Prezenční studium

4 roky

prof. Ing. Pavel Václavek, Ph.D.

Předseda :
prof. Ing. Pavel Václavek, Ph.D.
Člen interní :
doc. Ing. Zdeněk Bradáč, Ph.D.
prof. Ing. Pavel Jura, CSc.
doc. Ing. Petr Beneš, Ph.D.
doc. RNDr. Zdeněk Šmarda, CSc.
Člen externí :
prof. Ing. Pavel Ripka, CSc.
Prof. Ing. Roman Prokop, CSc.
doc. Ing. Eduard Janeček, CSc.
prof. Dr. Ing. Alexandr Štefek, Dr.
prof. Ing. Tomáš Vyhlídal, Ph.D.

Doktorský studijní program "Kybernetika, automatizace a měření" je zaměřen na přípravu špičkových vědeckých a výzkumných specialistů v nejrůznějších oblastech řídicí techniky, měřicí techniky, automatizačních systémů, robotiky, umělé inteligence a počítačového vidění.
Cílem je poskytnout ve všech těchto dílčích zaměřeních doktorské vzdělání absolventům vysokoškolského magisterského studia, prohloubit jejich teoretické znalosti, dát jím též potřebné speciální vědomosti i praktické dovednosti a naučit je metodám vědecké práce.
Díky systémovému a komplexnímu pohledu na problematiku řízení a měření se absolventi studijního programu rovněž úspěšně uplatňují na klíčových řídicích a manažerských pozicích a ve funkcích, ve kterých uplatní systémový pohled, znalosti systémové analýzy a optimálního řízení.

Program "Kybernetika, automatizace a měření" profiluje absolventa k samostatné tvůrčí práci a kritickému myšlení založenému na systémovém pohledu na technické i netechnické systémy a svět jako celek. Absolvent programu je vybaven nezbytnými znalostmi matematiky, fyziky, elektrotechniky, teorie i aplikací řízení a regulace, měřicí techniky, robotiky, umělé inteligence, zpracování obrazu a dalších oblastí technické kybernetiky, aplikované elektrotechniky a informatiky. Jedním s charakteristických rysů absolventů je schopnost integrovat široké spektrum znalostí a vytvářet funkční technické, ale i organizační a ekonomické systémy.
Všichni absolventi doktorského studijního programu "Kybernetika, automatizace a měření" prokazují během studia znalosti:
• matematických, fyzikálních a elektrotechnických principů relevantních pro měření a řízení;
• elektronických měřicích systémů, vestavných systémů, komunikačních systémů, teorie řízení, systémů automatického řízení a umělé inteligence;
• návrhu i provozu elektrotechnických, elektronických, měřicích, řídicích a komunikačních systémů.
Absolventi se dobře orientují v problematice moderních technologií (Průmysl 4.0, umělá inteligence, zpracování signálů, počítačové vidění, moderní metody řízení, průmyslové měřicí a řídicí systémy, mobilní i stacionární robotika, komunikační systémy, funkční i systémová bezpečnost).
Absolventi získávají takové odborné znalosti a dovednosti, díky kterým naleznou uplatnění v pokročilé technické praxi, v tvůrčí práci, výzkumu a vývoji, ve výrobě, v řídících a manažerských funkcích v technických nebo obchodních firmách a společnostech na kvalifikačně nejvyšších místech.
Vzhledem k povinné praxi v zahraničí a povinnosti prezentovat získané výsledky, absolvent bude schopen plynule komunikovat a psát odborné texty v anglickém a případně i druhém světovém jazyce. Díky pedagogické praxi a zkušenostmi s prezentací výsledků jak slovem (konference) tak písmem (publikace) bude absolvent také schopen jasně a přesně formulovat a předávat informace a vědecké poznatky. Absolvent bude schopen vyvíjet nové metodiky a strategie a implementovat je pro řešení komplexních problémů. Absolvent tedy bude kvalifikovaný, samostatný vědecko-výzkumný pracovník vybavený teoretickými znalostmi a praktickými zkušenostmi.

