Wyniki wyszukiwania - BazTech

1

Real-time operational load monitoring of a composite aerostructure using FPGA-based computing system

Mucha Waldemar

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2024

|

Vol. 72, nr 1

art. no. e148251

EN

Operational load monitoring (OLM) is an industrial process related to structural health monitoring, where fatigue of the structure is tracked. Artificial intelligence methods, such as artificial neural networks (ANNs) or Gaussian processes, are utilized to improve efficiency of such processes. This paper focuses on moving such processes towards green computing by deploying and executing the algorithm on low-power consumption FPGA where high-throughput and truly parallel computations can be performed. In the following paper, the OLM process of typical aerostructure (hat-stiffened composite panel) is performed using ANN. The ANN was trained using numerically generated data, of every possible load case, to be working with sensor measurements as inputs. The trained ANN was deployed to Xilinx Artix-7 A100T FPGA of a real-time microcontroller. By executing the ANN on FPGA (where every neuron of a given layer can be processed at the same time, without limiting the number of parallel threads), computation time could be reduced by 70% as compared to standard CPU execution. Series of real-time experiments were performed that have proven the efficiency and high accuracy of the developed FPGA-based algorithm. Adjusting the ANN algorithm to FPGA requirements takes some effort, however it can lead to high performance increase. FPGA has the advantages of many more potential parallel threads than a standard CPU and much lower consumption than a GPU. This is particularly important taking into account potential embedded and remote applications, such as widely performed monitoring of airplane structures.

2

Machine learning for two-phase gas-liquid flow regime evaluation based on raw 3D ECT measurement data

Wajman Radosław, Nowakowski Jacek, Łukiański Michał, Banasiak Robert

Bulletin of the Polish Academy of Sciences. Technical Sciences

|

2024

|

Vol. 72, nr 1

art. no. e148842

EN

This paper presents a study on applying machine learning algorithms for the classification of a two-phase flow regime and its internal structures. This research results may be used in adjusting optimal control of air pressure and liquid flow rate to pipeline and process vessels. To achieve this goal the model of an artificial neural network was built and trained using measurement data acquired from a 3D electrical capacitance tomography (ECT) measurement system. Because the set of measurement data collected to build the AI model was insufficient, a novel approach dedicated to data augmentation had to be developed. The main goal of the research was to examine the high adaptability of the artificial neural network (ANN) model in the case of emergency state and measurement system errors. Another goal was to test if it could resist unforeseen problems and correctly predict the flow type or detect these failures. It may help to avoid any pernicious damage and finally to compare its accuracy to the fuzzy classifier based on reconstructed tomography images – authors’ previous work.

3

Wybrane zagadnienia analizy szeregów czasowych

Adamski Krzysztof

Zeszyty Naukowe Warszawskiej Wyższej Szkoły Informatyki

|

2023

|

nr 29

7--104

PL

Artykuł obejmuje przegląd wybranych zagadnień związanych z analizą i predykcją szeregów czasowych zawierających dane z notowaniami giełdowymi. Przedstawiona została taksonomia szeregów czasowych oraz scharakteryzowane główne kierunki spotykane w analizie danych giełdowych. Szerzej opisane zostały wybrane narzędzia analizy technicznej. W kolejnych rozdziałach dokonany został przegląd wybranych metod uczenia maszynowego, zarówno metod algorytmicznych jak i metod wykorzystujących sieci neuronowe, przydatnych w analizie i predykcji szeregów czasowych.

EN

The article provides an overview of selected problems related to the analysis and prediction of time series containing stock market data. The taxonomy of time series is presented, and the main directions encountered in the analysis of financial data are characterized. Selected tools of technical analysis are described in more detail. Subsequent chapters provide a review of selected machine learning methods, divided into a section on algorithmic methods and a section on neural networks useful in the analysis and prediction of time series.

