Gå till eugreenalliance
Sök

Forskarpresentation

Niclas Björsell

Niclas Björsell, professor i elektronik.

Forskarpresentation

Niclas Björsell

Professor

Forskningsämne: Elektroteknik

Niclas Björsell är vetenskaplig ledare för det strategiska forskningsområdet Intelligent Industri och ämnesföreträdare för elektroteknik och fysik.

Han har över 30 års erfarenhet från forsknings- och utvecklingsprojekt, både nationellt och internationellt och främst i samarbeten mellan näringslivet och akademin. Han har en licentiatexamen i reglerteknik från Uppsala Universitet samt Tekn.dr. i telekommunikation från Kungliga Tekniska Högskolan (KTH). År 2012 utnämndes han till docent i telekommunikation vid KTH och mellan 2012 -2015 var han gästprofessor vid Vrije Universiteit Brussel. Han har publicerat mer än 100 artiklar (varav minst 75 är registrerad i Scopus) och hans forskningsintressen omfattar automation, mätteknik, prediktivt underhåll, robotik och trådlös kommunikation.

Han undervisar i kurser som relaterar till forskningsintressen och har nyligen avslutat ett projekt om kompetensutveckling och livslångt lärande inom intelligent industri.

AKTUELL FORSKNING

Just nu är Niclas Björsell engagerad i två forskningsprojekt

Prediktivt underhåll ur ett systemperspektiv

Effektivt underhåll är avgörande för de flesta operationer; underhållsaktiviteter förlänger utrustningens livslängd, förbättrar tillförlitligheten och förhindrar försämring. Därigenom definieras den som en av de innersta cirklarna i en cirkulär ekonomi. Industriellt underhåll är i grunden reaktivt, korrigerande och förebyggande, med hänsyn inte till den enorma mängden data som genereras på affärsgolvet eller den tillgängliga nya digitala tekniken som har dykt upp de senaste åren. För att vara proaktiv och förutsägbar kan underhållsstrategier dra nytta av framväxande digitaliserade tekniker som avancerad dataanalys, maskininlärning, big data och cloud computing för att samla in, lagra och analysera tillgänglig data.

Projektet fokuserar på digitaliserat underhåll i processindustrin i allmänhet och stålindustrin i synnerhet. Dessa industrier skiljer sig i viss utsträckning från tillverkningsindustrin, eftersom det är vanligt att ha produktionsenheter som gradvis och kontinuerligt bearbetar råvaror genom olika sammankopplade delsystem till slutprodukterna. Optimering av underhåll för ett enskilt delsystem betyder inte nödvändigtvis det optimala för en kontinuerlig process. I processindustrin leder ett stopp i ett delsystem ofta till att hela processkedjan stoppas. Projektet lägger till ett nytt tänkande med ett systemperspektiv som är extra viktigt i processindustrin.

Även om analyser av data är viktiga kommer de inte att vara användbara om inte analyser kan återföras till operatörer och beslutsfattare för att fatta rätt beslut om åtgärder. Visualiseringar i 2D och 3D har tidigare föreslagits som kraftfulla verktyg för intelligent underhåll. Systemets perspektiv innebär dock en ökad komplexitet, inte minst för dem som måste fatta beslut baserat på genererade data. På grund av komplexiteten i de data som samlas in från processen och på grund av de sammanflätade karaktären hos de involverade delsystemen är det avgörande att data visualiseras på ett effektivt sätt som möjliggör förståelse för operatörer och underhållspersonal som gör det möjligt för dem att diagnostisera status av systemet och att fatta välinformerade beslut.

Detta projekt involverar tre ledande stålföretag OVAKO, Sandvik SMT och SSAB tillsammans med ABB och Högskolan i Gävle. Genom att gemensamt utveckla och utvärdera metoder för förutsägbart underhåll och visuellt beslutsstöd samt implementera det på industriella kontroll- och övervakningssystem skapas förutsättningar för prediktivt underhåll av samarbetsmaskiner.

