مقاله انگلیسی سیستم تشخیص مواد منفجره مغناطیسی (MEDS) (سال 2020 الزویر)

 

 

عنوان فارسی مقاله سیستم تشخیص مواد منفجره مغناطیسی (MEDS) مبتنی بر شبکه حسگر بی سیم و یادگیری ماشین
عنوان انگلیسی مقاله Magnetic Explosives Detection System (MEDS) based on wireless sensor network and machine learning
ترجمه کامپیوتری فهرست مطالب طرح کلی
نکات برجسته
خلاصه
کلید واژه ها
1. معرفی
2. کار مرتبط
3. MEDS: سمت نظری
4. MEDS: طرف عملی
5. MEDS: پیاده سازی و نتایج
6. نتیجه گیری و چالش های آینده
اعلامیه رقابت بهره
پیوست A. داده های تکمیلی
منابع
فهرست مطالب Outline
Highlights
Abstract
Keywords
1. Introduction
2. Related work
3. MEDS: the theoretical side
4. MEDS: the practical side
5. MEDS: Implementation and results
6. Conclusion and future challenges
Declaration of Competing Interest
Appendix A. Supplementary data
References
نمونه ترجمه کامپیوتری چکیده

این مقاله یک مسیر جدید در کشف مواد منفجره مغناطیسی با استفاده از شبکه حسگر بی سیم سازگار با یادگیری ماشین است. دستگاه های منفجره مواد منفجره (IED) به دلیل تولید آسان ، یک تهدید سری را در نظر می گیرند. اما ، جهت های علمی به سمت استفاده از فناوری اطلاعات در توسعه سیستم های تشخیص مواد منفجره سوق می یابد. در این مقاله ، نوع مواد منفجره مورد استفاده مواد منفجره مغناطیسی است که نوعی IEDs است که در هدف قرار دادن وسایل نقلیه استفاده می شود. سیستم تشخیص مواد منفجره مغناطیسی (MEDS) یک سیستم شبکه حسگر بی سیم است که از شبکه ای از سنسورهای مغناطیسی برای شناسایی میدان مغناطیسی که از اثر مغناطیسی ساطع می شود استفاده می کند و این میدان مغناطیسی را تهدید احتمالی می داند. آزمایشات این سیستم توانایی آن در تشخیص تغییر در میدان مغناطیسی ناشی از آهنربا را که در زیر وسیله نقلیه انباشته شده است نشان می دهد. کاربرد اصلی الگوریتم شبکه عصبی در این مقاله ، تعیین بالاترین میزان خواندن در میان یک سری قرائت ها برای تعیین محل دقیق تهدید است. نتایج بسیار خوبی که توسط الگوریتم شبکه عصبی در MEDS تولید شده است تا بتواند سیستم را از یادگیری و شناسایی نوع داده مورد نیاز بدست آورد.

1. مقدمه

مواد منفجره مغناطیسی بخشی از دستگاههای منفجره منفجره (IED) است که نوعی مواد منفجره است که برای اهداف خاص استفاده می شود [1]. به تازگی ، IED به دلیل قابلیت حمل و تولید ساده آنها به ابزار اصلی اجرای عملیات تروریستی تبدیل شده است [2]. بمب های مغناطیسی نوعی مواد منفجره هستند که از آهنربا استفاده می کنند تا بتوانند مواد منفجره را از چسبیدن به اشیاء فلزی بچسبانید. نوع آهنربایی استفاده شده در بمب مغناطیسی به منظور جلوگیری از آسیب دیدن مواد منفجره در اثر جسم مورد نظر ، بسیار قدرتمند است.
ایده اصلی مورد استفاده در تشخیص مواد منفجره مغناطیسی ، خصوصیات فیزیکی شار مغناطیسی ساطع شده از آهنربا است [3]. مواد منفجره مغناطیسی (ME) از یک آهنربای قدرتمند استفاده می کنند و بنابراین شار مغناطیسی چنین آهنربا میدان مغناطیسی مواد فلزی را تغییر می دهد. شار مغناطیسی یک قدرت فیزیکی است که قدرت آن بر محیط و به ویژه مواد فلزی تأثیر می گذارد [4]. بنابراین ، تروریست ها به دلیل توانایی آن در هدف قرار دادن حتی اشیاء فلزی در حال حرکت ، از ME در عملیات خود استفاده می کنند زیرا خاصیت آهنربا به چسباندن ME به بدنه فلزی مورد هدف کمک می کند.

