Majid Ghaniee Zarch

اخيرا رويكرد بهينه سازي كلاسيك براي يافتن ساختار بهينه ژيروسكوپ ممز در كاربردهاي خودرويي ارائه شده است كه در برخي موارد منجر به پاسخ بهينه اي نميگردد. لذا تاكنون طراحي ساختار و بهينه سازي توپولوژي پارامتري ژيروسكوپ ارتعاشي ممز در كاربردهاي خودرويي آنطور كه بايد مورد بررسي قرار نگرفته است. يكي از راهكارهاي بهينه سازي پيشرفته تر، روشهاي بهينه سازي فراتكاملي مي باشد. در اين پايان نامه، بهينه سازي توپولوژي پارامتري يك ژيروسكوپ ارتعاشي كوريوليس دو جرمي با استفاده از روش بهينه سازي الگوريتم ژنتيك ارائه مي شود. تحريك ژيروسكوپ به صورت الكترواستاتيكي بوده و از طريق الكترودهاي شانه هاي مستقر در دو طرف ساختار با ولتاژ DC 5 ولت و ولتاژ AC 5 ولت انجام ميشود. تابع هدف ژيروسكوپ متشكل از هشت مشخصه عملكردي فاكتور مقياس، معيار خطي بودن، كران بالا، برد ديناميكي، خطاي باياس، رزولوشن و خطاي ديناميكي دامنه و فاز است، كه اين مشخصه ها نيز تابعي از شش ويژگي هاي نوساني فركانس، جرم و دمپينگ مدهاي تحريك و تشخيص ژيروسكوپ مي باشند. ابعاد هندسي ساختار بهينه را مستقيما نمي توان با استفاده مقادير مشخصه هاي عملكردي بدست آورد. لذا ايده پيشنهادي، بهينه سازي پيوسته ويژگيهاي نوساني ژيروسكوپ مي باشد. اعتبار سنجي روش بهينه سازي، با محاسبه خطاي نرخ انحراف در شبيه سازي مدل كوپلينگ ژيروسكوپ و دوچرخه دو درجه آزادي تحت مانور تغيير مسير دوبل انجام ميشود. نتايج نشان ميدهد خطاي نرخ انحراف از مقدار 2/1% به 1/0% كاهش داشته و به ميزان 1% بهبود يافته است. بازسازي ساختار ژيروسكوپ به ازاي مقادير بهينه ي ويژگي هاي نوساني، از ديگر تحقيقات اين پايان نامه مي باشد تا ابعاد هندسي بهينه نيز براي ساخت مدل ژيروسكوپ بدست آيد. براي اعتبارسنجي روش بازسازي ساختار ارائه شده، پس از رسم هندسه ي ساختار، تعيين ماده، فيزيك و مش بندي در نرم افزار كامسول، آناليز شكل مد و پاسخ فركانسي انجام مي شود.
Thesis summary

زمينه: با بيش از يك ميليون و چهارصد هزار مورد ابتلاي جديد سالانه و بيش از هفتصد هزار مورد منجر به فوت، سرطان روده بزرگ (كولوركتال- CRC) در رده سوم سرطان هاي شايع قرار مي گيرد. سرطان كولوركتال شامل سرطان كولون و راست روده، به علت رشد غير طبيعي سلول هاي سرطاني با قدرت تهاجم و تكثير در ساير بافت هاي بدن در موضع كولون يا راست روده پديدار مي شود. با توجه به مرحله، درجه و محل اين سرطان استراتژي هاي درماني مختلفي به كار بسته مي شود. حدود 10 تا 20 درصد موارد ابتلا به سرطان كولوركتال را بيماران مبتلا به سرطان راست روده پيشرفته موضعي (LARC) تشكيل مي دهند. روش درمان استاندارد در اين سرطان شيمي-پرتو درماني قبل از عمل جراحي (PCRT) است. اين استراتژي درماني برخي اثرات جانبي در دراز مدت به همراه دارد؛ ضمن آن كه قسمت قابل توجهي از بيماران نيز (حدود 60 درصد) به اين درمان پاسخ نمي دهند. لذا، بررسي بيوماركرهايي كه در پيش بيني پاسخ بيماران اين سرطان به اين درمان به كار آيند، اهميت به سزايي دارد. طي ساليان اخير توانايي بيوماركرهاي مختلف ژنتيكي در شناسايي و پيش آگهي در انواع مختلفي از سرطان از جمله سرطان كولوركتال بررسي و اثبات شده است. معمولا مدل هاي ساخته شده با استفاده از اين بيوماركرها مدل هاي بسيار ساده اي هستند. يكي از چالش هاي موجود در اين زمينه محدوديت عملكرد اين مدل ها در پيش بيني پاسخ به درمان بيماران مبتلا به اين سرطان است؛ معمولا سطح زير نمودار ROC زير 0.8 براي آن ها گزارش مي شود. علاوه بر آن، در اكثر قريب به اتفاق پژوهش ها براي انتخاب بيوماركرهاي بيان ژن مناسب، به صرف استفاده از معيار بيان متمايز ژني اكتفا مي شود. هدف و روش ها: با پيشرفت روزافزون توان محاسباتي سخت افزار هاي موجود، تمركز پژوهشگران از علوم مختلفي نظير آمار، مهندسي كنترل، مهندسي مخابرات، مهندسي نرم افزار، علوم كامپيوتر، بيوانفورماتيك و غيره به سوي علوم داده سوق داده شده-است. لذا، به استفاده از روش هاي هوش محاسباتي و باصطلاح يادگيري ماشيني در بسياري از علوم از جمله علوم پزشكي اقبال گسترده اي شده است. از اين روش ها عموما براي طبقه بندي، خوشه بندي، تحليل سري هاي زماني، رگرسيون و كاربرد هاي ديگر در علوم پزشكي استفاده مي شود. در اين مطالعه با استفاده از داده هاي بيان ژن بيماران مبتلا به سرطان راست روده پيشرفته موضعي،
Thesis summary