IDUN – Intelligent digitaliserat underhåll

Industrins digitalisering skapar nya möjligheter för SME inom flera olika områden. Detta projekt avser att fokusera på möjligheterna till ett effektivare underhåll i befintlig produktion, nya tjänster för underhåll och underhållsplanering, mervärde för produkter samt att skapa en attraktiv arbetsplats för en breddad personalgrupp. Det övergripande målet är att framför allt små och medelstora företag inom regionen skall öka konkurrenskraft och sysselsättning. På sikt leder det till positiva effekter på humankapital, innovationsförmåga, ekonomisk lönsamhet, cirkulär ekonomi som regional attraktivitet. Projektet inleds med en inventering i syfte att identifiera vart företaget befinner sig i digitaliseringsprocessen idag och vart man vill vara i framtiden Därefter genomförs fyra arbetspaket: (i) En aktivitet baserad på deltagardriven kompetensutveckling, (ii) att med hjälp av maskininlärning ta fram digitala tvillingar som kan användas för ett prediktivt underhåll. (iii) Prediktivt underhåll, där vi skattar återstående livslängd och därmed underhållsbehov. (iv) Det sista arbetspaketet består i att kommunicera resultat till en operatör och/eller underhållsplanerare. Inom projektet kommer ett flertal fallstudier att genomföras hos medverkande SME företag.

