Ablenya Barros

• 14 oktober 2025
• 17.00 uur
• ​Campus Middelheim, Gebouw G, lokaal m.G.010​
• Promotoren: prof. dr. Cedric Vuye & prof. dr. Steve Vanlanduit  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

The human auditory system is remarkably sensitive to even the tiniest fluctuations in air pressure caused by sound waves. In many ways, we function as 'walking noise meters', constantly detecting and evaluating the sounds in our environment. My PhD research explored not only the acoustic characteristics of road traffic and environmental noise, but also how people actually perceive them. Like most human experiences, this is not a straightforward matter.

Astrid Vanneste

• 6 oktober 2025
• 15.00 uur
• ​Stadscampus, Frederik de Tassiszaal, Hof Van Liere
• Promotoren: prof. dr. Peter Hellinckx & prof. dr. Kevin Mets  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

De laatste jaren krijgen intelligente systemen een steeds grotere rol in ons leven. Machine Learning (ML) wordt vaak al gebruikt in de context van computervisie, spraakherkenning en het genereren en verwerken van taal. Er is ook een enorm potentieel om ML te gebruiken om systemen te optimaliseren door gebruik te maken van Reinforcement Learning (RL). Via Multi-Agent Reinforcement Learning (MARL) kunnen we intelligente agenten trainen die de performantie van multi-agent systemen kunnen verbeteren. In deze multi-agent systemen kan het nuttig zijn om de agenten met elkaar te laten communiceren en ze deze communicatie zelf te laten leren (emergente communicatie). In deze thesis onderzoeken we methodes om communicatie te leren en MARL technieken. Specifiek bekijken we hoe we deze technieken efficiënter en beter schaalbaar kunnen maken. We bekijken hierbij verschillende onderdelen en aspecten van MARL en emergente communicatie.

Ahmed Ahmed

• 8 september 2025
• 16.00 uur
• ​Stadscampus, Frederik de Tassiszaal, Hof Van Liere
• Promotoren: prof. dr. Siegfried Mercelis & prof. dr. Ali Anwar  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

This PhD aims to improve how autonomous vehicles understand their surroundings by enabling them to work together and share what they see. Traditional vehicle sensors like cameras and LiDAR are limited by range, occlusions, and bandwidth constraints, which can lead to missed or inaccurate detections. To overcome these challenges, the study develops advanced methods for collaborative perception, where vehicles exchange and intelligently combine visual data using graph-based attention mechanisms. These techniques allow vehicles to better recognize objects, even in difficult conditions like poor visibility or network delays. The result is a more reliable and safer driving experience, as connected vehicles gain a broader and more accurate view of their environment.

Anuj Justus Rajappa

• 4 september 2025
• 16.00 uur
• ​Stadscampus, Gebouw C, lokaal s.C.002
• Promotoren: prof. dr. Siegfried Mercelis & prof. dr. Jeroen Famaey  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Artificial intelligence (AI) is increasingly being used in many critical applications, such as self-driving vehicles, smart medical devices, and autonomous space missions. However, these systems can become unreliable when internal "noise" -- such as environmental and cosmic radiation-induced errors -- affects the circuitry performing AI computations. This is especially a problem for Edge AI, which operates near data sources in harsh environments and has limited resources to properly protect its operations and correct for any induced errors. This research explores innovative algorithmic solutions that improve both reliability and efficiency of Edge AI systems, which use neural networks and hyperdimensional computing, especially under challenging conditions like particle radiation exposure. Unlike traditional approaches that sacrifice speed or efficiency for reliability, these new techniques aim to balance both - making them suitable for critical, low-power, existing and upcoming edge applications.

Amber Cassimon

• 2 september 2025
• 16.00 uur
• ​Stadscampus, lokaal s.C.103
• Promotoren: prof. dr. Siegfried Mercelis & dr. Kevin Mets
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

De afgelopen jaren hebben neurale netwerken een immense hoeveelheid innovatie mogelijk gemaakt in een brede waaier aan sectoren, van autonoom rijden tot large language models. Om zulke complexe taken uit te kunnen voeren, zijn neurale netwerken alsmaar complexer geworden. Neural architecture search (NAS) werd geïntroduceerd om ingenieurs te helpen in het ontwerp van zulke netwerken. In deze thesis werden de capabiliteiten van een reinforcement learning-gebaseerde NAS agent onderzocht. De schaalbaarheid en de mogelijkheid om de agent te gebruiken op ongeziene taken werden onder meer onderzocht. Ten slotte werd de agent ook geëvalueerd op een casus rond de detectie van bosbranden aan de hand van multispectrale satellitebeelden.

Mohammad Rahmani

• 23 juni 2025
• 16.00 uur
• ​Campus Middelheim, Gebouw G, lokaal m.G.010​
• Promotoren: prof. dr. Maarten Weyn & prof. dr. Rafael Berkvens  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Context awareness helps artificial intelligence better communicate with humans. It has a wide application range from entertainment and marketing to education and healthcare. However, context-aware solutions normally require various sensors which in addition, demand more power and complexity. In this thesis I introduce my proposed method for a low-power, low-cost, and versatile context-aware system based on chest-worn Inertial Measurement Units (IMUs). The ability to recognize emotions enables the proposed IMU-based system to perform affective computing next to activity recognition, posture recognition, etc. I set up an experiment including multiple tasks and collected chest IMU data from 48 volunteers. Results show that chest-worn IMUs can compete with well-known heart and respiration sensors in detecting human emotions, with the added benefit of further potential to give insights into the context. 

Sara Ghane

• 12 juni 2025
• 16.00 uur
• ​Campus Middelheim, Gebouw G, lokaal m.G.010​
• Promotoren: prof. dr. Siegfried Mercelis & prof. dr. Ivan Verhaert  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

As the world tries to tackle climate change, one major focus is reducing the energy we use to heat our homes. Heating is the biggest energy use in European households which takes up about 78% of total energy consumption. To meet climate targets, we need to make heating systems much more efficient.

One promising solution is using collective heating systems, where multiple households share a centralized heating source. These systems can be more energy-efficient, especially when combined with low-temperature emitters. But controlling them efficiently is complicated because they involve various buildings with different needs

This thesis looks at how Reinforcement Learning (RL), a type of artificial intelligence technique, can be used to efficiently control these complex heating systems. The goal is to reduce energy use while still keeping people comfortable in their homes.

Raheleh Biglari

• 5 juni 2025
• 16.00 uur
• ​Campus Middelheim, Gebouw A, lokaal m.A.143
• Promotoren: prof. dr. Joachim Denil  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Digital Twins (DTs) are like smart virtual copies of real-world things—machines, systems, or processes. They help experts monitor, test, and improve these things without touching the actual physical/digital versions. They’re useful in industries like healthcare, transportation, and manufacturing to predict issues, integrate data, and make better decisions.

This research introduces a way to make DTs more efficient by switching between detailed and simplified models without losing accuracy. It ensures in time, reliable decision-making, especially for systems that require real-time updates, like traffic management or automated driving.

Sam Van Daele

• 8 mei 2025
• 17.00 uur
• ​Stadscampus, Gebouw R, lokaal s.R.201
• Promotor: prof. dr. Tom Breugelmans  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Carbon dioxide (CO₂) emissions drive climate change and require urgent abatement. The electrochemical reduction of CO₂, powered by renewable energy, presents great prospects to turn this waste product into value-added products, yet the high costs of CO₂ capture and purification hampers its profitability. One solution is to directly utilize waste CO₂ gases, for example from an industrial flue gas exhaust stream as a feedstock to produce value-added chemical products. However, these waste gases typically contain CO₂ in low concentrations together with impurities like O₂, SO₂ and NO that could interfere with the electrochemical process. This PhD thesis investigated the influence of gaseous impurities during the electrochemical CO₂ conversion to chemical products.

Stef Jacobs

• 30 april 2025
• 17.00 uur
• ​Campus Middelheim, Gebouw G, lokaal m.G.010​
• Promotoren: prof. dr. Ivan Verhaert & prof. dr. Peter Hellinckx  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Hoe kunnen we appartementsgebouwen op een duurzame en efficiënte manier verwarmen en koelen? Collectieve warmte- en koudesystemen spelen daarbij een belangrijke rol. Zij bevorderen de energietransitie, maar ze kunnen vaak slimmer worden ontworpen en aangestuurd. Dit doctoraatsonderzoek biedt concrete oplossingen om mini-warmtenetten in appartementsgebouwen efficiënter te maken, zonder in te leveren op comfort.

Dit werd gedaan op drie manieren:
1. Slimmere aanvoertemperatuurregeling in centrale change-over systemen
Een nieuw voorgestelde regelstrategie groepeert de warmtevraag op basis van temperatuurbehoeften. Hierdoor kan de centrale distributietemperatuur dynamisch worden aangepast. Deze strategie verlaagt het energiegebruik met 36% en de energiekosten met 32%. Als iets meer temperatuurschommelingen voor sanitair warm water worden toegestaan, kan de besparing zelfs nog groter zijn. Omdat de distributietemperatuur centraal wordt aangepast en zo het hele systeem beïnvloedt, noemen we dit een ‘centraal change-over systeem’.

2. Kunstmatige intelligentie voor de aansturing
Er werd ook onderzocht op welke manieren we kunstmatige intelligentie kunnen trainen opdat het de dynamica van deze langzaam reagerende netten beter begrijpt. Door het aanpassen van de leerstrategie van een reinforcement learning algoritme verbeterde het leervermogen met 3% tot 15% tegenover conventionele strategieën. Dit is een stap in de richting van beter geregelde systemen.

3. Een nieuwe methode voor betere ontwerpkeuzes
Tot slot werd er een nieuwe beoordelingsmethode gepresenteerd die een duidelijker beeld biedt van welke systemen geschikt zijn voor welke soorten gebouwen en bewoners. Er is aangetoond dat het gedrag van bewoners een aanzienlijke impact heeft op welk centraal change-over systeem best geïnstalleerd wordt. Deze beoordelingsmethode maakt het mogelijk om objectievere en efficiëntere ontwerpbeslissingen te nemen, wat zich vertaalt in betere energieprestaties van gebouwen.

Dankzij deze inzichten kunnen collectieve energiesystemen in appartementsgebouwen duurzamer en efficiënter worden. Bovendien opent dit doctoraatsonderzoek de deur naar verdere innovaties in slimme en duurzame warmtenetten.

João de Brito Gonçalves

• 26 maart 2025
• 19.00 uur
• ​Online​
• Promotoren: prof. dr. Johann Marquez-Barja & prof. dr. Rodolfo da Silva Villaça  
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Edge computing brings a new paradigm in which computing, storage, and bandwidth resources are shared as closely as possible to mobile devices or sensors, generating a large amount of data, but the sensitive nature of the data means that there are risks and responsibilities to storing them in a centralized location. Moreover, to address the data privacy required for some data in these devices, we propose the use of Federated Learning (FL) so that specific data on services performed by clients do not leave the source machines. FL is a new sub-field of Machine Learning (ML) that allows training models without collecting the data itself. Instead of sharing data, users collaboratively train a model by only sending weight updates to a server. However, the naive use of FL in the scenarios aforementioned exposes it to a risk of corruption, whether intentional or not, during the training phase. This is due to the lack of training monitoring and the difficulty in verifying the quality of training datasets. To improve the security of FL systems, we propose a Blockchain-based framework in an edge computing scenario. Blockchain, with its immutability and traceability, can be an effective tool to prevent malicious attacks in FL. More specifically, the immediate updates made by each participant to its local model can be chained together on the distributed ledger offered by a blockchain such that those model updates are audited, and malicious trainers can be removed of the system. We also apply blockchain to create a reward mechanism in FL to enable an incentive strategy for trainers.

