- About
-
The Global ETD Search service is a free service for researchers
to find electronic theses and dissertations. This service is
provided by the
Networked Digital Library of Theses and Dissertations.
Our metadata is collected from universities around the world. If you manage a university/consortium/country archive and want to be added, details can be found on the NDLTD website.
Search results
Showing 101 to 106 of 106 (0.051 seconds)| 101 |
Image and RADAR fusion for autonomous vehicles / Bild och RADAR för autonoma fordonde Gibert Duart, Xavier January 2023 (has links)
Robust detection, localization, and tracking of objects are essential for autonomous driving. Computer vision has largely driven development based on camera sensors in recent years, but 3D localization from images is still challenging. Sensors such as LiDAR or RADAR are used to compute depth; each having its own advantages and drawbacks. The main idea of the project is to be able to mix images from the camera and RADAR detections in order to estimate depths for the objects appearing in the images. Fusion strategies can be considered the solution to give a more detailed description of the environment by utilizing both the 3D localization capabilities of range sensors and the higher spatial resolution of image data. The idea is to fuse 3D detections from the RADAR onto the image plane, this requires a high level of synchronization of the sensors and projections of the RADAR data on the required image. / Robust detektering, lokalisering och spårning av objekt är avgörande för autonom körning. Datorseende har till stor del drivit utvecklingen baserad på kamerasensorer de senaste åren, men 3D-lokalisering från bilder är fortfarande utmanande. Sensorer som LiDAR eller RADAR används för att beräkna djup; var och en har sina egna fördelar och nackdelar. Huvudtanken med projektet är att kunna blanda bilder från kameran och RADAR-detektioner för att uppskatta djup för de objekt som förekommer i bilderna. Fusionsstrategier kan anses vara lösningen för att ge en mer detaljerad beskrivning av miljön med både 3D-lokaliseringsförmågan hos avståndssensorer och den högre rumsliga upplösningen av bilddata. Tanken är att smälta samman 3D-detektioner från RADAR till bildplanet, detta kräver en hög nivå av synkronisering av sensorerna och projektioner av RADAR-data på den önskade bilden.
|
| 102 |
Händelsekonstruktion genom säkrande och analys av data från ett hemautomationssystem / Event Reconstruction by Securing and Analyzing Data from a Home Automation SystemBaghyari, Roza, Nykvist, Carolina January 2019 (has links)
I detta examensarbete har tidsstämplar extraherats ur ett forensiskt perspektiv från ett hemautomationssystem med styrenheten Homey från Athom. Först konstruerades ett fiktivt händelsescenario gällande ett inbrott i en lägenhet med ett hemautomationssystem. Hemautomationssystemet bestod av flera perifera enheter som använde olika trådlösa nätverksprotokoll. Enheterna triggades under händelsescenariot. Därefter testades olika metoder för att få ut data i form av tidsstämplar. De metoder som testades var rest-API, UART och chip-off på flashminnet medan JTAG inte hanns med på grund av tidsbrist. Den metod som gav bäst resultat var rest-API:t som möjliggjorde extrahering av alla tidsstämplar samt information om alla enheter. I flashminnet hittades alla tidsstämplar, men det var inte möjligt att koppla ihop dessa tidsstämplar med en specifik enhet utan att använda information från rest-API:t. Trots att rest-API:t gav bäst resultat så var det den metod som krävde en mängd förutsättningar i form av bland annat inloggningsuppgifter eller en rootad mobil. Med hjälp av de extraherade tidsstämplarna rekonstruerades sedan händelsescenariot för inbrottet. / The purpose of this bachelor thesis was to extract timestamps from a home automation system with a control unit named Homey in a forensic perspective. The first step was to create a course of event regarding a burglar breaking into an apartment with home automation. The home automation system consisted of some peripheral units using different types of wireless network protocols. All these units were triggered during the break in. Thereafter different types of methods were tested in an attempt to extract the timestamps for each unit. These methods included rest-API, UART and chip-off on a flash memory. The method using JTAG were not tested due to lack of time. Rest-API was the method that provided most information about the units and time stamps. The flash memory also contained every timestamp, however it did not provide any information about which timestamp belonged to which unit. Even though the rest-API was the best method to extract data, it was also the method with most requirements such as credentials or a rooted smartphone. With the extracted timestamps it was possible to reconstruct the course of events of the break-in.
|
| 103 |
Digital Twin for Firmware and Artificial Intelligence prototypingMaragno, Gianluca January 2023 (has links)
The forth industrial revolution has risen the born of new mega trends for the improvement of the time to market and the spare of resources in the development and manufacturing of a new product. Among these trends, the Digital Twin (DT) is the one of major interests for developers and strategy analysts. The perfect transposition of a real entity into a digital environment enables the exploration and testing of the different components within the defined object, taking a further step towards a perfect correct-by-design approach. STMicroelectronics (ST) is exploring the benefits that this technology offers to the developers. The company’s primary focus revolves around the creation of SystemC models for the manufactured components so that a co-simulation between an Hardware (HW)/Software (SW) platform and a kinematic simulator is possible. This innovative approach facilitate the comprehensive validation of the designed Firmware (FW), relying on the intricate interplay with sensory aspects influenced by both device behavior and environmental circumstances. Furthermore, many applications nowadays implement an Artificial Intelligence (AI) algorithm: its performance is strictly dependent on the quality of the signals sensed and on the dataset on which the model is built. The creation of a proper DT allows to implement its development during the design phase, creating not only a valid AI for the real product, but also improving the quality and the performance of the model built. This conclusion is proven through the construction of a simple robotic arm implementing an anomaly detection algorithm based on a Machine Learning (ML) model. / Den fjärde industriella revolutionen har gett upphov till nya megatrender för förbättring av time-to-market och spara resurser vid utveckling och tillverkning av tillverkning av en ny produkt. Bland dessa trender är DT av stort intresse för utvecklare och strategianalytiker. Den perfekta överföringen av en verklig enhet till en digital miljö gör det möjligt att utforska och testa de olika komponenter inom det definierade objektet, vilket tar ytterligare ett steg mot en perfekt korrekt-från-design-metod. ST utforskar fördelarna som denna teknologi erbjuder utvecklare. Företagets huvudsakliga fokus kretsar kring skapandet av SystemC-modeller för tillverkade komponenter så att en samkörning mellan en HW/SW och en kinematisk simulator blir möjlig. Denna innovativa metod underlättar den omfattande valideringen av utformad FW och bygger på den intrikata interaktionen med sensoriska aspekter som påverkas av både enhetens beteende och miljöförhållanden. Dessutom implementerar många applikationer nuförtiden en algoritm för AI: dess prestanda är strikt beroende av kvaliteten på de uppfångade signalerna och den dataset på vilken modellen bygger. Skapandet av en korrekt DT möjliggör genomförandet av detta steg under designfasen, vilket inte bara resulterar i en giltig AI för den verkliga produkten utan också förbättrar kvaliteten och prestandan hos den skapade modellen. Denna slutsats bevisas genom konstruktionen av en enkel robotarm som implementerar en algoritm för avvikelsedetektering baserad på en ML model.
|
| 104 |
Simulation of real-time Lidar sensor in non-ideal environments : Master’s Thesis in Engineering PhysicsRosberg, Philip January 2024 (has links)
Light Detection and Ranging (Lidar) is a kind of active sensor that emits a laser pulse and primarily measures the time of flight of the returning pulse and uses it to construct a 3D point cloud of the scene around the lidar sensor. The constructed point cloud is an essential asset for the control of autonomous vehicles, and especially today, an essential basis for the training of autonomous vehicle control models. However, it remains time-consuming, high-risk and expensive to acquire the amounts of data necessary to train the rather complex modern control models. As such, generating the point cloud through simulations becomes a natural solution. Yet, many lidar simulations today produce ideal point clouds, corrected only by random noise, without considering the physical reasons behind the imperfections visible in real lidar point clouds. The aim of this study was to investigate real-time simulation models for disturbances that may cause imperfections in lidar data. From a base investigation of lidar, disturbances were found, models were investigated and finally a real-time implementation of Atmospheric Effects and attenuation from Beam Divergence was evaluated. It was found that the implemented models could produce physically accurate lidar point placement while keeping the computational time low enough for real-time evaluation. However, to achieve correct separation of target hit rates under Atmospheric Effects, as high as 34% of the points had to be dropped. Additionally, the intensity of the return points could not be properly verified. From these results it can be concluded that, with additional verification and adjustment, the presented models can achieve good results for evaluation in real-time. The results of this study thus serve as a support for future developments of realistic real-time lidar simulations, for use in development of autonomous vehicle control models and implementation of digital twins.
