Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników

Znaleziono wyników: 21

Liczba wyników na stronie
first rewind previous Strona / 2 next fast forward last
Wyniki wyszukiwania
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 2 next fast forward last
EN
The paper presents research results on predicting the [UTC - UTC(k)] deviations by the means of GMDH-type neural network and data prepared in the form of time series built on the basis of [UTC - UTC(k)] and [UTCr - UTC(k)] deviations for the Austrian Timescale UTC(BEV) and the Lithuanian Timescale UTC(LT). The obtained results confirmed the possibility of applying the UTC Rapid scale for predicting the [UTC - UTC(k)] deviations by the means of GMDH-type neural network.
PL
W pracy przedstawiono wyniki badań nad prognozowaniem odchyleń [UTC - UTC(k)] przy użyciu sieci neuronowej typy GMDH i danych przygotowanych w formie szeregu czasowego, zbudowanego na podstawie wartości odchyleń [UTC - UTC(k)] oraz [UTCr - UTC(k)], dla Austriackiej Skali Czasu UTC(BEV) oraz Litewskiej Skali Czasu UTC(LT). Otrzymane wyniki badań potwierdziły możliwość zastosowania skali UTC Rapid do prognozowania odchyleń [UTC - UTC(k)] w oparciu o sieci neuronowe typu GMDH.
2
Content available remote Inteligentne podstacje elektroenergetyczne
PL
W artykule przedstawiono architekturę komunikacyjną inteligentnych podstacji elektroenergetycznych bazującą na standardzie komunikacyjnym Ethernet oraz na obiektowym modelu reprezentacji danych. Zarysowano podstawy standardu IEC 61850 i przedstawiono podstawowe elementy tego standardu zapewniające interoperacyjność pomiędzy urządzeniami instalowanymi w podstacjach, pomiędzy podstacjami oraz podstacji z centrami nadzoru obszarowego i krajowego.
EN
The article presents a communication architecture of an intelligent power substations based on Ethernet standard communication and object-oriented data model representation. The fundamentals of IEC 61850 standard are outlined and the basic elements of this standard to ensure interoperability between devices installed in substations, between substations and substations and zonal or national supervision centers are presented.
3
Content available remote Dependence of mobile robot task scheduling on fitness functions
EN
The results of simulation studies designed to assess two of the fitness functions (Or1 and Or2) for the GRASP algorithm used in the elastic scheduling task model (ESTM) have been presented in the paper. The obtained results indicate that the GRASP algorithm with the fitness function Or2 was better at choosing new settings for Tsel to exploit the hardware resources of a mobile robot. Furthermore, it has been found that for Or2 new settings for Tsel are closer to Tnom than Tmax (task cycle execution is reduced which enables a quicker response of a mobile robot to events).
PL
W artykule przedstawiono wyniki badań symulacyjnych umożliwiających ocenę dwóch opracowanych funkcji celu (Or1 i Or2) dla algorytmu GRASP zastosowanego w elastycznym modelu szeregowania zadań. Otrzymane wyniki badań wskazują, że dla funkcji celu Or2 nowe nastawy Tsel lepiej dopasowały wykorzystanie zasobów sprzętowych robota mobilnego do założonej wartości. Ponadto dla Or2 stwierdzono bliższy dobór wartości Tsel do Tnom niż Tmax (cykl wykonywania zadań skraca się, przez co robot mobilny może szybciej reagować na zdarzenia).
PL
W artykule przedstawiono wyniki badań, których celem było sprawdzenie, czy wprowadzenie na wejście sieci neuronowej (SN) typu MLP i GMDH dodatkowych danych wejściowych, charakteryzujących pracę zegarów atomowych, wpłynie korzystnie na wynik prognozowania poprawki dla UTC(PL). Otrzymane wyniki wskazują, że kluczowym aspektem jest dobór SN. Dla SN typu GMDH wpływ dodatkowych danych jest niewielki. SN tego typu osiąga lepsze wyniki w prognozowaniu poprawki dla UTC(PL), niż sieć typu MLP.
