| Source DB | nl |
|---|
| Institution | KU Leuven |
|---|
| Code | 1a249ca2-a961-4add-a714-20c4d1bd2ef3 |
|---|
| Unit | 22358ad3-f0c0-4e35-88ca-7350f696036a
|
|---|
| Begin | 12/20/2018 |
|---|
| End | 12/20/2022 |
|---|
| title fr |
|
|---|
| title nl | MPC-gebaseerd raamwerk voor autonome controle van systemen bestaande uit state-machines
|
|---|
| title en | A Model Predictive Control-based Framework for Systems with State Machines
|
|---|
| Description fr |
|
|---|
| Description nl | In de industrie is er een aanhoudende tendens om steeds meer kost en energie-efficiënte systemen te ontwikkelen. Dit is zeker zo voor complexe systemen bestaande uit meerdere afzonderlijke actoren om samen een gemeenschappelijk doel te behalen. Dikwijls zijn deze actoren binnen deze systemen aangestuurd als toestandsmachines.Het oplossen van een centraal Model Predictive Controle probleem is een veel belovende techniek op deze systemen zo efficiënt mogelijk aan te sturen. Deze techniek houdt rekening met zowel de modellen van de actoren, de systeem limitatie als de voorspellingen voor het systeem. Aan de hand van deze informatie zoekt het een globaal optimum in real-time die aangelegd wordt aan de actoren. Echter is het probleem voor deze klasse systemen moeilijk op te lossen. De toestandsmachines worden in deze probleem omschrijving meestal voorgesteld als variabelen met een gehele of booleaanse waarde. Dit leidt tot mixed-integer probleem die numeriek moeilijk op te lossen is.In doel van dit onderzoek om (1) een industrieel bruikbare aanpak om eenvoudig toestandsmachines te beschrijven en (2) een overzicht van mogelijke oplossingsmethodes voor deze klasse van problemen te ontwikkelen.
|
|---|
| Description en | In industry, there is a persistent tendency towards more cost- and energy efficient systems. This is certainly the case for systems existing of multiple actors designed to achieve a mutual goal. Often, these actors are controlled as state machines.Solving a central Model Predictive Control problem is a promising technique to control these systems as efficiently as possible. This technique takes into account both the models of the actors, the system limitations and the predictions for this system. Based on this information, it seeks a global optimum in real time that is applied to the actors. However, the problem for this class of systems is difficult to solve. The state machines are usually represented in the problem formulation as variables with an integer or Boolean value. This leads to a mixed-integer problem which is numerically difficult to solve.The goal of this research project is to develop: (1) A industrially useable approach for modelling state-machines in an Model Predictive Control formulation (2) An overview of solution methods that are able to handle this type of problems.
|
|---|
| Qualifiers | - MPC - Mixed-integer problem - |
|---|
| Personal | Gillis Joris, Swevers Jan |
|---|
| Collaborations | |
|---|
