Repository of the University of Rijeka, Faculty of Engineering
Not a member yet
3785 research outputs found
Sort by
Communication of IoT Devices via LoRaWAN Implemented Using Chirpstack Software
No full textOvaj rad obrađuje temu komunikacije IoT uređaja koristeći LoRaWAN mrežu ostvarenu pomoću ChirpStack softvera. Prije same fizičke implementacije, proučene su karakteristike, uporaba i funkcioniranje LoRaWAN mreže, kako bi se razumjela njezina primjena i prednosti u IoT okruženju, uključujući veće domete, nisku potrošnju energije te mogućnost povezivanja velikog broja uređaja putem jednog pristupnika. U radu su korištene sljedeće komponente za implementaciju LoRaWAN mreže: Raspberry Pi s RAK2287 koncentratorom za LoRaWAN pristupnik te Arduino Nano ESP32 s RAK811 primopredajnikom i DHT11 senzorom za prikupljanje podataka o temperaturi i vlažnosti. Za vizualizaciju prikupljenih podataka korištena je ThingsBoard platforma, koja omogućava praćenje i analizu podataka u stvarnom vremenu. Cilj rada je bio pokazati kako LoRaWAN tehnologija omogućava dugoročno i energetski učinkovito povezivanje IoT uređaja, a također je dokazano kako ChirpStack softver omogućava jednostavno postavljanje i upravljanje LoRaWAN mrežom.This paperwork focuses on the communication of IoT devices through a LoRaWAN network set up with ChirpStack software. Before implementing the LoRaWAN network, the study focused on its characteristics, usage, and functioning to understand its application and advantages in the IoT environment, including long-range communication, low energy consumption, and the ability to connect a large number of devices through a single gateway. The setup consists of a Raspberry Pi paired with a RAK2287 concentrator to serve as the LoRaWAN gateway, an Arduino Nano ESP32 equipped with a RAK811 transceiver, and a DHT11 sensor to gather temperature and humidity information. ThingsBoard platform was used for data visualization, enabling real-time monitoring and analysis of the collected data. The purpose of the paperwork is to demonstrate how LoRaWAN technology enables long-range and energy-efficient communication between IoT devices, while also showing how ChirpStack software provides easy setup and management of the LoRaWAN network
Izrada infracrvenog senzora za detekciju poštanskih paketa na pokretnim trakama
No full textU ovom radu razvijen je IR senzor za detekciju poštanskih paketa na pokretnim trakama s ciljem
povećanja učinkovitosti i točnosti brojanja paketa. Problem ručne inspekcije i nedostatka
automatizacije motivirao je razvoj rješenja temeljenog na infracrvenoj tehnologiji.
Teorijski dio obuhvaća principe rada IR senzora, njihove industrijske primjene i analizu ključnih
komponenti. Praktični dio obuhvaća dizajn i implementaciju senzorskog sklopa koji se sastoji od
IR LED diode, fotodiode, LM358P operacijskog pojačala i Arduino Uno mikrokontrolera, koji
obrađuje podatke i prikazuje rezultate na LCD zaslonu.
Sustav je testiran na eksperimentalnoj ploči i PCB pločici, pri čemu je pokazao stabilnu i preciznu
detekciju paketa. Dodatno, provedena je LTSpice simulacija kako bi se potvrdila funkcionalnost
senzora prije implementacije.
Rezultati potvrđuju uspješnu detekciju i brojanje paketa, čineći sustav pogodnim za logističke i
industrijske primjene, uz mogućnost daljnjih poboljšanja poput bežične komunikacije i
optimizacije obrade signala
Brewery plant automation - transfer and boiling of wort with hop dosing
No full textU ovome radu opisana je automatizacija segmenta tvornice koji se bavi kuhanjem piva.
Sastoji se od tri glavana elementa automatizacije: spremnika za držanje, kotla za kuhanje te
vrtložnog spremnika. Medij, tj. sladovina ulazi u spremnik za držanje koji čeka signal
spremnosti za transferiranje od kotla za kuhanje. Prilikom transferiranja medija iz jednog
spremnika u drugi, započinje proces zagrijavanja kotla za kuhanje korištenje PID regulacije.
