research centers


Search results: Found 27

Listing 1 - 10 of 27 << page
of 3
>>
Sort by

Article
PREDICTION OF TIGRIS RIVER DISCHARGE IN BAGHDAD CITY USING ARTIFICAL NEURAL NETWORKS
التنبؤ بتصريف جريان نهر دجلة في مدينة بغداد باستخدام الشبكات العصبية الصناعية

Author: Ali H. Al Aboodi علي حسن العبودي
Journal: KUFA JOURNAL OF ENGINEERING مجلة الكوفة الهندسية ISSN: 25230018 Year: 2014 Volume: 5 Issue: 2 Pages: 107-116
Publisher: University of Kufa جامعة الكوفة

Loading...
Loading...
Abstract

Artificial Neural Networks (ANNs), with three layers feed- forward network of sigmoid hidden neurons and linear output neurons are performed for predicting Tigris River flow in Baghdad City, middle of Iraq. The network is trained with Levenberg-Marquradt back-propagation algorithm. The number of hidden neurons is estimated according to trial and error procedure. The best model is selected according to trial and error procedure based on root mean square error and coefficient of correlation. The selected model is used to predicate the river discharge for one, two, and three months ahead. Results indicate that the ANNs with Levenberg-Marquradt back-propagation algorithm are a powerful tool for forecasting the river discharge for short term duration. But this ability begins to decrease when increasing the period of forecasting.

تمت تهيئة الشبكات العصبية الصناعية لثلاث طبقات بطريقة الطبقات المتعددة الامامية لتابع التحويل الاسي للطبقة المخفية وتابع التحويل الخطي لطبقة الاخراج للتنبؤ بتصريف نهر دجلة في مدينة بغداد، وسط العراق. استخدمت خوارزمية للانتشار العكسي في تدريب الشبكة. أختير عدد العقد طبقا لعملية التجربة والخطأ. حدد افضل نموذج بطريقة المحاولة والخطا وبالاعتماد على معامل الارتباط وجذر معدل الخطأ ألتربيعي لتنيؤ بتصريف مجرى النهر لشهر، شهرين، وثلاثة اشهر لاحقة. حيث بينت النتائج ان الشبكات العصبية المتعددة الامامية المدربه بخوارزمية أداة فاعلة للتنبؤ بتصريف النهر للامد القصير. حيث تبدا هذه القدرة بالتضائل كلما زادت فترة التنبؤ.

Keywords

: Artificial --- Neural --- Networks --- Flow --- Tigris --- River


Article
Application of Artificial Neural Networks to Control the Output Voltage of Wind Energy System
تطبيق الشبكات العصبية الصناعية الذكية للسيطرة على الجهد الخارج لنظام طاقة الرياح

Authors: Saadi A. Alobaidi سعدي عباس ألعبيدي --- Mohammed Abdulla Abdulsada محمد عبد الله عبد السادة
Journal: Journal of Engineering and Sustainable Development مجلة الهندسة والتنمية المستدامة ISSN: 25200917 Year: 2014 Volume: 18 Issue: 1 Pages: 1-13
Publisher: Al-Mustansyriah University الجامعة المستنصرية

Loading...
Loading...
Abstract

This paper presents the use of Artificial Neural Networks to control the output voltage of Self-Excited Induction Generator (SEIG) driven by wind turbine and supplies static load. The effects of rotor speed, load impedance and the excitation capacitance variations on the terminal voltage of the SEIG are discussed. An adaptive controller scheme based on Artificial Neural Networks (ANNs) is proposed to predict the suitable value of regulator capacitance for maintaining a constant output voltage of the SEIG. A programmable high speed controller (PHSC) is used to switch ON the required capacitor for providing the predicted capacitance. A Matlab simulation results are presented to demonstrate the terminal voltage of the SEIG with the proposed control scheme. The results proved that the proposed scheme is able to keep the terminal voltage at constant value in spite of the wind speed and load variations.Keywords: wind generation, output voltage control, artificial neural networks.

