Studentská vědecká konference

Grafen je alotropní modifikace uhlíku tvořící monomolekulární vrstvu atomů orientovaných do šestiúhelníkové mřížky. Jeho derivát, grafenoxid, se využívá pro přípravu tenkých grafenoxidových vloček. Tyto vločky mají pozoruhodné separační vlastnosti, a jelikož lze připravit grafenoxidové vrstvy o tloušťce již v řádech nanometrů, mají velký potenciál pro aplikaci v ochranných filtrech a membránách pro mikrofiltrace či separace. Cílem práce bylo na základě dat z experimentů se separačními membránami vytvořit model procesu membránové separace přes grafenovou membránu. Separace byla popsána parametrizovanou lineární diferenciální rovnicí a pro každý experiment byly parametry optimalizovány v programu MATLAB pomocí funkce fminsearch.  Pro tyto parametry potom byl zpětně sestaven graf znázorňující závislost výstupní veličiny na vstupní, úsek vybraný pro optimalizaci a výstup získaný z optimalizovaného modelu.

Náplní práce je návrh systému hlasového řízení robotických i jiných systémů s možností libovolných přirozenou řečí formulovaných příkazů. Přirozená řeč je jedním z nejstarších a lidem nejbližších způsobů komunikace, který umožňuje rychlý přenos velkého objemu dat prostřednictvím strukturovaného sledu zvukových signálů (fonémů). Jelikož se lidé s řečí setkávají již od útlého dětství, jedná se o velice intuitivní proces předávání informací. Je tedy žádoucí využít přirozenou řeč jakožto uživatelské rozhraní mezi člověkem a elektronickým zařízením. Syntaxe a sémantika řeči jsou však velice závislé na mluvčím a kontextu. Rekurentní neuronové sítě jsou specificky navrženy pro rozpoznávání kontextuálních závislostí a proměnné délky vstupních signálů, což je činní předními kandidáty pro umožnění počítačového zpracování přirozené řeči. Práce se zabývá zpracováním audiosignálů z korpusu mluvené češtiny Prague Dependency Treebank of Spoken Czech 1.0 (PDTSC 1.0) na cepstrální koeficienty (MFCC) a jejich využití pro naučení obousměrné rekurentní neuronové sítě (BRNN) převádět tyto signály na textový přepis, který bude dále využit pro vyhledávání klíčových slov k ovládání robotického systému.

Program Process Simulation and Control (PSIC) je doplněk aplikace MS Excel vyvinutý na Ústavu počítačové a řídicí techniky. Doplněk slouží jako učební pomůcka při výuce Laboratoří měřicí a řídicí techniky. Jedná se o jednoduchý simulační program, který zvládnou obsluhovat i studenti, kteří neumějí pracovat se složitějšími simulačními programy (Matlab, Maple). V rámci této práce došlo k přidání nové funkce, která umožňuje identifikaci procesů. Doplněk tak nově dovoluje uživateli zadat naměřená data, a pomocí optimalizačních metod nalezne přesnější hodnotu vstupního parametru modelu.

The contribution is focused on dynamical properties of isothermal incompressible liquid flow in horizontal pipeline. Fully developed laminar flow of non-newtonian liquid with difusion absense is supposed. The study brings new results related to concentration changes in time. The method of investigation is demonstrated on Power-law liquids where shear stress is proportional to the power of radial velocity gradient. It is easy to obtain unit step response of pipeline flow in real time but the adequate transfer function cannot be expressed explicitly. But in the case of discrete response with given sampling period the discrete transfer function can be expressed as infinite time series in the Fourier domain. The novelty consist of effective approximation of residual terms. Without this trick the finite approximation of the series mentioned above is very rough and inacceptable for control applications. Thanks to the pseudospectrum we can investigate the properties of S, PS and PSD controllers in feedback control of given pipeline system. The final results are: * impulse response of discrete pipeline system *optimal setting of S and anti-wind up PS controller *stability verification using pseudo Nyquist plot *discrete control response of whole control system  

Obrazová analýza je důležitým doplňkem všech analytických metod, které produkují data ve formě snímků (např. SEM, AFM). Takové snímky je potřeba nejen dobře pořídit (s ohledem na minimalizaci šumu, rovnoměrné osvětlení, atp.), ale následně i zpracovat v digitální formě s využitím výpočetní techniky. Pro tyto účely slouží řada specializovaného software. Zpravidla pak záleží na uživateli, který musí zvolit vhodný postup pro danou analýzu. V rámci této práce byl vyvinut software v jazyce Python, jehož cílem je realizovat některé metody obrazové analýzy. Tento software byl následně demonstrován při analýze snímků nanovláken polypyrrolu ze skenovacího elektronového mikroskopu, jejichž rozměry jsou spojovány s jeho elektrickou vodivostí. Výsledný software byl obohacen o uživatelské rozhraní a lze jej použít pro analýzu dalších, podobných nanostruktur. Metody implementované v průběhu vývoje programu zahrnují např. úpravu histogramu, Gaussovskou filtraci, automatické prahování, morfologické operace aj., s analytickými nástroji pro manuální měření průměru a automatickou detekci objektů v binárních snímcích, jejich obvodu a plochy.

Práce se zabývá využitím optimalizačních metod k nastavování vyhlazovacích filtrů pro vícerozměrné diskrétní signály. Optimalizovány jsou různé parametrizovatelné filtry s konečnou i nekonečnou impulsní odezvou (Gaussův filtr, konvoluční matice o různých rozměrech, Butterworthův filtr). Navržené algoritmy jsou implementovány v prostředí Matlab a testovány na medicínských signálech jednorozměrných (signály EEG) a dvojrozměrných (výřezy ze SPECT 3D obrazů). Kvalita vyhlazení je měřena účelovou funkcí SNR (Signal To Noise Ratio) a jejími variacemi. Na přiloženém obrázku jsou znázorněny hodnoty účelové funkce pro různé hodnoty dvou parametrů konvoluční matice o rozměrech 3x3 s nalezeným optimem – maximem účelové funkce.