Lublin University of Technology Journals
Not a member yet
4285 research outputs found
Sort by
Enhancing the mechanical and durability properties of bio self-compacting sand concrete containing granite industrial waste as a fine aggregate: an experimental study
No full textSelf-compacting sand concrete (SCSC) is a highly fluid concrete widely used as a building material. The present investigation examined the impact of using seashell powder (SSP) and granite waste (GW) as supplementary cementitious material and fine aggregate, respectively, on the mechanical properties and elevated temperature durability of SCSC. For this purpose, SSP and GW were used to substitute 5, 10, and 15% by weight of cement and 10, 20, 30, and 40% by volume of natural sand, respectively. The fresh and hardened properties of SCSC mixtures were studied through a variety of tests, including setting time, slump flow, compressive strength, flexural strength, compactness, abrasion resistance, and elevated temperature resistance. SEM analysis was also carried out to investigate the developing microstructural properties of hardened SCSC mixtures. The results indicated acceptable fresh properties with low superplasticiser dosages in SCSC mixtures for up to 40% GW replacement. The compressive and flexural strengths improved by 30.61% and 35.82%, respectively, after 90 days of curing for SCSC mixtures with 10% SSP and 40% GW compared with the control mixture. Moreover, the incorporation of SSP in SCSC mixtures with varying levels of GW resulted in the best durability, while 40% GW improved their abrasion and elevated temperature resistance. The study demonstrates that the combined use of SSP and GW in the production of green self-compacting sand concrete is feasible in terms of both mechanical and durability properties
Badanie procesu granulacji paszy w oparciu o analizę systemową – uzasadnienie kryteriów optymalizacji
Full text linkThe article analyzes the process of granulation of animal feed and identifies the main criteria for optimizing this process. In order to increase the productivity of animals, the use of balanced feed is considered important. Feed granulation technology not only replaces traditional feed, but also allows the use of industrial waste (corn, sunflower residues, etc.). This process provides animals with better digestion and high feed efficiency. The results of the study show that the protein and feed unit digested when using granulated feed are maintained at a higher level than other traditional feed types. The article analyzes the stages, structural and management parameters of this technological process, and is also modeled by various system approaches (morphological, functional, information). As an optimization criterion, indicators of process energy efficiency and grain quality are taken. The efficiency of the process is measured by the amount of energy used in the granulation line, the weight and quality of the output. The article also presents functional descriptions and equipment control mechanisms to improve the granulation process. Thus, this study offers practical solutions for the systematic analysis and optimization of the granulation process of compound feeds, and emphasizes the importance of analyzing and modeling equipment based on the aggregate system.Artykuł analizuje proces granulacji paszy dla zwierząt i określa główne kryteria optymalizacji tego procesu. Aby zwiększyć wydajność zwierząt, za ważne uznaje się stosowanie zbilansowanej paszy. Technologia granulacji paszy nie tylko zastępuje tradycyjną paszę, ale także pozwala na wykorzystanie odpadów przemysłowych (kukurydza, pozostałości słonecznika itp.). Proces ten zapewnia zwierzętom lepsze trawienie i wysoką wydajność paszy. Wyniki badań pokazują, że białko i jednostka paszowa trawiona przy stosowaniu granulowanej paszy utrzymują się na wyższym poziomie niż w przypadku innych tradycyjnych rodzajów paszy. Artykuł analizuje etapy, parametry strukturalne i zarządzania tym procesem technologicznym, a także jest modelowany przy użyciu różnych podejść systemowych (morfologicznych, funkcjonalnych, informacyjnych). Jako kryterium optymalizacji przyjęto wskaźniki efektywności energetycznej procesu i jakości ziarna. Efektywność procesu mierzy się ilością energii zużytej w linii granulacyjnej, masą i jakością produktu końcowego. W artykule przedstawiono również opisy funkcjonalne i mechanizmy sterowania urządzeniami w celu usprawnienia procesu granulacji. W ten sposób niniejsze badanie oferuje praktyczne rozwiązania w zakresie systematycznej analizy i optymalizacji procesu granulacji mieszanek paszowych oraz podkreśla znaczenie analizy i modelowania urządzeń w oparciu o system agregacyjny
Opracowanie adaptacyjnego algorytmu planowania opartego na uczeniu przez wzmacnianie dla inteligentnych kuchni komercyjnych
