دانلود متن کامل پایان نامه مقطع کارشناسی ارشد رشته مکاترونیک 

عنوان : تشخیص تصاویر عنبیه غیرایده آل براساس الگوریتم های فراابتکاری

  دانشگاه آزاد اسلامی

               واحد علوم و تحقیقات کرمان

دانشکده فنی و مهندسی، گروه مهندسی مکاترونیک

پایان نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی مکاترونیک(M.Sc)

 

عنوان:

تشخیص تصاویر عنبیه غیرایده آل براساس الگوریتم های فراابتکاری

 استاد راهنما:

دکتر محمّد مسعود جاویدی

استاد مشاور:

دکتر مهدی جعفری شهباززاده

 

زمستان 91

برای رعایت حریم خصوصی نام نگارنده پایان نامه درج نمی شود

(در فایل دانلودی نام نویسنده موجود است)

تکه هایی از متن پایان نامه به عنوان نمونه :

(ممکن است هنگام انتقال از فایل اصلی به داخل سایت بعضی متون به هم بریزد یا بعضی نمادها و اشکال درج نشود ولی در فایل دانلودی همه چیز مرتب و کامل است)

فهرست مطالب

عنوان                                                                                                شماره صفحه

چکیده …………………………………………………………………………………………………………………………… 1

فصل اول: کلیّات تحقیق

1-1. مقدّمه ……………………………………………………………………………………………………………………..3

1-2.  هدف پایان نامه ……………………………………………………………………………………………………….4

1-3. روش و ابزار گردآوری داده ها …………………………………………………………………………………..5

1-4. ابزار تجزیه و تحلیل داده ها ……………………………………………………………………………………….5

1-5. ساختار پایان نامه……………………………………………………………………………………………………….5

1-6. بلوک دیاگرام مراحل کلّی انجام کار …………………………………………………………………………….6

فصل دوم: مروری بر ادبیات و پیشینه تحقیق

2-1. مقدمه ……………………………………………………………………………………………………………………..8

2-2. زمینه ی پیدایش………………………………………………………………………………………………………12

2-3. عنبیه و ساختار آن …………………………………………………………………………………………………..13

2-4. بررسی پایداری بافت ………………………………………………………………………………………………15

2-5. چگونگی کارکرد سیستم بیومتریک عنبیه ……………………………………………………………………16

2-6. ارزیابی سیستم بیومتریک عنبیه …………………………………………………………………………………20

2-7. مزایا و معایب سیستم بیومتریک عنبیه ………………………………………………………………………..20

2-8. پردازش تصویر در سیستم بیومتریک عنبیه …………………………………………………………………21

2-8-1. دریافت تصویر ………………………………………………………………………………………………22

عنوان                                                                                                شماره صفحه

2-8-2. پردازش تصویر ……………………………………………………………………………………………..22

2-8-3. پیش پردازش ………………………………………………………………………………………………….22

2-8-4. ناحیه بندی بافت عنبیه ………………………………………………………………………………………22

2-8-4-1. اهمیّت ناحیه بندی صحیح ……………………………………………………………………….23

2-8-4-2. مروری کوتاه بر برخی از روش های ناحیه بندی ………………………………………..23

2-8-4-2-1. تشخیص لبه با استفاده از تابع Edge ………………………………………………….23

2-8-4-2-2.  تشخیص لبه به روش Sobel …………………………………………………………..23

2-8-4-2-3. تشخیص لبه به روش Canny …………………………………………………………..24

2-8-4-3. الگوریتم یافتن دایره تبدیل هاف (CHT)……………………………………………………24

2 -8-5. نرمال سازی …………………………………………………………………………………………………..28

2-8-5-1. مروری کوتاه بر روش های نرمالیزه کردن……………………………………………………28

2-8-5-1-1. روش ارائه شده توسط داگمن…………………………………………………………….28

2-8-5-1-2. روش دایره های مجازی…………………………………………………………………….29

2-8-6. ماسک گذاری……………………………………………………………………………………………………..29

2-8-7. مروری بر برخی از ابزارهای استفاده شده در استخراج ویژگی…………………………………..30

2 -8-7-1. فیلترهای گابور………………………………………………………………………………………….30

2-8-7-2. استفاده از تبدیل موجک………………………………………………………………………………31

2-8-7-3. استفاده از تبدیل لاپلاس گوسی…………………………………………………………………….31

2-8-7-4. موجک هار………………………………………………………………………………………………..32

عنوان                                                                                                شماره صفحه

2-8-7-4-1. تبدیل موجک هار …………………………………………………………………………………32

2-8-7-4-1-1. چگونگی فرآیند ……………………………………………………………………………32

2-9. خلاصه فصل ………………………………………………………………………………………………………….34

فصل سوم : روش اجرای تحقیق

3-1. مقدمه…………………………………………………………………………………………………………………….36

3-2. پیش پردازش و ناحیه بندی استفاده شده برای تصاویر عنبیه غیر ایده آل…………………………36

3-3. ناحیه بندی عنیه غیر ایده آل …………………………………………………………………………………….41

3-4. ناحیه بندی با پیاده سازی و تحلیل الگوریتم کلونی مورچگان………………………………………..42

3-4-1. الگوریتم بهینه سازی کلونی مورچگان……………………………………………………………….42

3-4-2. عملکرد کلی الگوریتم کلونی مورچگان……………………………………………………………..43

3-4-3. انعطاف پذیری الگوریتم مورچگان…………………………………………………………………….44

3-4-4. مزایای الگوریتم مورچگان………………………………………………………………………………..45

3-4-5. ناحیه بندی عنبیه توسط الگوریتم کلونی مورچگان………………………………………………45

3-4-6.  ایجاد جمعیّت جهت یافتن جواب بهینه…………………………………………………………….45

3-4-7. ارزیابی شایستگی و انتخاب مورچه های کاندید برای ترشح فرومون……………………..46

3-4-8. به روز رسانی فرومون ……………………………………………………………………………………47

3-4-9. فلوچارت کلی الگوریتم کلونی مورچگان ………………………………………………………….48

3-4-10. جمع بندی………………………………………………………………………………………………….49

3-5. نرمال سازی…………………………………………………………………………………………………………….49

عنوان                                                                                                شماره صفحه

3-5-1. مقدمه…………………………………………………………………………………………………………….49

3-5-2. روش نرمالایز استفاده شده برای تصاویر عنبیه…………………………………………………….49

3-6. استخراج ویژگی………………………………………………………………………………………………………50

3-6-1. مقدمه…………………………………………………………………………………………………………..50

3-6-2. پایگاه داده…………………………………………………………………………………………………….51

3-6-3. روش زاویه ایی……………………………………………………………………………………………..51

3-6-4. ویولت دوبعدی هار……………………………………………………………………………………….52

3-7. انتخاب خصوصیت با پیاده سازی و تحلیل الگوریتم کلونی زنبورهای مصنوعی……………….53

3-7-1. الگوریتم کلونی زنبورهای مصنوعی…………………………………………………………………..53

3-7-2. عملکرد کلی الگوریتم زنبورها………………………………………………………………………….53

3-7-3. انتخاب ویژگی با استفاده از الگوریتم کلونی زنبور……………………………………………..55

3-7-4.  انتخاب راه حل اوّلیه توسط زنبورهای کارگر……………………………………………………55

3-7-5. ارزیابی راه حل های اوّلیه و مناسب زنبورهای پیشاهنگ……………………………………..56

3-7-6. فرآیند سربازگیری برای زنبورهای پیشاهنگ………………………………………………………57

3-7-7. جستجوی راه حل های جدید با راهنمایی زنبورهای پیشاهنگ…………………………….57

3-7-8. فلوچارت کلی الگوریتم کلونی زنبور………………………………………………………………..58

3-7-9. پارامترهای الگوریتم انتخاب ویژگی با استفاده از کلونی زنبور……………………………….58

3-7-10. جمع بندی……………………………………………………………………………………………………59

3-8. طبقه بندی با پیاده سازی و تحلیل الگوریتم های شبکه عصبی……………………………………….59

عنوان                                                                                                شماره صفحه

3-8-1. مقدمه……………………………………………………………………………………………………………..59

3-8-2. نحوه ی ارائه نتایج طبقه بندی در SVM……………………………………………………60

3-8-3.  جمع بندی …………………………………………………………………………………………..61

3-9. خلاصه فصل ………………………………………………………………………………………………………….61

فصل چهارم : تجزیه و تحلیل داده ها

4-1. نتایج پیاده سازی……………………………………………………………………………………………………..63

4-2. نتایج حاصل از پیاده سازی الگوریتم کلونی مورچگان در ناحیه بندی عنبیه……………………..63

