شکل۳- ۳- سرعت چرخش پمپ برای مقادیر مختلف R_S در مدل ترکیبی قلب-LVAD

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

آنالیز شاخص­ های مکش با بهره گرفتن از دبی عبوری از پمپ
در صورتی که بتوان سنسورهای دقیق فشار را در نواحی بخصوصی از بطن چپ قرار داد و بطور پیوسته متغیرهای همودینامیکی مانند x₁ تا x₅ را که پیش­تر در مورد آن صحبت شد، را اندازه گیری کرد و یا اینکه بتوان آنها را در ورودی پمپ برای اندازه گیری فشار ورودی پمپ (PIP) قرار داد، رخداد پدیده مکش، به راحتی قابل تشخیص خواهد بود. شکل (۳-۴) مقادیر فشار ورودی پمپ و فشار بطن چپ را که از اطلاعات به دست آمده از آزمایش ورودی-خروجی متغیر در یک LVAD ساخت شرکت Nimbus را نشان می­دهد. سرعت چرخش پمپ برابر با آنچه در شکل (۳-۲-الف) نشان داده شده، می­باشد.
(الف)
(ب)
شکل۳- ۴- نتایج شبیه­سازی­های آزمایش ورودی-خروجی متغیر برای LVP و PIP
در شکل (۳-۴)، زمانی که مکش رخ می­دهد، هر دو مقدار فشار ورودی پمپ و فشار بطن چپ به ناگهان تغییر می­ کنند. این، بدین معنی است، در صورتی که این متغیرها بدقت اندازه ­گیری شوند، پدیده مکش به راحتی قابل تشخیص خواهد بود. اگرچه امروزه تکنولوژی قرارگیری چنین سنسورهایی در بدن، برای مانیتور کردن در لحظه و به شکل زمان حقیقی در دسترس می­باشد، اما هنوز به شکل گسترده و کاربردی مورد استفاده قرار نگرفته است. بنابراین، به دلیل کمبود اطلاعات موجود، بیشتر روش­های آشکارسازی مکش، مقدماتی و آزمایشی است و این روش ها به کیفیت استخراج اطلاعات مورد نیاز از سیگنالهای در دسترس که می­توانند به شکل پیوسته و برای بازه­های زمانی طولانی اندازه ­گیری شوند، بستگی دارند. به دلیل همین محدودیت­ها، بیشتر محققین از دبی عبوری پمپ، سرعت پمپ، و یا جریان الکتریکی پمپ، برای استخراج این اطلاعات و پیرو آن، اشکارسازی پدیده مکش بهره می­گیرند. در این پروژه، سیگنال دبی عبوری از پمپ، برای رسیدن به این اطلاعات انتخاب شده است.
برای این منظور، استخراج داده ­ها از سیگنال جریان عبوری از پمپ در LVADها توسط دانشمندان برای سال­های متمادی مورد مطالعه قرار گرفته است و اطلاعات مفید متعددی از دبی پمپ استخراج شده و به عنوان شاخص­ های مکش برای دسته بندی حالت­ها و مقادیر مختلف دبی مورد استفاده قرار گرفته است. این اطلاعات، بر اساس دسته­بندی دامنه­های مختلف (دامنه زمانی، دامنه فرکانسی، دامنه زمانی- فرکانسی) پایه­گذاری شده است. یکی از این شاخص ­ها، بر پایه معیار “حداقل- میانگین- حداکثر” [۵و۴] می­باشد، که مرتبط با مقادیر حداقل، متوسط و حداکثر دبی پمپ است. شکل (۳-۵)، دبی پمپ و پوش منحنی­های مقادیر حداقل، حداکثر و میانگین دبی پمپ را در اطلاعات استخراجی از ازمایش ورودی-خروجی متغیر نشان می­دهد.

(الف)

(ب)
شکل۳- ۵- اطلاعات استخراج شده از آزمایش­های ورودی-خروجی متغیر
در طول بازه زمانی رخداد پدیده مکش (۱۲۴< t <150) به وضوح دیده می­ شود که در این بازه، مقدار متوسط دبی پمپ به مقدار بیشینه آن نزدیک است، اما خارج از محدوده مکش، مقدار متوسط دبی پمپ تقریبا نصف مجموع مقادیر کمینه و بیشینه دبی عبوری پمپ خواهد بود. بنابراین، یک اندیس و شاخص زمان-پایه، به شکل زیر را می­توان از آن استخراج نمود.
معادله (۳-۲)
که در این معادله، eدامنه پیک به پیک سیگنال دبی پمپ می­باشد.
عبارت­های موجود در معادله (۳-۲)، می­توانند به عنوان شاخص­ های مکش (SI) مورد استفاده قرار گیرند ]۴[. نتایج این شبیه­سازی­ها، به کمک نرم افزار متلب (MATLAB) نشان داده شده است.
در حقیقت حل این مسئله (Window Size)، برای محاسبه پارامترهای زمانی که برای استخراج اطلاعات از نمونه­های برداشت شده از سیگنال دبی پمپ و سایر سیگنال­های موجود انجام می­ شود، مسئله پیچیده­ای خواهد بود و نیازمند در نظر گرفتن یک سری ملاحظات است. معادلات با ابعاد کوچکتر، برای رسیدن به اطلاعات حالت پمپ دارای سرعت بالاتری خواهند بود و این در حالی می­باشد که ممکن است معادلات کوچکتر نتوانند اطلاعات مفید و مورد نیاز ما را تامین کنند. بر عکس، معادلات با تاخیر زمانی کاربردی بزرگتر و کامل­تر [۱۳] ممکن است زمانی که مدل یا سیستم در حالت زمان حقیقی عمل می­ کنند، امکان پذیر و عملی نباشند.
بیشتر محققین، روش­هایی را برای استخراج اطلاعات با تاخیر زمانی­های مختلف ارائه نموده ­اند. به عنوان نمونه، Vollkron و همکارانش [۴] از این روش با بهره گرفتن از اطلاعات تا ۵ ثانیه قبل، استفاده کردند. Ferreira و همکارانش [۱۳] نیز از یک روش با بازه ۵ ثانیه­ای بهره بردند. Morello [25] نیز روشی با بازه زمانی ۲ ثانیه­ای و Karantonis و همکارانش [۲۶] هم یک روش با بازه زمانی ۶ ثانیه­ای را مورد استفاده قرار دادند. با اینکه بازه­های زمانی برداشتی آنها متفاوت بوده، ولی تمامی نتایج عملی قابل قبول بود. در این پروژه از روشی با بازه زمانی برداشتی ۵ ثانیه­ای برای شبیه­سازی بهره گرفته­ایم.
شکل (۳-۶)، نتایج شبیه­سازی شاخص مکش را برای اطلاعات استخراجی از یک آزمایش نشان می­دهد. تحت شرایط عدم وقوع مکش، مقادیر شاخص مکش به مقدار زیاد تغییر نمی­کند و تنها در یک محدوده و بازه کوچک و مشخص تغییر می­نماید. اما، زمانی که مکش رخ می­دهد، شاخص مکش به مقدار زیاد افزایش می­یابد. بنابراین، این شاخص مکش به درستی می ­تواند رخداد پدیده مکش را در جریان خون عبوری از پمپ در بازه (۱۲۴< t <150) تشخیص دهد.
(الف)
(ب)
شکل۳- ۶- نتایج شبیه­سازی اندیس مکش

