Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "Sensor Network" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-4 z 4
    Tytuł:
    Selected algorithms of MEMS accelerometers signal processing in burglary detector application
    Autorzy:
    Fabiański, B.
    Nowopolski, K.
    Wicher, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/376276.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    MEMS
    accelerometer sensor
    data streaming
    DSP
    low-power MCU
    alarm system
    artificial neural network
    Opis:
    In the paper, implementations and results of operation of artificial neural network applied as a burglary classifier are presented in comparison to solution with a direct digital signal processing (DSP) approach. The neural network operates in a mobile access control device, that may be easily attached to a door. The device is an integrated system, equipped with several sensors based on microelectromechanical systems (MEMS) technology. Due to limited effectiveness of simple, conditional logic algorithms on acquired signal samples, a more sophisticated approaches are investigated. Data acquisition during imitation of various burglary scenarios and further processing of the recorded signals are described in the paper. Selection of the neural network structure and pre-processing methods of sensor signals are presented as well. The direct DSP algorithm based on the application of the properties of application phenomena is shown in the same way. Finally, results of selected algorithms implementation in a low-power 32-bit microcontroller system are presented. Limitation of the platform responsiveness in the real-time conditions and comparison of used classification methods are discussed in the paper conclusions.
    Źródło:
    Poznan University of Technology Academic Journals. Electrical Engineering; 2016, 87; 267-278
    1897-0737
    Pojawia się w:
    Poznan University of Technology Academic Journals. Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Burglary detection based on accelometric data using selected signal processing algorithms
    Autorzy:
    Fabiański, B.
    Nowopolski, K.
    Wicher, B.
    Powiązania:
    https://bibliotekanauki.pl/articles/97596.pdf
    Data publikacji:
    2016
    Wydawca:
    Politechnika Poznańska. Wydawnictwo Politechniki Poznańskiej
    Tematy:
    MEMS
    accelerometer sensor
    data streaming
    DSP
    low–power MCU
    alarm system
    artificial neural network
    Opis:
    The paper presents two approaches to the problem of burglary detection. The first one utilizes direct signal processing, while the other – artificial neural network (ANN). Both algorithms are compared in real operating conditions. The implementation of the algorithms was performed in a portable, battery operating devices that can be easily attached to the door. For direct comparison, two identical devices including several MEMS accelerometers and 32 bit microcontroller have been used – each with one algorithm implemented. The goal of using artificial neural network algorithm was to improve the performance of the burglary detection system in comparison to classical direct signal processing. The structure of ANN and required pre – processing of the input data, is presented and discussed as well. The article also describes the research system required to collecting the data for ANN training and to directly compare both algorithms. Finally, the results of behavior of the classification methods in real actual conditions is discussed.
    Źródło:
    Computer Applications in Electrical Engineering; 2016, 14; 313-327
    1508-4248
    Pojawia się w:
    Computer Applications in Electrical Engineering
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Diagnosis of sensor faults in a combustion engine control system with the artificial neural network
    Diagnozowanie uszkodzeń czujników w systemie sterowania silnika spalinowego z wykorzystaniem sztucznej sieci neuronowej
    Autorzy:
    Komorska, iwona
    Wołczyński, Zbigniew
    Borczuch, Artur
    Powiązania:
    https://bibliotekanauki.pl/articles/329450.pdf
    Data publikacji:
    2019
    Wydawca:
    Polska Akademia Nauk. Polskie Towarzystwo Diagnostyki Technicznej PAN
    Tematy:
    combustion engine
    sensor fault diagnosis
    artificial neural network
    silnik spalinowy
    diagnozowanie uszkodzeń
    czujnik
    sztuczna sieć neuronowa
    Opis:
    The work presents the investigations carried out on a spark-ignition internal combustion engine with gasoline direct injection. The tests were carried out under conditions of simulated damage to the air temperature sensor, engine coolant temperature sensor, fuel pressure sensor, air pressure sensor, intake manifold leakage, and air flow disturbances. The on-board diagnostic system did not detect any damage because the sensor indications were within acceptable limits. The engine control system in each case changed its settings according to the adaptive algorithm. Signal values in cycles from all available sensors in the engine control system and data available in the on-board diagnostic system of the car were recorded. A large amount of measurement data was obtained. They were used to create a statistical function that classifies sensor faults using an artificial neural network. A set of training data has been prepared accordingly. During learning the neural network, a hit rate of over 99% was achieved.