EN
The paper presents the results of investigations whose aim was to examine whether the insertion of additional input data for MLP and GMDH neural networks would increase compliance of the UTC(PL) with UTC. The primary input vector in the training process of the network included historical data of measurements of the phase time between the UTC and atomic clock (Cs2). Additional input vectors were made in two ways. The first way results from the rules of determining the UTC time scale, which is computed as a weighted average based on continuous comparisons of more than 300 atomic clocks located in laboratories of many countries around the world. Hence, the input data containing the historical data, characterizing the behavior of two additional atomic clocks whose results are available in the Central Office of Measures (GUM), was added to the study. These clocks are to "imitate" the gait of atomic clocks used to calculate the UTC time scale. The second way is related to the results of previous studies, which indicate that the quality of predicting the corrections for the UTC(PL) depends on the atomic clock gait instability. The measure of this instability is the Allan deviation. That is why, an additional input data containing the Allan deviation gait characterizing the atomic clock Cs2 gait instability was added to the study. Selection of a neural network has very large impact on the results. In the case of the MLP neural network the insertion of additional input data resulted in a smaller value of the prediction error, and in the case of the GMDH networks insertion of an additional input data affected the final prediction result to a small extent.
EN
The paper presents a new elastic scheduling task model which has been used in the uniprocessor node of a control measuring system. This model allows the selection of a new set of periods for the occurrence of tasks executed in the node of a system in the case when it is necessary to perform additional aperiodic tasks or there is a need to change the time parameters of existing tasks. Selection of periods is performed by heuristic algorithms. This paper presents the results of the experimental use of an elastic scheduling model with a GRASP heuristic algorithm.
PL
Międzynarodowe Biuro Wag i Miar (BIPM) jest organizacją zajmującą się m.in. wyznaczaniem Uniwersalnego Czasu Skoordynowanego UTC (ang. Universal Coordinated Time). Za fizyczną realizację poszczególnych krajowych skal czasu UTC(k) odpowiedzialne są narodowe laboratoria czasu. Polska skala czasu UTC(PL) jest realizowana w Głównym Urzędzie Miar (GUM) przy użyciu komercyjnego cezowego zegara atomowego typu HP 5071 A oraz urządzenia (Microstepper Austron 2055), dzięki któremu możliwe jest wprowadzanie poprawek do systemu, aby zapewnić jak największą zgodność UTC(PL) z UTC. W każdym miesiącu BIPM publikuje poprawki dla poszczególnych krajowych skal czasu UTC(k). Poprawki te są publikowane około 10 dnia następnego miesiąca. Narodowe laboratoria czasu prognozują wartości poprawek, aby zapewnić jak największą zgodność UTC(k) z UTC. Obecnie w BIPM realizowany jest projekt „UTC Rapid”. Głównym założeniem projektu jest częstsze publikowanie poprawek UTC(k) względem UTCr dla krajowych skal czasu. Poprawki są prognozowane na każdy dzień i publikowane raz w tygodniu. Celem prowadzonych badań było sprawdzenie możliwości zastosowania sieci neuronowych GMDH, należących do grupy sieci samoorganizujących się, do prognozowania poprawek (UTCr-UTC(PL))p na podstawie danych UTCr-UTC(PL) otrzymanych przy realizacji projektu „UTC Rapid”. Podstawowymi danymi uczącymi dla sieci neuronowej GMDH byty wartości poprawek UTC-UTC(PL) Pozostałe dane uczące dla SN, dołączane do podstawowego zbioru danych, były realizowane na dwa sposoby. Pierwszy sposób zakładał wykorzystanie tylko wartości poprawek UTCr-UTC(PL), które sukcesywnie dołączano do podstawowego zbioru przygotowanych poprawek UTC-UTC(PL). W drugim przypadku do podstawowego zbioru danych uczących dodawane były wartości poprawek UTC-UTC(PL) za ostatni miesiąc, po opublikowaniu ich przez BIPM, oraz wartości poprawek UTCr-UTC(PL) dostępne w miesiącu wyznaczania poprawki dla UTC(PL). Otrzymane wyniki z wstępnych badań wskazują, że jest możliwe prognozowanie poprawek dla UTC(PL) na podstawie danych UTC Rapid. Zastosowanie komercyjnego narzędzia GMDH Shell w wersji 2.2 umożliwia uzyskanie bardzo zbliżonych błędów prognozy do błędów obliczonych na podstawie danych z BIPM. Mniejsze wartości błędu prognozy otrzymano dla pierwszego sposobu przygotowania danych wejściowych, dla sieci neuronowej GMDH. Wiąże się to z większą liczbą danych otrzymanych w ramach projektu „UTC Rapid”. Ponadto ważną zaletą sieci GMDH, jest automatyczne dopasowanie struktury i liczby neuronów do charakteru danych podawanych na wejście tej sieci w procesie uczenia, co znacznie skraca czas otrzymania wartości poprawki.
