بایگانی دسته بندی ها پروژه های آماده متلب

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

50000 09367292276
شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت

شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت5 (100%) 2
04
09367292276
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی

60000 09367292276
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری

امتیاز دهی به نوشته ها شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری
27
اسفند
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ

70000 09367292276
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ

شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ5 (100%) 1 vote[s] شبیه سازی
26
اسفند
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب

60000 09367292276
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب

شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب5 (100%) 1 vote[s] شبیه
25
اسفند
پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

30000 09367292276
پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب

پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب5 (100%) 1 vote[s]
23
اسفند
تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب

45000 09367292276
تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب

تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب5 (100%) 2 vote[s] تشخیص
21
اسفند
پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی

50000 09367292276
پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی

امتیاز دهی به نوشته ها پیش بینی میزان بارش باران با شبکه عصبی و سیستم
19
اسفند
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران

قیمت :5000 09367292276
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران5 (100%) 1 vote[s] پیاده
شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری

شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی

 

دراین مقاله امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی مطابق فلوچارت زیر بررسی کرده و با تعریف چندین شاخص معیار امنیت را بررسی کرده که توسط گروه متلب پروژه آماده شده است که از سری پروژه های آماده برق قدرت می باشد

و بمنظور مدلسازی پانل خورشیدی باید پروفایل تغییرات دما در شبانه روز  و توان و ولتاژ و ضریب توان و مبدل بوست را مطابق فلوچارت زیر مدلسازی کرده

و بهمین منظور یک پروفایل دمای انرژی خورشیدی برای یک پانل خورشیدی KC200GT  را مدلسازی کرده و الگوریتم ردیابی حداکثر را کد نویسی کرده و در فانکشن CalcPVpower توان و ولتاژ برحسی دما و سطح تابش فراخوانی میگردد.

باتوجه به نقص دیتای شبکه توزیع,برای ارزیابی امنیت شبکه توزیع , یک شبکه توزیع 33 باسه را درنظر میگیریم

و اطلاعات اولیه بصورت  پروفایل دمای یک شبانه روز  و مکان فرضی قرار گیری پانل خورشیدی و سطح تابش و ضریب توان را بصورت زیر درنظر میگیریم که با افزایش ساعت به ظهر دمای سطح تابش فرضی به اوج ( 48 ) میرسد و با غروب کاهش میابد

 

 

 
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

و حال پخش بار 24 ساعته را با اتصال منابع خورشیدی با روش پخش بار نیوتن رافسون کتاب هادی سعادت انجام میدهیم

و نتایج ارزیابی امنیت برای جریان خطوط انتقال

 

شبیه سازی امنیت شبکه توزیع را با درنظر گرفتن نفوذپذیری پانل خورشیدی تولید انرژی از دید کیفیت الکتریکی

و نتایج ارزیابی تغییرات ولتاژ  باس ها در شبانه روز بصورت زیر است که با افزایش توان پانل خورشیدی و ضریب نفوذ بالاتر در طی شبانه روز میزان افت ولتاژ شدیدتر میشود

 

این شبیه سازی در متلب 2016 تست و اچرا شده است.

و فایل اصلی mains2 است که قابلیت اجرا دارد

 و

بقیه فایلها در برنامه اصلی فراخوانی میشود و قابلیت اجرای جداگانه ندارند
شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت

شبیه سازی رله های جهتدار جریان با منحنی جریانی مع در شبکه قدرت

Optimal Protection Coordination for Meshed
Distribution Systems With DG Using Dual
Setting Directional Over-Current Relays
در این مقاله به معرفی شاخص حدید برای تعیین تنظیمات رله های حفاظتی رله های جهتدار جریان با منحنی جریانی مع در شبکه برق قدرت پرداخته

است و با استفاده از روابط فرمول شماره دو تا پنج مقاله به

 منظور بهینه سازی هماهنگی رله های حفاظتی با الگوریتم بهینه سازی غیرخطی با الگوریتم برنامه ریزی درجه دوم ترتیبی SQP پرداخته است و تنظیمات شماره رله ها بصورت زیر است.
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

و برای شرایط گوناگون و منابع تولید متعدد میتوان نتایج را بدست اورد.

