Design and Development of a Remote Battery Management System This research focuses on the design and development of a battery management system that enables remote monitoring and control, allowing users to customize battery cell properties as needed. The system is specifically designed for use with graphene battery cells and can be effectively applied to alternative energy systems for residential use.
1. เพิ่มประสิทธิภาพการจัดการพลังงาน – ระบบบริหารจัดการแบตเตอรี่ที่สามารถควบคุมและมอนิเตอร์ระยะไกลช่วยให้สามารถจัดการพลังงานได้อย่างมีประสิทธิภาพ ลดการสูญเสียพลังงาน และเพิ่มอายุการใช้งานของแบตเตอรี่ 2. รองรับเทคโนโลยีแบตเตอรี่กราฟีน – แบตเตอรี่กราฟีนมีศักยภาพสูงในการเก็บพลังงานและมีอายุการใช้งานยาวนาน โครงการนี้ช่วยทดสอบและพัฒนาการนำแบตเตอรี่กราฟีนไปใช้ในระบบพลังงานทางเลือก 3. เพิ่มความสะดวกและความปลอดภัยในการใช้งาน – การควบคุมและมอนิเตอร์แบตเตอรี่จากระยะไกลช่วยลดความเสี่ยงจากการเกิดปัญหาทางเทคนิค เช่น การชาร์จไฟเกินหรืออุณหภูมิสูงเกินไป ทำให้ระบบมีความปลอดภัยมากขึ้น 4. ส่งเสริมการพัฒนาเทคโนโลยีภายในประเทศ – โครงการนี้ช่วยสนับสนุนการพัฒนาเทคโนโลยีแบตเตอรี่และระบบบริหารจัดการพลังงานภายในประเทศ ลดการพึ่งพาเทคโนโลยีจากต่างประเทศ และเพิ่มขีดความสามารถในการแข่งขันด้านพลังงาน
คณะอุตสาหกรรมอาหาร
This study aims to investigate the co-fermentation process between lactic acid bacteria (LAB) and Saccharomyces cerevisiae in the production of sour beer, with a focus on its impact on product quality, including pH, organic acid content, sugar content, and sensory characteristics. In this experiment, selected LAB strains and S. cerevisiae were utilized under controlled fermentation conditions. The microbial ratio was optimized to enhance growth and the production of key compounds. The findings indicate that co-fermentation significantly reduces pH compared to fermentation with yeast alone. Furthermore, an increase in lactic acid was observed due to sugar consumption by LAB, contributing to the distinctive flavor profile of sour beer.
คณะวิทยาศาสตร์
With the development of space technology, wide-field sky surveys using telescopes have expanded the range of new data available for time-domain astronomical research. Traditional data analysis methods can no longer respond quickly and accurately enough to the growing volume of data. Thus, classifying time-series data, such as light curves, has become a significant challenge in the era of big data. In modern times, analyzing light curves has become essential for using machine learning techniques to handle and filter through massive amounts of data. Machine learning algorithms can be divided into two categories: shallow learning and deep learning. Numerous researchers have proposed and developed a variety of algorithms for light curve classification. In this study, we experimented with Support Vector Machine (SVM) and XGBoost, which are shallow machine learning algorithms, as well as 1D-CNN and Long Short-Term Memory (LSTM), which are deep learning algorithms, which are branches of deep machine learning, to classify variable stars. The training and testing data used in this study were from the Optical Gravitational Lensing Experiment-III (OGLE-III), consisting of variable star data from the Large Magellanic Cloud (LMC), categorized into five main classes: Classical Cepheids, δ Scutis, eclipsing binaries, RR Lyrae stars, and Long-period variables. The results demonstrate the performance analysis of each machine learning algorithm type applied to light curve data, while also highlighting the accuracy and statistical metrics of the algorithms used in the experiments.
คณะเทคโนโลยีการเกษตร
The innovation of the vertical aquaponics system for rearing golden apple snails integrating with vegetable cultivation by using substrates to water treatment. The system aims to maximize the use of vertical space, save water, and produce safe vegetables for consumption or commercial purposes, and to support living things. The golden apple snail excretes wastes/leftover food scraps that are filtered on the substrates used for water treatment. Meanwhile, natural bacteria help change these wastes into nutrients that plants can use. Therefore, the system is environmentally friendly.