بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب

  • پنج شنبه ۲۵ بهمن ۱۳۹۷
  • بازدید 180 نفر
  • 1 امتیاز2 امتیاز3 امتیاز4 امتیاز5 امتیاز (5 امتیاز از 1 رای)
    Loading...

بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب

بهینه سازی مصرف برق با الگوریتم ژنتیک در متلب

در این بخش بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET را در نرم افزار MATLAB آماده کردیم که در ادامه به معرفی پروژه و ترانزیستور نانولوله کربنی (CNTFET) پرداخته و فیلم و تصاویری از خروجی پروژه در محیط متلب قرار داده شده است.

معرفی پروژه

در این پروژه به ارزیابی ویژگی های ترانزیستورهای مبتنی بر نانولوله های کربنی (CNFET) برای بهینه سازی مصرف برق با استفاده از الگوریتم ژنتیک پرداخته می شود. استفاده از ترانزیستور نانولوله کربنی (CNTFET) در دهه ‌ها‌ی اخیر افزایش چشمگیری داشته است. از این در این پروژه قصد داریم تا یک روش جدیدی را برای رسیدن به حداکثر میزان خروجی در ترانزیستورهای اثر میدان ادغام شده با نانولوله‌ های کربنی (CNTFET) مورد ارزیابی قرار دهیم. روش پیشنهادی در این پروژه، بکارگیری الگوریتم ژنتیک می باشد. با استفاده از نرم افزار متلب و همینطور الگوریتم ژنتیک، بهترین مقدار ممکن برای طول و شعاع نانولوله‌ کربنی ترانزیستورهای CNTFET معین می گردد. نتایج شبیه سازی‌ در MATLAB نشان می ‌دهد که روش پیشنهادی بهبود هایی را در مقدار جریان مصرفی و در نتیجه میزان توان مصرفی ایجاد می ‌کند.

ترانزیستور نانولوله کربنی (CNTFET)

نانولوله ها بنا بر پیکربندی هندسی خود می توانند خواص رسانایی و یا نیمه رسانایی از خود نشان دهند و همین موضوع این مواد را از سایر مواد مشابه متمایز می کند. نانولوله ها علاوه بر سبک بودن استحکامی چند برابر فولاد نیز دارند. ترانزیستورهای اثر میدانی با استفاده از نانولوله های تک بعدی نیمه رسانا ساخته می شوند. برای ساخت یک نانولوله کربنی تک بعدی فقط احتیاج به یک سلیندر داریم، که این آسان بودن روند ساخت نانولوله های تک بعدی باعث می شود تا به عنوان جایگزینی امید بخش برای ترانزیستورهای موجود محسوب شوند. یک نانولوله کربنی می تواند خاصیت رسانایی یا نیمه رسانایی داشته باشد، که این خاصیت با توجه به چینش اتم های کربن در کنار یکدیگر و همچنین زوایه آنها نسبت به هم در طول نانولوله معین می شود.

این مشخصه بنام بردار کایرالیتی معروف می باشد و یکی از مشخصه های مهم در طراحی نانولوله ها به حساب می آید و با استفاده از یک زوج عدد صحیح (n1,n2) نشان داده می شود. اعداد n1 و n2 می توانند عملکرد نانولوله را از لحاظ رسانایی یا نیمه رسانایی مشخص کنند، به این صورت که اگر مقدار دو عدد با هم برابر باشد و یا تفاضل آنها ضریبی از عدد ۳ باشد نانولوله خاصیت رسانایی دارد و در غیر اینصورت نیمه رسانا می باشد. یکی دیگر از پارامترهای مهم در نانولوله ها قطر نانولوله می باشد که رابطه مستقیمی با اعداد n1 و n2 دارد، با افزایش این اعداد قطر نانولوله افزایش می یابد.

تصاویر خروجی پروژه در محیط MATLAB

بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب بهینه سازی مصرف برق با الگوریتم ژنتیک و ویژگی های CNTFET در متلب


مشاهده ویدئو در این باره

خوشحال خواهیم شد اگر نظر خودتون رو درباره این مطلب ثبت کنید

خطا!دکمه ریفریش را بزنید