4

The use of neural networks to forecast the number of road accidents in Poland

Gorzelańczyk Piotr

Zeszyty Naukowe. Transport / Politechnika Śląska

|

2023

|

z. 118

45--54

EN

Every year, a large number of traffic accidents occur on Polish roads. However, the pandemic of recent years has reduced the number of these accidents, although the number is still very high. For this reason, all measures should be taken to reduce this number. This article aims to forecast the number of road accidents in Poland. Thus, using Statistica software, the annual data on the number of road accidents in Poland were analyzed. Based on actual past data, a forecast was made for the future, for the period 2022-2040. Forecasting the number of accidents in Poland was conducted using selected neural network models. The results show that a reduction in the number of traffic accidents is likely. The choice of the number of random samples (learning, testing and validation) affects the results obtained.

5

Precision diagnostics of a diesel engine under agricultural tractor operating conditions

Vrublevskyi Oleksandr, Gonera Jarosław, Napiórkowski Jerzy

Transport Problems

|

2023

|

T. 18, z. 2

181--194

EN

This paper presents a method for the precise diagnosis of a diesel engine in an agricultural tractor based on the analysis of efficiency changes and parameters characterizing the process of fuel-air mixture preparation. We proposed that the technical condition be identified based on available data from the engine controller, as this enables the implementation of precise online diagnostics of an agricultural tractor. The method was verified using the original cycle, during which we simulated several engine defects leading to a change in conditions and quality of the processes of creating and burning the fuel/air/flue gas mixture. In the paper, we justified the selection of the points at which the engine parameters were measured, as they provide the most information and allow for efficient identification of damage. These results indicate the possibility of damage identification without the use of the diagnostic cycle in the operation of operator-driven vehicles and autonomous vehicles.

6

Machine learning based network anomaly detection with protection against adversarial attacks

Vejar Andres, Chołda Piotr

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

117--120

EN

Neural network based implementations for anomaly detection are proven to be successful for a range of communications applications. The inclusion of these automated methods involves vulnerability to adversarial attacks that affect a broad range of models. An adversarial attack consists in fabrication of small variations with respect to the standard data input, with the property of triggering a failure in the classification task at hand. In this study we present a review on adversarial environments, and we describe the preliminary results of our system architecture for the analysis of adversarial-resilient network anomaly detection systems.

PL

Implementacja sieci neuronowych do wykrywania anomalii sieciowych cieszy się dużym powodzenie. Niestety, tego rodzaju zautomatyzowane metody detekcji są podatne na tzw. ataki adwersaryjne. Atak tego rodzaju polega na spreparowaniu niewielkich odchyleń w stosunku do standardowych danych, co powoduje niepowodzenie w zakresie wykorzystywanego zadania klasyfikacji. Przedstawiamy przegląd metod wykrywania prowadzenia ataków adversaryjnych oraz opisujemy wstępne wyniki uzyskane dzięki zaproponowanej architekturze systemu mającego zapewnić odporność na takie ataki.

7

Implementacja metody ukrywania danych w obrazach z wykorzystaniem sieci generatywnych

Walczyna Tomasz, Piotrowski Zbigniew

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

313--316

PL

W artykule przedstawiamy metodę ukrywania danych w obrazach z użyciem sieci generatywnych - GAN (Generative Adversarial Networks), do generowania obrazów zawierających ukryte dane. Proponowana metoda pozwala na efektywne ukrywanie danych w obrazach, co może znaleźć zastosowanie w wielu dziedzinach, takich jak ochrona prywatności, steganografia, czy znakowanie wodne. Przedstawione w artykule wyniki stanowią podstawę do dalszych badań nad ulepszaniem metody i jej zastosowaniem w praktyce.

EN

This paper presents a method for hiding data in images using Generative Adversarial Networks (GAN) to generate images with secret data. The proposed method makes it possible to hide data in images effectively, which can find applications in many fields, such as privacy protection, steganography, and watermarking. The results presented in the article provide a basis for further research on improving the method and its application in practice.

