هوش مصنوعی، دانش ساختن ماشین‌‌ ها یا برنامه‌های هوشمند است. همانگونه كه از تعریف فوق-كه توسط یكی از بنیانگذاران هوش مصنوعی ارائه شده است- برمی‌آید،حداقل به دو سؤال باید پاسخ داد:
1ـ هوشمندی چیست؟
2ـ برنامه‌های هوشمند، چه نوعی از برنامه‌ها هستند؟تعریف دیگری كه از هوش مصنوعی می‌توان ارائه داد به قرار زیر است:
هوش مصنوعی، شاخه‌ایست از علم كامپیوتر كه ملزومات محاسباتی اعمالی همچون ادراك (Perception)، استدلال(reasoning) و یادگیری(learning) را بررسی كرده و سیستمی جهت انجام چنین اعمالی ارائه می‌دهد. و در نهایت تعریف سوم هوش مصنوعی از قرار زیر است:

هوش مصنوعی، مطالعه روش‌هایی است برای تبدیل كامپیوتر به ماشینی كه بتواند اعمال انجام شده توسط انسان را انجام دهد. به این ترتیب می‌توان دید كه دو تعریف آخر كاملاً دو چیز را در تعریف نخست واضح كرده‌اند.
1ـ منظور از موجود یا ماشین هوشمند چیزی است شبیه انسان.
2ـ ابزار یا ماشینی كه قرار است محمل هوشمندی باشد یا به انسان شبیه شود، كامپیوتر است.   هر دوی این نكات كماكان مبهم و قابل پرسشند. آیا تنها این نكته كه هوشمندترین موجودی كه می‌شناسیم، انسان است كافی است تا هوشمندی را به تمامی اعمال انسان نسبت دهیم؟ حداقل این نكته كاملاً واضح است كه بعضی جنبه‌های ادراك انسان همچون دیدن و شنیدن كاملاً ضعیف‌تر از موجودات دیگر است.   علاوه بر این، كامپیوترهای امروزی با روش‌هایی كاملاً مكانیكی(منطقی) توانسته‌اند در برخی جنبه‌های استدلال، فراتر از توانایی‌های انسان عمل كنند.   بدین ترتیب، آیا می‌توان در همین نقطه ادعا كرد كه هوش مصنوعی تنها نوعی دغدغه علمی یا كنجكاوی دانشمندانه است و قابلیت تعمق مهندسی ندارد؟(زیرا اگر مهندسی، یافتن روش‌های بهینه انجام امور باشد، به هیچ رو مشخص نیست كه انسان اعمال خویش را به گونه‌ای بهینه انجام می‌دهد). به این نكته نیز باز خواهیم گشت.   اما همین سؤال را می‌توان از سویی دیگر نیز مطرح ساخت، چگونه می‌توان یقین حاصل كرد كه كامپیوترهای امروزین،

بهترین ابزارهای پیاده‌سازی هوشمندی هستند؟

رؤیای طراحان اولیه كامپیوتر از بابیج تا تورینگ، ساختن ماشینی بود كه قادر به حل تمامی  مسائل باشد، البته ماشینی كه در نهایت ساخته شد(كامپیوتر) به جز دسته ای خاص از مسائل قادر به حل تمامی مسائل بود. اما نكته در اینجاست كه این «تمامی مسائل» چیست؟ طبیعتاً چون طراحان اولیه كامپیوتر، منطق‌دانان و ریاضیدانان بودند، منظورشان تمامی مسائل منطقی یا محاسباتی بود. بدین ترتیب عجیب نیست، هنگامی كه فون‌نیومان سازنده اولین كامپیوتر، در حال طراحی این ماشین بود، كماكان اعتقاد داشت برای داشتن هوشمندی شبیه به انسان، كلید اصلی، منطق(از نوع به كار رفته در كامپیوتر) نیست، بلكه احتمالاً چیزی خواهد بود شبیه ترمودینامیك!