يتضمن هذا البحث استخدام الشبكات العصبية الصناعية الذكية للسيطرة على الجهد الخارج من مولد حثي ذو أللإثارة الذاتية المرتبط بتوربين رياح و المجهز لحمل استاتيكي. تم مناقشة تأثير تغير السرعة و ممانعة الحمل و متسعة الإثارة على جهد إطراف المولد ألحثي. تم اقتراح مسيطر متكيف يعتمد على الشبكات العصبية الصناعية الذكية للتنبؤ بقيمة متسعة الإثارة للحفاظ على جهد خارج ثابت للمولد ألحثي. تم استخدام متحكم مبرمج عالي السرعة لتشغيل و إدخال المتسعة المطلوبة و المتوافقة مع المتسعة المتنبؤ بها. تم استخدام برنامج ماتلاب لمحاكاة تغير جهد إطراف المولد مع النظام المقترح. أثبتت النتائج إن النظام المقترح قادر على الحفاظ على جهد إطراف ثابت للمولد ألحثي على الرغم من تغير السرعة و ممانعة الحمل.List of Principal Symbols


Article
Electrocardiogram (ECG) Signal Enhancement Using Genetic Soliton Neural Networks (GSNN)
تحسين أشارة جهاز تخطيط القلب باستخدام الشبكات العصبية الجينية ذات الموجة الانفرادية

Authors: Ahmed Chyad Kadhim --- Mehdi Munshid Shellal --- Sinan Majid Abdul Satar
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 5 Part (A) Engineering Pages: 1251-1265
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

A soliton is a solitary wave whose amplitude, shape, and velocity are conserved after a collision with another soliton. Solitons, in general, manifest themselves in a large variety of wave/particle systems in nature: practically in any system that possesses both dispersion (in time or space) and nonlinearity. Solitons have been identified in optics, plasmas, fluids, condensed matter, particle physics, and astrophysics. Yet over the past decade, the forefront of soliton research has shifted to neuroscience. The Soliton model in neuroscience is a recently developed model that attempts to explain how signals are conducted within neurons. It proposes that the signals travel along the cell's membrane in the form of certain kinds of sound (or density) pulses known as solitons. The electrocardiogram (ECG) signal is generated by the rhythmic contractions of the heart. It represents the electrical activity of the heart muscles, and is usually measured by the electrodes placed on body surface. Electrocardiogram (ECG) signal has been widely used in cardiac pathology to detect heart disease. In this paper, Soliton Feed forward Neural Network (SFNN) is proposed for ECG signal enhancement. Computer simulation results demonstratedthat the proposed approach can successfully be used to model the ECG signal and remove high-frequency noise.

تتسم الموجة الانفرادية الـ Solitonبان صفاتها من اتساع وشكل وسرعة تكون محفوظة من التغير بعد تصادمها مع موجة منفردة اخرى. تظهر الموجات الانفرادية، على العموم ، في الطبيعة على شكل تَشْكِيلة كبيرة مِن لأنظمة الموجيةِ / الجسيمية.اما من الناحية العملية فانها تظهر في اي نظام يمتلك خاصيتي التشتت ( الزماني والمكاني) واللاخطّيةِ. لقد وجد ان الموجات الانفرادية يمكن ان تنشأفي البصريات، البلازما، الموائع، المواد المتكثفة، فيزياء الجسيمية والفيزياء الفلكية. مع كل ذلك فلقد تغيرت طليعة البحث في الموجة الانفرادية باتجاه عِلْمِ الأعصاب.ان النموذج الانفرادي للموجة في علم الاعصاب هو حاليا في طورالتطور والذي يحاول ان يوضح كيفية مرورالاشارة في داخل الخلايا العصبية. يقترح هذا النموذج بان الاشارات تنتقل بمحاذاة غشاء الخلية على شكل انواع معينه من النبضات الصوتيةوالمعروفة بالموجات الانفرادية.تتولد اشارة المخطط البياني الكهربائي لعمل القلب بواسطة التقلصات الايقاعية للقلب. حيث تمثل هذه الاشارة الفعالية الكهربائية لعضلات القلب والتي عادة ما تقاس باستخدام الاقطابكهربائية التي توضع على سطح الجسم. لقد اصبحت اشارة المخطط البياني الكهربائي للقلب مستخدمةعلى نحو واسع في علم الامراض لكشف وتحديد امراض القلب.لقد تم في هذا البحث اقتراح نموذج الشبكات العصبية بالتقنية الامامية للموجة الانفرادية من اجل تحسين اشارة جهاز تخطيط القلب ECG. لقد اظهرت نتائج المحاكاة الحاسوبية ان هذه الطريقة المقترحة يمكنها ان تمثل نموذجا ناجحا لتحسين اشارة جهاز تخطيط القلب ويتم ذلك بازالة جميع الضوضاء الناشئة عن الترددات العالية.