Nakon završetka transferiranja medija iz spremnika za držanje, operater pokreće proces
doziranja hmelja unutar kotla za kuhanje, te počinje proces kuhanja piva. Nakon završetka
kuhanja piva, transferira se medij iz kotla za kuhanje u vrtložni spremnik nakon signala
spremnosti vrtložnog spremnika. Vrtložni spremnik obrađuje medij, te ga transferira u dio
postrojenja koji nije opisan u ovome radu. Proces svakog elementa je detaljno opisan, te je
automatizacija izvršena pomoću Siemens SIMATIC S7-300 PLC-a, te konfiguracije STEP 7 i
Brewmaxx sučelja.This paper describes the automation of a brewery segment focused on beer brewing. It
consists of three main automation elements: holding vessel, wort kettle and whirlpool tank. The
medium, i.e., wort, enters the holding vessel, which waits for a readiness signal to transfer to
the wort kettle. During the transfer of the medium from one tank to another, the wort kettle
heating process begins using PID control. Once the transfer from the holding vessel is complete,
the operator initiates the hop dosing process within the wort kettle, marking the start of the beer
brewing process. After the brewing process is finished, the medium is transferred from the wort
kettle to whirlpool tank upon receiving the readiness signal from the whirlpool tank. The
whirlpool tank processes the medium and transfers it to another part of brewery that is not
described in this paper. Each element of the process is described in detail, and the automation
is implemented using a Siemens SIMATIC S7-300 PLC, along with the STEP 7 configuration
and the Brewmaxx interface
Modelling of inox tabel positions with protective wall using sheet metal tools in forming technology
No full textU ovome radu zadatak je bio modeliranje inox pozicija stola sa zaštitom zida primjenom Sheet
Metal alata u programu SolidWorks. Upotreba Sheet Metal alata u tehnologiji oblikovanja lima
značajno je pridonjela pojednostavljenju izrade sklopa retropulta od lima, kao i CAD softwer. Na
samom početku rada opisane su fizikalne promjene deformacije lima i opisane su pojedine metode
obrade lima kao što su: savijanje lima, duboko vučenje i razne metode rezanja (odvajanja) lima.
Nadalje je dan opis zadatka projekta, odabir materijala čelika i njegov opis, te sažetak programa
SolidWorks. Zatim slijedi detaljan prikaz izrade svih dijelova, podsklopova i sklopova inox
retropulta.In this paper, the task was to model stainless steel table positions with wall protection using the
Sheet Metal tool in SolidWorks. The use of the Sheet Metal tool in sheet metal forming technology
has significantly contributed to simplifying the assembly of stainless steel back bar counter, as
well as CAD software.
At the beginning of the paper, the physical changes in sheet metal deformation are described, along
with various sheet metal processing methods such as bending, deep drawing, and different cutting
(separating) techniques. Furthermore, the project task is explained, including the selection and
description of the steel material, as well as a summary of the SolidWorks software.
This is followed by a detailed presentation of the creation of all parts, subassemblies, and
assemblies of the stainless steel back bar counter
SIDE GUIDE CONTROL FOR STEEL STRIP
No full textU diplomskom radu je na početku opisan uvod u postrojenje procesa centriranja čelične trake. Predstavljen je cijeloukupan pogon, princip rada bočnih vodilica i objašnjen je proces centriranja čelične trake sa bočnim vodilicama. Sljedeće je opisan softver pisan u TIA portalu i njegove korištene funkcije u radu. Zadnje dolazimo do izrade programske aplikacije koja se dijeli na prvi dio pisanja logike i kontrole procesa bočnih vodilica u softveru, a drugi dio je prikaz simulacije, bitnih pozicija i konrolu određenih režima rada i komandi na HMI panelu.In the thesis, the introduction to the steel strip centering process plant is described at the beginning. The entire drive, the working principle of the side guides and the process of centering the steel strip with the side guides is explained. The following describes the software written in the TIA portal and its functions used in operation. Finally, we come to the creation of a software application, which is divided into the first part of writing the logic and controlling the process of the side guides in the software, and the second part is the display of the simulation, important positions and the control of certain operating modes and commands on the HMI panel
Procjena karakteristika i oporavka igrača u nogometu zasnovana na podatcima : doktorski rad
No full textData collection in soccer encompasses a variety of methods, ranging from simple daily ques
tionnaires that monitor subjective well-being to more sophisticated approaches such as wearable
sensors that track external load during training and matches. While subjective measures like
wellness questionnaires and Rate of Perceived Exertion (RPE) offer insights into players’ inter
nal states, they fall short of providing comprehensive assessments of players’ physical fitness
and performance. Consequently, the use of wearable sensors has become prevalent, offering
detailed metrics such as distance covered, sprints, accelerations, and energy expenditure. These
metrics enable coaches to better manage training loads, plan sessions and monitor the return-to
play (RTP) process after injuries.
