وبلاگ

اخیراً اكثر تكنیك هایی كه برای فشرده سازی سیگنال گفتار بكار میروند، براساس پیش بینی خطی ساختار یافته اند. سیگنال گفتار بعنوان یك ابزار مهم در ارتباطات انسان در فناوری های دیجیتالی مورد توجه خاص قرار گرفته است. نرخ بیت سیگنال گفتار ارسال شده باید كاهش یابد. سیگنال گفتار یك سیگنال پیوسته و غیرخطی بوده كه بصورت فیزیكی توسط لوله صوتی انسان تولید و شكل داده میشود، بنابراین ویژگی های سیگنال گفتار به حركات لوله صوتی در طول زمان و همچنین مشخصات گوینده بستگی دارد. تبدیل پارامترهای LPC به LSP كارایی كدكننده های با نرخ بیت كم را بهبود میبخشد.
پارامترهای LSP فركانس های فرمنت لوله صوتی را بصورت ریاضی مدلسازی میكنند. ازسوی دیگر شبكه های عصبی به عنوان ابزاری موفق تاكنون در كاربردهای گوناگونی از پردازش گفتار و زبان مورد استفاده قرار گرفته اند. در این راستا كاربردهای بازشناسی خودكار گفتار (ASR)، سنتز گفتار طبیعی و پردازش زبان طبیعی (NLP) به عنوان نمونه هایی كه توسط مؤلف برای زبان فارسی تجربه شده اند، قابل ذكر است. برای كدكننده های گفتار نیز شبكه های عصبی در حوزه كاری مورد استفاده قرار گرفته اند: پیش بینی كننده های نورونی برای بهبود كیفیت و كاهش پیچیدگی محاسباتی در كدكننده ها. در این تحقیق یك روش جدید برای كد كردن گفتار با نرخ بیت كم معرفی میشود كه از پارامترهای LSP برای استخراج و نگاشت ویژگیهای سیگنال گفتار با استفاده از نوعی شبكه عصبی مصنوعی بنام شبكه خود سازمانده (SOM) استفاده میكند. استفاده از این روش نرخ بیت گفتار بازسازی شده را كاهش می دهد، در حالی كه كیفیت سیگنال تفاوت آشكاری با گفتار اصلی ندارد. برای اندازه گیری كیفیت گفتار سنتز شده از معیار میانگین امتیاز آرا داده شده (MOS) استفاده می شود.
فصل اول: كلیات
1-1) هدف

یكی از ابزارهای ارتباطی انسان، گفتار است. سیستمهای ارتباطی نوین و پیشرفته بطور گستردهای براساس پردازش و ارسال گفتار بنا نهاده شده اند. خطوط تلفن دیجیتال، شبكه های اینترنت، ویدیو كنفرانسها و پیام های صوتی تنها تعدادی از كاربردهای روزمره چنین سیستمهایی است. با وجود چنین كاربردهای وسیعی، ناگزیر نیاز به گفتاری باكیفیت بالا در پهنای باند ارسال كمتر وجود دارد. كار اصلی كدكننده های گفتار پیشرفته، رقمی كردن سیگنال گفتار آنالوگ با استفاده از فرآیند نمونه برداری است. بنابراین یك كدكننده برای تولید شكل كدشده از یك سیگنال گفتار، یك دنباله ی عددی را پردازش میكند. گفتار كد شده بسته به كاربردی كه دارد، ارسال یا ذخیره میشود. كار هر واكدكننده نیز بازسازی گفتار اصلی از دنباله های كدشده است. كد كردن گفتار یك فشرده سازی همراه با اتلاف است، یعنی مقداری از كیفیت سیگنال گفتار اصلی در طی عملیات فشرده سازی به ازای كاهش حجم اطلاعات و افزایش سرعت ارسال، كاسته میشود. برای بهبود كیفیت گفتار فشرده شده روشهای مختلفی وجود دارد، در این تحقیق، از یك شبكة عصبی با قابلیت خودسازماندهی برای این كار استفاده شده است. از این شبكه عصبی مصنوعی همان گونه كه توضیح داده خواهد شد، برای دسته بندی بردارهای حاصل از پردازش گفتار استفاده میشود. دسته بندی بردارهای بدست آمده از پردازش و چندیسازی گفتار باعث كاهش بیت های بكار رفته در گفتار كد شده و در نتیجه فشرده سازی بیشتر آن میشود، در حالی كه كیفیت گفتار حاصل بر اساس معیارهای MOS حفظ می شود.

:
امروزه اهمیت و پیشرفت روز افزون سیستم های مخابراتی بر کسی پوشیده نیست. میتوان گفت که در حال حاضر کمتر فردی وجود دارد که به نوعی با یکی از سیستم های مخابراتی سر و کار نداشته باشد. فراگیرترین تکنولوژی مخابرات در این روزها تکنولوژی موبایل میباشد. اولین شبکه موبایل با مدولاسیون آنالوگ در سال 1980 شروع بکار کرد و مشکلات زیادی اعم از کمبود ظرفیت، پوشش نامناسب، نداشتن امنیت، قابلیت اطمینان پایین و غیره داشت. انجمن CEPT اروپا، در سال 1987 به معرفی یک سیستم استاندارد به نام GSM نمود تا مشکلات قبلی حل شود. سیستم استاندارد GSM در حال حاضر در بیش از 200 کشور جهان به کار گرفته شده است و برای اینکه از تمام ظرفیت و ویژگی های برجسته آن به بهترین نحو استفاده شود، باید از سیستم بهینه آن استفاده شود. یکی از مزایای اصلی سیستم GSM، استاندارد بودن این سیستم است. یکی از ویژگی های مهم سیستم GSM، ترکیب FDMA و TDMA به وسیله مدولاسیون خاصی به نام GMSK می باشد.

هر شبکه سیاری که از این سیستم استفاده میکند در اجرا و پیاده سازی و استفاده از قابلیت های آن مشکلاتی دارد که در عمل تمام کارایی این سیستم نمایان نمیشود. برای این منظور با توجه به بررسی تئوری و عملی که بر روی شبکه GSM ایران انجام شد، نرم افزاری به نام BKOPT با این هدف طراحی شد که بتواند مشکلات پارامتری و مغایرت های طرح و اجرا را استخراج کند. و به عنوان راه حلی جدید می

 توانیم الگوریتمی که در این پایان نامه ارائه شده است و با استفاده از نرم افزار BKOPT می توانیم بسیاری از مشکلات پارامتری و پایگاه داده ای را خیلی سریع حل نمود و نتیجه آن بهبود عملکرد و کیفیت شبکه می باشد که نمونه ای از آنها در فصل نتایج آورده شده است.

این پایان نامه در 9 فصل تنظیم شده است که توضیحات کلی در مورد فصول در ذیل آمده است.
در فصل اول، با عنوان ساختار شبکه GSM و معرفی اجزاء آن و بحث انتشار امواج، اجزاء شبکه سلولی GSM (MSC,BSC,BTS,MS,HLR,VLR و غیره و وظایف آنها و انواع انتشار و پلاریزاسیون های عمودی و افقی و مدل انتشار هاتا و آکومارا در سیستم سلولی تشریح شده اند.
در فصل دوم، با عنوان تعریف کلی بهینه سازی و الگوریتم فرآیند بهینه سازی، به این مطلب که هدف از بهینه سازی در شبکه GSM چیست و بهترین روش و الگوریتم برای بهینه کردن شبکه چیست؟ پرداخته شده است.
در فصل سوم، پارامترهای GSM در مد Idle و مد Dedicated که یکی از مباحث اصلی بهینه سازی است، معرفی و بررسی شده اند.
در فصل چهارم، ویژگی های GSM و کاربردهای آن در بهینه سازی تشریح شده اند که با بکارگیری این ویژگی ها می توان از منابع موجود شبکه، حداکثر استفاده را کرد و شبکه را برای توسعه آماده نمود.
در فصل پنجم، با عنوان مدیریت عملکرد شبکه و شاخص های شبکه به تعریف و ارائه فرمول شاخص ها (KPI) که بیانگر عملکرد و کیفیت شبکه فیدبکی برای امر بهینه سازی می باشند می پردازد.
در فصل ششم به مشخصات شبکه، مشکلات شبکه معرفی شده و روش رفع مشکلات بیان شده اند.
در فصل هفتم، به الگوریتم بهینه سازی و راه حلی برای بهینه کردن شاخص ها می پردازیم.
در فصل هشتم، به تشریح نرم افزاری که جهت آنالیز Dump File های BSC طراحی و تدوین شده است، پرداخته ایم. این نرم افزار با استفاده از برنامه نویسی Visual Basic .NET نوشته شده است و مشکلاتی در اجرا دارد که می توان با بکارگیری Application های دیگر Visual Basic .NET زمان اجرا را سریع تر نمود و جهت کاربردهای دیگر این برنامه را توسعه داد.
در فصل نهم، نتایج بکارگیری الگوریتم بهینه سازی و نرم افزار طراحی شده ارائه شده است و ما میتوانیم نتایج بکارگیری راه حل ها را بصورت گرافیگی در جهت بهبود کیفیت و شاخص های شبکه مشاهده کنیم.

بازشناسی خودکار گفتار (ASR) به فرایندی گفته می شود که گفتار انسان را به متن یا فرمان معادل تبدیل می کند. این مسئله رایانه ها یا ماشین ها را قادر می سازد تا گفتار انسان را بشنوند و در مقابل آن واکنش مناسب نشان دهند، مسئله ای که منجر به برقراری ارتباط سریع و آسان با ماشین های اطراف شده و انسان را از دکمه ها و کلیدها برای برقراری ارتباط بی نیاز می سازد.
در حقیقت بازشناسی گفتار تبدیل یک سیگنال صوتی به رشته ای از لغات می باشد. این کار فرآیندی بسیار پیچیده است که علت آن پیچیدگی اندام های تولید کننده و تشخیص دهنده گفتار در انسان و ناشناخته بودن نحوه عملکرد آنهاست. مسائل مختلفی مانند تفاوت صدای کاربران مختلف، نوع بیان کلمات، نویزها و شرایط محیطی، تعداد کلمات مورد نظر و معنی و مفهوم گفتار، پیچیدگی سیستم های تشخیص گفتار را تعیین می کنند.
از میان رویکردهای مختلفی که برای بازشناسی گفتار وجود دارد، رویکرد مبتنی بر بازشناسی الگو موفق ترین آنهاست و تقریبا تمامی سیستم های موفق امروزی براساس آن عمل می کنند. در این رویکرد، گفتار به کمک تعدادی واحد آوایی (مانند کلمه، هجا، سه واجی یا واج) مدل می شود و در بازشناسی نیز از تشخیص این واحدها و کنار هم قرار دادن آنها، متن متناسب با گفتار تشخیص داده می شود. سیستم های بازشناسی گفتار با این رویکرد دارای دو فاز آموزش و آزمون می باشند که در فاز آموزش الگوهای مربوط به هر کلاس که همان واحدهای آوایی هستند، با استفاده از روش هایی مدلسازی می شوند. مقایسه گفتار ورودی با الگوهای آموزش داده شده جهت تشخیص واحدهای آوایی موجود در گفتار ورودی، در فاز آزمون انجام می گردد. در فاز آموزش معمولا دو نوع مدل آوایی و زبانی آماده می شود که در فاز آزمون از آنها استفاده شود. استخراج مدل های آوایی از روی دادگان گفتاری با استفاده از روش های مختلفی امکانپذیر است که از مهمترین آنها می توان روش های مدل پیچش زمانی پویا یا DTW (که در گوشی های تلفن همراه برای شماره گیری صوتی با بیان نام فرد به کار می رود)، شبکه عصبی مصنوعی و مدل مخفی مارکوف (HMM) را نام برد. از میان این روش ها، مدل مخفی مارکوف به نسبت سایرین موفق تر عمل کرده و عمده سیستم های کاربردی امروزی از آن استفاده می نمایند.
یکی از ویژگی های مهم گفتار، حالت گفتار فرد می باشد. به عبارت دیگر انتقال حالت درونی فرد به شنونده در مکالمات اهمیت بسزایی دارد زیرا اگر حالت بیان یک جمله تغییر کند، آن عبارت می تواند مفهوم متفاوت و یا حتی متناقض پیدا کند. اعمال حالت و یا تاکید به گفتار موجب تغییرات اساسی در پارامترهای استخراج شده از گفتار گردیده و بازشناسی گفتار با حالت را با چالشی بزرگ مواجه نموده و نرخ بازشناسی را کاهش می دهد.
برخلاف زبان انگلیسی که سابقه کار در زمینه بازشناسی گفتار برای آن به حدود پنج دهه پیش برمی گردد، کارهای انجام شده در این