Article
Roughness Assessment for Machined Surfaces in Turning Operation Using Neural Network
تخمين خشونة السطوح المشغلة في عملية الخراطة باستخدام الشبكة العصبية

Authors: Mohanned M.H. AL-Khafaji --- Hussam Lefta Alwan --- Baraa M.H. Albaghdadi
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 5 Part (A) Engineering Pages: 1331-1344
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

Feed forward artificial neural network has been applied to predict the quality of turned surfaces for two types of coated carbide inserts. Four networks were proposed for each insert. The networks have been trained and tested using a former experimental data. The input data, represented by cutting parameter values, and output data, represented by surface roughness, were fed into the network model. Each network has three layers adopted for prediction. The first one is the input layer which involves cutting parameters: cutting speed, feed rate, and depth of cut; the second layer is hidden layer consisting of two hidden layers. The third layer of the network is the output layer which gives the surface roughness value. Levenberg - Marquardt algorithm is used in the back-propagation algorithm to train these networks. The best result was obtained for networks which have (12) neurons in the first hidden layer and (9) neurons in the second hidden layer. These networks had given R^2=0.9902 and mean square error = 0.0033 for the first insert, whereas, for the second insert, R^2=0.9892 and mean square error = 0.0023. These networks were used to predict the optimum cutting parameters which give minimum surface roughness.

استخدمت الشبكة العصبية للتنبؤ بخشونة السطح المشغل بعملية الخراطة و لنوعين من عدد القطع الكاربيدية المطلية. اقترحت اربع شبكات بكل عدة. دربت هذه الشبكات واختبرت باستخدام بيانات تجارب سابقة. البيانات المدخلة للشبكة هي متغيرات عملية القطع (سرعة القطع و التغذية وعمق القطع) اما المخرجات هي خشونة السطح. كل شبكة تتكون من ثلاث طبقات دربت لتعطي قيمة الخشونة. الطبقة الأولى تعتبر طبقة الأدخال و تتضمن متغيرات عملية القطع(سرعة القطع والتغذية وعمق القطع)، أما الطبقة الثانية تتكون من طبقتين مخفيتيين. الطبقة الثالثة هي طبقة الأخراج و التي تعطي قيمة الخشونة السطحية. استخدمت خوارزمية لفنبرغ – ماركوارت ضمن خوارزمية التغذية العكسية لتدريب الشبكات. افضل نتيجة كانت من الشبكة العصبية التي تحوي على طبقة مخفية أولى بعدد 12 خلية عصبية وطبقة مخفية ثانية بعدد 9 خلايا عصبية. اعطت هذه الشبكاتR^2=0.9902 ومعدل الخطأ التربيعي =0.0033 للعدة الأولى، بينما R^2=0.9892 ومعدل الخطأ التربيعي =0.0023 للعدة الثانية. استخدمت هذه الشبكات للتنبؤ بأفضل ظروف قطع للحصول على اقل خشونة سطحية.


Article
Black box Neuro-Identifier for RSA and AES Cryptosystems

Authors: Hamza A. Ali --- Namareq Odey
Journal: Iraqi Journal of Information Technology المجلة العراقية لتكنولوجيا المعلومات ISSN: 19948638/26640600 Year: 2014 Volume: 6 Issue: 3 اللغة الانكليزية Pages: 8-19
Publisher: iraqi association of information الجمعية العراقية لتكنولوجيا المعلومات

Loading...
Loading...
Abstract

Black box identification system is a feature of neural networks; hence such system could be utilized for cryptanalysis approach to construct a neuro-identifier. The most widely used and hard to break cryptosystems on the web nowadays are AES and RSA cryptosystems. This paper reports some efforts to incorporate the black box techniques and neuro-identifier for cryptanalysis of these two systems. Theoretical study of a black box model has manifested considerable success in the identification of encryption/decryption keys search.


