حيث ان اللحام المعيوبِ يذهب مع الخسائرِ في الإنتاجِ ويَستلزمُ معالجته خسارة في الوقتِ والكلفة.هذا البحثِ يَتعاملُ مع مراقبة نوعية اللحام وقابليةِ التحكم في عمليةِ اللحام الأنصهاري بالقوسِ الكهربائي التي تَستعملُ شبكة عصبيةَ إصطناعيةَ (ANN) كنموذج.تأثير عناصر اللحامِ على نوعيةِ اللحامَ دُرِسَ بتَطبيق نَتائِجِ تجريبيةِ تم الحَصول عليها مِنْ لحام صفيحة الفولاذِ (1323 ASTM BN non-Galvanized) بسمك 6 مليمتر في ظروف اللحامِ المختلفةِ (تيار لحامِ، فولتية لحامِ، سرعة اللحامِ) تمت المراقبة بالأنظمةِ الإلكترونيةِ، ثم تُبعت بأختبارات فحص أتلافية لعينات (أختبار الشدّ والإنحْناء) وغيرأتلافية لعينات أخرى (أختبار الصلادة) لتَحرّي مراقبة الجودة على نماذجِ اللحام.إنّ النَتائِجَ التجريبيةَ المكتسبةَ تمّ معالجتها بأدخالها لنموذجِ الشبكة العصبيةِ الإصطناعيِة للسَيْطَرَة على عمليةِ اللحام وتوقّعُ مستوى النوعيةِ لظروف اللحام المختلفةِ.إستُنتِجَ بأنّ ظروف اللحام (الفولتية، التيار، سرعة اللحام) كَانَت العوامل المهيمنة التي أَثّرتْ على نوعيةِ وقوّةِ اللحامَ. أيضاً وَجدنَا انه عند تحديد ظروف اللحام، كانت هناك سرعةُ لحام قصويةِ للحُصُول على نوعيةَ لحامِ قصويةِ.يَدْعمُ النظامُ إجراءاتَ مراقبة الجودةِ وانتاجية اللحام بدون عَمَل إختبار ميكانيكي تدميري الى أكثرِ من العشراتِ من العيناتِ.


Article
Artificial Neural Networks Analysis of Treatment Process of Gypseous Soils
التحليل بالشبكات العصبية الاصطناعية لعملية معالجة الترب الجبسية

Authors: Mohammad M. Al-Ani --- Mohammad Y. Fattah --- Mahmoud T. A. Al-Lamy
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2009 Volume: 27 Issue: 9 Pages: 1811-1832
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Artificial Neural Networks (ANNs) are used to relate the properties of gypseous soilsand evaluate the values of compression of soils under different conditions. Therefore, onelayerperception training using back propagation algorithm is used to assess the validity ofapplication of ANNs for modelling the settlement ratio for wetting process, (S/B)w, and thesettlement ratio for soaking process, (S/B)s.It was found that ANNs have the ability to predict the compression of gypseous soildue to soaking, washing process with high degree of accuracy. Also, performance of ANNsshowed that one hidden layer with one hidden nodes is practically enough for the neuralnetwork analysis.The sensitivity analysis indicates that the viscosity and specific gravity have themost significant effect on the predicated settlement ratio and the density of injection materialand void ratio have moderate impact on the settlement ratio. The results also show that theinitial gypsum content, stress and time have the smallest impact on settlement ratio.It was concluded that the artificial neural networks (ANNs) have the ability topredict the settlement ratio for wetting process (S/B)w, and settlement ratio for soakingprocess (S/B)s of gypseous soil with high degree of accuracy. The equations obtained using(ANNs) for (S/B)w, and (S/B)s showed excellent correlation with experimental results wherethe coefficients of correlation are (0.9541) and (0.991), respectively.