8

Algorytm ukrywania danych w obrazie oparty na klasyfikacji do wykrywania i rozpoznawania ukrytych informacji

Duszejko Paweł, Piotrowski Zbigniew

Przegląd Telekomunikacyjny + Wiadomości Telekomunikacyjne

|

2023

|

nr 4

337--340

PL

W artykule przedstawiono innowacyjny algorytm ukrywania danych w obrazach oparty na klasyfikacji. Metoda pozwala na niezauważalne dla ludzkiego oka ukrycie danych, a jednocześnie zapewnia możliwość ich późniejszego wykrycia i rozpoznania bez konieczności posiadania klucza lub oryginalnego obrazu. Przeprowadzone eksperymenty potwierdzają skuteczność i niezawodność tej metody w porównaniu z innymi algorytmami. Proponowane rozwiązanie może się przyczynić do rozwoju takich dziedzin jak: bezpieczeństwo informacyjne, ochrona prywatności, autoryzacja i znakowanie wodne.

EN

The article presents an innovative algorithm for data hiding in images based on classification. The method allows imperceptible data hiding to the human eye while also providing the ability to later detect and recognise the hidden data without needing a key or the original image. The conducted experiments confirm the effectiveness and reliability of this method compared to other algorithms. The proposed solution can contribute to developing fields such as information security, privacy protection, authentication, and watermarking.

9

Artificial intelligence: evolution, developments, applications, and future scope

Raj Ravi, Kos Andrzej

Przegląd Elektrotechniczny

|

2023

|

R. 99, nr 2

1--13

EN

Artificial intelligence (AI) or Machine Intelligence (MI) is the most important and interesting technology in recent decades due to its vast application in almost every field of science and engineering. The MI techniques are the study of making intelligent machines that have human-like behaviors. The speedy advancement in this area has triggered the curiosity of many technologists, and researchers around the world, and various companies across several domains are inquisitive to explore its capabilities. AI technology is continuously changing the landscape of businesses as well as the personal and social activities of human beings due to advancements and research in this field. For any field which has obtained so much popularity in a very short duration, it is essential that technologists who focus on endeavors in AI, study its evolution, developments, applications, and future aspects of augmentation to achieve a better intuition into the area. This paper presents a comprehensive study of the past, present, and future aspects of AI technology for researchers and technologists. In this paper, we discuss the evolution, historical developments, important breakthroughs in continuous research, real-world applications, challenges of AI implication, and the future perspective of AI technology. Finally, we have discussed the role of AI in the optimization of the Integrated Circuit (IC).

PL

Sztuczna inteligencja (AI) lub inteligencja maszyn (MI) to najważniejsza i najbardziej interesująca technologia ostatnich dziesięcioleci ze względu na jej szerokie zastosowanie w niemal każdej dziedzinie nauki i inżynierii. Techniki MI to nauka o tworzeniu inteligentnych maszyn o ludzkich zachowaniach. Szybki postęp w tej dziedzinie wzbudził ciekawość wielu technologów i badaczy na całym świecie, a różne firmy z kilku dziedzin są zainteresowane zbadaniem jego możliwości. Technologia AI nieustannie zmienia krajobraz firm, a także osobiste i społeczne działania ludzi dzięki postępom i badaniom w tej dziedzinie. W przypadku każdej dziedziny, która zyskała tak dużą popularność w bardzo krótkim czasie, niezbędne jest, aby technolodzy, którzy koncentrują się na przedsięwzięciach w dziedzinie sztucznej inteligencji, badali jej ewolucję, rozwój, zastosowania i przyszłe aspekty rozszerzenia, aby uzyskać lepszą intuicję w tej dziedzinie. Niniejszy artykuł przedstawia kompleksowe badanie przeszłych, obecnych i przyszłych aspektów technologii sztucznej inteligencji dla badaczy i technologów. W tym artykule omawiamy ewolucję, wydarzenia historyczne, ważny przełom w ciągłych badaniach, zastosowania w świecie rzeczywistym, wyzwania związane z implikacją AI oraz przyszłe perspektywy technologii AI. Na koniec omówiliśmy rolę AI w optymalizacji układu scalonego (IC).

