رئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779953220230622A Systematic Output Redefinition for Nonlinear Attitude Control of a Flexible Spacecraftیک روش نظام مند بازتعریف خروجی جهت کنترل وضعیت غیرخطی یک ماهواره انعطافپذیر81911600310.22034/tjee.2023.16003FAسید مجیداسماعیل زادهاستادیار، گروه مهندسی برق کنترل، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایرانمحمدصادقضیغمیدانشجوی دکتری، گروه مهندسی برق کنترل، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایرانJournal Article20221204In this paper, a novel output redefinition is presented for attitude control of a flexible spacecraft. Attitude maneuvers induce undesirable vibration in the flexible appendages which degrades attitude control system performance. The attitude pointing and stabilization requirements of today advance space missions show the undesirable vibration suppression importance. If the flexible appendage tip-point is selected as the system output, the system model is nonminimum phase. The output redefinition method is an effective method to make the model minimum phase. By a deeper insight about the output redefinition method, a novel systematic method is presented such that the attitude control system performance is modified. Then, a nonlinear H∞ attitude control method is desined based on the redefined model system. For the situation that modal variable are not measurable, a modal observer is presented. The simulation results verify the presented method effectiveness in a flexible spacecraft attitude control problem in presence of mode uncertainties and unknown disturbance.در این مقاله یک روش بازتعریف خروجی جدید به منظور کنترل وضعیت یک ماهواره انعطافپذیر ارائه شده است. مانورهای وضعیت نوسانات ناخواستهای در مکانیزمهای انعطافپذیر ایجاد میکنند که کارایی کنترل وضعیت ماهواره را تحت تأثیر قرار میدهد. الزامات نشانهروی و پایدارسازی وضعیت ماهواره در مأموریتهای فضایی پیشرفته امروزی، اهمیت حذف مؤثر این نوسانات را نشان میدهد. اگر نقطه انتهایی مکانیزم انعطافپذیر به عنوان خروجی مدل سیستم انتخاب شود، مدل سیستم ناکمینه فاز میشود. بازتعریف خروجی یکی از روشهای مؤثر به منظور کمینه فاز کردن مدل سیستم است. در این مقاله برای اولین بار با نگاهی عمیقتر به این روش با یک روش بازتعریف خروجی نظاممند، علاوه بر کمینه فاز کردن مدل سیستم، کارایی سیستم حلقه بسته کنترل وضعیت بهبود داده میشود. سپس یک کنترلکننده وضعیت H∞ غیرخطی برای مدل بازتعریف شده طراحی میشود. برای حالتی که متغیرهای مودال قابل اندازهگیری نیستند، یک مشاهدهگر مودال طراحی میشود. نتایج شبیهسازی، کارایی روش بازتعریف خروجی ارائه شده در کنترل وضعیت یک ماهواره انعطافپذیر در حضور عدم قطعیت در مدل و اغتشاشات نامعلوم را نشان میدهد.https://tjee.tabrizu.ac.ir/article_16003_22eef32f16e32ef9272b37983b210b72.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779953220230622Low Power Rail-to-Rail Class AB CMOS Operational Amplifier Using Translinear Loopتقویتکننده عملیاتی سی ماوس طبقه AB کم توان از نوع نوسان کامل با استفاده از حلقه ترا خطی931031600210.22034/tjee.2023.16002FAرسولدهقانیدانشیار، دانشکده مهندسی برق و کامپیوتر، دانشگاه صنعتی اصفهان، اصفهان ، ایرانJournal Article20221127In this paper the analysis and design of an operational amplifier is presented. This amplifier can follow the input signal from ground to supply voltage at its input and output. Based on the level of the input common mode voltage, one of two pMOS and nMOS differential pairs are selected to amplify the input signal. This causes the amplifier performance is independent of the drain current relationship of the input differential pairs transistors. Both static and dynamic currents of the class AB output stage are provided by two translinear loops with minimum sensitivity to process, temperature and supply voltage variations. The simulation results, in a 0.18 CMOS technology, show that the amplifier in nominal condition, has about 80 dB dc voltage gain, 51 MHz unity gain bandwidth and 63 phase margin while its static power consumption is almost 1 mW. For input common mode voltage changes between ground to the supply voltage, the maximum relative variations of the input differential pairs transconductances, amplifier’s dc voltage gain, phase margin and unity gain bandwidth are , , and , respectively. This amplifier as a buffer can drive a load consisting of parallel connection of a resistor and a capacitor 20 pF.