• Refine Query
  • Source
  • Publication year
  • to
  • Language
  • 2
  • Tagged with
  • 2
  • 2
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 1
  • 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.
1

Charged particle distributions and robustness of the neural network pixel clustering in ATLAS

Sidebo, Edvin January 2016 (has links)
This thesis contains a study of the robustness of the artificial neural network used in the ATLAS track reconstruction algorithm as a tool to recover tracks in dense environments. Different variations, motivated by potential discrepancies between data and simulation, are performed to the neural network’s input while monitoring the corresponding change in the output. Within reasonable variation magnitudes, the neural networks prove to be robust to most variations. In addition, a measurement of charged particle distributions is summarised. This is one of the first such measurements carried out for proton-proton colli- sions at √s = 13 TeV, limited to a phase space defined by transverse momentum pT &gt; 100 MeV and absolute pseudorapidity |η| &lt; 2.5. Tracks are corrected for de- tector inefficiencies and unfolded to particle-level. The result is compared to the prediction of different models. Overall, the EPOS and Pythia 8 A2 models show the best agreement with the data. / Spår från elektriskt laddade partiklar rekonstrueras i ATLAS genom att kombinera mätningar från de innersta subdetektorerna. I de extrema miljöer som skapas i proton-proton-kollisionerna i Large Hadron Collider vid CERN är det av yttersta vikt att algoritmen för att rekonstruera spår är högpresterande. Uppgiften är särskilt svår i partikelrika miljöer där flera partiklar färdas nära varandra, åtskilda av avstånd jämförbara med storleken på detektorns utläsningselement. Ett artificiellt neuralt nätverk används i algoritmen för att klassificera mätdata från pixeldetektorn, belägen närmast interaktionspunkten, för att lyckas identifiera spår i partikelrika miljöer som annars hade gått förlorade. I denna avhandling utreds det neurala nätverkets stabilitet. Dess känslighet studeras genom att manuellt manipulera dess indata och därefter utvärdera dess resultat. Nätverket tränas med simulerad data. Variationerna i indata är utformade för att undersöka skillnader mellan data och simulering, orsakade av osäkerheter i simuleringsmodellen eller osäkerheter i pixeldetektorns kalibrering. Av de undersökta variationerna har en osäkerhet i skalan eller utläsningströskeln för pixeldetektorns kalibrering den största effekten på nätverkets resultat. Andra variationer har en betydligt mindre påverkan. Avhandlingen presenterar också en studie av distributioner av elektriskt laddade partiklar producerade i proton-proton-kollisioner. Det är en av de första studierna av partikeldistributioner för Large Hadron Colliders andra körning med mass-centrum-energi √s = 13 TeV. Mätningen är begränsad till fasrymden definierad av en transversell rörelsemängd pT &gt; 100 MeV, och absolut rapiditet |η| &lt; 2.5. Spår av partiklar rekonstrueras och korrigeras för detektorns ineffektiviteter för att presenteras på partikelnivå. Dessa jämförs sedan med förutsägelser från olika modeller. Modellerna EPOS och Pythia 8 A2 är generellt de som bäst överensstämmer med data. Författaren har undersökt partiklar som migrerar in och ut ur fasrymden. Andelen spår associerade till partiklar som migrerat utifrån uppskattas med simulerad data, till som mest 10% nära fasrymdens gränser. Osäkerheten på denna andel uppskattas till att vara som mest 4.5%, huvudsakligen orsakad av osäkerheten på mängden material i de innersta subdetektorerna. / <p>QC 20160817</p>
2

Návrh zavěšení kol Formule Student / Design of Formula Student Wheel Suspensions

Urban, Marek January 2020 (has links)
Tato práce se se zabývá návrhem kinematiky zavěšení kol obou náprav. Na základě analýz jízdních dat, multi-body simulací v softwaru Adams Car, simulací v Matlabu a analytických kalkulací v Mathcadu, je navržena řada změn s cílem zlepšit jízdní vlastnosti vozu Formule student, tyto změny jsou následně implementovány do CAD modelu vozu. Jednotlivé změny kinematiky náprav jsou provedeny na základě analýzy konkrétního problému, který se snaží řešit. Jednou z problematik je zástavbová náročnost systému odpružení a zavěšení zadních kol, zde je cílem snížit hmotnost, výšku těžiště a moment setrvačnosti. Další problematikou je geometrie předního kola, kde je cílem zlepšit využití pneumatik a snížit síly v řízení. Dále se práce zabývá simulacemi elastokinematiky zadní nápravy, součástí je také návrh měřícího zařízení. V poslední části je zkoumán vliv provedených změn i elastokinematiky na jízdní dynamiku vozu v ustálených stavech za pomocí MM metody simulované s modelem celého vozu v Adams Car a zpracované v Matlabu.

Page generated in 0.056 seconds