تخمین طول عمر و بررسی خواص مکانیکی نمونه های GRP

اختصاصی از ژیکو تخمین طول عمر و بررسی خواص مکانیکی نمونه های GRP دانلود با لینک مستقیم و پر سرعت .

در این فایل pdf تخمین طول عمر و بررسی خواص مکانیکی نمونه های GRP مورد بررسی قرار گرفته است

تخمین پارامترهای هدف درحال حرکت در سیستم‌های رادار MIMO غیرهمدوس

اختصاصی از ژیکو تخمین پارامترهای هدف درحال حرکت در سیستم‌های رادار MIMO غیرهمدوس دانلود با لینک مستقیم و پر سرعت .

این فایل ترجمه فارسی مقاله زیر می باشد:

Moving Target Parameters Estimation in Noncoherent MIMO Radar Systems

چکیده

مسئله‌ی تخمین پارامترهای یک هدف در حال حرکت در رادار چند ورودی چند خروجی (MIMO) در نظر گرفته شده است و یک رویکرد جدید برای تخمین پارامترهای هدف در حال حرکت با استفاده از اطلاعات فاز مرتبط با هر فرستنده و گیرنده مسیر، معرفی شده است. این  برای این روش که آنتن‌های گیرنده‌ی مختلف دارای مرجع زمان یکسان هستند، مورد نیاز می‌باشد اما هیچ هماهنگ‌سازی از فازهای اولیه آنتن‌های دریافت مورد نیاز است و در نتیجه، فرایند تخمین غیرهمدوس است. ما حرکت هدف خاص را در درون یک فاصله پردازش به عنوان یک چند جمله‌ای از مرتبه‌ی کلی، مدل‌سازی می‌نماییم.  سه ضریب اولیه از چنین چند جمله ای متناظر با محل اولیه، سرعت و شتاب هدف، به ترتیب می‌باشد. یک تکنیک جدید حداکثر احتمال (ML) برای تخمین ضرایب حرکت هدف توسعه یافته است. نشان داده شده است که مسئله ML در نظر گرفته شده می تواند به عنوان مسئله حداقل مربعات کلاسیک غیرخطی "بیش‌از حد تعیین‌شده‌" تفسیر شود. تخمین‌گر ML ارائه‌شده نیاز به جستجوی چند بعدی بر روی ضرایب چند جمله ای‌های مجهول دارد. حد کرامر-رائو (CRB) برای مسئله‌ی تخمین پارامتر پیشنهادی استخراج شده است. عملکرد روش ارائه شده با نتایج شبیه سازی اعتبارسنجی شده است و نشان داده شده است که به CRB می‌رسد.

توضیحات: فایل ترجمه به صورت ورد می باشد و دارای 20 صفحه است.

دانلود پایان نامه:تخمین مدل و استنتاج آماری

اختصاصی از ژیکو دانلود پایان نامه:تخمین مدل و استنتاج آماری دانلود با لینک مستقیم و پر سرعت .

در این پست می توانید متن کامل این پایان نامه را  با فرمت ورد word دانلود نمائید:تخمین مدل و استنتاج آماری

بررسی ایستایی (ساکن بودن) سری های زمانی[1]

قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری که اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

برای تاکید بیشتر تعریف ایستایی، فرض کنید Y_t یک سری زمانی تصادفی با ویژگیهای زیر است:

(1)                                                                        : میانگین

(2)                                                                   واریانس :

(3)                                    کوواریانس :

(4)                         ضریب همبستگی :

که در آن میانگین ، واریانس  کوواریانس  (کوواریانس بین دو مقدار Y که K دوره با یکدیگر فاصله دارند، یعنی کوواریانس بین Y_t و Y_t-k) و ضریب همبستگی  مقادیر ثابتی هستند که به زمان t بستگی ندارند.

اکنون تصور کنید مقاطع زمانی را عوض کنیم به این ترتیب که Y از Y_t به Y_t-k تغییر یابد. حال اگر میانگین، واریانس، کوواریانس و ضریب همبستگی Y تغییری نکرد، می توان گفت که متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت که یک سری زمانی وقتی ساکن است که میانگین، واریانس، کوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد که در چه مقطعی از زمان این شاخص ها را محاسبه می کنیم. این شرایط تضمین می کند که رفتار یک سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد[2].

آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد[3]

یک آزمون ساده برای ساکن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با  نشان داده می شود و بصورت زیر تعریف می گردد.

از آنجاییکه کوواریانس و واریانس، هر دو با واحدهای یکسانی اندازه گیری می‌شوند،  یک عدد بدون واحد یا خالص است.  به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر  را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی که عملاً تنها یک تحقق واقعی (یعنی یک نمونه) از یک فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه،  را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا کوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.

که همانند نسبت کوواریانس نمونه به واریانس نمونه است. نمودار  در مقابل K نمودار همبستگی نمونه نامیده می شود. در عمل وقتی  مربوط به جامعه را ندایم و تنها  را براساس مصداق خاصی از فرآیند تصادفی در اختیار داریم باید به آزمون فرضیه متوسل شویم تا بفهمیم که  صفر است یا خیر. بارتلت (1949)[4] نشان داده است که اگر یک سری زمانی کاملاً تصادفی یعنی نوفه سفید باشد، ضرایب خود همبستگی نمونه تقریباً دارای توزیع نرمال با میانگین صفر و واریانس  می باشد که در آن n حجم نمونه است. براین اساس می توان یک فاصله اطمینان، در سطح 95 درصد ساخت. بدین ترتیب اگر  تخمینی در این فاصله قرار گیرد، فرضیه(=0) را نمی توان رد کرد. اما اگر  تخمینی خارج از این فاصله اعتماد قرار گیرد می توان صفر بودن  را رد کرد.

آزمون دیگری نیز بصورت گسترده برای بررسی ایستایی سریهای زمانی بکار می‌رود که به آزمون ریشه واحد معروف است. برای فهم این آزمون مدل زیر را در نظر بگیرید[5]:

Y_t = Y_t-1+U_t

U_t جمله خطای تصادفی است که فرض می شود بوسیله یک فرآیند تصادفی مستقل (White Noise) بوجود آمده است. (یعنی دارای میانگین صفر، واریانس ثابت  و غیر همبسته می باشد).

خواننده می تواند تشخیص دهد که معادله فوق، یک معادلخ خود رگرسیون مرتبه اول یا AR(1) می باشد. در این معادله مقدار Y در زمان t بر روی مقدار آن در زمان (t-1) رگرس شده است. حال اگر ضریب Y_t-1 برابر یک شود مواجه با مساله ریشه واحد می شویم. یعنی این امر بیانگر وضعیت غیر ایستایی سری زمانی Y_t می باشد. بنابراین اگر رگرسیون زیر را اجرا کنیم:

و تشخیص دهیم که  است، گفته می شود متغیر Y_t دارای یک ریشه واحد است. در اقتصاد سنجی سریهای زمانی، سری زمانی که دارای یک ریشه واحد باشد، نمونه‌ای از یک سری زمانی غیر ایستا است.

(ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

پایان نامه:تخمین توابع ترمودینامیکی محلولهای مائی (نظری- تجربی)

اختصاصی از ژیکو پایان نامه:تخمین توابع ترمودینامیکی محلولهای مائی (نظری- تجربی) دانلود با لینک مستقیم و پر سرعت .

در این پست می توانید متن کامل این پایان نامه را  با فرمت ورد word دانلود نمائید:تخمین توابع ترمودینامیکی محلولهای مائی (نظری- تجربی)

