Aktualnie realizowane prace doktorskie:
- mgr inż. Agnieszka Mikołajczyk - temat doktoratu: Data augmentation and explainability for bias discovery and mitigation in deep learning.
Celem badan prowadzonych w ramach pracy jest przeprowadzenie badań dotyczących wykrywania i minimalizacji wpływu tendencyjności danych na skuteczność modeli głębokich sieci neuronowych. W tym celu wykorzystano znane i zaproponowano nowe techniki rozszerzania danych uczących oraz metody objaśnianej sztucznej inteligencji (XAI – explainable artificial intelligence). - mgr inż. Arkadiusz Kwasigroch - temat doktoratu: Poprawa jakości klasyfikacji głębokich sieci neuronowych poprzez optymalizację ich struktury i dwuetapowy proces uczenia.
Celem badan prowadzonych w ramach pracy jest opracowanie skutecznej i efektywnej metody optymalizującej strukturę sieci neuronowej która zapewni wysoką skuteczność działania i zdolność uogólniania sieci przy uwzględnieniu cech i ograniczeń wynikających z analizowanego problemu. Kolejnym celem jest opracowanie dwu-etapowego uczenia opracowanej sieci (self-supervised + supervised) zapewniającego efektywne uczenia w warunkach deficytu oznaczonych danych treningowych. - mgr inż. Mateusz Czyżniewski, temat doktoratu: Synteza obserwatorów stanu dla niepewnych nieliniowych układów w zastosowaniu do biologicznej oczyszczalni ścieków. Celem badań prowadzonych w ramach pracy jest opracowanie teoretycznych podstaw i możliwych do zastosowania metod rekonstrukcji (estymacji) stanu dla nieliniowych niepewnych układów dynamicznych w warunkach niepewności strukturalnej i parametrycznej. Jako aplikacja rozważany jest jeden z systemów infrastruktury krytycznej, tj. oczyszczalnia ścieków.
- mgr inż. Krzysztof Laddach, temat doktoratu: Neuronowe modelowanie procesów i neuronowa estymacja stanu układów dynamicznych. Celem badań prowadzonych w ramach pracy jest opracowanie narzędzi pozwalających na uzyskanie neuronowego (black-box) modelu o optymalnej architekturze wybranych układów dynamicznych. Otrzymany model neuronowy będzie również stanowił podstawę dla opracowanego neuronowego obserwatora stanu.
- mgr inż. Maria Ferlin - temat doktoratu: Synthesis of a reliable deep neural-based system for detection and analysis of cerebral lesions.
Celem badan prowadzonych w ramach pracy jest opracowanie neuronowego systemu wspomagania decyzji pozwalającego na diagnozowanie choroby małych naczyń (Small Vessel Disease) w mózgu. Opracowywany system powinien być transparentny i wiarygodny (XAI AI). Prace prowadzone są w ścisłej współpracy z Gdańskim Uniwersytetem Medycznym. - mgr inż. Zuzanna Klawikowska - temat doktoratu: Development of methods to synthesise a trustworthy, intelligently supervised control system, robust to process anomalies and faults of a selected class.
Głównym celem badawczym jest opracowanie metod syntezy wiarygodnego, inteligentnie nadzorowanego systemu sterowania, odpornego na anomalie procesowe i uszkodzenia wybranej klasy. Realizacja celu obejmuje opracowanie i syntezę metod optymalizacji i sterowania, metod zwiększania zaufania do systemów inteligentnych, metod wykrywania anomalii, czy metod predykcyjnego utrzymania ruchu. Problematyka obejmuje najnowsze wyzwania w dziedzinie zaawansowanych systemów sterowania, uczenia maszynowego i wspomagania decyzji. - mgr inż. Tomasz Ujazdowski temat doktoratu: Optimisation of biological processes and management of multiple reactors in a batch wastewater treatment plant
Celem badan prowadzonych w ramach pracy jest zaprojektowanie systemu wspomagania decyzji operatora dla procesów biologicznych w jednym SBR, poprzez rozwiązanie jedno i wielocelowej optymalizacji procesów biologicznych w oczyszczalni typu wsadowego. Kolejnym celem jest zaprojektowanie systemu do efektywnego i optymalnego zarządzania pracą kilku SBR-ów, poprzez rozwiązanie zagadnienia harmonogramowania, dla określonego horyzontu czasowego.
Tematyka realizowanych badan w katedrze:
Obszar badań: Estymacja stanu i parametrów systemów.
