شبکه عصبی مصنوعی و مدلسازی سر و صدا خودرو

در این مقاله تیم پی سی اسکریپت تلاش نموده است تا با استفاده از روش شبکه های عصبی مصنوعی(ANN)بتواند نویزهایی ترافیکی که جزء آلودگی‌های صوتی است را پیش بینی و با راهکارهایی این نویزهای ترافیکی را به حداقل برساند.

چکیده :

شبکه عصبی مصنوعی امروزه کاربرد بسیار دارد .ترافیک یکی از منابع اصلی سروصدا در محیط‌های شهری است و روی روان بشر و سلامت فیزیکی و بهره‌وری نیروی کاری تأثیر قابل ملاحظه ایی می گذارد. به دلیل اینکه ما هرروز شاهد تولیدات جدیدی در صنعت خودرویی هستیم که این خود باعث افزایش قابل توجهی در ترافیک های شهری می‌شود و این حجم انبوه ترافیک باعث ایجاد معظلات بزرگی ازآلودگی ها از قبیل آلودگی‌های صوتی و آلودگی‌های محیطی می‌شود. .

در این مقاله تیم پی سی اسکریپت تلاش نموده است تا با استفاده از روش شبکه های عصبی مصنوعی(ANN)بتواند نویزهایی ترافیکی که جزء آلودگی‌های صوتی است را پیش بینی و با راهکارهایی این نویزهای ترافیکی را به حداقل برساند. ما‌دراینجا‌ از الگوریتم‌هایی از قبیل: روشهای پس انتشار که با الگوریتم(L-M)آموزش داده شده،الگوریتم(Leave-Out-One)،روش تست و آموزش و تست jury استفاده میکنیم متغیرهای ورودی درANN دارای ساختارهایی از جریان ترافیکی،میانگین سرعت هر خودرو می‌باشد و متغیرهای خروجی در این نوع از شبکه‌ها شامل معادله سطح صدا در مدت زمان داده شده(L_eq) هستند.سرانجام برطبق بررسیهای انجام شده مشخص شد که، روش ANN برای پیش بینی سطح صدای ترافیک از سایر روشهای آماری برتر است.

بیان موضوع و راه کار شبکه عصبی مصنوعی :

سر و صدای ترافیک به عنوان یکی از بخش های اصلی در بحث آلودگی‌های صوتیست، بیشتر در زمانهایی که حجم ترافیکی بسیار بالاست باعث ایجاد مشکلات بسیار زیادی می‌شود. این سر و صداها در حین ترافیک توسط انواع مختلفی از وسایل نقلیه سبک و سنگین از قبیل: اتوبوس، کامیون، دوچرخه، خودروهای سواری و …. ایجاد می شود.

هر اندازه‌ایی که کیفیت زندگی مردم بهبود یابد همان اندازه مسأله آلودگی‌های صوتی به عنوان یکی از نگرانی‌های اصلی در جوامع بشری می‌شود. گاهی اوقات این سر و صداها از داخل خودروها هم ناشی می‌شود که با استفاده از روش ارزیابی کیفیت صدا(SQE) در روش ANN می‌توان مدلهایی را طراحی کردتا از میزان این نویزها داخل خودرو کاست. برای بررسی این روش از یک نمونه ماشین مسافربری با یک تکنیک جدید در SQE به‌نام ANN-SAE برای اینکه بتوان میزان نارضایتی از سروصدای خودروها را کشف کرد.این سیگنال ها هم بصورت ایستا و غیرایستا در تولید مدل موثرند.

این مدل ممکن است مستقیماً برای ارزیابی کیفیت صدا(SQE) تحت یک نمونه خودرو با سرعت شتاب و افزایش سرعت و همینطور میتوان برای بررسی نویزهای ترافیک با استفاده از روش ANN سایر متغیرهایی از قبیل: میانگین سرعت در جریان ترافیکی،تعداد‌ اتوبوس‌ها و … را محاسبه کرد و خروجی این شبکه‌ها قابلیت مدل سازی، آموزش و تست را هم دارند.

کلید واژه :

کیفیت صدا، بهینه سازی، نویزهای ترافیکی، قابلیت پیش بینی، پس انتشار، مدل کردن شبکه های عصبی مصنوعی

ادامه مطلب