Open Access. Powered by Scholars. Published by Universities.®
Articles 1 - 3 of 3
Full-Text Articles in Engineering
ผลกระทบจากกรรมวิธีทางความร้อนในการฟื้นฟูโครงสร้างจุลภาคในโลหะผสมพิเศษเนื้อพื้นนิกเกิลที่ได้จากการหล่อและผ่านการให้ความร้อนมาเป็นระยะเวลานาน, วรา วัชรถานนท์
ผลกระทบจากกรรมวิธีทางความร้อนในการฟื้นฟูโครงสร้างจุลภาคในโลหะผสมพิเศษเนื้อพื้นนิกเกิลที่ได้จากการหล่อและผ่านการให้ความร้อนมาเป็นระยะเวลานาน, วรา วัชรถานนท์
Chulalongkorn University Theses and Dissertations (Chula ETD)
งานวิจัยนี้ได้ทำการศึกษาและประเมินผลของการทำกรรมวิธีทางความร้อน ซึ่งประกอบด้วยการทำละลายที่อุณหภูมิ 1175 องศาเซลเซียส เป็นเวลา 4 ชั่วโมง แล้วปล่อยให้เย็นตัวในอากาศ และการบ่มแข็งที่อุณหภูมิ 845 องศาเซลเซียส เป็นเวลา 24 ชั่วโมง แล้วปล่อยให้เย็นตัวในอากาศ เพื่อปรับปรุงและฟื้นฟูโครงสร้างจุลภาคในโลหะผสมพิเศษเนื้อพื้นนิกเกิลเกรดจีทีดี-111 ที่มีการเติมธาตุอะลูมิเนียม, นิกเกิล และ/หรือโคบอลต์เพิ่มเติม หลังจากผ่านการจำลองการใช้งานจริงที่อุณหภูมิ 900 องศาเซลเซียส และ 1000 องศาเซลเซียส เป็นเวลา 400 ชั่วโมง พบว่าการทำกรรมวิธีทางความร้อนด้วยเงื่อนไขนี้เหมาะสมกับชิ้นงานที่ผ่านการจำลองการใช้งานจริงที่อุณหภูมิ 900 องศาเซลเซียส แต่โครงสร้างจุลภาคที่เกิดขึ้นยังไม่สามารถกลับคืนสู่สภาพเดิมได้ทั้งหมด เมื่อเปรียบเทียบกับโครงสร้างจุลภาคของชิ้นงานดั้งเดิมที่ยังไม่ผ่านการจำลองการใช้งานจริงจากงานวิจัยก่อนหน้านี้ ซึ่งแสดงให้เห็นว่าอุณหภูมิ และ/หรือเวลาที่ใช้ในการทำละลายยังไม่มากเพียงพอต่อการละลายอนุภาคแกมมาไพรม์แบบหยาบให้กลับสู่เนื้อพื้นแกมมาได้ สำหรับแนวโน้มของการเติมธาตุผสมทั้งสามต่อขนาดของอนุภาคแกมมาไพรม์และสัดส่วนเชิงพื้นที่ของเฟสแกมมาไพรม์ที่เกิดขึ้นหลังจากการทำกรรมวิธีทางความร้อน มีความใกล้เคียงกับผลที่ได้จากชิ้นงานดั้งเดิมมาก แต่อย่างไรก็ตามค่าต่าง ๆ ที่ได้จากการวิเคราะห์ด้วยภาพถ่าย โดยเฉพาะอย่างยิ่งขนาดของอนุภาคแกมมาไพรม์มีค่าน้อยกว่าชิ้นงานดั้งเดิม
การรู้จำและการบ่งตัวตนของเสียงสภาพแวดล้อมและเสียงปืน-ปืนใหญ่ ด้วย Mlp Svm และ Dnn, ชินวัฒน์ จัตุรัส
การรู้จำและการบ่งตัวตนของเสียงสภาพแวดล้อมและเสียงปืน-ปืนใหญ่ ด้วย Mlp Svm และ Dnn, ชินวัฒน์ จัตุรัส
Chulalongkorn University Theses and Dissertations (Chula ETD)
วิทยานิพนธ์ฉบับนี้เสนอแนวทางการรู้จำและการบ่งตัวตนของเสียงสภาพแวดล้อมและเสียงปืน-ปืนใหญ่ โดยเสนอแบบจำลอง Support Vector Machine (SVM) Multi-Layer Perceptron (MLP) และ Deep Neural Networks (DNNs) อีกสองชนิด ได้แก่ Convolutional Neural Networks (CNNs) และ Recurrent Neural Networks (RNNs) วัตถุประสงค์หลักเพื่อศึกษาการรู้จำเสียงสภาพแวดล้อมและเสียงปืน-ปืนใหญ่ และขยายขอบเขตให้สามารถจำแนกระหว่างเสียงที่ไม่เป็นอันตรายและเสียงที่เป็นอันตราย ปัญหาหลักของการจำแนกเสียงเกิดจากสัญญาณเสียงมีคุณลักษณะที่ไม่คงที่ (Non-Stationary) และข้อมูลมีขนาดมิติทางเวลาสูง ด้วยเหตุนี้วิทยานิพนธ์นี้จึงเสนอแนวทางการแก้ปัญหาด้วยการประมวลผลก่อนหน้าด้วยผลการแปลงฟูเรียร์สั้น (Short-Time Fourier Transform, STFT) แล้วทำการสกัดคุณลักษณะด้วยการวิเคราะห์องค์ประกอบหลัก (Principal Components Analysis, PCA) และทำการจำแนกด้วย SVM และ MLP นอกจากนี้ด้วยสมมติฐาน เบื้องต้นที่ว่า STFT สามารถแปลงจากสัญญาณเสียงที่มีมิติขนาดหนึ่งมิติมาเป็นสัญญาณภาพ (image) ที่มีขนาดสองมิติได้ ทำให้เราสามารถนำ spectrogram ที่ได้จาก STFT มาประยุกต์ใช้กับการเรียนรู้ลึกชนิด CNN หรือ RNN ได้ในกรณีนี้ CNN และ RNN จะทำหน้าที่สกัดคุณลักษณะ และจำแนกไปพร้อมกับในระหว่างการเรียนรู้ ผลการทดลองวิทยานิพนธ์สรุปได้ว่าเครื่องมือที่สามารถทำนายเสียงสภาพแวดล้อมและเสียงปืน-ปืนใหญ่ ได้แม่นยำสุดคือ DNN ชนิด CNN
การวิเคราะห์เชิงสถิติของปัจจัยที่ส่งผลต่อการเกิดไฟป่าในจังหวัดน่าน, ชัชวาล แซ่โค้ว
การวิเคราะห์เชิงสถิติของปัจจัยที่ส่งผลต่อการเกิดไฟป่าในจังหวัดน่าน, ชัชวาล แซ่โค้ว
Chulalongkorn University Theses and Dissertations (Chula ETD)
จังหวัดน่านมักเกิดไฟป่าเป็นประจำทุกปี ซึ่งเป็นสาเหตุของปัญหาน้ำท่วมและดินถล่มในช่วงฤดูฝน ขาดแคลนน้ำได้ง่ายในช่วงฤดูแล้ง รวมถึงปัญหามลพิษอากาศ PM10 เกินค่ามาตรฐาน ส่งผลต่อการอุปโภคบริโภค การเกษตรและการดำรงชีวิตของมนุษย์ ดังนั้น งานวิจัยนี้จึงมีวัตถุประสงค์ในการศึกษาปัจจัยที่ส่งผลต่อการเกิดไฟป่าและสร้างแผนที่ความเสี่ยง เพื่อระบุระดับความเสี่ยงต่อการเกิดไฟป่าในแต่ละพื้นที่ นำไปสู่แนวทางการป้องกันและความคุมไฟป่าอย่างมีประสิทธิภาพต่อไป โดยแบ่งการศึกษาออกเป็น 4 เขต และพิจารณาข้อมูลระหว่างปี พ.ศ. 2555 – 2562 สำหรับตัวแปรที่นำมาวิเคราะห์ได้แก่ เดือนในช่วงฤดูไฟป่า วันในสัปดาห์ (อาทิตย์ - เสาร์) เวลา อุณหภูมิ ความชื้น ระดับความสูง ระดับความชัน ระยะห่างจากถนน ระยะห่างจากพื้นที่เกษตร ระยะระหว่างตำแหน่งจุดเกิดไฟใกล้เคียงและประเภทป่าไม้ ซึ่งได้มีการจัดทำชั้นข้อมูลถนนสายรองเพิ่มเติมในแต่ละเขต เช่น ถนนในพื้นที่เกษตรและบริเวณโดยรอบ ถนนที่เชื่อมต่อเข้าไปในพื้นที่ป่า เป็นต้น ในส่วนของการวิเคราะห์จะประกอบด้วย การหาค่าความถี่ การทดสอบไคสแควร์และสหสัมพันธ์ในรูปแบบเพียร์สัน ร่วมกับค่าถดถอยพหุคูณ ด้วยโปรแกรม IBM SPSS Statistic 22 และนำมาสร้างแผนที่ความเสี่ยง จากการศึกษาพบว่า ทั้ง 4 เขต มีเพียงวันในสัปดาห์ ที่ไม่พบความสัมพันธ์กับการเกิดไฟป่า สำหรับปัจจัยหลักที่ส่งผลต่อการเกิดไฟป่าคือ ระยะห่างจากถนน ระยะห่างจากพื้นที่เกษตรและระยะระหว่างตำแหน่งจุดเกิดไฟใกล้เคียง ดังนั้น จึงนำตัวแปรทั้ง 3 มาสร้างแผนที่ความเสี่ยงและทดสอบด้วยตำแหน่งจุดเกิดไฟป่าของปี 2563 พบว่า ไฟป่ากว่าร้อยละ 55.55 เกิดในพื้นที่เสี่ยงสูงและสูงมาก โดยเฉพาะในเขต 3 เกิดไฟป่าในพื้นที่เสี่ยงสูงมากถึงร้อยละ 81.63 ซึ่งพื้นที่เสี่ยงสูงและสูงมากของทั้ง 4 เขต มีเพียงร้อยละ 8.14 ของพื้นที่ทั้งจังหวัด