Data-Driven Symbolic Models for Mechatronic System Identification and Control

Promovendus/a
Khatiry Goharoodi, Saeideh
Faculteit
Faculteit Ingenieurswetenschappen en Architectuur
Vakgroep
Vakgroep Elektromechanica, Systeem- en Metaalengineering
Curriculum
Master's Degree Mechanical Engineering, Applied Design - Dynamic, Control and Vibration, Shahid Beheshti University, Teheran, Iran, 2016
Academische graad
Doctor in de ingenieurswetenschappen: werktuigkunde-elektrotechniek
Taal proefschrift
Engels
Vertaling titel
Datagedreven symbolische modellen voor mechatronische systeemidentificatie en -controle
Promotor(en)
prof. Guillaume Crevecoeur, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Luc Dupré, vakgroep Elektromechanica, Systeem- en Metaalengineering
Examencommissie
voorzitter em. prof. Luc Taerwe (eredecaan) - dr. ir. Annelies Coene (vakgroep Elektromechanica, Systeem- en Metaalengineering) - dr. Ivo Couckuyt (vakgroep Informatietechnologie) - prof. Guillaume Crevecoeur (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. Luc Dupré (vakgroep Elektromechanica, Systeem- en Metaalengineering) - dr. Erik Hostens (Flanders Make) - prof. Mia Loccufier (vakgroep Elektromechanica, Systeem- en Metaalengineering) - prof. Maarten Schoukens (Technische Universiteit Eindhoven, the Netherlands)

Korte beschrijving

Het primair doel van dit doctoraal proefschrift is het automatiseren van het proces om `white-box' modellen op te bouwen die intepreteerbaar en extrapoleerbaar zijn en bestaan uit symbolische vergelijkingen. Dit met een specifieke focus op mechatronische systemen. Voor het verwezenlijken van dit doel ontwikkelen we nieuwe algoritmen voor het ontdekken van wiskundige modellen gebruik makende van symbolische regressie. We focussen op het toepassen van symbolische regressie voor (a) mechatronische systeemidentificatie, met name het vinden van symbolische vergelijkingen die het input-output gedrag van het complexe mechatronische systeem beschrijven. (b) mechatronische regeling, meer bepaald het ontdekken van regelwetten op basis van data. Het onderzoek bestaat uit volgende drie deeldoelen: (i) automatische modelvorming voor systeemidentificatie en controle, (ii) automatische modelselectie, (iii) realiseren van symbolische modellen en deze toepassen op mechatronische systemen, namelijk op een mechanische Duffing oscillator, elektrische inductiemachine, en een weefgetouw systeem die dienst doet als mechatronisch voorbeeld. De ontwikkelde algoritmen en methoden brengen ons heel wat stappen dichter bij het doel om wiskundige modellen voor fysische dynamische systemen te gaan extraheren waarbij de modelleringskost wordt vereenvoudigd en de gebruikersinteractie beperkt tot zelfs geëlimineerd kan worden.

Praktisch

Datum
Dinsdag 18 januari 2022, 15:00
Livestream
Volg online

Verdediging on campus, maar met beperkt publiek (op uitnodiging van de kandidaat)

Meer info

Contact
doctoraat.ea@UGent.be