EN
The International Bureau of Weights and Measures (BIPM) is an organization dedicated to maintaining the Universal Coordinated Time (UTC). The physical implementation of individual national scales of UTC(k) is the responsibility of national time laboratories. The Polish timescale UTC(PL) is maintained at the Central Office of Measures (GUM) using a HP 5071 A commercial cesium atomic clock and device (Microstepper Austron 2055), which enables corrections to be made to ensure the maximum compatibility of UTC(PL) with UTC. Each month BIPM designate the corrections for the individual UTC(k). These corrections are published about the 10th day of the following month. In the meantime, national time laboratories predict the corrections to ensure maximum compliance of the UTC(k) with UTC. Currently the BIPM is working on a Rapid UTC project. The main goal of the project is to publish more frequently corrections for UTC(k) relative to UTCr for national time scales. Corrections are predicted for each day and published once a week. The aim of this study is to examine the applicability of the GMDH neural networks, which belong to the group of self-organizing networks, for prediction of the (UTCr-UTC(PL))p corrections based on UTCr-UTC(PL) data obtained in the implementation of a Rapid UTC project. The basic training data used for the GMDH neural network were the values of UTC-UTC(PL) corrections. The rest of the training data for the Neural Networks (NNs), attached to a basic set of data, were collected in two ways. The first method assumed only the use of the UTCr-UTC(PL) corrections, which subsequently were added to the prepared basic set of UTC-UTC(PL) corrections. In the second case, added to the basic training data set of corrections were the UTC-UTC(PL) corrections for the last month, after the publication of the BIPM, and the UTCr-UTC(PL) corrections available in the month of determination of the correction of the UTC(PL). The results of preliminary studies indicate that it is possible to predict the corrections for the UTC(PL) based on Rapid UTC data. The application of a commercial tool GMDH Shell version 2.2 enables prediction errors very close to the prediction errors calculated on the basis of data from the BIPM. Lower prediction error values were obtained with the first method of preparing input data for the GMDH neural network. This is due to a greater number of data received from the Rapid UTC project. An important advantage of the GMDH neural networks is the automatic adjustment of the structure and number of neurons to the nature of the data supplied at its input in the training process, which enables the implementation of the results of the predicted corrections in a short time.
EN
In this paper, the effectiveness of using Artificial Neural Networks (ANNs) for predicting the corrections of the Polish time scale UTC(PL) (Universal Coordinated Time) is presented. In particular, prediction results for the different types of neural networks, i.e., the MLP (MultiLayer Perceprton), the RBF (Radial Basis Function) and the GMDH (Group Method of Data Handling) are shown. The main advantages and disadvantages of using such types of neural networks are discussed. The prediction of corrections is performed using two methods: the time series analysis method and the regression method. The input data were prepared suitable for the above mentioned methods, based on two time series, ts1 and ts2. The designation of prediction errors for specified days and the influence of data quantity for the prediction error are considered. The paper consists of five sections. After Introduction, in Sec. 2, the theoretical background for different types of neural networks is presented. Section 3 shows data preparation for the appropriate type of neural network. The experimental results are presented in Sec. 4. Finally, Sec. 5 concludes the paper.