However, traditional methods that aggregate data across entire matches often hide the vari
ations in players’ performance throughout the game. This dissertation addresses this issue by
implementing a minute-by-minute analysis of player physical intensity using wearable data, re
vealing more details about players’ fitness levels. By examining how physical performance
fluctuates within different game contexts, the study provides a more accurate reflection of a
player’s condition and readiness.
The relationship between cognitive load (CL) and physical performance is another critical
aspect explored in this work. WhileCL’simpactontacticalandtechnicalaspects is well-studied,
its effects on physical performance, particularly in real-world settings, remain unexplored. Us
ing data fromtheNASA-TLXquestionnaire, thisresearchinvestigates how varying levels of CL
influence physical metrics such as total distance, high-speed running, and deceleration. More
over, the study applies machine learning (ML) algorithms to classify players into motivation
clusters, offering insights into how different motivational factors might affect performance un
der cognitive stress.
Injury recovery is a crucial area in sports, and the RTP process is crucial in ensuring players
return to competition safely. This dissertation advances the understanding of injury manage
ment by developing ML models to predict recovery duration, using data collected by medical
staff. These models are compared with traditional expert-based predictions, demonstrating that
the integration of expert input with ML techniques enhances the accuracy of recovery time es
timates.
In addition to injury recovery, the research focuses on developing individualized fatigue
and recovery profiles. These profiles are essential for conditioning coaches to tailor training regimens and ensure that players return to their pre-injury fitness levels. By providing a de
tailed, data-driven approach to monitoring physical recovery, this dissertation contributes valu
able tools for optimizing player performance and reducing the risk of re-injury.
This work provides a comprehensive framework for soccer performance and recovery anal
ysis, integrating wearable sensor data, cognitive load assessments, and ML techniques. The
findings offer practical applications for coaches and sports scientists, helping them to better un
derstand and manage the complex dynamics of player fitness and performance throughout the
season.Prikupljanje podataka u nogometu obuhvaća različite metode, od jednostavnih dnevnih upit
nika koji prate subjektivan dojam opterećenja pojedinca, do skupljih tehnoloških pristupa poput
nosivih senzora koji prate vanjsko opterećenje sportaša tijekom treninga i utakmica. Dok sub
jektivne mjere poput upitnika za praćenje dobrobiti i ocjene doživljenog napora (RPE) pružaju
uvid u unutarnje stanje igrača, one nisu dovoljne za sveobuhvatnu sliku karakteristika igrača.
Iz tog razloga je upotreba nosivih senzora postala raširena, pružajući podatke o prijeđenoj udal
jenosti, broju sprintova, ubrzanjima i potrošnji energije. Ove informacije omogućavaju trener
ima bolju kontrolu opterećenja tijekom treninga, planiranje istih i praćenje procesa povratka na
teren nakon ozljeda.
Međutim,tradicionalnemetodeprikupljajupodatkenarazinicijeleutakmicečimeseonemogućava
pregled izvedbe igrača tijekom samog trajanja utakmice. Ova disertacija nastoji riješiti taj prob
lem primjenom podatkovne analize intenziteta igrača minutu-kroz-minutu koristeći podatke no
sivih senzora. Pregledom promjena u fizičkim izvedbama tijekom različnih trenutaka u igri,
pristup pruža precizniji odraz stanja i spremnosti igrača.
Odnos između kognitivnog opterećenja i fizičkog opterećenja igrača također je jedan od
fokusa ovog rada. Dok je utjecaj kognitivnog opterećenja na taktičke i tehničke izvedbe igrača
dobro istražen, njegov utjecaj na njihovo fizičko opterećenje, osobito tijekom utakmica, ostaje
neistražen. Koristeći podatke iz NASA-TLX upitnika, ispituje se kako različite razine kogni
tivnog opterećenja utječu na fizičke mjere poput ukupne prijeđene udaljenosti, sprinta, ubrza
vanja i usporavanja. Nadalje, primjenjuju se algoritmi strojnog učenja za klasifikaciju igrača u
motivacijske grupe, pružajući uvid u to kako različiti motivacijski čimbenici mogu utjecati na
izvedbe pod mentalnim opterećenjem.