10

Using neural networks to examine trending keywords in Inventory Control

Sadowski Adam, Sadowski Michał, Engelseth Per, Galar Zbigniew, Skowron-Grabowska Beata

Production Engineering Archives

|

2023

|

Vol. 29, Iss. 4

474-489

EN

Inventory control is one of the key areas of research in logistics. Using the SCOPUS database, we have processed 9,829 articles on inventory control using triangulation of statistical methods and machine learning. We have proven the usefulness of the proposed statistical method and Graph Attention Network (GAT) architecture for determining trend-setting keywords in inventory control research. We have demonstrated the changes in the research conducted between 1950 and 2021 by presenting the evolution of keywords in articles. A novelty of our research is the applied approach to bibliometric analysis using unsupervised deep learning. It allows to identify the keywords that determined the high citation rate of the article. The theoretical framework for the intellectual structure of research proposed in the studies on inventory control is general and can be applied to any area of knowledge.

11

A Survey on Fault-Tolerant Methodologies for Deep Neural Networks

Syed Rizwan Tariq, Ulbricht Markus, Piotrowski Krzysztof, Krstic Milos

Pomiary Automatyka Robotyka

|

2023

|

R. 27, nr 2

89--98

EN

Asignificant rise in Artificial Intelligence (AI) has impacted many applications around us, so much so that AI has now been increasingly used in safety-critical applications. AI at the edge is the reality, which means performing the data computation closer to the source of the data, as opposed to performing it on the cloud. Safety-critical applications have strict reliability requirements; therefore, it is essential that AI models running on the edge (i.e., hardware) must fulfill the required safety standards. In the vast field of AI, Deep Neural Networks (DNNs) are the focal point of this survey as it has continued to produce extraordinary outcomes in various applications i.e. medical, automotive, aerospace, defense, etc. Traditional reliability techniques for DNNs implementation are not always practical, as they fail to exploit the unique characteristics of the DNNs. Furthermore, it is also essential to understand the targeted edge hardware because the impact of the faults can be different in ASICs and FPGAs. Therefore, in this survey, first, we have examined the impact of the fault in ASICs and FPGAs, and then we seek to provide a glimpse of the recent progress made towards the fault-tolerant DNNs. We have discussed several factors that can impact the reliability of the DNNs. Further, we have extended this discussion to shed light on many state-of-the-art fault mitigation techniques for DNNs.

PL

Znaczący rozwój sztucznej inteligencji (SI) wpływa na wiele otaczających nas aplikacji, do tego stopnia, że SI jest obecnie coraz częściej wykorzystywana w aplikacjach o krytycznym znaczeniu dla bezpieczeństwa. Sztuczna inteligencja na brzegu sieci (Edge) jest rzeczywistością, co oznacza wykonywanie obliczeń na danych bliżej źródła danych, w przeciwieństwie do wykonywania ich w chmurze. Aplikacje o krytycznym znaczeniu dla bezpieczeństwa mają wysokie wymagania dotyczące niezawodności; dlatego ważne jest, aby modele SI działające na brzegu sieci (tj. sprzęt) spełniały wymagane standardy bezpieczeństwa. Z rozległej dziedziny sztucznej inteligencji, głębokie sieci neuronowe (DNN) są centralnym punktem tego badania, ponieważ nadal przynoszą znakomite wyniki w różnych zastosowaniach, tj. medycznych, motoryzacyjnych, lotniczych, obronnych itp. Tradycyjne techniki niezawodności implementacji w przypadku DNN nie zawsze są praktyczne, ponieważ nie wykorzystują unikalnych cech DNN. Co więcej, istotne jest również zrozumienie docelowego sprzętu brzegowego, ponieważ wpływ usterek może być różny w układach ASIC i FPGA. Dlatego też w niniejszym przeglądzie najpierw zbadaliśmy wpływ usterek w układach ASIC i FPGA, a następnie staramy się zapewnić wgląd w ostatnie postępy poczynione w kierunku DNN odpornych na błędy. Omówiliśmy kilka czynników, które mogą wpływać na niezawodność sieci DNN. Ponadto rozszerzyliśmy tę dyskusję, aby rzucić światło na wiele najnowocześniejszych technik ograniczania błędów w sieciach DNN.

12

Prediction of Road Subsidence Caused by Underground Mining Activities by Artificial Neural Networks

Nguyen Hung Viet, Le Duyen Quang, Nguyen Long Quoc, Lipecki Tomasz

Inżynieria Mineralna

|

2023

|

no. 2, vol. 1

335--340

EN

Mining-induced road subsidence is a significant concern in areas with extensive underground mining activities. Therefore, the prediction of road subsidence is crucial for effective land management and infrastructure planning. This paper applies an artificial neural network (ANN) to predict road subsidence caused by underground mining activities in Vietnam. The ANN model proposed in this study is adopted relying on the recursive multistep prediction process, in which the predicted value in the previous step is appended to the time series to predict the next value. The entire dataset of 12 measured epochs covering 12 months with a 1-month repeat time is divided into the training set by the first 9 measured epochs and the test set by the last 3 measured epochs. K-fold cross validation is first applied to the training set to determine the best model’s hyperparameters, which are then adopted to predict land subsidence of the test set. Absolute errors of the predicted road subsidence depend on the separated time between the last measured epoch and the predicted epoch. Those errors at the 10th month of the three tested points are 3.0%, 0.1 %, and 0.1%, which increase to 4.8%, 3.3%, and 1.5% at the 11th month, and 7.2%, 2.5% and 1.3% at the 12th month. The absolute errors are found to be small, which were all ranged with 0.5 mm and demonstrates that the proposed method utilizing ANN in this study can produce good prediction for road subsidence time series at mining areas.

13

Features of the implementation of computer vision in the problems of automated product quality contro

Stelmakh Nataliia, Mastenko Ihor, Sulima Olga, Rudyk Tetiana

Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska

|

2023

|

T. 13, nr 1

38--41

EN

The article analyzes the fields of application of machine vision. Special attention is focused on the application of Machine Vision in intelligent technological systems for product quality control. An important aspect is a quick and effective analysis of product quality directly at the stage of the technological process with high accuracy in determining product defects. The appropriateness and perspective of using the mathematical apparatus of artificial neural networks for the development of an intelligent technological system for monitoring the geometric state of products have been demonstrated. The purpose of this study is focused on the identification and classification of reed tuber quality parameters. For this purpose, new methods of identification and classification of quality control of various types of defects using computer vision and machine learning algorithms were proposed.

PL

W artykule dokonano analizy obszarów zastosowań widzenia maszynowego. Szczególną uwagę zwrócono na zastosowanie widzenia maszynowego w inteligentnych systemach technologicznych kontroli jakości wyrobów. Ważnym aspektem jest szybka i skuteczna analiza jakości produktu bezpośrednio na etapie procesu technologicznego z dużą dokładnością w określaniu wad produktu. Pokazano celowość i perspektywę wykorzystania aparatu matematycznego sztucznych sieci neuronowych do budowy inteligentnego systemu technologicznego do monitorowania stanu geometrycznego wyrobów. Celem badań jest identyfikacja i klasyfikacja parametrów jakościowych rurek trzcinowych. W tym celu zaproponowano nowe metody identyfikacji i klasyfikacji kontroli jakości różnego rodzaju defektów z wykorzystaniem wizji komputerowej i algorytmów uczenia maszynowego.