این پروژه شامل 5 فایل است که فایل اصلی MAINS است و بقیه فایل ها توسط برنامه اصلی فراخوانی میگردد.در فانکشن relayconfig شماره بندی رله ها و معادلات نامساوی ساخته میشود و در فانکشن ShortCircuitAnalysis انالیز اتصال کوتاه برای محاسبه جریان اتصال کوتاه انجام میگردد
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب
شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب

شبیه سازی ماشین القایی مجهز به توربین بادی برای پمپاژ آب 

عنوان مقاله

این مقاله برق قدرت به برسی ماشین القایی مجهز به توربین بادی برای پمپاژ اب در رتفاعات پرداخته و یک شبکه ساده را شامل ژنراتور القایی و موتورالقایی درنظر گرفته و سپس افت ولتاژ را درشبکه بدلیل گشتاور متغیر ناشی از توان اب در ارتفاعات با کنترل کننده svc جبران کرده است در صورتی که نیاز به مشاوره در شبیه سازی مقاله برق قدرت دارید با کارشناسان ما تماس  بگیرید

و نمودار ولتاژ و جریان بصورت زیر است

 

و نمودار ولتاژ و ظرفیت توان راکتیو و سرعت ماشین و کلیه پارامترها در شبیه سازی قابل رویت است.

 
شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ

شبیه سازی تاثیرات محدودیت اندازه کنترل ولتاژ از نوع وینداپ

در این مقاله به بررسی تاثیرات محد.ودیت اندازه کنترل ولتاژ از نوع وینداپ پرداخته و به بررسی نمابش حوزه فرکانس و زمانی و تعیین ضریب اضافه باری رسیدن به نقطه اوج پرداخته است

و برای ارزیابی روش مقاله از یک شبکه بصورت زیر پرداخته ایم

 و باتوجه به تاثیرات شدید مربوط به ناپایداری ولتاژ و استفاده از بار ثایت در مقاله بارهای zip را غیرفعال کرده و از مدل مرتبه 6 برای ژنراتور سنکرون و مدل مرتبه یک  برای تحریک بهره میگیریم و شماتیک بلوک تحریک مرتبه اول در نرم افزار PSAT بصورت زیر است

و تنظیمات ضرایب بصورت زیر است که ضرایب اشباع و ثابت زمانی اندازه گیری ناچیز درنظرگرفته و خللی در کار ایجاد نمیشود
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

میتوان توان بار بمنظور رسیدن توان ژنراتور را به حد استانه تحریک وینداپ تعیین کرده و در این شبکه میزان بار را برحسب درصد بار یا مثلا یکهزارم درصد بار پایه افزایش داده و ولتاژ تحریک هر 4 ژنراتور را بررسی کرده و با ولتاژ استانه 5 ولت مقایسه کرده و سپس توان میکانیکی و توان الکتریکی و توان اکتیو و توان راکتیو را برای هر تکرار میو رسم میکند

این پروژه از سری پروژه آماده متلب می باشد در صورتی که نیاز به شبیه سازی مقاله برق قدرت دارید و مشاوره میخواید با متخصصین ما تماس بگیرید

 

دچار جهش ناکهانی شده که در شکلهای فوق کاملا مشخص است. و اگر تغییرات بار را برحسب یک هزارم  بار پایه بگیریم مقدار اضافه بار مجاز طوری است که توان تحریک مثل شکلهای بالا دچار جهش ناگهانی نمیشود و ملایم ناپایدار میشود و در 168 هزارم مقدار بار پایه به حداستانه میرسد
تشخیص اعداد با استفاده از شبکه عصبی در نرم افزار متلب

تشخیص اعداد با استفاده از شبکه عصبی

عنوان پروژه : پیاده سازی تشخیص اعداد با استفاده از شبکه عصبی

نرم افزار مورد استفاده : متلب

رشته تخصصی : مهندسی کامپیوتر هوش مصنوعی

فرمت : m فایل

فایل راهنما دارد

نوع پروژه : پروژه آماده متلب
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