Oporavak od ozljeda je jedan od ključnih čimbenika u sportu, a dobro planiranje procesa
oporavka je presudno za siguran povratak igrača na teren. Razvijanjem modela strojnog učenja
koji predviđaju trajanje oporavka nakon mišićnih ozljeda, poboljšava se točnost u samom plani
ranju. Modeli strojnog učenja uspoređeni su s procjenama stručnjaka, gdje se pokazalo kako je
upravo kombinacija modela i znanja stručnjaka najbolja za procjenu vremena oporavka.
Kondicijski treneri moraju dobro poznavati igrače kako bi iz svakog izvukli maksimum i
pripremili ih za sezonu. Iz tog razloga, vrlo je korisno imati uvid u individualni profil fizičke
spreme igrača kako bi treneri mogli prilagoditi program treninga. Podatkovni pristup doprinosi
lakšem praćenju opterećenja i smanjivanju rizika igrača od ozljede. Korištenjem podataka iz različitih izvora, kreirane su metode koje treneri, analitičari, i sve
osobekojeradeunogometumogukoristitikakobidobilidetaljnijeinformacijeosvojimigračima.
Podatci su dobiveni korištenjem nosivih senzora i upitnika za procjenu kognitivnog opterećenja
te su isti iskorišteni na različiti načine uz primjenu tehnika strojnog učenja i optimizacije. Cilj
ovakvog pristupa je razvijanje objektivnih metoda koje se mogu automatizirati i olakšati posao
ljudima koji rade u nogometu
Određivanje energetski optimalne putanje šestosnih industrijskih robotskih manipulatora primjenom strojnog učenja i memetičkih algoritama : doktorski rad
No full textThis dissertation focuses on the energy optimization of serial robotic
manipulators’ trajectories. Due to the frequent repetition of trajectories, their optimization can lead to significant energy savings. The first step is modeling the
energy consumption of the manipulator concerning the trajectory defined by positions, velocities, and accelerations in joint space. Two approaches are presented:
a classical analytical model based on the Lagrange-Euler algorithm and machine learning methods. The applied algorithms include a multilayer perceptron,
support vector machines, a passive-aggressive regressor, and gradient-boosted
trees. These algorithms were tested on three datasets: real (collected in a laboratory), simulated, and synthetic (generated from real data). The models were
trained using cross-validation and optimized via grid search, then tested on real
data. Results indicate that models trained on simulated data perform worse due
to deviations from the real IRM, whereas synthetic data allowed for models nearly
identical to those trained on real data. The best-performing models were based
on a multilayer perceptron and were incorporated into the optimization process
as part of the fitness function. Optimization was performed using a genetic algorithm, with the best performance achieved through random gene recombination
(95%) and mutation (5%). The algorithm was further enhanced with a memetic
approach featuring local search. Informed search improved trajectories by an
average of 59% compared to randomly selected parameters, demonstrating the
potential of the memetic approach for trajectory energy optimization.Ovaj rad bavi se energetskom optimizacijom putanja serijskih robotskih manipulatora. Zbog čestog ponavljanja putanja, njihova optimizacija može donijeti značajne uštede. Prvi korak je modeliranje potrošnje energije manipulatora u odnosu na putanju definiranu pozicijama, brzinama i akceleracijama u zglobovskom prostoru. Predstavljena su dva pristupa: klasični analitički model temeljen na Lagrange-Eulerovom algoritmu te metode strojnog učenja. Korišteni su višeslojni perceptron, strojevi potpornih vektora, pasivno-agresivni regreso i gradijentno pojačana stabla. Algoritmi su primijenjeni na tri skupa podataka: stvarni (prikupljen u laboratoriju), simulirani i sintetički (generiran iz stvarnih podataka). Modeli su trenirani višestrukom validacijom i optimizirani pretragom rešetke, a testirani na stvarnim podacima. Rezultati pokazuju da su modeli trenirani na simuliranim podacima slabiji zbog odstupanja od stvarnog IRM-a, dok su sintetički podaci omogućli modele gotovo jednake kao stvarni. Najbolji modeli temelje se na višeslojnom perceptronu i koriste se u optimizacijskom procesu
kao dio funkcije pogodnosti. Optimizacija se provodi genetskim algoritmom, pri čemu se najboljom pokazala nasumična rekombinacija gena (95%) uz mutaciju (5%). Algoritam se nadograđuje memetskim pristupom s lokalnim pretraživanjem. Informirano pretraživanje poboljšava putanju u prosjeku za 59% u odnosu na nasumične parametre, što ukazuje na potencijal memetskog pristupa za optimizaciju putanja
Project of distribution transformer station 20(10) / 0.4 kV
