در این مقاله هدف بررسی تیوریک و به دست آوردن آشکارساز اهداف متحرک زمینی در رادار دهانه مصنوعی تک کاناله مبتنی بر روش های تیوری آشکارسازی است. بر این اساس ساختار آشکارساز اهداف متحرک زمینی از سیگنال خام دریافتی رادار دهانه مصنوعی مبتنی بر آزمون نسبت درست نمایی تعمیم یافته (GLRT) توسعه یافته است. بدین منظور پارامترهای مجهول سیگنال دریافتی از هدف متحرک زمینی شامل مکان در راستای سمت و سرعت هدف در هر دو راستای برد و سمت با تخمین MLجایگزین شده و سپس آزمون نسبت درست نمایی تعمیم یافته انجام می گردد که منجر به ساختار آشکارساز تخمین گر-همبسته ساز می گردد. تخمین پارامترهای مجهول سیگنال بازگشتی هدف که در ساختار آشکارساز پیشنهادی استفاده می گردد، نیازمند بهینه سازی یک تابع هدف از طریق جستجوی شبکه ای در فضای چند بعدی پارامترهای نامعلوم سیگنال بازگشتی است. جهت کاهش بار محاسباتی این جستجوی شبکه ای حجیم چند بعدی، از نگاشت فضای چند بعدی سیگنال دریافتی به چند فضای یک بعدی کاملا معادل بهره جسته ایم. کارایی روش پیشنهادی بر اساس نتایج شبیه سازی با رسم منحنی های عملکرد آشکارساز و همچنین محاسبه بار محاسباتی نشان داده شده است.

سابقه و هدف: یکی از مهم ترین مشکلات مسائل بدطرح معکوس در بیش برازش مدل با داده های مشاهداتی، در بهینه سازی پارامترها است که با این عمل، پارامترهایی که برازش کمتری با داده های مشاهداتی دارند و ممکن بود با داده های غیر از صحت سنجی، نتیجه ای حتی بهتر از جواب بهینه نشان می دادند، حذف می شوند. این پارامترها، نباید حذف شوند بلکه باید به نحوی در نظر گرفته شوند. درروش برآورد عدم قطعیت درست نمایی تعمیم یافته (GLUE) این دیدگاه، به کار رفته است. مواد و روش ها: در این مطالعه، از روش GLUE در مدل سازی بارش-رواناب استفاده شد که در آن، با استفاده از یک تابع درست نمایی نامرسوم و فرض یک مقدار آستانه ای از آن، مجموعه ای از پارامترهای رفتاری برای تولید باندهای عدم قطعیت پیش بینی در نظر گرفته شده اند. روش GLUE، جهت برآورد عدم قطعیت در مدل سازی بارش-رواناب حوضه آبریز چهل چای در استان گلستان مورد استفاده واقع شد. برای این کار، از دو مدل یکپارچه HyMod و HBV و شش تابع درست نمایی شامل واریانس معکوس، نش-ساتکلیف، کلینگ-گوپتا، ویتل، نرمال، نرمال با واریانس ناهمسان بهره گرفته شد. یافته ها: برای ارزیابی روش GLUE، مناسب ترین توابع درست نمایی انتخاب شده و تأثیر عوامل مؤثر بر آن مورد تحلیل قرار گرفت. برای حوضه موردمطالعه، از بین شش تابع درست نمایی ارزیابی شده، توابع واریانس معکوس، کلینگ گوپتا و نرمال به دلیل نتیجه بهتر انتخاب شدند. آستانه جداسازی پارامترها نیز مورد تحلیل حساسیت قرار گرفت و 5 درصد تعداد کل شبیه سازی ها مناسب تشخیص داده شد. نتایج نشان داد که با افزایش پارامتر شکل، وزن بیشتر به جواب هایی تعلق می گیرد که دارای برازش بهتری هستند؛ بنابراین روش GLUE مشابه یک روش بهینه سازی عمل می کند. بررسی عدم قطعیت پارامترهای دو مدل نشان داد اکثر پارامترها همبستگی کمی با یکدیگر دارند که می توان نتیجه گرفت که پارامترها خوب تعریف شده اند، اما به خاطر ضریب تغییرات نسبتاً بالای آن ها، تشخیص پذیری آن ها پایین است. باندهای عدم قطعیت در مدل HyMod حدود 62 درصد و در مدل HBV حدود 55 درصد از داده های مشاهداتی را (در دوره های صحت سنجی و واسنجی) پوشش دادند بازه های پیش بینی، در جریان های پایه بیشترین عرض را داشتند. نتیجه گیری: با توجه به نتایج، روش GLUE، نسبت به تابع درست نمایی مورداستفاده، آستانه جداسازی پارامترهای قابل قبول و نوع مدل، حساس بود. برای حوضه چهل چای، بهترین تابع درست نمایی، تابع کلینگ-گوپتا، بهترین آستانه جداسازی، برابر 5 درصد تعداد کل شبیه سازی ها بوده و از بین دو مدل مورد بررسی، مدل HyMod نسبت به مدل HBV، نتایج نسبتاً بهتری داشت. همچنین عدم قطعیت پارامترها در این روش، به این دلیل که کل عدم قطعیت را در پارامترها خلاصه می کند، بالاست. از مزایای روش می توان به اجتناب نسبی آن از بیش برازش و سادگی آن اشاره کرد.

