Student vypracoval diplomovou práci na témaPoužití neuronových sítí ve vibrodiagnostice elektrickcých strojů. V průběhu práce se seznámil s metodami, které se používají k zjišťování poruch elektrických strojů na základě naměřených vibračních signálů. Seznámil se se strukturou neuronových sítí a možnostmi jejich případného využití v diagnostice vibrací elektrických strojů.  Na základě nastudovaných informací vytvořil modely neuronových sítí v prostředí MATLAB a prozkoumal možnosti jejich využití pro diagnostiku elektrických strojů. Vyhodnotil i vliv různých źprav vstupních dat na přesnost sítě.
Student pracoval s velkým množstvím informací z oblasti mechaniky a z oblasti neuronových sítí.  Musel nastudovat široký rozsah informačních zdrojů. Points proposed by supervisor: 96

Předložená diplomová práce se zabývá možnostmi využití neuronových sítí ve vibrační diagnostice elektrických točivých strojů.

V první teoretické části práce student rozebírá různé zdroje vibrací v elektrických točivých strojích. Ve druhé části následně představuje princip fungování neuronových sítí (NN) a jejich základní architektury. V této části však do značné míry opomíjí modernější architektury, zejména konvoluční neuronové sítě (CNN), architektury využívající Long Short-Term Memory (LSTM) či Attention-Based Models (Transformers). Tyto architektury by mohly být pro zpracování signálů v časové oblasti vhodnější než studentem použitá architektura označená jako „Backpropagation“.

V praktické části práce student provedl měření několika motorů s poruchami i bez poruch a následně natrénoval neuronovou síť. V této části lze ocenit autorovu snahu o diskusi dosažených výsledků a možných zdrojů chyb jednotlivých experimentů s NN. Na druhou stranu však není zřejmé, jakou aktivační funkci student použil. Stejně tak není zcela jasné, jak ve skutečnosti vypadá vstupní signál do NN a zda je normalizován. Trénování NN bylo provedeno na signálech změřených se vzorkovací frekvencí 25,6 kHz, přičemž v kapitole 3.3.4 bylo testování provedeno na signálech se vzorkovací frekvencí 65 kHz. Není zřejmé, proč nebyly testované signály převzorkovány na 25,6 kHz, aby bylo možné ověřit funkčnost NN za stejných podmínek, za jakých probíhalo její trénování. Při vyhodnocování poruch by bylo vhodnější nejprve využít neuronovou síť určující, zda stroj poruchu vykazuje, či nikoliv. Taková síť by byla jednodušší na natrénování. Teprve následně by bylo možné použít druhou neuronovou síť pro identifikaci konkrétního typu poruchy. Student by se měl k výše uvedeným připomínkám vyjádřit během obhajoby své práce.

Po formální stránce je nutné práci vytknout zejména výskyt gramatických chyb, překlepů a ponechávání jednopísmenných předložek a spojek na konci řádků, což snižuje celkovou úroveň jinak poměrně dobře napsaného textu.

Předložená diplomová práce zpracovává zajímavou a aktuální problematiku. Zadání práce bylo splněno, a proto ji i přes uvedené nedostatky doporučuji k obhajobě. Topics for thesis defence:

1. Na str. 41 píšete: „Při trénování se síť učila z hrubých naměřených dat, ze kterých byly ještě vypočítány a přiděleny parametry rms (střední kvadratická hodnota), variace, amplituda a mean (aritmetický průměr).“. Uveďte prosím ukázku skutečné podoby vstupních dat. Byla tato data před vstupem do neuronové sítě nějakým způsobem normována? Jaká aktivační funkce byla použita a jak vypadá její průběh?
2. Může se v rotačním elektrickém stroji, viz obr. 1.4, vyskytovat neharmonické kmitání s nenulovou střední hodnotou zrychlení? Jaké by byly důsledky takového kmitání?
3. Je možné, aby aktivační funkce, viz kapitola 2.3, byla čistě lineární?

Points proposed by reviewer: 85