به هرحال، كامپیوتر تا به حال به چنان درجه‌ای از پیشرفت رسیده و چنان سرمایه‌گذاری عظیمی برروی این ماشین انجام شده است كه به فرض این كه بهترین انتخاب نباشد هم، حداقل سهل‌الوصول‌ترین و ارزان‌ترین و عمومی‌ترین انتخاب برای پیاده‌سازی هوشمندیست.

بنابراین ظاهراً به نظر می‌رسد به جای سرمایه‌گذاری برای ساخت ماشین‌های دیگر هوشمند، می‌توان از كامپیوترهای موجود برای پیاده‌سازی برنامه‌های هوشمند استفاده كرد و اگر چنین شود، باید گفت كه طبیعت هوشمندی ایجاد شده حداقل از لحاظ پیاده‌سازی، كاملاً با طبیعت هوشمندی انسانی متناسب خواهد بود، زیرا هوشمندی انسانی، نوعی هوشمندی بیولوژیك است كه با استفاده از مكانیسم‌های طبیعی ایجاد شده، و نه استفاده از عناصر و مدارهای منطقی.   در برابر تمامی استدلالات فوق می توان این نكته را مورد تاُمل و پرسش قرار داد كه هوشمندی طبیعی تا بدان جایی كه ما سراغ داریم، تنها برمحمل طبیعی و با استفاده از روش های طبیعت ایجاد شده است. طرفداران این دیدگاه تا بدانجا پیش رفته‌اند كه حتی ماده ایجاد كننده هوشمندی را مورد پرسش قرار داده اند، كامپیوتر از سیلیكون استفاده می كند، در حالی كه طبیعت همه جا از كربن سود برده است.   مهم تر از همه، این نكته است كه در كامپیوتر، یك واحد كاملاً پیچیده مسئولیت انجام كلیه اعمال هوشمندانه را بعهده دارد، در حالی كه طبیعت در سمت و سویی كاملاً مخالف حركت كرده است. تعداد بسیار زیادی از واحدهای كاملاً ساده (بعنوان مثال از نورون‌های شبكه عصبی) با عملكرد همزمان خود (موازی) رفتار هوشمند را سبب می شوند. بنابراین تقابل هوشمندی مصنوعی و هوشمندی طبیعی حداقل در حال حاضر تقابل پیچیدگی فوق العاده و سادگی فوق العاده است. این مساُله هم اكنون كاملاً به صورت یك جنجال(debate) علمی در جریان است.

   در هر حال حتی اگر بپذیریم كه كامپیوتر در نهایت ماشین هوشمند مورد نظر ما نیست، مجبوریم برای شبیه‌سازی هر روش یا ماشین دیگری از آن سود بجوییم.

تاریخ هوش مصنوعی

هوش مصنوعی به خودی خود علمی است كاملاً جوان. در واقع بسیاری شروع هوش مصنوعی را 1950 می‌ دانند زمانی كه آلن تورینگ مقاله دوران‌ساز خود را در باب چگونگی ساخت ماشین هوشمند نوشت (آنچه بعدها به تست تورینگ مشهور شد) تورینگ درآن مقاله یك روش را برای تشخیص هوشمندی پیشنهاد می‌كرد. این روش بیشتر به یك بازی شبیه بود.