پس از خرید بلافاصله فایل های پروژه تشخیص اعداد با استفاده از شبکه عصبی به ایمیل شما ارسال خواهد شد

پروژه به صورت 100 درصد در محیط متلب تست شده است

توضیحات پروژه :

یک شبکه عصبی با 64 ورودی و 10 خروجی طراحی کنید. ورودی شبکه عصبی یک ماتریس 8*8 در که در متلب کدنویسی شده است  می­باشد که نشان دهنده یک کاراکتر است. ابتدا شبکه را با تعداد مناسب الگوها ورودی (اعداد 0-9) آموزش داده و سپس نمونه های آزمایشی برای تست شبکه مورد استفاده قرار میگیرند.

شبکه مورد نظر یک شبکه پرسپترون چند لایه با 64 ورودی و 10 خروجی باشد و فعال شدن هر یک از خروجیها نشاندهنده عدد ورودی به شبکه است. ورودی شبکه یک بردار 64 تایی است که یک کاراکتر (در اینجا یک عدد بین 0-9) میباشد. با توجه به اینکه ورودی شکل اعداد است و خروجی برای هر نمونه آموزشی مشخص میباشد، بنابراین کاراکتر مربوط به اعداد به هر زبانی (فارسی یا انگلیسی) نوشته شوند تفاوتی ندارد. اما در صورت انتخاب یک زبان باید تمام نمونه­های آموزشی و آزمایشی شبکه به همان زبان باشد. آزمایش شبکه برای اعداد به دو زبان انجام شود.

آموزش شبکه

شبکه چند لایه پرسپترون و قانون یادگیری اختیاری (مثلا بازگشت به عقب) است. فقط از Neural Network Toolbox نرم­افزار MatLab استفاده شود.

برای آموزش شبکه نیاز به طراحی الگوهای آموزشی می­باشد. برای تولید نمونه های آموزشی و آزمایشی از نرم­افزار pattern-generator استفاده نمایید. در زیر مثال نشان داده شده برای کارکترهایی است که نشان دهنده حروف الفبا میباشند. شما اینکار را برای اعداد 0-9 انجام شده است

 

الگویی مورد نظر را داخل فضای سفید بکشید و دکمه ی Learn رو بزنید. برای تغییر دادن آدرس فایل ذخیره سازی الگوی آموزشی میتوان ادرس مورد نظر را در Textbox سمت راست پایین تغییر داد. در Textbox بالایی، خروجی مورد نظر برای برای الگو تعریف شده مشخص میشود. برای یادگیری Supervised به این فیلد نیاز خواهیم می­باشد (شما یادگیری Supervised بکار برید).
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

برای مثال برای 3 حرف  A و C و  Z به صورت زیر عمل میشود. بعنوان مثال برای هر یک از حروف چهار مثال وارد می کنیم و بعد از رسم هر مثال و مشخص نمودن خروجی به آن در Textbox بالا سمت، دکمه ی Learn را میزنید. در شکل زیر می­توانید هر ۱۲ الگو رو ببینید. هر یک از الگوهای وارد شده در فایل خروجی بصورت یک سطر از اعداد 0 و 1 ذخیره میشود و در انتهای آن خروجی مشخص شده برای الگو ذخیره میگردد. فایل تولید شده به اینصورت را در یک برنامه در MatLab برای آموزش شبکه استفاده نمایید. برای آزمایش شبکه طراحی شده چند نمونه دیگر در فایل جداگانه ذخیره شده و شبکه با آن آزمایش میشود.
پیاده سازی شبکه عصبی برای طبقه بندی تصاویر با نرم افزار متلب

پیاده سازی شبکه عصبی برای طبق بندی تصاویر

عنوان پروژه :پیاده سازی شبکه عصبی برای طبق بندی تصاویر

نرم افزار مورد استفاده : متلب

فرمت : m فایل

فایل راهنما دارد

نوع پروژه : پروژه آماده متلب

پس از خرید بلافاصله فایل های پیاده سازی شبکه عصبی برای طبق بندی تصاویر به ایمیل شما ارسال خواهد شد