<br /><br /><br />چکیده: در این مقاله تحلیل و طراحی یک تقویتکننده عملیاتی ارائه میشود. این تقویتکننده قادر به دنبال کردن سیگنال ورودی از زمین تا ولتاژ تغذیه در هر دو ورودی و خروجی آن میباشد. براساس سطح ولتاژ حالت مشترک ورودی، یکی از دو زوج دیفرانسیل nMOS و pMOS برای تقویت سیگنال ورودی انتخاب میشوند. لذا عملکرد مدار مستقل از رابطه جریان درین در ترانزیستورهای طبقه ورودی خواهد بود. جریانهای بایاس وac طبقه خروجی توسط دو حلقه تراخطی با کمترین حساسیت به تغییرات فرآیند ساخت، دما و تغذیه، تامین میشوند. نتایج شبیهسازی مدار در فنآوری سی ماوس 180نانومتر نشان میدهد تقویتکننده در حالت نامی دارای بهره ولتاژ dc درحدود80 دسیبل، پهنای باندبهره واحد 51 مگاهرتز، حاشیه فازº63 است درحالی که توان مصرفی ایستای آن تقریبایک میلیوات است. بهازای تغییرات ولتاژ حالت مشترک ورودی بین زمین تا تغذیه، حداکثر تغییرات نسبی هدایت انتقالی طبقه دیفرانسیل ورودی، بهره ولتاژdc، حاشیه فاز وپهنای باند بهره واحد به ترتیب %63/0، %80/0، %48/1و%33/0 میباشد. این تقویتکننده به عنوان بافر قادر به راه اندازی ترکیب موازی یک مقاومت بار400 اهم و خازن 20پیکوفاراد می-باشد.https://tjee.tabrizu.ac.ir/article_16002_df29c8599486366cbd21ce07704baf72.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779953220230622Forward Problem Solution of Mgnetic Fields Outside of Human Head Using New Four Layer Eccentric Spherical Modelحل مساله مستقیم میدانهای مغناطیسی بیرون سر انسان با استفاده از مدل جدید چهار لایة غیرهممرکز کروی1051141606710.22034/tjee.2023.16067FAبیژنذاکریدانشیار، دانشکده برق و کامپیوتر، دانشگاه صنعتی نوشیروانی، بابل، ایران0000-0001-7115-0055تقیمقیمی کندلوسیدانشجوی دکتری، گروه مهندسی برق-مخابرات، دانشگاه صنعتی نوشیروانی، بابل، ایرانJournal Article20221022In this paper, the magnetic field outside human head was obtained by method of forward problem solution and using new four layer eccentric spherical conductor model for human head. The use of numerical methods for human head has little accuracy due to dimensions of human head and low frequency of brain waves. Using cocentric models due to the difference in the actual geometric shape of different layers of human head and cocentric spheres causes errors in estimating source location. The three layer model can cause errors due to ignoring difference in conductivity between the brain and the cerebrospinal fluid around the brain. Therefore, the results related to eccentric four layer spherical model in this paper are more accurate than the results related to three layer spherical model. The spherical model has isotropic layers, that is, the electrical conductivity coefficients of each layer are the same at all points of that layer. The equations were obtained analytically using a dipole as a source. According to our results, it was observed that the magnetic field graph of the new model has little changes compared with to other models.در این مقاله به روش حل مساله مستقیم و با استفاده از مدل جدید هادی کروی غیر هم مرکز چهار لایه برای سر انسان، میدان مغناطیسی در بیرون سر انسان بدست آمد. بکارگیری روشهای عددی برای سر انسان با توجه به ابعاد و فرکانس پائین امواج مغزی از دقت کمی برخوردار است. بکارگیری مدلهای هممرکز با توجه به تفاوت شکل هندسی واقعی لایههای مختلف و کرههای هممرکز باعث ایجاد خطا در تخمین مکان منبع میشود. مدل سه لایه به دلیل نادیده گرفتن تفاوت قابلیت هدایت مغز و مایع مغزی اطراف مغز میتواند باعث ایجاد خطا شود. بنابراین نتایج مربوط به مدل کروی چهار لایة غیرهممرکز در این مقاله نسبت به نتایج مربوط به مدل کروی سه لایه دقیقتر است. مدل کروی دارای لایههای همگن است یعنی ضرایب هدایت الکتریکی هر لایه در تمام نقاط آن لایه یکسان است. معادلات به روش تحلیلی و با استفاده از یک دوقطبی به عنوان منبع، بدست آمد. با توجه به نمودارهای بدست آمده از این معادلات مشاهده شد میدان مغناطیسی مربوط به مدل جدید مورد تایید است.https://tjee.tabrizu.ac.ir/article_16067_f179253f22b64654d02926d0816ab633.