تستخدم الشبكات العصبية الاصطناعية لربط خواص الترب الجبسية و تقييم قيم الانضغاط للتربة تحتظروف مختلفة. و عليه أستخدم تدريب المدرك الحسي ذي الطبقة الواحدة بإتباع تقنية الانتشار الرجعيو نسبة (S/B)w لتقييم صلاحية تطبيق الشبكات العصبية الاصطناعية في تمثيل نسبة الهبوط للعملية الرطبة.(B يمثل هبوط الأساس الذي عرضه S حيث أن ) ، ( S/B)s الهبوط للعملية عند الغمرلقد وجد بان الشبكات العصبية الاصطناعية قادرة على دراسة المتغيرات مع بعضها البعض كمجموعةواحدة وإيجاد علاقة بينها بدقة عالية. استخدم في هذه الدراسة طبقة مخفية واحدة احتوت على عقدة واحدةمخفية .اظهر تحليل الحساسية لنماذج الفحوصات باستخدام الشبكات العصبية الاصطناعية بأن لزوجة المادةالمحقونة والكثافة النوعية للتربة لهما التأثير الأكبر على نسبة الهبوط وأظهرت النتائج أن كثافة المادة المحقونة مع نسبة الفجوات للتربة ذات تأثير متوسط على نسبة الهطول كما أظهرت النتائج أن نسبة الجبسالابتدائية والإجهاد والزمن لها تأثير ضئيل في تحديد نسبة الهبوط.لقد تم التوصل إلى استنتاج أن الشبكات العصبية الاصطناعية لها القابلية على تخمين نسبة الهبوطللترب الجبسية مع درجة عالية من الدقة، (S/B)s و نسبة الهبوط للعملية عند الغمر (S/B)w للعملية الرطبةعلاقات ممتازة مع النتائج العملية (S/B)s و (S/B)w فقد أبدت المعادلات التي تم الحصول عليها لتقديرحيث كانت قيم معامل الارتباط ( 0.9541 ) و ( 0.991 ) على التوالي


Article
Digital Hardware Implementation of Artificial Neurons Models Using FPGA
تنفيذ الكيان المادي الرقمي لنماذج خلايا عصبية اصطناعية باستخدام مصفوفة البوابات المبرمجة حقليا

Authors: Sa'ad Ahmed Al-Kazzaz سعد أحمد القزاز --- Rafid Ahmed Khalil رافد احمد خليل
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2009 Volume: 17 Issue: 2 Pages: 12-24
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Abstract This paper present the digital implementation of multiply-accumulate (MAC) circuit of artificial neuron using FPGA (Field Programmable Gate Array) including three types of nonlinear activation functions: hardlims, satlins and tansig. A VHDL hardware description Language codes are used to implement the neuron using XC3S500E-FG320 Xilinx FPGA device. The simulation results obtained with Xilinx Foundation 8.2i software are presented. The results are analyzed in terms of usage percentage of chip resources and maximum working frequency. Keyword:- Artificial Nouron , FPGA , Neural Network

الخلاصة يقدم هذا البحث طريقة لتنفيذ الكيان المادي الرقمي المبني على مصفوفة البوابات المبرمجة حقلياً ( FPGA ) لدائرة ضرب - تجميع (MAC ) لخلية عصبية اصطناعية ولثلاثة أنواع مختلفة من الدوال التفعيل الغير خطية :- ( hardlims , satlins , tansig ) . حيث تم تطوير برمجيات لتنفيذ الخلايا العصبية الاصطناعية على شريحةFPGA ) ( نوع XC3S500E-FG320 إنتاج شركة Xilinx . ان كافة نتائج المحاكات لإشارات الإدخال والإخراج المختلفة التي عرضت في هذا البحث ، تم الحصول عليها باستخدام بيئة العمل البرمجية Xilinx Foundation 8.2i والخاصة بشريحة (FPGA) المستخدمة. وقد تم تحليل كافة نتائج التنفيذ المادي بالاعتماد على النسب المئوية لاستهلاك الموارد المادية لشريحة (FPGA ) وكذلك القيمة العظمى لتردد الاشتغال لكل نموذج منفذ.


Article
Application of Neural Network in the Identification of the Cumulative Production from AB unit in Main pays Reservoir of South Rumaila Oil Field.

Authors: Ghazwan N S Jreou --- Mohammed S.Al jawad
Journal: Iraqi Journal of Chemical and Petroleum Engineering المجلة العراقية للهندسة الكيمياوية وهندسة النفط ISSN: 19974884/E26180707 Year: 2009 Volume: 10 Issue: 2 Pages: 37-46
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

A common field development task is the object of the present research by specifying the best location of new horizontal re-entry wells within AB unit of South Rumaila Oil Field. One of the key parameters in the success of a new well is the well location in the reservoir, especially when there are several wells are planned to be drilled from the existing wells. This paper demonstrates an application of neural network with reservoir simulation technique as decision tool. A fully trained predictive artificial feed forward neural network (FFNNW) with efficient selection of horizontal re-entry wells location in AB unit has been carried out with maintaining a reasonable accuracy. Sets of available input data were collected from the exploited grids and used in the training and testing of the used network. A comparison between the calculated and observed cumulative oil production has been carried out through the testing steps of the constructed ANN, an absolute average percentage error of the used network was reached to 4.044%, and this is consider to be an acceptable limit within engineering applications, in addition to that, a good behavior was reached with (FFNNW) and suitable re-entry wells location were identified according to the reservoir configuration (pressure and saturation distribution) output from SRF simulation model at the end of 2005.


