SVMیک تکنیک مدولاسیون شناخته شده برای مبدل های قدرت با توان متوسط و ولتاژ بالا می باشد. باید توجه داشت که تمام فرآیند مدولاسیون برای هدف پیاده سازی می تواند زمان بر باشد که علت آن یافتن موقعیت بردار مرجع به علاوه اجرای محاسبات ضروری برای مدولاسیون می باشد. علاوه بر آن با افزایش تعداد سطوح در مبدل های چند سطحی، زمان این محاسبات برای SVM های متداول افزایش می یابد. این مقاله یک تکنیک مدولاسیون را که بر روی دو ولتاژ خط مستقل، متمرکز می شود، معرفی می کند به نحوی که به طور مستقیم از ولتاژهای خط در فرآیند یافتن بردارهای سوئیچینگ و نسبت وظیفه های آنها استفاده می کند. مدولاسیون پیشنهادی نه تنها سریع و ساده می باشد بلکه به فرآیند جایابی بردار مرجع که برای مدولاسیون SVM متداول دارای نقش حیاتی است، احتیاجی ندارد. با ارائه دو مثال صحت روش ارائه شده با استفاده از نرم افزار MATLAB مورد بررسی قرار می گیرد.

در این پژوهش حاضر روش کنترل مستقیم گشتاور موتور القایی با مدولاسیون بردار فضایی(DTC-SVM) ارایه شده است. به علت مشخصه غیر خطی سیستم، کنترل کننده های کلاسیک، عملکرد خوبی در شرایط مختلف کاری ندارند. در این مقاله از الگوریتم بهینه سازی تجمع ذرات (PSO) برای تنظیم بهینه ضرایب کنترل کنندهای کلاسیک تناسبی-انتگرال گیر PI شار و گشتاور استفاده شده است. هم چنین در ادامه با ثابت در نظر گرفتن ضرایب کنترل کننده شار به دست آمده از الگوریتم PSO، از یک کنترل کننده فازی جهت تنظیم دینامیک ضرایب کنترل کننده PD گشتاور استفاده شده است. عملکرد درایو پیشنهادی، در شرایط مختلف بهره برداری تست شده و نشان داده شده است که استفاده از کنترل کننده PD فازی خود تنظیم(STFPD) گشتاور، شرایط مطلوب تری را در مقایسه با کنترل کننده کلاسیک گشتاور فراهم آورده و پاسخ دینامیکی و ماندگار درایو را بهبود می بخشد. نتایج شبیه سازی به دست آمده، صحت روش ارایه شده را تایید می کند.

در این مقاله روش جدیدی با نام مدولاسیون فضایی پیشرفته (ASM) را برای به کارگیری در سیستم های MIMO پیشنهاد می کنیم. مدولاسیون فضایی پیشرفته با استفاده از تقسیم کننده توان و تعیین فاز آنتن های فعال، بازدهی طیفی را نسبت به مدولاسیون فضایی معمولی افزایش می دهد. استفاده از تقسیم کننده توان به ما اجازه می دهد در آن واحد تعداد بیشتری آنتن فعال داشته باشیم، در حالی که همچنان یک زنجیره RF بیشتر نداریم. با تخصیص دادن بیت هایی از اطلاعات به فاز آنتن های فعال نیز دوباره می توانیم بیت های فضایی بیشتری ارسال کنیم. در ادامه با استفاده از روش های مونت کارلو عملکرد سیستم پیشنهادی را شبیه سازی کرده و آن را با مدولاسیون فضایی معمولی و دیگر تکنیک های MIMO از قبیل کدهای بلوکی فضا-زمان متعامد و V-BLAST مقایسه نموده ایم.