14

Wdrażanie użytkownika w tematykę programowania i sieci neuronowych

Błaszczuk Karolina, Piotrowski Zbigniew Marek

Elektronika : konstrukcje, technologie, zastosowania

|

2023

|

Vol. 64, Nr 9

10--14

PL

Programowanie oraz sztuczne sieci neuronowe są obecnie jednymi z najważniejszych dziedzin informatyki, które znajdują zastosowa nie w wielu obszarach życia, takich jak przetwarzanie obrazów, roz poznawanie mowy, czy też analiza finansowa [1]. W artykule zostały przedstawione podstawy programowania oraz budowy sieci neu ronowych, ze szczególnym uwzględnieniem biblioteki TensorFlow oraz środowiska Google Colab. Zaprezentowane zostały również dwie praktyczne koncepcje tworzenia modelu sieci neuronowej wraz z omówieniem specyfiki kodu. Artykuł jest przeznaczony dla początkujących inżynierów, którzy pragną rozpocząć swoją przy godę z programowaniem.

EN

Programming and artificial neural networks are now one of the most important areas of computer science, with applications in many areas of life, such as image processing, speech reco gnition or financial analysis. This paper will present the basics of programming and building neural networks, with a focus on the TensorFlow library and the Google Colab environment. It also discusses two practical concepts of creating a neural network model along with a discussion of the specifics of the code. The article is aimed at young engineers who wish to start their adventure in programming.

15

Sieci neuronowe i metody uczenia maszynowego w modelowaniu i sterowaniu akceleratorów cząstek : rozwój sieci neuronowych i przykład wdrożenia w systemie chłodzenia fotoinżektora w instalacji FAST

Bułka Sylwester

Elektronika : konstrukcje, technologie, zastosowania

|

2023

|

Vol. 64, Nr 3

33--39

PL

Akceleratory cząstek mogą być idealnym poligonem doświadczalnym dla technik opartych na sieciach neuronowych. Wiele wczesnych prób zastosowania sieci neuronowych w akceleratorach cząstek przyniosło mierne wyniki ze względu na względną niedojrzałość technologii do takich zadań. Opisano najnowsze postępy w technikach sieci neuronowych, omówiono niektóre obiecujące możliwości włączenia sieci neuronowych do systemów sterowania akceleratorami cząstek, opisano system sterowania rezonansem inżektora działa elektronowego w kompleksie Fermilab Accelerator Science and Technology (FAST) oraz scharakteryzowane szczegółowo niektóre zagadnienia techniczne istniejącego systemu w celu stworzenia projektu nowego systemu sterowania opartego na sieciach neuronowych.

EN

Particle accelerators can be an ideal test-beds for NN-based techniques. Many early attempts to apply neural networks to particle accelerators yielded mixed results due to the relative immaturity of the technology for such tasks. The recent advances in neural network techniques were described, some promising avenues for incorporating neural networks into particle accelerator control systems was discussed, a control system for resonance control of an RF electron gun at the Fermilab Accelerator Science and Technology (FAST) facility has been described and some detailed technical issues of an existing system characterized for new neural network-based control system design.

16

Sieci neuronowe i metody uczenia maszynowego w modelowaniu i sterowaniu akceleratorów cząstek : przykład wdrożenia kontrolera NN w systemie chłodzenia fotoinżektora w instalacji fast wieloparametrowa ocena wydajności

Bułka Sylwester

Elektronika : konstrukcje, technologie, zastosowania

|

2023

|

Vol. 64, Nr 4

28--34

PL

Głównym celem opisanych prac badawczych i wdrożeniowych, było opracowanie kontrolera opartego na sieciach neuronowych, dostosowującego ustawienia częstotliwości fali zasilającej wnękę działa elektronowego i mocy ogrzewacza HP tak, aby uzyskiwać żądaną częstotliwość rezonansową. Dodatkowo, jego zadaniem powinno być kontrolowanie szybkości, z jaką moc RF jest doprowadzana do wartości operacyjnej podczas włączania. Dla każdej kandydującej architektury modelu i zestawu danych wejściowych przeszkolono kilka indywidualnych sieci, a następnie przetestowano na zestawach wyselekcjonowanych danych. Ze względu na długie stałe czasowe przepływu wody powrotnej z działa i obecność dwóch zmiennych kontrolowanych, został wybrany schemat modelu sterowania predykcyjnego (Model Predictive Control - MPC), w którym model systemu i algorytmy optymalizacji są używane w celu określenia optymalnej sekwencji przyszłych działań kontrolera takich, że docelowy stan wyjścia zostanie osiągnięty w jakimś przyszłym horyzoncie czasowym, Taki schemat jest przydatny do kompensacji opóźnionego zachowania systemu. Ponadto, jeśli seria przyszłych nastaw jest znana z góry, sterownik może działać wyprzedzająco. Zaprezentowane zostały wyniki zarejestrowane w procesie regulacji. Rozważono możliwości modyfikacji i rozszerzeń sterownika tak, aby żądana operacyjna moc RF osiągana była bez znaczącego wzrostu mocy fali odbitej.

EN

The main goal of described research and implementation work was to develop a controller based on neural networks, adjusting frequency of RF power to the cavity of electron gun and the power of the heater to obtain the desired resonant frequency. In addition, its function should be to control the rate at which RF power is brought to operational value during power-up. For each candidate model architecture and input data set, several individual networks were trained and then tested on selected data sets. Due to the long-time constants of the return water flow from the gun and the presence of two controlled variables, a Model Predictive Control (MPC) scheme was chosen, where the system model and optimization algorithms are used to determine the optimal sequence of future controller actions such as the target output state will be reached in determined time horizon. Such a scheme is useful for compensation of delayed systems performance. In addition, if a series of future settings are known in advance, the controller can act with prediction. The results recorded during regulation process were presented. Possibilities of modifications and extensions of the controller were considered so that the required operational RF power was achieved without a significant increase in the reflected wave power.

17

Sieci neuronowe i metody uczenia maszynowego w modelowaniu i sterowaniu akceleratorów cząstek : wprowadzenie, ogólna charakterystyka systemów i polityki sterowania

Bułka Sylwester

Elektronika : konstrukcje, technologie, zastosowania

|

2023

|

Vol. 64, Nr 2

23--28

PL

W akceleratorach cząstek ma miejsce niezliczona ilość skomplikowanych i nieliniowych zjawisk fizycznych. Dodając do tego nieodłączne złożoności interakcji, które często obejmują wiele oddziałujących na siebie systemów, wykazują długoterminowe cykle procesowe i zmiany parametrów poszczególnych elementów maszyny w czasie. Ponadto, poza dużymi ośrodkami akceleratorowymi, zaangażowanie w nich na co dzień wysoko wykwalifikowanych operatorów i techników jest często ekonomicznie nieuzasadnione. Jednym ze sposobów sprostania tym wyzwaniom jest zastosowanie intensywnie udoskonalanych technik z dziedziny uczenia maszynowego (ML) i sztucznej inteligencji (AI) w projektowaniu systemów sterowania akceleratorami cząstek. W szczególności, dobrze sprawdzają się techniki oparte na sieciach neuronowych (NN) do modelowania, sterowania i analizy diagnostycznej złożonych systemów o zmiennych w czasie parametrach i systemów operujących na wielkiej ilości danych i metadanych. Techniki te mogą być stosowane w połączeniu z rzeczywistym obiegiem danych maszynowych, uwzględniając dodatkowo zakłócenia, zmienne opóźnienia, subtelne korelacje statystyczne i złożone efekty, które mogą nie być łatwo przewidziane z wyprzedzeniem. NN mogą być również przydatne w przypadkach gdzie dokładne dane z symulacji lub innych obliczeń wprawdzie są osiągalne, ale niektóre korelacje muszą być obliczane błyskawicznie w celu efektywnego wdrożenia nastaw w czasie rzeczywistym.

