Accelerating Nonlinear Model Predictive Control through Optimal Control Problem Reformulations
- Promovendus/a
- Neve, Thomas
- Faculteit
- Faculteit Ingenieurswetenschappen en Architectuur
- Vakgroep
- Vakgroep Elektromechanica, Systeem- en Metaalengineering
- Curriculum
- Master of Electromechanical Engineering - Main Subject Control Engineering and Automation, Universiteit Gent, 2020
- Academische graad
- Doctor in de ingenieurswetenschappen: werktuigkunde-elektrotechniek
- Taal proefschrift
- Engels
- Vertaling titel
- Versnellen van niet-lineaire modelgebaseerde voorspellende controle door herformuleringen van optimalecontroleproblemen
- Promotor(en)
- prof. Guillaume Crevecoeur, vakgroep Elektromechanica, Systeem- en Metaalengineering - dr. ir. Tom Lefebvre, vakgroep Elektromechanica, Systeem- en Metaalengineering
- Examencommissie
- voorzitter em. prof. Luc Taerwe (eredecaan) - dr. ir. Joris Gillis, KU Leuven - dr. ing. Nezmin Kayedpour, vakgroep Elektromechanica, Systeem- en Metaalengineering - prof. Sergio Lucia, Technische Universität Dortmund, Duitsland - prof. Kurt Stockman, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor prof. Guillaume Crevecoeur, vakgroep Elektromechanica, Systeem- en Metaalengineering - promotor dr. ir. Tom Lefebvre, vakgroep Elektromechanica, Systeem- en Metaalengineering
Korte beschrijving
De vooruitgang in moderne technologie wordt gedreven door de integratie van steeds complexere systemen, waarbij geavanceerde controlemechanismen essentieel zijn. MPC is een controlestrategie die het gedrag van een systeem optimaliseert met behulp van voorspellende modellen. Deze mogelijkheid om vooruit te kijken en te plannen maakt MPC een krachtig hulpmiddel voor toepassingen waarbij moet worden geanticipeerd. Toch is MPC rekentechnisch veeleisend omdat het bij elke tijdstap een optimalisatieprobleem moet oplossen. In dit proefschrift is het overkoepelende doel om de hoge rekeneisen van MPC aan te pakken door methoden voor te stellen die de rekenefficiëntie verbeteren. In plaats van snellere computers te gebruiken, streven we ernaar het probleem eenvoudiger oplosbaar te maken. Dit leidt tot drie verschillende bijdragen. De eerste benut een specifieke modeleigenschap van een `pusher-slider´ systeem. Hierbij faciliteren we manipulatie van objecten op een plat oppervlak met behulp van een robotarm. De tweede bijdrage richt zich op het combineren van MPC met machinaal leren. Door informatie te capteren in een neuraal netwerk, kunnen we een deel van het optimalisatieprobleem op voorhand oplossen, en de rekentijd van MPC significant verminderen. De laatste bijdrage benut willekeurige sampling om bepaalde numerieke uitdagingen te vermijden en de simultane rekencapaciteit van MPC te verhogen.
Praktisch
- Datum
- Dinsdag 18 maart 2025, 17:00
- Locatie
- auditorium 1, iGent (eerste verdieping), Technologiepark 126, 9052 Zwijnaarde
Meer info
- Contact
- doctoraat.ea@UGent.be