شبیه سازی به همراه مدل قلب-LVAD
در این بخش، مدل قلب- LVAD (که پیش­تر در بخش (۲-۴) به آن پرداخته شد)، به جای آزمایش لابراتواری برای بررسی کارایی سیستم آشکارساز مکش در پاسخ به تغییرات پارامترهای فیزیولوژیکی بدن، مورد بررسی قرار خواهد گرفت. شکل (۳-۷)، بلوک دیاگرام این سیستم را نشان می­دهد. در مدت زمانی که این تست انجام می­گیرد، مقدار E_max را به منظور شبیه سازی یک قلب بیمار معادل با mmHg/ml0/1در نظر گرفته و نرخ ضربان در مقدار ثابت bpm75 فرض می­ شود. همچنین R_S از مقدار مرجع فعالیت انسان mmHg.s/ml)0/1 (R_S=، تا پایین­ترین سطح فعالیت انسان mmHg.s/ml)0/1 (R_S= متغیر خواهد بود.

شکل۳- ۷- بلوک دیاگرام سیستم آشکارساز حالت مکش
R_Sیا همان مقاومت سیستمی قلب، نشان دهنده پس بارگذاری در بطن چپ است. این مقدار، به واسطه تغییرات پاتولوژیکی شریان­های کوچک و مویرگ­ها در گردش خون سیستمی یا انقباض و انبساط عروق بدن به وسیله عصب­های مربوطه متغیر می­باشد. در فیزیولوژی مربوط به قلب، مقاومت سیستمی قلب (SVR) با واحد dyn.s/cm⁵ بیان می­ شود و مقدار مرجع آن dyn.s/cm⁵1400-900 می­باشد[۲۷]، اما اگر مقاومت سیستمی قلب را به واحد mmHg.s/ml تبدیل نماییم، مقدار مرجع جدید ۰۲۵/۱-۶۷۵/۰ خواهد بود. در این پروژه هم مقادیر R_S در بازه ۲/۱-۵/۰ برای شبیه سازی در نظر گرفته می­ شود.
شکل­های (۳-۸) و (۳-۹)، نتایج شبیه­سازی شاخص مکش را برای یک قلب بیمار، با مقادیر مختلف R_S نشان می­دهد. با توجه به نتایج این شبیه­سازی، مقدار شاخص مکش تحت شرایط رخداد پدیده مکش به شدت افزایش می­یابد. بنابراین، شاخص مکش می ­تواند به عنوان مرجعی مطمئن در سیستم آشکارساز مکش برای مدل قلب-پمپ مورد استفاده قرار گیرد.
(الف)
(ب)
شکل۳- ۸- مقادیر سرعت چرخش پمپ و شاخص مکش mmHg.s/ml)0/1 (R_S=
(الف)
(ب)
شکل۳- ۹- مقادیر سرعت چرخش پمپ و شاخص مکش mmHg.s/ml)2/1 (R_S=
طراحی کنترلر تلفیقی Fuzzy-MPC برای سیستم قلب-LVAD
در این فصل هدف، طراحی و ارائه یک کنترلر تلفیقی، با بهره گرفتن از روش­های فازی (Fuzzy)، و کنترل پیش­بین (MPC) برای کنترل کردن LVAD مورد نظر می­باشد. این کنترلر می­بایست بتواند سرعت چرخش پمپ و متغیرهای کنترلی سیستم را به منظور تامین خروجی قلب (CO) و فشار پرشدگی (متوسط فشار) شریانی مورد نیاز بیمار، به طور اتوماتیک در محدوده نرمال و قابل قبول، تنظیم نماید.
عملکرد کنترلی حلقه باز، در فصل دوم مورد بررسی قرار گرفت. در عملکرد مذکور تنظیمات تنها می ­تواند توسط کارشناسان آموزش دیده و متخصصین صورت گیرد. این مساله، نقصی جدی برای این نوع عملکرد محسوب می­ شود، چرا که در شرایط عدم حضور این کارشناسان، اگر تغییری در سطح فعالیت بیمار به وجود آید، کنترلر به درستی نمی­تواند سرعت چرخش پمپ را تنظیم کند و بیمار در معرض خطر جدی قرار می­گیرد. بر این اساس، پمپ می­بایست به شکل اتوماتیک تنظیم گردد، بدین معنی که سرعت چرخش پمپ به کمک یک کنترلر قوی و بر اساس تغییرات سطح فعالیت بیمار ( مثلا تغییرات مقدار R_S ) به طور اتوماتیک کنترل شود.
هدف از تالیف این پایان نامه، ارائه یک کنترلر کارآمد برای یک LVAD بوده، به گونه ­ای که سرعت چرخش پمپ را با کمترین تاخیر و بدون رخداد پدیده مکش در محدوده­های تعیین شده برای خروجی عملکردی قلب و متوسط فشار شریانی و با توجه به شرایط فیزیولوژیکی بیمار تامین نماید. تا به حال چندین نوع کنترلر متفاوت، بر پایه اندازه ­گیری دبی پمپ، سرعت پمپ و جریان الکتریکی پمپ و با بهره گرفتن از روش­های عملکردی مختلف ارائه شده است.
در بخش (۴-۱)، در مورد ساختار کنترلرهای پیش­بین توضیحاتی ارائه خواهد شد. در بخش (۴-۲) به طراحی کنترلر تلفیقی پیش­بین- فازی خواهیم پرداخت و که از کنترلر فازی (FC) در خروجی کنترلر پیش­بین بهره خواهیم برد. در بخش (۴-۳) به بررسی نتایج و مقایسه آن با برخی کنترلرهایی که تا کنون برای این منظور طراحی شده ­اند (کنترلر فیدبک) خواهیم پرداخت. همچنین به بررسی قدرت این کنترلر در کاهش اثرات نویز بر روی عملکرد پمپ پرداخته خواهد شد.