  فرض كنید شما در یك سمت یك دیوار (پرده یا هر مانع دیگر) هستید و به صورت تله تایپ باآن سوی دیوار ارتباط دارید و  شخصی از آن سوی دیوار از این طریق با شما در تماس است. طبیعتاً یك مكالمه بین شما و شخص آن سوی دیوار می‌تواند صورت پذیرد. حال اگر پس از پایان این مكالمه، به شما گفته شود كه آن سوی دیوار نه یك شخص بلكه (شما كاملاً از هویت شخص آن سوی دیوار بی‌خبرید) یك ماشین بوده كه پاسخ شما را می‌داده، آن ماشین یك ماشین هوشمند خواهد بود، در غیر این صورت(یعنی در صورتی كه شما در وسط مكالمه به مصنوعی بودن پاسخ پی ببرید) ماشین آن سوی دیوار هوشمند نیست و موفق به گذراندن تست تورینگ نشده است.   باید دقت كرد كه تورینگ به دو دلیل كاملاً مهم این نوع از ارتباط(ارتباط متنی به جای صوت) را انتخاب كرد. اول این كه موضوع ادراكی صوت را كاملاً از صورت مساُله حذف كند و این تست هوشمندی را درگیر مباحث مربوط به دریافت و پردازش صوت نكند و دوم این كه بر جهت دیگری هوش مصنوعی به سمت نوعی از پردازش زبان طبیعی تاكید كند.

در هر حال هر چند تاكنون تلاش‌های متعددی در جهت پیاده سازی تست تورینگ صورت گرفته مانند برنامه Eliza و یا AIML   (زبانی برای نوشتن برنامه‌‌‌‌هایی كه قادر به chat كردن اتوماتیك باشند) اما هنوز هیچ ماشینی موفق به گذر از چنین تستی نشده است.

همانگونه كه مشخص است، این تست نیز كماكان دو پیش فرض اساسی را در بردارد:
1ـ نمونه كامل هوشمندی انسان است.
2ـ مهمترین مشخصه هوشمندی توانایی پردازش و درك زبان طبیعی است.   درباره نكته اول به تفصیل تا بدین جا سخن گفته ایم؛ اما نكته دوم نیز به خودی خود باید مورد بررسی قرارگیرد. این كه توانایی درك زبان نشانه هوشمندی است تاریخی به قدمت تاریخ فلسفه دارد. از نخستین روزهایی كه به فلسفه(Epistemology) پرداخته شده زبان همیشه در جایگاه نخست فعالیت‌های شناختی قرار داشته است. از یونانیان باستان كه لوگوس را به عنوان زبان و حقیقت یكجا به كار می‌بردند تا فیلسوفان امروزین كه یا زبان را خانه وجود می‌دانند، یا آن را ریشه مسائل فلسفی می‌خوانند؛ زبان، همواره شاُن خود را به عنوان ممتازترین توانایی هوشمندترین موجودات حفظ كرده است.   با این ملاحظات می‌توان درك كرد كه چرا آلن تورینگ تنها گذر از این تست متظاهرانه زبانی را شرط دست‌یابی به هوشمندی می‌داند.   تست تورینگ اندكی كمتر از نیم‌قرن هوش مصنوعی را تحت تاُثیر قرار داد اما شاید تنها در اواخر قرن گذشته بود كه این مسئله بیش از هر زمان دیگری آشكار شد كه متخصصین هوش مصنوعی به جای حل این مسئله باشكوه ابتدا باید مسائل كم‌اهمیت‌تری همچون درك تصویر (بینایی ماشین) درك صوت و… را حل كنند.به این ترتیب با به محاق رفتن آن هدف اولیه، اینك گرایش‌های جدیدتری در هوش مصنوعی ایجاد شده‌اند.   در سال‌های آغازین AI تمركز كاملاً برروی توسعه سیستم‌هایی بود كه بتوانند فعالیت‌های هوشمندانه(البته به زعم آن روز) انسان را مدل كنند، و چون چنین فعالیت‌هایی را در زمینه‌های كاملاً خاصی مانند بازی‌های فكری، انجام فعالیت‌های تخصصی حرف‌های، درك زبان طبیعی، و…. می‌دانستند طبیعتاً به چنین زمینه‌هایی بیشتر پرداخته شد.