 زمینه برای زبان فارسی قدمتی به اندازه کمتر از دو دهه دارد. شروع فعالیت های تحقیقاتی در زمینه بازشناسی گفتار روی زبان فارسی در داخل کشور به اوایل دهه 70 شمسی برمی گردد که عمده کارهای انجام شده نیز به صورت تحقیقات دانشگاهی پراکنده بوده است. با تاسیس “پژوهشکده پردازش هوشمند علائم” در اواسط سال 1371 و شکل گیری پردازش گفتار به همراه گروهی جهت تهیه دادگان صوتی، جهشی نسبتا جدی به سوی داشتن چنین تکنولوژی برای زبان فارسی صورت گرفت. تهیه دادگان های گفتاری مختلف از جمله فارس دات (FarsDat) برای محیط عادی در سال 1375 و برای گفتار تلفنی (TFarsDat) در سال 1378 از کارهای اساسی این پژوهشکده در این زمینه بوده است.

از چند سال قبل تحقیقات مستقلی در خصوص بازشناسی گفتار فارسی با حالت در دانشکده تحصیلات تکمیلی دانشگاه آزاد اسلامی – واحد تهران جنوب آغاز شده و با آماده سازی دیتابیس اختصاصی از گویندگان متفاوت، گام های مهمی در این تکنیک نوظهور برداشته شده است. در این گزارش کوشش گردیده تا با استفاده از نتایج تجربیات و پروژه های پیشین و افزودن ویژگی های جدید به سیستم بازشناسی، نرخ بازشناسی این نوع از گفتار بهبود یابد.
هدف ما در این پروژه توسعه سیستم های آمیختار برای به هنجارسازی فرمنت ها در بازشناسی گفتار با حالت می باشد. در طراحی بخش شبکه عصبی از شبکه MLP برای نگاشت فرمنت های مختلف استفاده کرده و با مقایسه عملکرد، بهترین روش انتخاب شده است. برای آموزش و آزمون نیز از دادگان تهیه شده در دانشکده تحصیلات تکمیلی واحد تهرا نجنوب که مبتنی بر جملات فارس دات می باشد، استفاده گردیده است.
ساختار این گزارش به صورت خلاصه به این شرح می باشد: در فصل اول به پیشینه این تحقیق اشاره گذرایی خواهد گردید. در فصل دوم شرح مختصری درباره انواع فایل هایی که در این تحقیق استفاده خواهیم کرد، ارائه می دهیم. در فصل سوم به نحوه هنجارسازی فرمنت ها و استفاده از نتیجه به دست آمده در سیستم بازشناسی گفتار مورد بررسی قرار می گیرد. در فصل چهارم با استفاده از نتایج فصل سوم، روش های مختلف پیچش فرکانسی بررسی شده و ضرایب کپسترال جدید باز تولید خواهد گردید. در فصل پنجم نیز در مورد روش های ذکر شده نتیجه گیری صورت گرفته است. در فصل ششم، متن کامل کدهای نوشته شده برای این تحقیق ضمیمه گردیده است.