4-3. نتایج حاصل از پیاده سازی الگوریتم کلونی زنبورهای مصنوعی در انتخاب ویژگی…………..64

4-4. نتایج حاصل از پیاده سازی شبکه های عصبی در طبقه بندی ………………………………………..64

4-5. نتایج حاصل از پیاده سازی روش پیشنهادی با روشهای دیگر………………………………………..68

فصل پنجم: نتیجه گیری و پیشنهادات

5-1. نتیجه گیری ……………………………………………………………………………………………………………72

5-2. راهکارهایی برای ادامه پژوهش………………………………………………………………………………….73

منابع و مآخذ

فهرست منابع فارسی ……………………………………………………………………………………………………… 74

فهرست منابع انگلیسی………………………………………………………………………………………………………74

چکیده ی انگلیسی ………………………………………………………………………………………………………….77

 

 

فهرست شکل ها

عنوان                                                                                                شماره صفحه

تصویر (1-1). بلوک دیاگرام مراحل کلی کار ……………………………………………………………………….6

تصویر (2-1).  تصویری از نمای جلوی عنبیه ……………………………………………………………………15

تصویر(2-2). تصویری از بافت چشم ……………………………………………………………………………….15

شکل (2-3). دیاگرام کلی سیستم‌های تشخیص عنبیه……………………………………………………………17

شکل(2-4).a . نمونه خروجی واحد تفکیک،b. نمونه خروجی واحد نرمال‌سازی .cنمونه خروجی واحد کدگذاری……………………………………………………………………………………………………………….19

رسم توضیحی (2-5). بلوک دیاگرام تولید الگو…………………………………………………………………..22

تصویر (2-6). ترسیم دایره برای نقاط لبه با پارامترهای مشخص…………………………………………..26

تصویر(2-7). لبه ها برای جدا سازی با روش تبدیل هاف……………………………………………………27

تصویر (2-8). چگونگی نگاشت دیسک عنبیه بر روی نواری با ابعاد دلخواه…………………………..28

تصویر(3-1). تصویر اولیه بدون پیش پردازش………………………………………………………………….37

تصویر(3-2). نتیجه تصویر…………………………………………………………………………………………….38

تصویر(3-3). نتیجه تصویر ……………………………………………………………………………………………38

تصویر(3-4). نتیجه از تأثیر مشتقات افقی ……………………………………………………………………….38

تصویر(3-5). نتیجه از تأثیر مشتقات عمودی……………………………………………………………………39

تصویر(3-6). گرادیان تصویر ………………………………………………………………………………………..39

تصویر(3-7). زاویه لبه ها………………………………………………………………………………………………39

عنوان                                                                                               شماره صفحه

تصویر(3-8). تصویر بعد از تابع adjgamma ……………………………………………………………………..40

تصویر(3-9). لبه سمت راست عنبیه ………………………………………………………………………………….40

تصویر(3-10). نتیجه تابع nonmaxsup …………………………………………………………………………….41

تصویر (3-11).نتیجه آستانه گذاری……………………………………………………………………………………41

تصویر (3-12). قرار دادن مانع در مسیر حرکت مورچه‌ها از کلونی تا منبع غذایی……………………44

تصویر(3-13). حذف مانع و انعطاف پذیری رفتار مورچه‌ها ………………………………………………..45

تصویر(3-14).  انتخاب مسیر توسط مورچه در نقطه i…………………………………………………………46

تصویر (3-15). فلوچارت کلی الگوریتم کلونی مورچگان ……………………………………………………48

تصویر(3-16). تصویر نرمال شده………………………………………………………………………………………50

تصویر (3-17). نمایی از روش زاویه ایی……………………………………………………………………………52

تصویر (3-18). پیاده سازی الگوریتم کلونی زنبورهای مصنوعی برای مسئله انتخاب ویژگی……..55

تصویر(3-19). فلوچارت کلی الگوریتم کلونی زنبورهای مصنوعی………………………………………..58

 

­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­­تصویر(4-1). نمونه ایی از جداسازی مرز عنبیه و مردمک با استفاده از الگوریتم کلونی مورچگان…………63

 

 

 

 

