<p>In this report a dynamic macroeconomic model is built in an incremental manner. The economic units are built on an understandable tank analogy that can be described with the use of first order differential equations. The units are realised in the form of block diagrams in Mathworks Simulink®. Simulink block diagrams gives an explicit mathematical formulation of the model, thereby making all the equations, the model consists of, readily available. The economy’s ability to service debt in different settings is tested. The first part of this model is kept simple, so as to make it understandable to people with different backgrounds. Then model realism gets increased priority, but still it is considered vital for the usefulness of the model that the reader truly understands it. However, the fundamental point of the thesis is made before model complexity should become an issue. The foundation for the thesis, which is the work of Trond Andresen is represented in an oral manner, with simple mathematics at the base. The model is built by adding new elements to the model throughout the report, giving an understanding of the individual parts of the model, before they are merged together and the complexity increase. A system that models economic mood is implemented, which has an amplifying effect on the current trend in the economy, and adds new dynamics because of its lag to the actual state of the economy. Real economy deposits are implemented as a “counterweight” to the financial sectors loan issuing. Insolvency in both the real economy and the financial sector is implemented. They both make up balancing loops, setting limits on real economy earnings on deposits, as well as bank’s earnings on issued loans. They both also prevent the model from displaying impossible dynamics under extreme conditions. Banks lending is limited by capital requirement, set by the bank of international settlements, BIS. An regulating agent is also implemented, to guide the economy and keep it on track. It imposes a reserve requirement on the financial sector, which it makes the bank sector uphold through open market operations. Finally a stock market with innate oscillations , developed by Trond Andresen, is implemented in the model. It is not connected to the economy via vessel dynamics, rather it influence the economy through the implemented mood system. This makes the economy more less robust, and induces oscillations in to the economy in otherwise static settings. The economy appear as very fragile, just minor variations in interest rates makes for large fluctuations in the debt burden. The model exhibits path dependence. Minor changes in parameters makes the economy lock into states from which it does not recover. Modelling dynamic systems, especially nontechnical is an imperfect try and fail science. The model will always contain flaws and shortcomings. The best we can do is try to minimize the flaws in the elements that are important for answering the questions we want answered.</p>

<p>Denne oppgaven er et forsøk på å bruke Receding Horizon Estimation til å detektere stiksjon, ved å fungere som parameterestimator. Hovedvekten av oppgaven har ligget på å implementere en algoritme som estimerer gitte parametere i en modell av ventilsystemet. En trenger inngående kjennskap til både modellen av ventilen, og systemet rundt (transferfunksjone fra ventilen til målingen, og regulatorene implementert) for å kunne benytte seg av denne tilnærmingen. Det er vist at RHE fungerer som parameterestimator, men det er mye arbeid som gjenstår før det er en algoritme som fungerer generelt.</p>

<p>Kongsberg Defense & Aerospace (KDA) benytter radarer av typen ”phased array” i deres luftvernsystemer. På bakgrunn av nødvendige egenskaper som elektronisk styring av radarstråle tas denne radartypen også i bruk i denne oppgaven. En tilgjengelig signalkilde fra radaren er SNR data som brukes for utbedring av målfølgingen. På bakgrunn av valgt radar er det fremlagt beskrivelser for hvordan oppstart og avslutning av målfølging kan gjennomføres. Metoder for generering av observasjonsdata og observasjonsstøy er tilpasset SNR data innhentet fra radaren. Observasjonsdata er generert ved monopulsbasert og vinkelbasert metode i form av ”Amplitude Comparison Monopulse (ACM)” og ”Sequential Lobing (SL)”. Observasjonsstøy er generert ved Bartons, NOAH’s og vinkelstøybasert metode, der sistnevnte er utledet fra SL algoritmen. Samtlige metoder er beskrevet matematisk og funksjonelt. To forskjellige typer algoritmer basert på Kalman-filter (KF) er brukt for estimering. Disse benytter forskjellige metoder for å følge manøvrerende mål. Utvidet KF, ”Extended Kalman-filter (EKF)”, er satt i sammen med en manøverdeteksjonsalgoritme og Samvirkende multiple modeller, ”Interacting Multiple Modell (IMM)”, filter benytter sannsynlighetsberegninger for å skille mellom en hastighetsmodell og en akselerasjonsmodell. Sammensetninger av målfølgealgoritmer basert på modeller for observasjonsdata, observasjonsstøy og estimering er implementert i Matlab 2007a og simulert i manøvrerende miljø med ulik grad av akselerasjon og manøvrerbarhet. Det er vist at det mulig å generere tilstrekkelig nøyaktige observasjonsdata ved å benytte SNR data fra radar med vinkelbasert metode. Monopulsbasert metode gir større avvik i form av bias og er dermed uegnet for bruk med filtrene som brukes for estimering. Observasjonsstøy lar seg tilnærme med tilstrekklig nøyaktighet ved NOAH’s og vinkelstøybasert metode. Bartons metode avhenger for lite av differansen i SNR dataene og genererer dermed for unøyaktige støydata for estimatorene. På bakgrunn av resultater fra ulike projeksjoner og statistiske beregninger er det vist at EKF og IMM filteret fungerer godt som estimatorer. IMM filteret gir noe bedre resultater ved manøvre grunnet bedre manøverhåndteringsmetoder. Allikevel fremgår det av konsistenstesten at IMM filteret er optimistisk ved harde manøvre, noe som kan skyldes en dårlig tilpasset akselerasjonsmodell.   Både EKF og IMM filteret ble realisert med variabel målestøy i form av generert observasjonsstøy, og dette viste seg å gi vesentlig større nøyaktighet i estimatene. Det er altså vist at en fullstendig målfølgealgoritme lar seg realisere med tilgjengelige SNR data fra radarer av typen ”phased array”, og at nøyaktigheten kan forbedres ved å innføre variabel målestøy basert på de samme SNR dataene.</p>