دستیبابی چندگانه با تقسیم كد چند حاملی (MC – CDMA) كه تركیبی كارآمد از چند تافتی با تقسیم فركانس متعامد (OFDM) و CDMA بوده و سمبل های داده را در حوزه فركانس كسترده می سازد به نرخ بالای داده و قدرت پوشش بالا در مقابل خطا دست می یابد. این روش مزیت های تحسین آمیز دیگری مانند استخراج چندگانگی شبه بهینه از چند مسیرگی، اجتناب از تداخل میان سمبلی (ISI)، بهره برداری كارا از پهنای باند و انعطاف در تولید نرخ داده های گوناگون نیز به همراه دارد. از طرف دیگر استفاده از تكنیك MIMO، امكان دستیابی به گذردهی بالا و پیاده سازی چند تافتی فضایی یا همان مقاوم سازی پیوند مخابراتی را با استفاده از كدگذارهای فضا – فركانس، فضا – زمان یا فضا – زمان – فركانس فراهم می سازد. بنابراین می توان پیش بینی كرد كه تركیب این دو تكنیك تحت قالب سامانه های CDMA – MIMO MC یكی از اصلی ترین گزینه های مورد نظر در مخابرات بی سیم باند گسترده نسل چهارم محسوب شود.
همان گونه كه از سیمای چند وجهی سامانه MIMO MC – CDMA مشاهده می شود، قابلیت های ذاتی آن پرشمار بوده و از نحوه كدگذاری در فضا، زمان و فركانس تا تخصیص انواع كدهای گسترده ساز و تولید نرخ داده های متفاوت را در بر می گیرد. در عین حال به سبب تنوع پراكندگی داده ها در بستر سمبلهای زمانی متوالی، فركانس زیر حاملهای مجاور، آنتن هایی با همبستگی مكانی و زمانی، مسیرهای مختلف متغیر با زمان ناشی از كاربر سیار و كاربران متعدد یك سامانه مخابراتی، نقاط ضعف بالقوه ای نیز ازدل پیچیدگی های سامانه MIMO MC – CDMA پدیدار می شود كه شامل تداخل ناشی از سایر كاربران، سایر زیر حاملها و حتی سایر آنتها، انحراف فركانس حامل (CFO) و نسبت بالای اوج به متوسط توان (PAPR) است. بنابراین صورت بندی اهم فرصتها و تهدیدهای پیش رو در این سامانه و تحلیل و ارزیابی آنها تحت شرایط و پارامترهای مختلف، مباحثی هستند كه خط سیر این پایان نامه را تشكیل داده اند.
تاریخچه مختصری از سامانه OFDM به همراه معرفی نسبی مزایا و معایب آن، معرفی CDMA و مقایسه آن با سایر سامانه های دستیابی چند گانه و همچنین توضیحات مقدماتی در باب ظرفیت سامانه MIMO، یعنی هر سه مولفه سامانه اصلی در فصل اول تحت پوشش مناسب قرار گرفته است.
ساختار سامانه MC – CDMA در ابعاد گوناگون و عملكرد آن در شرایط مختلف موضوع فصل بعدی است. در بخش اول آن ، ساختمان فرستنده ها و گیرنده های MC – CDMA و MC – DS – CDMA و MT – CDMA مورد بحث قرار می گیرد. سپس در بخش دوم كدهای گسرده ساز در دو قالب كدهای شبه نویز و كدهای متعامد معرفی می شود و بخش سوم عملكرد سامانه های MC – CDMA را در محیطهای همزمان مورد بررسی قرار می دهد.
تحلیل جنبه های مختلف سامانه MIMO MC – CDMA در فصل سوم انجام می شود. نخست، كدگذاری فضا – فركانس لایه دار و طراحی گیرنده بر مبنای این كدگذاری انجام می شود. اثرات عدم توازن پارامترها و بویژه PAPR موضوع بخش دوم فصل سوم را به خود اختصاص می دهد و در انتها، عملكرد و ظرفیت سامانه STBC MC – CDMA غیر همزمان با وجود انحراف فركانس حامل، پایان بخش این فصل می باشد.
فصل چهارم در بردارنده موضوع اصلی پایان نامه میباشد كه شبیه سازی نیز بر مبنای آن انجام شده است. علاقه به خدمات بی سیم با نرخ