Article
Application Of Artificial Neural Network Models For Predicting Total Dissolved Solids In Marsh Water

Author: Mohammed D. Salman
Journal: University of Thi-Qar Journal for Engineering Sciences مجلة جامعة ذي قار للعلوم الهندسية ISSN: 26645564/26645572 Year: 2014 Volume: 5 Issue: 2 Pages: 1-21
Publisher: Thi-Qar University جامعة ذي قار

Loading...
Loading...
Abstract

In this paper an Artificial Neural Networks (ANNS) model is designed to predict the Total Dissolved Solids (TDS) concentration in marsh water. A previous data set are selected from previous studies which done on analysis of marsh water quality, these data are arranged in a format of five input parameters to feed forword back-propagation including the acidity (pH), calcium concentration (C), Magnesium Concentration (M) , Chloride Concentration (Cl) and Sulphate Concentration (S), and one output parameter as Total Dissolved Solids concentration. Artificial Neural Network used to study the effect of each parameter on TDS concentration in marsh water. Several structures of ANNs model is examined with different transfer functions, activation functions, number of neurons in each hidden layer and number of hidden layers. Results show that the two hidden layer network with transfer function (trainscg) with (12 & 10) neurons in the first and second hidden layer respectively and (tansig-tansig-purelin) gives the best performance (Mean Square Error: 3.05e-5) network for this prediction.

في هذه الورقةِ صمم نموذج شبكات عصبيةَ صناعية لتَخمين تركيز المواد الصلبة الذائبة الكلية في مياهِ الاهوار. أختيرت مجموعة معلومات سابقة مختارة مِنْ الدِراساتِ السابقةِ التي عَملتْ على تحليلِ نوعيةِ ماءِ الاهوار ، رتبت هذه البيانات في صيغة خمسة عوامل داخلة للشبكة متضمنتا ذلك الحموضةِ (pH)، تركيز الكالسيومِ، تركيز المغنيسيومِ ، تركيز الكلوريدِ، وتركيز الكبريتاتِ، و عامل ناتجِ واحد متمثلا بتركيز المواد الصلبة الذائبة في مياه الاهوار. استعملت الشبكة العصبية الصناعية لدِراسَة تأثيرِ كُلّ من العوامل الداخلة على تركيز المواد الصلبة الذائبة في مياه الاهوار. اختبرت عِدّة تراكيب لنموذجِ الشبكة العصبية في مختلف : دوال النقلِ ، دوال التنشيطِ، عدد العقد في كُلّ طبقة مخفية وعدد الطبقاتِ المخفيةِ. اوضحت النَتائِجَ بأنّ الشبكةَ العصبية ذو الطبقتين المخفيتين بوظيفةِ النقلِ (trainscg) مَع (12 و10) عقد عصبية في الطبقةِ المخفيةِ الأولى والثانيةِ على التوالي و دالة تنشيط متمثلة بـ (tansig tansig purelin) تَعطي أفضل أداءِ (متوسط مربع نسبة الخطأ : 3,05 *10-5) للشبكة لهذا التنبؤِ في هذه الدراسة.


Article
Enhanced Hardware Implementation of Hybrid Stochastic Neural Network using FPGA
تنفيذ شكبة عصبية عشوائية هيجنة ومحسنة FPGA بأستخدام

Authors: Rafid Ahmed Khalil رأفد احمد خليل --- Mustafa Salim مصطفى سالم
Journal: AL Rafdain Engineering Journal مجلة هندسة الرافدين ISSN: 18130526 Year: 2014 Volume: 22 Issue: 2 Pages: 142-154
Publisher: Mosul University جامعة الموصل

