دانلود پاورپوینت سازه ی هوای فشرده سازه ی بادی توضیه میکنم حتما دانلود کنید عالیه(نوع فایل:PPT)

اختصاصی از اینو دیدی دانلود پاورپوینت سازه ی هوای فشرده سازه ی بادی توضیه میکنم حتما دانلود کنید عالیه(نوع فایل:PPT) دانلود با لینک مستقیم و پر سرعت .

با های وارد بر سازه های متکی بر هوا را می توان به سه گروه تقسیم کرد :

1- بار های مرده : این بارها شامل وزن پوسته و گاه بار های دائمی معلق از پوسته اند ، اما از آنجا که جنس اصلی ساخت این سازه ها، پوسته انعطاف پذیری چون پارچه ایت ، به سبکی آن در مقایسه با دیگر بارها چشم پوشیدنی است .

2- بار های زنده : این بار ها مشتمل اند بر باربرف ، باران ، باد و بار های وارد بر سازه بادی . تجمع برف در سازه های بادی با شیب زیاد سطح مقابل باد در معرض فشاری معکوس (فشار هوای داخلی ) قرار می گییرد به همین خاطر فشار داخلی باید به اندازه کافی بزرگ باشد . در سازه های دارای شیب کم «هوا به هنگام عبور از روی سازه سرعت میگیرد و دامنه آئرودینامیکی زیادی تولید می کند ، در نتیجه مکش در بالای پوسته به فشار تکیه گاهی در پایین اضافه می شود و کش ] سطحی [ در آن افزایش می یابد

ترجمه مقاله پیاده سازی فشرده سازی داده ها در آزمایشگاه دلفی

اختصاصی از اینو دیدی ترجمه مقاله پیاده سازی فشرده سازی داده ها در آزمایشگاه دلفی دانلود با لینک مستقیم و پر سرعت .

موضوع :

ترجمه مقاله پیاده سازی فشرده سازی داده ها در آزمایشگاه دلفی

( فایل word قابل ویرایش )
تعداد صفحات : ۱۰ صفحه ترجمه و ۵ صفحه اصل مقاله

این مقاله جزئیات فنی پیاه سازی شیوه های متداول فشرده سازی داده در آزمایشگاه  دلفی را تشریح می کند . در نتیجه فشرده سازی انواع مختلف داده ارائه شده است .

۱- معرفی :

در این مقاله ما یک کاربرد از شیوه های متداول فشرده سازی بر داده های فیزیکی را با هدف کاهش اندازه حجم داده برررسی می کنیم . از آن جهت لازم است که اصطلاحات کاهش داده ها و فشرده سازی داده ها را مجزا کنیم . در هر دو مورد حجم داده ها کاهش می یابد اما شیوه های پیدا شده و اهداف متفاوتند .

در مورد کاهش داده ها،  فشرده سازی داده ها در نتیجه برنامه های مجدد سازی خاصی است که سیگنالهای قسمتهای چک کننده حساس را به ارزشهای فیزیکی تبدیل می کند ، مانند  momenta انطباق ها و شناسگرهای خاص و غیره …. هدف کاهش داده ها تنها فشرده کردن داده ها نیست بلکه برای ساده تر کردن  تحلیل فیزیکی داده ها است . در مورد فشرده سازی داده ها فشرده کردن داده ها در نتیجه بهینه سازی بیشتر رمز گزاری داده ها است و الگوریتمهای پیاده شده وابسته به طبیعت داده ها نیست تنها هدف کاهش سلیز فایل داده ها برای صرفه جویی در فضای دیسک است .

۲- زنجیره فرایند داده های دلفی :

در آزمایشگاه دلفی انواع فایلهای داده ی زیر استفاده می شود .

داده خام :(RAW ) : فایلهایی با اطلاعاتی از سیستم کسب داده ها.

 FDST  یا  DST  تمام شده : فایلهای تولید نشده به وسیله برنامه های مجدد سازی استفاده شده در دلفی .

   LDST  : مانند  FDST   با این تفاوت که همچنین شامل نتایج شناسگرهای خاص است . فقط برای رویداد  .

   SDST : مانند  FDST   اما بعضی اطلاعات چک کننده خاص حذف شده و نتایج شناسه های خاص اضافه شده .

