prikaz prve stranice dokumenta Višesenzorski sustav za analizu načina vožnje
Pristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
diplomski rad
Višesenzorski sustav za analizu načina vožnje
2021. urn:nbn:hr:179:334238
Vučina, Ana
Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
Zavod za elektroniku i računarstvo

Citirajte ovaj rad

Vučina, A. (2021). Višesenzorski sustav za analizu načina vožnje (Diplomski rad). Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:179:334238

Vučina, Ana. "Višesenzorski sustav za analizu načina vožnje." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:334238

Vučina, Ana. "Višesenzorski sustav za analizu načina vožnje." Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, 2021. https://urn.nsk.hr/urn:nbn:hr:179:334238

Vučina, A. (2021). 'Višesenzorski sustav za analizu načina vožnje', Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, citirano: 23.10.2024., https://urn.nsk.hr/urn:nbn:hr:179:334238

Vučina A. Višesenzorski sustav za analizu načina vožnje [Diplomski rad]. Split: Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje; 2021 [pristupljeno 23.10.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:334238

A. Vučina, "Višesenzorski sustav za analizu načina vožnje", Diplomski rad, Sveučilište u Splitu, Fakultet elektrotehnike, strojarstva i brodogradnje, Split, 2021. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:179:334238

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:179:334238
Prijavite se u repozitorij kako biste mogli spremiti objekt u svoju listu.
Podaci o radu
NaslovVišesenzorski sustav za analizu načina vožnje
Naslov (engleski)Multi-sensor system for estimating driving style
AutorAna Vučina
MentorIvo Stančić (mentor)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Splitu
Fakultet elektrotehnike, strojarstva i brodogradnje
(Zavod za elektroniku i računarstvo )
Split
Datum i država obrane2021-07-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Elektronika
Sažetak
Cilj ovog diplomskog rada je analizirati mogućnosti korištenja više inercijskih senzora u različitim konfiguracijama za analizu načina vožnje bicikle pri čemu je naglasak stavljen na umjetnu neuronsku mrežu. Cjelokupni uređaj sadrži jednu elekroničku pločicu s komponentama za uspješan rad uređaja. Na pločicu je postavljen Teensy 3.6 mikrokontroler, te dva akcelerometra, senzor orijentacije i magneti. Uređaj prikupljene podatke sprema na microSD karticu. Sklop je postavljen na bicikl i testirao se u 3 realna uvjeta: vožnja strogo pravo, normalna vožnja i vožnja s naglim ubrzanjem i kočenjem. Podaci su prilagođeni, uzeti su samo potrebni za treniranje neuronske mreže. Kasnije se ti podaci obrađuju u MATLAB programskom jeziku. Obrađeni podaci se koriste za kreiranje i treniranje umjetne neuronske mreže. Izabrana je Feedfoward neuronska mreža koja je pokazala 97% točnosti u klasifikaciji podataka.
Sažetak (engleski)
The aim of this thesis is to analyze the possibility of using multiple inertial sensors in different configurations to analyze the mode of cycling, emphasizing the attitude towards the artificial neural network. The entire device contains one electronic board with components for successful operation of the device. The board has a Teensy 3.6 microcontroller, two accelerometers, an orientation sensor and magnets. The device saves the collected data on a microSD card. The assembly was mounted on a bicycle and tested in 3 real conditions: riding strictly straight, normal riding and riding with sudden acceleration and braking. The data were adjusted, only those needed to train neural networks were taken. This data is later processed in the MATLAB programming language. The processed data are used to create and train artificial neural networks. The Feedfoward neural network was selected which showed 97% accuracy in data classification.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:179:334238
Studijski programNaziv: Elektronika i računalno inženjerstvo
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka elektronike i računalnog inženjerstva (mag. ing. el.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaPristup svim korisnicima iz sustava znanosti i visokog obrazovanja RH
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2021-11-30 11:50:14