119118 دو پروژه با متلب R
یک سال پیش منتشر شده
تعداد بازدید: 308
کد پروژه: 567328
شرح پروژه
🔢 کد پروژه: 119118
📌 عنوان پروژه: دو پروژه با متلب R
سلام وقتتون بخیر R
دو تا پروژه داریم با این حالا در واقع موضوعات و توضیحات
به چه صورت میتونین برامون کار نرم افزایش رو انجام بدین؟
موضوع اول
Physics-Informed Machine Learning for Digital-Twin Modeling of Battery Thermal Behavior under Fast Charging, with Uncertainty Quantification in MATLAB/Simulink
مدل‌سازی دوقلوی دیجیتال رفتار حرارتی باتری در شارژ سریع با یادگیری ماشین فیزیک‌آگاه و کمّی‌سازی عدم‌قطعیت
مسئله: مدل‌های فیزیکی حرارتی باتری دقیق ولی کند و پارامترشان با پیرشدن تغییر می‌کند. مدل‌های داده‌محور سریع‌اند ولی خارج از شرایط آموزش خوب تعمیم نمی‌دهند و عدم‌قطعیت خود را نمی‌گویند.
روش:
شبیه‌سازی مدل مدار معادل و حرارتی باتری در Simulink/Simscape Battery برای تولید داده‌ی سناریوهای متنوع (جریان، دمای محیط، سطح پیری).
آموزش شبکه‌ی عصبی فیزیک‌آگاه (PINN) یا neural ODE در Deep Learning Toolbox که معادله‌ی تعادل انرژی در تابع هزینه گنجانده شده است.
تخمین عدم‌قطعیت با ensemble یا Monte Carlo dropout.
مقایسه با مدل خالص داده‌محور و مدل فیزیکی خالص.
نوآوری قابل ادعا: مدل جایگزین (surrogate) که علاوه بر پیش‌بینی دما، بازه‌ی اطمینان کالیبره‌شده می‌دهد و در شرایط خارج از توزیع (جریان شارژ بالاتر از آموزش) هشدار می‌دهد. معیارهای ارزیابی: RMSE دما، پوشش بازه‌ی اطمینان (calibration)، خطا در شرایط خارج از توزیع و سرعت اجرا نسبت به مدل کامل.
ابزار MATLAB: Simulink، Simscape Battery، Deep Learning Toolbox، Statistics and Machine Learning Toolbox.
موضوع دوم
Reinforcement Learning-Based Adaptive Traffic Signal Control with Robustness to Sensor Faults: A MATLAB Simulation Study
کنترل تطبیقی چراغ راهنمایی با یادگیری تقویتی و مقاوم در برابر خطای حسگر
مسئله: بیشتر کارهای کنترل چراغ با RL فرض می‌کنند ورودی حسگرها (حلقه‌ی القایی، دوربین) سالم است، ولی در عمل داده گم‌شده، نویزی یا اشتباه می‌آید.
روش:
مدل‌سازی یک یا چند تقاطع در MATLAB (شبیه‌ساز رویدادگسسته یا SimEvents) با الگوی تقاضای متغیر.
آموزش عامل DQN یا PPO در Reinforcement Learning Toolbox با حالت = طول صف و فاز فعلی، و پاداش = منفی تأخیر کل.
تزریق خطای حسگر (حذف، نویز، مقدار ثابت‌شده) در شبیه‌سازی و مقایسه‌ی سه عامل: RL ساده، RL آموزش‌دیده با تزریق خطا، و RL با فیلتر حالت (مثلاً فیلتر کالمن یا تخمین‌گر آموزش‌دیده).
مقایسه با چراغ زمان‌ثابت و کنترل‌گر حسگرمحور (actuated).
نوآوری قابل ادعا: سنجش سیستماتیک افت عملکرد RL تحت خطای حسگر و ارائه‌ی راهکار مقاوم‌سازی. معیارها: میانگین تأخیر وسیله‌ی نقلیه، طول صف بیشینه و افت نسبی عملکرد به ازای نرخ خطا.
ابزار MATLAB: Reinforcement Learning Toolbox، SimEvents یا Simulink، Control System Toolbox.
ده روز وقت دارم
مهارت ها و تخصص های مورد نیاز
بودجه
500,000 تومان تا 1,500,000 تومان
مهلت برای انجام
10روز
وضعیت مناقصه
باز (آماده دریافت پیشنهاد)
درباره کارفرما
عضویت چهار سال پیش