در زمینه توسعه بازی‌ها، تا حدی به بازی شطرنج پرداخته شد كه غالباً عده‌ای هوش مصنوعی را با شطرنج همزمان به خاطر می‌آورند. مك‌كارتی كه پیشتر اشاره شد، از بنیان‌گذاران هوش مصنوعی است این روند را آنقدر اغراق‌آمیز می‌داند كه می‌گوید:
محدود كردن هوش مصنوعی به شطرنج مانند این است كه علم ژنتیك را از زمان داروین تا كنون تنها محدود به پرورش لوبیا كنیم. به هر حال دستاورد تلاش مهندسین و دانشمندان در طی دهه‌های نخست را می‌توان توسعه تعداد بسیار زیادی سیستم‌های خبره در زمینه‌های مختلف مانند پزشكی عمومی، اورژانس، دندانپزشكی، تعمیرات ماشین،….. توسعه بازی‌های هوشمند، ایجاد مدل‌های شناختی ذهن انسان، توسعه سیستمهای یادگیری،…. دانست. دستاوردی كه به نظر می‌رسد برای علمی با كمتر از نیم قرن سابقه قابل قبول به نظر می‌رسد.

افق‌های هوش مصنوعی:

در 1943،Mcclutch (روانشناس، فیلسوف و شاعر) و Pitts (ریاضیدان) طی مقاله‌ای، دیده‌های آن روزگار درباره محاسبات، منطق و روانشناسی عصبی را تركیب كردند. ایده اصلی آن مقاله چگونگی انجام اعمال منطقی به وسیله اجزای ساده شبكه عصبی بود. اجزای بسیار ساده (نورون‌ها) این شبكه فقط از این طریق سیگنال های تحریك (exitory) و توقیف (inhibitory) با هم درتماس بودند. این همان چیزی بود كه بعدها دانشمندان كامپیوتر آن را مدارهای (And) و (OR) نامیدند و طراحی اولین كامپیوتر در 1947 توسط فون نیومان عمیقاً از آن الهام می‌گرفت.    امروز پس از گذشته نیم‌قرن از كار Mcclutch و Pitts شاید بتوان گفت كه این كار الهام بخش گرایشی كاملاً پویا و نوین در هوش مصنوعی است.   پیوندگرایی (Connectionism) هوشمندی را تنها حاصل كار موازی و هم‌زمان و در عین حال تعامل تعداد بسیار زیادی اجزای كاملاً ساده به هم مرتبط می‌داند.   شبكه‌های عصبی كه از مدل شبكه عصبی ذهن انسان الهام گرفته‌اند امروزه دارای كاربردهای كاملاً علمی و گسترده تكنولوژیك شده‌اند و كاربرد آن در زمینه‌های متنوعی مانند سیستم‌های كنترلی، رباتیك، تشخیص متون، پردازش تصویر،… مورد بررسی قرار گرفته است.

   علاوه بر این كار بر روی توسعه سیستم‌های هوشمند با الهام از طبیعت (هوشمندی‌های ـ غیر از هوشمندی انسان) اكنون از زمینه‌های كاملاً پرطرفدار در هوش مصنوعی است.    الگوریتم ژنیتك كه با استفاده از ایده تكامل داروینی و انتخاب طبیعی پیشنهاد شده روش بسیار خوبی برای یافتن پاسخ به مسائل بهینه سازیست. به همین ترتیب روش‌های دیگری نیز مانند استراتژی‌های تكاملی نیز (Evolutionary Algorithms) در این زمینه پیشنهاد شده اند.    دراین زمینه هر گوشه‌ای از سازو كار طبیعت كه پاسخ بهینه‌ای را برای مسائل یافته است مورد پژوهش قرار می‌گیرد. زمینه‌هایی چون سیستم امنیتی بدن انسان (Immun System) كه در آن بیشمار الگوی ویروس‌های مهاجم به صورتی هوشمندانه ذخیره می‌شوند و یا روش پیدا كردن كوتاه‌ترین راه به منابع غذا توسط مورچگان (Ant Colony) همگی بیانگر گوشه‌هایی از هوشمندی بیولوژیك هستند.   گرایش دیگر هوش مصنوعی بیشتر بر مدل سازی اعمال شناختی تاُكید دارد (مدل سازی نمادین یا سمبولیك) این گرایش چندان خود را به قابلیت تعمق بیولوژیك سیستم‌های ارائه شده مقید نمی‌كند. CASE-BASED REASONING یكی از گرایش‌های فعال در این شاخه می‌باشد. بعنوان مثال روند استدلال توسط یك پزشك هنگام تشخیص یك بیماری كاملاً شبیه به CBR است به این ترتیب كه پزشك در ذهن خود تعداد بسیار زیادی از شواهد بیماری‌های شناخته شده را دارد و تنها باید مشاهدات خود را با نمونه‌های موجود در ذهن خویش تطبیق داده، شبیه‌ترین نمونه را به عنوان بیماری بیابد.   به این ترتیب مشخصات، نیازمندی‌ها و توانایی‌های CBR به عنوان یك چارچوب كلی پژوهش در هوش مصنوعی مورد توجه قرارگرفته است.