Article
Detection of Static Air-Gap Eccentricity in Three Phase Induction Motor by Using Artificial Neural Network (ANN)

Authors: Hayder E. Alwan --- Qais S. Al-Sabbagh
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2009 Volume: 15 Issue: 4 Pages: 4176 -4192
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This paper presents the effect of the static air-gap eccentricity on the performance of a three phase induction motor .The Artificial Neural Network (ANN) approach has been used to detect this fault .This technique depends upon the amplitude of the positive and negative harmonics of the frequency. Two motors of (2.2 kW) have been used to achieve the actual fault and desirable data at no-load, half-load and full-load conditions. Motor Current Signature analysis (MCSA) based on stator current has been used to detect eccentricity fault. Feed forward neural network and error back propagation training algorithms are used to perform the motor fault detection. The inputs of artificial neural network are the amplitudes of the positive and negative harmonics and the speed, and the output is the type of fault. The training of neural network is achieved by data through the experiments test on healthy and faulty motor and the diagnostic system can discriminate between “healthy” and “faulty” machine.

هذا البحث يوضح تاثير اللامركزية الساكنة في الفجوة الهوائية على أداء محرك حثي ثلاثي الاطوار. تم استخدام تقنية الشبكة العصبية الاصطناعية لكشف هذا العطل ,ان هذه التقنية تعتمد على سعة التوافقيات السالبة والموجبة للترددات. في هذا البحث تم استخدام محركين اثنين وبقدرة (2.2 كيلو واط) لتحقيق العطل بصورة حقيقية وللحصول على البيانات المطلوبة ولثلاث اختبارات (اللاحمل, نصف الحمل والحمل الكامل). تم اعتماد بصمة التيار الساكن لغرض التحليل والكشف عن وجود اللامركزية. تم اعتمادالشبكة العصبية ذات التغذية الامامية وتصحيح الاخطاء بطريقة الارجاع العكسي , أن سعة التوافقيات السالبة والموجبة للتردادت تم اعتمادها لتكون بيانات ادخال لتدريب الشبكة الاصطناعية لغرض الكشف والتمييز بين المحرك العاطل والمحرك الخالي من العطل.


Article
Prediction of the Point Efficiency of Sieve Tray Using Artificial Neural Network

Authors: Firas N. Hassan --- Adil. A. Al-Hemiri عادل احمد عوض
Journal: Iraqi Journal of Chemical and Petroleum Engineering المجلة العراقية للهندسة الكيمياوية وهندسة النفط ISSN: 19974884/E26180707 Year: 2009 Volume: 10 Issue: 4 Pages: 57-62
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

An application of neural network technique was introduced in modeling the point efficiency of sieve tray, based on a data bank of around33l data points collected from the open literature.Two models proposed,using back-propagationalgorithm, the first model network consists: volumetric liquid flow rate (QL), F foctor for gas (FS), liquid density (pL),gas density (pg), liquid viscosity (pL), gas viscosity (pg), hole diameter (dH), weir height (hw), pressure (P) and surfacetension between liquid phase and gas phase (o). In the second network, there are six parameters as dimensionless group: Flowfactor (F), Reynolds numberfor liquid (ReL), Reynolds numberfor gas through hole (Reg), ratio of weir height to hole diqmeter (hw/dH), ratio of pressure of process to atmosphere pressure (P/Pa), Weber number (lTe).Statistical analysis showed that the proposed models have an average absolute relative enor (AARE) of 9.3% and standard deviation (SD) of 9.7%forfirst model, AARE of 9.35% and SD of 10.5%for second model and AARE of 9.8%and SD of 7.5%for the third model.


Article
High Performance Colored Image Segmentation System Based on Neural Network
منظومة عالية الاداء مبنية على الشبكات العصبية لتقطيع صورة ملونة

Author: Shefa A. Dawwd شفاء عبدالرحمن داؤد
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2009 Volume: 17 Issue: 2 Pages: 1-11
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Abstractimage segmentation is often the most time-consuming part of image processing systems. Traditionally, systems employing real-time color-based segmentation are either implemented in hardware, or in very specific software systems. This paper describes an FPGA implementation of a skin color segmentation based on a neural network. The proposed segmentation approach is an essential stage for face detection. The system uses a multilayer feedforward neural architecture with three-inputs, one hidden layer, two output neurons and a pipelined saturating linear activation function to simplify the FPGA hardware implementation. The system was tested by using different colored face images for face segmentation problem and its performance was compared with the results obtained using advanced software system designed specifically for face segmentation. A comparable performance was achieved and a speed up of (64583) was estimated compared to a Pentium 4, 2.4 GHz general purpose sequential computer and when it is compared to reduced instruction set computer IBM RISC 350 station, it was (407).Keywords: Neural network implementation, image Segmentation, FPGA based systems