Full text linkReinforcement learning (RL) is a machine learning method in which a model optimizes its decision-making strategy based on rewards or penalties received for the actions it takes in an environment, often simulated. An example of an optimized process could be work scheduling in a restaurant, with the cost function being the absolute error of the difference between the scheduled and actual delivery times of an order. In task planning, RL stands out for its ability to handle problems requiring a complex sequence of actions, where traditional planning algorithms may struggle. RL models can effectively explore the solution space, adjusting their decisions to changing conditions, which enables dynamic and adaptive task execution management. RL is a broad class encompassing various approaches to achieving a goal, and in this research, we focus on selected ones. Three popular RL methods named DQN, SARSA and TD-AC have been implemented and evaluated. The study was conducted in a simulated environment designed to replicate a "delivery-based" restaurant business model. The kitchen simulation model has been developed based on 65,845 recorded food preparation processes performed in 30 restaurants located throughout Poland. A rule-based, queue-driven model (FIFO) served as the baseline for absolute quality comparison of the generated schedules. The results show that, for the defined problem, the quality of the scheduling outcomes varies significantly depending on the choice of learning algorithm. Notably, the hybrid approach performed best under simulation conditions, considerably reducing the total completion time in a scenario reflecting the operations of a small, typical restaurant.Uczenie przez wzmacnianie (RL) to metoda uczenia maszynowego, w której model optymalizuje swoją strategię decyzyjną w oparciu o nagrody lub kary otrzymywane za działania podejmowane w środowisku, często symulowanym. Przykładem zoptymalizowanego procesu może być planowanie pracy w restauracji, gdzie funkcją kosztu jest bezwzględny błąd różnicy między zaplanowanym a rzeczywistym czasem dostawy zamówienia. W planowaniu zadań, RL wyróżnia się zdolnością do radzenia sobie z problemami wymagającymi złożonej sekwencji działań, gdzie tradycyjne algorytmy planowania mogą mieć trudności. Modele RL mogą efektywnie eksplorować przestrzeń rozwiązań, dostosowując swoje decyzje do zmieniających się warunków, co umożliwia dynamiczne i adaptacyjne zarządzanie realizacją zadań. RL to szeroka klasa obejmująca różne podejścia do osiągnięcia celu, a w tym badaniu skupiamy się na wybranych z nich. Trzy popularne metody RL o nazwach DQN, SARSA i TD-AC zostały zaimplementowane oraz ich efektywność została przebadana eksperymentalnie. Badanie przeprowadzono w symulowanym środowisku zaprojektowanym w celu odtworzenia modelu restauracji opartego na dostawach do klientów zdalnych. Model symulacji kuchni został opracowany w oparciu o 65845 zarejestrowanych procesów przygotowywania dań przeprowadzonych w 30 restauracjach zlokalizowanych w całej Polsce. Model kolejkowy FIFO, oparty na regułach, posłużył jako punkt odniesienia do bezwzględnego porównania jakości wygenerowanych harmonogramów. Wyniki pokazują, że dla zdefiniowanego problemu, jakość wyników planowania różni się znacząco w zależności od wyboru algorytmu uczenia. Warto zauważyć, że podejście hybrydowe działało najlepiej w warunkach symulacji, znacznie skracając całkowity czas realizacji w scenariuszu odzwierciedlającym działalność małej, typowej restauracji
System IoT z przekształtnikami częstotliwości wielkości fizycznych na FPGA
Full text linkThe paper presents an IoT system that ensures efficient collection, processing, and transmission of measurements from multichannel radio engineering systems based on FPGA. The developed system is designed for use in remote and hard-to-reach locations, where precision, reliability, and energy efficiency are critical. The implementation integrates the LilyGo LoRa32 module, which supports modern wireless communication protocols such as LoRa, WiFi, and Bluetooth. The core of data transmission is the compact CBOR format, which minimizes the volume of transmitted data and delays. The system includes a LoRa hub capable of receiving data from numerous collection devices, consolidating them into a centralized point, and transmitting them to a server via a WiFi connection. On the server side, a REST API has been developed based on the FastAPI framework, allowing the receipt of data in CBOR format, processing it, and storing it in an SQLite database. The use of the HTTPS protocol ensures the security of transmitted data, including confidentiality, authenticity, and integrity. The server also provides clients with access to data through multiple API interfaces, facilitating easy integration with other systems. A mobile application was separately developed using Kotlin and Android Studio, providing convenient access to the collected measurements. The application supports real-time dynamic data updates, allowing users to monitor connection status, select hubs and collection devices, as well as analyze and visualize the received results. The developed IoT system demonstrates high performance and versatility, making it suitable for a wide range of applications, including industrial automation, environmental monitoring, agriculture, and other IoT scenarios. Further development of this system includes improving data processing algorithms, increasing the hub's throughput