Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: load recognition

Sortuj według:

Ogranicz wyniki do:

Typologizacja modeli elementów taboru kolejowego w procesie ich identyfikacji

Moczarski Jarosław

Autobusy : technika, eksploatacja, systemy transportowe

2019

R. 20, nr 1-2

109--112

W artykule omówiono prace badawcze, których celem jest analiza możliwości identyfikacji elementów taboru kolejowego z wykorzystaniem dostępnych na rynku dalmierzy laserowych. Identyfikacja jest realizowana metodą oceny kształtu i rozmiarów poruszających się obiektów. Zdolność rozpoznawania wybranych obiektów, w szczególności elementów taboru oraz przewożonych ładunków, a także ich usytuowania przestrzennego, stanowi istotny czynnik umożliwiający dokładne i skuteczne pozycjonowanie pojazdów (szczególnie na stacjach i bocznicach), zwiększający bezpieczeństwo oraz efektywność przewozów kolejowych.

Paper discussed the problem of rolling stock elements identification and recognition of loads. For evaluation of the object shape and position, in the tests are used laser sensors such as mid-range distance sensors, automation light grids and 2D laser measurement sensors. For the creation of digital models of the studied objects and their subsequent identification there was developed a computer application working in Matlab programming environment. Typologization of models of rolling stock elements accelerate calculations and increase the effectiveness of the conducted identification.

Event-based S-transform approach for nonintrusive load monitoring

Khalid K., Mohamed A., Shareef H., Sabeeh M.

Przegląd Elektrotechniczny

2016

R. 92, nr 5

194--198

In this study, a nonintrusive load monitoring system is developed by analyzing the power signal obtained from a single point of power meter installation to detect ON/OFF load activities. A mathematically designed model with backpropagation neural network is utilized in load pattern recognition to decompose the load operation. Leveraging its unique load signature profile, the S-transform approach is employed to extract the features from the aggregate power signal and analyze the detection of load start-up transient from signal processing. To improve the accuracy of load identification for unknown data, the power factor is used as an additive feature with 99.32% load recognition accuracy.

W artykule analizowany jest system monitorowania obciążenia sieci. Wykorzystano sieć neuronową do rozpoznawania rodzaju Transformata S jest użyta do ekstrakcji danych z sygnału mocy. Dodatkowo do identyfikacji obciążenia użyto współczynnik mocy.