ساختار کنترلرهای مدل پیش­بین
کنترل پیش­بین (Model Predictive Control) یا (MPC)، نوعی کنترل پیشرفته فرایند است. کنترل­ کننده‌های پیش­بین، مبتنی بر مدل­های دینامیکی فرایند، عمدتاً مدل­های خطی تجربی است که با شناسایی سیستم به دست آمده‌اند. مهمترین مزیت MPC آن است که، امکان بهینه­سازی تایم اسلات جاری را با در نظر گرفتن تایم اسلات­های آینده می‌دهد. این کار با بهینه سازی یک افق زمانی محدود، اما اجرای آن تنها در تایم اسلات جاری انجام می‌گیرد. MPC، توانایی پیش بینی رخدادهای آینده و اتخاذ اعمال کنترلی متناسب با آن را دارد. کنترل کننده‌های MPC، توانایی پیش بینی را ندارند.
مدل­های به کار رفته در MPC، معمولا مدل­هایی برای نشان دادن رفتار یک سیستم دینامیکی پیچیده هستند. الگوریتم کنترل پیش­بین، پیچیدگی سیستم را افزایش می‌دهد و برای کنترل سیستمهای ساده که اغلب با کنترل کننده‌های PID به خوبی کنترل می‌شوند لازم نیست. از مشخصه‌ های دینامیکی رایجی که کنترل­ کننده‌های PID را دچار مشکل می­ کند، می‌توان از تاخیرهای زمانی طولانی و دینامیک­های مرتبه بالا نام برد.
مدل­های MPC، تغییرات متغیرهای وابسته را که نتیجه تغییرات متغیرهای مستقل هستند را پیش ­بینی می‌کنند. MPC با بهره گرفتن از اندازه ­گیری­های فعلی از سیستم تحت کنترل، حالت دینامیکی فعلی فرایند، مدل­های MPC و اهداف و محدودیت­های متغیر فرایند، تغییرات آتی متغیرهای وابسته را محاسبه می‌کند. این تغییرات، به گونه‌ای محاسبه می‌شوند که متغیرهای وابسته نزدیک به هدف بمانند و محدودیت­ها روی متغیرهای مستقل و وابسته رعایت شود. معمولا MPC، تنها اولین تغییر در هر متغیر مستقل را برای اجرا می‌فرستد و محاسبه را برای تغییر بعدی تکرار می‌کند. این کنترلرها مزایای فراوانی دارند که، در زیر به تعدادی از آنها اشاره می­کنیم.
با وجود آنکه بسیاری از فرایندهای واقعی خطی نیستند، اغلب می­توان آنها را در بازه کوچکی خطی در نظر گرفت. روش های MPC خطی، در بیشتر کاربردها با مکانیسم فیدبک به کار می­روند، که خطاهای پیش بینی ناشی از عدم تطبیق بین مدل و فرایند را جبران می­ کند. در کنترل­ کننده­ های پیش­بین که تنها از مدل­های خطی تشکیل می­شوند، اصل برهم نهی (جمع آثار) جبر خطی، امکان می­دهد اثر تغییرات متغیرهای مستقل چندگانه برای پیش بینی پاسخ متغیر وابسته، با هم جمع شوند. با این کار، مسأله کنترلی، به یک سری محاسبات جبری ماتریسی مستقیم ساده می­ شود که سریع و مقاوم هستند.
الگوریتمMPC یک روش کنترل feed forward جهت جبران سازی اغتشاش­های قابل اندازه ­گیری بکار می­گیرد. این الگوریتم، ذاتاً زمان­های مرده را جبران می­ کند. قوانین کنترل خطی را بسادگی می­توان در کنترل کننده­ های حاصل از این روش بکار برد. این روش قادر است که (constraints) محدودیت­های موجود در پروسه تحت کنترل را بسادگی در نظر بگیرد. هنگامی­که خروجی مرجع در زمان­های آینده شناخته شده است، عملکرد این الگوریتم بسیار مناسب است.
Refrence Trajectory
Predicted Outputs
Past Inputes and Outputs
+

که در اینذمعادله:

(۴-۳۱)

ماتریس سختی تعمیم یافته= ، ماتریس جرم تعمیم یافته =

آخرین مرحله، از خواص متعامد شکل مودها برای فرمول­بندی کردن معادله حرکت در جملات مربوط به ماتریس­های سختی و جرم تعمیم یافته استفاده می­ شود.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۴- مبانی آیروالاستیسیته استاتیکی و دینامیکی
در ارتعاشات و دینامیک سازه‌ها بر روی اثرات تداخلی نیروهای الاستیک و اینرسی مطالعاتی انجام می‌شود. در سیستم‌های دینامیکی می‌توان یک وسیله پرنده را مدل سازی نمود و چنانچه اثر بارهای آیرودینامیکی در مسئله وارد شود آنگاه عملاً با یک مسئله آیروالاستیک مواجه خواهیم بود. به طور کلی پدیده‌های آیروالاستیک را می‌توان به دو بخش استاتیک و دینامیک تقسیم بندی نمود که در این پژوهش هر دو بخش استاتیک و دینامیک مسئله که به ترتیب شامل بدست آوردن سرعت واگرایی و سرعت فلاتر است مورد بررسی قرار گرفته شده‌اند. در این قسمت ضمن تعریف علم آیروالاستیسیته و مسائل کلاسیک در آن، مواردی که در این پژوهش نیاز به معرفی دارند تعریف شده است.
آیروالاستیسیته یکی از مهمترین شاخه‌ها برای مهندسان هوا فضا و مکانیک می‌باشد و بیانگر یک گروه از مسائل کلیدی طراحی می‌باشد. در این دانش برهمکنش اثرات نیروهای آیرودینامیکی، اینرسی و الاستیک در سازه‌های هوا فضایی مورد مطالعه قرار می‌گیرد. در شکل (۴-۲) ارتباط این نیروها نشان داده شده است. در سازه‌های هوافضایی مدرن، سازه‌ها دارای انعطاف بالا و وزن پائینی می‌باشند و این مساله همراه با تداخل اثرات نیروهای آیرودینامیکی می‌تواند اثرات متفاوتی را ایجاد نماید.

