1. Improving AGV path planning efficiency using Genetic Algorithms with Hamming distance-based initializationŽiga Breznikar, Janez Gotlih, Ž. Artič, Miran Brezočnik, 2025, original scientific article Abstract: This paper presents a Genetic Algorithm (GA) framework for warehouse navigation as a Travelling Salesman Problem (TSP) variant for Automated Guided Vehicles (AGVs). The warehouse layout is represented as a graph, where pick-up locations serve as terminal nodes. A distance matrix, computed via Breadth-First Search (BFS) enables efficient route evaluation. To promote diversity in the initial population, a Hamming distance-based vectorized initialization strategy is employed, ensuring that the chromosomes are maximally distinct. The GA balances exploration and exploitation by dynamically adjusting the fitness function. Early generations emphasize diversity, while later ones focus on solution refinement, improving convergence and avoiding premature stagnation. Our key contribution demonstrates that the Hamming distance-based approach achieves comparable or better results with significantly fewer chromosomes. This reduces computational cost and runtime, making the method well-suited for real-time AGV routing in warehouses. The framework is adaptable to structured environments and shows strong potential for integration into real-world logistics and robotics applications. Future work will focus on optimizing the algorithm and integrating it into the ROS 2 environment.
Keywords: automated guided vehicles (AGV), warehouse routing, combinatorial optimization, Hamming distance initialization, Robot operating system 2 (ROS 2)
Published in DKUM: 28.11.2025; Views: 0; Downloads: 3
 Full text (677,22 KB)
This document has many files! More... |
2. Optimizacije v inženirstvu : reševanje problemov z metahevrističnimi metodami v okolju MATLABJanez Gotlih, Mirko Ficko, 2025, higher education textbook Abstract: Skripta obravnavajo temeljne pristope optimizacije v inženirstvu s poudarkom na uporabi metahevrističnih metod, kot sta genetski algoritem (GA) in algoritem rojev delcev (PSO). Namenjena so študentom in inženirjem, ki želijo razumeti tako teoretično ozadje kot praktično implementacijo optimizacijskih algoritmov v okolju MATLAB. Vključujejo poglavja o enokriterijskih in večkriterijskih optimizacijskih problemih, obravnavajo omejitve, različne ciljne funkcije ter vizualizacijo rezultatov. Vsako poglavje vsebuje strukturirane vaje in naloge za samostojno delo, ki spodbujajo razumevanje delovanja algoritmov, oblikovanje optimizacijskih modelov in interpretacijo rešitev. Poseben poudarek je na razlagi parametrov algoritmov, primerjavi konvergence ter vplivu nastavitev na vedenje optimizacije. Skripta se zaključijo s pregledom značilnih testnih funkcij in primeri Pareto front za večkriterijsko optimizacijo. Zasnovana so tako, da tudi uporabniki brez poglobljenega matematičnega znanja lahko postopoma razvijejo intuicijo za uporabo optimizacijskih pristopov v realnih inženirskih problemih.
Keywords: metahevristične metode, genetski algoritem (GA), algoritem rojev delcev (PSO), eno- in večkriterijska optimizacija, MATLAB, inženirske aplikacije
Published in DKUM: 11.11.2025; Views: 0; Downloads: 1
Full text (5,96 MB)
This document has many files! More... |
3. Strojno učenje za inženirje : koncepti, primeri in uporaba v okolju MATLABJanez Gotlih, Miran Brezočnik, 2025, other educational material Abstract: Skripta obravnavajo strojno učenje z vidika uporabe v inženirstvu, pri čemer temeljne koncepte povezujejo s praktičnimi primeri v okolju MATLAB. Predstavljeni so štirje temeljni pristopi strojnega učenja: nadzorovano učenje, nenadzorovano učenje, učenje z okrepitvijo in prenosno učenje. Za vsak pristop so podani temeljni koncepti, konkretni primeri uporabe ter naloge za samostojno delo. Poseben poudarek je na uporabi orodij, kot so Regression Learner, Classification Learner, Deep Network Designer in Reinforcement Learning Designer, s pomočjo katerih študenti razvijajo modele na podatkih, ki izvirajo iz realnih inženirskih primerov. Med njimi so obraba orodja, vibracije strojev, balansiranje sistemov in prepoznavanje predmetov. Skripta vključujejo tudi eksperimentalne podatkovne množice in praktične napotke za učenje, validacijo in izboljšavo modelov. Namenjena so študentom tehniških smeri ter vsem, ki želijo usvojiti uporabo metod strojnega učenja za reševanje konkretnih inženirskih problemov.
