UNIVERZITET U TUZLI
FAKULTET ELEKTROTEHNIKE
Franjevačka br.2
Tuzla
O B J A V L J U J E
Emina Mahmutbegović, bachelor inž. el., javno će braniti završni magistarski rad pod naslovom: „Primjena vještačke inteligencije u automobilskoj industriji i njen doprinos elektromobilnosti”, dana 03.07.2024. godine sa početkom u 13,00 sati u Multimedijalnoj sali Univerziteta u Tuzli, pred Komisijom u sastavu:
- Dr. sci. Naser Prljača, redovni profesor-predsjednik
Uža naučna oblast Automatika i robotika
Fakultet elektrotehnike Univerziteta u Tuzli - Dr. sci. Lejla Banjanović-Mehmedović, vanredni profesor-mentor/član
Uža naučna oblast Automatika i robotika
Fakultet elektrotehnike Univerziteta u Tuzli - Dr. sci. Jakub Osmić, redovni profesor-član
Uža naučna oblast Automatika i robotika
Fakultet elektrotehnike Univerziteta u Tuzli
Zamjenski član Komisije, dr.sci. Amila Dubravić, vanredni profesor, uža naučna oblast Automatika i robotika, Fakultet elektrotehnike Univerziteta u Tuzli.
Pristup javnosti je slobodan.
Završni magistarski rad se može pogledati u Sekretarijatu fakulteta svakim radnim danom od 09,00 do 15,00 sati.
REZIME RADA
Danas postoji više od 800 miliona vozila na planeti i očekuje se da će se taj broj udvostručiti u sljedećih deset godina. Ovaj izazov doveo je do razvoja aktivne istraživačke domene-inteligentnih vozila, s krajnjim ciljem automatizacije tipičnih zadataka koje ljudi obavljaju tokom vožnje. Opća motivacija izgradnje inteligentnih vozila bila je učiniti vožnju sigurnijom, praktičnijom i učinkovitijom. Međutim, vozila su odgovorna za gotovo 25% emisija stakleničkih plinova u Europi i glavni su uzrok zagađenja zraka u gradovima. Elektromobilnost je postala jedan od koncepata koji omogućava postizanje ovog cilja. Njegov glavni cilj je smanjenje emisije štetnih materija u životnu sredinu korištenjem električnih vozila (EV).
Ovaj magistarski rad će u svom teoretskom dijelu naprije predstaviti nekoliko dosadašnjih istraživanja vezanih za primjenu vještačke inteligencije u automobilskoj industriji, te teoretski obrazložiti prethodno spomenute metode vještačke inteligencije.
Rad će zatim detaljno istražiti metode estimacije parametara, s posebnim naglaskom na njihovu primjenu u predikciji struja električnog motora.
U završnom dijelu rada biti će prikazan primjer implementacije linearnog regresora u cilju rješavanja navedenog problema, kao i primjer implementacije različitih vrsta neuronskih mreža za rješavanje istog problema. Najprije će se prikazati primjer dizajniranja i treniranja klasične MLP neuronske mreže, a zatim LSTM neuronskih mreža.
Performanse navedenih modela će biti evaluirane i uspoređene. Od evaluatora će biti korištena srednja kvadratna greška (MSE), kao i njene varijacije (RMSE, MAE, MAPE, itd). Za treniranje, testiranje i validaciju navedenih modela biti će korišten postojeći skup podataka od oko 40 miliona uzoraka koji se mogu koristiti za obuku. U sklopu rada će biti implementiran i jednostavan GUI za pregled korištenog skupa podataka, treniranje avedenih modela, prikaz arhitekture modela, spremanje i vizualizaciju rezultata treniranja i testiranja.