IIUM Engineering Journal
Not a member yet
783 research outputs found
Sort by
Comprehensive Analysis of a Bridged-T Pre-Equalizer Circuit for High-Speed Visible Light Communications
Full text linkThis paper presents a comprehensive analysis of a bridged-T equalizer circuit (BTEC) designed for a high-speed visible light communications (VLC) system. The circuit is proposed to overcome the bandwidth limitation of light-emitting diodes (LEDs) in the VLC system. The advanced design system (ADS) and MATLAB were integrated to analyze the behavior of the BTEC in terms of transfer functions and scattering parameters S11, S12, S21, and S22. The results indicate a good correlation between the two tools, with the center frequency being 786 MHz. The 3-dB lower and upper cut-off frequencies are 501 MHz and 1.23 GHz, respectively. The impedance point is at magnitude 1 and 0 phase degrees on the Smith chart. This precise point ensures optimal matching to 50 ? of source and load impedance. This simulation proves that the bridged-T pre-equalizer circuit is a symmetric and reciprocal network since S11 = S22 and S12 = S21. This work combines the computational capabilities of MATLAB with the circuit simulation capabilities of ADS, which satisfied the pre-equalizer circuit experimental stage.
ABSTRAK: Kertas kerja ini membentangkan analisis komprehensif bagi litar penyama T terjepit (BTEC) yang direka untuk sistem komunikasi cahaya nampak (VLC) berkelajuan tinggi. Litar ini dicadangkan untuk mengatasi had lebar jalur diod pemancar cahaya (LED) dalam sistem VLC. Sistem reka bentuk lanjutan (ADS) dan MATLAB telah disepadukan untuk menganalisis kelakuan BTEC dari segi fungsi pemindahan dan parameter serakan S11, S12, S21, dan S22. Keputusan menunjukkan korelasi yang baik antara kedua-dua alat, dengan frekuensi tengah ialah 786 MHz. Frekuensi potong bawah dan atas 3-dB ialah 501 MHz dan 1.23 GHz, masing-masing. Titik impedans adalah pada magnitud 1 dan 0 darjah fasa pada carta Smith. Titik tepat ini memastikan padanan optimum kepada 50 ? sumber dan galangan beban. Dalam simulasi ini, terbukti bahawa litar pra-penyamaan bridged-T adalah rangkaian simetri dan timbal balik sejak S11 = S22 dan S12 = S21. Kerja ini menggabungkan keupayaan pengiraan MATLAB dengan keupayaan simulasi litar ADS, yang memenuhi peringkat percubaan litar pra-penyamaan
Numerical Analysis of Partial Discharge Behaviour Under DC Stress With Voltage Disturbance at Different Void Sizes
Full text linkPartial discharge (PD) is commonly related to electrical insulator degradation. It occurs in a high electric field environment, especially in high-voltage systems. It can lead to the electrical breakdown of insulators. Knowledge of the characteristics of PD allows for testing and monitoring of insulation properties in power system equipment. PD can be observed in both AC and DC power. However, research on AC-PD is much more mature than DC-PD due to the established pattern of AC’s changing magnitude and polarity characteristics. This work uses finite element analysis to study PD activity under DC stress with voltage disturbance at different void sizes, with AC harmonic as the focused disturbance. The characteristics are evaluated based on the electric potential distribution, electric field distribution, electrical charges, and repetition rate. As the void radius increases from 1 mm to 4 mm, the inception voltage decreases by approximately 65%, while the PD repetition rate increases by 58%. In addition, a comparison between DC-PD and AC harmonic disturbance and AC-PD is performed to analyze their differences. The simulation result shows that the repetition rate for DC-PD with AC harmonics is approximately 75% lower than that of AC-PD, indicating fewer PD events in the case of DC-PD with AC harmonics. The conducted simulation provides valuable insights and guidance for the formation of DC-PD testing, and consequently, a validated method can be approved to monitor insulating material condition under DC power.
