Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže

Draščić, Luka

prikaz prve stranice dokumenta Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže

Pristup korisnicima matične ustanove

diplomski rad

Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže

2020. urn:nbn:hr:187:573643

Draščić, Luka

Sveučilište u Rijeci
Pomorski fakultet
Zavod za elektrotehniku, automatiku i informatiku

Citirajte ovaj rad

APA 6th Edition

Draščić, L. (2020). Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže (Diplomski rad). Rijeka: Sveučilište u Rijeci, Pomorski fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:187:573643

MLA 8th Edition

Draščić, Luka. "Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže." Diplomski rad, Sveučilište u Rijeci, Pomorski fakultet, 2020. https://urn.nsk.hr/urn:nbn:hr:187:573643

Chicago 17th Edition

Harvard

Draščić, L. (2020). 'Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže', Diplomski rad, Sveučilište u Rijeci, Pomorski fakultet, citirano: 11.04.2024., https://urn.nsk.hr/urn:nbn:hr:187:573643

Vancouver

Draščić L. Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže [Diplomski rad]. Rijeka: Sveučilište u Rijeci, Pomorski fakultet; 2020 [pristupljeno 11.04.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:187:573643

IEEE

L. Draščić, "Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže", Diplomski rad, Sveučilište u Rijeci, Pomorski fakultet, Rijeka, 2020. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:187:573643

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:187:573643

Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.

Podaci o radu

Naslov	Prepoznavanje niskofrekvencijskih smetnji pomoću valićne transformacije i neuronske mreže
Naslov (engleski)	Recognition of low frequency disturbances by wavelet transform and neural network
Autor	Luka Draščić
Mentor	Aleksandar Cuculić (mentor)
Član povjerenstva	Jasmin Ćelić (predsjednik povjerenstva)
Član povjerenstva	Boris Sviličić (član povjerenstva)
Ustanova koja je dodijelila akademski / stručni stupanj	Sveučilište u Rijeci Pomorski fakultet (Zavod za elektrotehniku, automatiku i informatiku) Rijeka
Datum i država obrane	2020-07-15, Hrvatska
Znanstveno / umjetničko područje, polje i grana	TEHNIČKE ZNANOSTI Tehnologija prometa i transport
Sažetak	U ovome radu promatrani su propadi napona, prenaponi, oscilatorne prijelazne pojave, harmonička izobličenja i naponski urezi. Za svaku kategoriju umjetno je generirano 200 signala. Nad ovim signalima provela se diskretna valična transformacija koja omogućava da se pri različitim frekvencijama koristi različita vremensko-frekvencijska rezolucija. Pri dekompoziciji signala koristili su se db1, db4 i db6 valići. Dekompozicija signala napravljena je u 5 nivoa čime se dobiva jedan koeficijent aproksimacije i 5 koeficijenta detalja. Za svaki koeficijent računaju se tri statistička parametra: standardna devijacija, entropija i asimetrija signala čime se dobiva ukupno 18 varijabli koje predstavljaju jedan signal. Za prepoznavanje navedenih smetnji koristila se neuronska mreža s 18 ulaznih neurona, 3 skrivena i 6 izlaznih neurona. Klasifikacijski modeli s različitim valićima analizirani su na temelju točnosti, matrica konfuzije i drugih parametara. Analizom je ustanovljeno da model s db6 valićem pruža najbolje prepoznavanje navedenih smetnji.
Sažetak (engleski)	In this thesis voltage sag, swell, oscillatory transient, harmonic distortion and voltage notches were examined. For each category 200 signals were artificially generated. On those signals discrete wavelet transform was carried out which for different frequencies enables different time-frequency resolution. For signal decomposition db1, db4 and db6 wavelets were used. Signal decomposition was made in 5 levels which provides one approximation coefficient and 5 detail coefficients. For each coefficient three statistical parameters were calculated: standard deviation, entropy and skewness, thus obtaining 18 variables which represents one signal. For disturbance recognition neural network with 18 input neurons, 3 hidden and 6 output neurons was used. Classification models with different wavelets were analyzed based on accuracy, confusion matrix and other parameters. Analysis founded that model with db6 wavelet provides best recognition of mentioned disturbances.
Ključne riječi
Ključne riječi (engleski)
Jezik	hrvatski
URN:NBN	urn:nbn:hr:187:573643
Studijski program	Naziv: Elektroničke i informatičke tehnologije u pomorstvu Vrsta studija: sveučilišni Stupanj studija: diplomski Akademski / stručni naziv: magistar/magistra inženjer/ inženjerka elektroničke i informatičke tehnologije (mag. ing. el.)
Vrsta resursa	Tekst
Način izrade datoteke	Izvorno digitalna
Prava pristupa	Pristup korisnicima matične ustanove
Uvjeti korištenja
Datum i vrijeme pohrane	2020-09-14 08:27:33