 

فهرست جداول

عنوان                                                                                               شماره صفحه

جدول(2-1). مقایسه تکنولوژی های متنوع ………………………………………………………………………..11

جدول (3-1). نحوه ی ارائه نتایج طبقه بندی(Classification) در SVM …………………………..60

جدول (4-1). نتایج حاصل از پیاده سازی الگوریتم کلونی مورچگان…………………………………..63

جدول (4-2). نتایج حاصل از پیاده سازی الگوریتم کلونی زنبورهای مصنوعی…………………….64

جدول (4-3). بررسی تأثیر نوع کرنل در دقّت طبقه بندی شبکه عصبی  SVMدر روش تشخیص کل عنبیه قبل از FS………………………………………………………………………………………………………….64

جدول (4-4). بررسی تاثیر نوع کرنل در دقّت طبقه بندی شبکه عصبی  SVMدر روش تشخیص زاویه ایی عنبیه قبل از FS…………………………………………………………………………………………………65

جدول(4-5). بررسی تأثیر تعداد نرون ها و لایه ها در دقّت طبقه بندی شبکه عصبی MLP در روش تشخیص کل عنبیه قبل از FS……………………………………………………………………………………65

جدول (4-6). بررسی تأثیر تعداد نرون ها و لایه ها در دفّت طبقه بندی شبکه عصبی MLP در روش تشخیص زاویه ایی عنبیه قبل از FS…………………………………………………………………………..66

جدول (4-7). نتایج طبقه بندی بعد از انتخاب ویژگی با کلونی زنبور با استفاده از شبکه عصبی SVM در روش تشخیص زاویه ایی عنبیه……………………………………………………………………………66

جدول (4-8 )نتایج طبقه بندی بعد از انتخاب ویژگی با کلونی زنبور با استفاده از شبکه عصبی SVM در روش تشخیص کل عنبیه…………………………………………………………………………………….67

جدول (4-9). نتایج طبقه بندی بعد از انتخاب ویژگی با کلونی زنبور با استفاده از شبکه عصبی MLP در روش تشخیص کل عنبیه…………………………………………………………………………………….67

جدول(4-10). نتایج طبقه بندی بعد از انتخاب ویژگی با کلونی زنبور با استفاده از شبکه عصبی MLP در روش تشخیص زاویه ایی عنبیه …………………………………………………………………………68

عنوان                                                                                                شماره صفحه

جدول(4-11). مقایسه Kernal Function های متفاوت روش پیشنهادی با روش های دیگر ……………………………………………………………………………………………………………………………………..69

جدول (4-12). مقایسه نتایج حاصل از پیاده سازی الگوریتم SVM  روش پیشنهادی با روش های دیگر ……………………………………………………………………………………………………………………………..69

جدول (4-13). مقایسه نرخ موفقیت روش پیشنهادی با الگوریتم های دیگر………………………….70

 

چکیده

   تکنولوژی بیومتریک، براساس مشخصه های منحصر به فرد هر شخص اقدام به تشخیص خودکار هویّت افراد می­کند. محققّین به شکل گسترده ای با تنوعی از روش های به کار گرفته شده توانسته اند بافت عنبیه را با دقّت بالایی حتّی در شرایط مختلف استخراج نمایند. در نتیجه تلاش ما در این پایان نامه ارائه دیدگاه ها و روش هایی بوده که کارایی و دقّت سیستم تشخیص هویّت را بهبود بخشد. در رویکرد اوّل برای ناحیه بندی بهینه عنبیه نیاز به تعیین موقعیّت دقیق مرکز و شعاع دو دایره برای جداسازی پیکسل های عنبیه از سایر نقاط تصویر بود، بنابراین برای ناحیه بندی بهینه عنبیه با استفاده از الگوریتم کلونی مورچه، 4 پارامتر بهینه سازی تعریف شد که این راهکار در نهایت منجر به تولید یک راه حل جدید برای تشخیص عنبیه گردید. در رویکرد دوّم، استخراج ویژگی های بافت عنبیه با استفاده از ویولت دوبعدی و انتخاب ویژگی بر اساس الگوریتم کلونی زنبورهای مصنوعی انجام گردید که راهکار های ارائه شده برای بهبود تعداد ویژگی ها با کاهش چشمگیر ویژگی ها همراه بود و در رویکرد سوّم به بررسی تأثیر نوع کرنل های متفاوت در دقّت طبقه بندی با شبکه عصبی SVM پرداخته شد. که در نهایت روش های پیشنهاد شده در قیاس با روش های پیاده سازی شده دیگر عملکرد بهتری ارائه نمودند. نتایج بدست آمده بر روی تصاویر از پایگاه داده ی UBIRIS.v1 که شامل 1877 عکس از 241 نفر با فرمت JPEG می­باشد.

