Wyniki wyszukiwania - BazTech

1

Discrete identification of continuous non-linear andnon-stationary dynamical systems that is insensitive to noise correlation and measurement outliers

Kozłowski Janusz, Kowalczuk Zdzisław

Archives of Control Sciences

|

2023

|

Vol. 33, No. 2

391--411

EN

The paper uses specific parameter estimation methods to identify the coefficients of continuous-time models represented by linear and non-linear ordinary differential equations. The necessary approximation of such systems in discrete time in the form of utility models is achieved by the use of properly tuned ‘integrating filters’ of the FIR type. The resulting discrete-time descriptions retain the original continuous parameterization and can be identified, for example, by the classical least squares procedure. Since in the presence of correlated noise, the estimated parameter values are burdened with an unavoidable systematic error (manifested by asymptotic bias of the estimates), in order to significantly improve the identification consistency, the method of instrumental variables is used here. In our research we use an estimation algorithm based on the least absolute values (LA) criterion of the least sum of absolute values, which is optimal in identifying linear and non-linear systems in the case of sporadic measurement errors. In the paper, we propose a procedure for determining the instrumental variable for a continuous model with non-linearity (related to the Wienerian system) in order to remove the evaluation bias, and a recursive sub-optimal version of the LA estmator. This algorithm is given in a simple (LA) version and in an instrumental variable version (IV-LA), which is robust to outliers, removes evaluation bias, and is suited to the task of identifying processes with non-linear dynamics (semi-Wienerian/NLID). In conclusion, the effectiveness of the proposed algorithmic solutions has been demonstrated by numerical simulations of the mechanical system, which is an essential part of the suspension system of a wheeled vehicle.

2

System diagnostyki oddechowej oparty na konwolucyjnych sieciach neuronowych

Kowalczuk Zdzisław, Czubenko Michał, Bosak Michał

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2022

|

nr 3

74--79

PL

Choroby układu oddechowego człowieka od zawsze były obciążeniem dla całego społeczeństwa. Sytuacja stała się szczególnie trudna po wybuchu pandemii COVID-19. Jednak nawet teraz nierzadko zdarza się, że ludzie konsultują się ze swoim lekarzem zbyt późno, już po niepożądanym rozwinięciu się choroby. W celu ochrony pacjentów przed ciężką chorobą płuc, zaleca się jak najwcześniejsze wykrycie wszelkich objawów zaburzających pracę układu oddechowego. W artykule przedstawiono wczesny prototyp urządzenia, który przypomina cyfrowy stetoskop. Przeprowadza on automatyczną analizę oddechu, poza rejestrowaniem cykli oddechowych. Dodatkowo urządzenie ma funkcję powiadamiania użytkownika (np. przez smartfon) o konieczności udania się do lekarza na bardziej szczegółowe badanie. Dźwiękowe nagranie cykli oddechu przekształcane jest na dwuwymiarową macierz za pomocą współczynników cepstrum w skali melowej (MFCC). Taka macierz jest analizowana przez sztuczną sieć neuronową. W wyniku przeprowadzonych badań stwierdzono, że najlepsze z otrzymanych rozwiązań prezentowanej sieci neuronowej osiągnęło pożądaną dokładność i wysoką precyzję.

EN

Diseases related to the human respiratory system have always been a burden for the entire society. The situation has become particularly difficult now after the outbreak of the COVID-19 pandemic. Even now, however, it is not uncommon for people to consult their doctor too late, after the disease has developed. To protect patients from severe disease, it is recommended that any symptoms disturbing the respiratory system be detected as early as possible. This article presents an early prototype of a device that can be compared to a digital stethoscope that performs auto-breath analysis. So apart from recording the respiratory cycles, the device also analyzes them. In addition, it also has the functionality of notifying the user (e.g. via a smartphone) about the need to go to the doctor for a more detailed examination. The audio recording of breath cycles is transformed to a two-dimensional matrix using mel-frequency cepstrum coefficients (MFCC). Such a matrix is analyzed by an artificial neural network. As a result of the research, it was found that the best of the obtained solutions of the presented neural network achieved the desired accuracy and precision at the level of 84%.

3

Rozpoznawanie urządzeń i wykrywanie nieautoryzowanego poboru energii elektrycznej na podstawie pomiaru napięcia

Kowalczuk Zdzisław, Grzegorek Marek

Pomiary Automatyka Robotyka

|

2020

|

R. 24, nr 4

5--9

PL

W pracy rozpatrywany jest problem wykrywania nieautoryzowanego poboru energii z sieci elektrycznej przez identyfikację podłączonych urządzeń. Estymacja stanu sieci, rozumianej jako zbiór podpiętych układów, wraz z ustaloną listą urządzeń dopuszczonych, pozwala określić, czy w danej chwili ma miejsce pobór nieautoryzowany. W celu wykrywania urządzeń, proponuje się wykorzystać prostą metodę opartą na analizie wysokoczęstotliwościowego szumu elektromagnetycznego (EMI) indukowanego w sygnale napięcia zasilającego. Rozwiązanie to pozwala na centralny pomiar, w jednym miejscu – bez konieczności instalacji czujników w licznych punktach potencjalnego poboru prądu. Bazując na danych pomiarowych sygnału EMI, zrealizowano symulator syntezujący dane przypominające rzeczywiste spektrogramy. Dzięki zastosowaniu symulatora możliwe jest uzyskanie informacji o stanie sieci w różnych konfiguracjach w celu przeprowadzenia procedury projektowania detektora z użyciem uczenia pod nadzorem, co również jest prezentowane w pracy.

EN

The paper examines the problem of detecting unauthorized energy consumption from the electric network by identifying connected devices. The estimation of the network condition, understood as a set of connected systems, together with a set list of approved devices, allows to determine whether an unauthorized consumption is taking place at a given moment. In order to detect devices, it is proposed to use a simple method based on the analysis of high-frequency electromagnetic noise (EMI) induced in the supply voltage signal. This solution allows for central measurement in one place – without the need to install sensors in numerous points of potential current consumption. Based on the measurement data of the EMI signal, a simulator was implemented that synthesized data resembling actual spectrograms. Thanks to the use of the simulator, it is possible to obtain information about the state of the network in various configurations in order to carry out the detector design procedure using supervised learning, which is also presented in the paper.