<p>Hensikten med denne oppgaven er å bruke dynamiske modeller til å klassifisere spedbarnsbevegelser som normale eller avvikende. Bevegelser er registrert med 6 sensorer, festet til ankler, håndledd, bryst og panne. Hver sensor måler posisjon i rommet og rotasjon, og i denne oppgaven er det blitt fokusert på posisjon. Hvert spedbarn har en eller flere segmenter med måledata, kalt Region of Interest (ROI). Ut i fra hver ROI er det blitt identifisert en dynamisk modell på grunnlag av utgangsvariable. I dette arbeidet er det brukt SISO og MIMO AR- og tilstandsrommodeller. Utgangsvariablene representerer utgangen på den dynamiske modellen, og mange forskjellige alternativer har blitt prøvd ut. Klassifisering er blitt foretatt på bakgrunn av de identifiserte systemparameterne. To strategier er fulgt: Den første baserer seg på å bruke systemparameterne direkte som egenskpsvektor sammen med Lineær Diskriminant Analyse. Den andre tar utgangspunkt i metrikker som måler en distanse mellom to dynamiske modeller, og som bruker K-Nærmeste-Nabo som klassifikator. Resultatene viser at bevegelsene til armene og hodet er viktigst for å skille mellom den friske og avvikende gruppen.Ved å kun betrakte hodet i y-retning, på tvers av spedbarnet, oppnås en spesifisitet på 78.26% og en sensitivitet på 78.64% på ROI-nivå. Ved å se på avstanden mellom armene i x-retning,langs spedbarnet, oppnås en spesifisitet på 79.61% og en sensitivitet på 82.61%. I begge tilfellene er det brukt 4.ordens SISO AR-modeller og LDA som klassifikator. Ved å kombinere egenskapsvektorene fra disse to tilfellene sammen i en ny egenskapsvektor oppnåes en spesifisitet på 86.96% og en sensitivitet på 85.44%. Klassifisering på pasient-nivå foregår ved å betrakte ROI'ene tilhørende hver pasient. Ved å vekte friske og avvikende ROI'er forskjellig, kan ulike verdier for spesifisitet og sensitivitet oppnås. Resultatet nærmest det optimale punktet i ROC-plottet har en spesifisitet på 90.91% og sensitivitet på 85.71%. Verdiene på spesifisitet og sensitivitet gitt ovenfor viser at tilpasning av dynamiske modeller er en nyttig metode for klassifisering av spedbarnsbevegelser. Metoden er ikke like nøyaktig som den kliniske metoden GMA, men det er mange muligheter for å forbedre resultatene oppnådd i dette arbeidet.</p>