پروژه به صورت 100 درصد در محیط متلب تست شده است

توضبحات پروژه : در این پروژه از شبکه عصبی برای تشخیص حروف در نرم افزار متلب استفاده شده است برای این مجموعه داده ها تعداد وردوی و خروجی های شبکه عصبی مشخص شده است سپس برای هر مجموعه داده دو شبکه عصبی ( لایه ورودی – لایه پنهان – لایه خروجی ) طراحی شده است – در شبکه اول از 5 نرون در لایه پنهان و در شبکه دوم از 20 نرون در لایه پنهان استفاده شده است وزنها و بایاس های شبکه عصبی را به صورت تصادفی انتخاب کردیم سپس برای هر مجموعه داده ابتدا 66 درصد داده ها رو انتخاب کرده و به عنوان آزمایشی در نظر گرفته شده است ، سپس باقی مانده را به عنوان تست جدا میکنیم سپس وزن های شبکه عصبی را با آن جدا میکنیم

 

مشخصات مجموعه داده
   
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

ویژگی
   

تعداد نمونه
   

ویژگی
   

تعداد نمونه
   

ویژگی
   

تعداد نمونه

An2i
   

چپ
   

24
   

عصبانی
   

6
   

باز
    09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

3

At33
                       

عینک افتابی
   

3

Boland
             

خوشحال
   

6
   

باز
   

3

Bpm
                       

عینک افتابی
   

3

Ch4f
             

طبیعی
   

6
   

باز
   

3

Cheyer
                       

عینک افتابی
   

3

Kk49
             

ناراحت
   

6
   

باز
   

3

Night
   

راست
   

24
             

عینک افتابی
   

3

Saavik
             

عصبانی
   

6
   

باز
   

3

steffi
                       

عینک افتابی
   

3
              

خوشحال
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

طبیعی
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

ناراحت
   

6
   

باز
   

3
                        

عینک افتابی
   

3
    

بالا
   

24
   

عصبانی
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

خوشحال
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

طبیعی
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

ناراحت
   

6
   

باز
   

3
                        

عینک افتابی
   

3
    

مستقیم
   

24
   

عصبانی
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

خوشحال
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

طبیعی
   

6
   

باز
   

3
                        

عینک افتابی
   

3
              

ناراحت
   

6
   

باز
   

3
                        

عینک افتابی
   

3

ویژگی
   

تعداد
                         

چپ
   

24
                         

راست
   

24
                         

بالا
   

24
                         

مستقیم
   

24
                         

عصبانی
   

24
                         

خوشحال
   

24
                         

طبیعی
   

24
                         

ناراحت
   

24
                         

باز
   

48
                         

عینک افتابی
   

48
                         
 
پروژه پیاده سازی شبکه عصبی برای طبقه بندی تصاویر تصاویر اساتید متلب پروژه آماده شده است که به تعداد محدودوی به فروش میرسد پس از خرید بلافاصله فایل های پروژه برای شما ارسال میشود
در صورتی که پروژه مطاق با سفارش شما نمی باشد با کلیک بر روی عنوان زیر پروژه متلب خود را سفارش دهید
انجام پروژه متلب
پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران

پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران

عنوان پروژه : پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران

نرم افزار مورد استفاده : متلب

رشته تخصصی : مهندسی عمران

فرمت : m فایل

فایل راهنما دارد

نوع پروژه : پروژه آماده متلب

پس از خرید بلافاصله فایل های پروژه پیاده سازی روش گسترش یافته تابع جریمه داخلی بهینه سازی عمران  به ایمیل شما ارسال خواهد شد

پروژه به صورت 100 درصد در محیط متلب تست شده است

توضیحات پروژه :

