20.500.12556/RUL-186270 Vrednotenje kakovosti grelnih svečk s senzorjem tlaka na osnovi tlačnega odziva vgrajenega piezo senzorskega elementa Quality assessment of glow plugs with pressure sensor based on the pressure response of the integrated piezoelectric sensor element V nalogi je predstavljen razvoj postopka za objektivno, ponovljivo in avtomatizirano končno kontrolo grelnih svečk z vgrajenim senzorjem tlaka. Postopek temelji na analizi odziva piezoelektričnega senzorskega elementa med kalibracijo, pri kateri vibracije kalibracijske naprave povzročijo vsiljeno nihanje senzoričnega sklopa. Amplituda tega nihanja je odvisna od mehanskih lastnosti in kakovosti sestave svečke, zato predstavlja uporabno osnovo za razvrščanje izdelkov. Da smo dobili vpogled v frekvenčno specifične lastnosti izmerjenih signalov, je bila izvedena Fourjerjeva transformacija. Za učinkovito strojno učenje so bili podatkovni nizi v nadaljevanju dodatno obdelani z različnimi pristopi izvlečenja značilk. Na rezultirajoči podatkovni množici so bili trenirani različni algoritmi strojnega učenja za klasifikacijo svečk v kakovostne razrede. Za testiranje različnih kombinacij pristopov izvlečenja značilk in algoritmov strojnega učenja je bila uporabljena križna validacija. Rezultirajoče vrednosti metrik so bile osnova za identifikacijo najuspešnejše kombinacije. Razviti postopek tako predstavlja osnovo za izboljšanje zanesljivosti ter ponovljivosti končne kontrole. This paper presents the development of a procedure for the objective, repeatable, and automated final inspection of glow plugs with a built-in pressure sensor. The process is based on an analysis of the response of a piezoelectric sensor element during calibration, during which vibrations from the calibration device cause forced oscillations in the sensor assembly. The amplitude of this oscillation depends on the mechanical properties and quality of the glow plug’s construction, thus providing a useful basis for product classification. To gain insight into the frequency-specific characteristics of the measured signals, a Fourier transform was performed. For effective machine learning, the datasets were subsequently further processed using various feature extraction approaches. Various machine learning algorithms were trained on the resulting dataset to classify the glow plugs into quality classes. Cross-validation was used to test various combinations of feature extraction approaches and machine learning algorithms. The resulting evaluation metric values served as the basis for identifying the most successful combination. The developed procedure thus provides a foundation for improving the reliability and reproducibility of end-of-line control. grelne svečke tlačna zaznavala Fourierjeva transformacija strojno učenje izvlečenje značilk končna kontrola glow plugs pressure sensors Fourier transform machine learning feature extraction end-of-line control true false false [A. Mašera] Slovenski jezik Angleški jezik Diplomsko delo/naloga 2026-08-29 08:34:44 2026-08-29 08:35:07 2026-08-31 10:10:22 0000-00-00 00:00:00 2026 0 Ljubljana 0 XV, 35 f. 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 621.43.045.6:681.586.773(043.2) 288584 289428995 48739.pdf 48739.pdf 1 1B3EFB3180A826ECEC5E22A54BD4153E ea4f9281c27b17b7515efbfafa4708f010a861175e68a5e0c3dcfae02b148280 5ba21a38-a373-11f1-9b0d-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=245409 Fakulteta za strojništvo 0 0 0