Metingen vormen de sleutel tot kennis. Dit geldt ook voor intelligente voertuigen, machines en productiesystemen. Daar stopt het echter niet. Om het prestatieniveau van deze systemen onder alle omstandigheden te verbeteren, moeten deze metingen ook gebruikt worden om hun controle op robuuste wijze aan te passen.

Concrete onderzoeksdoelstellingen

We dragen bij tot de ontwikkeling van technologie voor intelligente monitoring- en geavanceerde besturingssystemen en ter ondersteuning van het besluitvormingsproces. We zoomen in op de volgende onderzoeksdomeinen:

Detectie & monitoring

  • Glasvezelsensoren: het robuuste alternatief voor het meten van, onder meer, druk en temperatuur. 
  • Zelf-kalibrerende versnellingsmeters voor inerte navigatie.
  • Voorspellende conditiemonitoring, met focus op lagers, versnellingen, motoren en elektromechanische aandrijflijnen.
  • Lokalisatiesystemen voor binnen en buiten: AGV’s, mobiele robotplatformen en drones. Deze maken standaard gebruik van een variëteit van technologieën. Ons onderzoek spitst zich toe op de meest efficiënte oplossing voor een verbeterde nauwkeurigheid, een hogere updatesnelheid en een betere kostenefficiëntie.
  • Visie-gebaseerde monitoring (1D, 2D, 3D, zichtbaar en infrarood), het ontwerp van optische systemen uitgerust met freeform geslepen lenzen en beeldverwerkingsalgoritmes. 
  • Zelflerende sensoren, die zich automatisch aanpassen aan hun omgeving om zo betrouwbaardere data te genereren, zichzelf te configureren en aan zelfdiagnose te doen bij fouten.

Controle & besluitvorming 

  • Optimale controle, dankzij nieuwe, robuuste besturingsalgoritmes die eenvoudiger af te stemmen zijn en in real-time functioneren om zo constant de hoogst mogelijke kwaliteit te garanderen.
    • Controle van omgeving: detecteert de werkingsomgeving en optimaliseert controle parameters voor de beste prestaties.
    • Dynamisch routeplanning voor mobiele systemen: het ontwijken van statische en mobiele obstakels.
    • Optimale trajectplanning rekening houdende met alle beperkingen.
  • Lerende controle, waardoor systemen kunnen leren van hun eigen operationele data. Dit zorgt voor maximale performantie in iedere situaie. 
    • Veilig leren: garandeert dat beperkingen gedurende het leerproces worden gerespecteerd. 
    • Eenvoudig leren: verhoogt de robuustheid door het gebruik van eenvoudige geparametreerde modellen.
    • Gedeeld leren: Leren uit eigen ervaring of die van gelijkaardig systemen in het machine- of wagenpark.
  • Ondersteunende tools in het besluitvormingsproces die helpen om relevante data uit te filteren met behulp van artificiële intelligentie methodes. 

Voor wie?

  • Maakbedrijven die op zoek zijn naar een strategie voor zero-defect en zero-machine-uitvaltijd.
  • Maakbedrijven die technologie nodig hebben voor de ontwikkeling van flexibele, geautomatiseerde productielijnen.
  • Machinebouwers die conditie- en procesmonitoring willen inbouwen.
  • Softwarebedrijven die tools ontwikkelen voor het ontwerp en het testen van mechatronische systemen.