-4-2 مدلهای آماری

مدلهایی که بر اساس دیدگاههای مکانیک آماری استوار هستند به طور وسیعی در پیش‌گویی خواص ترمودینامیک محلولهای الکترولیت مورد استفاده قرار می‌گیرد. بر اساس گفته لی و همکارانش ]71[ بر پایه مفهوم ترمودینامیک آماری دو روش جهت مطالعه رفتار و ساختمان مواد وجود دارد یکی استفاده از داده‌های شبیه‌سازی مونت کارلو (Montecarlo) یا حرکتهای مولکولی (Molcalardynamics) و روش دیگر استفاده از معادلات انتگرالی از قبیل (Percus – yevick) یا HNS (Hypernetted chain) می‌باشد. تمام این روشهای مکانیک آماری با در نظر گرفتن تمام برهمکنشهای موجود در محلول الکترولیت به محاسبه انرژی پتانسیل محلول الکترولیت و از آنجا به محاسبه خواص ترمودینامیکی محلول الکترولیت می‌پردازند. در تمام این روشها برای محاسبه خواص ترمودینامیکی محلول الکترولیت، در تعریف محلول یا از مدل لاتیک (Latic) یا از مدل سل (Cell) استقاده می‌کنند که در مدل lattic اجزاء سیستم در فضا به صورت پیوسته پخش شده اند. در روش مدل (Cell) نیز سیستم به سلهایی که در هر کدام یک جزء محلول وجود دارد تقسیم می‌شود. در این روش ابتدا تعداد اجزاء محاسبه و بعد انرژی درونی یک سیستم محاسبه می‌شود. اساس روش شبیه‌سازی مونت کارلو به این ترتیب است که متوسط میانگین نشانه‌هایی (اجزاء) که ما مقدار آنها را می‌خواهیم بدانیم می‌دهد. به عبارت دیگر نتایج شبیه‌سازی مونت کارلو مقدار متوسط تصادفی مختلف از مقادیری که ما می‌خواهیم بدست آوریم را می‌دهد. به عنوان مثال لاند و همکارانش ]64[ از روش شبیه‌سازی مونت کارلو برای محاسبه ضریب فعالیت آب دریا استفاده کردند که هر دو نیروهای با برد بلند و نیروهای با برد کوتاه را در نظر گرفتند.

در روش دینامیک مولکولسی نیز مانند روش مونت کارلو مقادیر متوسط اجزاء موجود متوسط کامپیوتر محاسبه می‌شود ]100[.

با استفاده از این دیدگاهها دو نوع مدل مکانیک آماری که در آن محلولهای الکترولیت مدلسازی می‌شوند وجود دارد:

1- مدلهایی از نوع MM (McMillan – Mayer) (91، 39) که در آنها حلال به عنوان یک محیط با ثابت دی الکتریم پیوسته در نظر گرفته می‌شود و تنها اثرات تقابلی بین ذرات یونی وجود دارد بنابراین مدل دبای و هوکل از نوع مدل MM می‌باشد.

2- نوع دوم مدلهای از نوع BO (Born Oppenheimer) می‌باشد در این نوع مدلها ذرات تشکیل دهنده حلال نیز در میزان نیروهای بین مولکولی دخیل هستند. این نوع از مدلها از نوع مدلهای غیر ابتدایی (Nonprimitive) می باشند.

مدل دبای و هوکل از دیدگاه مکانیک آماری

مدل دبای – هوکل را می‌توان از دیدگاه مکانیک آماری نیز تحلیل کرد. اگر یک نمک حل شده در آب را در نظر بگیریم و با توجه به این نکته که بر مبنای تئوری MM حلال توسط یک محیط با ثابت دی الکتریک یکنواخت جانشین می‌شود در این صورت معادله ارنشتاین زرنیک (oz) [40] را می‌توان به صورت زیر ارائه داد:

(4-75)

(4-76)

h(r) تابع همبستگی غیر مستقیم و c(r) تابع همبستگی مستقیم نامیده می‌شوند همچنین g(r) تابع توزیع شعاعی که بیانگر نحوه توزیع ذرات در حجم محدودی از فضا می‌باشد نامیده می‌شود. از آنجایی که مدل دبای – هوکل در ناحیه رقیق از غلظت حل شونده اعمال می‌شود می‌توان نوشت:

(4-77)

(4-78)

Wij پتانسیل نیروی متوسط یونها می‌باشد. با توجه به فرضیات فوق و با در نظر گرفتن قواعد مذکور در تبدیل فضای ریاضیاتی موجود بر یک فضای فوریه می‌توان به راحتی به عبارتت معروف دبای و هوکل دست یافت. بای جزئیات بیشتر به مرجع ]71[ مراجعه شود.

مدل تقریب متوسط کروی (MSA)

مدل تقریب متوسط کروی (MSA) یکی از مدلهای ساده و مناسب برای توصیف خواص ترمودینامیکی محلول الکترولیت است. در این مدل فرض شده که یونهای الکترولیت کرات سخت باردار باشند و حلال یک محیط دی الکتریمی پیوسته باشد. مدل MSA بر پایه معادله انتگرالی اورنشتین – زرنیک (O – Z) می‌باشد. این مدل ابتدا به صورت مدل MSA محدود و بعد به صورت مدل MSA غیر محدود و توسعه یافته ارائه گردید. برای توسعه این مدل لازم است نگاهی اجمالی به نظریه اغتشاش و سیستم مرجع کره سخت داشته باشیم.