EN
The article presents results of the influence of the GMDH (Group Method of Data Handling) neural network input data preparation method on the results of predicting corrections for the Polish timescale UTC(PL). Prediction of corrections was carried out using two methods, time series analysis and regression. As appropriate to these methods, the input data was prepared based on two time series, ts1 and ts2. The implemented research concerned the designation of the prediction errors on certain days of the forecast and the influence of the quantity of data on the prediction error. The obtained results indicate that in the case of the GMDH neural network the best quality of forecasting for UTC(PL) can be obtained using the time-series analysis method. The prediction errors obtained did not exceed the value of š 8 ns, which confirms the possibility of maintaining the Polish timescale at a high level of compliance with the UTC.
PL
W artykule przedstawiono analizę właściwości sześciu wybranych algorytmów heurystycznych zastosowanych w elastycznym modelu szeregowania zadań. Z przeprowadzonych analiz wynika, że algorytm heurystyczny GRASP jest najbardziej przydatny w elastycznym modelu szeregowania zadań.
EN
In this paper, the analysis of properties of six heuristic algorithms used in elastic task model scheduling is presented. The usefulness of GRASP heuristic algorithm in the elastic task model scheduling based on the analysis carried out has been confirmed.
EN
In collaboration with the COM, the Institute of Electrical Metrology of the University of Zielona Góra examines the application of neural networks in prediction of corrections for the UTC(PL). The paper presents the findings of the research on application of the GMDH networks for such corrections. In order to implement the learning process of the GMDH networks, two groups of input data sets in the form of time series were prepared. The time series of the first group (sc1) include the results of setting the phase time (tf) which characterizes the daily instability of an atomic clock towards the UTC. The time series of the second group (sc2) include the values of deviations of the phase time (tf) from the long-term trend in its changes described with a linear regression equation. Thus obtained time series were the basis for predicting the values of the corrections for the UTC(PL). The findings allow the statement that the GMDH neural networks are able to achieve the prediction errors, which does not exceed the required value of š10ns. Moreover, they are the networks which, contrary to the MLP and RBF networks, adjust automatically the structure and numbers of the neurons to the nature of the data supplied at the input of the learning process.
PL
W Instytucie Metrologii Elektrycznej Uniwersytetu Zielonogórskiego prowadzone są przy współpracy z GUM prace nad zastosowaniem sieci neuronowych do prognozowania poprawek dla UTC (PL). W pracy przedstawiono wyniki badań związanych z zastosowaniem sieci GMDH do prognozowania tych poprawek. W celu przeprowadzenia procesu uczenia sieci GMDH przygotowano dwie grupy zbiorów danych wejściowych stanowiących szeregi czasowe. W pierwszej grupie szeregi czasowe (sc1) zawierają wyniki wyznaczenia czasu fazowego tf charakteryzującego niestabilność zegara atomowego na każdy dzień w odniesieniu do UTC. W drugiej grupie szeregi czasowe (sc2) zawierają wartości odchyleń czasu fazowego tf od długoterminowego trendu jego zmian opisanego równaniem regresji liniowej. Tak otrzymane szeregi czasowe były podstawą prowadzenia prognozowania wartości poprawek dla UTC (PL). Otrzymane wyniki badań pozwalają stwierdzić, że sieci neuronowe GMDH umożliwiają osiągnięcie błędów prognoz nie przekraczających wymaganej wartości š10ns Ponadto są sieciami, w przeciwieństwie do sieci MLP i RBF, które automatycznie dopasowują strukturę i liczby neuronów do charakteru danych podawanych na jej wejście w procesie uczenia.