ABSTRAK: Penyahcasan separa (partial discharge, PD) merupakan fenomena biasa yang berkait rapat dengan degradasi penebat elektrik. Ia berlaku dalam persekitaran medan elektrik tinggi, khususnya dalam sistem voltan tinggi, dan boleh menyebabkan kerosakan elektrik pada penebat. Pengetahuan mengenai ciri-ciri PD membolehkan ujian dan pemantauan sifat penebat dalam peralatan sistem kuasa dijalankan. PD boleh diperhatikan dalam kedua-dua kuasa arus ulang-alik (AC) dan arus terus (DC). Namun, kajian mengenai PD dalam AC adalah lebih matang berbanding dalam DC disebabkan oleh corak perubahan magnitud dan polariti AC yang telah mapan. Kajian ini meneliti aktiviti PD di bawah tekanan DC dengan gangguan voltan pada saiz kekosongan yang berbeza menggunakan analisis elemen terhingga, dengan gangguan harmonik AC sebagai tumpuan utama. Ciri-ciri yang dinilai termasuk taburan potensi elektrik, taburan medan elektrik, cas elektrik, dan kadar pengulangan. Apabila jejari kekosongan meningkat dari 1 mm kepada 4 mm, voltan permulaan menurun sebanyak kira-kira 65%, manakala kadar pengulangan PD meningkat sebanyak 58%. Selain itu, perbandingan antara PD-DC dengan gangguan harmonik AC dan PD-AC turut dilakukan bagi menganalisis perbezaannya. Hasil simulasi menunjukkan bahawa kadar pengulangan bagi PD-DC dengan gangguan harmonik AC adalah kira-kira 75% lebih rendah berbanding PD-AC, menandakan bilangan kejadian PD yang lebih sedikit dalam kes PD-DC dengan gangguan harmonik. Simulasi yang dijalankan ini memberikan pandangan yang bernilai dan panduan berguna bagi pembentukan ujian PD-DC, dan seterusnya, kaedah yang disahkan boleh diluluskan untuk memantau keadaan bahan penebat di bawah kuasa DC
Design and Implementation of a Deep Learning-Based Hand Gesture Recognition System for Rehabilitation Internet-of-Things (RIoT) Environments Using MediaPipe
Full text linkFrequent hospital visits for hand rehabilitation exercises, such as strengthening and opposition exercises, present significant challenges, especially for patients in remote areas. This paper addresses this problem by developing a Rehabilitation Internet-of-Things (RIOT) system that utilizes MediaPipe with its pre-trained Deep Learning (DL) to deliver real-time feedback during hand rehabilitation exercises alongside Web Assembly (WASM) for efficient processing. The system's objective is to provide precise, real-time tracking of hand movements, enabling patients to perform exercises at home by maintaining an optimal distance between the camera and hand placement, ensuring ideal room lighting conditions across IoT devices such as mobile phones' front cameras and webcams, while healthcare professionals remotely monitor their progress. The methodology involves the integration of MediaPipe for detecting hand landmarks and adaptive sensitivity algorithms to ensure reliable recognition across different environments, such as varying lighting and hand positions. Future work could incorporate additional deep-learning models like CNNs and RNNs to enhance gesture classification accuracy. Several limitations, including latency and distance sensitivity, are addressed in this system with edge computing alongside adaptive algorithms. The key contributions of this research are as follows: First, developing a real-time and cost-effective solution for remote stroke rehabilitation. Second, accuracy is improved by integrating MediaPipe with deep learning techniques. Lastly, latency issues and accuracy challenges at extended distances are alleviated by employing innovative calibration methods and adaptive adjustments. Initial trials demonstrate promising results, though further testing is required under real-world conditions to validate the system's effectiveness fully.
