Building an analytical model for inference, detection and early warning in UST measurements

• Autorzy: Kozłowski Edward , Król Krzysztof , Cieplak Tomasz , Bednarczuk Piotr

Identyfikatory

DOI

10.15199/48.2025.01.37

Warianty tytułu

PL

Budowa modelu analitycznego do wnioskowania, wykrywania i wczesnego ostrzegania w pomiarach UST

• Języki publikacji: EN

Abstrakty

EN

This article will present the concept of creating an analytical model for inference, detection and early warning of detection of measurements, rapid measurement deviations, and the correctness of the process under study in ultrasonic tomography measurements. The research describes an algorithm's operation for inference, detection and early warning of the appearance of a stochastic trend in a time series.

PL

W tym artykule została przedstawiona koncepcja stworzenie modelu analitycznego pozwalającego na wnioskowanie, wykrywanie i wczesne ostrzeganie wykrywania błędnych pomiarów, odchyleń pomiarowych, jak również prawidłowości przebiegu badanego procesu, w pomiarach za pomocą tomografii ultradźwiękowej. Prace badawcze opisują działanie algorytmu wnioskowania, wykrywania i wczesnego ostrzegania o pojawieniu się trendu stochastycznego w szeregu czasowym.

Słowa kluczowe

EN

time series; ultrasound tomography; early warning

PL

szeregi czasowe; tomografia ultradźwiękowa; wczesne ostrzeganie

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2025
• Tom: R. 101, nr 1
• Strony: 179--182
• Opis fizyczny: Bibliogr. 16 poz., rys.

Twórcy

autor

Kozłowski Edward

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

• https://orcid.org/0000-0002-7147-4903

autor

Król Krzysztof

• WSEI University, Projektowa 4, Lublin,
• Research&Development Centre Netrix S.A.

• https://orcid.org/0000-0002-0114-2794

autor

Cieplak Tomasz

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

• https://orcid.org/0000-0002-2712-6098

autor

Bednarczuk Piotr

• WSEI University, Projektowa 4, Lublin

• https://orcid.org/0000-0003-1933-7183

Bibliografia

• [1] Gołąbek, M., Rymarczyk, T. Design of innovative measurement systems in ultrasonic tomography. Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 2022, 12(2), 38-42. https://doi.org/10.35784/iapgos.2914
• [2] Kozłowski E., Analiza I identyfikacja szeregów czasowych, Politechnika Lubelska, Lublin 2015
• [3] Hamilton J.D. Time Series Analysis, Princeton University Press, 1994
• [4] Shumway, R. H., Time Series Analysis and Its Applications: With R Examples, Springer 2017
• [5] Kozłowski, E., Antosz, K., Mazurkiewicz, D., Sęp, J., Żabiński, T. (2021). Integrating advanced measurement and signalprocessing for reliability decision-making. Eksploatacja i Niezawodność – Maintenance and Reliability, 23(4), 777-787.
• [6] Gnaś, D., Adamkiewicz, P., Indoor localization system using UWB, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No. 1, 15-19.
• [7] Gocławski, J., Sekulska-Nalewajko, J., Korzeniewska, E., Prediction of textile pilling resistance using optical coherence tomography, Scientific Reports, 12 (2022), No. 1, 18341.
• [8] Gocławski, J., Korzeniewska, E., Sekulska-Nalewajko, J., Kiełbasa, P., Dróżdż, T., Method of Biomass Discrimination for Fast Assessment of Calorific Value, Energies, 15 (2022), No. 7, 2514.
• [9] Kłosowski G, Rymarczyk T, Niderla K, Kulisz M, Skowron Ł, Soleimani M., Using an LSTM network to monitor industrial reactors using electrical capacitance and impedance tomography – a hybrid approach. Eksploatacja i Niezawodnosc – Maintenance and Reliability, 25 (2023), No. 1, 11.
• [10] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors supported by deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22 (2020), No 1, 138–147.
• [11] Kłosowski G., Rymarczyk T., Niderla K., Rzemieniak M., Dmowski A., Maj M., Comparison of Machine Learning Methods for Image Reconstruction Using the LSTM Classifier in Industrial Electrical Tomography, Energies 2021, 14 (2021), No. 21, 7269.
• [12] Rymarczyk T., Kłosowski G., Hoła A., Sikora J., Tchórzewski P., Skowron Ł., Optimising the Use of Machine Learning Algorithms in Electrical Tomography of Building Walls: Pixel Oriented Ensemble Approach, Measurement, 188 (2022), 110581.
• [13] Koulountzios P., Rymarczyk T., Soleimani M., A triple-modality ultrasound computed tomography based on full-waveform data for industrial processes, IEEE Sensors Journal, 21 (2021), No. 18, 20896-20909.
• [14] Koulountzios P., Aghajanian S., Rymarczyk T., Koiranen T., Soleimani M., An Ultrasound Tomography Method for Monitoring CO2 Capture Process Involving Stirring and CaCO3 Precipitation, Sensors, 21 (2021), No. 21, 6995.
• [15] Styła, M., Adamkiewicz, P., Optimisation of commercial building management processes using user behaviour analysis systems supported by computational intelligence and RTI, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No 1, 28-35.
• [16] Kozłowski, E, Mazurkiewicz D., Żabiński T, Prucnal S, Sęp J, Machining sensor data management for operation-level predictive model,Expert Systems with Applications,Volume 159,2020,ISSN 0957-4174