EN

Particle accelerators are host to many nonlinear and complex physical phenomena. They often involve a multitude of interacting systems, are subject to tight performance demands, and should be able to run for extended periods of time with minimal interruptions. Often times, traditional control techniques cannot fully meet these requirements. One promising avenue is to introduce machine learning and sophisticated control techniques inspired by artificial intelligence, particularly in light of recent theoretical and practical advances in these fields. Within machine learning and artificial intelligence, neural networks are particularly well-suited to modeling, control, and diagnostic analysis of complex, nonlinear, and time-varying systems, as well as systems with large parameter spaces. Consequently, the use of neural network-based modeling and control techniques could be of significant benefit to particle accelerators. One path toward meeting these challenges is the incorporation of recently improved techniques from the fields of machine learning (ML) and artificial intelligence (AI) into the design of control systems for particle accelerators. In particular, techniques based on neural networks (NNs) are well-suited to modeling, control, and diagnostic analysis of complex, time varying systems, and systems with large parameter spaces. These techniques can be used in conjunction with actual machine data, thereby accounting for noise, variable delays, subtle statistical correlations, and complex effects that may not be easily addressed a priori. NNs can also be useful in cases where accurate data from simulations or some other computationally intensive procedure is available, but the input-output relationship needs to be computed more rapidly for effective real-time deployment.

18

Fault detection and diagnosis of photovoltaic system based on neural networks approach

Rahmoune Ben Mohamed, Iratni Abdelhamid, Amari Amel Sabrine, Hafaifa Ahmed, Colak Ilhami

Diagnostyka

|

2023

|

Vol. 24, No. 3

art. no. 2023303

EN

Solar energy has become one of the most important renewable energies in the world. With the increasing installation of power plants in the world, the supervision and diagnosis of photovoltaic systems have become an important challenge with the increased occurrence of various internal and external faults. Indeed, this work proposes a new solar power plant diagnosis based on the artificial neural network approach. The developed model was to improve the performance and reliability of the power plant located in Tamanrasset, Algeria, which is subjected to varying weather conditions in terms of radiation and ambient temperature. By using the real data collected from the studied system, this approach allow to increase electricity production and address any issues that may arise quickly, ensuring uninterrupted power supply for the region. Neural networks have shown interesting results with high accuracy. This fault diagnosis approach allows to determine the time of occurrence of a fault affecting the examined PV system. Also, allow an early detection of failures and degradation of the system, which contributes to improving the productivity of this photovoltaic installation. With a significant reduction in the time needed to repair the damage caused by these faults and improve the reliability and continuity of the electrical energy production service.

19

The material and economic assessment of the life cycle of city buses in the operational phase

Regulski Paweł

Combustion Engines

|

2023

|

R. 62, nr 1

50--54

EN

The aim of the article is the material and economic assessment of the life cycle of city buses with combustion engines. As part of the analysis, the analyzed parameters were optimized using neural networks with the use of a regression model. As part of the life cycle assessment criteria, three types of Solaris Urbino buses were analyzed. As a result of the research carried out for buses, the results were obtained regarding the optimal duration of operation, the number and cost of oil, air and fuel filter changes, and the replacement period of buses. The presented research and analyzes have a significant impact on the processes of purchasing and operating city buses.

20

Assessment of the life cycle of city buses with diesel and electric drive in the operation phase

Regulski Paweł

Combustion Engines

|

2023

|

R. 62, nr 2

117--121

EN

The aim of the article is to analyze the impact of operation on the life cycle assessment of city buses with diesel and electric drive using neural networks based on source data. Two types of diesel buses and two types of electric buses were tested. As a result of the conducted tests, the following optimal values were obtained for buses: operation time, number of inspections, daily refueling time or battery charging time, general efficiency, emissions. The adopted values of the life cycle assessment criteria are optimal for electric and electric city buses. The presented research and analyzes have a significant impact on the processes related to the organization of public transport.