از نظر تبدیل انرژی، ساختار همه ماشین های الکتریکی را می توان به یک ماشین دو فاز معادل (مدل dq )، ساده کرد. درشرایط کار متعادل، این ماشین دو فاز دارای یک ساختار متعادل است. به طورمشابه، در شرایط کار نامتعادل ( به عنوان مثال قطع یک فاز استاتور) ماشین دو فاز معادل، خود دارای ساختار نامتعادل خواهد بود. از معادلات مدل dq، برای به دست آوردن روابط کنترل برداری موتور القایی استفاده می شود. در این پروژه، ابتدا یک موتور القایی سه فاز در حالی که یک فاز استاتور آن قطع شده است، به صورت یک موتور دو فاز نامتعادل مدل شده است. بر اساس معادلات ماشین دوفاز نامتعادل یک روش کنترل برداری جدید ارایه شده است که با تغییرات کمی نسبت به روش مرسوم کنترل برداری، می تواند با شرایط کار نامتعادل سازگار شود و عملکرد خوبی نیز از نظر کنترل نوسانات گشتاور داشته باشد. یک شبیه سازی کامپیوتری به منظور مقایسه عملکرد روش کنترل برداری مرسوم و روش پیشنهادی، ارایه شده است. نتایج نشان می دهد که بهبود قابل ملاحظه ای در عملکرد موتور، به خصوص در میزان کاهش نوسانات گشتاور آن حاصل شده است.

مبادله اسکناس یکی از مهمترین روش ها در داد و ستد می باشد. با توجه به اهمیت موضوع و جایگاه مبادلات پولی در زندگی روزمره تجهیزات فراوانی مانند ماشین های فروش، مرتب کنندهای اسکناس، دستگاههای خودپرداز و دستگاه تشخیص اسکناس برای نابینایان ساخته شده و روز به روز گسترده تر و با قابلیت بیشتر عرضه می گردند. که بالطبع نیاز به روش های تشخیص اسکناس کارآمد تر، سریعتر، دقیقتر و جامع تری دارند. با توجه به اینکه اسکناس بعنوان یک سند با ارزش و بها دار می باشد و اشتباه در تشخیص باعث زیانهای مالی جـبران ناپذیر شده، دقت و صحت تشخیص اسکناس از اهمیت فراوان بر خوردار می باشد. در اغلب روشهای تشخیص اسکناس، یکی از مشخصه های تصویر مانند رنگ غالب، طیف ماوراء بنفش و علی الخصوص اطلاعات بافت تصویر استخراج می شود و فرآیند تشخیص بر اساس آن انجام می شود. ما در این پایان نامه سعی کردیم روشی برای تشخیص اسکناس معرفی نماییم که اطلاعات بافت و اطلاعات رنگ در آن ترکیب شده و به عنوان یک واحد اطلاعات به شبکه عصبی اعمال گردد. تصاویر اسکناس ها و بالطبع اطلاعات استخراجی از بافت و رنگ تصویر معمولاً بعلت نویزهای تصویری مطابقت صد درصد با اسکناس اصلی نداشته و مغایرت هایی با آن دارد. حـال در اکثر موارد نویزها تاثیر اصـلی خـود را بیشتر بر روی یکی از این مشخصه های تصویر گـذاشته و دیگری کمتر مخدوش می شود، که این امر یک عامل موثر در تشخیص صحیح تر در این روش می باشد.