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779953220230622A neuro-adaptive approach to near-optimal controller design for a class of constrained systemsرویکردی عصبی-تطبیقی در طراحی کنترل کننده نزدیک به بهینه برای کلاسی از سیستم های مقید1151261606510.22034/tjee.2023.16065FAسورنارادمقدمدانشجوی دکتری، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایرانمحمدفرخیاستاد، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایرانJournal Article20221130This paper proposes a controller capable of satisfying the output constraints while providing a near-optimal performance. The method is designed for square nonlinear systems with stable internal dynamics. To this end, using a primary performance index and Taylor approximation, the problem is approximated by a constrained programming, whose constraints are written with the aid of Control Barrier Function (CBF) to ensure the output restrictions. As a result, a constrained near-optimal performance without encountering difficulties in Hamilton-Jacobi-Bellman (HJB) equations is obtained. In order to overcome the model uncertainties, which appear in the optimization problem, an adaptive structure is formulated. The online solution of the constrained optimization is obtained using a Projection Recurrent Neural Network (PRNN). As a result, a closed-form solution is provided that can be simply implemented without requiring additional solvers or toolboxes. Stability of the proposed method and constraints satisfaction are addressed thoroughly. Finally, effectiveness of the proposed method in realizing the aforementioned aims are illustrated through simulations on trajectory control of a surface vessel system and a comparative study on the constrained stabilization of a pendulum. The first simulation example shows the effectiveness of the method in constrained tracking, while the second example confirms the proper performance of the controller in stabilization and regulation applications.این مقاله به طراحی کنترلکنندهای میپردازد که ضمن دستیابی به عملکردی نزدیک به بهینه، قابلیت برآوردهسازی قیدهای خروجی را دارا باشد. این روش برای سیستمهای غیرخطی مربعی با دینامیک داخلی پایدار طراحی میشود. برای این منظور، با استفاده از شاخص عملکرد اولیه و تقریب تیلور، مساله بهصورت برنامهریزی مقید تقریب زده میشود که قیدهای آن، بهکمک تابع مانع کنترل برای برآوردهسازی محدودیتهای خروجی نوشته میشوند. بدین ترتیب، عملکردی نزدیک به بهینه و مقید، بدون برخورد به معادلات پیچیده همیلتون-ژاکوبی-بلمن بهدست میآید. بهمنظور مقابله با نامعینیهای مدل که در مساله بهینهسازی ظاهر میشود، ساختاری تطبیقی طراحی میشود. حل بههنگام بهینهسازی مقید نیز بهوسیله شبکه عصبی بازگشتی تصویر صورت میگیرد. این امر منجر به دستیابی به پاسخی بسته میشود که سادگی پیادهسازی بدون نیاز به استفاده از محاسبهگرها و جعبهابزارهای اضافی را به همراه دارد. پایداری سیستم حلقهبسته و برآوردگی قیدها بهطور دقیق تحلیل شده-اند. در انتها نیز کارایی روش ارائهشده در تحقق اهداف یادشده با بررسی نتایج حاصل از شبیهسازی کنترل مسیر کشتی و تحلیلی مقایسهای از پایدارسازی مقید آونگ نشان داده شده است. مثال شبیهسازی اول، کارایی روش را در ردیابی مقید نشان میدهد و مثال شبیهسازی دوم، موید عملکرد مناسب کنترلکننده در کاربردهای پایدارسازی و تنظیم است.https://tjee.tabrizu.ac.ir/article_16065_03de24fcdc1d2e8395b2e5011357cf91.