<p>Riser-indusert slugging er et strømningsmønster som kan oppstå i flerfase strømning i stigerøret opp til oljeplattformer og karakteriseres av vesentlige strømnings- og trykkvariasjoner. Den støtvise strømningen forårsaket av riser-indusert slugging kan medføre store produksjonsproblemer for prosessanlegget nedstrøms, og det trengs derfor en metode for å håndtere problemet. En velkjent metode for å unngå slugging er å redusere åpningen til strupeventil ved toppen av stigerøret. I denne rapporten er det foreslått å bruke ulineær MPC kombinert med ulineær tilstandsestimering for å styre pådrag til strupeventil optimalt. Denne rapporten beskriver en alogritme for ulineær modell prediktiv regulering som bruker en ”single shooting” optimaliseringsmetode med prestabilisering. Metoden er en iterativ metode som løser en serie med QP-problemer, i likhet med sekvensiell kvadratisk programmering, for å finne optimalt pådrag. Det er brukt tilstandsestimering, både EKF og UKF, for å estimere systmets tilstander for prediksjon. Algoritmene for NMPC og tilstandsestimering er realisert i Matlab for testing og simulering. Det er brukt en forenklet dynamiske modell av riser-indusert slugging. Slug-strømning har blitt stabilisert for en bestemt ventilåpning ved å bruke NMPC og tilstandsestimering på den forenklede modellen.</p>

<p>Ved innflyging og landing av fly under forhold med redusert sikt brukes instrumentlandingssystem for veiledning langs en ønsket innflygningsbane. For å verifisere at instrumentlandingssystemet er innenfor gitte krav er det nødvendig å utføre kontrollflygninger for kalibrering av systemet. Under kontrollflygingen er det nødvendig med et referansesystem for posisjon til estimering av banen til flyet. Referansesystemet er avhegnig av å beregne flyets posisjon over kjente referansepunkter på rullebanen for korrigering av den estimerte banen. Flyets eksakte posisjon beregnes ut fra bilder av referansepunktene tatt fra buken på flyet. Arbeidet presenterer en algoritme for automatisk beregning av posisjonen til referansepunktene. Ut fra en bildeserie tatt i det flyet passerer punktene velges automatisk bildet for videre beregning ut. Korrigering av linseforvrengning ut fra kjente linseegenskaper er også implementert for økt nøyaktighet på beregningen av posisjonen til referansepunktene. Det er utviklet flere metoder for å løse utvelgelsen av bildet og beregningen av posisjonen til referansepunktene. Basert på en evaluering av hver metode er den endelige løsning implementert. Denne algoritmen er testet ut på bildeserier fra reelle kontrollflyginger. Resultatet av algoritmen testet på bildeseriene viser at algoritmen gjenkjenner og beregner posisjonen til referansepunktene innenfor gitte krav. Den kan videre implementeres i eksisterende system eller utvikles og testes videre for verifisering av resultatet i dette arbeidet.</p>

<p>Eurobot Open er en internasjonal robotkonkurranse for studenter og uavhengige organisasjoner, som arrangeres i Europa i mai hvert år. Institutt for teknisk kybernetikk har deltatt hvert år siden 2000, gjennom prosjekt- og diplomoppgaver. I 2008 foregikk konkurransen i Heidelberg, Tyskland, under tittelen "Mission to Mars". Oppgaven gikk i korte trekk ut på å plukke opp og samle steinprøver, i form av innebandyballer, i et eget depot. Dette arbeidet har hatt til hensikt å fullføre roboten ved å utvikle og gjennomføre de systemene som trengs for å delta i konkurrasen. Gjennom prosjektoppgaven høsten 2007, har undertegnede utviklet en del basisfunksjonalitet på roboten, som det nå er bygget videre på. Posisjoneringen av roboten er grundig gjennomgått, og det har vært fokus på å utvikle et absolutt posisjoneringssystem basert på triangulering med 3 faste sendere. Systemet er basert på et ferdig konsept, men det har vært jobbet mye med hardware og ny software har blitt utviklet. Til slutt har det hele blitt testet, noe som har vist presise posisjoneringsresultater. Avlesning av vinklene til trianguleringen viste seg imidlertid å ta litt tid, slik at dette må gjøres når roboten står stille på bordet. Pga. tidsbruk og taktikk ble det kun brukt en sender under selve konkurransen. Navigasjonssystemet har stort sett blitt videreført fra tidligere, men det er lagt til mye ny funksjonalitet som gjør manøvreringen på spillebordet mer fleksibel. Det kan bla. nevnes rygging, hastighetsstyring og avstandsregulering mot kant. Endringene har fungert bra og vist seg svært nyttig i konkurransesammenheng. Den kunstige intelligensen har blitt basert på en rekke tilgjengelige strategier, der alle har den samme oppbygningen. Fokus har vært på en enkel og strukturert AI der robusthet og repeterbarhet har vært nøkkelordene. Rammeverket med en overordnet styring og fleksible strategier fungerte bra både under testing og konkurranse. Testing av AI ble i utgangspunktet gjort mot en simulator, noe som er mer effektivt enn å teste mot den fysiske roboten. Antikollisjonssystemet er basert på fjorårets system og en rekke endringer har blitt gjennomført. De viktigste endringene er å ikke benytte Ir til kollisjonsdeteksjon, i tillegg til å legge til antikollisjonslogikk i AI. Tiltak som deaktivering av antikollisjon i definerte soner, og utarbeidingen av en unnamanøvringsalgoritme har gjort systemet mer robust enn tidligere. Datasynet er videreutviklet med utgangspunkt i fjorårets kode og benytter Hough-transformen til å finne baller. Ballene er sirkler i et bilde. Kameraet klarte fint å gjenkjenne baller foran roboten, både når roboten stod stille og når den var i bevegelse. Kamerakoden la utgangspunktet for den ene AI-strategien som var å lete etter baller på bordet. Underveis har det vært gjort en del adminstrativt arbeide, som organisering av EiT, økonomi, reise til Tyskland etc. I tillegg ligger det mye arbeid bak å koble alle delmodulene sammen i roboten på en fornuftig måte. Arbeidet har tatt mye tid, men dette har vært helt nødvendig for å kunne framlegge et fungerende system til slutt. Omfattende testing og resultater fra konkurransen viser at totalsystemet på roboten er veldig robust. Kommunikasjonen mellom modulene har fungert bra og mange feil ble luket bort under testingen. Dessverre greide ikke roboten å hevde seg i konkurransen grunnet tilfeldige feil. Roboten vant 2 av 5 kamper, og tapte de resterende pga. en skrue som falt av dekselet, en startsnor som ikke trigget startinterruptet og "jamming" av baller i sorteringsmodulen. På tross av et dårlig resultat i konkurransen er undertegnede godt fornøyd med arbeidet som er gjort, og tror at fundamentet for neste år skal være bra. Feilene som oppstod var tilfeldige og vanskelige å gardere seg fullstendig mot.</p>