Absolventi naleznou uplatnění zejména:
- ve výzkumných, vývojových a projekčních týmech,
- v oblasti odborné činnosti ve výrobních nebo obchodních organizacích,
- v akademické sféře a v dalších institucích zabývajících se vědou, výzkumem, vývojem a inovacemi,
- ve všech oblastech společnosti, kde dochází k aplikaci kybernetických systémů nebo kybernetických principů
Uplatnění naši absolventi nalézají zejména při analýze, návrhu, tvorbě nebo správě komplexních měřicích nebo řídicích systémů, a také při programování, integraci, podpoře, údržbě nebo prodeji těchto systémů.

Studium doktoranda probíhá podle individuálního studijního plánu, který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. V individuálním studijním plánu jsou specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění.
Student si zapíše a vykoná zkoušky z povinných předmětů (Vybrané kapitoly řídicí techniky, Vybrané kapitoly měřicí techniky a Zkouška z angličtiny před státní doktorskou zkouškou), minimálně dvou povinně volitelných předmětů s ohledem na zaměření jeho disertační práce, a dále minimálně dvou volitelných předmětů (Angličtina pro doktorandy; Citování ve vědecké praxi; Řešení inovačních zadání; Vědecké publikování od A do Z).
Ke státní doktorské zkoušce se může student přihlásit až po vykonání všech zkoušek předepsaných jeho individuálním studijním plánem. Před státní doktorskou zkouškou student vypracuje pojednání k disertační práci, v němž detailně popíše cíle práce, důkladné zhodnocení stavu poznání v oblasti řešené disertace, charakteristiku metod, které hodlá při řešení uplatňovat.
Obhajoba pojednání, které je oponováno, je součástí státní doktorské zkoušky. V další části zkoušky musí student prokázat hluboké teoretické i praktické znalosti v oblasti kybernetiky a elektrotechniky, zejména pak řídicí techniky, senzorů a umělé inteligence. Státní doktorská zkouška probíhá ústní formou a kromě diskuze nad pojednáním k disertačním práce se také skládá z tematických okruhů týkajících se povinných a povinně volitelných předmětů.
K obhajobě disertační práce se student hlásí po vykonání státní doktorské zkoušky a po splnění podmínek pro ukončení, jakými jsou účast na výuce, vědecká a odborná činnost (tvůrčí činnost), a minimálně měsíční studijní nebo pracovní stáž na zahraniční instituci anebo účasti na mezinárodním tvůrčím projektu. Studium je ukončeno obhajobou disertační práce.

Studium doktoranda probíhá podle individuálního studijního plánu (dále jen ISP), který zpracuje v úvodu studia školitel doktoranda ve spolupráci s doktorandem. Individuální studijní plán je pro doktoranda závazný. Jsou v něm specifikovány všechny povinnosti stanovené v souladu se Studijním a zkušebním řádem VUT, které musí doktorand k úspěšnému ukončení studia splnit. Tyto povinnosti jsou časově rozvrženy do celého období studia, jsou bodově ohodnoceny a v pevně daných termínech probíhá kontrola jejich plnění. Průběžné bodové hodnocení všech aktivit doktoranda je vedeno v dokumentu „Celkové bodové hodnocení doktoranda“ a je součástí ISP. Při zahájení dalšího roku studia pak školitel do ISP zaznamená případné změny. Nejpozději do 15. 10. každého roku studia odevzdává doktorand vytištěný a podepsaný ISP na vědeckém oddělení fakulty ke kontrole a založení.
Během prvních čtyř semestrů skládá doktorand zkoušky z povinných, povinně volitelných anebo volitelných předmětů pro splnění bodových limitů ze Studijní oblasti, a současně se intenzivně zabývá vlastním studiem a analýzou poznatků v oboru stanoveném tématem disertační práce a průběžným publikováním takto získaných poznatků a vlastních výsledků. V dalších semestrech se doktorand již více soustřeďuje na výzkum a vývoj, který souvisí s tématem disertační práce, na publikování výsledků své tvůrčí práce a na vlastní zpracování disertační práce.
Do konce druhého roku studia skládá doktorand státní doktorskou zkoušku, kterou prokazuje široký rozhled a hluboké znalosti v oboru, souvisejícím s tématem disertační práce. K této zkoušce se musí přihlásit nejpozději do 30. dubna ve druhém roce svého studia. Státní doktorské zkoušce předchází zkouška z anglického jazyka.
Ve třetím a čtvrtém roce svého studia provádí doktorand potřebnou výzkumnou činnost, publikuje dosažené výsledky a zpracovává svoji disertační práci. Součástí studijních povinností v doktorském studijním programu je absolvování části studia na zahraniční instituci nebo účast na mezinárodním tvůrčím projektu s výsledky publikovanými nebo prezentovanými v zahraničí nebo jiná forma přímé účasti studenta na mezinárodní spolupráci, což je nutné doložit nejpozději při odevzdání disertační práce.
Doktorandi ve čtvrtém roce studia předkládají do konce zimního zkouškového období svému školiteli rozpracovanou disertační práci, který ji ohodnotí. Disertační práci doktorand odevzdává do konce 4. roku studia.
Student prezenční formy doktorského studia je v průběhu studia povinen absolvovat pedagogickou praxi, tj. působit v procesu výuky. Zapojení doktoranda do pedagogické činnosti je součástí jeho vědecké přípravy. Pedagogickou praxí doktorand získává zkušenosti v předávání poznatků a zdokonaluje prezentační dovednosti. Skladbu pedagogických aktivit (cvičení, laboratorní cvičení, vedení projektů apod.) určí doktorandovi vedoucí daného ústavu po dohodě se školitelem. Povinnost pedagogické praxe se nevztahuje na doktorandy-samoplátce a na doktorandy v kombinované formě studia. Zapojení do výuky v rámci pedagogické praxe potvrdí po jejím splnění školitel v IS VUT.

