| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Akustično zaznavanje poškodb ležajev motorjev z uporabo umetne inteligence na PSoC 6 AI : magistrsko delo
Avtorji:ID Dragšič, Gal (Avtor)
ID Uran, Suzana (Mentor) Več o mentorju... Novo okno
ID Karner, Timi (Mentor) Več o mentorju... Novo okno
ID Bratina, Božidar (Komentor)
Datoteke:.pdf UN_Dragsic_Gal_2026.pdf (4,37 MB)
MD5: 0F9B6E376831C5A531448C450B3D62E8
 
Jezik:Slovenski jezik
Vrsta gradiva:Diplomsko delo/naloga
Tipologija:2.11 - Diplomsko delo
Organizacija:FERI - Fakulteta za elektrotehniko, računalništvo in informatiko
Opis:Diplomsko delo obravnava akustično diagnostiko za zaznavanje poškodb ležajev motorjev z uporabo razvojne ploščice PSoC 6 AI, digitalnega MEMS mikrofona in konvolucijske nevronske mreže, naučene v okolju DEEPCRAFT™ Studio. Teoretični del predstavi mehanizme poškodb kotalnih ležajev, akustično diagnostiko, Fourierjevo transformacijo in nevronske mreže. V praktičnem delu so bile izvedene meritve na poškodovanem in nepoškodovanem testnem ventilatorju ebm-papst, na podlagi katerih so bili razviti in medsebojno primerjani trije modeli z različno obliko vhodnih podatkov. Izbran najboljši model doseže testno vrednost F1 89,56 % z le 3704 učnimi parametri, kar potrjuje izvedljivost pristopa na vgrajenih sistemih.
Ključne besede:akustična diagnostika, ležaji, konvolucijske nevronske mreže, PSoC 6 AI, vgrajeni sistemi
Kraj izida:Maribor
Kraj izvedbe:Maribor
Založnik:[G. Dragšič]
Leto izida:2026
Št. strani:1 spletni vir (1 datoteka PDF (IX, 70 str.))
PID:20.500.12556/DKUM-98743 Novo okno
UDK:004.891.3:534.6(043.2)
COBISS.SI-ID:290253827 Novo okno
Datum objave v DKUM:18.08.2026
Število ogledov:360
Število prenosov:24
Metapodatki:XML DC-XML DC-RDF
Področja:KTFMB - FERI
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Licence

Licenca:CC BY-NC-ND 4.0, Creative Commons Priznanje avtorstva-Nekomercialno-Brez predelav 4.0 Mednarodna
Povezava:http://creativecommons.org/licenses/by-nc-nd/4.0/deed.sl
Opis:Najbolj omejujoča licenca Creative Commons. Uporabniki lahko prenesejo in delijo delo v nekomercialne namene in ga ne smejo uporabiti za nobene druge namene.
Začetek licenciranja:04.07.2026

Sekundarni jezik

Jezik:Angleški jezik
Naslov:Acoustic detection of motor bearing faults using artificial intelligence on PSoC 6 AI
Opis:This diploma presents acoustic diagnostics for detecting motor bearing damage using the PSoC 6 AI development board, a digital MEMS microphone, and a convolutional neural network trained in DEEPCRAFT™ Studio. The theoretical part covers rolling bearing damage mechanisms, acoustic diagnostics, the Fourier transform, and neural networks. In the practical part, measurements on damaged and undamaged ebm-papst test fans were used to develop and compare three models with different input data forms. The best-performing model achieves a test F1 score of 89,56% with only 3704 trainable parameters, confirming the approach's feasibility on embedded systems.
Ključne besede:acoustic diagnostics, bearings, convolutional neural networks, PSoC 6 AI, embedded systems


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici