Číslo projektu:
APVV-20-0261
Názov projektu:
Energeticky efektívne, bezpečné a zabezpečené procesné riadenie
Grantová schéma:
APVV VV
Typ projektu:
Výskumné projekty APVV
Začiatok projektu:
01.07.2021
Koniec projektu:
30.06.2024
Zodpovedný riešiteľ:
Michal Kvasnica
Zástupca zodpovedného riešiteľa:
Radoslav Paulen
Riešitelia:
Tereza Ábelová, Peter Bakaráč, Monika Bakošová, Ľuboš Čirka, Kristína Fedorová, Miroslav Fikar, Matúš Furka, Lenka Galčíková, Michaela Horváthová, Martin Kalúz, Karol Kiš, Martin Klaučo, Roman Kohút, Alajos Mészáros, Martin Mojto, Juraj Oravec, Carlos E. Valero, Richard Valo, Anna Vasičkaninová

Projekt vyvinie unikátne prístupy k tvorbe riadiacich systémov pre procesný priemysel, ktoré sa budú vyznačovať tým, že kombinujú štyri unikátne vlastnosti do jednoho celku:

  1. Zabezpečenie energeticky efektívnej prevádzky riadených procesov použitím pokročilých riadiacich techník.
  2. Garantovaná bezpečnosť uzavretého obvodu v zmysle certifikovaného splnenia bezpečnostných špecifikácií.
  3. Zabezpečenie celej riadiacej slučky pred útokmi zvonka aj zvnútra.
  4. Aplikovateľnosť a mplementovateľnosť vyvinutých algoritmov na existujúcom procesnom hardvéri bez potreby jeho finančne nákladnej výmeny.

Projekt si za hlavný cieľ kladie vývoj systematického a univerzálneho prístupu k tvorbe energeticky efektívnych, bezpečných a zabezpečených riadiacich systémov využiteľných nielen v nových aplikáciách (tzv. greenfield), ale aj ako rozšírenie existujúcich systémov (tzv. retrofit). Tým sa výsledkom projektu otvoria dvere k priemyselným aplikáciám, ktoré budú môcť využiť súčasné najprogresívnejšie techniky na zvýšenie bezpečnosti, zabezpečenia a ekonomickej efektivity prevádzky.