Saskia Hoekx 

• 21 januari 2025
• 16.30 uur
• ​Campus Middelheim - lokaal m.A.143
• Promotoren: prof. dr. Tom Breugelmans & prof. dr. Sara Bals  ​
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Ammonia is a high commodity chemical that is predominantly used as a fertilizer in the agricultural industry. Over 180 million metric tons are produced annually, and the demand is expected to increase by 3-5% each year. Currently, this is synthesized using the energy-intensive and polluting Haber-Bosch process, which produces over 1% of the world’s total yearly greenhouse gas emissions, and 15% of the total carbon dioxide emitted by the chemical industry. One promising alternative is the electrochemical nitrate reduction reaction, which can convert polluting nitrates in agricultural wastewater back into useful ammonia under ambient conditions, with no carbon footprint. However, in order to be industrially applicable, this reaction requires an efficient and stable catalyst. In this work, characterization by electron microscopy and electrochemical tests are combined to approach catalyst optimization rationally. This resulted in a more stable catalyst that can effectively catalyze the nitrate reduction reaction for at least 24 hours without a significant loss in electrochemical performance.

Waut Broos 

• 14 januari 2025
• 16.00 uur
• ​Campus Drie Eiken - lokaal d.O.01
• Promotoren: prof. dr. Iris Cornet, prof. dr. Siegfried E. Vlaeminck & prof. dr. Jan Dries  ​
• Faculteit Toegepaste Ingenieurswetenschappen

Abstract

Op lignocellulose gebaseerde bioraffinaderijen produceren een aanzienlijke hoeveelheid afvalwater dat verschillende fenolverbindingen bevat. Tegenwoordig worden deze afvalwaters meestal als een last beschouwd. Sommige micro-organismen, bijvoorbeeld Rhodotorula kratochvilovae en Cutaneotrichosporon oleaginosum, kunnen fenolen echter omzetten in waardevolle intracellulaire componenten, namelijk microbiële olie (SCO). Hierdoor wordt de afvalstroom een grondstof en een economische opportuniteit. Door de lage substraatconcentratie is het valoriseren van afvalwater tot SCO, echter een uitdaging. Daarom wordt in de literatuur een hoogwaardige koolstofbron toegevoegd aan het afvalwater om hoge SCO-concentraties te bereiken. Tot op heden is de productie van SCO uit hoogwaardige koolstofbronnen economisch onhaalbaar gebleken. Daarom onderzoekt deze studie het gebruik van een herhaalde batchfermentatiestrategie. In een herhaalde batchfermentatie worden de cellen gerecycled voor gebruik in de volgende batch. Celrecycling en herhaalde voeding zorgen ervoor dat SCO zich in de cellen accumuleert. Hierdoor kunnen hoge SCO-concentraties bereikt worden uit substraatarm afvalwater. Voor celrecycling kunnen drie technologieën gebruikt worden: centrifugatie, membraantechnologie en immobilisatie. Elk van deze technologieën heeft echter zijn nadelen: centrifugeren kost veel energie en vereist grote investeringen, membranen zijn vatbaar voor vervuiling, en conventionele immobilisatietechnologieën maken het terugwinnen van het intracellulaire product problematisch.
Onze hypothese is dat het ontwerp van een nieuw reactortype, namelijk een reversibele geïmmobiliseerde celreactor (RICR), een mogelijke oplossing biedt. In deze reactor worden de cellen eerst geïmmobiliseerd op een geschikte drager, vindt herhaalde batchfermentatie plaats en tenslotte worden ze opnieuw gemobiliseerd om de intracellulaire componenten terug te winnen. Als case study wordt het afvalwater verkregen uit de thermochemische voorbehandeling van lignocellulose onderzocht als substraat voor microbiële olieproductie. Deze studie had tot doel een economisch haalbaar proces te ontwerpen voor de valorisatie van dit lignocellulosehoudende afvalwater.