ABSTRAK: Perjalanan yang kerap ke hospital untuk latihan pemulihan tangan, seperti latihan rawatan fisioterapi telah memberikan cabaran yang besar bagi pesakit yang tinggal di pedalaman. Sistem Pemulihan Internet Benda (RIOT) menggunakan MediaPipe bersama Deep Learning (DL) yang telah dilatih untuk memberikan maklum balas masa nyata semasa latihan pemulihan tangan, serta Web Assembly (WASM) untuk pemprosesan yang cekap, sebagai penyelesaian. Tujuan sistem ini adalah untuk menyediakan penjejakan pergerakan tangan yang tepat dalam masa nyata, yang mampu dijalankan latihan di rumah dengan pemantauan pegawai perubatan untuk meneliti kemajuan mereka dari jarak jauh. Metodologi melibatkan penyatuan MediaPipe untuk mengesan titik penting pada tangan dan algoritma kepekaan suaian untuk memastikan pengiktirafan yang boleh dipercayai dalam pelbagai persekitaran, seperti pencahayaan dan kedudukan tangan. Lonjakan bagi kajian in adalah dapat menggabungkan model DL seperti CNNs dan RNNs untuk meningkatkan ketepatan dan penyusunan isyarat. Sistem ini juga dapat mengurangkan masalah masa pendam dan perubahab jara dengan melaksanakan edge computing dan penyesuaian algoritma. Sumbangan utama kajian ini termasuklah sistem masa nyata yang kos efektif untuk pemulihan strok jarak jauh, peningkatan ketepatan melalui gabungan MediaPipe dan model DL, dan pengurangan masalah masa pendam dan ketepatan jarak yang lebih jauh melalui tentuukur dan suaian algoritma. Percubaan awal telah menunjukkan hasil yang bagus. Walau bagaimanapun, ujian lanjut masih perlu dibuat dalam dunia sebenar untuk menjamin keberkesanan sistem secara keseluruhan
Design and Optimization of a Flexible Antenna for ISM Band Wearable Devices via Inset Slot Integration and Parasitic Elements
Full text linkThis paper aims to analyze and optimize the electrical properties of a flexible antenna to maximize its potential. The antenna's performance is enhanced by incorporating inset slots on both the patch and ground plane, as well as utilizing parasitic elements to improve the resonant frequency and achieve a wider bandwidth. The flexible antenna is designed to resonate within the Industrial, Scientific, and Medical (ISM) frequency band of 5.725–5.875 GHz, using Rogers RO4003C with a dielectric constant of 3.55 and dimensions of 20 × 25 × 0.2032 mm³. The proposed antenna demonstrates promising results, with S11 of -37.05 dB at 5.78 GHz, and a bandwidth of 158 MHz, ranging from 5.739–5.897 GHz. The usable ISM bandwidth is 136 MHz, representing 90.67% of the ISM frequency band. Theoretical, simulation, and experimental analyses confirm that embedding slots on the patch or ground plane, along with the use of parasitic elements, significantly enhances the antenna's resonant frequency, bandwidth, and efficiency. Because of its flexibility, improved resonant frequency, and wide bandwidth, this antenna has potential uses in the ISM frequency band to enable faster and more efficient data transmission.
ABSTRAK: Kajian ini bertujuan bagi menganalisa dan mengoptimum sifat elektrik antena fleksibel bagi memaksimum potensinya. Ciri-ciri antena dipertingkatkan lagi dengan penggunaan slot sisipan pada tampalan dan satah tanah, dan menggunakan elemen parasitik bagi meningkatkan frekuensi resonan dan mencapai lebar jalur yang lebih luas. Antena fleksibel ini direka untuk frekuensi Industri, Saintifik dan Perubatan (ISM) iaitu pada frekuensi 5.725–5.875 GHz menggunakan Rogers RO4003C dengan pemalar dielektrik 3.55 dan dimensi 20 × 25 × 0.2032 mm³. Antena yang dicadangkan ini menunjukkan hasil yang baik dengan S11 -37.05 dB pada frekuensi 5.78 GHz, dan jalur lebar 158 MHz, dalam julat 5.739–5.897 GHz. Jalur lebar ISM mencapai 136 MHz iaitu bersamaan 90.67% jalur frekuensi ISM. Analisis teori, simulasi dan eksperimen membuktikan bahawa penggunaan slot pada tampalan atau di atas satah tanah, bersama elemen parasitik dapat membantu meningkatkan frekuensi resonan, lebar jalur dan kecekapan antena. Oleh kerana fleksibilitinya, frekuensi resonan meningkat dan jalur lebar bertambah luas. Antena ini berpotensi bagi penggunaan jalur frekuensi ISM dengan penghantaran data yang lebih pantas dan cekap
Optimizing Generation Cost and Reducing Gas Emissions in Power Generation Using the Artificial Bee Rabbit Optimization Algorithm