دو سیستم موازی را در نظر بگیرید بطوریکه هر کدام از دو مولفه با طول عمرهای مستقل نمایی تعمیم یافته تشکیل شده اند. در این مقاله، بر اساس پارامترهای شکل و مقیاس موجود در توزیع طول عمر یکی از سیستم ها، ناحیه ای معرفی می شود بطوریکه اگر بردار پارامترهای مقیاس سیستم دیگری در این ناحیه قرار گیرد، آنگاه ترتیب تصادفی نسبت درستنمایی میان طول عمر دو سیستم برقرار است. همچنین تعمیمی از این نتیجه به حالتی که طول عمرهای مولفه ها از توزیع وایبول نمایی شده پیروی می کنند نیز ارایه شده است.

در تقاطع­­های راست گوشه سه شاخه یا چهار شاخه کانال­های روباز، مطالعه جدایی جریان بسیار حائز اهمیت می­باشد. برخی پارامترهای موثر در این زمینه نسبت دبی ورودی و عمق جریان می­باشد که در این تحقیق تاثیر نسبت دبی ورودی و نسبت ارتفاع سرریزها (عمق جریان) در الگوی جریان و ابعاد ناحیه جداشدگی به صورت عددی شبیه­سازی شده است. بررسی نتایج مدل عددی نشان داد که مدل k-ω بیشترین مطابقت را با نتایج آزمایشگاهی دارد، به طوریکه میزان خطای شبیه­سازی کمتر از 20% بود. ابعاد ناحیه جداشدگی در کانال­­های اصلی و فرعی با نسبت دبی ورودی رابطه مستقیم داشت. همچنین با افزایش ارتفاع سرریزهای خروجی، عمق جریان افزایش یافت و منجر به کاهش ابعاد ناحیه جداشدگی شد. مطابق نتایج عددی، ابعاد ناحیه جداشدگی در راستای قائم از کف کانال به سطح آب افزایش یافت، به­طوری­که برای نسبت دبی 6/0 و نسبت ارتفاع سرریز 377/0، طول ناحیه جداشدگی در کف کانال، فاصله 1/0 متر از کف و در سطح آب به ترتیب در حدود 60 سانتیمتر، 75 سانتیمتر و 85 سانتیمتر بود. بنابراین از سطح آب به سمت کف کانال طول ناحیه جداشدگی در حدود 29% کاهش یافت.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

کنترل آماری فرایند هم زمان با پیشرفته تر شدن فرایندها و پیچیده تر شدن محصولات تولیدی نقش چشمگیری در صنایع تولیدی داشته است. با توجه به افزایش حساسیت فرایندها و ناکارآمد بودن روش های مبتنی بر بازرسی انسانی، در سال های اخیر، استفاده از تصویر محصول در کنترل فرایند آماری توسط پژوهشگران مورد توجه قرار گرفته است. در این مقاله، سه روش مبتنی بر موجک یک بعدی برای پایش آماری تصاویر ارایه شده است. این روش ها برای پایش فرایند از رویکرد نسبت درست نمایی استفاده می کنند و در نتیجه علاوه بر اعلام شرایط خارج از کنترل، توانایی ارایه ی نقطه ی تغییر را نیز دارند. عملکرد این روش ها با استفاده از نمودار کنترل نسبت درست نمایی تعمیم یافته و از نظر شاخص های متوسط طول دنباله و تفاوت بین نقطه ی تغییر واقعی و تخمینی ارزیابی شده است. مطالعات شبیه سازی با استفاده از تصویر نوعی پارچه انجام شده است و نتایج نشان دهنده ی سطح مناسب توانایی روش ها در تشخیص حالت های خارج از کنترل و تخمین نقطه ی تغییر هستند.

لطفا برای مشاهده چکیده به متن کامل (pdf) مراجعه فرمایید.