    W pracy przedstawiono badania przeprowadzone na silniku spalinowym o zapłonie iskrowym z bezpośrednim wtryskiem paliwa. Testy wykonano w warunkach symulowanych uszkodzeń czujników temperatury powietrza, temperatury cieczy chłodzącej silnik, ciśnienia paliwa, ciśnienia powietrza, nieszczelności w kolektorze dolotowym, zaburzenia przepływu powietrza. System diagnostyki pokładowej nie wykrył żadnego uszkodzenia, ponieważ wskazania czujników mieściły się w granicach tolerancji. System sterowania silnika w każdym przypadku zmieniał swoje ustawienia według adaptacyjnego algorytmu. Rejestrowano cyklowe wartości sygnałów ze wszystkich dostępnych czujników w systemie sterowania silnika oraz dane dostępne w systemie diagnostyki pokładowej samochodu. Otrzymano dużą ilość danych pomiarowych. Wykorzystano je do utworzenia statystycznej funkcji klasyfikującej uszkodzenia przy pomocy sztucznej sieci neuronowej. Odpowiednio przygotowano zbiór danych uczących. W trakcie uczenia sieci neuronowej osiągnięto współczynnik trafień powyżej 99%.
    Źródło:
    Diagnostyka; 2019, 20, 4; 19-25
    1641-6414
    2449-5220
    Pojawia się w:
    Diagnostyka
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    Data fusion in the decision-making process based on artificial neural networks
    Autorzy:
    Dudczyk, Janusz
    Rybak, Łukasz
    Jezierski, Zdzisław
    Powiązania:
    https://bibliotekanauki.pl/articles/1860953.pdf
    Data publikacji:
    2020
    Wydawca:
    Politechnika Śląska. Wydawnictwo Politechniki Śląskiej
    Tematy:
    data fusion
    decision-making process
    sensor networks
    artificial neural network
    fuzja danych
    proces decyzyjny
    sieci sensorowe
    sztuczna sieć neuronowa
    Opis:
    Purpose: The term data fusion is often used in various technologies, where a significant element is the ability of combining data of different typology coming from diverse sources. Currently, the issue of DF is developing towards interdisciplinary field and is connected with 'agile' data (information) synthesis concerning phenomena and objects. Optimal environment to carry out data fusion are SN (Sensor Networks), in which DF process is carried out on a data stage, most often automatically with the use of probable association algorithms of this data. The purpose of this article was an implementation of a neural network and its adaptation in the process of data fusion and solving the value prediction problem. Design/methodology/approach: The conducted experiment was concerned with modelling artificial neural network to form radiation beam of microstrip antenna. In the research the MATLAB environment was used. Findings: The conducted experiment shows that depending on the type of output data set and the task for ANN, the effect of neural network's learning is dependent on the activation function type. The described and implemented network for different activation functions learns effectively, predicts results as well as has the ability to generalize facts on the basis of the patterns learnt. Research limitations/implications: Without doubts, it is possible to improve the model of a network and provide better results than these presented in the paper through modifying the number of hidden layers, the number of neurons, learning step value or modifying the learning algorithm itself. Originality/value: The paper presents the implementation of the sensor network in the context of the process of data fusion and solution prediction. The paper should be read by persons which research interests are focused at the decision support by the information and communication technologies.
    Źródło:
    Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska; 2020, 149; 97-108
    1641-3466
    Pojawia się w:
    Zeszyty Naukowe. Organizacja i Zarządzanie / Politechnika Śląska
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-4 z 4

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies