Model identification of correlation of avionic parameters with magnetic field intensity using neutral networks

• Autorzy: Michałowska Joanna

Identyfikatory

DOI

10.15199/48.2024.03.50

Warianty tytułu

PL

Modelowa identyfikacja korelacji parametrów awioniki z natężeniem pola magnetycznego z wykorzystaniem sieci neutralnych

• Języki publikacji: EN

Abstrakty

EN

The article presents the identification of the magnetic field with the use of neural network model. The research on the value of the magnetic component of the electromagnetic field (EM) was determined with the NHT3DL broadband meter from Microrad with the 02H measuring probe during training flights. A convolutional autoencoder model of a neural network was developed to filter out outliers obtained during measurements.

PL

W artykule przedstawiono identyfikacje składowej magnetycznej pola elektromagnetycznego przy użyciu modelu sieci neuronowych. Badania dotyczące wartości składowej magnetycznej (EM) wyznaczono miernikiem szerokopasmowym NHT3DL firmy Microrad z sondą pomiarową 02 H podczas lotów szkoleniowych statkami powietrznymi. Opracowano model konwolucyjnego autoencondera sieci neuronowej (ang. convolutional autoencoder model) stużący do odfiltrowania danych odstających uzyskanych podczas pomiarów.

Słowa kluczowe

EN

magnetic field; neural network; aircraft; measurement

PL

pole magnetyczne; sieć neuronowa; samolot; pomiar

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2024
• Tom: R. 100, nr 3
• Strony: 282--284
• Opis fizyczny: Bibliogr. 17 poz., rys.

Twórcy

autor

Michałowska Joanna

• Instytut Nauk Technicznych i Lotnistwa, Państwowa Akademia Nauk Stosowanych w Chełmie Chełmie, ul. Pocztowa 54, 22-100 Chełm

Bibliografia

• [1] Miaskowski A., et.al., Modelling of Temperature Distribution in Anatomically Correct Female Breast Cancer, Przeglad Elektrotechniczny, vol. 99, 2, (2023), 218 – 221. DOI: 10.15199/48.2023.02.4
• [2] Kochan, O., et.al., Temperature measurement system based on thermocouple with controlled temperature field, In 4th IEEE Work-shop on Intelligent Data Acquisition and Advanced Computing Systems: Technology and Applications, (2017), 47-50
• [3] Jun S., et.al., Development and investigation of the method for compensating thermoelectric inhomogeneity error, International Journal of Thermophysics, 37, 1-14.
• [4] Michałowska J.,et. al., Exposure to electromagnetic fields in the surrounding area of microtomograph for the frequency of 50Hz, 17th IEEE International Conference on Smart Technologies, EUROCON 2017 - Conference ProceedingsPages 555 - 557,
• [5] Ignatov A., et.al., Real-time human activity recognition from accelerometer data using Convolutional Neural Networks. Appl. Soft Comput, (2018) 915–922.
• [6] Pytka J., et.al., Measurement of Aircraft Ground Roll Distance During Takeoff and Landing on a Grass Runway, Measurement (2022), doi: doi.org/10.1016/j.measurement.2022.111130
• [7] Mączka, M. Effective Simulations of Electronic Transport in 2D Structures Based on Semiconductor Superlattice Infinite Model. Electronics 2020, 9, 1845. https://doi.org/10.3390/electronics91118
• [8] Pytka J., et.al., IMUMETER—A Convolution Neural Network-Based Sensor for Measurement of Aircraft Ground Performance, Sensors, 21, 4726, (2021), https://doi.org/10.3390/s21144726
• [9] Pytka J., et.al., IMUMETER-A Convolution Neural Network-Based Sensor for Measurement of Aircraft Ground Performance, Sensors, 21,(14), (2021)
• [10] Zhengbing H., et.al., Data science applications to improve accuracy of thermocouples, IEEE 8th International Conference on Intelligent Systems (IS), (2016), 180-188
• [11] Michałowska J, et.al., Assessment of Training Aircraft Crew Exposure to Electromagnetic Fields Caused by Radio Navigation Devices, Energies, 14 (1), 2021
• [12] Chen, J., et.al. Metrological software test for simulating the method of determining the thermocouple error in situ during operation, Measurement Science Review, 18(2), (2018), 522 58.
• [13] Irfan M., et.al., Energy theft identification using AdaBoost Ensembler in the Smart Grids, CMC-Computers, Materials & Continua, vol. 72, (2022), no. 1, 2141 – 2158. DOI: 10.32604/cmc.2022.025466
• [14] Firlej M., et.al., Effect of artificial aging on mechanical and tribological properties of CAD/CAM composite materials used in dentistry, Materials, 14 (16), (2021), 46-78
• [15] Pieniak D., The effect of thermocycling on surface layer properties of light cured polymer matrix ceramic composites (PMCCs) used in sliding friction pair, Materials, 12 (17), (2019), 2776
• [16] Pytka J., et.al., Wheel dynamometer system for aircraft landing gear testing, Measurement, (2019), 148
• [17] Mazurek P., et.al., The intensity of the electromagnetic fields in the coverage of GSM 900, GSM 1800 DECT, UMTS, WLAN in built-up areas, 2018 Applications of Electromagnetics in Modern Techniques and Medicine, PTZE 2018, 159 – 162

Uwagi

Opracowanie rekordu ze środków MNiSW, umowa nr POPUL/SP/0154/2024/02 w ramach programu "Społeczna odpowiedzialność nauki II" - moduł: Popularyzacja nauki i promocja sportu (2025).