شکل ۴-۲: مسائل مطرح شده در آیروالاستیسیته]۲۷[

به طور کلی این مبحث به دو شاخه تقسیم می‌شود که عبارتند از آیروالاستیسیته استاتیکی و دینامیکی. پدیده‌های مربوط به این دو شاخه در ادامه به طور خلاصه معرفی شده است.
۴-۴-۱- پدیده ­های آیروالاستیک استاتیکی
در این بخش پدیده ­های آیروالاستیک استاتیکی بررسی خواهد شد. مهمترین پدیده ­های آیروالاستیک استاتیکی عبارتند از:

• • واگرایی^[۸۷]:

ناپایداری استاتیکی سطوح برآ و یا پانل‌های سطحی را واگرایی می‌نامند. این پدیده در اثر تداخل نیروهای الاستیک سازه­ای و آیرودینامیک یکنواخت ایجاد می‌گردد و باعث تغییر فرم استاتیکی سازه می‌شود. واگرایی بال یک نمونه ساده از ناپایداری آیروالاستیک حالت پایا^[۸۸] می‌باشد. در حالت کلی گشتاور پیچشی آیرودینامیکی سبب می‌شود که بال به سمت پیچش میل کند که می‌تواند باعث یک تغییر شکل ناگهانی در یک سرعت یکنواخت شود. ممان الاستیک با این پیچش مخالفت می‌کند و از طرفی سختی پیچشی مستقل از سرعت پرواز می‌باشد در صورتی که ممان آیرودینامیک با مجذور سرعت متناسب می‌باشد که این رابطه ممکن است باعث وجود یک سرعت بحرانی شود که در آن سختی پیچشی به تنهایی می‌تواند بال را در موقعیت مختل شده نگهداری کند. در سرعت‌های بالاتر از این سرعت بحرانی یک تغییر شکل ناگهانی بسیار کوچک در بال منجر به تولید یک زاویه پیچشی بزرگ می‌شود. این سرعت بحرانی به سرعت واگرایی معروف است. این پدیده در صورت رسیدن به حد بحرانی خود باعث کمانش، تغییر فرم‌های زیاد و نهایتا گسیختگی سازه می‌گردد.

• • اثر پذیری کنترل^[۸۹]:

اثر تغییر فرم‌های الاستیک سازه بر کنترل‌پذیری هواپیما تحت شرایط پرواز یکنواخت می‌باشد.

• • معکوس پذیری سیستم کنترل^[۹۰]:

تحت یک سرعت پروازی، سطوح کنترلی نظیر شهپر، سکان­ها وغیره، به دلیل تغییر فرم‌های الاستیک سازه‌ای، عکس عمل تعریف شده مربوط به خود را انجام می‌دهند.

• • توزیع بار^[۹۱]:

اثر تغییر فرم الاستیک سازه بر روی توزیع فشار آیرودینامیکی یکنواخت می‌باشد.

• • اثرات آیروالاستیک بر پایداری استاتیکی^[۹۲]:

