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
คณะเทคโนโลยีสารสนเทศ
The process of treating cancer patients in the chemotherapy department at Chonburi Cancer Hospital is complicated and inconvenient due to the procedure of submitting blood test results through the personal LINE application of medical staff, which hinders workflow efficiency. Therefore, the researcher has developed a cancer patient management and tracking program in the form of a web-based application and LINE LIFF (LINE Front-end Framework) application to facilitate both medical personnel and patients. The web-based application is designed for medical personnel to monitor, schedule, and collect patient data, while the LINE application is designed for patients to submit blood test results, view appointment schedules, record symptoms after chemotherapy, log their weekly weight, and access a chatbot for consultation. This system is developed based on client-server technology, which enhances data analysis efficiency and supports automated treatment planning. As a result, the cancer treatment process becomes faster, more modern, and more efficient.
คณะเทคโนโลยีสารสนเทศ
KinderForest : Puzzle Building Game with VR Technology is designed to utilize Virtual Reality (VR) technology with the primary aim of promoting creative problem-solving skills and basic practical application abilities among players. This project presents the game in an Augmented Virtual Reality (AR VR) format, emphasizing physical engagement of players during gameplay while fostering creativity and fundamental application skills. The project team has chosen to utilize Unreal Engine 5.1 and Oculus Quest 2 virtual reality glasses to develop the game in the form of augmented virtual reality technology. Within the game, there will be various levels that require creative thinking and different approaches to pass. Time constraints will be a crucial element in completing missions and progressing through these levels. Players will physically move their bodies in response to in-game movements. Each level will present unique challenges that will necessitate both physical movement and problem-solving skills. The game will provide different rewards based on the outcomes of mission completion, and players will be informed of their results once they have successfully passed a level.
วิทยาลัยอุตสาหกรรมการบินนานาชาติ
The capture of a target spacecraft by a chaser is an on-orbit docking operation that requires an accurate, reliable, and robust object recognition algorithm. Vision-based guided spacecraft relative motion during close-proximity maneuvers has been consecutively applied using dynamic modeling as a spacecraft on-orbit service system. This research constructs a vision-based pose estimation model that performs image processing via a deep convolutional neural network. The pose estimation model was constructed by repurposing a modified pretrained GoogLeNet model with the available Unreal Engine 4 rendered dataset of the Soyuz spacecraft. In the implementation, the convolutional neural network learns from the data samples to create correlations between the images and the spacecraft’s six degrees-of-freedom parameters. The experiment has compared an exponential-based loss function and a weighted Euclidean-based loss function. Using the weighted Euclidean-based loss function, the implemented pose estimation model achieved moderately high performance with a position accuracy of 92.53 percent and an error of 1.2 m. The in-attitude prediction accuracy can reach 87.93 percent, and the errors in the three Euler angles do not exceed 7.6 degrees. This research can contribute to spacecraft detection and tracking problems. Although the finished vision-based model is specific to the environment of synthetic dataset, the model could be trained further to address actual docking operations in the future.