No full textU diplomskom radu je prikazan elektrotehnički projekt distribucijske transformatorske stanice 20(10)/0,4 kV, pri čemu su korištene važeće međunarodne i nacionalne norme koje je nužno zadovoljiti radi ispravnosti projekta. U radu su pobliže opisani dijelovi elektroenergetskog sustava, distribucijska mreža i njeni pripadajući elementi te analiza distribucijske transformatorske stanice SN/NN. Izrađeni su proračuni za dimenzioniranje kabela, proračun kratkog spoja, proračun unutrašnje rasvjete te je analizirana razina buke u okolini TS.The thesis presents an electrical engineering project for a 20(10)/0.4 kV distribution transformer station, utilizing applicable international and national standards that must be met for the project’s validity. The paper provides a detailed description of the components of the power system, the distribution network and its related elements, as well as an analysis of the medium and low voltage distribution transformer station. Calculations have been made for cable dimensioning, short circuit calculations, internal routing calculations, and an analysis of the noise level within the transformer station area
Multi-label classification techniques
No full textRastuća prijetnja koju u posljednjim godinama predstavljaju bakterije otporne na
antibiotike istaknula je potrebu za inovativnim antimikrobnim sredstvima. Neprofitna organizacija Community for Open Antimicrobial Drug Discovery (CO-ADD),
osnovana na Sveučilištu Queensland, bavi se ovim izazovom potičući javno dijeljenje
kemijskih struktura i podataka o antimikrobnoj aktivnosti. Baza podataka CO-ADD
predstavlja problem klasifikacije s višestrukim oznakama, što dodatno komplicira tradicionalne metode strojnog učenja za klasifikaciju, pa stoga zahtijeva korištenje novih
pristupa i algoritama za učinkovitu analizu podataka. U ovom radu obrađuju se različiti izazovi višestruke klasifikacije, s osnovnim istraživačkim pitanjem o korištenju
više zasebnih klasifikatora za svaku kategoriju nasuprot jednog koji može istodobno
klasificirati više kategorija. Osim toga, ispituje se efikasnost odabira značajki kako
bi se utvrdilo je li jednako djelotvorna u oba slučaja. Provedena je i komparativna
analiza da bi se utvrdilo nadmašuje li algoritam harmonijskog pretraživanja popularnije algoritme optimizacije bazirane na populaciji, kao što su genetski algoritam i
algoritam optimizacije pomoću roja čestica.The growing threat posed by bacteria resistant to antibiotics in recent years has
highlighted the need for innovative antimicrobial agents. The Community for Open
Antimicrobial Drug Discovery (CO-ADD), a non-profit organization established at
The University of Queensland, aims to address this issue by encouraging the public sharing of chemical structures and data on antimicrobial action. The CO-ADD
database presents a multi-label classification problem that adds complexity to the
traditional machine learning methods for classification therefore demanding the use
of new approaches and algorithms for efficient data analysis. Several multi-label classification challenges are tackled in this paper, with the primary question explored
being the debate between using multiple classifiers versus employing a single one
that can simultaneously classify multiple items. Additionally, the efficacy of feature
selection is examined to determine if it’s equally effective across both cases. Furthermore, a comparative analysis is conducted to determine whether the Harmony Search
algorithm outperforms the more popular population-based optimization algorithms,
like the Genetic algorithm and Particle swarm optimization algorithm
Prediction of Energy Consumption in SCARA Robots Using Machine Learning and Data Synthesis
No full textOvaj rad istražuje primjenu umjetnih neuronskih mreža (UNM) za predviđanje potrošnje energije SCARA industrijskog robota. Modeli su trenirani na originalnim i sintetičkim podatcima, pri čemu su sintetički podatci generirani pomoću TVAE modela. Analiza pokazuje da neuronske mreže mogu precizno predvidjeti potrošnju snage, dok su rezultati na sintetičkim podatcima pokazali minimalna odstupanja u odnosu na stvarne podatke. Ovi rezultati potvrđuju mogućnost korištenja sintetičkih podataka za treniranje modela, čime se smanjuju troškovi i vrijeme eksperimentalnih mjerenja.This paper explores the use of artificial neural networks (ANN) for predicting the power consumption of a SCARA industrial robot. Models were trained on both real and synthetic data, with synthetic datasets generated using the TVAE model. The analysis demonstrates that neural networks can accurately predict power consumption, while results on synthetic data showed minimal deviations compared to real data. These findings confirm the feasibility of using synthetic data for model training, reducing both cost and time associated with experimental measurements