حمیدرضا کرمی

چکیده - تعیین محل اصابت صاعقه (LLS) Lightning Location Systems یکی از چالش‌های امروزی در حوزه‌های مختلف و به‌ویژه حوزه برق و الکترونیک است. برای تعیین محل اصابت صاعقه، استفاده از روش‌های کلاسیک مرسوم بوده؛ ولی اخیراً استفاده از روش معکوس زمانی الکترومغناطیسی (EMTR)Electromagnetic time reversal نیز رواج ‌یافته است. باتوجه‌به محاسبه شکل موج کامل میدان با استفاده از روش EMTR، دقت در تعیین محل اصابت صاعقه به‌طور قابل‌توجهی نسبت به روش‌های پیشین افزایش‌یافته است. در روش معکوس‌زمانی‌الکترومغناطیسی به‌کمک تفاضل‌محدود‌حوزه‌زمان (FDTD) Finite Difference Time Domain، ابتدا میدان الکترومغناطیسی گذرای تولید شده توسط کانال صاعقه محاسبه شده و پس از معکوس کردن زمانی موج، از محل حسگر یا حسگرها، به منبع خود باز انتشار می‌شود و مجدداً با کمک FDTD، میدان الکترومغناطیسی بازانتشاری در محیط موردنظر محاسبه می‌شود. با داشتن میدان الکترومغناطیسی محیط، با استفاده از معیارهایی (مانند حداکثر دامنه میدان، حداکثر انرژی و آنتروپی و...) محل اصابت صاعقه تعیین می‌گردد. در روشهای کلاسیک تعیین یکتای پاسخ نهایی در محیط‌های با ویژگی‌های متفاوت کاری بس دشوار است و استفاده از حداقل سه حسگر نیز الزامی و واجب است. برای غلبه بر این محدودیت‌ها در این رساله روشی بر اساس ترکیب یادگیری ماشین و EMTR سه بعدی (3D-FDTD) برای تعیین محل اصابت صاعقه پیشنهاد شده است که تاکنون بکار نرفته است . ابتدا، روش تفاضل محدود حوزه زمان سه‌بعدی در محاسبه میدان الکترومغناطیسی محیط به‌کارگرفته‌شده و با استفاده از EMTR میدان الکترومغناطیسی باز انتشاری (مجدداً با کمک 3D-FDTD) در کل محیط محاسبه شد. بدین طریق داده‌های لازم برای تولید پروفایل‌های تصاویر RGB آماده گردید. سپس برای یادگیری ماشین از VGG19، یک شبکه عصبی کانولوشنی (CNN) Convolutional neural network از پیش آموزش‌دیده، برای استخراج ویژگی‌های تصاویر استفاده شد. در آخر، برای تعیین محل اصابت صاعقه، از لایه برازش‌کننده‌ای استفاده گردید. روش پیشنهادی در MATLAB و Python شبیه‌سازی و اجرا گردید که نتایج، کارآیی روش پیشنهادی برای تعیین محل اصابت صاعقه در محیط سه‌بعدی و بدون الزام استفاده از حداقل سه حسگر را نشان داد.