Onderzoeksgroep
Expertise
Macro-schaal inspanningen, voornamelijk gericht op AI-ondersteunde monitoring en onderhoud, bieden oplossingen die de betrouwbaarheid, efficiëntie en duurzaamheid van systemen en infrastructuur verbeteren. Visie-gebaseerde objectdetectie om algoritmen te ontwikkelen voor het detecteren en herkennen van objecten binnen visuele gegevens, vaak met behulp van deep learning-modellen voor verbeterde nauwkeurigheid. Deep learning-modellen om complexe datasets te analyseren, betekenisvolle patronen te extraheren en voorspellingen te doen, wat bijdraagt aan verbeterde besluitvormingsprocessen. Tijdsreeksanalyse die temporele patronen binnen data onderzoekt om trends, fluctuaties en afhankelijkheden in de tijd te begrijpen, met name relevant voor voorspellend onderhoud en prognoses. Voorspellend modelleren dat toekomstige resultaten of omstandigheden kan voorspellen op basis van historische gegevens, waardoor proactieve besluitvorming en resourceoptimalisatie worden ondersteund. Beeldverwerkingstechnieken om visuele gegevens te verbeteren, te analyseren en waardevolle informatie eruit te halen. Dit omvat filtering, segmentatie en functie-extractie voor een verbeterd begrip. AI-ondersteunde monitoring om realtime datastromen continu te monitoren en te analyseren, waarbij afwijkingen of patronen worden geïdentificeerd die aandacht vereisen. Automatisering en efficiëntie door AI en automatisering te integreren om de efficiëntie in monitoring- en onderhoudsprocessen te verbeteren, handmatige tussenkomst te verminderen en de algehele systeemprestaties te verbeteren.
Verbetering van de kwaliteit van het wegdek door middel van AI-gestuurde verdichting (EPAIC).
Abstract
Vroegtijdige schade aan asfaltwegdekken is een hoge en te vermijden maatschappelijke en economische kost. Uit onderzoek is gebleken dat slechts 20% van de vroegtijdige wegdekdefecten te wijten is aan materiaalgebreken, terwijl de overige 80% toegewezen kunnen worden aan de uitvoering zelf. Momenteel worden deze defecten pas achteraf gedetecteerd door kernboringen en analyses. Te laat, want het wegdek is gerealiseerd. Het innovatieve EPAIC-project heeft als doel de wegenbouwindustrie te ondersteunen bij het leveren van een betrouwbaarder en duurzamere uitvoering van het asfaltverdichtingsproces, die beter voldoen aan vastgestelde kwaliteitsnormen door het gebruik van ruimtelijke en hoogte monitoringtechnologieën tijdens de aanleg van wegen. EPAIC introduceert een gedigitaliseerd, AI-gestuurd verdichtingssysteem dat in staat is om tijdens de aanleg van de asfaltweg, continu kritieke constructieparameters te monitoren, samen met klimatologische omstandigheden. Door in realtime deze gegevens te analyseren met behulp van geavanceerde AI-algoritmen, activeert het systeem een slim waarschuwingsmechanisme dat operators helpt om tijdens het proces belangrijke procesvariabelen aan te passen, zoals het aantal, de snelheid en de frequentie van de walsgangen. Hierdoor wordt een optimale verdichtingskwaliteit nagestreefd. Deze proactieve, real-time begeleiding helpt een minderwaardige kwaliteit op locatie te voorkomen, hetgeen momenteel pas achteraf kan worden vastgesteld. EPAIC zorgt hiermee voor een verlengde levensduur en geen versneld en onvoorzien onderhoud. De EPAIC-technologie is erop gericht marktleider te worden en pakt het hardnekkige probleem aan van een asfaltweg die niet aan de vooraf opgestelde kwaliteitsnormen voldoet, draagt bij tot een verlaagde onderhoudskost van de infrastructuur, een duurzaam milieu, minder emissies en een betere volksgezondheid; factoren waar de huidige wegenbouwsector naar op zoek is. Met een sterke basis van de brede, technische expertise binnen de SuPAR-groep, is EPAIC goed gepositioneerd om van concept naar commercialisering te gaan en deze technologie te implementeren in de moderne wegenbouw.Onderzoeker(s)
- Promotor: Omranian Seyed Reza
- Co-promotor: Ranyal Eshta
- Co-promotor: Van den bergh Wim
Onderzoeksgroep(en)
Project type(s)
- Onderzoeksproject