توجه؛ (این ترجمه توسط نرم افزار انجام شده و ویرایش نشده است و احتمال وجود اشتباه در آن وجود دارد. در صورت ثبت سفارش، ترجمه توسط مترجمین مجرب انجام خواهد شد. برای مشاهده نمونه ترجمه های تخصصی و اخیر مترجمین جهت اطمینان از کیفیت ترجمه، اینجا کلیک نمایید.)

نمونه مقاله انگلیسی

Abstract

This paper represents a new direction in detecting magnetic explosives by the use of a wireless sensor network adapted with machine learning. The Improvised Explosives Devices (IED) consider a series threat due to the easy manufacturing. However, the scientific directions heading towards the use of information technology in the development of explosives detection systems. In this paper, the type of explosives used is the magnetic explosives which are a type of IEDs that is used in targeting the vehicles. A Magnetic Explosives Detection System (MEDS) is a wireless sensor network system that uses a network of magnetic sensors to detect the magnetic field that emitted from magnetic effector and consider this magnetic field as a possible threat. The experiments of the system show its ability to detect the change in the magnetic field caused by the magnet stacked under the vehicle. The main use of the neural network algorithm in this paper is to determine the highest reading among a series of readings to determine where the threat exact position. Excellent results produced by the neural network algorithm in the MEDS to enable the system from learn and identify the required data type.

1.Introduction

The magnetic explosive is a part of the Improvised Explosive Devices (IED) which is a type of explosives that are used for special purposes [1]. Recently, IED’s became the main tool for executing terrorist operations due to their portability and simple manufacturing [2]. Magnetic bombs are a type of explosives that use a magnet in order to enable the exploded material from sticking to a metallic objects. The magnet type used in the magnetic bomb is extremely powerful in order to prevent the explosives from being affected by the movement of the targeted object.
The main idea used in the detection of magnetic explosives is the physical attributes of the magnetic flux emitted from the magnet [3]. Magnetic Explosives (ME) use a powerful magnet and thus the magnetic flux of such a magnet changes the metallic material magnetic field. Magnetic flux is a physical power that its power affect the environment and especially metallic materials [4]. Therefore, terrorists use the ME in their operations due to its ability to target even the moving metallic objects as the magnet properties help to stick the ME to the target object metallic body.

سال انتشار 2020
ناشر الزویر (ساینس دایرکت) (Elsevier – Science Direct)
مجله  Measurement  /  اندازه گیری
نوع مقاله ISI
کلمات کلیدی  مغناطیسی
مواد منفجره
شبکه حسگر بی سیم
تشخیص
کلمات کلیدی انگلیسی
Magnetic
Explosives
Wireless sensor network
Detection
صفحات مقاله انگلیسی 24
مناسب برای رشته مهندسی فناوری اطلاعات
مناسب برای گرایش شبکه های کامپیوتری
توضحیات این مقاله انگلیسی جدید بوده و تا کنون ترجمه نشده است. جهت ثبت سفارش ترجمه از لینکهای زیر استفاده نمایید.
دانلود مقاله انگلیسی ○ دانلود رایگان مقاله انگلیسی با فرمت pdf (کلیک کنید)
سفارش ترجمه فارسی ○ سفارش انجام ترجمه و تایپ این مقاله (کلیک کنید)
سایر مقالات این رشته ○ مشاهده سایر مقالات رشته مهندسی فناوری اطلاعات (کلیک کنید)

 

 

دیدگاهتان را بنویسید