Arbeids- og kompetanseområde
Dr. Mahdi Ghane er førsteamanuensis i kybernetikk ved Institutt for datateknologi, elektroteknologi og realfag ved Høgskulen på Vestlandet (HVL).
Han er grunnlegger og leder av DYNAMO Research Group (Data-Driven Dynamics, Modeling and Control), som arbeider med intelligente teknologier for offshore energi og maritime systemer. Mer informasjon om forskningsgruppen finnes på https://dynamo-hvl.github.io/.
Forskningen hans handler om intelligent overvåking, styring og optimalisering av komplekse tekniske systemer. Han arbeider spesielt med havvind, autonome maritime systemer, digitale tvillinger, prediktivt vedlikehold, pålitelighet og robotikk. Arbeidet kombinerer fysikkbaserte modeller, datadrevne metoder og kunstig intelligens for å gjøre offshoreoperasjoner sikrere, mer pålitelige og mer effektive.
Før han begynte ved HVL, arbeidet han som forsker ved NTNU og som Senior Safety Engineer i Safetec. Han har samarbeidet med flere industripartnere, blant annet Equinor, Yinson, Bane NOR, Aker Solutions, Kværner og ABS. Han deltar i nasjonale og internasjonale forskningssamarbeid innen offshore energi, autonome systemer og digitalisering.
Forskningsområder
- Systemmodellering og digitale tvillinger
- Feildiagnostikk og signalbehandling
- Havvind og marin robotikk
- Beslutningsstøtte under usikkerhet
- Stokastisk analyse og pålitelighet
Utdanning
- Ph.d. i marin teknologi (Marine Cybernetics), NTNU (2018), NTNU–MIT–Statoil PhD Fellow, Centre for Autonomous Marine Operations and Systems (AMOS)
- Master i mekatronikk, K. N. Toosi University of Technology, Teheran (2009)
- Bachelor i elektroteknikk, Ferdowsi University of Mashhad (2007)
Priser og utmerkelser
- Best Paper Award, Torque Conference, München, Tyskland (2016)
- Statoil–NTNU–MIT PhD Fellowship (Hywind Scotland Project) (2015)
Internasjonal forskningserfaring
- Gjesteforsker, Technical University of Denmark (DTU), Danmark (2016)
- Gjesteforsker, University of Melbourne, Australia (2014)
Medlemskap
- Tekna
- IEEE
- ASME
Undervisning
HVL
- Robotikk
- Reguleringsteknikk II
- Introduksjon til ingeniørfaglig praksis og arbeidsmetoder
NTNU
- Stochastic Methods Applied in Nonlinear Analysis of Marine Structures (ph.d.-kurs, 2018–2024)
Redaksjonelle verv
- Lead Guest Editor, Sustainability, spesialnummer: Advancing Sustainable Wind Energy and Turbines (2026)
- Lead Guest Editor, Energies, spesialnummer: Fault Diagnosis and Tolerant Control of Wind Turbines (2023)
- Fagfelle (reviewer) for internasjonale tidsskrifter, blant annet Control Engineering Practice, IEEE Access, Structural Control and Health Monitoring, Marine Structures og flere andre.
Publikasjonar
-
Pitch Actuator Fault-Tolerant Control of Wind Turbines via an L<inf>1</inf> Adaptive Sliding Mode Control (SMC) Scheme
-
Control of a group of uncertain wheeled robots with global inputs in the presence of obstacles
-
Operation optimization with a RAM model as Digital Twin
-
A physically motivated control algorithm for an autonomous underwater vehicle
-
Condition monitoring of spar‐type floating wind turbine drivetrain using statistical fault diagnosis
-
On the Joint Distribution of Excursion Duration and Amplitude of a Narrow-Band Gaussian Process
-
Diagnostic monitoring of drivetrain in a 5 MW spar-type floating wind turbine using Hilbert spectral analysis
-
Statistical fault diagnosis of wind turbine drivetrain applied to a 5MW floating wind turbine