البته هنگامی كه از گرایش‌های آینده سخن می‌گوییم، هرگز نباید از گرایش‌های تركیبی غفلت كنیم. گرایش‌هایی كه خود را به حركت در چارچوب شناختی یا بیولوژیك یا منطقی محدود نكرده و به تركیبی از آنها می‌اندیشند. شاید بتوان پیش‌بینی كرد كه چنین گرایش‌هایی فرا ساختارهای (Meta –Structure) روانی را براساس عناصر ساده بیولوژیك بنا خواهند كرد.

دوستان گرامی و ارزشمند کتاب کنترل صنعتی مدرن از جمله کتاب هایی است برای دوستانی که فعالیت صنعتی و یا عملی انجام می دهند بسیار مفید است.

این کتاب را با افتخار برای شما دوستان قرار می دهیم امید است که استفاده شما از این کتاب به پیشرفت شما کمک کند.

این کتاب را از لینک دانلود زیر دریافت کنید.

دانلود

عریف چاپر :

در بسیاری از کاربردهای صنعتی نیاز به تبدیل یک منبع dc ولتاژ ثابت به یک منبع dc ولتاژ متغییر میباشد .

چاپر وسیله ایست که مستقیما  dc را به  dc  تبدیل میکند.

 چاپر میتواند جهت افزایش یا کاهش پله ای ولتاژ dc  بکار گرفته شود.

کلید چاپر را میتوان با استفاده از BJT , MOSFET , GTO  و یا تریستور با کموتاسیون اجباری پیاده سازی کرد.

به دو روش زیر میتوان نسبت خروجی را کنترل کرد

1-عملکرد فرکانس ثابت(مدلاسیون پهنای پالس)

2- عملکرد فرکانس متغییر( مدولاسیون فرکانس)

چاپر کاهش پله ای با بار مقاوتی:

همانطور که در شکل مشخص است اگر کلید برای مدت زمان مشخصی بسته باشد ولتاژ ورودی دوسر بار  می افتد و اگر کلید برای مدت زمان مشخصی قطع بماند ولتاژ دو سر بار صفر خواهد بود.

شکل زیر یک چاپر کاهش پله ای را به همراه شکل موجهای مربوط نشان میدهد.

چاپر افزایش پله ای:

از این چاپر میتوان جهت بالا بردن ولتاژ dc استفاده کرد.

شکل روبرو یک نمونه از این نوع چاپر را به همراه شکل موجهای آن نشان میدهد.

شکل دوم (پایین صفحه) آرایش انتقال انرژی را نشان میدهد که در آن انرژی تولید شده توسط چاپر به باتری منتقل میشود.

طبقه بندی چاپرها:

چاپرها به پنج دسته A, B, C, D, E تقسیم میشوند.

چاپر کلاس A: دراین چاپر جریان بار به بار وارد میشود.