الخلاصةتعتبر خوارزميات تقطيع الصور من الخوارزميات الاكثر استهلاكا للزمن ضمن خوارزميات معالجة الصور. عادة ما يتم تنفيذ منظومات الزمن الحقيقي لتقطيع الصور الملونة بأستخدام كيان مادي او بأستخدام كيانات برمجية عالية التخصيص. في هذا البحث تم تنفيذ نظام مادي مبني على استخدام الشبكات العصبية لتقطيع الاجزاء المحتواة على لون الجلد بأستخدام مصفوفة البوابات المبرمجة حقليا. تعتبر عملية التقطيع المقترحة مرحلة اساسية تستخدمها منظومات كشف الوجوه. تستخدم المنظومة المقترحة في هذا البحث معمارية عصبية متعددة الطبقات ذات ثلاثة ادخالات وطبقة مخفية واحدة وخليتين عصبيتين في طبقة الاخراج مع دالة تفعيل خطية مشبعة ذات تقنية انبوبية وذلك لتسهيل التنفيذ المادي المطبق على مصفوفة البوابات المبرمجة حقليا. تم فحص النظام اعتمادا على صور ملونة متعددة تحتوي على عدة صور وجوه وذلك لتقطيع الوجوه الموجودة في هذه الصور. تم مقارنة انجاز المنظومة من خلال النتائج المستحصلة باسنخدام كيان برمجي متخصص في هذا المجال منفذ على حاسبة تسلسلية ذات استخدام عام نوع Pentium 4, 2.4 GHz والحصول على تسارع مقداره 64583 وعند مقارنة النظام مع حاسبة الايعازات المختزلة ذات الاستخدامات الخاصة نوع IBM RISC 350 تم الحصول على تسارع مقداره 407.


Article
Fault Location Estimation Algorithm for Digital Distance Protection Relay Based on Artificial Neural Network
الحساب التخميني لموقع العطل لمرحلة حماية المسافة الرقمية بالاعتماد على الشبكة العصبية الاصطناعية

Author: Ahmed Ateya Albadrani أحمد عطيّة آلبدراني
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2009 Volume: 17 Issue: 2 Pages: 43-56
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

AbstractThis paper investigates study the influence of a fault resistance on the performance of a digital distance protection installed on a transmission lines, it is well known that augment of fault resistance can cause seriously overreach or underreach to distance relay depending on the different operational situations of power system, To compensate the magnitude and phase error of the apparent impedance, This algorithm uses the angle of an impedance deviation vector ( ). The impedance correction algorithm for ground faults has been employed by the Fault Resistance Compensation Block (FRCB) to compensate fault resistance effect.Artificial neural network technique using Matlab/Simulink software is trained to determine the suitable value of an impedance deviation angle for the FRCB, In order to minimize the estimated impedance error of a distance relay. The results of simulation showed that compensated scheme relay performance are acceptably improve and the impedance estimated by relay is close to the actual value via FRCB with ANNS. So the performance of distance relay is much more reliable and accuracy.Key Words: - Distance protection, Fault resistance, Artificial neural network

يتضمن هذا البحث دراسة تأثير مقاومة العطل على أداء حماية المسافة الرقمية العاملة في خطوط النقل، إذ أن المركبة الطولية لمقاومة العطل يمكن إن تسبب قصر أو بعد في المدى الحمائي لهذه المرحلة وبشكل كبير وفق حالات التشغيل المختلفة لمنظومة القدرة، ولأجل تعويض قيمة وزاوية الخطأ للممانعة الظاهرية المقاسة بواسطة مرحلة المسافة بسبب تأثير مقاومة العطل تم إدخال زاوية الانحراف ( ) لمتجه الممانعة الظاهرية في حسابات هذه المرحلة من خلال تصميم كتلة تعويض تأثير مقاومة العطل في حال حدوث الأعطال الأرضية.تم الاستفادة من تقنية الشبكة العصبية باستخدام برنامج Matlab/Simulink, من خلال تدريب هذه الشبكة لتحديد قيمة زاوية الانحراف ( ) الملائمة وفق حالات تشغيل مختلفة عن طريق كتلة تعويض تأثير مقاومة العطل لتقليل خطأ الممانعة المخمنة لمرحلة المسافة، وقد أظهرت نتائج التمثيل من خلال مخطط التعويض تحسن أداء المرحلة بشكل مقبول جداً, وأن قيمة الممانعة المخمنة بواسطة المرحلة أصبحت قريبة جداً من القيمة الفعلية للمانعة العطل باستخدام (FRCB) مع تقنية (ANNS) بوجود مقاومة عطل مما انعكس على أداء مرحلة المسافة, وبالتالي باتت أكثر دقة ًواعتمادية.

Listing 1 - 10 of 12 << page
of 2
>>
Sort by
Narrow your search

Resource type

article (12)


Language

English (10)

Arabic and English (2)


Year
From To Submit

2009 (12)