<p>For å oppnå en mest mulig lønnsom drift av et LNG anlegg, er det ønskelig at den til enhver tid opererer nærmest mulig sine optimaliserte tilstander. Dette gjelder i nærvær av alle mulig forstyrrelser som kan kunne påvirke en slik prosess. Det finnes flere måter å oppnå optimalisert drift ved forstyrrelser, et eksempel er å kunne reoptimalisere denne prosessen ved hver forstyrrelse. Problemstillingen i denne oppgaven er å oppnå selvoptimaliserende regulering for nedkjølingen av LNG i et slikt anlegg. Selvoptimaliserende regulering er når man ved å holde konstante settpunkter på sine reguleringsvariable kan oppnå nær optimal drift av anlegget, med kun små akseptable tap. Dette innebærer å finne en reguleringsstruktur for anlegget, hvor problemstillingen presentert i denne rapporten er å finne hvilke parametere i modellen som skal måles, hvordan disse parameterene skal kombineres til regulerte variable og hvilke innganger som skal benyttes til å regulere disse, hvor målet da har vært å oppnå selvoptimaliserende regulering. Før en kan begynne med å finne svar på disse spørsmålene, er det viktig å ha en god forståelse for prosessen en ønsker å regulere. Første ledd i denne oppgaven har dermed vært å analysere den aktuelle TEALARC modellen og finne hvilke frihetsgrader som er tilgjengelig. TEALARC er en omfattende modell bestående av to separate kjølesløyfer, og har dermed også mange mulige frihetsgrader. Mulige numeriske problemer i HYSYS gjorde det vanskelig å benytte hele TEALARC modellen, og problemstillingen i oppgaven ble redusert til å kun se på regulering av den ene kjølesløyfen, den som kjøler ned naturgassen til LNG. Dette halverte antall frihetsgrader tilgjengelig. Mye arbeid i denne oppgaven har blitt lagt ned i problemene rundt HYSYS som simuleringsverktøy, da modellen ble lite robust ved overgang fra design til simulering. Det var i utganspunktet tenkte å benytte matematiske metoder for å finne et reguleringsoppsett, da i hovedsak en metode kalt nullromsmetoden. Problemene rundt HYSYS reduserte dette til å kun teste ut aktuelle reguleringsstrukturer opp mot hverandre, og det har blitt gjennomført flere simuleringer med forskjellige sammensetning av innganger og regulerte variable. For simuleringene har det blitt utviklet et brukergrensesnitt i Microsoft Excel ved hjelp av Visual Basic, som setter opp simuleringer i HYSYS gjennom et eksisterende HYSYS-Excel grensesnitt. Det har ikke vært lett å få ut klare svar av simuleringen på hva som er fornuftig, men en parameter som det har virket fornuftig å holde konstant er temperaturen på kjølemediet som benyttes til å kjøle ned naturgassen, etter at denne har blitt nedkjølt av den andre nedkjølingssløyfen. Denne rapporten gir ingen endelig konklusjon på hva som vil være et godt forslag til reguleringsopsett for TEALARC-modellen, men gir et grunnlag for videre analyse av modellen.</p>