شکل (‏۲‑۱۱) . درخت گره– پاپیونی حفره هسته عایق[۲۰] ۱۵
شکل (‏۲‑۱۲). تولید درخت سوزنی توسط آزمایش تسریع پیری تحت فرایند افزایش دما[۲۰] ۱۵
شکل (‏۲‑۱۳). فوتوگرافی SEM درختان نقره ای[۲۲] ۱۶
شکل (‏۲‑۱۴). درخت روزنه ای بوجود آمده در اطراف الکترود مرطوب[۱۷] ۱۷
شکل (‏۲‑۱۵). رشد درخت رطوبتی در اطراف حفره پر از آب[۱۷] ۱۷
شکل (‏۲‑۱۶). رابطه بین طول درختان رطوبتی وزمان[۱۷] ۱۸
شکل (‏۲‑۱۷). رابطه بین ضریب گذر دهی محلول نمک وطول درخت رطوبتی[۱۷] ۱۹
شکل (‏۲‑۱۸). منحنی های رشد درخت رطوبتی با افزایش ولتاژ اعمالی [۲۳] ۲۰
شکل (‏۲‑۱۹). زاویه تماسی و ریخت درخت رطوبتی در سه ماده مختلف[۱۷] ۲۱
شکل (‏۲‑۲۰). رابطه فرکانس و طول درخت رطوبتی[۱۷] ۲۳
شکل (‏۲‑۲۱). اضافه کردن فرکانس های بالا. [۱۹]. ۲۳
شکل (‏۳‑۱). مدار اندازه گیری بارباقیمانده[۲۱] ۳۱
شکل (‏۳‑۲). مشخصه زمان آسودگی بار باقیمانده تحت ولتاژ اعمالی AC[21] 31
شکل (‏۳‑۳). مراحل اندازه گیری ولتاژ باز گشتی[۲۷] ۳۳
شکل (‏۳‑۴). طیف قطبشی کابل PE سالم[۲۶] ۳۴
شکل (‏۳‑۵). طیف قطبشی کابل PE درخت رطوبتی[۲۶] ۳۴
شکل (‏۳‑۶). طیف تقسیم شبیه سازی شده کابل های XLPE با طول درخت رطوبتی در محدوده ۱۰ الی ۸۰ درصد ضخامت عایق[۲۷] ۳۵
شکل (‏۳‑۷). طیف تقسیم شبیه سازی شده کابل های XLPE با عرض درخت رطوبتی در محدوده ۰.۱ الی ۵ درصد طول عایق[۲۷] ۳۵
شکل (‏۳‑۸). نمودار i.t-logt نوعی جریان غیرقطبی شدن عایق ترمیم شده [۲۹] ۳۷
شکل (‏۳‑۹). نمودار i.t-logt نوعی جریان غیرقطبی شدن عایق نو[۲۹] ۳۷
شکل (‏۳‑۱۰). نمودار i.t-logt نوعی جریان غیرقطبی شدن عایق فرسوده[۲۹] ۳۸
شکل (‏۳‑۱۱). شکل سلول آزمایشی:۱.الکترود، ۲.درپوش، ۳.سلول تست، ۴.قطعه عایق، ۵.الکترود زمین، ۶.پیچ[۳۱] ۳۹
شکل (‏۳‑۱۲). (الف)کابل، (ب)کابل با درخت رطوبتی پیوسته، (ج)کابل با درخت رطوبتی منفرد[۳۲] ۴۲
شکل (‏۳‑۱۳). مدل توزیع درخت رطوبتی پیوسته و بار فضایی در عایق کابل[۳۲] ۴۴
شکل (‏۳‑۱۴). مدل توزیع دو درخت رطوبتی منفرد در عایق کابل[۳۲] ۴۷
شکل (‏۳‑۱۵). تجزیه زمانی مشخصات بار فضائی تحت ولتاژ اعمالی ۷ کلیولت AC فرکانس ۵۰هرتز ، نمونه W [33] 52
شکل (‏۳‑۱۶). مشخصه ولتاژ-جریان درخت رطوبتی[۳۴] ۵۴
شکل (‏۳‑۱۷). مدار معادل دیودی عایق با درخت رطوبتی[۳۴] ۵۴
شکل (‏۳‑۱۸). تحلیل مداری کابل حاوی درخت رطوبتی تنها [۲۷] ۵۵
شکل (‏۳‑۱۹). طیف قطبشی اندازه گیری شده وطیف تقریبی درخت رطوبتی شده کابل[۳۶] ۵۷
شکل (‏۳‑۲۰). مدار معادل ماکسول – واگنر درخت رطوبتی[۳۵] ۵۷
شکل (‏۳‑۲۱). مدار معادل ماکسول-واگنر[۳۵] ۵۹
شکل (‏۳‑۲۲). مدار معادل اندازه گیری بار باقیمانده[۲۱] ۶۰
شکل (‏۳‑۲۳). مشخصه V-I غیرخطی درخت رطوبتی[۲۱] ۶۱
شکل (‏۴‑۱). شکل شماتیک درخت رطوبتی در عایق کابل(الف) ، لوله های نواحی درخت رطوبتی و عایق سالم (ب) مجموع لوله های نواحی درخت رطوبتی و عایق سالم (ج). ۶۵
شکل (‏۴‑۲). کابل استوانه ای فشار قوی با درخت رطوبتی ۶۶
شکل (‏۴‑۳). مدل مداری پیشنهادی درخت رطوبتی عایق کابل ۶۶
شکل (‏۴‑۴). شکل هندسی سطح مقطع کابل استوانه ای با درخت رطوبتی ۶۸
شکل (‏۴‑۵). شکل هندسی سطح مقطع هر ناحیه ۶۹
شکل (‏۴‑۶). قطاع مثلثی شکل ناحیه درختی شده عایق کابل استوانه ای ۷۵
شکل (‏۴‑۷). شماتیک هندسی مدل خاص مدل پیشنهادی ۷۷
شکل (‏۴‑۸). قطاع مثلثی شکل ناحیه درختی شده عایق کابل استوانه ای مدل حالت خاص ۷۸
شکل (‏۴‑۹). درخت روزنه ای به طول ۱۷۸۰ میکرو متر[۳۸] ۸۲
شکل (‏۴‑۱۰). درخت گره-پاپیونی به طول ۶۳۵ میکرو متر[۳۸] ۸۲
شکل (‏۴‑۱۱). تاثیر طول درخت در میزان درصد تغییرات ضریب تلفات عایق ۸۶
شکل (‏۴‑۱۲). تاثیر رطوبت در میزان درصد تغییرات ضریب تلفات عایق ۸۶
۸۷
شکل (‏۴‑۱۴). تاثیر تراکم درخت در میزان درصد تغییرات ضریب تلفات عایق ۸۷
شکل (‏۴‑۱۵). تاثیر زاویه درخت در میزان درصد تغییرات ضریب تلفات عایق ۸۸
فهرست جداول
جدول (‏۲‑۱). زاویه تماسی وطول درخت رطوبتی در سه ماده مختلف[۱۷] ۲۱
جدول (‏۲‑۲). ضریب یانگ وطول درخت رطوبتی در سه ماده مختلف[۱۷] ۲۲
جدول (‏۳‑۱). میزان سطح فرسودگی عایقی با درنظر گرفتن ضریب A[28] 37
جدول (‏۳‑۲). اعتبار سنجی روش های آشکارسازی درخت رطوبتی ۳۹
جدول (‏۳‑۳). پارامترهای اندازه گیری درخت رطوبتی برای شبیه سازی[۳۶] ۵۶

جدول (‏۳‑۵). جمع بندی مدل های درخت رطوبتی ۶۲
جدول (‏۳‑۴). اعتبار سنجی مدل های مداری ۶۳
جدول (‏۴‑۱). اجزای مدار معادل پیشنهادی برای درخت رطوبتی عایق کابل فشار قوی ۶۷