Full text linkThis study develops a hybrid metaheuristic optimization algorithm named Artificial Bee Rabbit Optimization (ABRO) to improve generation cost efficiency and reduce gas emissions in power generation systems. By integrating the strengths of the Artificial Bee Colony (ABC) and Artificial Rabbits Optimization (ARO) algorithms, ABRO aims to overcome issues such as premature convergence and slow convergence speed commonly observed in ABC and ARO. This paper evaluates and compares the ABRO algorithm against a collection of optimization algorithms, such as ABC, ARO, the Crow Search (CSA) algorithm, and the Artificial Jellyfish Search (JS) algorithm. The evaluation covers four benchmark functions and extends to engineering applications, specifically in solving the economic dispatch, emission dispatch, and an integrated objective that considers financial and emission dispatch aspects for the IEEE 26-bus system. The simulation results show that ABRO generally outperforms the competing algorithms tested in solving various benchmark functions. ABRO consistently achieved the lowest mean, standard deviation, and minimum values, demonstrating superior convergence speed, robustness, and accuracy. Furthermore, the ABRO algorithm effectively enhances optimization regarding generation cost, generation emission, and an integrated objective that considers both economic and emission dispatch aspects for the IEEE 26-bus system
ABSTRAK: Kajian ini membangunkan satu algoritma pengoptimuman metaheuristik hibrid yang dinamakan Pengoptimuman Buatan Bee Rabbit (ABRO) bagi meningkatkan kecekapan kos penjanaan dan mengurangkan pelepasan gas dalam sistem penjanaan tenaga. Gabungan kekuatan antara Koloni Buatan Bee (ABC) dan Pengoptimuman Buatan Rabbit (ARO), menghasilkan ABRO yang bertujuan mengatasi isu penumpuan pramatang dan kelajuan penumpuan perlahan, ysng sering berlaku pada ABC dan ARO. Kajian ini menilai algoritma ABRO dan beberapa algoritma pengoptimuman lain seperti ABC, ARO, algoritma Pencarian Crow (CSA), dan pengoptimum Pencarian Buatan Jellyfish (JS). Penilaian meliputi empat fungsi penanda aras dan diperluas kepada aplikasi kejuruteraan, khususnya dalam penyelesaian masalah pengagihan ekonomi, pengagihan pelepasan, serta objektif bersepadu yang memgambil kira kedua-dua aspek ekonomi dan pelepasan bagi sistem IEEE 26-bas. Dapatan simulasi menunjukkan bahawa algoritma ABRO secara amnya mengatasi prestasi algoritma lain yang diuji dalam menyelesaikan pelbagai fungsi penanda aras. ABRO secara konsisten mencapai nilai min, sisihan piawai, dan nilai minimum terendah, sekali gus membuktikan kelajuan penumpuan, keteguhan, dan ketepatan terbaik. Tambahan pula, algoritma ABRO mampu meningkatkan pengoptimuman dari segi kos penjanaan, pelepasan penjanaan, serta objektif bersepadu yang mempertimbangkan kedua-dua aspek ekonomi dan pelepasan bagi sistem IEEE 26-bas
Identification of the Rhizopus sp. Fungi as an Alternative Lactic Acid Production Source
Full text linkThe search for eco-friendly alternatives to conventional petroleum-based materials has intensified in an era marked by a growing global awareness of environmental sustainability. This study addresses the critical need for molecular identification and characterization of fungi sourced from a tempeh commercial starter culture for their potential role in fungal-based polymer production. The problem is the limited knowledge and understanding of the genetic composition of these fungi and their suitability for lactic acid (LA) production, which is a crucial component of fungal-based polymer manufacturing. This research examined the tempeh starter culture fungi to identify suitable strains for LA production. The fungi were genotyped by DNA sequencing of the ITS region. The study revealed that the Ragi tempeh commercial starter culture contained only one strain of Rhizopus (R. microsporus), which was verified through ITS rRNA sequencing with 99.8% similarity to the GenBank database, simplifying control over fungal growth and potentially leading to consistent biomaterial yields. The method employed, involving DNA PCR (and sequencing of the ITS region, proved to be accurate, straightforward, and not excessively labor-intensive. The PCR conditions were as follows: initial denaturation at 98°C for 2 min, followed by 25 cycles of denaturation (98°C for 15 seconds), annealing (60°C for 30 seconds), and elongation (72°C for 30 seconds), with a final extension at 72°C for 10 min. Consequently, the consistent presence of only one Rhizopus species in commercial starter cultures of tempeh presents a promising avenue for sustainable biomaterial production, particularly in LA production. The pilot flask setup at 1 × 10? spores/mL was inoculated into 150 mL shake flasks with 1.2 g/mL glucose, incubated at 37°C for 1 to 7 days with 100 rpm shaking, yielding 1.037 g/g after 5 days, demonstrating the feasibility of using this strain for industrial applications.
