Datadriven dynamikk, modellering og styring (DYNAMO)
DYNAMO utviklar fysikkinformerte og datadrivne metodar for robust modellering, styring og avgjerdsstøtte i mekatronikk, robotikk og offshore energisystem.
DYNAMO forskar på analyse, modellering og styring av komplekse tekniske system i usikre og dynamiske omgjevnader. Gruppa kombinerer fysikkbasert forståing, data og eksperimentelle innsikter for å utvikle robuste, forklarlege og praktisk anvendelege løysingar.
- Mekatroniske og robotiske system: design, analyse, modellering og styring.
- Systemidentifikasjon, ikkje-lineær dynamikk og stokastiske system.
- Styringsarkitekturar for autonome og semi-autonome system.
- Systemnivåmodellering, digitale tvillingar, diskret-hendingssimulering og avgjerdsstøtte.
- Maskinlæring og kunstig intelligens for overvaking, optimalisering og prediktivt vedlikehald.
- Bruksområde innan havvind, marine og autonome system, robotikk og pålitelegheit.
Forskningsprosjekt
Eit effektivt produksjonssystem av system for frukt og bær
Status: Pågåande
Robotikk og datavitskap blir utforska som verkemiddel for å omforme produksjonen av frukt og bær til eit smartare og meir berekraftig system. Robot- og datadrivne løysingar blir utvikla og testa i reelle landbruksmiljø, med mål om å redusere utfordringar knytte til arbeidskraft, auke produktiviteten og styrkje berekrafta. Det er eit mål å utvikle praktiske verktøy som bønder kan stole på. Gjennom samarbeid mellom produsentar, forskarar og teknologipartnarar blir det utvikla målbare, repliserbare og framtidsretta produksjonssystem for vekstar som til dømes bringebær.
Samarbeidspartnarar: HVL, Vestlandsforsking, nLink, Sognabær, Sogn Frukt og Grønt
Integrering av USV-ar i havvind for utsleppsfri drift og vedlikehald ved bruk av digital tvilling (USV0-OWDT)
Status: Pågåande
Drift og vedlikehald (O&M) av havvindparkar blir analysert ved hjelp av eit optimaliseringsrammeverk basert på diskret hending-simulering. Havvindsystem blir modellerte som komplekse og usikre miljø der feil, vêrforhold, logistikk og ressursar verkar saman på ein dynamisk måte. Ved å kombinere simulering og optimalisering blir ulike strategiar for vedlikehald og logistikk vurderte for å identifisere kostnadseffektive løysingar. Målet med tilnærminga er å redusere kostnadene til drift og vedlikehald, auke tilgjengelegheita til turbinane og støtte betre avgjerdstaking i planlegging og drift av havvindparkar.
Samarbeidspartnarar: HVL, Safetec AS, Deep Ocean, Deep Wind Offshore.
Publikasjonar
- Adaptive backstepping control for underwater robots in complex environments — Jalalnezhad, Mostafa; Keymasi-Khalaji, Ali; Ghane, Mahdi (2025).
- Pitch actuator fault-tolerant control of wind turbines via an L1 adaptive sliding mode control (SMC) scheme — Fayazi, A.; Ghayoumi Zadeh, H.; Ahmadian, H.; Ghane, M.; Seryasat, O. R. (2024).
- Control of a group of uncertain wheeled robots with global inputs in the presence of obstacles — Mehrabani, M. B. M.; Khalaji, A. K.; Ghane, M. (2023).
- A physically motivated control algorithm for an autonomous underwater vehicle — Khalaji, A. K.; Ghane, M. (2022).
- Condition monitoring of spar-type floating wind turbine drivetrain using statistical fault diagnosis — Ghane, M.; Rasekhi Nejad, A.; Blanke, M.; Gao, Z.; Moan, T. (2018). Relevant publications