نام شاخص

۰٫۵۲۲

۰٫۹۱

۰٫۳۰۷

۰٫۳۱۵

۰٫۵۴۲

۰٫۳۳۵

۰٫۸۲۸

۰٫۴٫۳

۰٫۳۹

ضریب پراکندگی

۴-۲-۳٫ فرضیه های تحقیق
فرضیه ۱٫میان مناطق آموزش و پرورش استان آذربایجان غربی از نظر برخورداری از شاخص های آموزشی تفاوت وجود دارد.
برای بررسی فرضیه تفاوت بین شاخص ها در ۲۴ منطقه از سطح بندی مناطق با بهره گرفتن از تحلیل خوشه ای استفاده کنم و مناطق را به لحاظ برخورداری و توسعه یافتگی آموزشی در سه سطح محروم، برخوردار و نیمه برخوردار تقسیم می کنیم. با توجه به جدول۴-۲۸ مشخص می شود که بین مناطق ۲۴ گانه از نظر برخورداری از شاخص های آموزشی تفاوت وجود دارد و مناطق به سه دسته برخوردار ، نیمه برخوردار و محروم تقسیم شده اند. به طوری که از نظر شاخص زمینه مناطق آموزشی ارومیه – ناحیه ۱- ارومیه ناحیه ۲- ماکو- نقده- خوی برخوردار، مناطقمیاندواب- مهاباد- صومای برادوست- شاهین دژ- سلماس- چالدران- تکاب- پیرانشهر- بوکان- انزل- پلدشت- سردشت- چایپاره نیمه برخوردار و نازلو- مرحمت آباد- شوط- سیلوانا- اشنویه از مناطق محروم به حساب می آیند.

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

از نظر شاخص امکانات فیزیکی مناطق آموزشی ارومیه – ناحیه ۱- ارومیه ناحیه ۲- نقده- خوی – چایپاره- سردشت- پلدشت برخوردار، مناطقمیاندواب- مهاباد- ماکو – صومای- شاهین دژ- سلماس- چالدران- تکاب- پیرانشهر- بوکان- انزل نیمه برخوردار و مناطق نازلو- مرحمت آباد- شوط- سیلوانا- اشنویه محروم به شمار می روند.
از نظر شاخص دانش آموزی مناطق آموزشی ارومیه ناحیه ۱- بوکان برخوردار،ارومیه ناحیه ۲- نقده- شاهیندژ- سلماس- خوی- تکاب- چالدران- انزل نیمه برخوردار و پلدشت- پیرانشهر- چایپاره- سردشت- سیلوانا- شوط- صومای- کشاورز- ماکو- مرحمت آباد- مهاباد- میاندواب- نازلو جزو مناطق محروم هستند.
از نظر شاخص نیروی انسانی مناطق انزل- شوط- کشاورز- نازلو برخوردار ماکو- مرحمت آباد- میاندواب- نقده- شاهین دژ- سیلوانا- سلماس- ارومیه- ناحیه ۱- ارومیه ناحیه ۲- پلدشت- تکاب- خوی- صومای- چایپاره- بوکان نیمه برخوردار و مهاباد- سردشت- پیرانشهر- اشنویه- چالدران جزو مناطق محروم هستند.
از نظر شاخص اقتصادی ارومیه ناحیه ۱- ارومیه ناحیه ۲- خوی- نقده برخوردار مهاباد- مرحمت آباد- سلماس- تکاب- پیرانشهر- بوکان نیمه برخوردار ومیانواب- نازلو- ماکو- کشاورز- صومای- شوط- شاهین دژ- سیلوانا- سردشت- چایپاره- چادران- پلدشت- انزل- اشنویه جزو مناطق محروم هستند.
از نظر شاخص پیشرفت تحصیلی مناطق آموزشی ارومیه ناحیه ۱- نقده- بوکان- خوی- سلماس- ماکو برخوردار، مناطقاشنویه- انزل- مرحمت آباد- تکاب- چایپاره- سیلوانا- شوط- کشاورز- مهاباد- میاندواب- چالدران- ناحیه ۲ ارومیه- -نازلو نیمه برخوردار و مناطق پلدشت- پیرانشهر- سردشت- شاهین دژ- صومای جزو مناطق محروم هستند.
از نظر شاخص بروندادهای غیرشناختی مناطق ارومیه ناحیه ۱- نقده- خوی برخوردار،سیلوانا- ارومیه ناحیه ۲- سردشت- انزل- سلماس- کشاورز- بوکان- چایپاره نیمه برخوردار و شوط-تکاب- ماکو- چالدران- صومای- نازلو- شاهین دژ – پلدشت- مهاباد- پیرانشهر- نقده- مرحمت آباد- اشنویه- میاندواب از مناطق محروم به شمار می روند.
از نظر شاخص فرایند مدرسه مناطق ارومیه ناحیه ۱- بوکان- پلدشت- سیلوانا- نازلو- نقده جزو مناطق برخوردار ،اشنویه- انزل- ارومیه ناحیه ۲- شوط- سلماس- چالدران- ماکو- شاهین دژ- سردشت- صومای برادوست- مرحمت آباد- میاندواب نیمه برخوردار و مناطق تکاب- مهاباد- پیرانشهر-خوی- چایپاره- کشاورز از مناطق محروم به شمار می روند.
از نظر شاخص های تلفیقی مناطق بوکان- ارومیه ناحیه یک و ارومیه ناحیه دو- خوی مناطق
برخوردار، نقده و سلماس نیمه برخوردار و اشنویه- انزل – پلدشت- پیرانشهر- تکاب – چالدران – چایپاره- سردشت- سیلوانا – شاهین دژ- شوط- صومای- کشاورز- ماکو- مرحمت آباد- مهاباد- میاندواب- نازلو جزو مناطق محروم هستند.
جدول۴-۲۸٫ سطح بندی مناطق آموزشی از نظر برخورداری از شاخص های آموزشی

نام شاخص

مناطق محروم آموزشی از نظر شاخص مربوطه

مناطق نیمه برخوردار آموزشی از نظر شاخص مربوطه

مناطق برخوردار آموزشی از نظر شاخص مربوطه

زمینه خانوادگی

نازلو- مرحمت آباد- شوط- سیلوانا- اشنویه

میاندواب- مهاباد- صومای برادوست- شاهین دژ- سلماس- چالدران- تکاب- پیرانشهر- بوکان- انزل- پلدشت- سردشت- چایپاره

ارومیه – ناحیه ۱- ارومیه ناحیه ۲- ماکو- نقده- خوی

امکانات فیزیکی ( فضا)