Publikácie

2022

  1. P. BakaráčM. HorváthováL. GalčíkováJ. Oravec – M. Bakošová: Approximated MPC for embedded hardware: Recursive random shooting approach. Computers & Chemical Engineering, zv. 165, 2022.
  2. J. Drgoňa – K. Kiš – A. Tuor – D. Vrabie – M. Klaučo: Differentiable predictive control: Deep learning alternative to explicit model predictive control for unknown nonlinear systems. Journal of Process Control, zv. 116, str. 80–92, 2022.
  3. R. FáberR. Valo – M. Roman – R. Paulen: Towards Temperature Monitoring in Long-Term Grain Storage. V 2022 Cybernetics & Informatics (K&I), 2022.
  4. K. FedorováM. Kvasnica: Predictive Thermal Management of an Industrial Battery Energy Storage System. V 2022 Cybernetics & Informatics (K&I), 2022.
  5. M. FikarM. KlaučoR. Paulen: Theory of Automatic Control I. Practice Examples, FCHPT STU v Bratislave, 2022.
  6. L. GalčíkováM. HorváthováJ. Oravec – M. Bakošová: Self-Tunable Approximated Explicit Model Predictive Control of a Heat Exchanger. Chemical Engineering Transactions, 2022, Vol. 94, č. 94, str. 1015–1020, 2022.
  7. L. GalčíkováJ. Oravec: Fixed complexity solution of partial explicit MPC. Computers & Chemical Engineering, zv. 157, str. 107606, 2022.
  8. A. R. Gottu Mukkula – R. Paulen: Robust Design of Optimal Experiments Considering Consecutive Re-Designs. Editor(i): Luis Ricardez-Sandoval, Jesus Pico, V 13th IFAC Symposium on Dynamics and Control of Process Systems, including Biosystems, IFAC, str. 14–19, 2022.
  9. F. Hejazi – H. Karim – H. Kazemi – S. Shahbazpanahi – A. Mosavi: Fracture mechanics modeling of reinforced concrete joints strengthened by CFRP sheets. Case Studies in Construction Materials, č. 11, zv. 6, 2022.
  10. M. HorváthováL. GalčíkováJ. Oravec: Control Design for a Nonlinear Reactors-Separator Plant. V 2022 Cybernetics & Informatics (K&I), str. 1–6, 2022.
  11. C. Jugade – D. Ingole – D. Sonawane – M. Kvasnica – J. Gustafson: A Memory Efficient FPGA Implementation of Offset-Free Explicit Model Predictive Controller. IEEE Transactions on Control Systems Technology, str. 1–12, 2022.
  12. R. KohútM. Kvasnica: Construction of Robust Load Forecasting Models for the Process Industry. V 2022 Cybernetics & Informatics (K&I), 2022.
  13. J. MiklešĽ. ČirkaJ. OravecM. Fikar: Návrh H2 a Hinf riadenia s využitím Ljapunovových funkcií, FCHPT STU v Bratislave, 2022.
  14. M. Mojto – K. Ľubušký – M. FikarR. Paulen: Data-based Design of Inferential Sensors for an Industrial Depropanizer Column with Data Pre-treatment Analysis. Editor(i): Mário Mihaľ, V 48th International Conference of the Slovak Society of Chemical Engineering SSCHE 2022 and Membrane Conference PERMEA 2022, Slovak Society of Chemical Engineering, Bratislava, SK, str. 200, 2022.
  15. M. Mojto – K. Ľubušký – M. FikarR. Paulen: Support Vector Machine-based Design of Multi-model Inferential Sensors. Editor(i): Ludovic Montastruc, Stephane Negny, V 32nd European Symposium on Computer Aided Process Engineering, Elsevier, č. 1, zv. 32, str. 1045–1050, 2022.
  16. J. OravecM. Klaučo: Real-time tunable approximated explicit MPC. Automatica, zv. 142, str. 110315, 2022.
  17. A. Roshanianfard – N. Noguchi – S. Ardabili – C. Mako – A. Mosavi: Autonomous Robotic System for Pumpkin Harvesting. Agronomy, č. 7, zv. 12, 2022.
  18. S. S. Band – S. Ardabili – M. SOOKHAK – A. T. CHRONOPOULOS – S. ELNAFFAR – M. MOSLEHPOUR – M. CSABA – B. TOROK – H. PAI – A. Mosavi: When Smart Cities Get Smarter via Machine Learning: An In-Depth Literature Review. IEEE ACCESS, 2022.
  19. C. E. ValeroR. Paulen: Zonotope Order Reduction in Robust Estimation. V 23rd International Carpathian Control Conference, IEEE, zv. 23, str. 392–397, 2022.
  20. M. Yaseliani – A. Zeinal Hamadani – A. Ijadi Maghsoodi – A. Mosavi: Pneumonia Detection Proposing a Hybrid Deep Convolutional Neural Network Based on Two Parallel Visual Geometry Group Architectures and Machine Learning Classifiers. IEEE ACCESS, č. 8, zv. 11, 2022.

2021

  1. M. Bakošová – A. Vasičkaninová: Neural Network-based Innovative Control of a Fermentation Process. 2021.
  2. K. FedorováR. KohútM. Kvasnica: Streamlining Active Set Method in MPC using Cache Memory. V Preprints of the 7th IFAC Conference on Nonlinear Model Predictive Control, IFAC-PapersOnLine, Bratislava, Slovakia, č. 6, zv. 54, 2021.
  3. A. R. Gottu Mukkula – M. Mateáš – M. FikarR. Paulen: Robust multi-stage model-based design of optimal experiments for nonlinear estimation. Computers & Chemical Engineering, zv. 155, str. 107499, 2021.
  4. M. HorváthováJ. Oravec – M. Bakošová – A. Mészáros: Carbon Footprint Analysis of a Laboratory Plate Heat Exchanger Control. Chemical Engineering Transactions, zv. 88, str. 847–852, 2021.
  5. M. Mojto – K. Ľubušký – M. FikarR. Paulen: Data-based design of inferential sensors for petrochemical industry. Computers & Chemical Engineering, zv. 153, str. 107437, 2021.
  6. C. E. ValeroR. Paulen: Set-membership State Estimation for a Continuous Stirred-Tank Reactor. V 9th International Conference on Systems and Control, 2021.

Riešitelia


Zodpovednosť za obsah: prof. Ing. Michal Kvasnica, PhD.
Posledná aktualizácia: 07.01.2021 13:44
Facebook / Youtube

Facebook / Youtube

RSS