capacity, and expanding functionality for real-time monitoring. This paves the way for the creation of innovative IoT solutions capable of meeting the demands of modern technologies in various fields.Artykuł przedstawia system IoT, który zapewnia wydajne gromadzenie, przetwarzanie i transmisję pomiarów z wielokanałowych systemów radiotechnicznych opartych na FPGA. Opracowany system jest przeznaczony do stosowania w odległych i trudno dostępnych lokalizacjach, gdzie kluczowe znaczenie mają precyzja, niezawodność i efektywność energetyczna. Implementacja integruje moduł LilyGo LoRa32, który obsługuje nowoczesne protokoły komunikacji bezprzewodowej, takie jak LoRa, WiFi i Bluetooth. Podstawą transmisji danych jest kompaktowy format CBOR, który minimalizuje objętość przesyłanych danych i opóźnienia. System zawiera koncentrator LoRa zdolny do odbierania danych z wielu urządzeń zbierających, konsolidowania ich w scentralizowanym punkcie i przesyłania do serwera za pośrednictwem połączenia WiFi. Po stronie serwera opracowano interfejs API REST oparty na frameworku FastAPI, umożliwiający odbiór danych w formacie CBOR, przetwarzanie ich i przechowywanie w bazie danych SQLite. Zastosowanie protokołu HTTPS zapewnia bezpieczeństwo przesyłanych danych, w tym poufność, autentyczność i integralność. Serwer zapewnia również klientom dostęp do danych poprzez wiele interfejsów API, ułatwiając integrację z innymi systemami. Oddzielnie opracowano aplikację mobilną przy użyciu Kotlin i Android Studio, zapewniającą wygodny dostęp do zebranych pomiarów. Aplikacja obsługuje dynamiczne aktualizacje danych w czasie rzeczywistym, umożliwiając użytkownikom monitorowanie stanu połączenia, wybór hubów i urządzeń zbierających dane, a także analizę i wizualizację otrzymanych wyników. Opracowany system IoT charakteryzuje się wysoką wydajnością i wszechstronnością, dzięki czemu nadaje się do szerokiego zakresu zastosowań, w tym automatyki przemysłowej, monitorowania środowiska, rolnictwa i innych scenariuszy IoT. Dalszy rozwój tego systemu obejmuje ulepszenie algorytmów przetwarzania danych, zwiększenie przepustowości koncentratora oraz rozszerzenie funkcjonalności monitorowania w czasie rzeczywistym. Otwiera to drogę do tworzenia innowacyjnych rozwiązań IoT, które są w stanie sprostać wymaganiom nowoczesnych technologii w różnych dziedzinach
Skuteczność uczenia maszynowego w wykrywaniu stron phishingowych
Full text linkPhishing poses a significant risk in the field of digital security, requiring effective methods for identifying fraudulent websites. This study evaluated the performance of nine machine learning classification models in the context of phishing website detection. Two different input datasets were prepared: the first included the full HTML code, while the second was based on a set of features extracted from that code. The analysis revealed that models trained on the extracted features achieved nearly twice the detection performance compared to those operating on raw HTML code. The use of majority voting further improved classification effectiveness. The study results confirm that proper feature selection and the integration of outputs from multiple models significantly enhance the effectiveness of systems for detecting online threats.Zjawisko phishingu stanowi poważne ryzyko w dziedzinie bezpieczeństwa cyfrowego, co wymaga efektywnych sposobów identyfikacji fałszywych witryn. W ramach badania oceniono efekty dziewięciu modeli klasyfikacyjnych opartych na uczeniu maszynowym w kontekście rozpoznawania stron phishingowych. Przygotowano dwa różne zestawy danych wejściowych: pierwszy obejmował pełny kod HTML, natomiast drugi opierał się na zestawie cech wydobytych z tego kodu. Przeprowadzona analiza ujawniła, że modele trenowane na wyodrębnionych cechach osiągają niemal dwukrotnie lepsze wyniki w wykrywaniu od modeli działających na surowym kodzie HTML. Wykorzystanie głosowania większościowego przyczyniło się do dalszej poprawy skuteczności klasyfikacji. Rezultaty badań potwierdzają, że odpowiedni dobór cech oraz integracja wyników z wielu modelów znacząco podnoszą efektywność systemów identyfikujących zagrożenia w Internecie
Czeski miesięcznik modelarski „RC revue”
Full text linkThe article is a review dedicated to the Czech modeling magazine "RC revue".Artykuł jest recenzją poświęconą czeskiemu czasopismu modelarskiemu "RC revue"
Zastosowanie programowania wieloagentowego do modelowania zmian lepkości wsadu w produkcji alkoholu