  MDST : شبیه  SDST اما شامل اطلاعات ضروری بیشتری است که به شیوه فشرده تری نوشته شده .

واضح است که مهمترین تحلیل های فیزیکی داده  LDST    ،   FDST ‌و MDST باید به راحتی قابل دسترس باشد . برای کاربر . نسخه های آن باید روی میز قرار داده شوند در حال حاضر ۲۵۰     فضای دیسک نیاز است .

۱ Introduction
In this article we consider an application of general data compression methods to the physics data with the aim of reducing the size of data volume. Thereat, it is necessary to distinguish the terms data reduction and data compression. In the both cases the data volume is reduced, but the implied methods and goals are dierent. In case of data reduction, the shrinkage of data is a result of special reconstruc- tion programs which convert the signals of the sensitive parts of detectors to the physical values like momenta, coordinates, particle identications, etc. The goal of data reduction is not only to shrink the data, but also to facilitate further physics analysis. In case of data compression, the shrinkage of data is a result of more optimum data coding and the implied algorithms do not depend of the data nature. The only goal is the reduction of the sizes of the data les to save disk space.

۲ DELPHI data processing chain
At the DELPHI experiment the following kinds of data les are used:
RAW RAW data { les with information from the data acquisition system.
FDST Full DST { les produced by reconstruction program used in DELPHI.
LDST Long or Leptonic DST { the same as FDST but also contain the results of
particle identication (for leptonic events only).
SDST Short DST { the same as FDST but some detector specic information was
discarded and the results of particle identication were added.
mDST mini DST { similar to SDST but contain the most essential information writ-
ten in more compact way.

دانلود مقاله فشرده سازی صوت

اختصاصی از اینو دیدی دانلود مقاله فشرده سازی صوت دانلود با لینک مستقیم و پر سرعت .

کوانتیزه کردن
• خطی
– فواصل ثابت
– مستقل از دامنه
• غیر خطی
– فواصل متغیر
– افزایش فواصل در دامنه های بالا
– نگاشت لگاریتمی
مدولاسیون داده
• به جای کد کردن دامنه واقعی فقط افزایش یا کاهش را به کمک یک بیت کد کنیم

PCM Differential
• Differential PCM = DPCM
• تفاضل دامنه فعلی با دامنه قبلی توسط بیت های کمتر
• ADPCM
• Adaptive Differential PCM
– بخش های ساکت بیت کمتر
– بخش های شلوغ بیت بیشتر
فشرده سازی به روش Psycho-Acoustic
• حذف بخش های غیر قابل شنود
• تاثیرات ماسکها
– یک سیگنال با دامنه زیاد سیگنالهای کم دامنه مجاور خود را ماسک میکند

MPEG AUDIO
• فشرده سازی:
– 32 ، 64 ، 96 ، 128 یا 192 کیلو بیت درثانیه
• کانالها:
– تک باند (mono )
– دو باند مستقل
– استریو مشترک Joint Stereo
MPEG AUDIO
• نرخ نمونه برداری :
– 32Khz
– 44.1 Khz
– 48 Khz
• هر نمونه به صورت 16 بیتی
• حداکثر تاخیر در گدگذاری و کدگشایی : 80 میلی ثانیه
• استفاده از Psycho –acoustic در کوانتیزه کردن

کدگذار و کدگشای MPEG

تاریخچه MP3
• Fraunhofer Institut
– موسسه تحقیقاتی ( کشور آلمان )
– بکارگیری خواص شنوایی انسان برای فشرده سازی صوت
• استاندارد –ISO
• حداکثر ضریب فشرده سازی برابر با 12
• ISO کلیات را بیان کرده
• جزئیات وابسته به نحوه پیاده سازی

لایه های صوت در MPEG
• Frame ها
• شامل 384 نمونه
• این نمونه های مربوط به 32 Sub-Band هستند
• برای هر sub-band 12 مقدار ذخیره میشود

