Filtrowanie danych pomiarowych przy wykorzystaniu metody cząstek dynamicznych

• Autorzy: Rauch Ł. , Kusiak J.

Warianty tytułu

EN

Data filtering (denoising) using dynamic particles method

• Konferencja: Fizyczne i Matematyczne Modelowanie Procesów Obróbki Plastycznej. FIMM 2005/sympozjum (20-21.05.2005; Warszawa, Polska)
• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia nową metodę filtrowania danych pomiarowych opartą na pojęciu cząstek dynamicznych. Zaprojektowano i zaimplementowano odpowiedni algorytm oraz opisano możliwości jego zastosowania do różnego typu danych. Zaprezentowane wyniki procesu filtrowania danych jednowymiarowych za pomocą metody cząstek dynamicznych porównane zostały z wynikami otrzymanymi za pomocą innych metod filtrowania danych takich jak średnia ważona, sztuczne sieci neuronowe oraz analiza falkowa. Obliczenia wykonane zostały na dwóch zbiorach danych testowych: sztucznie wygenerowanych za pomocą wybranych funkcji jednoargumentowych y=f(x) oraz doświadczalnych danych pomiarowych.

EN

A new signal filtering method based on the dynamic particles (DP) approach is presented. It employs physics principles for signal denoising. The obtained results are compared with commonly used denoising techniques including weighted average, neural networks and wavelet analysis. The calculations were performed on two kinds of input data sets: artificially generated data according to a given function y = f(x) and the laboratory experimental data. The algorithm of the DP method and the results of calculations are presented.

Słowa kluczowe

PL

filtrowanie danych pomiarowych; metoda cząstek dynamicznych

EN

data filtering; using dynamic particles method

• Wydawca: Oficyna Wydawnicza Politechniki Warszawskiej
• Czasopismo: Prace Naukowe Politechniki Warszawskiej. Mechanika
• Rocznik: 2005
• Tom: z. 207
• Strony: 153--158
• Opis fizyczny: Bibliogr. 7 poz., rys., wykr.

Twórcy

autor

Rauch Ł.

• Akademia Górniczo-Hutnicza, Zakład Komputerowego Modelowania Procesów Metalurgicznych

autor

Kusiak J.

• Akademia Górniczo-Hutnicza, Zakład Komputerowego Modelowania Procesów Metalurgicznych

Bibliografia

• [1] Rauch Ł., Talar J., Zak T., Kusiak J.: Filtering of thermomagnetic data curve using artificial neural network and wavelet analysis, Proc. 7th ICAISC 2004, Conf. Zakopane, Poland, Springer-Verlag, 1093-1098, (2004)
• [2] Gawąd J., Kusiak J., Pietrzyk M., Di Rosa S., Nicol G.: Optimization Methods Used for ldentification of Rheological Model for Brass. Proc. 6th ESAFORM Conf. On Material Forming, Salerno, ltaly, 359-362, (2003)
• [3] Buades A., Coll B., Morel J.M.: On image denoising methods. Centre de Matematiques et de Leurs Applications (bup://www.cmla.ens-cachan.fr).
• [4] Adelino R. Ferreira da Silva: Bayesian wavelet denoising and evolutionary calibration. Digital Signal Processing, vol. 14, p. 566-689 (2004)
• [5] Kusiak J., Pietrzyk M., Gawąd J., Roberts C.M., Wajda W.: Filtering of the measurement data by ANN approach. Proc. Conf. "Computer Science in Metals Technology KomPlasTech'2001", eds. Grosman F., Piela A., Kusiak J., Pietrzyk M., Korbielóow, 65-70 (2001)
• [6] Dzwinel W., Alda W., Yuen D.A.: Cross-Scale Numerical Simulations using Discrete Particle Models, Molecular Simulation, vol. 22, p. 397-418, (1999)
• [7] Strona WWW: www.x-tmde.biz, (2004)