Skip to content

LASIN

Laboratorij za sinergetiko, Fakulteta za strojništvo, Univerza v Ljubljani

Menu
  • Domov
  • O sinergetiki
  • Pedagoški proces
    • Naključni pojavi
    • Naključni pojavi (TRIBOS)
    • Kaotična dinamika
    • Empirično modeliranje in karakterizacija procesov
    • Nevronske mreže
    • Sinergetika
    • Razpis nalog za študente
  • Znanstvene raziskave
  • Industrijske rešitve
  • Člani laboratorija
    • Edvard Govekar
    • Igor Grabec
    • Primož Potočnik
    • Andrej Jeromen
    • Jaka Peternel
    • Jaka Simončič
  • Kontakt
  • Intranet

Razpis nalog za študente

V Laboratoriju za sinergetiko imamo trenutno razpisane seminarske, diplomske, magistrske in doktorske naloge iz naslednjih področij:

Aditivne tehnologije in 3D tisk kovinskih materialov

  • Sistem za hitro meritev porazdelitve intenzitete anularnega laserskega žarka s pomočjo CMOS zaznavala [PDF opis naloge]
  • Topološka optimizacija kovinskih izdelkov za 3D tiskanje [PDF opis naloge]
  • Eksperimentalno mesto za raziskave strategije poti nanašanja pri direktni laserski depoziciji [PDF opis naloge]
  • Raziskave strategije poti nanašanja pri direktni laserski depoziciji z metodami strojnega učenja [PDF opis naloge]
  • Zasnova sistema za hkratno direktno lasersko depozicijo žice in prahu [PDF opis naloge]
  • Vpliv velikosti delcev na podajanje prahu pri direktni laserski depoziciji  večkomponentnega prahu [PDF opis naloge]
  • Izdelava in ovrednotenje zaznavala upogiba žice pri direktni laserski depoziciji žice [PDF opis naloge]
  • Lasersko tvorjenje kovinskih kapljic iz pločevine [PDF opis naloge]

Nevronske mreže, strojno učenje, napovedovanje, industrijska diagnostika

  • Uporaba nevronskih mrež za karakterizacijo tehniških in industrijskih procesov
  • Uporaba metod globokega učenja (deep learning) za karakterizacijo tehniških in industrijskih procesov ... opis naloge

    Metode globokega učenja temeljijo na nevronskih mrežah in predstavljajo najnovejše dosežke na področju inteligentnega strojnega učenja. Naloga obsega študij različnih struktur globokega učenja (Convolutional neural networks, LSTM) in implementacijo teh metod za reševanje izbranih tehniških in industrijskih primerov (npr. časovne vrste odjema energentov, vibroakustični signali industrijskih diagnostičnih sistemov, itd).
  • Razvoj predikcijskega sistema na osnovi strojnega učenja za napovedovanje v sistemu daljinskega ogrevanja
  • Adaptivno kratkoročno napovedovanje prihodnjega odjema v omrežju daljinskega ogrevanja

 

Za dodatne informacije nas kontaktirajte

  • Slovensko
  • English

Novice

  • Evropski Twinning projekt na področju aditivnih tehnologij
  • Novi 3D tiskalnik kovin
  • Raziskave laboratorija so uvrščene med najodličnejše dosežke UL leta 2018
  • Sodelovanje z mednarodnim koncernom DMG MORI
  • Srebrno priznanje na sejmu FormaTool 2013 v Celju

Povezave

  • Fakulteta za strojništvo
  • Univerza v Ljubljani

LASIN 2023 . Powered by WordPress