ABSTRAK: Dalam era yang semakin menekankan kesedaran global terhadap kelestarian alam sekitar, pencarian alternatif mesra alam kepada bahan berasaskan petroleum konvensional semakin giat dijalankan. Kajian ini menangani keperluan kritikal untuk mengenal pasti dan mencirikan kulat secara molekul daripada kultur pemula komersial tempeh bagi potensi penggunaannya dalam penghasilan asid laktik (LA), komponen penting dalam pembuatan polimer berasaskan kulat. Masalah utama yang dibincangkan ialah kekurangan pengetahuan dan pemahaman mengenai komposisi genetik kulat ini serta kesesuaiannya untuk sintesis LA. Kajian ini menumpukan kepada pemeriksaan kulat dari kultur pemula tempeh bagi mengenal pasti strain yang sesuai untuk pengeluaran LA. Penjujukan DNA kawasan internal transcribed spacer (ITS) digunakan untuk mengenal pasti genotip kulat tersebut. Hasil kajian menunjukkan bahawa kultur pemula komersial Ragi tempeh hanya mengandungi satu strain sahaja, iaitu Rhizopus microsporus (disahkan melalui penjujukan ITS rRNA dengan 99.8% kesamaan dengan pangkalan data GenBank). Kehadiran satu spesies ini memudahkan kawalan pertumbuhan kulat dan berpotensi meningkatkan konsistensi hasil pengeluaran. Kaedah yang digunakan melibatkan PCR DNA dan penjujukan kawasan ITS, yang terbukti tepat, mudah, serta tidak terlalu memerlukan tenaga kerja yang banyak. Keadaan PCR adalah seperti berikut: penyahdenaturan awal pada suhu 98°C selama 2 minit, diikuti 25 kitaran yang terdiri daripada penyahdenaturan (98°C, 15 saat), pengannealan (60°C, 30 saat), dan pemanjangan (72°C, 30 saat), dengan pemanjangan akhir pada 72°C selama 10 minit. Kehadiran spesies Rhizopus yang konsisten dalam kultur pemula tempeh komersial membuka peluang yang menjanjikan untuk pengeluaran asid laktik yang mampan. Penggunaan susunan flask perintis pada suhu 30°C menghasilkan 1.037 g/g selepas 5 hari, membuktikan potensi strain ini untuk aplikasi industri
Design of Intelligent Feature Selection Technique for Phishing Detection
Full text linkPhishing attacks lead to significant threats to individuals and organizations by gaining unauthorized access. The attackers redirect the users to fake websites and steal their credentials and other confidential data. Various techniques are employed to detect phishing using machine learning algorithms or static detection techniques that use blacklisting of web URLs. The attackers tend to change their approach to launch an attack, making it difficult for traditional phishing detection techniques to safeguard the user. The performance of conventional detection methods relies on exhaustive data and features selected for classification. Features selected for designing detection systems majorly contribute to the performance of the detection system. Phishing detection techniques rely mainly on static features that are selected based on traditional feature selection or ranking techniques. This paper proposes an innovative approach to phishing detection by designing a feature selection technique using reinforcement learning. A novel reinforcement learning agent is designed that uses a dynamic, adaptive, and data-driven approach to improve classifier performance in phishing detection. The technique is designed to select the features using the RL agent dynamically. We have evaluated our technique using the real-world phishing dataset and compared its performance with the existing techniques. Based on the evaluation, our proposed methodology of dynamic feature selection gives the best accuracy of 99.07 % with the random forest classifier model. Our work contributes to advancing phishing detection methodology by developing a dynamic feature selection technique.