 داده بالا مانند داده، تصویر و ویدیو بدان معناست كه سامانه های مخابراتی سیار نسل بعد بایستی به نحوی كارآمد از عهده ترافیكی نامتجانس برآیند. برای رسیدن به سامانه ای كه خدمات انواع مختلف ترافیك را به صورتی كارا به انجام برساند توسعه سامانه ای كه به صورتی یكنواخت و هموار با چندین نرخ داده كار می كند ضروری است. تاكنون طرحهای چند نرخه مختلفی مانند طرحهای جایگذاری شده طیفی و جایگذاری نشده طیفی در سامانه های MC – CDMA مورد كاوش قرار گرفته اند. همچنین طرحهای ML و آشكارسازی خطی بكار برده شده اند اما چنانكه پیش از این دانسته می شد، ML پیچیدگی محاسباتی قابل ملاحظه ای دارد كه كاربردش را محدود می كند. گیرنده های خطی نیز جهت تضعیف و كاهش تداخل دستیابی چند گانه (MAI) در سامانه ای با بار زیاد كاربر چندان نیرومند نمی باشند. بنابراین تمركز هدف در این پایان نامه به تحلیل گیرنده های كارا برای سامانه های MIMO MC – CDMA چند نرخی معطوف می باشد.

همانند سامانه های CDMA دنباله مستقیم، چندین راهبرد چند تافتی جهت طراحی یك سامانه چند حاملی چند كاربره چند نرخه وجود دارد. سر راست ترین راه، اختصاص چند كانال مخابراتی به صورت موازی به كاربرانی با نرخ بالاتر یا به بیان دیگر چند دنباله گسترده ساز به این كاربران می باشد (MC – CDMA چند کدی). گزینه دیگر استفاده از تكنیك ضریب گسترنده متغیر (VSF) میباشد که در آن به تمامی كاربران پهنای باند مشترك و تعداد زیر حامل مشابهی تخصیص یافته اما بهره پردازش كاربران نرخ بالا كوچكتر از كاربران نرخ پایین بوده و لذا نسبت به كاربران نرخ بالا توان ارسال سمبلهای كمتری را در یك سمبل OFDM دارند.
با توجه به محدودیت آشكار ساز ML، انواع مختلفی از آشکار سازهای خطی MMSE تحقیق شده اند. همچنین گیرنده های دارای حذف تداخل متوالی (SIC) یا موازی (PIC) نیز تاکنون مطالعه شده اند. علاوه بر ساختارهای مذكور، تكنیك های آشكارسازی غیر بهینه ولی دقیق دیگری نیز وجود دارد كه پیچیده تر می باشند. مثلاً الگوریتم فینك – پست (كد گشایی كروی) برای كدهای مشبك در كاناهای پژمردگی ریلی و گوسی توسعه داده شده است. با این حال ضعف اصلی كدگشایی كروی ناپایداری آن در اندازه لیست می باشد. همچنین كاربرد آشكارسازی كروی در منظومه ای با مدولاسیون غیر صحیح چندان سر راست نیست. نیز در این كدگشایی الگوریتم ساده ای برای تشخیص شعاع كره جستجو وجود ندارد چرا كه تعداد كاربران فعال، سطح نویز و نقایصی چون خطای تخمین كانال در آن موثر است. بنابراین در فصل چهارم بیشترین سهم به توسعه یك گیرنده SF – MMSE / HIC در پیوند فراسو سامانه MIMO MC – CDMA چند نرخه داده شده است. سهم دیگر متعلق به تحققی جدید از گیرنده SF – MMSE / HIC وفقی شبیه بینا می باشد كه دو موضوع كلیدی یعنی تخمین شبه كور كانال MIMO MC – CDMA چند نرخه و فرو نشانی تداخل به صورت وفقی كور را هدف گیری كرده است. چون رویكردهای كور نمی توانند بر ابهام ضریب مختلط كانال فائق آیند سمبلهای راهنما به كار گرفته می شود كه این خود به روش شبه كور منجر می شود. برمبنای مدل یكپارچه سامانه كه شامل هر دو طرح چند كدی و VSF می شود، تخمین كانال به انجام می رسد. بعلاوه جهت دستیابی به بهره چند گانگی بیشتر، ایجاد مشخصات مختلف در زیر حاملهای متفاوت كه حامل سمبل داده یكسانی هستند بوسیله میانگذاری زیر حامل به انجام می رسد.
نتیجه گیری نهایی و جمع بندی تحقیق حاضر به همراه پیشنهادات مرتبط با توسعه ایده ها در زمینه سامانه قدرتمند MIMO MC – CDMA نیز حسن ختام این پایان نامه است كه در فصل پنجم تنظیم شده است.

