این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
دریا فنون، جلد ۱، شماره ۲، صفحات ۲۵-۳۴
عنوان فارسی حذف فعال نویز صوتی ضبط‌شده در اتاق موتورها با استفاده از شبکه‌های عصبی استاتیکی و دینامیکی
چکیده فارسی مقاله نویز صوتی حاصل از موتورخانه یک کشتی می‌تواند باعث ایجاد مزاحمت و ناراحتی برای خدمه کشتی در حین استراحت یا کارگران درون موتورخانه باشد. هم‌چنین نویز حاصل می‌تواند عوارض و آسیب‌های فراوانی را برای خدمه و مسافران کشتی ایجاد کند. کنترل فعال نویز بر پایه‌ی تولیدیک سیگنال نویز دیگر از یک منبع ثانویه و تداخل آن با نویز تولید‌شده از منبع اصلی استوار است.در اینمقاله، قصد بر آن است که کنترل فعال نویز صوتی با استفاده از شبکه‌های عصبی استاتیکی و دینامیکی و براساس ساختار فیدبک مورد بررسی و شبیه‌سازی قرار گیرد. برای این منظور، کنترل فعال نویز صوتی با استفاده از یک شبکه‌ی عصبی دینامیکی و شبکه‌های عصبی M‏LP و RBF که جزء شبکه‌های عصبی استاتیک هستند انجام شده و عملکرد این شبکه‌ها در کاهش نویز مورد بررسی و مقایسه قرار می‌گیرد. بنابر مطالعات انجام‌شده، تاکنون مقایسه‌ی دقیقی بین عملکرد شبکه‌های فوق در کنترل فعال نویز صوتی، تحت شرایط مشابه انجام نشده است. در این مقاله، با در نظر‌گرفتن شرایطی مشابه برای ساختار شبکه‌ها (تعداد لایه‌ها و تعداد نورون‌های برابر) و نیز استفاده از نویزهای صوتی مشابه، عملکرد شبکه‌ها در کاهش نویزمورد بررسی قرار می‌گیرد. نویزهای صوتی موجود در پایگاه داده‌یSPIBجهت انجام شبیه‌سازی‌ها مورد استفاده قرار می‌گیرند. نتایج شبیه‌سازی‌ها نشان می‌دهد کهبه دلیل آموزش شبکه‌های عصبی براساس نمونه‌های آموزشی و نمونه‌های تعیین اعتبار (توقف آموزش براساس overfitting)، شبکه‌های عصبی آموزش‌دیده عملکرد بسیار خوبی را در کاهش نویز صوتی نشان می‌دهند. علاوه‌برآن مشاهده می‌شود که شبکه‌ی دینامیکی استفاده‌شده و شبکه‌ی RBFعملکرد بهتری را در کاهش نویز صوتی نسبت به شبکه‌ی M‏LPدارند و حدود dB 1 نویز صوتی را بیشتر از شبکه‌ی MLP کاهش می‌دهند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Active Cancellation of Engine Room Noise using Static and Dynamic Neural Networks
چکیده انگلیسی مقاله Ship interior noise produced by engine room disturbs the crews and the workers. Also, it causes lots of complications for the crews and the passengers in the ship. Active noise cancellation (ANC) is based on the destructive interference between the primary noise and generated noise from the secondary source. In this research, performance of the static and dynamic neural networks is evaluated in active cancellation of sound noise. For this reason, MLP and RBF are designed and trained as static neural networks. After training, performance of static and dynamic networks in noise attenuation are compared. In order to compare the networks appropriately, training and test samples are similar. Moreover, equal number of layers and neurons are considered for the networks. Noise signals from a SPIB database are used in simulation procedures. The simulation results show that designed neural networks present proper performance in ANC because of using training and validation samples in training process. As it is seen, the trained dynamic network and RBF neural network show better performance in noise attenuation than MLP network and achieve 1 dB noise attenuation more than MLP network.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله مهرشاد سلماسی |
دانشگاه آزاد اسلامی، واحد نجف آباد اصفهان
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی نجف آباد (Islamic azad university of najafabad)

رمضانعلی صادق زاده |
دانشیار دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی
سازمان اصلی تایید شده: دانشگاه صنعتی خواجه نصیرالدین طوسی (Khajeh nasir toosi university of technology)

نشانی اینترنتی http://ijmt.iranjournals.ir/article_5625_e163282b4913e7375cb1ba173f184ef9.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات