پیاده سازی استراتژی های بازاریابی کیفیت مبتنی بر قابلیت به منظور بهبود عملکرد کسب و کارهای کوچک و متوسط

پیاده سازی استراتژی های بازاریابی کیفیت مبتنی بر قابلیت به منظور بهبود عملکرد کسب و کارهای کوچک و متوسط

دسته بندی	مدیریت
فرمت فایل	docx
حجم فایل	49 کیلو بایت
تعداد صفحات فایل	10

دریافت فایل

فروشنده فایل

کد کاربری 7173

تمام فایل ها

پروپوزال پیاده سازی استراتژی های بازاریابی کیفیت مبتنی بر قابلیت به منظور بهبود عملکرد کسب و کارهای کوچک و متوسط

پیاده سازیاستراتژی های بازاریابی کیفیتمبتنی بر قابلیتبهبود عملکردکسب و کارهای کوچک و متوسط

طراحی و پیاده سازی روبات پرنده عمود پرواز

در این پروژه ابتدا با معرفی و توضیح حوزه روبات های پرنده با ساختار عمود پرواز چهار ملخه آشنا می شویم سپس با استفاده از مدل دینامیکی و روابط حاکم ، کنترلر بهینه ایی بر مبنای PID برای آن طراحی می کنیم پس از شبیه سازی ، آن را پیاده سازی کرده و نتایج را بررسی خواهیم کرد

دسته بندی	کامپیوتر و IT
بازدید ها	24
فرمت فایل	doc
حجم فایل	5780 کیلو بایت
تعداد صفحات فایل	75

فروشنده فایل

کد کاربری 15

تمام فایل ها

در این پروژه ابتدا با معرفی و توضیح حوزه روبات های پرنده با ساختار عمود پرواز چهار ملخه آشنا می شویم . سپس با استفاده از مدل دینامیکی و روابط حاکم ، کنترلر بهینه ایی بر مبنای PID برای آن طراحی می کنیم . پس از شبیه سازی ، آن را پیاده سازی کرده و نتایج را بررسی خواهیم کرد .

کلید واژه:روبات ، پرنده ، Quad rotor ، Quad copter ، PID .

فهرست مطالب

فهرست شکل‌‌ها‌ج

فصل 1 - مقدمه. 3

1-1 پیشگفتار3

1-2معرفی و مقایسه روبات های پرنده بدون سرنشین.. 4

1-3- معرفی Quadrotor. 6

1-4 مدل ریاضی.. 8

فصل 2-سخت افزار12

2-1 اجزای اصلی.. 12

2-1-1- میکرو کنترلر اصلی.. 13

2-1-2- نگاهی دقیق تر به میکرو کنترلر و توانمندی های آن.. 15

2-1-3- معرفی ESC.. 22

2-1-4- معرفی موتورهای BLDC.. 23

2-1-5- معرفی سنسور IMU.. 25

2-1-6- معرفی سنسور آلتراسونیک.... 29

2-1-7- برد اتصالIOIO... 30

2-1-8- مبدل USB به TTL. 32

فصل 3-شبیه سازی.. 34

3-1-معرفی موتور Unity3d. 34

3-2-معرفی کنترلر PID.. 35

3-2-1- بررسی تاثیر پارامترها بر سیستم.. 36

3-2-2- طراحی کنترلر و تنظیم آن ( روش زایگلر – نیکلز )38

3-2-3- مقایسه PID استاندارد و دیجیتالی ( گسسته )40

3-3 مقایسه انواع فیلترها42

3-3-1- فیلتر کالمن.. 42

3-3-2- فیلتر DCM.... 43

3-4نتایج شبیه سازی –PID استاندارد. 47

فصل 4-بخش عملی.. 49

4-1 ساخت بدنه. 49

فصل 5-نرم افزار55

ضمیمه ها 65

نتیجه گیری 67

منابع و مراجع 68

فهرست شکل‌‌ها

عنوان صفحه

شکل 1 : انواع روبات پرنده5

شکل 2 : مقایسه روبات های پرنده5

شکل 3 : نحوه چرخش ملخ ها6

شکل 4 : نحوه حرکت روبات... 7

شکل 5 : مدل دینامیکی روبات... 8

شکل 6 : دیاگرام داخلی روبات... 12

شکل 7 : نمای داخلی میکرو xmega128. 15

شکل 8 : دیاگرام ارتباط داخلی میکروکنترلر. 18

شکل 9 : نحوه تولید سیگنال esc. 22

شکل 10 : نمای داخلی موتور BLDC. 24

شکل 11 : نمای داخلی سنسور شتاب سنج.. 27

شکل 12 : شماتیک داخلی مدار سنسور imu. 28

شکل 13 : سنسور ultrasonic. 29

شکل 14 : ماژول واسط گوشی تلفن همراه و مدار اصلی.. 30

شکل 15 : شماتیک داخلی مدار واسط... 31

شکل 16 : مبدل usb به TTL. 32

شکل 17 : شماتیک داخلی مبدل usb بهTTL. 32

شکل 18 : مدل شبیه سازی شده روبات... 34

شکل 19 : کنترل فرآیند با فیدبک حلقه بسته. 35

شکل 20 : تاثیر افزایش بهره p. 36

شکل 21 : تاثیر افزایش بهره I36

شکل 22 : تاثیر افزایش بهره D.. 37

شکل 23 : دیاگرام سیستم حلقه بسته با اغتشاش.... 38

شکل 24 : پاسخ پله سیستم حلقه بسته. 38

شکل 25 : جدول زایگلر - نیکلز. 39

شکل 26 : نحوه از بین رفتن اثر نویز با فیلتر کالمن.. 43

شکل 27 : نتایج بدست آمده از شبیه سازی.. 47

شکل 28 : مراحل ابتدایی ساخت بدنه. 49

شکل 29 : بدنه ساخته شده در مرحله اول.. 50

شکل 30 : قفس تست ساخته شده51

شکل 31 : روبات آماده شده با اتصال چهار ملخ.. 52

شکل 32 : روبات ساخته شده در مرحله نهایی.. 53

شکل 33 : شماتیک داخلی سخت افزار روبات... 66

طراحیپیاده سازیروبات پرنده عمود پروازرباتربات پرندهپرنده

تجزیه و تحلیل و پیاده سازی سیستم مکانیزه کتابخانه

این پایان نامه شامل یک سیستم مکانیزه شده کتابخانه می باشد که درمحیط c درست شده است

دسته بندی	کامپیوتر و IT
بازدید ها	58
فرمت فایل	doc
حجم فایل	1992 کیلو بایت
تعداد صفحات فایل	91

فروشنده فایل

کد کاربری 15

تمام فایل ها

این پایان نامه شامل یک سیستم مکانیزه شده کتابخانه می باشد که درمحیط c# درست شده است

این سیستم قادرمی باشد کلیه اطلاعات ثبت شد ه درسیستم را درهرزمانی نمایش دهد واگر اطلاعات موجود نیازبه ویرایش و اصلاح داشته باشد کابران به راحتی قادربه انجام آن خو اهند بود.

ازویژگی های دیگر این سیستم این است که تمام اطلاعات راروی کلیدها وفرم ها به فارسی نوشته شده واستفاده ازسیستم کارچندان مشکلی نیست .

این سیستم دارای امکانات زیراست :

امانت کتاب – ثبت کتاب – ثبت عضو جدید – تمدید کتاب – جستجو ( مو ضوعی – نویسند ه – عنو ان ) و راهنما برای کاربران می باشد.

