وبلاگ

چین خوردگی و چروک در پارچه زمانی روی می دهد که تعداد زیادی انحنای مضاعف در پارچه بوجود آید. بطوریکه باعث ایجاد تغییر شکل سطحی و غیر سطحی نسبتاً دائمی در پارچه شود.

از سال ۱۹۵۰ مصرف کنندگان بطور فزاینده ای از چروک لباس های پشمی آگاهی پیدا کردند. در همان زمان تکنیک های شیمیایی برای جلوگیری از ایجاد چروک در پارچه های پنبه ای رواج یافت. بعلاوه پارچه هایی که از مخلوط پشم- پلی استر بافته می شوند، بطور ذاتی

 استعداد کمتری برای چروک شدن نسبت به پارچه های خالص پشمی دارند.

امروزه شرایطی که منجر به ایجاد چروک در پارچه ها می شوند، بهتر شناخته شده است. اینکه آیا لباس چروکدار برای پوشیدن مناسب است یا خیر، بستگی به این دارد که مصرف کننده از لحاظ بصری چگونه آنرا برآورد می کند [۱].
١-٢ تئوری های چروک
١-٢-١ مکانیزم و مراحل تشکیل و ظهور چروک در پارچه
چروک یک نوع تغییر شکل سه بعدی پارچه است یعنی دارای طول ،عرض و عمق است .
چاپمن[1] ]۱[ معتقد است که چهار مرحله برای تشکیل و ظهور چروک در پارچه وجود دارد که عبارتنداز:
الف) کمانش پارچه
ب) فشار بکار رفته برای کمانش ها برای تیز نمودن چروک های ایجاد شده در پارچه
ج) از بین رفتن تنش های ویسکوالاستیکی در الیاف، هنگامی که چروک بر آنها اعمال می شود.
د) رهایی پارچه هنگامی که نیروهای ویسکوالاستیکی به تدریج باعث برگشت پذیری پارچه می شود.
عملکرد چروک در پارچه ها بستگی به این دارد که آن لباس چگونه پوشیده شود یا اینکه در چه شرایط محیطی و دمایی از آن استفاده گردد.

تشخیص اشیاء مختلف و تعامل با آنها بخش عمده ای از فعالیت مغزی انسان را در فعالیت های روزمره شامل می شود. چهره ها یک دسته مهم از اشیاء هستند که در تعاملات انسانی نقش ویژه ای را ایفا می نمایند به همین دلیل در طی سال های گذشته دانشمندان و مهندسین سعی در جهت به وجود آوردن ماشین هایی که توانایی درک چهره انسان را داشته باشند، در تلاش بوده اند. این تلاش ها در زمینه های مختلفی از قبیل علوم کامپیوتر، علوم ادراکی، ریاضیات، فیزیک، روانشناسی و علوم اعصاب شناختی انجام شده و در واقع تلفیقی از زمینه های مختلف علوم در پیشرفت های اخیر نقش داشته اند.
ادراک چهره مبتنی بر کامپیوتر از اهمیت ویژه ای برخوردار بوده و دارای کاربردهای متنوعی از قبیل رابط های ماشین و انسان، چند رسانه ای، سیستم های نظارتی و امنیتی، مخابرات تصویری، متحرک سازی و غیره می باشد. لذا، در طی سال های اخیر روش های محاسباتی، الگوریتم ها و سیستم های بینایی ماشین متنوعی برای ادراک خودکار چهره به وجود آمده اند.
1-1- آشکار سازی چهره

ادراک چهره جنبه های مختلفی از قبیل درک حالت چهره، درک وضعیت و موقعیت چهره، تشخیص هویت از روی چهره، دنبال کردن چهره و غیره را شامل می شود. تشخیص چهره عبارت است از مشخص کردن وجود چهره ها و محل آن ها در یک تصویر، اولین گام جهت کاربردهای

 ادراکی می باشد. لذا از تشخیص چهره تحت عناوین تشخیص سطح اولیه یا سطح ورودی نیز یاد می شود.

آشکارسازی چهره در واقع عمل تفکیک چهره از سایر اشیاء یا الگوها را شامل شده و سایر عملیات ادراکی در مراحل بعدی انجام می شوند. در اغلب روش های تشخیص چهره از این واقعیت که چهره ها کلاس منحصر بفردی از اشیاء را تشکیل می دهند استفاده می شود. بدین معنا که چهره ها دارای ساختار مشابهی هستند و اجزا چهره همواره به صورت مشابهی چیده شده و ارتباط مکانی مشخصی دارند. اما کلاس چهره ها دارای دامنه وسیعی از تغییرات درون کلاسی می باشد که این امر یافتن یک روش ارائه مناسب برای چهره را که توانایی در برگرفتن این تغییرات را داشته باشد، دشوار می سازد. تغییرات درون کلاسی، علاوه بر وجود تفاوت بین چهره افراد مختلف، می تواند به دلیل عوامل متغیر ذیل نیز به وجود بیاید:
1- موقعیت چهره:
تصویر چهره با توجه به موقعیت نسبی چهره و دستگاه تصویربرداری دچار تغییر می شود و برخی اجزا چهره مانند چشم یا بینی ممکن است به صورت جزئی یا کلی در تصویر دیده نشوند.
2- وجود یا عدم وجود برخی اجزا:
برخی اجزا چهره از قبیل ریش، سبیل و عینک ممکن است وجود داشته یا نداشته باشند و بعلاوه این اجزا از لحاظ رنگ، شکل و اندازه دارای تغییرات زیادی می باشند.