<p>I denne rapporten undersøkes mulighetene for CO2-rensing av eksosgassen fra det eksisterende kullkraftverket i Longyearbyen. Dette er gjort som en uavhengig studie motivert av prosjektet CO2-fritt Svalbard. Omfanget av rapporten er begrenset til å identifisere den best egnede innfangingsteknologien, for deretter å analysere hvilke konsekvenser implementasjon av denne teknologien får for anlegget. Basert på studie av aktuell literatur er kjemisk absorpsjon med en aminløsning som absorpsjonsmedium identifisert som den best egnede teknologien for innfanging av CO2 fra eksosgass fra kullkraftverk. Videre er det designet to forskjellige konfigurasjoner for integrasjon av et aminabsorpsjonsanlegg med eksisterende anlegg. Matematiske modeller av energiflyten i eksisterende anlegg og begge konfigurasjonene er utledet for å undersøke de energimessige konsekvensene av ettermontering av CO2-fangstutstyr. For å oppnå god nøyaktighet er modellene så langt det lar seg gjøre tilpasset måledata og spesifikasjoner fra eksisterende anlegg. Det er så gjennomført simuleringer med hver konfigurasjon i aktuelle lastsituasjoner. Simuleringsresultatene viser at CO2-innfanging ved Longyear energiverk gir en betydelig mindre økning av energibehovet ved kraftgenerering enn resultatene i tilsvarende studier av andre eksisterende anlegg. Ved gjennomsnittslast reduseres totalvirkningsgraden med 2 %. Basert på denne analysen samt vurderinger av praktiske konsekvenser for daglig drift og driftssikkerhet konkluderes det med at CO2-innfanging fra det eksisterende kraftverket i Longyearbyen er en gjennomførbart ut fra praktiske og driftstekniske hensyn. Den lave reduksjonen i termisk virkningsgrad tyder også på at Longyear energiverk er spesielt godt egnet for CO2-innfanging. Dersom det er aktuelt å gå videre med prosjektet må det eksisterende anleggets levetid og eventuelt oppgraderingsbehov utredes. Videre må en detaljert spesifikasjon av ombyggingen lages slik at man kan beregne investeringsbehovet for hele prosjektet. Da kan forventet kostnad og levetid vurderes opp mot alternativet som er å bygge et nytt kraftverk med CO2-innfanging.</p>

<p>Hensikten med denne oppgaven er å undersøke om det er mulig å skille testpersoner med og uten ADHD ved hjelp av metoder fra kybernetikken, basert på et sett med data samlet inn fra et dataspill. En rekke egenskaper blir trukket ut av datasettet og benyttet til klassifisering. Klassifisering blir foretatt ved hjelp av en lineær diskriminantmetode, flerlags perceptronnettverk og en Parzen-Window metode. Det beste klassifiseringsresultatet ble oppnådd mellom klassene ADHD-PI og Kontroll av flerlags perceptronnettverk. Resultatet som ble oppnådd var en spesifisitet for ADHD-PI på 0,78 og en sensitivitet for Kontrollgruppen på 0,67. For lineær diskriminantanalyse var resultatet for denne klassekombinasjonen en spesifisitet for ADHD-PI på 0,71 og en sensitivitet for Kontrollgruppen på 0,7. Egenskapen middelverdi, tid mellom klikk var representert i egenskapskombinasjonen som ga dette resultatet. Egenskapen middelverdi, tid mellom klikk utgjør det optimale subsettet av egenskaper. For klassekombinasjonen ADHD-C og Kontroll ble det beste resultatet oppnåd ved lineær diskriminantanalyse med egenskapene 3,6,8,9 og 15. Spesifisieten for ADHD-C er 0,77 og sensitiviteten for Kontrollgruppen er på 0,62. Klassekombinasjonen ADHD-C og ADHD-PI hadde de laveste klassifiseringsresultatene. Det beste resultatet for denne klassekombinasjonen ble oppnådd med Parzen-Window-teknikken, som ga en spesifisitet for ADHD-C på 0,47 og en spesifisitet for ADHD-PI på 0,76. Ved bruk av lineær diskriminantanalyse lykkes det til en viss grad å skille mellom de to ADHD-variantene og Kontrollgruppen.</p>