نظریه اغتشاش (Perturbationtheory):

تئوری اغتشاش یکی از مهمترین تئوریها در توسعه تئوری ساختار مایعات در طول چند دهه گذشته می‌باشد. این تئوری در سال 1954 توسط زوانزیگ (152) توسعه داده شد و بعدها توسط رولینسون (111) و مک کواری دکتز (92) جهت تعیین تابع تقسیم (Partition Function) یک مجموعه کونیکال (Canonical Ensembel) به کار گرفته شد. تئوری اغتشاش بعدها برای مایعات با معرفی معادلات انتگرالی توسط هندرسون (16)، توسعه بیشتری داده شد. در این تئوری کل انرژی ناشی از تاثیر متقابل ذرات به دو قسمت تقسیم می‌شود. قسمت اول مربوط به حالت مرجع (Reference state) و قسمت دوم به حالت اغتشاشی (Pertarbation State) مربوط می‌شودو سهم اغتشاش به شکل یک دنباله بیان می‌شود که جمله اول آن شامل اثرات متقابل بین دو ذره و جملات بالاتر شامل اثرات متقابل بین چند ذره می‌باشد. نتایج حاصل از این تئوری برای مولکولهای با پتانسیل چاه مربعی در مقایسه با نتایج شبیه‌سازی مونت کارلو از دقت بسیار بالایی برخوردار است ]71[.

(ممکن است هنگام انتقال از فایل ورد به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

متن کامل را می توانید دانلود نمائید

چون فقط تکه هایی از متن پایان نامه در این صفحه درج شده (به طور نمونه)

ولی در فایل دانلودی متن کامل پایان نامه

همراه با تمام ضمائم (پیوست ها) با فرمت ورد word که قابل ویرایش و کپی کردن می باشند

موجود است

ارائه یک روش جدید برای تخمین هزینه به موقع انجام نشدن عملیات مبتنی بر قابلیت اطمینان تراکتورهای فعال در کشت و صنعت

اختصاصی از ژیکو ارائه یک روش جدید برای تخمین هزینه به موقع انجام نشدن عملیات مبتنی بر قابلیت اطمینان تراکتورهای فعال در کشت و صنعت دانلود با لینک مستقیم و پر سرعت .

عنوان کامل مقاله: ارائه یک روش جدید برای تخمین هزینه به موقع انجام نشدن عملیات مبتنی بر قابلیت اطمینان تراکتورهای فعال در کشت و صنعت دعبل خزایی خوزستان

نویسند‌گان: محمد پوزش ، سیدسعید محتسبی ، حجت احمدی
خلاصه مقاله:
برای انجام عملیات مزرعه، در هر منطقه و با توجه به نوع محصول، یک زمان بهینه وجود دارد. اگر عملیلت زودتر یا دیرتراز این زمان انجام شود منجر به کاهش در عملکرد و کیفیت محصول می شود که این کاهش را هزینه به موقع انجام نشدنعملیات گویند. هدف از این مقاله برآورد هزینه به موقع انجام نشدن عملیات به روش احتمال قابلیت کار متوسط بر اساس تابع قابلیت اطمینان تراکتورهای مسی فرگوسن 285 فعال در کشت و صنعت دعبل خزایی خوزستان می باشد. در اینتحقیق، رابطه زمان ماموریت ماشین و هزینه به موقع انجام نشدن در عملیات برداشت در سال دهم عمر تراکتورها تعیین شد. نتایج نشان دادند که هرچه زمان ماموریت ماشین بیشتر باشد، هزینه به موقع انجام نشدن عملیات نیز بیشتر خواهد شد که شدت آن در ساعت های 6 تا 24 کمتر و در ساعت های بیشتر از 24 ساعت بیشتر است
کلمات کلیدی: هزینه به موقع انجام نشدن، احتمال قابلیت کار متوسط، قابلیت اطمینان، زمان بهینه، عملیات مزرعه