Loading...
Loading...
Abstract

Enhanced Hardware Implementation of Hybrid StochasticNeural Network using FPGARafid Ahmed Khalil Mustafa SalimEmail:rafidamori@ymail.com Email:mshhalh@gmail.comAbstractMost of the traditional digital implemented systems uses fixed point or floatingpoint for representing and processing data. An alternative approach is to represent dataas random bits that are distributed along the sequence. To be precise, stochastic logiccan be considered as a solution for hardware size for application that consume physicalarea like neural networks as it uses logic gates to implement complex operations and itsinherits resistance to bit flips noise. To avoid some of the problems that this type ofprocessing suffers from, a combination of stochastic logic and classical logic (fixed point)is used to implement a neural networks (Fully connected feed-forwards) that ischaracterized by FPGA large size consuming. The stochastic logic is utilized have toimplement part of the multiplication operations in the hidden layers of network andLFSR is used as a random generator for conversion of weights and activation functionsoutputs. The hardware utilization of Spartan 3E-500K FPGA results are compared withanother network of the same size. A discussion of some of the issues that related to thismethodology faces is also presented.Key words: Artificial neural networks, LFSR, Probabilistic computation, Stochasticarithmetic, FPGA, Stochastic logic.تنفيذ شكبة عصبية عشوائية هيجنة ومحسنةFPGA بأستخدامرأفد احمد خليل مصطفى سالمالخلاصةأغلب الانظمة الرقمية تطبق العلميات الرياضية عن طريق استخدام التمثيل الرقمي ذو النقطة الثابتة أو الفاصلةالعائمة أن البديل هو ترميز الارقام المراد معالجتها بسلسلة من الصفر والواحد وبصورة عشوائية أي المنطق العشوائي,حيث أعتبر كبديل للمنطق الاعتيادي في التطبيقات التي تستهللك مساحه سيلكونية كبيرة كونه يحتاج الى داوئر بسيطةت ج ن ب ا لب ع ض ا لم ش اك ل ا لت ي ي ع ان ي م ن ه ا ه ذ ا ا لن و ع م ن .)bit flips( لتنفيذ العمليات الرياضية المعقدة ومقاومته للضوضاء(Fully connected feed- المعالجة تم دمج هذا المنطق مع المنطق الاعتيادي في تنفيذ شبكة عصبية نوعحيث تم أستخدام المنطق العشوائي في أجراء جزء من FPGA التي تتميز باستهلاكها الكبير لشريحة forward)في أجراء (LFSR) عمليات الضرب في الطبقات الخفية من الشبكة العصبية مع استخدام مولد أرقام عشوائية من نوععملية تحويل الأوزان وأخراجات دوال التفعيل. تم مقارنة النتائج مع شبكة أخرى من نفس الحجم ومناقشة بعض النتائج.

Enhanced Hardware Implementation of Hybrid StochasticNeural Network using FPGARafid Ahmed Khalil Mustafa SalimEmail:rafidamori@ymail.com Email:mshhalh@gmail.comAbstractMost of the traditional digital implemented systems uses fixed point or floatingpoint for representing and processing data. An alternative approach is to represent dataas random bits that are distributed along the sequence. To be precise, stochastic logiccan be considered as a solution for hardware size for application that consume physicalarea like neural networks as it uses logic gates to implement complex operations and itsinherits resistance to bit flips noise. To avoid some of the problems that this type ofprocessing suffers from, a combination of stochastic logic and classical logic (fixed point)is used to implement a neural networks (Fully connected feed-forwards) that ischaracterized by FPGA large size consuming. The stochastic logic is utilized have toimplement part of the multiplication operations in the hidden layers of network andLFSR is used as a random generator for conversion of weights and activation functionsoutputs. The hardware utilization of Spartan 3E-500K FPGA results are compared withanother network of the same size. A discussion of some of the issues that related to thismethodology faces is also presented.Key words: Artificial neural networks, LFSR, Probabilistic computation, Stochasticarithmetic, FPGA, Stochastic logic.تنفيذ شكبة عصبية عشوائية هيجنة ومحسنةFPGA بأستخدامرأفد احمد خليل مصطفى سالمالخلاصةأغلب الانظمة الرقمية تطبق العلميات الرياضية عن طريق استخدام التمثيل الرقمي ذو النقطة الثابتة أو الفاصلةالعائمة أن البديل هو ترميز الارقام المراد معالجتها بسلسلة من الصفر والواحد وبصورة عشوائية أي المنطق العشوائي,حيث أعتبر كبديل للمنطق الاعتيادي في التطبيقات التي تستهللك مساحه سيلكونية كبيرة كونه يحتاج الى داوئر بسيطةت ج ن ب ا لب ع ض ا لم ش اك ل ا لت ي ي ع ان ي م ن ه ا ه ذ ا ا لن و ع م ن .)bit flips( لتنفيذ العمليات الرياضية المعقدة ومقاومته للضوضاء(Fully connected feed- المعالجة تم دمج هذا المنطق مع المنطق الاعتيادي في تنفيذ شبكة عصبية نوعحيث تم أستخدام المنطق العشوائي في أجراء جزء من FPGA التي تتميز باستهلاكها الكبير لشريحة forward)في أجراء (LFSR) عمليات الضرب في الطبقات الخفية من الشبكة العصبية مع استخدام مولد أرقام عشوائية من نوععملية تحويل الأوزان وأخراجات دوال التفعيل. تم مقارنة النتائج مع شبكة أخرى من نفس الحجم ومناقشة بعض النتائج.