لایه های صوت در MPEG
• لایه 1: ماسک کردن فرکانس
– استفاده از فیلتر DCT
– بررسی فقط یک فریم
• لایه 2 : ماسک موقتی
– سه فریم ( قبلی ، فعلی ، بعدی )
– شبیه سازی شنوایی انسان
لایه های صوت در MPEG
• لایه 3 : ماسک غیرخطی :
– فرکانس ها به باندهایی باپهنای متفاوت تقسیم میشوند
– کانالهای استریو به صورت تفاضلی کدگذاری میشوند
– فشرده سازی ضرایب به روش هافمن
لایه 1
• تاثیرات Psycho- Acoustic
• حساسیت گوش انسان

لایه 1
• تاثیرات ماسک فرکانس
– یک سیگنال با فرکانس 1KHz (فرکانس ماسک ) تولید میکنیم سپس سیگنالی با فرکانس نزدیک به آن مثلا 1.1KHz و با شدت کم تولید میکنیم دامنه این فرکانس را به تدریج افزایش میدهیم تا شنیده شود

لایه 1
• فشرده سازی
• سیگنال اصلی به 32 باند اصلی تقسیم میشود Critical Band
• برای هر باند رویه ماسک تعریف میشود که نشان میدهد کدام سطح از سیگنال می تواند توسط باندهای مجاور ماسک شود .

لایه 1
• الگوریتم :
1. محاسبه انرژی در هر باند
2. اگر انرژی آن کمتر از انرژی باند مجاور است آن را کدگذاری نکن
3. درغیراینصورت باند را کدگذاری کن
4. ضرایب را کوانتیزه کن
5. فاکتور کوانتیزه را به گونه ای انتخاب کن که خطای آن کمتراز فاکتور ماسک باشد ( هر بیت کوانتیزه معادل 6db است)
مثال
• سطوح مربوط به 16 باند ازبین 32 باند اول

لایه 2 – فشرده سازی
• تاثیرات Psycho-Acoustic
– Temporal Masking : یک صدای قوی که ناگهان قطع میشود
– آزمایش :یک سیگنال قوی مثلا 60db با فرکانس 1kHz پخش میشود همراه با آن یک سیگنال ضعیف 40db با فرکانس 1.1KHz پخش میکنیم ( این سیگنال ماسک میشود)
– با قطع سیگنال تست برای مدت زمان مشخضی سیگنال ضعیف نیز شنیده نمیشود

لایه 2 – فشرده سازی
• آزمایش بالا را با فرکانسهای مختلف تکرار میکنیم

لایه2- فشرده سازی
• مشابه با لایه 1 از این امکان برای ماسک فریم های مجاور استفاده میکنیم
• برای سادگی کار فرش میکنیم که این ماسک فقط میتواند بردی به اندازه یک فریم داشته باشد
لایه 3 – تاثیرات psycho- Acoustic
• دقت تشخیص شنوایی انسان با افزایش فرکانس کاهش می یابد
• در لایه 1و 2 طیف فرکانسی به 32 فریم با اندازه های یکسان تقسیم شد
• در لایه سوم فرکانس ها به روش غیرخطی تقسیم میشوند
• به گونه ای که میزان خطای شنوایی در همه باند ها یکسان باشد
لایه 3
• Bark
• برگرفته از نام Barkhausen
• یک Bark برایر با عرض یک باند حیاتی Critical Band است

لایه 3 – آستانده های موجود در باندهای حیاتی

لایه 3
• این لایه به سیستم شنوایی انسان نزدیکتراست چراکه از Bark ها برای تقسیم بندی فرکانس استفاده میکند

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله 10   صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

دانلود مقاله بهبود در تصاویر فشرده شده

اختصاصی از اینو دیدی دانلود مقاله بهبود در تصاویر فشرده شده دانلود با لینک مستقیم و پر سرعت .

این مقاله دارای تصاویر است که در سایت قابل نمایش نیست
1.چکیده
در این مقاله ما روشهایی که در حوزه فشرده سازی ،تصاویر JPEG را بهبود می دهند را مورد بررسی قرار می دهیم بدون این که تصاویر فشرده شده را به طور کامل رمز گشایی کنیم روش اولی که مورد بررسی قرار می دهیم استفاده از یک تابع فازی جهت بهبود تصویر است در این روش ابتدا تابع بهبود را به حوزه فشرده سازی می بریم برای این کار ما نیاز به پیاده سازی عملگر های غیر خطی در حوزه فشرده سازی داریم پس از پیاده سازی این تابع را بر بلاک های 8*8 اعمال می کنیم و نتایج این تابع را بر روی بلاکها یکنواخت وبلاکهای دارای جزییات بررسی میکنیم و در پایان اتلگوریتم را برای بلاک ها متفاوت بهبود می دهیم . در روش دوم ابتدا مقدار کنسترانت تصویر را اندازه گیری کرده و سپس کنسترانت ضرایب را با یک مقدار ثابت بهبود می دهیم

2.مقدمه
امروزه حجم بالا تصاویر باعث شده است تا تصاویر فشرده شده مورد توجه بیشتری قرار گیرد فشرده سازی تصاویر با نگهداشتن کیفیت نسبی تصاویر حجم تصاویر را تا حد زیادی پایین می آورد . حجم پایین تصاویر در جایی که می خواهیم انتقال اطلاعات داشته باشیم بسیار مفید است . برای مثال می توان به انتقال تصاویر پزشکی از طریق اینترنت اشاره کرد
الگوریتم هایی که برای فشرده سازی تصاویر به کار می رود به دو گروه lossy ,lossless تقسیم می شوددر روش lossless اطلاعات تصویر از بین نمی رود و می توان با استفاده از تصویر فشرده شده و با استفاده از یک الگوریتم کدگشایی تصویر اولیه را بدست آورد ولی در روش های lossy مقداری از اطلاعات تصویر از بین می رود [2]
یکی از الگوریتم های معروف و پر کاربرد در فشرده سازی تصاویر الگوریتم فشرده سازی (JPEG) است در این روش ابتدا تصویر به قطعات 8*8 که همپوشانی ندارند تقسیم شده سپس ماتریس DCT را بر روی هر بلاک اعمال می کنیم ضرایب DCT را با استفاده از جدول مقدار دهی (Quantize Table) به یک مقدار گسسته مقدار دهی می کنیم این پردازش یک پردازش لوسی (lossy process) است و مقداری از اطلاعات را از دست می دهیم در این مرحله بسیاری از ضرایب کوچک (معمولاً قرکانس بالا) به مقدار صفر مقدار دهی می شوند حال این ضراین را با استفاده از یک الگوریتم کد گذاری کدگذاری می کنیم این عمل باعث پایین آمدن نسبت بیتی (bit rate) تصویر می شود [5]

الگوریتم هایی که برای بهبود تصویر فشرده شده ارائه شده اند بر اساس زمان بهبود تصویر می توان به 3 دسته کلی تقسیم کرد :1- بهبود تصویر قبل از فشرده سازی 2- بهبود تصویر بعد از فشرده سازی 3- بهبود تصویردر حین فشرده سا زی[4]
یکی از معایب بزرگ الگوریتم ها دسته اول (بهبود قبل از فشرده سازی ) پایین آمدن قدرت و ضریب فشرده سازی تصویر پس از اعمال الگوریتم بهبود است الگوریتم هایی که در اینجا مورد بررسی قرار می دهیم از الگوریتم های دسته 2و3 است

3.روشهای بکار رفته برای بهبود تصاویر فشرده شده (JPEG)
یک تصویر فشرده شده به دو روش می توان بهبود بخشید در روش اول تصویر کاملاً رمز گشایی کرده و به حوزه پیکسلی می بریم و سپس تصویر بهبود یافته را با الگوریتم فشرده سازی مجدد فشرده می کنیم این امر (compress/decompress) باعث زمانبر شدن الگوریتم می شود علاوه بر این قدرت و ضریب فشرده سازی در تصاویر بهبود یافته در حوزه پیکسلی کم می شود.
روش دیگر برای بهبود تصاویر فشرده شده استفاده از ضرایب DCT تصویر است در این روش ما ابتدا ضرایب را با یک الگوریتم کدگشایی از تصویر بدست می آوریم سپس پردازش را در حوزه فشرده شده (Compressed Domain) بر روی تصویر اعمال کرده و سپس ضرایب را کد گذاری می کنیم در این روش ما زمان لازم برای (compress/decompress) را صرفه جویی می کنیم در این روش بدلیل این که بسیاری از ضرایب پس از عمل (Quantize) صفر می شوند محاسبات کمتری نسبت به حوزه پیکسلی خواهیم داشت