فهرست مطالب

چکیده :1

مقدمه :2

فصل اول. 6

طراحی و تحلیل. 6

موجودیت امانت گیرنده9

موجودیت امانت امانت گیرنده10

غرض دادن کتاب.. 19

رزو کردن. 21

Add A Book. 25

فصل چهارم. 70

طراحی بانک اطلاعاتی. 70

ایجاد یک پایگاه داده71

نمودار 3-3Relationship. 74

راهنمای کاربری سیستم. 80

فرم ورود80

نتیجه گیری :88

منابع

تجزیه و تحلیلپیاده سازیسیستم مکانیزه کتابخانه

تشریح پیاده سازی نرم افزار تبدیل فرمت dos به فرمت windows

گاهی با توجه به پیشرفت علم و تکنولوژی در زمینه کامپیوتر و به بازار آمدن انواع نرم‌افزارهای جدید که سازگاری شدیدی با محیط ویندوز و تقریبا به هیچ کدام از آنها محیط و برنامه‌های تحت سیستم عامل را پشتیبانی نمی‌کنند

دسته بندی	برنامه نویسی
بازدید ها	25
فرمت فایل	doc
حجم فایل	33 کیلو بایت
تعداد صفحات فایل	38

فروشنده فایل

کد کاربری 1024

تمام فایل ها

تشریح پیاده سازی نرم افزار تبدیل فرمت dos به فرمت windows

پیش گفتار
گاهی با توجه به پیشرفت علم و تکنولوژی در زمینه کامپیوتر و به بازار آمدن انواع نرم‌افزارهای جدید که سازگاری شدیدی با محیط ویندوز و تقریبا به هیچ کدام از آنها محیط و برنامه‌های تحت سیستم عامل را پشتیبانی نمی‌کنند ضرورت پیدا می‌کند که برای کنار گذاشتن برنامه‌های تحت Dos خود بتوانیم آنها را به طریقی تبدیل به انواع مختلف قابل شناسایی تحت ویندوز تبدیل کنیم.
یکی از موارد کاربرد آن در مواقعی است که به بانکهای مختلف موجود در محیط بانک اطلاعاتی تحت Dos از جمله foxpro را بتوان به یک بانک تحت سیستم عامل win تبدیل کرد. خصوصا این که در کشورمان داده‌های این بانکها تقریبا تماما فارسی بوده وکار را برای ما مشکل می‌کند.
به همین جهت تصمیم گرفته شد که با تکیه به تجربه چندین ساله در زمینه برنامه‌نویسی‌های تحت Dos و Windows نرم‌افزاری فراهم آورده شود که نیازهای این گونه افراد را برآورده سازد.
در این جزوه سعی شده است که ضمن نشان دادن و توضیح کامل این نرم‌افزار تمام مطالب به صورت واضح و شفاف به همراه لیست و توضیح تمام دستورات به کار گرفته شده آورده شود تا استفاده کنندگان بتوانند درک بهتری از رابطه‌ی این دو سیستم عامل با هم داشته باشند. در عین حال به جنبه‌هایی از تئوری و مقدمات برنامه‌نویسی نیز توجه شده است.
در این جا لازم می‌دانم که از همکاری همه کسانی که تولید و آماده‌سازی این پروژه با کمک آنان میسر گشت تشکر کنم. در این میان از آقای نیک‌فرجام و آقای اخلاقی که در تمام مراحل انجام این پروژه نهایت همکاری را داشته‌اند سپسگذارم.