ABSTRAK: Serangan pancing data membawa ancaman besar kepada individu dan organisasi dengan mendapatkan akses tanpa kebenaran. Penyerang akan mengalihkan pengguna ke laman web palsu dan mencuri maklumat log masuk serta data sulit yang lain. Pelbagai teknik digunakan bagi mengesan pancing data menggunakan algoritma pembelajaran mesin atau teknik pengesanan statik yang menggunakan URL laman web yang disenarai hitam. Penyerang cenderung mengubah pendekatan mereka untuk melancarkan serangan, menjadikan teknik pengesanan pancing data tradisional sukar bagi melindungi pengguna. Prestasi kaedah pengesanan konvensional bergantung kepada data menyeluruh dan ciri-ciri yang dipilih untuk pengelasan. Teknik pengesanan pancing data kebanyakannya bergantung pada ciri-ciri statik yang dipilih berdasarkan kaedah pemilihan atau penarafan ciri tradisional. Kajian ini mencadangkan pendekatan inovatif bagi pengesanan pancing data dengan mereka bentuk teknik pemilihan ciri menggunakan pembelajaran peneguhan. Ejen pembelajaran peneguhan baru, direka menggunakan pendekatan yang dinamik, adaptif, dan berasaskan data bagi memperbaiki prestasi pengelas dalam pengesanan pancing data. Teknik ini direka untuk memilih ciri-ciri secara dinamik menggunakan ejen RL. Teknik ini dinilai menggunakan dataset pancing data sebenar dan dibanding prestasinya dengan teknik sedia ada. Berdasarkan penilaian, metodologi pemilihan ciri dinamik ini memberikan ketepatan terbaik sebanyak 99.07% dengan model pengelasan rawak. Kerja ini merupakan sumbangan kepada kemajuan metodologi pengesanan pancing data dengan membangunkan teknik pemilihan ciri dinamik
Utilizing MFCCs and TEO-MFCCs to Classify Stress in Females Using SSNNA
Full text linkAll individuals are susceptible to experiencing stress in their everyday lives. Nevertheless, stress has a greater influence on females due to both biological and environmental factors. This study utilized female speeches to detect and classify stress and no stress in women. Using speech, composed of non-invasive and non-intrusive approaches, helps to identify stress better in females. A comparative analysis was conducted between Mel-frequency Cepstral Coefficients (MFCCs) and Teager Energy Operator- MFCCs (TEO-MFCCs) to determine the best speech feature for classifying emotions associated with stress and no-stress conditions for female voices. With the assistance of the Stress Speech Neural Network Architecture (SSNNA), an improved accuracy of 93.9% was achieved. This research showed that MFCCs enhanced higher-frequency components in stressed speech, distinguishing between stress and no-stress classes. This study shows that SSNNA achieved high accuracy with 14 female voices, confirming its ability to function independently of speaker identity.
ABSTRAK: Semua individu terdedah kepada stres dalam kehidupan seharian mereka. Walau bagaimanapun, stres memberi pengaruh yang lebih besar terhadap wanita akibat faktor biologi dan persekitaran. Kajian ini menggunakan ucapan untuk mengesan dan mengklasifikasikan stres dan tiada stres dalam kalangan wanita. Penggunaan ucapan, yang merupakan pendekatan tidak invasif dan tidak mengganggu, membantu mengenal pasti tekanan dengan lebih baik dalam kalangan wanita. Analisis perbandingan telah dijalankan antara Mel-frequency Cepstral Coefficients (MFCCs) dan Teager Energy Operator-MFCCs (TEO-MFCCs). Tujuannya adalah untuk menentukan ciri ucapan terbaik bagi mengklasifikasikan emosi yang berkaitan dengan keadaan stres dan tiada stres bagi suara wanita. Dengan bantuan Stress Speech Neural Network Architecture (SSNNA), metrik prestasi yang lebih tinggi dengan ketepatan 93.9% telah dicapai. Penyelidikan ini menunjukkan bahawa MFCCs meningkatkan komponen frekuensi tinggi dalam ucapan yang stres, secara efektif membezakan antara kelas stres dan tiada stres. Kajian ini menunjukkan bahawa SSNNA mencapai ketepatan tinggi dengan 14 suara wanita, mengesahkan ia berfungsi secara bebas daripada identiti penutur
Optimized Type-2 Fuzzy Logic Control for Low-Speed Vehicle Pedal Pressing Automation Using Hybrid Spiral Sine Cosine Algorithm