با توجه به اینكه یكی از مهمترین هزینه ها در صنعت هزینه های تعمیر و نگهداری و توقف روند تولید ناشی از خطاها می باشد، بحث تشخیص به موقع خطا به منظور پیشگیری از گسترش آن از اهمیت بالایی در صنعت برخوردار است. بسیاری از محققان و مهندسان در سالهای اخیر توجه خود را به تشخیص خطا و نگهداری پیشگیرانه که هدف آن جلوگیری از خطاهای بزرگ در موتورهاست، معطوف کرده اند. تا کنون روشهای مخرب و غیر مخرب زیادی پیشنهاد شده اند. روشهای غیر مخرب روشهایی هستند که بر پایه اندازه گیریهای ساده و ارزان بنا شده اند و نیازی به تغییر ساختار موتور ندارند.
اخیراً تشخیص خطا در ماشینهای الکتریکی از روشهای متداول قدیمی به سمت روشهای مبتنی بر هوش مصنوعی می رود. متغیرهای زیادی در ماشین می توانند به عنوان سیگنال تشخیص خطا بكار گرفته شوند. به دلیل ساده بودن نمونه برداری از ولتاژها و جریانهای استاتور و در دسترس بودن حسگرهای لازم برای اندازه گیری،  استفاده از این سیگنالها مناسب به نظر می رسد.
در این پروژه سعی می شود با استفاده از تحلیل سیگنال جریان استاتور برای تشخیص بعضی خطاها در موتور القایی مورد بررسی قرار

 گیرد. و سپس با انتخاب متد مناسب روشی برای تشخیص خطاهای مهم نظیر خطای ترک خوردگی میله های روتور و خطای عدم هم محوری استاتور و روتور ارائه خواهد شد.

این پایان نامه در نه فصل به شرح زیر تنظیم شده است:
ابتدا در فصل دو به معرفی انواع خطاهای رایج در ماشینهای القایی، علل وقوع و نیز اثرات و پی آمدهای آنها خواهیم پرداخت. در فصل سه ضمن معرفی راهكارهای مختلف بكار رفته برای تشخیص خطا در ماشینهای القایی، مزایا و معایب آنها بررسی می شود. سپس در فصل چهار در مورد روشهای مدلسازی دینامیكی موتور القایی معیوب بحث می شود. در فصل پنج به تعمیم نظریه تابع سیم پیچی در حالت عدم هم محوری روتور و استاتور خواهیم پرداخت. در فصل شش محاسبه اندوكتانسهای موتور القایی سه فاز قفس سنجابی در حالتهای مختلف عدم هم محوری انجام خواهد شد. تحلیل كامپیوتری موتور القایی سه فاز القایی در حالت عدم هم محوری بین روتور و استاتور و تشخیص عیب با استفاده از آنالیز FFT در فصل هفتم ارائه می گردد. در فصل هشتم نیز به تحلیل كامپیوتری موتور القایی سه فاز قفس سنجابی در حالتهای مختلف شكستگی میله های روتور ودر نهایت به تشخیص عیب موتور با استفاده از آنالیز FFT خواهیم پرداخت.
فصل نهم نیز به نتیجه گیری و بیان پیشنهادات اختصاص دارد.