Article
Spatial Prediction of Monthly Precipitation in Sulaimani Governorate using Artificial Neural Network Models

Authors: Rafa H. AL-Suhaili رافع هاشم السهيلي --- Rizgar A. Karim رزكار أحمد كريم
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2014 Volume: 20 Issue: 3 Pages: 15-27
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

ANN modeling is used here to predict missing monthly precipitation data in one station of the eight weather stations network in Sulaimani Governorate. Eight models were developed, one for each station as for prediction. The accuracy of prediction obtain is excellent with correlation coefficients between the predicted and the measured values of monthly precipitation ranged from (90% to 97.2%). The eight ANN models are found after many trials for each station and those with the highest correlation coefficient were selected. All the ANN models are found to have a hyperbolic tangent and identity activation functions for the hidden and output layers respectively, with learning rate of (0.4) and momentum term of (0.9), but with different data set sub-division into training, testing and holdout data sub-sets, and different number of hidden nodes in the hidden layer. It is found that it is not necessary that the nearest station to the station under prediction has the highest effect; this may be attributed to the high differences in elevation between the stations. It can also found that the variance is not necessary has effect on the correlation coefficient obtained.

تم استخدام تقنية نمذجة الشبكات العصبية الصناعية لتخمين بيانات الأمطار الشهرية في أحدى المحطات الهيدرولوجية المناخية من واقع ثمان محطات في شبكة المحطات المناخية في محافظة السليمانية. تم بناء ثمان نماذج من الشبكات العصبية لكل محطة نموذج. ثم للحصول على نماذج ذات دقة عالية لتخمين الأمطار الشهرية حيث تراوح معامل الارتباط بين الأمطار الشهرية المخمنة و تلك المقاسة من (90% - 97.2%). كل نموذج تم ايجاده بعد محاولات عديدة لكل محطة و تم اختيار النموذج الذي يعطي أعلى معامل ارتباط. جميع النماذج للشبكات العصبية الصناعية وجدت ذات دالة تفعيل نوع (hyperbolic tangent) و (identity) للطبقة المخفية و طبقة المخرجات على التوالي, و بمعدل تعلم للشبكة (0.4) و معامل زخم (0.9) و لكن بمختلف أنواع تقسيم البيانات الى بيانات التدريب , الاختبار و التخمين و مختلف الأعداد للعقد في الطبقة المخفية. كما وجد في تحليل التأثير القياسي بأنه ليس من الضروري أن تكون المحطة ذات المسافة الأقرب من المحطة تحت التخمين ذات أعلى تأثير على الأمطار الشهرية لتلك المحطة وذلك بسبب الفروقات العالية بين منسوب المحطات. كما وجد بأنه ليس من الضروري أن تكون المحطات ذات البيانات التي أعطت أعلى تباين أن تكون ذات أقل معامل الارتباط للقيم المخمنة مع تلك المقاسة.


Article
A Genetic Algorithm for Minimum Set Covering Problem in Reliable and Efficient Wireless Sensor Networks
الخوارزمية الجينية لمشكلة المجموعة الادنى للتغطية في شبكات الاستشعار اللاسلكية الموثوقة والفعالة

Authors: Bara'a A. Attea براء علي عطيه --- Sarab M. Hameed سراب مجيد حميد
Journal: Iraqi Journal of Science المجلة العراقية للعلوم ISSN: 00672904/23121637 Year: 2014 Volume: 55 Issue: 1 Pages: 224-240
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Densely deployment of sensors is generally employed in wireless sensor networks (WSNs) to ensure energy-efficient covering of a target area. Many sensors scheduling techniques have been recently proposed for designing such energy-efficient WSNs. Sensors scheduling has been modeled, in the literature, as a generalization of minimum set covering problem (MSCP) problem. MSCP is a well-known NP-hard optimization problem used to model a large range of problems arising from scheduling, manufacturing, service planning, information retrieval, etc. In this paper, the MSCP is modeled to design an energy-efficient wireless sensor networks (WSNs) that can reliably cover a target area. Unlike other attempts in the literature, which consider only a simple disk sensing model, this paper addresses the problem of scheduling the minimum number of sensors (i.e., finding the minimum set cover) while considering a more realistic sensing model to handle uncertainty into the sensors' target-coverage reliability. The paper investigates the development of a genetic algorithm (GA) whose main ingredient is to maintain scheduling of a minimum number of sensors and thus to support energy-efficient WSNs. With the aid of the remaining unassigned sensors, the reliability of the generated set cover provided by the GA, can further be enhanced by a post-heuristic step. Performance evaluations on solution quality in terms of both sensor cost and coverage reliability are measured through extensive simulations, showing the impact of number of targets, sensor density and sensing radius.