1. kolo (podání přihlášek od 01.04.2024 do 30.04.2024)

1. Autonomní operace bezpilotních letadel v průzkumné robotice

   Výzkum problematiky autonomního bezpilotního leteckého průzkumu zaměřeného na sběr dat o prostředí, tvorbu 3D map a spolupráci více mobilních platforem. Budou studovány aktuální přístupy v plánování trajektorie, tvorbě různých druhů 3D map okolí stroje, vyhýbání překážek a dalších oblasti nezbytné pro bezpečnou autonomní operaci vzdušných průzkumných prostředků v komplexním venkovním prostředí. Na základě současného stavu poznání problematiky budou zvoleny vhodné algoritmy a metody pro řešení tohoto problému. Navržené řešení bude následně otestováno v simulovaném prostředí a srovnáno s aktuálními nejlepšími metodami. Cílem je rovněž implementace na reálných bezpilotních letadlech, kterými disponuje pracoviště ÚAMT.

   Školitel: Žalud Luděk, prof. Ing., Ph.D.

2. Diagnostika elektrických pohonů pomocí umělé inteligence

   Myšlenka použití metod umělé inteligence pro diagnostiku elektrických pohonů není nová. Co se v poslední době mění je dostupnost výpočetních prostředků, které jsou schopné ji upočítat na různých úrovních a dostupnost softwarových nástrojů pro optimalizaci. Problém diagnostiky postavené na znalosti modelu je požadavek na poměrně přesný model. Běžně používané matematické modely z důvodu nelinearit v pohonu často nepokrývají dobře celou pracovní oblast. Druhým problémem je, že většinou cílí na odhalení jednoho typu poruchy. Kombinace algoritmů se řeší obtížně a často trpí problémy s chybně diagnostikovanou poruchou. Cílem je vytvořit algoritmy využívající umělou inteligenci (Machine Learning (ML), Artificial Neural Networks (ANN), Expert systém (ES), …) pro komplexní diagnostiku poruch elektrického pohonu, tedy pro detekci několika typů poruch. Dalším cílem je lokalizace poruchy a určení její závažnosti Na začátku se počítá s generováním dat ze simulačních experimentů v prostředí MATLAB Simulink. Později bude možné využít dostupné pohony s možností emulace různých poruch pro generování reálných dat. Pro časově náročné výpočty (jako je třeba proces učení ANN) bude možné použít prostředky dostupné v naší laboratoři, jako je multijádrový server vybavený 3x RTX4090, ale také systémy nVIDIA DGX A100 a H100. Implementace navržených algoritmů je možná v embedded zařízení (vícejádrový procesor AURIX s modulem paralelního zpracování dat), ale i na cloudových prostředcích s využitím výše zmíněných platforem DGX.

   Školitel: Blaha Petr, doc. Ing., Ph.D.

3. Electrický motor jako snímač

   V aplikacích vyžadujících vysoký stupeň zabezpečení elektrického pohonu, jako jsou například systémy odolné proti selhání, nebo fail operational systémy se využívá redundance. U elektrických pohonů se jedná o přidání snímačů, které nejsou nezbytně nutné pro řízení v normálním režimu a využití vícefázových motorů, nebo speciálních topologií měniče. U řízení vícefázových elektrických pohonů se nabízí využití motoru, nebo jeho části, jako redundantního snímače. Zhoršení jeho provozních parametrů je v tomto případě akceptovatelné, je vyžadována omezená funkčnost po omezenou dobu. Řešení tohoto úkolu vyžaduje seznámení se s různými typy vícefázových elektrických motorů a výběr vhodného typu s ohledem na jeho použitelnost jako snímače. Následně bude proveden návrh algoritmů řízení motoru při poruše a využití zpětné vazby z motoru. Algoritmy budou ověřeny na reálném motoru prostředky rychlého prototypování, případně na vestavných prostředcích běžně používaných pro řízení elektrických pohonů.

   Školitel: Blaha Petr, doc. Ing., Ph.D.

4. Imerzivní teleprezence pro bezpilotní prostředky

   Problematika bezpilotních letadel (UAV) a pozemních vozidel (UGV) je v současnosti velmi aktuálním tématem v různých oblastech (vojenství, záchranné složky, apod.). Přestože hlavní výzkumné proudy dnes směřují zejména k posilování jejich autonomnosti, zprostředkování vjemů z/do vzdáleného prostředí (teleprezence) bude i v případě plně autonomního vozidla stále nezbytné. Cílem výzkumu je zvýšení imerzivity (míry podobnosti virtuálního vjemu se skutečným) při dálkovém vnímání, která je v současnosti stále velmi omezená. Bude studováno kybernetické modelování a simulace lidského operátora, a to včetně pokročilých dynamických a biomechanických modelů, na jehož základě bude navržen vhodný teleprezenční hardware. Navržené řešení bude následně implementováno do reálných UAV a UGV, kterými disponuje pracoviště ÚAMT a bude srovnáno s aktuálními nejlepšími metodami. Předpokládá se multioborová spolupráce s odborníky z netechnických oblastí (např. biomechanika, anatomie, fyziologie, apod.).

   Školitel: Chromý Adam, Ing., Ph.D.

5. Metody datové analýzy pro účely detekce anomálií

   Téma je zaměřeno na problematiku automatizované analýzy procesních dat, konkrétně analýzu časových řad pro účely detekce anomálií v technických systémech nebo systémech člověk-stroj. Předmětem výzkumu bude tvorba a analýza modelů v systémech, kde je k dispozici trénovací množina. Předpokládá se aplikace moderních metod pro zpracování a analýzu signálů, jako signálové transformace, metody řídké reprezentace signálů, či strojové učení. Smyslem výzkumu je umožnit vývoj a optimalizaci detektorů anomálií nebo poruch v aplikacích, kde jsou k dispozici relativně malé trénovací množiny. Výzkum bude probíhat v návaznosti na řešené výzkumné projekty a ve spolupráci s aplikační sférou.

   Školitel: Bradáč Zdeněk, doc. Ing., Ph.D.

6. Metody hlubokého učení v mobilní robotice

   Metody strojového učení, zejména pak hluboké neuronové sítě, nacházejí uplatnění v široké škále výzkumných disciplín, mobilní robotiku nevyjímaje. Cílem tématu je prozkoumat současný stav poznání a možné využití hlubokého učení v oblastech robotiky jako je porozumění okolí, estimace průchodnosti prostředí, robustní řízení, multimodální fúze dat a další. Pozornost musí být věnována všem hlavním paradigmatům strojového učení, nicméně zvláštní důraz by měl být zaměřen na oblast reinforcement learning. Toto paradigma, založené na principu pokus-omyl a do určité míry připomínající způsob učení lidí, se ukazuje jako velmi efektivní zejména při řešení složitých kinematických úloh a přináší do mobilní robotiky malou revoluci. Cílem je rovněž věnovat pozornost takovým metodám, které mohou být vzhledem k výpočetní náročnosti implementovány na mobilní robotické systémy, a které zvýší jejich schopnosti zejména při porovnání se současnými, často analytickými, přístupy. Po výběru užšího výzkumného směru se počítá s implementací a testování algoritmů jak v simulovaném, tak i reálném světě za použití robotických systémů dostupných na pracovišti ÚAMT.

   Školitel: Žalud Luděk, prof. Ing., Ph.D.

7. Metody pro měření mechanických rázů

   Téma je zaměřeno na problematiku měření a generovaní mechanických rázů – kalibraci snímačů rázů a kalibraci umělých zdrojů mechanických rázů. Cíle práce spočívají v analýze parazitních vlivů, které mají vliv na celkové nejistoty měření, a hledání nových metod pro jejich potlačení. Pro výzkum bude k dispozici kalibrační systém SPEKTRA CS18 a rázový stroj AVEX SM110 MP.

   Školitel: Beneš Petr, doc. Ing., Ph.D.

8. Metody pro vibrodiagnostiku strojů s nerotačním pohybem

   Téma je zaměřeno na výzkum metod a algoritmů pro vibrační diagnostiku nerotačních strojů, zejména na metody pro diagnostiku stavu ložisek a převodovek pracujících v nestacionárních podmínkách. Výzkum bude zaměřen na identifikaci praktických omezení dosud používaných metod a možnosti jejich modifikace, případně kombinace těchto metod pro dosažení vyšší přesnosti odhadu stavu částí mechanických systémů. Kromě teoretické práce se předpokládá i praktická implementace těchto algoritmů a jejich ověření na vhodném modelu.

   Školitel: Beneš Petr, doc. Ing., Ph.D.

9. Modelování speciálních bezpečnostních funkcí s ohledem na průmyslový Ethernet

   Téma je zaměřeno na výzkum nových modelů speciálních bezpečnostních funkcí pro funkční bezpečnost strojů, ale také do oblasti procesní bezpečnosti. Cíle práce spočívají v důkladné analýze současných dostupných modelů bezpečnostních funkcí, zkoumání vlivu komunikačních prostředků, především průmyslového Ethernetu. Na základě provedené analýzy student navrhne nové modely a bude vyvíjet nové algoritmy pro verifikaci příslušných bezpečnostních logických funkcí bezpečnostních prvků pro stroje a bezpečnost procesů. Řešení tématu bude probíhat v návaznosti na národní a mezinárodní projekty realizované ve spolupráci s aplikační sférou.

   Školitel: Štohl Radek, Ing., Ph.D.

10. Objektivní měření a kvantifikace v medicíně užitím pokročilých kybernetických aplikací

    Dle principu Evidence Based Medicine (EBD) je objektivní důkaz nezbytný pro správnou diagnózu a správnou volbu terapie. Vhodné metody poskytující dostatečně objektivní index relevantní daným symptomům však chybí například v dermatologii, diabetologii, fyzioterapii či onkologii. Cílem tématu je hledání nových objektivních diagnostických metod využitím netradičního pohledu na medicínské problémy z pohledu kybernetiky. Výzkumné práce se budou věnovat vývoji chybějících metod pro identifikaci stavu živých soustav, které budou využívat zejména objektivní kvantifikace symptomů (otok, zánět, atrofie, blokace, apod.), a to převážně přesným multispektrálním 3D skenováním vybraných parametrů (např. 3D teplotní rozložení, přesné 3D volumetrické měření či topologické uspořádání). Výzkum bude navazovat na výsledky H2020 projektu ASTONISH, v rámci kterého již bylo dosaženo prvních pozitivních výsledků v této oblasti. Výzkumné práce budou při identifikaci živých soustav a jejich poruch čerpat mimo jiné také z nejnovějších pokročilých metod technické kybernetiky, včetně užití umělé inteligence. Výstupem pak budou nové přesné objektivní kvantifikační metody, které přinesou účinnější terapii, kratší dobu zotavení, nižší náklady a vyšší kvalitu zdravotní péče, a to nejen ve výše uvedených oborech.

    Školitel: Žalud Luděk, prof. Ing., Ph.D.

11. Pokročilé metody pro optimalizaci průmyslových výrobních systémů dle principů I4.0

    Výzkum v oblasti pokročilých optimalizačních metod používaných v rámci digitálních a chytrých továren s aplikací v průmyslových řídicích systémech v souladu s iniciativou Průmysl 4.0. V úvodní fázi se předpokládá kategorizace současných přístupů v oblasti IT metod pro segment operačních technologií zapouzdřených technologií AAS (Asset Administration Shell). Významná část aktivit bude věnována metodám distribuovaného plánování a detekci anomálií v systému, přičemž bude využito formálních matematických nástrojů (např. systémy diskrétních událostí nebo transitní systémy pro modelování a verifikaci, temporální logika pro definici požadavků) a technik strojového učení s využitím AI. Praktické ověření výsledků výzkumu bude probíhat formou simulací a nasazením na laboratorním testbedu za použití AAS. Cílem výzkumu je prozkoumat možnosti technik strojového učení a AI pro zvýšení funkčních schopností a flexibility průmyslových systémů.

    Školitel: Bradáč Zdeněk, doc. Ing., Ph.D.

12. Pokročilé senzorické struktury pro měření v ultrazvukové oblasti

    Téma je zaměřeno na výzkum v oblasti pokročilých senzorických struktur (MEMS, optovláknové, víceprvkové) a navazujících metod pro zpracování signálů v akustické oblasti využitelné při měření signálů generovaných v pevných materiálech pro jejich bezdemontážní diagnostiku a také při měření ultrazvukových signálů přenášených volným prostorem. Omezením klasických piezoelektrických snímačů, které jsou v současné době nejčastěji využívány, je komplikovanost realizace širokopásmově citlivých prvků a jejich rozměry. Výzkumné práce budou tedy zaměřeny na návrh, simulaci, optimalizaci a charakterizaci takových MEMS struktur, které zajistí snímaní a analýzu ultrazvukových signálů v širším kmitočtovém rozsahu a dále na výzkum metod pro zpracování signálů s ohledem na optimalizaci rozměrů a energetické spotřeby celého snímače. Možnost definovat potřebné parametry snímačů ve fázi návrhu zajistí následný vysoký aplikační potenciál v technické diagnostice a dále v chemickém a farmaceutickém průmyslu. Výzkum bude probíhat v návaznosti na řešené a plánované národní i mezinárodní projekty.

    Školitel: Havránek Zdeněk, Ing., Ph.D.

13. Prediktivní diagnostika

    Prediktivní diagnostika je perspektivní výzkumná oblast s rychlým rozvojem nových metod založených na datech. Bohužel je stále mnoho oblastí, kde tento přístup selhává a je nutné použít klasický přístup založený na znalostech. Cílem výzkumu je zkombinovat metody obou přístupů a pokusit se je uplatnit v dosud opomíjených oblastech, např. ve stavebnictví nebo zkušebnictví.

    Školitel: Beneš Petr, doc. Ing., Ph.D.

14. Rekurzivní nelineární identifikace a filtrace s využitím aproximativní bayesovské inference

    Tématem dizertační práce je výzkum a vývoj algoritmů rekurzivního odhadování nelineárních modelů, které transformují aproximaci analyticky neřešitelného problému do optimalizační úlohy v kontextu bayesovské inference. Důraz bude kladen na získání statistických znalostí o parametrech modelu systému a jeho stavech s ohledem na postupné získávání dat. V této souvislosti bude nezbytné najít řešení, které odstraňuje nebo alespoň uspokojivě redukuje akumulaci chyb aproximací tak, aby nedocházelo k významné degradaci kvality procesu odhadování. Problematická akumulace vzniká v situacích, kdy bezeztrátové odhadování je nahrazeno jednokrokovou aproximací, motivovanou aktualizací dostupné aproximované posteriorní distribuce konjugované k upravenému parametrickému modelu. Řešení problému tak může být postaveno na technice vyhlazování, která retrospektivně pracuje se statistikami konečné dimenze přes rostoucí horizont pozorování a nevyžaduje aplikaci často problematického operátoru marginalizace. Technika vyhlazování by dále měla být vhodně doplněna procesem rozhodování pro stanovení konečných hodnot parametrů posteriorní distribuce. Evaluace navržených řešení se předpokládá v oblasti elektrických pohonů v úlohách stavového řízení a pro parametricky orientovanou detekci a lokalizaci poruch.

    Školitel: Dokoupil Jakub, Ing., Ph.D.

15. Virtuální senzory pro bezsnímačové řízení pohonů a virtuální redundanci

    Moderní řídicí algoritmy používané pro elektrické pohony vyžadují informaci o řadě veličin měřených na pohonu. Velké množství snímačů pak znamená komplikaci jak s ohledem na mechanické uspořádání, tak i cenu pohonu. Téma je zaměřeno na výzkum a vývoj algoritmů virtuálních senzorů umožňujících dostatečně přesný odhad vybraných veličin (zejména mechanických) na základě měření jiných veličin na pohonu. I když je tento přístup znám např. v rámci tzv. bezsnímačového řízení rychlosti nebo polohy motoru, z hlediska reálných aplikací existující algoritmy stále nedosahují dostatečné přesnosti, zejména v oblasti velmi nízkých nebo naopak vysokých otáček. Právě na takové situace se bude zaměřovat předpokládaný výzkum. Současně bude studována možnost virtuální redundance snímačů v souvislosti s jejich diagnostikou. Pozornost bude věnována použití nových snímačů elektrických a magnetických veličin s vysokým dynamickým rozsahem, které mohou poskytnout více informací pro výpočet odhadu dalších veličin na pohonu. Téma bude řešeno v návaznosti na projekt Horizon Europe Cynergy4MIE.

    Školitel: Václavek Pavel, prof. Ing., Ph.D.

16. Vizuální teleprezence v mobilní robotice

    Výzkum v oblasti současných progresivních přístupů k imersivní vizuální teleprezenci pro využití v průzkumné a servisní mobilní robotice. Výzkum bude zaměřen na dosažení co nejlepšího vizuálního vjemu a bude zahrnovat především následující podoblasti - stereovize, nízká latence snímacího, přenosového a zobrazovacího řetězce, vysoké rozlišení, bezdrátový přenos, snímání polohy hlavy a predikce jejího pohybum a další. Po výběru vhodného směru výzkumu bude navrženo a technicky realizováno vlastní řešení s ověřením parametrů. Předpokládá se experimentální nasazení na některém z robotických prostředků, kterými disponuje VUT v Brně.

    Školitel: Žalud Luděk, prof. Ing., Ph.D.

17. Zpracování synchronních signálů pro účely detekce anomálií

    Téma je zaměřeno na výzkum v oblasti metod detekce poruch a anomálií se zaměřením na tzv. částečné výboje a to mj i v prostředí točivých strojů. Částečné výboje jsou lokalizované výboje, kdy nedochází k plnému průrazu izolace a projevují se jako pulsy, které trvají méně než 1 us. V reálných provozních podmínkách tradiční metody detekce selhávají z důvodu rušení. Předmětem výzkumu proto budou především metody využívající synchronní vícekanálové měření veličin, které umožňují potlačit vliv rušení. Výzkum v prostředí 3 fázových soustav a systémů bude vycházet z metod 3PARD, 3PTRD a 3CFRD, které vyžadují synchronní vzorkování měřených veličin. Výzkum se zaměří na metody, které jsou vhodné pro implementaci v hradlových polích a to včetně metod zajištění dostatečně přesné synchronizace (lepší než 1 us), která je nezbytná pro zachycení a lokalizaci poruchy. Téma je připraveno a bude realizováno ve spolupráci s firmou Modemtec (odborný garant: ing. Roman Mego, Ph.D.)

    Školitel: Fiedler Petr, doc. Ing., Ph.D.