جریان و ولتاژ هر دو مثبت هستند، این چاپر یک چاپر تک ربعی است و مشابه یک یکسو کننده عمل میکند.

چاپر کلاس B: در این چاپر جریان بار از بار خارج میشود.

ولتاژ بار مثبت و جریان بار منفی است، این چاپرنیز یک چاپر تک ربعی است اما در ربع دوم کار میکند ومشابه یک اینورتر عمل میکند. (شکل زیر مربوط به چاپر کلاس B است)

چاپر کلاس C: این چاپر یک چاپر دو ربعی است که در آن ولتاژ بار همیشه مثبت است و جریان بار مثت یا منفی است.

چاپرهای کلاس A و B میتوانند ترکیب شوند و یک چاپر کلاس C پدید آورند.

این چاپر میتواند همانند یکسوکننده و هم همانند یک اینورتر عمل کند.

(شکل زیر مربوط به چاپر کلاس c است)

چاپر کلاس D: این چاپر یک چاپر دو ربعی است ، جریان در این چاپر همیشه مثبت و ولتاژ میتواند مثبت یا منفی باشد.این چاپر نیز میتواند هم یکسو کننده و هم اینورتر باشد . (شکل زیر یک نمونه از این چاپر است )

چاپر کلاس E: این چاپر یک چاپر چهار ربعی است، ولتاژ و جریان در این چاپر میتوانند مثبت یا منفی باشند. ( شکل زیر یک نمونه از این نوع چاپر را به همراه قطبیت ولتاژش نشان میدهد)

رگولاتورهای تغییر دهنده حالت:

شکل زیر اجزاء یک رگولاتور تغییر دهنده حالت را نشان میدهد. تثبیت کردن معمولا از طریق روش مدولاسیون پهنای پالس در یک فرکانس ثابت انجام میگیرد و عنصر کلیدزنی معمولا BJT,Mosfet,IGBT قدرت میباشد.

از شکل سیگنالهای کنترل میتوان دریافت که خروجی یک چاپر dc با بار مقاومتی ناپیوسته و شامل هارمونیک میباشد. مقدار ریپل معمولا با استفاده از یک فیلتر LC کاسته میشود.

چهار توپولوژی پایه برای رگولاتورهای تغییر دهنده وجود دارد:

رگولاتور باک   BUCK :

در یک رگولاتور باک مقدار متوسط ولتاژ خروجی کمتر از ولتاژ ورودی است.

نمودار مدار یک رگولاتور باک که از یک BJT قدرت استفاده میکند در شکل روبرو نشان داده شده است که مشابه یک چاپر کاهش پله ای است.

رگولاتور بوست  BOOST :

در رگولاتور بوست ولتاژ خروجی از ولتاژ ورودی بیشتر میباشد، در روبرو یک نمونه از این رگولاتور با استفاده از MOSFET  قدرت نشان داده شده است

رگولاتور باک – بوست :

ولتاژ خروجی در این رگولاتور میتواند کمتر و یا حتی بیشتر از ولتاژ ورودی آن باشد.

قطبیت ولتاژ خروجی مخالف با ولتاژ ورودی است این رگولاتور با نام رگولاتور معکوس کننده نیز شناخته میشود در شکل روبرو نمونه ای از این رگولاتور با BJT نشان داده شده است.

عرفی مدار اسنابر:

مدار اسنابر یک مدار خازنی و اهمی است که این مدار جهت حفاظت مدارهای الکترونیکی در مقابل تغییرات ولتاژ نسبت به زمان استفاده میشود.
همانطور که میدانید در هنگام قطع جریان یک سلف به صورت لحظه ای سلف دارای انرژیه ذخیره شده می باشد که این انرژی به صورت جریان لحظه ای در داخل سلف محاسبه میشود. با قطع لحظه ایه جریان سلف انرژیه سلف به صورت لحظه ای به صفر می رسد.
این تغییرات انرژی به چه صورت ظاهر میشود؟
جریان به صورت لحظه ای به صفر میرسد که با مشتق گرفتن از تغییرات جریان سلف بر حسب زمان ولتاژ دو سر سلف بدست می آید که این ولتاژ بین افرادی که با منابع تغذیه سوییچینگ سر و کار دارند به ولتاژ سوزنی شهرت دارد.