|
| 105 |
Analysis of Accuracy for Engine and Gearbox SensorsDogantimur, Erkan, Johnsson, Daniel January 2019 (has links)
This thesis provides a standardized method to measure accuracy for engine and gearbox sensors. Accuracy is defined by ISO 5725, which states that trueness and precision need to be known to provide a metric for accuracy. However, obtaining and processing the data required for this is not straight forward. In this thesis, a method is presented that consists of two main parts: data acquisition and data analysis. The data acquisition part shows how to connect all of the equipment used and how to sample and store all the raw data from the sensors. The data analysis part shows how to process that raw data into statistical data, such as trueness, repeatability and reproducibility for the sensors. Once repeatability and reproducibility are known, the total precision can be determined. Accuracy can then be obtained by using information from trueness and precision. Besides, this thesis shows that measurement error can be separated into error caused by the sensors and error caused by the measurand. This is useful information, because it can be used to assess which type of error is the greatest, whether or not it can be compensated for, and if it is economically viable to compensate for such error. The results are then shown, where it is possible to gain information about the sensors’ performance from various graphs. Between Hall and inductive sensors, there were no superior winner, since they both have their strengths and weaknesses. The thesis ends by making recommendations on how to compensate for some of the errors, and how to improve upon the method to make it more automatic in the future.
|
| 106 |
Fallstudie om Prediktivt och Tillståndsbaserat Underhåll inom Läkemedelsindustrin / Case study regarding Predictive and Condition-based Maintenance in the Pharmaceutical IndustryRedzovic, Numan, Malki, Anton January 2022 (has links)
Underhåll är en aktivitet som varje produktion vill undvika så mycket som möjligt på grund av kostnaderna och tiden som anknyts till den. Trots detta så är en väl fungerande underhållsverksamhet väsentlig för att främja produktionens funktionssäkerhet och tillgänglighet att tillverka. En effektiv underhållsorganisation går däremot inte ut på att genomföra mer underhåll än vad som egentligen är nödvändigt utan att genomföra underhåll i rätt tid. På traditionellt sätt så genomförs detta genom att ersätta slitage delar och serva utrustningen med fastställda mellanrum för att förebygga att haveri, vilket kallas för förebyggande underhåll. De tidsintervaller som angivits för service bestäms av leverantörerna och grundar sig i en generell uppskattning av slitagedelarnas livslängd utifrån tester och analys. Till skillnad från att köra utrustningen till den går sönder som kallas för Avhjälpande underhåll så kan underhåll genomföras vid lämpliga tider så att det inte påverkar produktion och tillgänglighet. Men de tidsintervall som leverantörerna rekommenderar till företagen garanterar inte att slitage delen håller sig till det intervallet, delarna kan exempelvis rasa tidigare än angivet eller till och med hålla längre. Av denna anledning är det naturliga steget i underhållets utveckling att kunna övervaka utrustningens hälsa i hopp om att kunna förutspå när och varför ett haveri ska uppstå. Den här typen av underhåll kallas för tillståndsbaserat och prediktivt underhåll och medför ultimat tillgänglighet av utrustning och den mest kostnadseffektiva underhållsorganisationen, då god framförhållning och översikt uppnås för att enbart genomföra underhåll när det behövs. Det som gör tillståndsbaserat och prediktivt underhåll möjligt är den fjärde industriella revolutionen “Industri 4.0” och teknologierna som associeras med den som går ut på absolut digitalisering av produktionen och smarta fabriker. Teknologier som IoT, Big Dataanalys och Artificiell Intelligens används för att koppla upp utrustning till nätet med hjälp av givare för att samla in och lagra data som ska användas i analyser för att prognosera dess livslängd. Uppdragsgivaren AstraZeneca i Södertälje tillverkar olika typer av läkemedel som många är livsviktiga för de patienter som tar dessa mediciner. Om AstraZenecas produktion står still på grund av fel i utrustningen kommer det inte enbart medföra stora