نازلو- مرحمت آباد- شوط- سیلوانا- اشنویه

میاندواب- مهاباد- ماکو – صومای- شاهین دژ- سلماس- چالدران- تکاب- پیرانشهر- بوکان- انزل

شکل۴-۷ : معماری های مدولار از MOBEYES MSI ]44[
MSI کنترل و سنجش فرایند های مورد سنجش قرار گرفته را بر عهده دارد مانند فرمت و کیفیت، زمان پردازش حافظه ی اشغال شده و دقت تولید داده های حس شده و پردازش شده.
۴-۲-۴) واسط استاندارد با حسگر دما:
بخش سمت راست شکل معماری های مدولار از MOBEYES MSI زیر سیستم واسط حسگر دماست. MSI به طور مستقیم بر روی سطح پایین جاوا ارتباطات API ^[۴۶] را برای دسترسی و جمع آوری داده های حس شده بر عهده دارد.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۲-۵) واسط استاندارد با تعیین موقعیت سیستم:
MSI به راحتی اجازه می دهد که مجموعه ای از داده های رصد شده که دارای مختصات جغرافیایی حسگرها نیز می باشد در ماژول ها ذخیره شود. ماژول های محل سکونت، طول و عرض جغرافیایی را در حافظه حسگرها ذخیره می کند و در مواقع مورد نیاز از آن اطلاعات استفاده می کنند. ذخیره ی داده های موقعیت سیستم به تصمیم گیری های سیستم برای حرکت گره ها به سمت موقعیت های پوشش داده نشده، کمک شایانی برای داشتن پوشش دینامیکی مطلوب برای شبکه های دینامیک است.
۴-۲-۶) انتشار / برداشت پردازنده MOBEYES (MDHP):
MDHP تمرکز اصلی اش بر انتشار / برداشت پردازنده MOBEYES که توسط خودروهای در حال حرکت جمع آوری شده است، می باشد. MDHP استراتژی های اکتشافی مبتنی بر استفاده ی درست برنامه ریزی ارتباطات گره ها برای پرهیز از تحویل خلاصه ی پیام ها را موجب می شود.
نظارت شهری در حال تبدیل شدن به یک زمینه ی تحقیقاتی رو به رشد است. در این بررسی بنده سعی کردم یک شمای کلی از MOBEYES نشان دهم و با این مقوله از لحاظ معماری آشنا شویم تا کاربرد این موضوع را در پوشش دینامیکی شبکه های حسگر خودرویی بیشتر بشناسیم]۴۳[ و ]۴۴[. ایده MOBEYES بر اساس بهره برداری از خودروهای متحرک برای جمع آوری اطلاعات شهری و پخش و توزیع آن اطلاعات است. شبکه های حسگر خودرویی نسبت به شبکه های حسگر دیگر محدودیت کمتری در توان و همچنین جمع آوری و پردازش اطلاعات محیطی دارند.
۴-۲-۷) MOBEYES؛ دستورالعمل ها و معماری:
MOBEYES دستوالعمل هایی است برای استفاده از تحرک خودروها برای کمک به دریافت و تحویل اطلاعات داده های شهری. در امر پوشش دینامیکی شبکه، نوع حرکت خودروها و چگونگی سنجش و برداشت اطلاعت شهری موضوعی مهم می باشد که همانطور که در معماری MOBEYES شرح داده شد، نحوه ی عملکرد این پروتکل به خوبی مورد بررسی قرار گرفت و چالش های پیش روی این امر در حد مورد نیاز بررسی شد.
۴-۲-۸) Bloom Filter و کاربرد آن:
Bloom Filter یک ساختار داده ی فضایی کار آمد برای نشان دادن یک مجموعه است و به طور کلی برای نشان دادن و چک کردن عضویت در این مجموعه کاربرد دارد. Bloom Filter در زمینه ی حرکت شبکه و بهره وری فضای مورد استفاده در شبکه و البته صرفه جویی در انرژی مورد استفاده قرار می گیرد. مراحل کار به شرح ذیل می باشد:
۱-عامل پخش “برداشت” با Bloom Filter درخواست خود را ارسال می کند. ۲-هر یک از همسایه ها یک لیست “از دست رفته” از بسته های دریافت شده ی Bloom Filter آماده می کنند. ۳-یکی از همسایه ها بسته های از دست رفته را به عامل پخش بر می گرداند. ۴-عامل، Acknowledgment بسته های دریافتی را به گره می فرستد. ۵-مراحل ۳ و ۴ تا زمانی که بسته ی باقی مانده وجود نداشته باشد، تکرار می شود.
این مراحل برداشت داده های شهری توسط شبکه های حسگر خودرویی با مقادیر احتمال بالایی برداشت می شوند و کمک بسیار مناسبی برای پوشش دینامیکی مطلوب شبکه می کنند.
۴-۲-۹) عملکرد MOBEYES:
عملکرد MOBEYES را می توان با مدل های حرکت RT ^[۴۷]، RWP ^[۴۸] و منهتن سنجید. به عنوان مثال مدل حرکت RT برای خودروهایی که در تقاطع ها تغییر جهت می دهند و سیگنال های ترافیکی بالایی دارند، استفاده می شود. با توجه به هر کدام از این مدل های حرکت و اختلاف های این سه مدل می توان به ارزیابی عملکرد MOBEYES پرداخت ]۴۴[ و ]۴۵[.
۴-۲-۱۰) ارزیابی عملکرد MOBEYES:
الف) تجزیه و تحلیل و سنجش اطلاعات. ب) استفاده از رله های K پرشه. ج) بررسی بین تاخیرهای برداشت و بار تحمیل شده بر کانال های ارتباطی. د) ثبات و مقیاس پذیری. و) پیگیری کاربردی سنجش و ردیابی محیط. ه) در مدل های تحرک پیچیده کاربرد بهتری دارد.
شکل ۴-۸: انتشار غیر فعال MOBEYES تک پرشه]۴۵[
شکل ۴-۹: نقشه ی منطقه ی Westwood ]45[