واژگان کلیدی: بیومتریک، عنبیه غیر ایده آل، الگوریتم های فراابتکاری

 

             کلیّات تحقیق

 

1-1. مقدّمه

با افزایش سرعت انتقال اطّلاعات و ظهور ارتباطات الکترونیکی، امنیّت اطّلاعات نقش مهمی را در راستای حفظ آن ها و حفظ حریم شخصی افراد بازی می­کند. در بسیاری از سامانه های امروزی شاید امنیّت اطّلاعات به علّت سطح محرمانگی داده های آن سامانه، آنچنان پیچیده نباشد ولی با بالا رفتن سطح محرمانگی، امنیّت لازم برای اطّلاعات باید پیچیدگی بیشتر داشته باشد. با پیچیده شدن ساز و کارهای لازم امنیّتی، شاید دیگر روش های ساده ی موجود نتواند امنیّت مورد نظر را تأمین نماید. بدین علّت استفاده از پارامترهای مهمتر و مطمئن تر بهره گیری از سطح امنیّتی بالاتر را فراهم می­نمایند.

یکی از مهمترین گزینه ها، استفاده از مولّفه های بیومتریک یا پارامترهای یکتای بدن است، که یکی از مطمئن ترین انتخاب ها است و از اصلی ترین عوامل انتخاب این پارامترها صرفه نظر از یکتا بودن، ثابت ماندن آن ها در طول حیات انسان است. سیستم های بیومتریک از خصوصیّات فیزیولوژیکی یا رفتاری هر شخص برای تشخیص هویّت دقیق او استفاده می کنند. در بدن انسان چشم ساختاری ظاهری ولی به نوعی محافظت شده به حساب می­آید و عضوی است که با گذر زمان به ندرت دستخوش تغییر می­شود و این ویژگی، این روش شناسایی را بیش از سایر روش ها ایده آل می­سازد.

 

تشخیص هویّت از طریق عنبیه به عنوان یک فناوری بیومتریک قابل اعتماد و قدرتمند، توانسته است توجّه زیادی را به خود جلب کند. بافت پیچیده عنبیه و ثبات مسلم آن، نوید بخش استفاده هر چه بیشتر از سیستم‌های تشخیص هویّت بر مبنای عنبیه در کاربردهای متنوع و گوناگونی نظیر کنترل مرزها، تحقیقات دادگاهی، فرودگاه ها، دفاتر امنیّتی مانند بانک ها و ادارات دولتی و رمزنگاری است. استفاده از سایر خصیصه‌های بصری و مشخصات چهره در کنار عنبیه می‌تواند تشخیص هویّت بیومتریک از راه دور را با دقّّتی مناسب امکان‌پذیر کند و آینده تشخیص هویّت به کمک عنبیه به خصوص در کاربردهای نظامی که مستلزم تشخیص سریع هویّت افراد در محیط‌های پر جنب و جوش است، بسیار درخشان به نظر می‌رسد.

خواص موجود در عنبیه به واسطه تغییرات ژنتیک تصادفی منحصر به فرد هستند و مطالعات تجربی در مقیاس‌های کلان هم این نظریه را در بین جمعیّت مورد مطالعه تأیید می‌کند. زمانی که امنیّت بالا مدنظر باشد تشخیص از طریق عنبیه روش ارجح برای شناسایی می­باشد زیرا الگوهای عنبیه به سختی تحت تأثیر محیط قرار می­گیرند و به سختی از دست می­روند و می­توانند کاربرد گسترده داشته باشند، بنابراین لزوم پیاده سازی الگوریتمهای فراابتکاری ضروری بوده و این پایان نامه می­تواند کمک شایانی در این زمینه باشد.