مراحل اصلی یک فرآیند بهینه سازی برای رسیدن به پاسخ بهینه، عبارتند از :
۱ – تعریف مسئله ۲ – مدل سای ۳ – حل مدل ۴ – تحقیق درستی مدل ۵ – پیاده سای نتایج نهایی مدل
طبق مراحل فوق، برا بدسات آوردن پاسااخ بهینه، ابتدا رفتار سیستم مورد بررساای و تحلیل قرار گرفته تعریف مساله و مدلی از وضعیت طبیعی آن سیستم ساخته میشود . در اینجا منظور ای مدلسای بیان مسئله با استفاده ای روابط ریاضی، با در نظر گرفتن محدودیتها موجود، میباشد. سپس جواب مدل ای راه محاسبات ریاضی مناسب بدست میآید . یک مساائله به طور معمول، چندین جواب عملی دارد. ای میان جوابها مذکور، به بهترین آنها جواب بهینه گفته میشود. به بیان دیگر بهینه سازی ، روشهای بدست آوردن بهترین جواب ممکن می باشد . مدلسازی ریاضی یک طرح، قسمت اصلی در روند بهینه سازی است.
چنانچه الگوی ریاضی طرح مناسب باشد، جواب بهینه سریعتر محاسبه می شود. برا استخراج مدل ریاضی یک مسئله بهینه سازی باید چهار مولفه زیر به طور کامل مشخص گردند .

 الف) یک مجموعه ای متغیرها nx,…,1x موسوم به متغیرها بهینه سازی یا متغیر تصمیم

ب) یک تابع موسوم به تابع هدف یا تابع معیار که رو متغیرهای تصمیم اعمال میشود و یک مقدار حقیقی دارد. این تاب در طی فرآیند بهینه سازی باید مینیمم یا ماکزیمم بهینه گردد .

 ج ) مجموعه ا ای قیدها که رو متغیرها تصمیم اعمال میشوند. این قیود میتوانند به صورت مساو یا نامساوی اعمال شوند
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

د) مجموعه های n,D…,1D باه عنوان دامنه ها متغیرها nx,…,1x . به عبارت دیار ix ای مجموعه iD انتخاب میگردد iD ∈ ix. این مجموعه اصول و روشها بهینه سازی ، که در مسائل مهندسی بویژه مهندسی عمران خواهد داشت
پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی

پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی

عنوان پروژه : پیاده سازی پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی

نرم افزار مورد استفاده : متلب

رشته تخصصی : مهندسی کامپیوتر هوش مصنوعی

فرمت : m فایل

فایل راهنما دارد

نوع پروژه : پروژه آماده متلب
09367292276
    ۳۵,093672922760936729227609367292276 09367292276

09367292276
09367292276
azsoftir@gmail.com
azsoftir.com

پس از خرید بلافاصله فایل های پروژه پیش بینی میزان بارش باران با شبکه عصبی و سیستم فازی به ایمیل شما ارسال خواهد شد

پروژه به صورت 100 درصد در محیط متلب تست شده است

    داده های دما، بارش و رواناب متوسط ماهیانه یک حوضه آبریز برای سال در فایل Excel با نام Data و در صفحات جداگانه ثبت شده است. با استفاده از داده‌های 14 سال اول یک شبکه عصبی (ANN) و سیستم استنباط فازی (ANFIS) و K همسایه نزدیک (KNN) برای پیش بینی رواناب بر اساس دما و بارش آموزش داده و با استفاده از آن مقادیر رواناب 4 سال آخر را برآورد کرده و با مقادیر مشاهداتی مقایسه کنید.
    تاثیر اینکه برای پیش بینی رواناب هر ماه از داده‌های ثبت شده در سالهای گذشته در همان ماه استفاده شود و یا اینکه کل داده‌ها بصورت یکجا در نظر گرفته شود را بررسی کنید. (مثلاً پیش بینی رواناب مهر فقط با استفاده از داده های ثبت شده در مهر سالهای قبل و یا با استفاده از کلیه داده‌های ثبت شده بدون توجه به ماه)
    تأثیر اینکه در پیش بینی رواناب هر ماه، داده های دما و بارش تا 1 ماه و 2 ماه قبل در خروجی نظرگرفته شود را بررسی میشود
    خطای مدلهای طراحی شده را در شرایط افزایش یا کاهش پارامترهای مؤثر بر آنها نظیر تعداد نرونها، قواعد و همسایه‌ها و … بررسی و تحلیل میشود

نتایج خروجی برنامه در محیط متلب

09367292276
    ۳۵,093672922760936729227609367292276 09367292276

انجام پروژه هوش مصنوعی

ستخراج قواعد فازی از داده ها با استفاده از ترکیب الگوریتم ژنتیک و ازدحام ذرات

شبیه سازی دینامیکی یک موتور القایی