حال نرخ بسته های رسیده به خودروها را برای مسیرهای یک پرشه و سه پرشه برای سه مدل حرکت منهتن (MAN)، مسیر واقعی (RT) و مسیر نقطه ای تصادفی (RWP) برای ۳ میانگین سرعت ۵ ، ۱۵ و ۲۵ متر بر ثانیه بررسی می کنیم.
شکل ۴-۱۰: تعداد بسته های دریافت شده با تعداد پرش یک (K=1) ]45[
شکل ۴-۱۱: تعداد بسته های دریافت شده با تعداد پرش سه (K=3) ]45[
با توجه به شکل های ۴-۱۰ و ۴-۱۱ با در نظر گرفتن این سه مدل حرکت بررسی شده می توان نتیجه گرفت که در میانگین سرعت های مختلف، RWP نسبت به RT و MAN دارای نرخ بسته های رسیده ی بهتری است. البته مشاهده می شود که RT هم وضع نسبتا خوبی دارد اما MAN نسبت به دو مدل حرکت دیگر وضع نامناسب تری را دارد.
۴-۳) پوشش واحدهای کنار جاده:
حال بر روی گسترش منطقه ی تحت پوشش واحد کنار جاده ای (RSU) ^[۴۹] تمرکز می کنیم که الگوریتم حمل و نقل متکی بر اساس اطلاعات محلی OBU ^[۵۰] پیشنهاد داده شده است. شبکه های خودرویی در حال جذب کاربران خاص خود می باشد و این امر مطالعه بر روی این شبکه را بیش از پیش دارای اهمیت می کند. خدمات ایمنی و اطلاعات ترافیکی و تبلیغات و امثال این موارد از ویژگی های مهم این شبکه است.
هدف این است که منطقه ی تحت پوشش در واحدهای کنار جاده گسترش پیدا کند، برای لمس بهتر این مطلب می توانیم از شکل زیر کمک بگیریم.
شکل ۴-۱۲: نمونه ای از منطقه خدمات RSU ]46[
۴-۳-۱) کارهای مرتبط:
انتشار و جمع آوری اطلاعات در طول مسیر جاده ها همیشه دغدغه ی اصلی محققانی بوده است که بر روی این شبکه مطالعه می کرده اند. حال باید توجه داشت که جمع آوری و انتشار اطلاعات در واحدهای کنار جاده ای و به خصوص تقاطع ها مشکل اصلی این شبکه می باشد. پیشنهاد این پایان نامه برای حل این مشکل استفاده از اصل حمل و نقل مثلث است.
۴-۳-۲) الگوریتم حمل و نقل و مدل شبیه سازی:
در شکل زیر نمونه ای از منطقه ی تحت مشاهده را ملاحظه می کنیم که خودروها در جاده ها در حال تردد هستند.
شکل ۴-۱۳: موقعیت خودروها و RSU در جاده ها ]۴۶[
۴-۳-۳) قانون حمل و نقل مثلث:
برای مشکل تحت پوشش قرار دادن واحد های کنار جاده ای و تقاطع ها از اصل مثلث استفاده می شود به صورتی که سه خودرو هر یک، یکی از رئوس مثلث را تشکیل می دهند.
شکل ۴-۱۴: در دو قسمت (الف) و (ب) انواع مختلف استفاده از اصل مثلث را مشاهده می کنیم ]۴۶[
حال از اصل مثلث برای تحلیل پوشش دینامیکی شبکه استفاده می کنیم به صورتی که اگر هر دو قسمت (الف) و (ب) شکل ۴-۱۴ دارای شعاع حسی یکسان باشند شکل ۴-۱۵ منتج می شود.
شکل ۴-۱۵: نواحی پوشش داده شده ی جاده
با توجه به شکل ۴-۱۵ می توان نتیجه گرفت که هر چه زوایای α و β کوچکتر و زاویه ی ϒ بزرگتر باشد یا به عبارت دیگر مثلث ما متساوی الساقین باشد و نه متساوی الاضلاع، پوشش مطلوب تری از سطح جاده و همچنین واحد های کناری جاده خواهیم داشت اما اگر وضعیت قرار گیری خودروها همانند قسمت الف شکل ۴-۱۵ باشد، با گسترش ناحیه ی پوشش حسی می توان این مشکل را بهبود بخشید]۴۶[.
حال بر چگونگی مشاهده و پوشش محیط زیست توسط شبکه های حسگر بی سیم خودرویی می پردازیم به نحوی که هزینه و زمان کمتری را نسبت به حسگرهای بی سیم استاتیک شامل شوند و استفاده از این حسگرهای متحرک را به صرفه تر کند.
۴-۴) ایده ی اصلی برای مطالعه بر روی پوشش دینامیکی محیط زیست:
در بسیاری از شهرهای شلوغ و پر رفت و آمد، آلودگی هوا یک معضل مهم در این شهرها می باشد که باعث آلودگی محیط زیست می شود. یک روش برای نظارت بر روی آلودگی هوا استفاده از حسگر های استاتیک است اما هزینه ی زیاد و مشکلات گسترش حسگرهای استاتیک، استفاده از این نوع حسگرها را عملا غیر اقتصادی می کند. حال برای نظارت بر این آلودگی بهترین روش، استفاده از شبکه های حسگر خودرویی است که میزان آلودگی را در سطح شهر سنجیده و اطلاعات بدست آورده را برای پردازش در خود ذخیره کند. اما چگونگی سنجش و پوشش یا در حالت کلی مشاهده ی دینامیک فضا توسط این حسگرهای متحرک، امری است که در ادامه به آن می پردازیم.
۴-۴-۱) پیشینه ی کار:
ایستگاه های اندازه گیری آلودگی هوا دارای حسگرهای بی سیم استاتیکی می باشند که به فاصله ی ۱۵۰۰ تا ۲۰۰۰ متر از هم واقع شده اند و هر کدام منطقه ی مورد نظر خود را پوشش می دهند و در آن منطقه به سنجش میزان آلودگی هوا می پردازند. اما بنا بر مسایل اقتصادی و همچنین پیشرفت تکنولوژی، استفاده از حسگرهای متحرک به خصوص حسگرهای بی سیم خودرویی برای پوشش دادن مناطق مورد نظر نسبت به حسگرهای بی سیم استاتیک به صرفه تر است.