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. 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. Digitální dvojče elektrického pohonu se sychronním motorem s permanentními magnety

   Tématem doktorského studia je vytvořit digitální dvojče elektrického pohonu se synchronním motorem s permanentními magnety, tedy kvalitní model pohonu, který doprovází reálný pohon po dobu jeho života, je oboustranně propojený s řídicí jednotkou pohonu a napomáhá při jeho diagnostice a prediktivní údržbě. Doktorand se v první fázi seznámí s existujícími řešeními, které jsou popsané v dostupné literatuře. Digitální dvojče bude průběžně měnit své parametry v závislosti na příchozích datech z reálného pohonu. Bude vybavené online identifikačními algoritmy. Cílem je sledovat nejen chování zdravého pohonu, ale také sledovat chování v případě degradace parametrů a poruch. Vývoj digitálního dvojčete bude nejprve probíhat v prostředí MATLAB Simulink. Bude třeba se zaměřit na řešení, která bude možné implementovat uvnitř měniče, nebo na vestavné platformě spojené s měničem, vybavené výkonným procesorem. Realizované digitální dvojče bude ověřeno na reálném motoru připojeném k dynamometru s využitím prostředků rychlého prototypování.

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

3. Inženýrská optimalizace s využitím smíšených náhradních modelů a bio-inspirovaných algoritmů

   Řešení složitých inženýrských problémů je v současnosti obtížné především kvůli jejich numerické náročnosti a analytické složitosti. Práce se zaměří na využití bioinspirovaných optimalizačních algoritmů v kombinaci s náhradními modely (umělými neuronovými sítěmi) k řešení komplexních a výpočetně náročných optimalizačních úloh v oblasti topologické optimalizace.

   Školitel: Matoušek Radomil, prof. Ing., Ph.D.

4. 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.

5. Metody pro měření a generování mechanických rázů

   Téma práce se zaměří na problematiku měření a generování mechanických rázů, konkrétně na kalibraci snímačů rázů a umělých zdrojů mechanických rázů. Přesné měření rázových jevů je klíčové pro řadu průmyslových i vědeckých aplikací. Příkladem jsou rázové testy satelitů, při nichž se provádí zkouška Shock Response Spectrum (SRS). Tyto testy jsou nezbytné pro ověření odolnosti kosmických systémů vůči mechanickým rázům, které vznikají například při oddělení raketových stupňů nebo při vypouštění satelitů na oběžnou dráhu. Cílem práce bude analyzovat parazitní vlivy ovlivňující nejistoty měření a navrhnout nové metody pro jejich potlačení, čímž se zvýší přesnost a spolehlivost měření mechanických rázů. Výzkum bude probíhat s využitím unikátního vybavení zkušební a kalibrační laboratoře CVVOZE.

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

6. Neuroevoluce pro automatizovaný návrh struktur neuronových sítí v robotice

   Práce se zaměří na vývoj metod neuroevoluce určených pro automatizovaný návrh struktur umělých neuronových sítí s aplikacemi v robotických systémech. Cílem je vytvořit postup umožňující autonomní optimalizaci topologie sítí pro konkrétní robotické úlohy, jako jsou navigace, manipulace, plánování trajektorií či úlohy strojového vidění. Výsledky budou porovnány s běžně používanými empirickými nebo experimentálními metodami návrhu sítí. Hlavní výzvou práce bude efektivní generalizace získaných struktur a jejich využitelnost v reálných scénářích.

   Školitel: Matoušek Radomil, prof. Ing., Ph.D.

7. 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: Chromý Adam, Ing., Ph.D.

8. Optimalizace pohybu robota pomocí hlubokého posilovaného učení

   Práce se zaměří na optimalizaci efektivity pohybu robota (zejména průmyslového 6osého manipulátoru) v komplexním prostředí s důrazem na rychlost, přesnost a energetickou náročnost. Pro stabilní a spojité řízení orientace robota budou využity kvaterniony. K řešení budou aplikovány moderní metody hlubokého posilovaného učení (Deep Reinforcement Learning). Výsledky budou porovnány se současnými („state-of-the-art“) přístupy, jako jsou například RRT, genetické programování nebo Particle Swarm Optimization. Hlavní výzvou práce bude zajištění generalizace naučených strategií do reálných scénářů.

   Školitel: Matoušek Radomil, prof. Ing., Ph.D.

9. Pokročilé senzorické struktury a metody zpracování signálů pro diagnostiku

   Téma je zaměřeno na výzkum v oblasti pokročilých senzorických struktur (MEMS, optovláknové, víceprvkové) a navazujících metod zpracování signálů elektrických a mechanických veličin využitelné při bezdemontážní diagnostice mechatronických zařízení a také při měření akustických a ultrazvukových signálů generovaných poruchovými ději. Omezením klasických piezoelektrických snímačů, které jsou v současné době nejčastěji využívány pro dynamická měření mechanických veličin, je komplikovanost realizace širokopásmově citlivých prvků a jejich rozměry. Výzkumné práce budou tedy zaměřeny na využití takových snímacích prvků a navazujícího zpracování signálů, které umožní vyhodnocení diagnostických informací s vyšší citlivostí a v širším kmitočtovém rozsahu a současnou optimalizací rozměrů, robustnosti poskytovaných dat a energetické spotřeby celého snímacího systému. Možnost definovat potřebné parametry snímačů ve fázi návrhu zajistí následný vysoký aplikační potenciál v technické diagnostice a dále v chemickém a farmaceutickém průmyslu. S výhodou budou zkoumány i metody založené na strojovém učení a umělé inteligenci. Výzkum bude probíhat v návaznosti na řešené a plánované národní i mezinárodní projekty.

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

10. 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.

11. Využití časofrekvenčních metod pro analýzu nestacionárních dějů

    Nestacionární děje jsou běžným jevem v mnoha technických i přírodních systémech, přičemž jejich analýza představuje významnou výzvu pro současné diagnostické metody. Časofrekvenční analýza nabízí efektivní nástroje pro detailní zkoumání časově proměnných signálů, avšak její praktické využití je často limitováno nedostatečnou přesností, vysokou výpočetní náročností či nevhodností některých metod pro specifické aplikace. Tato práce se zaměří na aplikaci časofrekvenčních metod pro analýzu nestacionárních dějů, například v prediktivní diagnostice mechanických systémů s nerotačním pohybem nebo při detekci anomálií v měřených datech z vibračních zkoušek. Cílem výzkumu bude identifikovat limity aktuálně používaných metod založených na datech a navrhnout jejich modifikace či kombinace s metodami založenými na znalostech.

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