prikaz prve stranice dokumenta Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža
Pristup korisnicima matične ustanove
završni rad
Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža
2019. urn:nbn:hr:190:602860
Mirković, Marko
Sveučilište u Rijeci
Tehnički fakultet
Zavod za mehaniku fluida i računalno inženjerstvo
Katedra za računarsko inženjerstvo

Citirajte ovaj rad

Mirković, M. (2019). Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža (Završni rad). Rijeka: Sveučilište u Rijeci, Tehnički fakultet. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:190:602860

Mirković, Marko. "Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža." Završni rad, Sveučilište u Rijeci, Tehnički fakultet, 2019. https://urn.nsk.hr/urn:nbn:hr:190:602860

Mirković, Marko. "Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža." Završni rad, Sveučilište u Rijeci, Tehnički fakultet, 2019. https://urn.nsk.hr/urn:nbn:hr:190:602860

Mirković, M. (2019). 'Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža', Završni rad, Sveučilište u Rijeci, Tehnički fakultet, citirano: 27.11.2024., https://urn.nsk.hr/urn:nbn:hr:190:602860

Mirković M. Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža [Završni rad]. Rijeka: Sveučilište u Rijeci, Tehnički fakultet; 2019 [pristupljeno 27.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:602860

M. Mirković, "Rekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža", Završni rad, Sveučilište u Rijeci, Tehnički fakultet, Rijeka, 2019. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:190:602860

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:190:602860
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovRekonstrukcija strujnog polja iz raštrkanih lokacija mjerenja pomoću neuralnih mreža
Naslov (engleski)Flow velocity field reconstruction from scattered measurement locations using neural networks
AutorMarko Mirković
MentorStefan Ivić (mentor)
Član povjerenstvaKristian Lenić (predsjednik povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Rijeci
Tehnički fakultet
(Zavod za mehaniku fluida i računalno inženjerstvo)
(Katedra za računarsko inženjerstvo)
Rijeka
Datum i država obrane2019-09-16, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Strojarstvo
Sažetak
Cilj ovog zadatka bila je izrada modela umjetne neuralne mreže, koja na osnovu podataka brzina dobivenih mjerenjem na raštrkanim lokacijama, daje rezultat brzine za bilo koju proizvoljnu točku unutar zadane domene. Neuralna mreža izrađena je programskim jezikom Python te su u svrhu treniranja mreže korištene simulacije izrađene programom OpenFOAM. Rezultati su analizirani na temelju simulacija dok bi za implementaciju bilo potrebno usporediti s realnim primjerom i rezultatima dobivenim eksperimentalnim mjerenjima. Došlo se do zaključka da je ovakav princip solidan za dobivanje opće slike strujanja fluida dok za dobivanje preciznih rezultata pojedinih točaka još zahtjeva daljnju doradu. U daljnjoj bi primjeni trebalo za uvježbavanje modela koristiti podatke s terena, odnosno podatke dobivenim samoplutajućim sondama. Time bi se koristili realni podatci i dobivala bi se slika strujanja u realnom vremenu.
Sažetak (engleski)
The aim of this task was to create an artificial neural network model, which, based on velocity data obtained from scattered location measurements, gives a velocity for any arbitrary point within a given domain. The neural network was created using the Python programming language and the OpenFOAM simulations were used to train the network. The results were analyzed on the basis of simulations, while the implementation would have to be compared with the real-life example and the results obtained from experimental measurements. It was concluded that this principle is solid for obtaining a general picture of fluid flow, while still requiring further refinement to obtain accurate results of individual points. In the further application, field data or data obtained from self-floating probes should be used to train the model. This would use real data and provide a realtime streaming view.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:190:602860
Studijski programNaziv: Strojarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka strojarstva (univ. bacc. ing. mech.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup korisnicima matične ustanove
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2020-01-03 11:22:57