1-2. هدف پایان نامه

استفاده از الگوریتمهای فراابتکاری در تشخیص هویّت از طریق عنبیه بعنوان رویکردی جدید در این پایان نامه مد نظر است و برای دستیابی به اهدافی از جمله تشخیص بهتر و دقیق تر در کاربردهای نظامی، پزشکی و امنیّتی معرفی گردید. این فناوری بیومتریک مطمئن و قدرتمند، قادر به رفع مشکلات سازمانها و صنایعی همچون وزارت دفاع و نیروهای مسلح، فرودگاهها، کاربرد پزشکی، بانکداری الکترونیکی، امنیّت سیستم های کامپیوتری، تشخیص هویّت و کاربرد قضایی می­باشد.

هدف ما ارائه ی روشی جهت شناسایی افراد با استخراج خصوصیّات عنبیه با تلفیق روشهای فراابتکاری و پردازش تصویر است.

جهت تحقّق این امر مراحل زیر انجام می­گردد:

  1. انتخاب تصاویر عنبیه 1
  2. پیش پردازش جهت رفع نقایص و خطاهای تصاویر2
  1. Localization Iris
  1. ناحیه بندی تصاویر عنبیه3 یعنی مشخص کردن مرزهای داخلی و خارجی عنبیه چشم در تصاویر چشم نرمال سازی به معنای نگاشت تصویر عنبیه به یک نوار مستطیلی شکل با ابعاد مشخص
  1. استخراج ویژگی4 و انتخاب ویژگی5 به معنای کد کردن ویژگی ها (استخراج بردار ویژگی از تصویر نرمالیز شده) و استفاده از کدهای شامل ویژگی های استخراج شده از عنبیه به منظور تشخیص هویّت (مقایسه کد یک فرد با سایر کدهای موجود در پایگاه داده به منظور یافتن هویّت فرد در بین اطّلاعات ذخیره شده) می­باشد.
  2. طبقه بندی6: بعد از مراحل قبل تصاویر با استفاده از روش های کمّی تجزیه و تحلیل می­شوند تا هر پیکسل به کلاس خاصی اختصاص داده شود.

نتایج پایانی این فرآیند به تصاویر، جداول، داده ها و گزارش هایی ختم می­شود که ارائه دهنده اطّلاعاتی در خصوص منابع داده،  روش تحلیل، خروجی و قابلیت اطمینان به آن است.

تعداد صفحه : 93

قیمت : 14700 تومان

———–

——-

پشتیبانی سایت :               info@elmyar.net

در صورتی که مشکلی با پرداخت آنلاین دارید می توانید مبلغ مورد نظر برای هر فایل را کارت به کارت کرده و فایل درخواستی و اطلاعات واریز را به ایمیل ما ارسال کنید تا فایل را از طریق ایمیل دریافت کنید.

--  --

پایان نامه ها

 

مطالب مشابه را هم ببینید

Related Posts

رشته مکانیک

پایان نامه با موضوع:تحلیل آسیب پیشرو در اتصالات پینی مواد کامپوزیتی

متن کامل پایان نامه مقطع کارشناسی ارشد رشته :مهندسی مکانیک گرایش :طراحی کاربردی عنوان : تحلیل آسیب پیشرو در اتصالات پینی مواد کامپوزیتی  مطالب مشابه را هم ببینید پایان نامه کارشناسی ارشد رشته مکانیک : بررسی Read more…

رشته مکانیک

دانلود پایان نامه:ارائه مدل حرارتی برای ساختمان پوشش سپر حرارتی تیغه توربین گازی

متن کامل پایان نامه مقطع کارشناسی ارشد رشته :مهندسی مکانیک گرایش :تبدیل انرژی عنوان : ارائه مدل حرارتی برای ساختمان پوشش سپر حرارتی تیغه توربین گازی مطالب مشابه را هم ببینید دانلود پایان نامه کارشناسی ارشد Read more…

رشته مکانیک

پایان نامه ارشد:مدل‌سازی عددی جریان سیال غیرنیوتونی قاعده توانی و تأثیر گام طولی و عرضی بر عملکرد مبدل حرارتی

متن کامل پایان نامه مقطع کارشناسی ارشد رشته :مهندسی مکانیک گرایش :تبدیل انرژی عنوان : مدل‌سازی عددی جریان سیال غیرنیوتونی قاعده توانی و تأثیر گام طولی و عرضی بر عملکرد مبدل حرارتی مطالب مشابه را هم Read more…