Full text linkIn alcohol production from starch-containing raw materials, it is essential to know the viscosity of the resulting solution. The main drawback of control systems in the solution preparation process is the lack of viscosity monitoring. This prevents the use of processing modes that would ensure efficient execution of the subsequent thermoenzymatic treatment of the solution. This work is dedicated to examining the qualitative impact of the timing of enzyme addition on the change in solution viscosity, aiming to improve the quality of the process control during its preparation. The study was conducted in the free multi-agent programming environment NetLogo, which is used for modeling complex systems evolving over time.Przy produkcji alkoholu z surowców skrobiowych kluczowe jest poznanie lepkości uzyskanego roztworu. Główną wadą istniejących systemów kontrolujących proces przygotowania roztworu jest brak monitorowania lepkości. To uniemożliwia stosowanie takich trybów obróbczych, które zapewniłyby efektywne przeprowadzenie następnej operacji termoenzymatycznej obróbki roztworu. Artykuł poświęcony jest analizie wpływu czasu dodawania enzymów na zmianę lepkości roztworu w celu poprawy jakości zarządzania procesem jego przygotowania. Badania przeprowadzono w darmowym środowisku programistycznym NetLogo, które służy do modelowania złożonych systemów rozwijających się w czasie
Impulsowy generator chaotyczny oparty na klasycznym obwodzie Chuy
Full text linkThis article presents circuit realization of the pulse chaotic generator that can be used in digital modern telecommunication systems for masking and decrypt of the information. This generator based a classical Chua’s circuit. The results of computer simulation of a nonlinear element that realizes the chaotic behavior of the classical Chua's circuit are presented. For modelling was used a modern software MultiSim. Also, such basic results as chaotic attractor and time distributions of signals were obtained.W artykule przedstawiono realizację obwodu impulsowego generatora chaotycznego, który może być stosowany w nowoczesnych cyfrowych systemach telekomunikacyjnych do maskowania i deszyfrowania informacji. Generator ten bazuje na klasycznym obwodzie Chuy. Przedstawiono wyniki symulacji komputerowej nieliniowego elementu realizującego chaotyczne zachowanie klasycznego obwodu Chuy. Do modelowania wykorzystano nowoczesne oprogramowanie MultiSim. Uzyskano również takie podstawowe wyniki jak atraktor chaotyczny i rozkłady czasowe sygnałów
Optymalizacja metod uczenia maszynowego do deanonimizacji w sieciach społecznościowych
Full text linkIn recent years, social networks have struggled to meet user protection and fraud prevention requirements under unpredictable risks. Anonymity features are widely used to help individuals maintain their privacy, but they can also be exploited for malicious purposes. In this study, we develop a machine learning-driven de-anonymization system for social networks, with a focus on feature selection, hyperparameter tuning, and dimensionality reduction. Using supervised learning techniques, the system achieves high accuracy in identifying user identities from anonymized datasets. In experiments conducted on real and synthetic data, the optimized models consistently outperform baseline methods on average. Even in cases where they do not, significant improvements in precision are observed. Ethical considerations surrounding de-anonymization are thoroughly discussed, including the responsibility of implementation to maintain a balance between privacy and security. By proposing a scalable and effective framework for analyzing anonymized data in social networks, this research contributes to improved fraud detection and strengthened Internet security.W ostatnich latach sieci społecznościowe zmagają się z problemem spełnienia wymagań dotyczących ochrony użytkowników i zapobiegania oszustwom w warunkach nieprzewidywalnych zagrożeń. Funkcje anonimowości są powszechnie stosowane, aby pomóc użytkownikom zachować prywatność, ale mogą być również wykorzystywane do celów złośliwych. W niniejszym badaniu opracowaliśmy system deanonimizacji oparty na uczeniu maszynowym, przeznaczony dla sieci społecznościowych, koncentrując się na selekcji cech, dostrajaniu hiperparametrów i redukcji wymiarowości. Dzięki technikom uczenia nadzorowanego system osiąga wysoką dokładność w identyfikowaniu tożsamości użytkowników z anonimizowanych zbiorów danych. W eksperymentach przeprowadzonych na rzeczywistych i syntetycznych danych zoptymalizowane modele konsekwentnie przewyższały metody bazowe średnio. Nawet w przypadkach, gdy tak się nie działo, zaobserwowano znaczące poprawy w zakresie precyzji. Kwestie etyczne związane z deanonimizacją zostały dokładnie omówione, w tym odpowiedzialność za wdrożenie w celu utrzymania równowagi między prywatnością a bezpieczeństwem. Proponując skalowalny i efektywny model analizy anonimizowanych danych w sieciach społecznościowych, badanie to przyczynia się do poprawy wykrywania oszustw i wzmocnienia bezpieczeństwa w Internecie
Multi-aspect comparative analysis of JavaScript programming frameworks – React.js and Solid.js
Full text linkEvery year, new frameworks and programming libraries appear on the market, trying to gain user interest by presenting their advantages over the competition. The purpose of this article was to compare many aspects of one if such modern solution, i.e. the Solid.js library with a tool recognized on the market, the React.js library, in order to be able to form an opinion on the better choice for a programmer in 2024. The comparative analysis was divided into two parts – performance and theoretical. The research showed Solid.js' performance advantage, but also highlighted its immature ecosystem and limited number of active people in the community