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779953220230622Improving Detection of Intrusion to Internet of Things Network Using Deep Learning and Chaotic Krill Optimization Algorithmبهبود تشخیص نفوذ به شبکه اینترنت اشیاء با استفاده از یادگیری عمیق و الگوریتم بهینهسازی میگوی آشوبی1271381606610.22034/tjee.2023.16066FAمنازنده دلدانشجوی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیک، دانشگاه سجاد، مشهد، ایرانجوادحمیدزادهدانشیار، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه سجاد، مشهد، ایرانJournal Article20221201The Internet of Things is a new technology that communicates with the surrounding objects through the Internet and is used for the purpose of remote measurement and control. In the field of Internet of Things (IoT) network security, it is very important to accurately identify the types of attacks on these networks that are launched by zombie hosts under the control of the attacker. In this article, a new neural network is proposed to improve the detection of intrusion into the Internet of Things network based on the ALEXNET convolutional neural network and chaotic krill optimization algorithm (MONANET). In the MONANET network, in order to improve the accuracy in detecting intrusion into the IoT network and not need to manually adjust the parameters, the hyperparameters of the neural network are dynamically selected using the chaotic krill algorithm. The value of the loss function of the validation set obtained from the first training of the neural network model using the Danmini doorbell dataset is considered as the CKH fitness value. The comprehensive performance of the proposed network and GRU, ANN, SVM, LSTM, R-CNN, and APSO-CNN algorithms have been compared in five evaluation indices and 12 times independent experiments. The obtained results show the improvement of intrusion detection to the Internet of Things network. The proposed algorithm has been able to accurately detect %99.89 attacks on the Internet of Things network. The experimental results show the superiority of the proposed method over other knowledge boundary methods in terms of improving classification accuracy.اینترنت اشیاء، یک فناوری جدید است که این فناوری از طریق اینترنت با اشیاء پیرامون خود ارتباط برقرار میکند و باهدف سنجش و کنترل از راه دور استفاده میگردد. در زمینه امنیت شبکه اینترنت اشیاء (IoT)، شناسایی دقیق انواع حملات به این شبکهها که توسط میزبانهای زامبی تحت کنترل مهاجم راهاندازی میشوند، اهمیت زیادی دارد. برای کاهش این تهدیدات، به روشهای جدیدی نیاز است تا حملاتی که دستگاههای IoT را به خطر انداخته است، در کمترین زمان ممکن شناسایی و از زیانهای ناشی از حملات جلوگیری کنند. در این مقاله، یک شبکه عصبی جدید جهت بهبود تشخیص نفوذ به شبکه اینترنت اشیاء بر اساس شبکه عصبی کانولوشنال ALEXNET و الگوریتم بهینهسازی میگوی آشوبی به نام (MONANET) پیشنهاد شده است. در شبکهی MONANET بهمنظور بهبود دقت در تشخیص نفوذ به شبکهی IOT و عدم نیاز به تنظیم دستی پارامترها، فراپارامترهای شبکه عصبی با استفاده از الگوریتم میگوی آشوبی بهصورت پویا انتخاب میشوند. مقدار تابع تلفات مجموعه اعتبارسنجی که از اولین آموزش مدل شبکه عصبی با استفاده از مجموعهداده Danmini doorbell به دست میآید، بهعنوان مقدار تناسب CKH در نظر گرفته میشود. عملکرد جامع شبکهی پیشنهادی و الگوریتمهای GRU، ANN، SVM،LSTM ،FNN ،R-CNN وAPSO-CNN در پنج شاخص ارزیابی و در 12 اجرای مستقل مقایسه شدهاند. نتایج بهدستآمده نشاندهنده بهبود تشخیص نفوذ به شبکه اینترنت اشیاء است. الگوریتم پیشنهادی توانسته است بادقت 89.99 % حملات به شبکه اینترنت اشیاء را تشخیص دهد. نتایج تجربی برتری روش پیشنهادی را نسبت به سایر روشهای مرز دانش از نظر بهبود دقت طبقهبندی نشان میدهد.https://tjee.tabrizu.ac.ir/article_16066_e1047de199b624542533850f688dd928.