Full text linkThis paper describes the systematic design and experimental analysis of a Fuzzy Logic Controller (FLC) to govern vehicle speed for low-speed driving by adjusting an attached linear actuator that governs the vehicle's pedal. The research investigates two FLC approaches: the standard Type 1 FLC and the advanced Type 2 FLC, both optimized using the Hybrid Spiral Sine Cosine Algorithm (SSCA). The integrated system linking the actuator to the dynamics model of the vehicle shows improved ability in the manner in which control is done. Physical modeling and simulation were done in Simscape MATLAB, which provides an opportunity for modeling and visual description of the actuator system's relationship with the dynamics of the car. The results presented in this paper prove the fact that the analyzed Type 2 FLC optimized by the SSCA method performs better than the traditional Type 1 FLC in terms of the key metrics, with improvements of 32.4242% in overshoot, 0.364 seconds in settling time, and a reduction of 0.002009 in steady-state error at 2 km/h reference speed. This superior performance highlights the potential of the SSCA-optimized Type 2 FLC to automate pedal pressing for vehicle speed control, effectively replacing repetitive pedal actions and reducing driver fatigue, as this mechanism proves capable of controlling vehicle speed with high precision.
ABSTRAK: Kertas kerja ini menerangkan reka bentuk sistematik dan analisis eksperimen Pengawal Logik Kabur (FLC) untuk mengawal kelajuan kenderaan untuk pemanduan berkelajuan rendah dengan melaraskan penggerak linear yang dipasang yang mengawal pedal kenderaan. Penyelidikan ini menyiasat dua pendekatan FLC: FLC Jenis 1 standard dan FLC Jenis 2 lanjutan, kedua-duanya dioptimumkan menggunakan Algoritma Kosinus Sinus Lingkaran Hibrid (SSCA). Sistem bersepadu yang menghubungkan penggerak kepada model dinamik kenderaan menunjukkan keupayaan yang lebih baik dalam cara kawalan dilakukan. Pemodelan dan simulasi fizikal telah dilakukan dalam Simscape MATLAB di mana ia menyediakan peluang pemodelan dan penerangan visual tentang hubungan sistem penggerak dengan dinamik kereta. Keputusan yang dibentangkan dalam kertas kerja ini membuktikan fakta bahawa FLC Jenis 2 yang dianalisis yang dioptimumkan oleh kaedah SSCA menunjukkan prestasi yang lebih baik daripada FLC Jenis 1 tradisional dari segi metrik utama, dengan peningkatan sebanyak 32.4242% dalam overshoot, 0.364 saat dalam masa penyelesaian, dan pengurangan 0.002009 dalam ralat keadaan mantap pada kelajuan rujukan 2 km/j. Prestasi unggul ini menyerlahkan potensi Type 2 FLC yang dioptimumkan SSCA untuk mengautomasikan penekanan pedal untuk kawalan kelajuan kenderaan, menggantikan tindakan pedal berulang dengan berkesan dan mengurangkan keletihan pemandu, kerana mekanisme ini terbukti mampu mengawal kelajuan kenderaan dengan ketepatan tinggi
An Integration of LeNet with Regularization Techniques for Electronic Nose in Air Contaminant Classification
Full text linkAccurate and rapid air contaminant classification is crucial for electronic nose (e-nose) systems in air quality monitoring applications. Several one-dimensional convolutional neural networks (1D-CNNs) have recently been proposed for the classification of air contaminants using e-nose systems. However, the lack of cross-model evaluation and the limited computational complexity analysis hinder consistent benchmarking among existing 1D-CNN architectures. Additionally, no recent studies have been conducted on integrating regularization techniques into 1D-CNNs in e-nose. Consequently, the effects of different 1D-CNN architectures, including the impact of integrating regularization techniques, have not been investigated. Thus, this study aims to evaluate three existing 1D-CNN architectures (i.e., LeNet, GasNet, and DenseNet) to propose an improved LeNet with regularization techniques (LeNet-R) for e-nose systems in classifying air contaminants. This study adapted the standard LeNet with three regularization techniques (i.e., batch normalization, dropout, and weight decay) to develop the proposed LeNet-R through a series of manual search experiments. Subsequently, LeNet-R was compared with three existing 1D-CNN models in terms of classification performance and computational complexity using a publicly accessible e-nose dataset. The results show that the proposed LeNet-R outperforms the other 1D-CNN models by achieving the highest average accuracy (i.e., 97.60%) and lowest average loss (i.e., 6.50%). Moreover, LeNet-R exhibited the shortest training time (i.e., 86.54 seconds), the shortest inference time (i.e., 1.91 seconds), the fewest total parameters (i.e., 11,644), and the smallest model size (i.e., 45.48 kB) among all the 1D-CNN models. Compared to the standard LeNet, the proposed LeNet-R improved the average accuracy by 1.35%, reduced total parameters and model size by 11%, shortened training time by 36.6%, and decreased inference time by 6.8%. These findings demonstrate that a simpler 1D-CNN integrated with regularization techniques can outperform more complex 1D-CNN models in classifying air contaminants for an e-nose system. This study is the first to show that integrating three regularization techniques into LeNet can improve accuracy and efficiency for e-nose-based air contaminant classification.