نحوه پیاده‌سازی
به طور کلی این پروژه از دو نرم‌افزار جداگانه تشکیل شده که شامل یک برنامه تولید شده به زبان foxpro است که به طور خلاصه می‌توان گفت حمل تبدیل تمام حروف و اعداد به کار گرفته شده در بانک‌ها را شامل حروف و اعداد فارسی و انگلیسی بهکدهای اسکی آنان که قابل فهم برای محیط ویندوز باشد، فراهم می‌آورد.
همچنین شامل یک برنامه آسان شده به زبان Delphi است که در آن بانکهای تحت Dos که اطلاعات رکوردهای آن فقط شامل کد اسکی آن علائم و حروف است را تبدیل به کدهای معادل آن در محیط ویندوز و ایجاد یک بانک جدید تحت ویندوز می‌نماید.
در ذیل به جزئیات هر دو برنامه و تشریح عملکرد آنها می‌پردازیم:
تشریح برنامه تحت Dos
در ابتدا توسط تابع feount تعداد فیلدهای بانک را در متغیر c- field ریخته‌ایم و یک آرایه به طول تعداد فیلدهای بانک و به اندازه 4 برای نگهداری لیست فیلدها به همراه نوع و اندازه آنها تعریف کرده و آن را با مقادیر بانک پر می‌کننیم.
c-field = fcount()
Dimension array 1 (o- field,4)
? afield (array 1)
سپس برای این که اطلاعات موجود در بانک پاک نشود یکبانک جدید درست کرده و تمام رکوردها را در آن اضافه می‌کنیم، توجه داشته باشید که طول فیلدهای از نوع رشته‌ای در بانک دوم ضرب در 3 شده (علت آن این است که چون حروف در مبنای اسکی بین Q تا 255 است و ما نیاز داریم در بانک دوم به جای حروف کدهای 3 حرفی آنها را قرار دهیم.

فهرست مطالب

نحوه پیاده‌سازی 3
تشریح برنامه تحت Dos 3
تشریح برنامه تحت ویندوز 4
روش اجرا و به کارگیری برنامه 5
مرجع دستورات 7
APPEND FROM 7
CLEAR 7
CREATE 7
DIMENSION 8
DO WHILE 9
GOTO یا GO 9
SET PATH 9
REPLACE 10
USE 11
AFIELDS 11
ALLTRIM 12
FCOUNT 12
LEN 12
PROCEDRE 13
PUBLIC 14
سورس برنامه فاکس پرو 16
سورس برنامه دلفی 17

تشریحپیاده سازینرم افزارتبدیل فرمتdoswindowsپروژهپژوهشپایان نامهجزوهمقالهدانلود پروژهدانلود پژوهشدانلود پایان نامهدانلود جزوهدانلود مقاله

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود

دسته بندی	برنامه نویسی
بازدید ها	22
فرمت فایل	doc
حجم فایل	453 کیلو بایت
تعداد صفحات فایل	22