این ولتاژ سوزنی به قدری پهنای زمانیه کوچک و شیب تغییرات زیادی دارد که می تواند در هر اتصال بازی یک جریان خازنی شدید و هم یونیزه کردن هوا و قوس الکتریکی را ایجاد کند.

عملکرد مدار اسنابر :
این مدار ماهیت خازنی دارد و می تواند از تغییرات ولتاژ مشتق گیری نماید و جریان خازنی ایجاد میکند که این جریان شدید لحظه ای که به صورت توان در مقاومت سری با خازن تلف میشود همان انرژی لحظه ای مربوط به سلف یا موتور میباشد (موتورها بار سلفی محسوب می شوند چون سیم پیچ دارند).

تقسیم بندی مدارات اسنابر :

 

1-  اسنابر ولتاژ RC ثابت 

 

 

 اسنابر ولتاژ RDC با اتلاف :

این نوع از مدار اسنابر یکی از پرکاردترین اسنابرها برای استفاده در منابع تغذیه سوئیچینگ و بالاست های الکترونیکی با وات بالا می باشد . همانطور که در بخش های  بلی به آن اشاره شد مدارهای اسنابر نقش بسیار مهمی را در کاهش اتلاف توان برروی سوئیچ ایفا می کنند به عنوان مثال استفاده مبدل نیم پل به عنوان یک درایور برای ولتاژ های بالا (مثلا همان 230 ولت ) وداشتن یک سلف تزویج بزرگ(توان 1 کیلووات) در مداراسپایک های ولتاژ در دوسر ترانزیستورها به بیش از  1000 ولت می رسد ، در این حالت نمی توان از سوئیچ های  مناسب و ارزان قیمت استفاده کرد ، روش های استفاده از اسنابر این محدودیت را برطرف می کنند . مدار زیر یک نمونه اسنابر RDC ساده همراه با مکان هندسی  سوئیچینگ آن در مبدل نشان داده شده است . توجه شود که این نوع اسنابر از نوع انواع قطبی بوده لذا عملکرد آن با انواع غیر قطبی متفاوت است ، یعنی دراین نوع ضرورتی به میرایی نوسانات نیست ، چرا که مقاومت مدار برای لحظاتی از دوره ی سوئیچینگ از مدار قطع می باشد .

 

این نوع از اسنابر محدود کننده ی ولتاژ می باشد ، در زمان قطع با یک سری محاسبات ساده می توان گفت که:

 

در زمان وصل ، انرژی Cs در Rs تلف می شود ، لذا :

توجه شود که قرار دادن مدار اسنابر باعث کاهش تلفاتی برروی سوئیچ میشود ولی انتخاب نامناسب مقادیر تلفات کلی را افزایش می دهد .

اسنابر مشابهی نیز می توان برای حالت روشن شدن سوئیچ پیاده سازی شود . در این حالت نمودار به شکل زیر خواهد شد . این امر باعث کاهش تلفات دیود و سوئیچ وافزایش تلفات کلی شامل RS خواهد بود . 

مکان هندسی سوئیچ برای حالت روشن 

 

اسنابر ولتاژ RC ثابت :

اسنابر نشان داده شده در زیر موجب میرایی تشدید ناشی از عوامل پارازیتی در طبقه ی قدرت شده و از میان مدارهای اسنابر پرکاربردترین آنها محسوب می شود . از این مدار در دوسر دیودها ، سوئیچ های قدرت ، سلف های خروجی ، ثانویه ترانس ها و همچنین دوسر کلیدها استفاده می شود . استفده از این مدار موجب کنترل تغییرات ولتاژ و میزان پایداری میرایی می شود .

