Centrum Diagnostyki Technicznej i Medycznej Zaawansowane systemy wytwarzania i materiały
Centrum Diagnostyki Technicznej i Medycznej zostało założone w 2015 roku na Uniwersytecie Zielonogórskim. Doświadczenie grupy badawczej centrum jest bardzo dobrze znane w świecie nauki poprzez sukcesywny jego rozwój na przestrzeni ostatnich 25 lat. Działalność centrum ukierunkowana jest na komercjalizację badań naukowych oraz prowadzenie projektów badawczo-rozwojowych w zakresie praktycznych zastosowań diagnostyki technicznej i medycznej.
Centrum diagnostyki technicznej i medycznej koncentruje się na współpracy w ramach projektów w następujących obszarach:
- zaawansowane techniki sterowania i monitorowania;
- diagnostyka uszkodzeń i sterowanie tolerujące uszkodzenia;
- przetwarzanie i analiza obrazów medycznych;
- rozpoznawanie obrazów i diagnostyka medyczna
Obszarami szczególnych zainteresowań centrum są:
- zastosowanie metod analitycznych i technik obliczeń inteligentnych w diagnostyce technicznej;
- inteligentne systemy sterowania i sterowanie tolerujące uszkodzenia;
- sterowanie systemami produkcyjnymi;
- analiza i rozpoznawanie obrazów medycznych;
- diagnostyka medyczna z zastosowaniem metod analitycznych i technik obliczeń inteligentnych;
- opracowywanie inteligentnych platform programowych dla diagnostyki technicznej i medycznej.
Koordynator Centrum/Osoba kontaktowa: Marcin Witczak
Instytut Sterowania i Systemów Informatycznych
Uniwersytet Zielonogórski
- Podgórna 50
65-246 Zielona Góra
Tel. +48 68 3282422
e-mail: M.Witczak@issi.uz.zgora.pl
diagtim-iati.e-science.pl/home/
1. Projekty
- Hybrydowe sterowanie tolerujące uszkodzenia dla systemów nieliniowych z zastosowaniem metod analitycznych i technik obliczeń inteligentnych, Narodowe Centrum Nauki, Kierownik: prof. dr hab. inż. Józef Korbicz, 2014-2017, UMO-2013/11/B/ST7/01110.
- Sztuczne sieci neuronowe w odpornej diagnostyce uszkodzeń i sterowaniu układów nieliniowych, Narodowe Centrum Nauki, Kierownik: dr inż. Marcel Luzar, 2015-2018, UMO-2014/15/N/ST7/00749.
- Zaawansowane metody sterowania i diagnostyki z wykorzystaniem technik sztucznej inteligencji w działaniu procesów przemysłowych o szybkiej dynamice, Narodowe Centrum Nauki, Kierownik: dr inż. Andrzej Czajkowski, 2012-2015, UMO-2012/07/N/ST7/03316.
- Predykcyjne sterowanie tolerujące uszkodzenia w nieliniowych układach automatyki. Narodowe Centrum Nauki, Kierownik: prof. dr hab. inż. Józef Korbicz, 2011-2014, NN514678440.
2. Publikcacje
Monografie
- Marcin Witczak, Fault diagnosis and fault-tolerant control strategies for non-linear systems, Switzerland 2014, 229 s., Springer International Publishing, DOI: 10.1007/978-3-319-03014-2.
- Marcin Mrugalski, Advanced neural-network based computational schemes for robust fault diagnosis, Berlin 2014, 182 s., Springer-Verlag, ISBN: 9783319015460
- Marcel Luzar, Dynamic artificial neural networks in designing robust fault diagnosis systems, Zielona Góra 2016, 174 s., University of Zielona Góra Press, ISBN: 978837842282
- Andrzej Czajkowski, Fault tolerant control system design using dynamic neural networks, Zielona Góra 2016, 140 s., University of Zielona Góra Press, ISBN: 978837842263
Pozostałe publikacje
- Buciakowski, M., Witczak, M., Puig, V., Rotondo, D., Nejjari, F., Korbicz, J.: A bounded-error approach to simultaneous state and actuator fault estimation for a class of nonlinear systems, Journal of Process Control, 2017, Vol. 52, pp.14-25
- Witczak, P., Patan, K., Witczak, M., Mrugalski, M.: A neural network approach to simultaneous state and actuator fault estimation under unknown input decoupling, Neurocomputing, 2017, pp.1-11, DOI:10.1016/j.neucom.2016.10.076
- Buciakowski, M., Witczak, M., Mrugalski, M., Theilliol, D.: A quadratic boundedness approach to robust DC motor fault estimation, Control Engineering Practice, 2017, Vol. 66, pp.181-194
- Witczak, M., Rotondo, D., Puig, V., Nejjari, F., Pazera, M.: Fault estimation of wind turbines using combined adaptive and parameter estimation schemes, International Journal of Adaptive Control and Signal Processing, 2017, pp.1-19, DOI: 10.1002/acs.2792
- Witczak, M. Buciakowski, V. Puig, D. Rotondo, F. Nejjari: An LMI approach to robust fault estimation for a class of nonlinear systems, International Journal of Robust and Nonlinear Control, 2015, DOI:10.1002/rnc.3365
- Rotondo, V. Puig, F. Nejjari, M. Witczak: Automated generation and comparison of Takagi–Sugeno and polytopic quasi-LPV models, Fuzzy Sets and Systems, Vol. 277, No.1, pp. 44-64, 2015, DOI: 10.1016/j.fss.2015.02.002
- Witczak, D. Rotondo, V. Puig, P. Witczak: A practical test for assessing the reachability of discrete-time Takagi-Sugeno fuzzy systems, Journal of the Franklin Institute, Vol. 352, No. 12, pp. 5936-5951, 2015, DOI:10.1016/j.jfranklin.2015.10.006
- Witczak, M. Buciakowski, Ch. Aubrun: Predictive actuator fault-tolerant control under ellipsoidal bounding, International Journal of Adaptive Control and Signal Processing, 2015, DOI: 10.1002/acs.2567
- Witczak, M. Mrugalski, J. Korbicz:Towards Robust Neural-Network-Based Sensor and Actuator Fault Diagnosis: Application to a Tunnel Furnace, Neural Processing Letters, Vol. 42, No. 1, pp.71-87, 2015, DOI: 10.1007/s11063-014-9387-0
- Seybold, M. Witczak, P. Majdzik, R. Stetter: Towards robust predictive fault-tolerant for a battery assembly system, International Journal of Applied Mathematics and Computer Science, Vol. 25, No. 4, pp. 849-862, 2015, DOI: 10.2478/amcs-2015-0061
- Witczak, M. Witczak, J. Korbicz, Ch. Aubrun: A robust predictive actuator fault-tolerant control scheme for Takagi-Sugeno fuzzy systems, Bulletin of the Polish Academy of Sciences: Technical Sciences, Vol. 63, No. 4, pp. 977-987, 2015, DOI: 10.1515/bpasts-2015-0111
- Mrugalski, M. Luzar, M. Pazera, M. Witczak, C. Aubrun: Neural network-based robust actuator fault diagnosis for a non-linear multi-tank system, ISA Transactions, Vol. 61, pp. 318-328, 2016, DOI: 10.1016/j.isatra.2016.01.002.
- Patan, Two stage neural network modelling for robust model predictive control, ISA Transactions 2017, s. 1—10, DOI: 10.1016/j.isatra.2017.10.011
- Patan, Neural network-based model predictive control: fault tolerance and stability, IEEE Transactions on Control Systems Technology .- 2015, Vol. 23, no. 3, s. 1147—115, DOI: 10.1109/TCST.2014.2354981
- Czajkowski, K. Patan, M. Szymański, Application of the state space neural network to the fault tolerant control system of the PLC-controlled laboratory stand, Engineering Applications of Artificial Intelligence .- 2014, Vol. 30, s. 168–178 DOI: 10.1016/j.engappai.2014.01.017.
Tylko dla zalogowanych
