Závěrečné práce

Katedra fyziky Fakulty stavební ČVUT nabízí širokou paletu zajímavých a aktuálních témat pro bakalářské, magisterské i doktorské práce. Naše témata reflektují moderní trendy ve stavebnictví, materiálovém inženýrství a aplikované fyzice. Práce mohou být zaměřeny na teoretický výzkum, experimentální měření nebo aplikace fyzikálních poznatků v inženýrské praxi. Pokud Vás některé z níže uvedených témat zaujme, neváhejte nás kontaktovat.

Bakalářské a magisterské závěrečné práce

Generativní design pro optimalizaci konstrukce suché výstavby (doc. Ing. Václav Nežerka, Ph.D.)
Koncept linky na třídění stavebního a demoličního odpadu s využitím strojového učení (doc. Ing. Václav Nežerka, Ph.D.)
Predikce chování asfaltových směsí s využitím modelů strojového učení (doc. Ing. Václav Nežerka, Ph.D.)
Využití bakterií pro recyklaci jemných frakcí odpadního betonového recyklátu (doc. Ing. Václav Nežerka, Ph.D.)
Využití strojového učení ke klasifikaci objektů z mračen bodů (doc. Ing. Václav Nežerka, Ph.D.)
Experimentální ověření prostupu signálu pro přenos dat skrz betonové konstrukce (Ing. Pavel Trávníček, Ph.D.)
Využití blackchainu pro sdílení dat z IoT zařízení monitorující stav materiálů a konstrukcí (Ing. Pavel Trávníček, Ph.D.)
Vývoj zařízení pro automatizované vyhodnocení zkoušky konzistence cementových materiálů (Ing. Pavel Trávníček, Ph.D.)
Aplikování edge computing pro predikci vývoje pevnosti cementových materiálů (Ing. Pavel Trávníček, Ph.D.)
Experimentální analýza tepelně technických vlastností tepelných izolantů z recyklovaných surovin (Ing. Jan Trejbal, Ph.D.)
Akcelerované testy degradace adheze mezi těsnícími páskami a difúzními a parotěsnými foliemi (Ing. Jan Trejbal, Ph.D.)
Modifikace mezifázových interakcí vláknových kompozitních materiálů (Ing. Jan Trejbal, Ph.D.)

Doktorské závěrečné práce

Využití umělé inteligence pro automatizovanou tvorbu modelů ve stavebnictví (doc. Ing. Václav Nežerka, Ph.D.)

Rychlý rozvoj umělé inteligence (AI) nabízí nebývalé možnosti zefektivnění a automatizace složitých procesů, které byly dříve považovány za neproveditelné. Absolvent se bude zabývat aplikací AI pro automatizované vytváření strukturálních modelů, konkrétně prostřednictvím segmentace a klasifikace mračen bodů, počítačového vidění nebo analýzy komplexních dat. Využitím AI lze obohatit a urychlit tvorbu BIM a usnadnit tak i tvorbu digitálních dvojčat skrze integraci IoT dat v reálném čase. AI může také umožnit interpretaci dat z IoT měření i modelů.

Pokročilé techniky strojového učení pro klasifikaci recyklovaného kameniva (doc. Ing. Václav Nežerka, Ph.D.)

Toto téma se zaměřuje na použití pokročilých metod strojového učení pro klasifikaci a charakterizaci recyklovaného kameniva (RA) používaného při výrobě udržitelného betonu. Výzkum bude zkoumat integraci modelů strojového učení se senzorovými technologiemi, jako je hyperspektrální zobrazování, s cílem zlepšit třídění stavebního a demoličního odpadu. Kromě toho bude studie zahrnovat mikromechanické modelování mezifázových přechodových zón v betonu z recyklovaného kameniva a rozsáhlé laboratorní zkoušky k posouzení mechanických vlastností a trvanlivosti betonu vyrobeného z recyklovaného kameniva. Cílem tohoto projektu bude přispět k efektivnějším recyklačním postupům a udržitelným materiálům ve stavebnictví.

Metody pro návrh, analýzu, měření a kontrolu kvality optických soustav a prvků (prof. Ing. Jiří Novák, Ph.D.)

Metody návrhu, analýzy a optimalizace optických soustav umožňují efektivního dosažení požadovaných parametrů navrhovaných optických soustav a zajištění praktické realizovatelnosti a vyrobitelnosti takových optických soustav. Při návrhu je možné použít jak klasických, tak i neklasických optických a optoelektronických prvků (jako např. aktivních prvků s proměnnými parametry, prvků různých tvarů ploch optických rozhraní, difraktivních prvků, prvků s prostorově proměnným rozložením indexu lomu a anizotropií, optických prvků s metapovrchy, apod.) umožňujících konstrukci specializovaných hybridních optoelektronických systémů a využití efektivních výpočetních metod pro optimalizaci návrhu a automatizované vyhodnocování zobrazovaných či měřených dat. Velmi důležitou problematikou je též návrh, realizace a metody kontroly kvality difrakčně omezených optických systémů s vysokou numerickou aperturou a velice malými zbytkovými aberacemi (typicky mikroskopové nebo projekční litografické objektivy). Při procesu výroby, justáže a výstupní kontroly optických soustav je nutné provádět velmi přesná kvantitativní měření obrazové kvality a požadovaných optických a geometrických parametrů ať již jednotlivých optických prvků, podskupin optických prvků, či optické soustavy jako celku. Vývoj robustních a spolehlivých měřicích a vyhodnocovacích metod, které budou používány v různých fázích výrobního procesu optické výroby, je stěžejní pro možnost výroby vysoce kvalitních optických systémů v praxi.

Využití metod umělé inteligence v optických měřicích a vyhodnocovacích metodách (prof. Ing. Jiří Novák, Ph.D.)

Rapidní rozvoj metod umělé inteligence (AI) nabízí velké možnosti pro automatizaci složitých procesů, které vyžadují často komplikované matematické výpočty a vysoké výpočetní nároky. Těchto metod lze v mnoha případech efektivně využít i při vyhodnocování měření a analýze naměřených dat pomocí optických měřicích metod v oblasti průmyslu, geodézie i stavebnictví. Klasický proces vyhodnocení a analýzy naměřených dat u různých optických měřicích metod bývá často dosti komplikovaný a výpočetně časově náročný. Snahou aplikace metod umělé inteligence je získat stejně spolehlivé výsledky měření jako pomocí klasických metod, ale výrazně efektivněji z hlediska časové výpočetní náročnosti, a možnost automatizovaně provádět analýzu naměřených dat a získaných parametrů.