PL
W pracy omówiono wyniki badań wpływu typu sieci (MLP, RBF), sposobu przygotowania i rozmiaru wektora danych wejściowych na wynik prognozowania poprawek UTC-UTC(PL) dla atomowego wzorca czasu i częstotliwości. Najkorzystniejsze wyniki prognozowania poprawek osiągnięto dla sieci neuronowych typu RBF, w których dane wejściowe stanowiły wektory zawierające wartości odchyleń od trendu. Otrzymane błędy prognoz nie przekraczają wartości š4ns, co pozwoliło osiągnąć w porównaniu z dotychczasowym sposobem prognozowania opartym na metodzie regresji (prowadzonym w GUM) ponad dwukrotnie lepsze wyniki prognoz.
EN
In the paper there are presented the results of investigations on the influence of type of a neural network (MLP, RBF), the way of preparation and size of the input vector on prediction of the UTC-UTC(PL) corrections for the atomic clock realising the national atomic time scale UTC(PL) at the Central Office of Measures (COM). UTC(PL) is the basis for reproducing the time and frequency units and determining the official time in Poland. At the first stage of research, the time series characterising the time instability of the atomic clock in relation to UTC was a basis for proper preparation of the groups of input data for the assumed types of neural networks (Fig. 1). For the process of learning the neural networks as well as further prediction, the input data was assumed to be formed into 30 or 60 element vectors (Fig. 2). At the second stage, the input data were formed into the vectors containing 30 consecutive values of the deviation of the time series from the trend and, additionally, the linear regression coefficients (Fig. 1). The best results of predicting the corrections were achieved for the RBF neural networks in which the input data were vectors of 30 consecutive values of the deviation from the trend and the directional coefficient of linear regression. The obtained errors of the prediction did not exceed the values of š4ns (Tab. 2), which enabled achieving more than two times better results of the prediction compared with the present way of prediction based on the regression method (used in COM).
EN
The variety of the presented in the article time series characterizing a standard radio frequency (SRF) generator, called for designing appropriate procedures in order to acquire diagnostic knowledge. At the stage of initial input data preparation, methods of time series grouping and analysis were applied. These methods allowed to significantly improving the quality of the acquired knowledge. For the obtained corrected time series, a linear regression model made up of sections described by linear segments was used. This model enables to calculate the factors of the SRF deviation from its nominal value. This allows operators to assess the generator instability as well as to correct the generated signal value.
PL
Zaprezentowana w artykule różnorodność przebiegów czasowych, charakteryzujących pracę generatora radiowej częstotliwości wzorcowej, wymagała opracowania odpowiednich procedur postępowania w celu pozyskania wiedzy diagnostycznej. Na etapie wstępnego przygotowania danych wejściowych zastosowano metody grupowania i analizy szeregów czasowych. Metody te pozwoliły w istotny sposób poprawić jakość pozyskanej wiedzy. Dla otrzymanego skorygowanego przebiegu czasowego zastosowano model regresji liniowej składający się z segmentów opisywanych odcinkami liniowymi. Otrzymany model umożliwia obliczanie wskaźników odchylenia radiowej częstotliwości wzorcowej od wartości nominalnej. Pozwala to m.in. operatorom ocenić niestabilność generatora oraz korygować wartość częstotliwości generowanego sygnału.
PL
W artykule przedstawiono algorytm pracy symulatora bezprzewodowego rozproszonego systemu pomiarowo - sterującego z przetwarzaniem regułowym, który umożliwia prowadzenie badań właściwości czasowych tych systemów.
EN
In the paper, algorithm of work of simulator of wireless distributed measurement-control system with rule based processing, is presnted. Use of simulator to assesment of time parameters of designed systems with implemented rule based prosessing was introduced.
PL
W artykule przedstawiono zastosowanie modelu rozproszonego systemu pomiarowo-sterującego do oceny wpływu struktury systemu i struktury węzła na poziom utraty danych i wartość czasu opóźnienia w transmisji danych w systemie. Zaprezentowano w tym zakresie przykładowe wyniki badań symulacyjnych systemu pracującego wg zasady peer to peer.