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779953220230622Total cost minimization in smart grids with unknown objective functionکمینه سازی هزینه کل در شبکه های هوشمند با تابع هدف نامعلوم1391481600410.22034/tjee.2023.16004FAاحسانمشکساراستادیار، دانشکده فناوریهای نوین، دانشگاه شیراز، شیراز، ایرانتیمورقنبریدانشیار، دانشکده فناوریهای نوین، دانشگاه شیراز، شیراز، ایرانJournal Article20221016Smart grids are complex, nonlinear and uncertain systems. Smart grids may consist of one or more cost functions, in which their optimal values have to be obtained. Moreover. In these systems the optimal condition has to be find with small computation burden, high accuracy, and relatively fast in real time. In this paper, a novel approach is proposed to find the minimum value of the total cost for the energy consumption in smart grids, in which the total cost is considered as uncertain objective function. The advantages of this technique are its stability, fast convergence, insensitivity with respect to initial condition and real time implementation. Some simulation results are provided to show the effectiveness of the proposed approach.شبکه های هوشمند سیستم هایی پیچیده، غیرخطی و نامعین هستند. این سیستم ها اغلب دارای یک یا چند تابع هدف بوده که باید بیشینه یا کمینه (بسته به منظور مورد نظر) آنها پیدا شود. همچنین در این شبکه ها نیاز است که پاسخ بهینه به صورت زمان واقعی، با کمترین میزان محاسبات و بالاترین میزان سرعت و دقت به دست آید. در این مقاله، یک روش نوین برای تعیین مقدار کمینه ی هزینه کل در مصرف انرژی به عنوان یک تابع هدف با عدم قطعیت در شبکه های هوشمند ارائه شده است. از مزایای تکنیک ارائه شده، داشتن اثبات پایداری، همگرایی سریع به پاسخ بهینه، عدم حساسیت به انتخاب شرایط اولیه و قابلیت اجرا به صورت بلادرنگ است. در انتها چند شبیه سازی کامپیوتری برای نشان دادن کارایی بالای تکنیک بهینه سازی پیشنهادی ارائه گشته است.https://tjee.tabrizu.ac.ir/article_16004_2eb6f73fcfd9c67ea113e9d264f9146f.pdfرئیس دانشکده مهندسی برق و کامپیوترمجله مهندسی برق دانشگاه تبریز2008-779953220230622PerBOLD: A Big Dataset of Persian Offensive language on Instagram CommentsPerBOLD: A Big Dataset of Persian Offensive language on Instagram Comments1491581579410.22034/tjee.2023.15794FAمریمخدابخشFaculty of Computer Engineering, Shahrood University of Technology, Shahrood, Iran.فاطمهجعفری نژادFaculty of Computer Engineering, Shahrood University of Technology, Shahrood, Iran.مرضیهرحیمیFaculty of Computer Engineering, Shahrood University of Technology, Shahrood, Iran.مسعودقیومیInstitute for Humanities and Cultural Studies, Ghom, Iran.Journal Article20220919Easy access to social media enables users to express their opinions and ideology about various topics like news, videos, and personalities freely, without any fear, and often in an offensive manner. It is a vital task to detect comments with offensive language on social media platforms and relies on a complete and comprehensive tagged dataset. Therefore, in this paper, we introduce and make publicly available PerBOLD, a new Persian comment dataset collected from Instagram as a popular platform among Iranian. We follow a two-level manual annotation process in order to determine whether a comment has offensive language or not and fine-grained tags of different types of offensive language. Furthermore, we present some interesting aspects of data and analysis them.Easy access to social media enables users to express their opinions and ideology about various topics like news, videos, and personalities freely, without any fear, and often in an offensive manner. It is a vital task to detect comments with offensive language on social media platforms and relies on a complete and comprehensive tagged dataset. Therefore, in this paper, we introduce and make publicly available PerBOLD, a new Persian comment dataset collected from Instagram as a popular platform among Iranian. We follow a two-level manual annotation process in order to determine whether a comment has offensive language or not and fine-grained tags of different types of offensive language. Furthermore, we present some interesting aspects of data and analysis them.https://tjee.tabrizu.ac.ir/article_15794_1a75a5b450027a6f41f6dfb9e8cf3e51.pdf