Hello, dear friend, you can consult us at any time if you have any questions, add WeChat: daixieit

Individual Assignment (20%)

MEEM1713 Artificial Intelligence

Session 2022/2023-2

For your individual assignment you are required to work on the two given case studies and submit a three-page (minimum) report for each of them. The case studies describe some real-world problems that could be possibly solved using the knowledge, techniques and tools that are learnt in class. The objective of this assignment is to provide you an exposure to solve actual problems by implementing AI algorithms using scientific software such as Matlab or Python. The assessment rubrics for each of the report is given in Table 1 below. Please use font type Calibri (body) and font size 10 or 11 for the reports. You are not allowed to discuss with your classmates or refer to their solutions or reports. If you are caught copying or  referring to your classmate’s solutions or  reports,  both of you will  be penalized.

Table 1

You are required to submit your reports and program files to [email protected] before 03 July

2023.

Case Study 1 (10%)

MEEM1713 Artificial Intelligence

Session 2022/2023-2

While there are numerous organs in the human body that keep us alive and functioning optimally, the heart is undoubtedly one of the most important one. In order to pump roughly a million barrels of blood in an average human lifespan, this organ pumps nonstop from the day we were born and does not stop beating even when we are deep in our slumber. Heart disease is the number one cause of death in Malaysia and the number of deaths caused by heart attacks is ever increasing.

These days even Malaysians who are in their 20’s and 30’s are suffering from heart attacks and it is not a  disease of the elderly  anymore. The  risk factor for  heart  disease  can  be  divided  into  non- modifiable and modifiable risk factors. The non-modifiable risk factors include age, sex, and genetic predisposition or family history. The modifiable risk factors are namely pre-existing health issues such as diabetes and hypertension, cigarette smoking habit, hyperlipidaemia, and obesity.

Heart attacks are caused mainly by the narrowing of one or more blood vessels that supply blood to the heart muscle. Once a heart blood vessel is clogged it is just a matter of time for a heart attack to occur.  Thus,  early  diagnosis  of  heart  disease  is  crucial  and  can  be  lifesaving.  There  are  various laboratory, non-invasive and invasive tests that are used to diagnose heart disease. In the laboratory tests for example, blood tests are carried out to determine your risk of heart disease as well as to evaluate other systems of your body that can affect your cardiovascular health.

With the advent of the machine learning technology, heart disease can be potentially diagnosed only by  using  a  patient's  particulars.  In the  literature,  a  number  of  studies  and  research  works  have reported successful developments and implementations of heart disease diagnosis  using  machine learning. In the field of machine learning, it is well known that one of the factors that determine the performance of machine learning models is the availability of reliable datasets with sufficient sizes and  varieties.  One  such  dataset  is  the  Cleveland  dataset  (processed.cleveland.data)  that  can  be downloaded from the UCI Machine Learning Repository via the following website:

https://archive.ics.uci.edu/ml/datasets/Heart+Disease

Study and explore the dataset and develop machine learning models that can accurately predict the presence of heart disease in the patient. You may choose to use any machine learning model as the main goal here is high prediction accuracy. Suggest ways to implement the model for real-time heart disease prediction in an actual medical clinic setting.

Case Study 2 (10%)

MEEM1713 Artificial Intelligence

Session 2022/2023-2

Electrical  motors are  machines that generate  mechanical energy from electrical energy.  Electrical motors consume a significant proportion of the electricity that is generated worldwide. Often one may directly or indirectly be impacted by the usage of electrical motors and some common applications include car power windows, fans, blowers, power tools, pumps, turbines, alternators, compressors, conveyor belts, car windshield wipers, etc. To effectively  produce outputs from electrical  motors, practitioners cannot avoid from  having  proper designs and  implementations of controllers. Some common steps in the controller design workflow are:

1.    Development of plant mathematical model

2.    Controller design and simulation

3.    Controller tuning and validation through real-time implementation

Evidently,  an  accurate  mathematical  model  of  an  electrical  motor  is  crucial  in  the  design  and implementation of a controller for an electrical motor. In the mathematical model of a DC motor [1] below, the manipulated variable is the input voltage, V and the controlled variable is the angular speed, 仙.

L it仙 = −Ri − KmLfi仙 + V

J dt  = KmLfi2 − D仙 − CL

where,

i     -    motor current

仙    -     motor angular speed

V     -     input voltage

CL      -     load torque

J     -    moment of inertia, 0.0007046 kgm2

R    -    total resistance, 7.2 Ω

D     -    viscous-friction coefficient, 0.0004 Nm/rad/s

L     -    total inductance, 0.0917 H

Lf      -    field windings inductance

Km     -    torque/back EMF constant, KmLf  = 0.1236 Nm/wbA

Design and simulate a fuzzy logic control system for DC motor angular speed control using Matlab Simulink. Since this is a regulatory control problem, you are required to ensure that the fuzzy logic controller    is    able   to   track   a   suitable    reference   signal.   Assume   that   the    load   torque, CL is an external disturbance and provide an appropriate signal representing the disturbance.

[1]          S. Mehta and J. Chiasson, "Nonlinear control of a series DC motor: theory and experiment," in

IEEE Transactions on Industrial Electronics, vol. 45, no. 1, pp. 134-141, Feb. 1998, doi: 10.1109/41.661314.