EN
Using a model of measuring and control system to assessment of system and node structure on level of data loss in system is presented. An influence of node structure on data transmission delay in measuring and control system is described. Results of peer to peer system simulation are presented.
15
Content available remote Kształcenie na odległość w laboratorium metrologii
PL
W artykule, na przykładzie ćwiczenia laboratoryjnego pt. "Badanie właściwości dynamicznych przetworników pomiarowych", przedstawiono realizację laboratorium zdalnego z przedmiotu Metrologia, stanowiącego jednostkę kliencką (JK) internetowego systemu laboratoriów zdalnych (ISLZ). Przedstawiono strukturę systemu laboratoriów zdalnych i opisano podstawowe jej bloki funkcjonalne.
EN
In the paper, based on example labs stand titled " Dynamical parameters of measurements transducers" running remote lab in Metrology is outlined. The remote lab stand act as a client unit of Internet remote labs system. The structure of a remote lab system is presented and their functional components are described.
PL
W artykule przedstawiono algorytm obliczania wskaźników odchylenia radiowej częstotliwości wzorcowej WRC od wartości nominalnej. Algorytm ten oparty jest o metodę Data Mining, w której zastosowano metody grupowania, analizy szeregów czasowych i regresji liniowej.
EN
Time and Frequency Laboratory of Central Office of Measures performs measurements of phase time (Fig. 1) of standard radio frequency WRC 225 kHz with reference to 1 Hz pulse signal taken from the national time and frequency standard. Results of these measurements are recorded on a paper tape with analogue data recorder. The indicators characterizing standard radio frequency deviation from its nominal value are calculated on the basis of appropriate data taken from the record diagram and the relationships from (1) to (8). Putting results of phase time measurements into computer memory requires application of a special algorithm, enabling to calculate indicators of WRC frequency deviation from its nominal value. This algorithm is presented in this paper and is based on Data Mining method, employing clusterization, time series analysis and regression line methods.
17
Content available remote Wpływ nieliniowości elementów układu pomiarowego na błąd pomiaru impedancji
PL
W artykule przedstawiono wyniki badań ilustrujące nieliniowość elementów układu porównania napięć na błąd pomiaru modułu impedancji mateodą klasyczną i metodą PKPF. Występowanie wyższych harmonicznych w napięciu zasilania układu pomiarowego powoduje powstawanie mniejszych błędów pomiaru [Zx] przy stosowaniu metody klasycznej niż metody PKPF. Stosowanie metody PKPF przy występowaniu impedancji nieliniowych w układzie pomiarowym pozwala osiągnąć mniejsze błędy pomiaru [Zx].
PL
W artykule przedstawiono trzy sposoby pomiaru składowych impedancji w układzie mostkowym metodą przetwarzania kątów przesunięć fazowych (metoda PKPF). Dla tych sposobów wyznaczania składowych impedancji określono modele matematyczne, które były podstawą do przeprowadzenia analizy czułości względnej układu mostkowego i niepewności pomiaru. Z przeprowadzonych badań symulacyjnych wynika, że najkorzystniejszym sposobem pomiaru składowych impedancji jest sposób, w którym na podstawie zmierzonych kątów przesunięć fazowych [alfa] i [beta] wyznaczany jest moduł i argument impedancji Z[iks]. Otrzymane wyniki analiz wskazują również na sposób konstrukcji układu pomiarowego i zastosowanie określonej procedury pomiarowej.
EN
In the paper, three ways of an impedance measurement bridge circuit with phase shift angles processing method (PSAP method) are presented. For all three manners mathematical models were defined. These models are used to relative sensitivity analysis of bridge circuit and to uncertainty of measuring. Results of simulation shown that the best manner of impedance component measuring is calculation of an impedance Z[chi], amplitude and module based on measured phase shift angles [alpha] and [beta]. Received results can help design both measuring system and measuring procedures.
first rewind previous Strona / 2 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.