مدار استفاده شده در شکل زیر نحوه ی استفاده یک مدار اسنابر برای یک سوئیچ (ترانزیستور) نشان میدهد . استفاده از مقادیر مناسب مقاومت و خازن تا مقدار 40 درصد اتلاف توان برروی سوئیچ را کاهش دهد . . این مقادیر باید تا حد امکان نزدیک به امپدانس مشخصه مدار تشدید انتخاب شود تا نوسانات میراگردد . البته این نکته نیز بسار اهمیت دارد که مقدار خازن اسنابر از خازن مدار تشدید بزرگتر انتخاب شود ولی باید به میزان کافی کوچک باشد تا تلفات مقاومت حداقل شود .

 

 

شکل زیر یک مدار اسنابر RC با یک سلف نشستی را نشان میدهد (LS) ، در صورت نبودن مدار اسنابر ، مدار تشدید  و خازن و خروجی ( پراکندگی) سوئیچ را خواهیم داشت .

 

 

وقتی سوئیچ خاموش میشود ، انرژی ذخیره شده در سلف نشتی با خازن خروجی کلید در صورت نبودن مدار اسنابر نوسان می کند .چنانچه مقاومت مدار اسنابر برابر با امپدانس مشخصه ی مدار تشدید باشد ، مدار تشدید به صورت میرایی بحرانی در آمده و اسپایگ های ولتاژ به وجود نخواهد آمد . معمولا مقدار خازن اسنابر دوتا چهار برابر خازن خروجی عنصر سوئیچینگ انتخاب می شود . معمولا ترجیج داده می شود که مقادیر خازن و مقاومت بعد از ساخت مدار و به صورت تجربی به دست آید . به این شکل که ابتدا بدون خازن اسنابر مدار را راه اندازی می کنند و سپس در خروجی فرکانس را اندازه گیری  کرده و در خروجی (یا بیشتر مدارات دوسر سوئیچ) خازن اضافه می کنند تا فرکانس نوسانات نصف گردد . در این شرایط مقدار خازن اضافه شده مقدار سه برابر مقدار اولیه می باشد . این مقداری است که ضریب کیفیت نزدیک به یک را بهینه می کند . مقدار اندوکتانس را می توان از دو فرکانس تشدید با دوخازن مختلف ، محاسبه شود . بنابراین مقدار امپدانس مشخصه ی مدار قابل محاسبه است.

نتیجه کلی :

وظیفه اسنابر:شبکه اسنابر وظیفه دارد که از قطعات حفاظت کند و همچنین به منظور بهبود عملکرد مدار استفاده میشود.

برخی دیگر از وظایف این مدارات :
1 - کاهش یا حذف جریان و ولتاژهای اضافی
2 - محدود کردن (dv/dt) و (di/dt) مدار (چون اگر این پارامترها از پارامترهای قطعه سوییچ مورد نظر بیشتر بشه باعث سوختن قطعه میشه)
3 - شکل دادن به خط بار و نگه داشتن آن در ناحیه عمل کننده امن (SOA) ( این ناحیه بیشتر برای طراحان مدارات آمپلی فایر و منابع تغذیه مهم است )
4 - انتقال اتلاف توان از یک سوییچ(تریستور) به یک مقاومت یا یک بار مفید که به دنبال آن کاهش تلفات کل به دلیل این تعویض را خواهیم داشت
5 - کاهش تداخل الکترومغناطیسی با میرایی ولتاژ و جریان

این نوع مدارات مدلهای زیادی دارن اما این دو نوع توی همشون معروف تره :

1- RC (مقاومت-خازن) 

2 - RCD(مقاومت-خازن-دیود)
اینم چندتا عکس از انواعشون :

• → صفحه بعد
• صفحه قبل ←