فروشنده فایل

کد کاربری 1024

تمام فایل ها

پیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیک

خلاصه
مفید بودن شبکه عصبی آنالوگ مصنوعی بصورت خیلی نزدیکی با میزان قابلیت آموزش پذیری آن محدود می شود .
این مقاله یک معماری شبکه عصبی آنالوگ جدید را معرفی می کند که وزنهای بکار برده شده در آن توسط الگوریتم ژنتیک تعیین می شوند .
اولین پیاده سازی VLSI ارائه شده در این مقاله روی سیلیکونی با مساحت کمتر از 1mm که شامل 4046 سیناپس و 200 گیگا اتصال در ثانیه است اجرا شده است .
از آنجائیکه آموزش می تواند در سرعت کامل شبکه انجام شود بنابراین چندین صد حالت منفرد در هر ثانیه می تواند توسط الگوریتم ژنتیک تست شود .
این باعث می شود تا پیاده سازی مسائل بسیار پیچیده که نیاز به شبکه های چند لایه بزرگ دارند عملی بنظر برسد .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .
- مقدمه
شبکه های عصبی مصنوعی به صورت عمومی بعنوان یک راه حل خوب برای مسائلی از قبیل تطبیق الگو مورد پذیرش قرار گرفته اند .
علیرغم مناسب بودن آنها برای پیاده سازی موازی ، از آنها در سطح وسیعی بعنوان شبیه سازهای عددی در سیستمهای معمولی استفاده می شود .
یک دلیل برای این مسئله مشکلات موجود در تعیین وزنها برای سیناپسها در یک شبکه بر پایه مدارات آنالوگ است .
موفقترین الگوریتم آموزش ، الگوریتم Back-Propagation است .
این الگوریتم بر پایه یک سیستم متقابل است که مقادیر صحیح را از خطای خروجی شبکه محاسبه می کند .
یک شرط لازم برای این الگوریتم دانستن مشتق اول تابع تبدیل نرون است .
در حالیکه اجرای این مسئله برای ساختارهای دیجیتال از قبیل میکروپروسسورهای معمولی و سخت افزارهای خاص آسان است ، در ساختار آنالوگ با مشکل روبرو می شویم .
دلیل این مشکل ، تغییرات قطعه و توابع تبدیل نرونها و در نتیجه تغییر مشتقات اول آنها از نرونی به نرون دیگر و از تراشه ای به تراشه دیگر است و چه چیزی می تواند بدتر از این باشد که آنها با دما نیز تغییر کنند .
ساختن مدارات آنالوگی که بتوانند همه این اثرات را جبران سازی کنند امکان پذیر است ولی این مدارات در مقایسه با مدارهایی که جبران سازی نشده اند دارای حجم بزرگتر و سرعت کمتر هستند .
برای کسب موفقیت تحت فشار رقابت شدید از سوی دنیای دیجیتال ، شبکه های عصبی آنالوگ نباید سعی کنند که مفاهیم دیجیتال را به دنیای آنالوگ انتقال دهند .
در عوض آنها باید تا حد امکان به فیزیک قطعات متکی باشند تا امکان استخراج یک موازی سازی گسترده در تکنولوژی VLSI مدرن بدست آید .
شبکه های عصبی برای چنین پیاده سازیهای آنالوگ بسیار مناسب هستند زیرا جبران سازی نوسانات غیر قابل اجتناب قطعه می تواند در وزنها لحاظ شود .
مسئله اصلی که هنوز باید حل شود آموزش است .
حجم بزرگی از مفاهیم شبکه عصبی آنالوگ که در این زمینه می توانند یافت شوند ، تکنولوژیهای گیت شناور را جهت ذخیره سازی وزنهای آنالوگ بکار می برند ، مثل EEPROM حافظه های Flash .
در نظر اول بنظر می رسد که این مسئله راه حل بهینه ای باشد .
آن فقط سطح کوچکی را مصرف می کند و بنابراین حجم سیناپس تا حد امکان فشرده می شود (کاهش تا حد فقط یک ترانزیستور) .
دقت آنالوگ می تواند بیشتر از 8 بیت باشد و زمان ذخیره سازی داده (با دقت 5 بیت) تا 10 سال افزایش می یابد .
اگر قطعه بطور متناوب مورد برنامه ریزی قرار گیرد ، یک عامل منفی وجود خواهد داشت و آن زمان برنامه ریزی و طول عمر محدود ساختار گیت شناور است .
بنابراین چنین قطعاتی احتیاج به وزنهایی دارند که از پیش تعیین شده باشند .
اما برای محاسبه وزنها یک دانش دقیق از تابع تبدیل شبکه ضروری است .
برای شکستن این چرخه پیچیده ، ذخیره سازی وزن باید زمان نوشتن کوتاهی داشته باشد .
این عامل باعث می شود که الگوریتم ژنتیک وارد محاسبات شود .
با ارزیابی تعداد زیادی از ساختارهای تست می توان وزنها را با بکار بردن یک تراشه واقعی تعیین کرد .
همچنین این مسئله می تواند حجم عمده ای از تغییرات قطعه را جبران سلزی کند ، زیرا داده متناسب شامل خطاهایی است که توسط این نقایص ایجاد شده اند .

مقالهپیاده سازیپیاده سازی VLSI یک شبکه عصبی آنالوگ مناسب برای الگوریتم های ژنتیکشبکه عصبیآنالوگالگوریتم های ژنتیکپیاده سازی VLSIشبکه عصبی آنالوگالگوریتم های ژنتیکتحقیقمقالهپروژهپژوهشدانلود تحقیقدانلود مقالهدانلود پروژهدانلود پژوهش