Keywords: strojno učenje, nadzorovano učenje, nenadzorovano učenje, učenje z okrepitvijo, prenosno učenje, MATLAB, inženirske aplikacije
Published in DKUM: 10.11.2025; Views: 0; Downloads: 8
Full text (6,25 MB)
This document has many files! More... |
4. Predicting relative density of pure magnesium parts produced by laser powder bed fusion using XGBoostKristijan Šket, Snehashis Pal, Janez Gotlih, Mirko Ficko, Igor Drstvenšek, 2025, original scientific article Abstract: In this work, Laser Powder Bed Fusion (LPBF), an additive manufacturing (AM) process, was optimised to produce pure magnesium components. The focus of the presented work is on the prediction of the relative product density using the machine learning model XGBoost to improve the production process and thus the usability of the material for practical use. Experimental tests with different parameters, laser power, scanning speed and layer thickness, and fixed parameters, track overlapping and hatching distance, were analysed and resulted in relative material densities between 89.29% and 99.975%. The XGBoost model showed high predictive power, achieving an R2 test result of 0.835, a mean absolute error (MAE) of 0.728 and a root mean square error (RMSE) of 0.982. Feature importance analysis showed that the interaction of laser power and scanning speed had the largest influence on the predictions at 35.9%, followed by laser power × layer thickness at 29.0%. The individual contributions were laser power (11.8%), scanning speed (10.7%), scanning speed × layer thickness (9.0%) and layer thickness (3.6%). These results provide a data-based method for LPBF parameter settings that improve manufacturing efficiency and component performance in the aerospace, automotive and biomedical industries and identify optimal parameter regions for a high density, serving as a pre-optimisation stage.
Keywords: additive manufacturing, machine learning, XG Boost, magnesium, relative density
Published in DKUM: 03.11.2025; Views: 0; Downloads: 5
Full text (1,60 MB)
This document has many files! More... |
5. Razvoj postopka robotskega rezkanja kalupa za kompozitno zadnje krilce dirkalnika Formula Student : diplomsko deloUroš Perkič, 2025, undergraduate thesis Abstract: Naloga diplomskega dela je razvoj postopka robotskega rezkanja kalupa za kompozitno zadnje krilce, ki ga uporabljamo pri dirkalniku Formula Student. V prvem delu smo predstavili osnove rezkanja in obdelavo z robotom, v drugem delu pa je sledila simulacija obdelave z robotom. Pri tem smo po korakih opisali postopek, kako pripraviti delovno celico, orodje in robota, ter kako definirati obdelovalne postopke in jih prikazati kot simulacijo. Na koncu so prikazani rezultati simulacije.
Keywords: simulacija, rezkanje, obdelava, kalup, robot, Formula Student, delovna celica, orodje, obdelovalni postopki, rezultati simulacije
Published in DKUM: 12.09.2025; Views: 0; Downloads: 11
Full text (7,31 MB) |
6. Nadgradnja robotskega prijemala za kovanje z roboti v podjetju Unior d.d. : diplomsko deloMaj Črešnar, 2025, undergraduate thesis Abstract: Diplomsko delo predstavlja nadgradnjo robotskega prijemala, namenjenega za manipulacijo odkovkov v postopku kovanja s kovaškim kladivom. Nadgradnja je bila izvedena na prijemalu, ki se sicer uporablja na kovaški preši, vendar trenutno ni primerno za uporabo s kovaškim kladivom. Nadgradnja je sestavljena iz dveh sklopov. Prvi sklop je prijemalo, prilagojeno za prijemanje okroglih oblik, ki se uporablja za prenos valjancev. Drugi sklop pa je nihajni sistem, zasnovan za kompenzacijo nihanj kladiva, ki sicer ovirajo uporabo robotov pri avtomatizaciji kovanja s kladivom. Za nadgradnjo prijemala se je izdelal zahtevnik. Na podlagi tega so bili izdelani konceptualni modeli, ki so bili nato ovrednoteni z namenom določitve optimalne rešitve.
Keywords: Avtomatizacija, kovanje, robotska prijemala, pasivna prijemala
Published in DKUM: 12.09.2025; Views: 0; Downloads: 0 |
7. Uporaba didaktičnih robotov z umetno inteligenco pri izobraževanju in rehabilitaciji : magistrsko deloSašo Prendl, 2025, master's thesis Abstract: V magistrskem delu je obravnavana uporaba didaktičnih robotov v izobraževalnem, terapevtskem in industrijskem okolju. Glavni poudarek je na tem, kako lahko roboti z vključevanjem umetne inteligence postanejo učinkovito orodje za učenje, rehabilitacijo in usposabljanje zaposlenih. Didaktični roboti omogočajo prilagajanje različnim starostnim skupinam in potrebam, saj združujejo elemente interaktivnosti, ponovljivosti in prilagodljivosti.