در این مقاله سیستمی برای تشخیص نوع مدولاسیون پیشنهاد می شود که قادر است بدون شناخت اولیه از پارامترهای سیگنال ارسالی، 9 مدولاسیون از خانواده مدولاسیون های فاز، دامنه و فاز- دامنه را شناسایی کند. برای تشخیص، طبقه بندی کننده SVM پیشنهاد شده است. پیچیدگی محاسباتی کم، سرعت آموزش بالا و درصد تشخیص بالاتر نسبت به سایر روش های تشخیص مدولاسیون مانند سطوح آستانه ثابت و متغیر و شبکه های عصبی، از مزایای روش پیشنهادی به شمار می آیند. نتایج شبیه سازی نشان می دهد که استفاده از ساختارهای سلسله مراتبی از طبقه بندی کننده SVM نیز می تواند به بهبود عملکرد بیانجامد. در این مقاله، استفاده از الگوریتم ژنتیک در بهینه سازی ساختار طبقه بندی کننده و نیز انتخاب بهینه ویژگی های مورد استفاده در ساختار سلسله مراتبی، سبب افزایش قابل ملاحظه دقت تشخیص مدولاسیون ها گردیده است.

از آنجایی که گشتاور یک ماشین القایی توسط جریان ماشین و شار فاصله هوایی تعیین می گردد، کنترل مستقیم جریان به جای ولتاژ بسیار مناسب به نظر می رسد. همچنین مدولاسیون بردار فضایی (SVM) روش برتری برای اینورترهای منبع جریان از نظر کاهش هارمونیک های مرتبه پایین، فرکانس کلیدزنی پایین تر و پیاده سازی آسان تر می باشد. این مقاله به معرفی مدولاسیون بردار فضایی برای اینورتر منبع جریان می پردازد. سپس با کنترل برداری ماشین القایی تغذیه شده با اینورتر منبع جریان، نتایجی ارایه می کند که برتری مدولاسیون SVM را از جهت پاسخ دینامیکی سریع و کنترل ساده تر گشتاور به اثبات می رساند.

مدل سازی یا شبیه سازی سیل یکی از راهکارهای اساسی برای مدیریت و کاهش اثرات مخرب این پدیده بوده و شناسایی مدل هایی کارآمد بدین منظور، یکی از مهم ترین ارکان در مدیریت حوضه های آبریز است. در این پژوهش دقت مدل های ماشین بردار کلاسیک(SVM) ، ماشین بردار پشتیبان تلفیق شده با الگوریتم ملخ  (GOA-SVM)و حداقل مربعات ماشین بردار پشتیبان (LS-SVM) در شبیه سازی دبی اوج سیل ایستگاه پل دختر در حوضه کرخه، مورد ارزیابی قرار گرفته است. بدین منظور از آمار 74 واقعه سیل در محدوه سال های 1388 تا 1395 در ایستگاه پل دختر و بارش روزانه 13 ایستگاه باران سنجی در حوضه آبریز بالادست این ایستگاه استفاده شده است. از این تعداد، 52 واقعه برای آموزش و 22 واقعه نیز برای صحت سنجی مدل ها انتخاب شد. مقایسه نتایج به کمک چهار شاخص آماری ضریب تبیین(R^2)، جذر میانگین مربعات خطا (RMSE)، خطای استاندارد (SE)، ضریب نش (NS) و همچنین تحلیل عدم قطعیت به کمک دو شاخص متوسط طول بازه نسبی  (ARIL)و درصد پوشش (POC) صورت گرفت. نتایج حاکی از برتری نسبی مدل LS-SVM با 407/0SE=، 16/110RMSE=، 91/0NS= و 92/0R2= نسبت به مدل SVM با  5/0 SE=، 70/137RMSE=، 87/0NS= و 88/0R2= و مدل SVM-GOA با 519/0 SE=، 53/144RMSE=، 83/0NS= و 9/0R2= است. متوسط مدت زمان اجرای مدلLS-SVM   در حد چند ثانیه و این زمان در مدل SVM-GOA در حد چند ساعت است. از سوی دیگر تنظیم پارامترهای مدل SVM کلاسیک بصورت دستی نیز مستلزم صرف زمان زیادی است. لذا مدلLS-SVM  به دلیل دارا بودن پارامترهای قابل تنظیم کمتر نسبت به مدل های SVM وSVM-GOA ، از لحاظ اجرایی ازسهولت بیشتری برخوردار است. لذا می توان با قطعیت و اختلافی چشمگیر مدلLS-SVM  را نسبت به دو مدل دیگر در ارجحیت قرار داد.