تمایل جدیدی که در جهت عینی شدن، اخیرأ مطرح شده است استفاده از منطق فازی در ترکیب با محاسبات عصبی و الگوریتم ژنتیک می باشد.عمومأ منطق فازی ،شبکه های عصبی و الگوریتم ژنتیک به عنوان پایه و اساس تشکیل دهنده می باشد.انچه که به عنوان محاسبات نرم دیده می شود، به حساب می ایند.بر خلاف روشهای متداول قدیمی که محاسبه سخت به شمار می روند، محاسبات نرم با هدف به کاربردن تولرانس برای موارد عدم دقت در دنیای واقعی سازمان دهی شده است.اصول راهنمای محاسبات نرم عبارتند از در نظر گرفتن تولرانس برای عدم دقت،عدم اطمینان و تا حدی درست،به منظور دستیابی به توانایی ردیابی ،مقاوم بودن و همچنین راه حل ارزان و سریع می باشد،در بین ترکیبات مختلفمربوط به محاسبات نرم ،موردی که بیش از بقیه در این زمان مورد توجه است ترکیب منطق فازی و محاسبات عصبی می باشد که تحت نام سیستمهای عصبی – فازی شناخته می شوند.در منطق فازی چنین سیستمهایی نقش بسیار مهمی را در تاثیر پذیری قوانین از مشاهدات بازی می کنند.

تحقیقات شبکه های نوروفازی جدید می باشد و اولین کتاب احتمالا توسط kasko (1992 بوده است.

شبکه های عصبی این توانایی را دارا می باشند که یک تابع را تخمین بزنند .ولی غیر ممکن است که نتایج را بصورت زبان محاوره ای طبیعی بیان کنند.در ساخت مستقیم یک شبکه عصبی، اطلاعات مورد نیاز جهت اموزش ارائه می گرددو مدلهای مات و مبهم و غیر قابل درک بوجود می اید.ولی یک سیستم فازی به شما اجازه می دهد که از تجربه افراد خبره که سیستم راتجربه کرده اند استفاده نمایید. قوانین فازی شامل بیانی از جملات می باشد که تقریبا به زبان طبیعی می باشند اما نمی توانند قوانینشان را یاد بگیرند.
ترکِیب شبکه عصبی و منطق فازیدر مدلهای نورو فازی یادگیری را به خوبی با قابیت خواندن تهیه می کند. مهندسان کنترل این فایده را پیدا می کنند زیرا مدلها می تواند با پردازش اپراتور بیان و تکمیل شوند.
سیستمهای استنتاج فازی بدلیل انعطاف، شفافیت ساختار و قابلیت یادگیری بسیار مورد توجه قرار گرفته اند، بطوریکه در دو دهه اخیر روشهای بسیاری برای آموزش آنها توسعه یافته اند. از آنجمله میتوان به روش تطبیقی که تاکاگی و سوگنو برای مدل فازی عصبیشان ارائه کرده اند، مدلسازی B-spline تطبیقی توسط (ASMOD) Kavli، سیستم استنتاج فازی عصبی تطبیقی (ANFIS) توسط Jang و آموزش قواعد فازی با الگوریتم ژنتیکی (FUREGA) توسط Nelles اشاره کرد. همة این روشها برای آموزش مدل فازی عصبی تاکاگی و سوگنو طراحی شده و در کاربردهای مختلفی مانند شناسایی، تخمین، کنترل، پردازش سیگنال و پیشبینی بکار رفته اند. در این بخش ایده یادگیری عاطفی برای این مدل طراحی شده و مورد آزمایش قرار گرفته است. در زیر شرح مختصری از روشها ی مختلف یادگیری نوروفازی اورده شده است.