LÄS MER OM

Vetenskapliga artiklar, refereegranskade

Hassan, M., Svadling, M. & Björsell, N. (2023). Experience from implementing digital twins for maintenance in industrial processes. Journal of Intelligent Manufacturing. 10.1007/s10845-023-02078-4 [Mer information]
Bemani, A. & Björsell, N. (2023). Low-Latency Collaborative Predictive Maintenance: Over-the-Air Federated Learning in Noisy Industrial Environments. Sensors, 23 (18). 10.3390/s23187840 [Mer information]
Osa, J., Björsell, N., Val, I. & Mendicute, M. (2023). Measurement based stochastic channel model for 60 GHz mmWave industrial communications. IEEE Open Journal of the Industrial Electronics Society. 10.1109/ojies.2023.3334299 [Mer information]
Horestani, F., Horastani, Z. & Björsell, N. (2022). A Band-Pass Instrumentation Amplifier Based on a Differential Voltage Current Conveyor for Biomedical Signal Recording Applications. Electronics, 11 (7). 10.3390/electronics11071087 [Mer information]
Bemani, A. & Björsell, N. (2022). Aggregation Strategy on Federated Machine Learning Algorithm for Collaborative Predictive Maintenance. Sensors, 22 (16). 10.3390/s22166252 [Mer information]
Andersson, R. & Björsell, N. (2022). The Energy Consumption and Robust Case Torque Control of a Rehabilitation Hip Exoskeleton. Applied Sciences, 12 (21). 10.3390/app122111104 [Mer information]
Bemani, A. & Björsell, N. (2021). Distributed Event Triggering Algorithm for Multi-Agent System over a Packet Dropping Network. Sensors, 21 (14). 10.3390/s21144835 [Mer information]
Krishnan, R., Björsell, N., Gutierrez-Farewik, E. & Smith, C. (2019). A survey of human shoulder functional kinematic representations. Medical and Biological Engineering and Computing, 57 (2), 339-367. 10.1007/s11517-018-1903-3 [Mer information]
Panigrahi, S., Björsell, N. & Bengtsson, M. (2019). Data Fusion in the Air With Non-Identical Wireless Sensors. IEEE Transactions on Signal and Information Processing over Networks, 5 (4), 646-656. 10.1109/TSIPN.2019.2928175 [Mer information]
Hamid, M., Björsell, N. & Slimane, B. (2017). Empirical Statistical Model for LTE Downlink Channel Occupancy. Wireless personal communications, 96 (1), 855-866. 10.1007/s11277-017-4205-4 [Mer information]
Björsell, N. & Van Moer, W. (2017). Measuring and Characterizing Nonlinear RF Systems : Faculty Course Development Award 2013. IEEE Instrumentation & Measurement Magazine, 20 (4), 45-48. [Mer information]
Hamid, M., Björsell, N. & Slimane, B. (2016). Energy and Eigenvalue-Based Combined Fully-Blind Self-Adapted Spectrum Sensing Algorithm. IEEE Transactions on Vehicular Technology, 65 (2), 630-642. 10.1109/TVT.2015.2401132 [Mer information]
Hamid, M. & Björsell, N. (2016). Radio Resource Allocation for Indoor Secondary Access in TV White Space. International Journal On Advances in Telecommunications, 19 (1-2), 25-34. Länk [Mer information]
Hamid, M., Slimane, B., Van Moer, W. & Björsell, N. (2016). Spectrum Sensing Challenges : Blind Sensing and Sensing Optimization. IEEE Instrumentation & Measurement Magazine, 19 (2), 44-52. 10.1109/MIM.2016.7462794 [Mer information]
Andersson, D., Björsell, N., Ottoson, P., Rönnow, D. & Sandberg, M. (2015). Radar Images of Leaks in Building Elements. Energy Procedia, 78, 1726-1731. 10.1016/j.egypro.2015.11.279 [Mer information]
Hamid, M., Björsell, N. & Ben Slimane, S. (2015). Signal Bandwidth Impact on Maximum-Minimum Eigenvalue Detection. IEEE Communications Letters, 19 (3), 395-398. 10.1109/LCOMM.2014.2387287 [Mer information]
Medawar, S., Murmann, B., Händel, P., Björsell, N. & Jansson, M. (2014). Static Integral Nonlinearity Modeling and Calibration of Measured and Synthetic Pipeline Analog-to-Digital Converters. IEEE Transactions on Instrumentation and Measurement, 63 (3), 502-511. 10.1109/TIM.2013.2282002 [Mer information]
Hamid, M., Björsell, N., Van Moer, W., Barbé, K. & Slimane, B. (2013). Blind Spectrum Sensing for Cognitive Radios Using Discriminant Analysis : A Novel Approach. IEEE Transactions on Instrumentation and Measurement, 62 (11), 2912-2921. 10.1109/TIM.2013.2267456 [Mer information]
Gonzales-Fuentes, L., Barbe, K., Van Moer, W. & Björsell, N. (2013). Cognitive Radios : Discriminant Analysis for Automatic Signal Detection in Measured Power Spectra. IEEE Transactions on Instrumentation and Measurement, 62 (12), 3351-3360. 10.1109/TIM.2013.2265607 [Mer information]
