การจดจำและจำแนกชนิดของแผ่นวงจรพิมพ์จากสัญญาณรบกวนแม่เหล็กไฟฟ้า

ปิยะนุช สุจินตนารัตน์

Please use this identifier to cite or link to this item: https://cuir.car.chula.ac.th/handle/123456789/8118

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	ประสิทธิ์ ทีฆพุฒิ	-
dc.contributor.advisor	ไกรสร อัญชลีวรพันธุ์	-
dc.contributor.author	ปิยะนุช สุจินตนารัตน์	-
dc.contributor.other	จุฬาลงกรณ์มหาวิทยาลัย. คณะวิศวกรรมศาสตร์	-
dc.date.accessioned	2008-09-24T05:58:31Z	-
dc.date.available	2008-09-24T05:58:31Z	-
dc.date.issued	2549	-
dc.identifier.uri	http://cuir.car.chula.ac.th/handle/123456789/8118	-
dc.description	วิทยานิพนธ์ (วศ.ม.)--จุฬาลงกรณ์มหาวิทยาลัย, 2549	en
dc.description.abstract	วิทยานิพนธ์ฉบับนี้นำเสนอการจดจำและจำแนกชนิดของแผ่นวงจรพิมพ์พื้นฐาน จากการแพร่สนามแม่เหล็กระยะใกล้และสนามไฟฟ้าจากการวัด โดยนำโครงข่ายประสาทเทียมมาใช้ในกระบวนการรู้จำ การประยุกต์ใช้ทำโดยการนำสัญญาณรบกวนคลื่นแม่เหล็กไฟฟ้าที่แพร่ออกมาจากแผ่นวงจรพิมพ์ ซึ่งมีลักษณะรูปแบบแตกต่างกันมาเป็นตัวกำเนิดสัญญาณแม่เหล็กไฟฟ้า ทำการจำลองการแพร่สนามแม่เหล็กโดยใช้แบบจำลองระเบียบวิธีไฟไนต์เอลิเมนต์ เพื่อเปรียบเทียบกับผลที่ได้จากการวัด ซึ่งผลที่ได้ทั้งสองวิธีออกมาสอดคล้องกัน วิธีการประมวลผลภาพถูกนำมาใช้เพื่อลดจำนวนโหนด และเวลาในการเรียนรู้ของโครงข่ายประสาทเทียม โดยโครงข่ายประสาทเทียมที่ผ่านการเรียนรู้แล้วสามารถจดจำและจำแนกชนิดของแผ่นวงจรพิมพ์เมื่อการวัดถูกรบกวนด้วยสัญญาณอิมพัลล์ได้ นอกจากนี้โครงข่ายประสาทเทียมถูกนำมาประยุกต์ใช้ในการทำนายสนามไฟฟ้าระยะไกล โดยการใช้สนามแม่เหล็กระยะใกล้ที่ได้ จากการวัดจากแผ่นวงจรพิมพ์แต่ละชนิด ซึ่งจะเป็นประโยชน์อย่างยิ่ง สำหรับผู้ที่สนใจและผู้ออกแบบแผ่นวงจร เพราะในการวัดแบบมาตรฐานนั้นยุ่งยาก เสียเวลา และเสียค่าใช้จ่ายสูง เนื่องจากต้องทำการทดสอบภายในห้องปิดกั้นไร้คลื่นสะท้อนที่ได้มาตรฐาน	en
dc.description.abstractalternative	In this thesis, the Neural Network (NN) is applied to recognize and identify basic Printed Circuit Board (PCB) configuration using its near-field and far-field radiated Electromagnetic Interference (EM). The different kinds of PCB shape are used for produce electromagnetic field. The fields are measured using near-field probe with termination load and compared this result with a simulation using Finite Element Method (FEM) based on Maxwell's equation. The actual measurement result is corresponding to simulation result. Image processing is applied to reduce input node and learning time of neural network. After trained, neural network can identify type of PCBs configuration by measured magnetic near-field spectra and electric far-field spectra with impulse noise. Finally, neural network can predict far-field emission spectra from near-field measurement.	en
dc.format.extent	15109066 bytes	-
dc.format.mimetype	application/pdf	-
dc.language.iso	th	es
dc.publisher	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.relation.uri	http://doi.org/10.14457/CU.the.2006.99	-
dc.rights	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.subject	วงจรพิมพ์	en
dc.subject	การรบกวนทางแม่เหล็กไฟฟ้า	en
dc.title	การจดจำและจำแนกชนิดของแผ่นวงจรพิมพ์จากสัญญาณรบกวนแม่เหล็กไฟฟ้า	en
dc.title.alternative	Radiated EMI recognition and identification for PCB configuration	en
dc.type	Thesis	es
dc.degree.name	วิศวกรรมศาสตรมหาบัณฑิต	es
dc.degree.level	ปริญญาโท	es
dc.degree.discipline	วิศวกรรมไฟฟ้า	es
dc.degree.grantor	จุฬาลงกรณ์มหาวิทยาลัย	en
dc.email.advisor	Prasit.T@Chula.ac.th	-
dc.email.advisor	Kraison.AUN@ptec.or.th	-
dc.identifier.DOI	10.14457/CU.the.2006.99	-
Appears in Collections:	Eng - Theses

Files in This Item:

File	Description	Size	Format
Piyanuch_Su.pdf		14.75 MB	Adobe PDF	View/Open

Show simple item record