Słowa kluczowe: estymacja, odtwarzanie stanu systemu, soft-sensors, identyfikacja parametrów systemu, obserwatory, obserwatory przedziałowe, obserwatory ślizgowe, systemy oczyszczania ścieków, systemy dystrybucji wody pitnej, systemy energetyczne.
Obszar badań koncentruje się na opracowaniu teoretycznych podstaw i możliwych do zastosowania metod w zakresie estymacji (odtwarzania stanu systemu, soft-sensors) zmiennych procesowych dla celów sterowania i monitorowania systemów dużej skali. Głównymi aplikacjami są systemy infrastruktury krytycznej, takie jak systemy oczyszczania ścieków, systemy dystrybucji wody pitnej oraz systemy elektroenergetyczne (w tym energetyka jądrowa). Opracowane metody umożliwiają estymację stanu systemów w warunkach niepewności strukturalnej i parametrycznej. Podstawowe instrumenty stanowią obserwatory przedziałowe, obserwatory ślizgowe oraz techniki odwrotnej identyfikacji parametrów modelu, również z wykorzystaniem sztucznej inteligencji.
Dziedzina badań: Inteligencja obliczeniowa
Słowa kluczowe: inteligencja obliczeniowa, głębokie uczenie, systemy wspomagania decyzji, wykrywanie i diagnozowanie usterek, wyjaśnialna sztuczna inteligencja, wyszukiwanie architektury neuronowej, analiza obrazów medycznych, rekurencyjne sieci neuronowe.
Badania koncentrują się na rozwoju i zastosowaniu metod sztucznej inteligencji ze szczególnym uwzględnieniem głębokich sieci neuronowych do wspomagania decyzji, klasyfikacji, diagnostyki i modelowania procesów.
Przykłady badań dotyczą rozwoju metod wyjaśnialnej inteligencji (XAI), które pomagają uczynić modele bardziej interpretowalnymi dla projektantów systemów i bardziej wiarygodnymi dla użytkowników końcowych, uniknąć wpływu stronniczości zbioru danych na działanie systemu oraz wydobyć nową wiedzę ze zbiorów danych.
Zespół badawczy ma doświadczenie w zastosowaniu metod głębokiego uczenia do analizy obrazów medycznych 2D i 3D, takich jak obrazy zmian skórnych, płuca, dna oka czy skany mózgu 3D.
Ponadto, zespół pracuje nad metodami poszukiwania optymalnych architektur neuronowych, aby jak najlepiej dopasować je do cech danego procesu lub zbioru danych.
Innym ważnym zagadnieniem badawczym jest rozwój i wykorzystanie rekurencyjnych sieci neuronowych do modelowania dynamicznych roślin i procesów oraz do wczesnego wykrywania i diagnozowania błędów i anomalii.
Obszar badawczy: Modelowanie oraz sterownie z wykorzystaniem operatorów niecałkowitych ze stałym oraz zmiennym rzędem
Słowa kluczowe: modelowanie, identyfikacja, systemy niecałkowitego rzędu, sterowanie niecałkowitego rzędu, cyfrowe platformy sterowania
W ramach obszaru badawczego rozwijane są metody umożliwiające wykorzystanie i implementację operatorów niecałkowitych ze stałym i zmiennym rzędem do celów modelowania, sterowania, oraz identyfikacji. Aktualna tematyka badawcza obejmuje: modelowanie i identyfikację obiektów, które charakteryzują się dynamiką niecałkowitego rzędu lub które można opisać za pomocą takiego modelu dynamiki, zastosowanie operatorów niecałkowitego rzędu w syntezie liniowych i nieliniowych układów sterowania, sterowanie optymalizujące z wykorzystaniem regulatorów niecałkowitego rzędu typu FPID (Fractional Order PID) oraz VO-FPID (Variable Order Fractional PID), opracowanie metod aproksymacji układów niecałkowitego rzędu w tym filtrów cyfrowych oraz rekurencyjnych sieci neuronowych, które charakteryzują się wysokim stopniem wierności oraz ich efektywną implementację na różnorodnych platformach cyfrowego sterowania przemysłowego np. sterowniki PLC i PAC, FPGA, układy µP itp.
Dziedzina badań: Modelowanie i sterowanie procesami biologicznymi w systemach oczyszczania ścieków.
Słowa kluczowe: system napowietrzania, sterowanie procesami biologicznymi, rachunek ułamkowego rzędu, modelowanie procesów biologicznych, mixed integer nonlinear optimisation problem, optymalizacja procesów biologicznych;
Badania naukowe koncentrują się na rozwoju modelowania i sterowania procesami przemysłowymi, w tym biologiczną oczyszczalnią ścieków (WWTP).
W szczególności badania naukowe obejmują:
1. Modelowanie procesów biologicznych w oczyszczalni ścieków.
2. Modelowanie systemu napowietrzania (dmuchawy, rury, zawory, dyfuzory).
3. Sterowanie procesami biologicznymi w oczyszczalni ścieków.
4. Optymalizacja procesów biologicznych w oczyszczalni ścieków.
5. Rachunek ułamkowego rzędu w modelowaniu i sterowaniu procesami biologicznymi na oczyszczalni ścieków.
Dziedzina badań: Zaawansowane systemy sterowania: struktury, implementacja, symulacja i weryfikacja w technologii pętli sprzętowej Hardware In the Loop (HIL)
Słowa kluczowe: zdecentralizowane i rozproszone systemy sterowania, zaawansowane algorytmy sterowania, komputerowe systemy sterowania, przemysłowe sieci informatyczne, sterowanie w czasie rzeczywistym, technologia HIL
Domena badawcza koncentruje się na opracowywaniu i weryfikacji zaawansowanych systemów sterowania dla dużych i złożonych zakładów przemysłowych z wykorzystaniem na potrzeby weryfikacji techniki symulacji HIL. Przykłady badań koncentrują się na syntezie i efektywnej implementacji zaawansowanych algorytmów sterowania pracujących w wielowarstwowych hierarchicznych strukturach sterowania opartych na typowych komponentach przemysłowych tj. sterownikach PLC i PAC, magistrali procesowej, systemach SCADA oraz infrastrukturze Rozproszonego Systemu Sterowania (DCS). Systemy infrastruktury krytycznej, takie jak systemy oczyszczania ścieków, systemy dystrybucji wody pitnej i systemy energetyczne (w tym komponenty elektrowni jądrowych) to podstawowe zastosowania. Głównymi rozważanymi algorytmami sterowania są algorytmy MPC z adaptacją modelu do celów predykcyjnych, techniki optymalizacji wartości zadanej w stanie ustalonym, wieloregionalne regulatory rozmyte z przełączanymi regulatorami lokalnymi, regulatory niecałkowitego rzędu oraz zagadnienia związane z interakcją lub współpracą pomiędzy algorytmami regulacji w ramach sterowania hierarchicznego.
Dziedzina badań: Detekcja, klasyfikacja i ochrona obiektów ferromagnetycznych na podstawie analizy pól magnetycznych
Słowa kluczowe: pola magnetyczne, sygnatury magnetyczne, modelowanie odwrotne, identyfikacja parametrów, metody optymalizacji, fazy dopasowania i walidacji krzyżowej.
Badania w tym zakresie dotyczą analizy pól magnetycznych. Własne pole magnetyczne obiektów morskich, identyfikowane przez złożoną sygnaturę magnetyczną, którą można traktować jako zakłócenie naturalnego pola magnetycznego Ziemi w jej własnym otoczeniu. Najbardziej wiarygodne dane magnetyczne pochodzą z fizycznych pomiarów rzeczywistego obiektu. Gdy rzeczywisty zakres pomiarowy nie jest dostępny, symulację numeryczną można wykorzystać jako syntetyczne źródło danych do dalszych analiz, czyli zaawansowaną metodę MES. Badania dotyczą opracowania odpowiedniego modelu matematycznego opartego na wiedzy cząstkowej, umożliwiającej rekonstrukcję sygnatury magnetycznej w dowolnym kierunku i głębokości pod wodą. Takie podejście ma praktyczne znaczenie dla zastosowań skupiających się na wykrywaniu i/lub klasyfikacji obiektów oraz bezpieczeństwie transportu morskiego poprzez zmniejszenie ryzyka wykrycia statku przez miny morskie. Główne obszary badawcze dotyczą głównie opracowywania struktur modeli magnetycznych, technik identyfikacji ich parametrów, określenia minimalnego dostatecznego zbioru danych dla fazy dopasowania oraz doboru reprezentatywnych metod walidacji krzyżowej. Stosuje się klasyczne metody optymalizacyjne i współczesne oparte o inteligencję obliczeniową.