ABSTRAK: Pengelasan bahan pencemar udara yang tepat dan pantas adalah penting bagi sistem hidung elektronik (e-nose) pada aplikasi pemantauan kualiti udara. Kebelakangan ini, beberapa rangkaian neural konvolusi satu dimensi (1D-CNNs) telah dibina bagi tujuan klasifikasi bahan pencemar udara menggunakan sistem e-nose. Walau bagaimanapun, ketiadaan penilaian rentas model serta kekurangan kajian terhadap kerumitan pengiraan telah menyukarkan penanda aras konsisten pada model 1D-CNN sedia ada. Tambahan, tiada kajian terkini mengenai integrasi teknik regularisasi ke atas model 1D-CNN dalam bidang e-nose. Akibatnya, pelbagai senibina 1D-CNN, termasuk impak integrasi teknik regularisasi, belum dapat dikaji dengan sewajarnya. Oleh itu, kajian ini bertujuan menilai tiga senibina 1D-CNN sedia ada (iaitu LeNet, GasNet, dan DenseNet) dengan cadangan penambahbaikan model LeNet berintegrasikan teknik regularisasi (LeNet-R) untuk sistem e-nose dalam pengelasan bahan pencemar udara. Dalam kajian ini, model LeNet sedia ada, diubah suai dengan tiga teknik regularisasi (iaitu normalisasi kelompok, dropout, dan pereputan berat) bagi membangunkan LeNet-R yang dicadangkan melalui siri eksperimen secara carian manual. Seterusnya, LeNet-R dibandingkan dengan tiga model 1D-CNN sedia ada dari segi prestasi pengelasan serta kerumitan pengiraan menggunakan set data e-nose yang boleh diakses secara umum. Dapatan kajian menunjukkan bahawa LeNet-R mengatasi model 1D-CNN lain dengan mencapai ketepatan pengelasan tertinggi (i.e., 97.60%) dan purata ketidaktepatan terendah (i.e., 6.50%). Tambahan, malalui kaedah LeNet-R masa latihan adalah terpantas (i.e., 86.54 saat), masa inferens paling singkat (i.e., 1.91 saat), jumlah parameter paling sedikit (i.e., 11,644), serta saiz model paling kecil (i.e., 45.48 kB) berbanding model 1D-CNN yang lain. Berbanding LeNet biasa, ketepatan klasifikasi bagi LeNet-R meningkat sebanyak 1.35%, mengurangkan jumlah parameter dan saiz model sebanyak 11%, memendekkan masa latihan sebanyak 36.6%, dan menurunkan masa inferens sebanyak 6.8%. Dapatan menunjukkan bahawa model 1D-CNN yang lebih ringkas dengan integrasi bersama teknik regularisasi mampu mengatasi model 1D-CNN yang lebih kompleks dalam pengelasan bahan pencemar udara untuk sistem e-nose. Kajian ini adalah yang pertama menunjukkan bahawa penyepaduan tiga teknik regularisasi ke dalam LeNet dapat meningkatkan ketepatan dan kecekapan bagi pengelasan pencemar udara berasaskan sistem e-nose