دو روش جهت بهبود تصاویر فشرده شده

1-3.استفاده از تابع فازی INT برای بهبود کنتراست تصویر
تابع فازی (INT-OP) بر اساس حد آستانه عمومی کنتراست تصویر را بهبود می دهد برای اعمال این تابع در حوزه پیکسلی ابتدا نیاز است تا سطوح خاکستری تصویر را در بازه [0 1] نرمال می کنیم

این تابع نقاطی که روشنایی کمتری دارد را تاریک تر می کند و نقاطی که روشنایی بیشتری را دارد را روشن تر می کند این تابع باعث می شود تا سطوح خاکستری ابتدا و انتها بازه فشرده شده و در عوض فاصله سطوح خاکستری میانی را افزایش می دهد که این موجب بالا رفتن کنسترانت تصویر می شود. این تابع یک تابع غیر خطی است

تابع INT در حوزه فشرده شده (Compressed Domain)
برای اعمال تابع در حوزه فشرده شده ما نیاز به پیاده سازی عملگر های خطی (جمع ، ضرب ، ...)و عملگر های غیر خطی (توان) در حوزه فشرده سازی داریم عملگر های خطی به راحتی پیاده سازی می شوند ولی مشکل اساسی ما پیاده سازی عملگر ها غیر خطی است اگر ما سطوح خاکستری هر بلاک 8*8 را با ماتریس U[8*8] نمایش دهیم و ضرایب DCT هر بلاک Udct(که به طور مستقیم از تصویر فشرده شده بدست می آید) را داشته باشیم آنگاه با روابط زیر می توان عملگر غیر خطی توان را پیاده سازی کرد (Udct*sq)

در روابط بالا چند نکته را باید مورد نظر داشته باشیم اولاً در اغلب مواقع Udct صفر است و دوم این که تابع WQ(y1,y2,w1,w2,x1,x2) در 96% اوقات مقدار صفر را بر می گرداند. این نکات نشان می دهد که هر چند روابط بالا پیچیده و زمانبر است ولی در واقع زمان کمتری برای محاسبه آنها صرف خواهد شد.[1]
حال برای اعمال INT در حوزه فشرده سازی به صورت زیر عمل می کنیم .ابتدا مقادیر سطوح خاکستری را از بازه [0 255] به بازه [-128 127] می بریم تا مقادیر حول عدد صفر متقارن شوند . عدد صفر را به عنوان مقدار حد آستانه در نظر می گیریم (به جای مقدار 0.5 که در حوزه پیکسلی به عنوان حد آستانه در نظر می گرفتیم) و در نهایت تابع INT را به صورت زیر برای هر بلاک محاسبه می کنیم [1]

همانطور که در فرمول بالا مشاهده می کنید مقدار حد آستانه Udct(0,0) برای هر بلاک 8*8 تنها یکبار محاسبه می شود و هر بلاک 64 پیکسلی فقط از یک حد آستانه استفاده می کند در صورتی که در حوزه پیکسلی 64 حد آستانه متفاوت (سطح خاکستری پیکسل ) خواهیم داشت که این امر باعث بروز مشکل در بهبود تصویر می شود این مشکل در بلاک هایی یکنواخت که سطوح خاکستری نزدیکی به هم دارند مشکل کمتری ایجاد می کند نسبت به بلاک هایی که دارای جزییات هستند
برای رفع این مشکل می توان از یک حد آستانه انتخابی برای تمایز بین بلاک ها یکنواخت و بلاک ها دارای جزییات استفاده کرد و بلاک ها یکنواخت را در حوزه فشرده سازی پردازش کرده و بلاک ها دارای جزییات را به حوزه پیکسلی برده و پردازش پیکسلی بر روی آن انجام داده و سپس فشرده کنیم بنابر این الگوریتم بهبود به صورت زیر تغییر می کند :
1- محاسبه انرژی ضرایبDCT برای هر بلاک به صورت زیر

2- اگر EAC < eth ( eth یک حد آستانه انتخابی ) بهبود در حوزه فشرده سازی بوسیله تابعی که در بالا بیان شد انجام می شود
3- اگر EAC > eth بلاک را به حوزه پیکسلی می بریم و با تابع بهبود در حوزه پیکسلی که در قبل بیان شد تصویر را بهبود داده و سپس با الگوریتم فشرده سازی بلاک را فشرده می کنیم

مقدار eth به صورت آزمایشی و دستی انتخاب می شود و تاثیر در کیفیت و سرعت الگوریتم دارد هر چه مقدار eth را بزرگتر انتخاب کنیم تعداد بلاک هایی که در حوزه پیکسلی پردازش می شوند کاهش یافته بنابراین سرعت الگوریتم افزایش و کیفیت کاهش می یابد و هر چه مقدار eth را کوچکتر انتخاب کنیم بلاک ها بیشتری در حوزه پیکسلی پردازش شده و سرعت الگوریتم کاهش وکیفیت افزایش می یابد کیفیت تصویر را می توان با MSE نمایش داد MSE میانگین مجذور خطایی است که بین بلاک پردازش شده در حوزه پیکسلی و بلاک پردازش شده درحوزه فشرده شده وجود دارد. [1]

2-3.بهبود تصویر به روش اندازه گیری کنسترانت تصویر در حوزه DCT
در این روش ما بهبود را به طور مستقیم بر روی تصویر اعمال می کنیم و برای این کار کنسترانت تصویر را در حوزه DCT اندازه گیری می کنیم ضرایب DCT محتویات فرکانسی در حوزه مکان را برای تصویر نشان می دهد و شبیه یک ربع فوریه دو بعدی است [3]

d00 مقدارDC را نشان می دهد و دیگر ضرایب بقیه فرکانس ها مکانی از تصویر را نشان می دهند که فاصله آنها از d00 افزایش می یابد به طور مثال ضرایب d40 ,d04 فرکانس مکانی با فاصله 4 سیکل/بلاک در جهت افقی و عمودی است بنابر این اندازه یک باند کنسترانت محدود شده را به صورت زیر می توان محاسبه کرد :

در این روش 14 باند تعریف شده است که تقریباً برابر با فرکانس مکانی تصویر است و با ساختار zigzag در کد گذاری بلاک های JPEG سازگار است
حال ما را مقادیر مختلف کنسترانت تصویر در نظر بگیریم ومقادیر مختلف برای کنسترانت تصاویر بهبود یافته را با نمایش دهیم. حال اگر ما از یک فاکتور ثابت(λ) برای بهبود کنسترانت در تمام باند ها فرکانس استفاده کنیم رابطه زیر را خواهیم داشت :[3]

با استفاده از رابطه 3و7 می توان ضرایب بهبود یافته را به صورت مقابل بدست آورد:
و می توان این مقادیر را با استفاده از جدول مقادیر دهی (Dequantize table) مقدار حقیقی را بدست آورد . مقدار Q’ رابطه زیر بدست می آید

* ضرب خانه به خانه است و A از رابطه روبرو بدست می آید
مراحل انجام این الگوریتم را در شکل زیر آمده است:

4.پیاده سازی و نتایج تجربی
1-4.استفاده از تابع فازی INT برای بهبود کنتراست تصویر
الگوریتم که در بالا توضیح داده شد را بر روی چند تصویر که دارای ابعاد ، کنسترانت ، و جزئیات متفاوتی هستند و روشنایی تصاویر در حد متوسط است اعمال کرده ایم

کارایی الگوریتم بهبود تصویر که در بالا بیان شد به دو چیز بستگی دارد
1- کیفیت تصویر حاصل از پردازش در حوزه فشرده شده در مقایسه با تصویر بهبود یافته با تابع INT در حوزه پیکسلی. کیفیت تصویر را می توان با MSE نمایش داد MSE میانگین مجذور خطایی است که بین بلاک پردازش شده در حوزه پیکسلی و بلاک پردازش شده درحوزه فشرده شده وجود دارد.
2- نسبت تعداد بلاک هایی که در حوزه فشرده شده پردازش می شوند به بلاک هایی که به حوزه پیکسلی منتقل شده و با پردازش پیکسلی بهبود می یابند

فرمت این مقاله به صورت Word و با قابلیت ویرایش میباشد

تعداد صفحات این مقاله   13 صفحه

پس از پرداخت ، میتوانید مقاله را به صورت انلاین دانلود کنید

مقاله ابتکاری جدید برای فشرده سازی پست های فشار قوی

اختصاصی از اینو دیدی مقاله ابتکاری جدید برای فشرده سازی پست های فشار قوی دانلود با لینک مستقیم و پر سرعت .