در گذشته برای ساخت شبیه ساز از مدل های کوچک ساخته شده استفاده می شد که تمام جوانب و نکات یک نیروگاه را بعضا در بر نمی گرفت اما با پیشرفت علم و تکنولوژی در زمینه شبیه سازی رایانه ای سیستم ها و چه در علم ریاضی روش های قدیمی منسوخ شد. آنچه مسلم است این است که مطالعه رفتار دینامیکی یک سیستم قدرت مستلزم مدلسازی دینامیکی اجزای مختلف آن به ویژه نیروگاه می باشد.
اخیرا توربین های گازی با بازده بالا و غیر ایزوله که به شبکه سراسری متصل می شوند در شبکه های قدرت توسعه بسیاری پیدا کرده اند. امروزه این نیروگاه ها از این جهت که سریع وارد مدار شده و قادر به جبران اوج بار می شوند بسیار مورد توجه قرار گرفته اند. همچنین این نیروگاه ها به واسطه سیکل ترکیبی شدن دارای راندمان بالاتری نسبت به حالت سیکل باز شده اند. از آنجا که بخش اعظم تولید نیروگاه های سیکل ترکیبی در قسمت گازی آن می باشد لذا مدلسازی قسمت گازی این نیروگاه ها اهمیت بیشتری پیدا می کنند. نیروگاه های پیشرفته توربین گازی به تغییرات فرکانس بسیار حساس هستند و ممکن است در یک اغتشاش فرکانسی دچار قطع اضطراری شوند.

همراه با روند توسعه و پیشرفت روش ساخت توربین های گازی با توربین های بخار بازدهی نیروگاه را به حدود 50 درصد می رساند.

 تجزیه و تحلیل ترمودینامیکی نشان می دهد که توربین های گازی دارای 30 درصد بازدهی هستند و درجه حرارت گاز خروجی آنها 500 تا 600 درجه سانتیگراد است که برای یک نیروگاه حرارتی دمای مناسبی است. با سرد کردن این گاز در یک بویلر بازیاب حرارت (Heat Recovery Steam Generator) می توان بخار سوپر هیت تولید نمود و به این طریق یک توربین بخار را به کار انداخت. این مجموعه را سیکل ترکیبی گویند.

نیروگاه های سیکل ترکیبی می توانند در دو مد تک و سیکل ترکیبی کار کنند. در مد تک فقط توربین گاز کار می کند و محصولات احتراق خروجی توربین گاز از طریق میراکننده کنار گذر خارج می شوند. در مد سیکل ترکیبی هر دو توربین گاز و بخار کار می کنند و محصولات احتراق خروجی توربین گاز از طریق میراکننده ورودی به بویلر راه می یابد. لازم به توضیح است که میراکننده ها در طی بهره برداری عادی واحد نقشی در کنترل بار ندارند و در طی بهره برداری عادی واحد، میراکننده ورودی بویلر کاملاً باز می باشد، که این امر به منظور استفاده حداکثر از انرژی حرارتی توربین های گاز می باشد. میراکننده ها فقط در هنگام راه اندازی و توقف یا توقف اضطراری، قابل کنترل بوده و در حفاظت بویلرها نقش اساسی ایفا می کنند.
یک امتیاز مهم نیروگاه های گازی این است که به سرعت می توان آنها را به شبکه متصل کرد و یا قطع نمود.
این نوع سیستم ها بعد از اغتشاش شدید سریعا ناپایدار می گردند. علاوه بر آن در اکثر موارد به موتورهای با توان اکتیو بالا وصل می شوند و دائماً در حال تغییر نقطه کار هستند و گاهی ورودی های با تغییر ناگهانی زیاد به آنها اعمال می شود که تمامی این موارد انجام مطالعات دینامیکی و پایداری را که در مرحله بعد از مدلسازی صورت می گیرد، ضروری می سازد.
با توجه به ضروری بودن حجم بالای مطالعات و کار مورد نیاز برای تهیه شبیه ساز نیروگاه گازی و اینکه برای شناسایی سیستم گاورنر ابتدا در نظر گرفته شد که از روش جعبه سیاه استفاده شود ولی امکان گرفتن نمونه در نیروگاه را پیدا نکردیم و با اطلاعات و نمونه های در دسترس مجبور شدیم مدل گاورنر را به صورت جعبه خاکستری و با استفاده از روابط فیزیکی پیدا کنیم در نهایت با توجه به وسعت کار مجبور به مدلسازی نیروگاه در یک قسمت از ناحیه کنترل بار شدیم که IGV تنها در این بازه در 5 درصد مقدار حداکثر خود قرار دارد.
در این پروژه ضمن بررسی نحوه عملکرد نیروگاه به ویژه در حالت کنترل بار فرکانس به مدلسازی نیروگاه از نوع V94.2 با سیستم کنترل TELEPERM-XP با ظرفیت 159 مگاوات می پردازیم که توسط شرکت مپنا در بیشتر نیروگاه های در دست احداث از جمله ارومیه – جهرم – عسلویه – دماوند و کرمان و… در حال اجرا است. این نیروگاه ها از نوع تک محوره و قابل کار با دو سوخت گاز و گازوئیل می باشد.