يستخدم عادة نشر أجهزة الاستشعار بكثافة في شبكات الاستشعار اللاسلكية (WSNs) لضمان تغطية كفوءه وأقتصادية في المنطقة المستهدفة. حديثأ تم اقتراح العديد من تقنيات جدولة أجهزة الاستشعار لتصميمWSNs كفوء من ناحية استخدام الطاقة وأصبحت هذه المشكل تعميم لمشكله المجموعة الادنى للتغطيه MSCP .(MSCP) هي مشكلة NP-Hard والمطبقة في حل العديد من المشاكل الناجمة مثل التصنيع، وتخطيط الخدمة، واسترجاع المعلومات، وما إلى ذلك من المشاكل. في هذ البحث ، تم نمذجة MSCP لتصميم شبكات الاستشعار اللاسلكية (WSNs) والتي يمكن أن تغطي المنطقة المستهدفة بثقة وبطريقة أقتصادية. على عكس محاولات أخرى في هذا المجال، يتناول هذا البحث مشكلة جدولة الحد الأدنى لعدد من أجهزة الاستشعار ( إيجاد الحد الأدنى لغطاء مجموعة)، في نموذج الاستشعار أكثر واقعية للتعامل مع حالة عدم اليقين في موثوقية أجهزة الاستشعار في تغطية الهدف. تدارس هذا البحث تطوير الخوارزمية الجينية (GA) للحفاظ على جدوله لعدد أدنى من أجهزة الاستشعار، لدعم WSNs كفوء في استخدام الطاقة . وبمساعدة من أجهزة الاستشعار غير المعينة المتبقية، يمكن زيادة موثوقية تغطية المجموعة التي تقدمها GA بعد خطوة الكشف عن مجريات الأمور. تم قياس تقييم الأداء على نوعية الحل من حيث تكلفة الاستشعار وموثوقية التغطية من خلال محاكاة واسعة النطاق، والتي تبين أثر عدد الأهداف، وكثافة اجهزة الاستشعار ونصف قطر الاستشعار عن بعد.


Article
Dynamics and Control of Heat Exchanger Networks
السلوك الديناميكي و السيطرة على شبكة المبادلات الحرارية

Authors: Duraid Fadhil Ahmed --- Cizan A. Ali
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2014 Volume: 32 Issue: 2 Part (A) Engineering Pages: 465-480
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

In this paper dynamics of plate heat exchanger networks is given by combining dynamic models of plate heat exchangers in the network. A mathematical model for plate heat exchanger is developed based on energy balance. Dynamic simulation of plate heat exchanger networks to different step changes in flow rate of both process fluid and utility fluid is conducted using MATLAB simulink. Plate heat exchanger networks has been controlled using split range control method with two manipulated variables which are process fluid and utility fluid. The simulation results showed that split range controller is the best action and gives better response compared with conventional controller.

تم في البحث الحصول على النموذج الديناميكي لشبكة المبادلات الحرارية الصفائحية من خلال الجمع بين النموذج الديناميكي لمبادلات الحرارية الصفائحية الموجودة في الشبكة. تم تطوير نموذج رياضي لمبادل الحراري الصفائحي بالاعتماد على موازنة الطاقة. أجريت محاكاة ديناميكية لشبكة المبادلات الحرارية الصفائحية باستخدام برنامج ماتلاب من خلال اجراء اضطراب درجي في معدل الجريان لمائعي العملية والخدمات. تمت السيطرة على شبكة المبادلات الحرارية الصفائحية باستخدام مسيطر المدى المنفصل ذو متغيرين للمعالجة و أظهرت نتائج المحاكاة بأن مسيطر المدى المنفصل هو أفضل أداء وأعطت استجابة جيدة مقارنة مع المسيطر التقليدي.

Listing 1 - 10 of 27 << page
of 3
>>
Sort by
Narrow your search

Resource type

article (27)


Language

English (20)

Arabic and English (5)

Arabic (2)


Year
From To Submit

2014 (27)