نیاز روز افزون بشر به انرژی برق جهت تامین احتیاجات خود در زندگی روز مره و پیشرفت فناوری در صنایع مختلف و تراکم شدید جمعیت در شهر ها و افزایش مصارف به واسطه رشد و تراکم مصرف وکاهش افت ولتاژ شدید و تلفات توان تقاضای نصب پست های فشار قوی را افزایش داده است و از طرفی به علت افزایش قیمت زمین و محدودیت فضای مورد نیاز جهت نصب پست و همچنین ایمنی افراد جامعه و زیبایی ظاهری شهر راه حلی جدید می طلبد.

بنابر این جهت رفع مشکلات ناشی از موارد بالا شرکت های مختلف طرح های جدیدی ارائه داده اند که از جمله شرکت ABB که راه حل ابتکاری بنام PASS ارائه داده و باعث گردیده مسئله زمین وفضا و مشکلات ناشی از آن تا حدود زیادی برطرف گردد.

دستگاههای چند کاره فشرده مدل PASS MOO که در شکل 1 نشان داده شده است تجهیزات طراحی ومونتاژ شده درکارخانه میباشد و به مکانی که پست می خواهد سریع وبا اطمینان نصب شود حمل می شود.

2ـ خصوصیات اصلی و مزایا در مقایسه با تجهیزات متداول عبارتنداز :

ـ کاهش وزن و حجم

ـ کاهش مقدار گاز SF6 داخل قسمت های برقدار

ـ کاهش ساختمان مورد نیاز

ـ کاهش عمده تعمیر و نگهداری دستگاهها

ـ سادگی و سریع در نصب

ـ سادگی برای مراقبت ونگهداری

3 ـ معرفی تجهیزات

مدل PASS MOO تشکیل شده از سه قطعه جداگانه شامل، پل های کلید و سلول بریکر همراه با دستگاه که به طور افقی قرار گرفته اند .

سکسیونر باسبار و زمین در داخل پوششی از پل های کلید قرار گرفته است که مانندبریکر از راه دور کنترل میشود. بوشینگ های هوایی SF6 برای اتصالات با خطوط بیرونی و سیستم باسبار در داخل و بیرون نصب شده اند .

در صورت درخواست می توان از ترانس های جریان چند کره عمومی متعارف با سیم پیچ های چند گانه که در روی بوشینگ ها قرار میگیرند استفاده نمود . تمام تجهیزات مونتاژ شده ودر داخل تابلو یا قفسه های کنترل )دریک اطاقک)ثابت شده است .

1ـ3ـ متعلقات

مدل PASS MOO با متعلات زیر تجهیز می شوند .

• دو تا ND8 دریچه های ورودی گاز برای پر کردن و کنترل(M)
• یک کلید تنظیم برای پر کردن گاز که شامل یک کنتاکت برای آلارم و دو کنتاکت برای قطع می باشد ، این دستگاه فشار را در موقعیت نشان داده شده در بار MPA یا سکتورهای رنگی و فشار چگالی واقعی از گاز SF6 صرف نظر از تغییرات در درجه حرارت سلول آماده می کند این تجهیزات با سیستم جبران فشار تجهیز می شوند .
• سه دیسک قطع کننده (L)
• سه تا پنجره بازرسی برای آزمایش موقعیت کنتاکت های متحرک از سکسیونر های مرکب (F)
• یک محرک سه پل برای آلارم دادن موقعیت بریکر( بسته = قرمز ) ( سبز = باز ) (N)
• یک دستگاه سه پل برای آلارم دادن موقعیت سکسیونر های مرکب ( بسته = قرمز ) ( سبز = باز ) برای قطع کننده خط ( سبز = باز و قرمز = باز ) و برای قطع کننده زمین ( O )

این مقاله به صورت  ورد (docx ) می باشد و تعداد صفحات آن 224صفحه  آماده پرینت می باشد

چیزی که این مقالات را متمایز کرده است آماده پرینت بودن مقالات می باشد تا خریدار از خرید خود راضی باشد

مقالات را با ورژن  office2010  به بالا بازکنید