ekonomiska konsekvenser utan även påverka de människor som med livet förlitar sig på den medicin som levereras. För att försäkra produktionens tillgänglighet har AstraZeneca gjort försök att tillämpa tillståndsbaserat och prediktivt underhåll men det är fortfarande enbart i startgroparna. Eftersom ventilation är kritisk del av AstraZeneca produktion då ett fel i ventilationssystemet resulterar i totalt produktionsstopp i byggnaden förens problemet åtgärdas och anläggningen sanerats blev det även rapportens fokusområde. Arbetets uppgift går därför ut på att undersöka möjligheter för AstraZeneca att utveckla deras prediktiva och tillståndsbaserat underhåll på deras ventilationssystem, för att sedan kunna identifiera och presentera förslag på åtgärder. Dessa förslag analyserades sedan med hjälp av verktygen QFD-Matris och Pugh-Matris för att kunna uppskatta vilket förslag som är mest kostnadseffektivt, funktions effektivt samt vilket förslag som kommer tillföra mest nytta för underhållet på AstraZeneca. / Maintenance is an activity that every production wants to avoid as much as possible due to the costs and the time associated with it. Despite this, a well-functioning maintenance operation is essential to promote the production's availability to manufacture and operational reliability. Running an efficient maintenance operation is not about carrying out more maintenance than is necessary but carrying out the right amount of maintenance at the right time. Traditionally speaking this is done by replacing worn parts and servicing the equipment at set intervals to prevent breakdowns, this method is called preventive maintenance. The intervals specified for service are determined by the suppliers and are based on general estimates of the service life for the spare parts from test and analytics. Preventive maintenance allows for maintenance to be carried out at appropriate time to not affect production and availability unlike running the equipment until breakdown, which is called reactive maintenance. However, these intervals that the suppliers recommend do not guarantee that the parts adhere to the given interval, the part can for example break down earlier than expected or even outlast its prescribed lifetime. Because of this, the natural step in the development of maintenance is giving companies the ability to monitor the health of the equipment in hope of being able to predict potential breakdowns. This is what Condition-Based and predictive maintenance is and it provides the ultimate availability of equipment and the most cost-effective maintenance organization, because the good foresight and overview allows maintenance to be carried out only when needed. The fourth industrial revolution “Industry 4.0”, absolute digitalization of production, smart factories and all the technologies associated with this is what makes this type of maintenance possible. Technologies such as IoT, Big Data Analytics and Artificial Intelligence are used to connect equipment to the network using sensors so that data can be stored and collected to be analyzed to forecast the lifespan of parts and equipment. AstraZeneca in Södertälje manufactures different types of medicine, many of which are vital for the patients who take them. If their production comes to a standstill due to equipment failure, it will not only have major financial consequences but also greatly affect the people who rely on the medicine offered with their lives. To ensure the availability of production, AstraZeneca has made attempts to apply condition-based and predictive maintenance, but it is still only in its infancy. Since ventilation is a critical part of AstraZeneca's production, as a failure here will result in a total production stoppage for the building affected and will not resume before the problem is remedied and the plant is decontaminated, it also became the report's focus area. The task at hand is therefore to investigate the opportunities AstraZeneca must develop their predictive and condition-based maintenance for their ventilation systems, in order to be able to present proposals for measures. The proposals will then be analyzed using tools like the QFD-Matrix and the Pugh-Matrix in order to estimate which is more cost effective, function effective and which one will bring the most benefit to AstraZeneca.
|
Page generated in 0.0617 seconds