Poseben del raziskave je namenjen psihološkim vidikom uporabe robotov pri otrocih, kjer ti delujejo kot varni in predvidljivi partnerji pri učenju socialnih in komunikacijskih veščin. Izpostavljena je tudi njihova uporaba pri otrocih s posebnimi potrebami, kjer so roboti uspešno vključeni v kognitivno, socialno in fizično rehabilitacijo. Prikazani so primeri dobrih praks ter analiza prednosti in izzivov, ki spremljajo tovrstno tehnologijo.
Magistrsko delo se dotika tudi industrijskega vidika uporabe didaktičnih robotov. V ospredju so usposabljanje zaposlenih, podpora raziskavam in razvoju ter primeri konkretne uporabe v različnih panogah, kot so avtomobilska industrija, farmacija in medicinska tehnologija. Roboti se v tem kontekstu izkažejo kot most med teorijo in prakso, saj omogočajo varno in stroškovno učinkovito testiranje ter hitrejši prenos znanja.
Rezultati raziskave kažejo, da didaktični roboti ne morejo nadomestiti človeka, lahko pa pomembno dopolnijo izobraževalne in terapevtske procese. V prihodnosti bo njihova vloga še rasla, zlasti ob povezovanju z umetno inteligenco, navidezno resničnostjo in pametnimi senzorji, kar bo omogočilo še bolj personalizirane in učinkovite pristope.
Keywords: didaktični roboti, umetna inteligenca, rehabilitacija, izobraževalna tehnologija, industrija 4.0, otroci s posebnimi potrebami
Published in DKUM: 05.09.2025; Views: 0; Downloads: 15
Full text (1,24 MB) |
8. Analiza vpliva senzorske tehnologije na zanesljivost delovanja mobilnega robota v zahtevnih okoljih : magistrsko deloMaksim Jarnovič, 2025, master's thesis Abstract: V magistrski nalogi obravnavamo uporabo avtonomnih mobilnih robotov v kontekstu Industrije 4.0, s poudarkom na izzivih lokalizacije in navigacije v kompleksnih industrijskih okoljih. Tradicionalne metode, ki temeljijo na posameznih senzorskih virih, se pogosto izkažejo za nezanesljive, zato raziskava analizira uporabo multisenzorske fuzije, ki združuje podatke iz LiDAR, IMU in RGB kamer. Osrednji del predstavlja analizo učinkovitosti različnih navigacijskih algoritmov, med katerimi izstopajo EKF, SLAM, DWA in RRT*.
Predstavimo tudi simulacijski pristop z uporabo orodij, kot sta MATLAB/Simulink in Gazebo. V ospredju je optimizacija poti, robustnost sistema, odzivnost na okoljske spremembe in zmanjševanje energetske porabe. Ugotovljeno je, da kombinacija senzorjev in naprednih algoritmov vodi do bistveno večje natančnosti in operativne zanesljivosti.
Ekonomskega pomena raziskave ni mogoče zanemariti, saj uspešna uvedba AMR tehnologij omogoča zmanjšanje stroškov dela, povečanje produktivnosti in fleksibilno reorganizacijo proizvodnih procesov. Zaključki predstavljajo temelj za nadaljnji razvoj pametnih tovarn, pri čemer je ključna integracija tehničnih in ekonomskih vidikov.
Keywords: robot, senzor, navigacija, okolje, lokalizacija
Published in DKUM: 20.08.2025; Views: 0; Downloads: 31
Full text (2,40 MB) |
9. Simulacija postopka rezkanja z robotom : diplomsko deloAnže Vindiš, 2025, undergraduate thesis Abstract: V zaključni nalogi smo predstavili simulacijo postopka rezkanja z robotom v okolju Siemens NX. Razvili smo program za obdelavo obeska v obliki Eifflovega stolpa. Postopek je vključeval pripravo modela, definicijo obdelovanca, ustvarjanje orodja, nastavitev obdelovalne celice ter načrtovanje in generacijo obdelovalnih operacij. S simulacijo smo preverili kvaliteto obdelovanca, preprečili morebitne trke in optimizirali premike robota. Poleg tega smo razvili eksperimentalni optimizacijski program z namenom izboljšanja kakovosti produkta. Rezultati so potrdili, da je mogoče v okolju Siemens NX učinkovito simulirati robotsko obdelavo kompleksnih oblik.
Keywords: robot, obdelava z robotom, Siemens NX, simulacija
Published in DKUM: 08.07.2025; Views: 0; Downloads: 24
Full text (2,59 MB) |
10. |