Medawar, S., Händel, P., Murmann, B., Björsell, N. & Jansson, M. (2013). Dynamic Calibration of Undersampled Pipelined ADCs by Frequency Domain Filtering. IEEE Transactions on Instrumentation and Measurement, 62 (7), 1882-1891. 10.1109/TIM.2013.2248289 [Mer information]
Nader, C., Van Moer, W., Björsell, N. & Händel, P. (2013). Wideband Radio Frequency Measurements : From Instrumentation to Sampling Theory. IEEE Microwave Magazine, 14 (2), 85-98. 10.1109/MMM.2012.2234643 [Mer information]
Barbé, K., Van Moer, W., Lauwers, L. & Björsell, N. (2012). A Simple Nonparametric Preprocessing Technique to Correct for Nonstationary Effects in Measured Data. IEEE Transactions on Instrumentation and Measurement, 61 (8), 2085-2094. 10.1109/TIM.2012.2198269 [Mer information]
Nader, C., Landin, P., Van Moer, W., Björsell, N., Händel, P. & Rönnow, D. (2012). Peak-power Controlling Technique for Enhancing Digital Pre-distortion of RF Power Amplifiers. IEEE transactions on microwave theory and techniques, 60 (11), 3571-3581. 10.1109/TMTT.2012.2213836 [Mer information]
Nader, C., Van Moer, W., Björsell, N., Barbé, K. & Händel, P. (2012). Reducing The Analog and Digital Bandwidth Requirements of RF Receivers for Measuring Periodic Sparse Waveforms. IEEE Transactions on Instrumentation and Measurement, 61 (11), 2960-2971. 10.1109/TIM.2012.2203729 [Mer information]
Björsell, N., De Vito, L. & Rapuano, S. (2011). A waveform digitizer-based automatic modulation classifier for a flexible spectrum management. Measurement, 44 (6), 1007-1017. 10.1016/j.measurement.2011.01.023 [Mer information]
Nader, C., Van Moer, W., Barbé, K., Björsell, N. & Händel, P. (2011). Harmonic Sampling and Reconstruction of Wide-band Undersampled Waveforms : Breaking the Code. IEEE transactions on microwave theory and techniques, 59 (11), 2961-2969. 10.1109/TMTT.2011.2161882 [Mer information]
Nader, C., Händel, P. & Björsell, N. (2011). Peak-to-average power reduction of OFDM signals by convex optimization : experimental validation and performance optimization. IEEE Transactions on Instrumentation and Measurement, 60 (2), 473-479. 10.1109/TIM.2010.2050360 [Mer information]
Nader, C., Landin, P., Van Moer, W., Björsell, N. & Händel, P. (2011). Performance Evaluation of Peak-to-Average Power Ratio Reduction and Digital Pre-Distortion for OFDM Based Systems. IEEE transactions on microwave theory and techniques, 59 (2), 3504-3511. 10.1109/TMTT.2011.2170583 [Mer information]
Medawar, S., Händel, P., Björsell, N. & Jansson, M. (2011). Postcorrection of Pipelined Analog–Digital Converters Based on Input-Dependent Integral Nonlinearity Modeling. IEEE Transactions on Instrumentation and Measurement, 60 (10), 3342-3350. 10.1109/TIM.2011.2126870 [Mer information]
Nader, C., Björsell, N. & Händel, P. (2011). Unfolding the frequency spectrum of undersampled wideband data. Signal Processing, 91 (5), 1347-1350. 10.1016/j.sigpro.2010.12.013 [Mer information]
Medawar, S., Händel, P., Björsell, N. & Jansson, M. (2010). Input Dependent Integral Nonlinearity Modeling for Pipelined Analog-Digital Converters. IEEE Transactions on Instrumentation and Measurement, 59 (10), 2609-2620. 10.1109/TIM.2010.2045551 [Mer information]
Björsell, N., Isaksson, M., Händel, P. & Rönnow, D. (2010). Kautz-Volterra modelling of analogue-to-digital converters. Computer Standards & Interfaces, 32 (3), 126-129. 10.1016/j.csi.2009.11.007 [Mer information]
Luque, C. & Björsell, N. (2009). Improved dynamic range for multi-tone signal using model-based pre-distortion. Metrology and measurement systems, 16 (1), 129-141. Länk [Mer information]
Björsell, N. & Händel, P. (2008). Achievable ADC Performance by Postcorrection Utilizing Dynamic Modeling of the Integral Nonlinearity. EURASIP Journal on Advances in Signal Processing. 10.1155/2008/497187 [Mer information]
Björsell, N. & Händel, P. (2008). Histogram Tests for Wideband Applications. IEEE Transactions on Instrumentation and Measurement, 57 (1), 70-75. 10.1109/TIM.2007.908274 [Mer information]
Björsell, N., Sucháneck, P., Händel, P. & Rönnow, D. (2008). Measuring Volterra kernels of analog to digital converters using a stepped three-tone scan. IEEE Transactions on Instrumentation and Measurement, 57 (4), 666-671. 10.1109/TIM.2007.911579 [Mer information]
Björsell, N. & Händel, P. (2007). Truncated Gaussian noise in ADC histogram tests. Measurement, 40 (1), 36-42. 10.1016/j.measurement.2006.05.005 [Mer information]
Publicerad av: Camilla Haglund Sidansvarig: Gunilla Mårtensson Sidan uppdaterades: 2022-06-22
Högskolan i Gävle
www.hig.se
Box 801 76 GÄVLE
026-64 85 00 (växel)