حذف نویز صوتی ترانسفورماتورها با استفاده از الگوریتمهای تطبیقی LMS و FXLMS
Publish place: 08th Conference on Electrical Power Distribution Networks
Publish Year: 1382
Type: Conference paper
Language: Persian
View: 1,974
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
EPDC08_014
Index date: 26 October 2008
حذف نویز صوتی ترانسفورماتورها با استفاده از الگوریتمهای تطبیقی LMS و FXLMS abstract
نویز صوتی یکی از مخربترین منابع آلودگی محیط زیست می باشد که می تواند اثرات فیزیکی و روانی بسیار مضری مانند افسردگی، عدم بهره وری مناسب، خستگی زودهنگام و فشار عصبی روی انسان داشته باشد به همین خاطر تلاش های زیادی برای حذف یا کاهش این نویز شکل گرفته است، نویز منتشر شده در یک فضای آزاد عموما در حالاتیکه نویز صوتی حاصل از ترانسفورماتوها زیاد باشد آنها را در یک مکان وسیع و به روشهای کنترل غیر فعال نویز صوتی مهار می کنند. از آنجاییکه در نظر گرفتن مکان وسیع برای نصب ترانس از لحاظ اقتصادی مقرون به صرفه نیست و روشهای غیر فعال نیز برای حذف این نوع نویز موثر نمی باشد می توان از روشهای کنترل فعال (1،2،3،4) استفاده کرد. در این مقاله ضمن شرح روش کنترل فعال نویز صوتی حاصل از ترانسفورماتورها شبیه سازی بر اساس الگوریتمی LMS و FXLMS و استفاده از فیلترهای تطبیقی خواهیم پرداخت. شبیه سازی های انجام شده بر روی داده های بدست آمده از نویز صوتی پست فوق توزیع بهار در مشهد است. داده ا در سه کانال ثبت شده است. در این شبیه سازی ها نشان دهده می شود که توسط فیلترهای فعال مورد استفاده می توان تا حد بسیار زیادی نویز صوتی را تضعیف نمود.
حذف نویز صوتی ترانسفورماتورها با استفاده از الگوریتمهای تطبیقی LMS و FXLMS Keywords:
نویز صوتی ترانس توزیع , فیلترهای تطبیقی
حذف نویز صوتی ترانسفورماتورها با استفاده از الگوریتمهای تطبیقی LMS و FXLMS authors
حمید خالوزاده
استادیار دانشگاه فردوسی مشهد کمیته تحقیقات توزیع برق مشهد
حسین الیاسی
دانشجوی مهندسی برق دانشگاه فردوسی مشهد
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :