Zelflerende intelligente monitoring van cyber-fysieke systeemvloot

De promovendus gaat werken aan machine-learning en artificial-intelligence methoden voor zelflerende en zelfmonitorende cyber-fysieke systemen. Een raamwerk op basis van nieuwheidsdetectie zal worden opgezet met behulp van dynamisch bijgewerkte clusteringmethodologieën, waarbij de overgang van het systeem tussen meerdere stabiele en in de tijd variërende bedrijfsmodi wordt vastgelegd. Bovendien zullen zelforganiserende modelmethoden worden onderzocht en verder ontwikkeld. ESR2 zal een procedure opzetten om identieke of mogelijk vergelijkbare cyber-fysieke systemen (aandrijflijnen, voertuigen, machines) te vergelijken met behulp van gelijkaardige maatregelen, om abnormale verschijnselen, zoals slijtage, storingen en geluid te identificeren en te monitoren. De ontwikkelde methodologieën en algoritmen zullen eerst worden getest en geëvalueerd op gesimuleerde gegevens en op twee speciale vergelijkbare maar niet identieke laboratoriumaandrijvingen, om het aantal valse alarmen en gemiste detecties te kwantificeren. De laatste evaluatie van de methodologie zal worden uitgevoerd op echte industriële gevallen.