| Source DB | nl |
|---|
| Institution | KU Leuven |
|---|
| Code | 95318704-b35b-44c3-b172-e8f675031251 |
|---|
| Unit | 22358ad3-f0c0-4e35-88ca-7350f696036a
|
|---|
| Begin | 6/7/2019 |
|---|
| End | 6/7/2023 |
|---|
| title fr |
|
|---|
| title nl | Offline en online lineaire parameter-variërende systeemidentificatie
|
|---|
| title en | Offline and online linear parameter-varying system identification
|
|---|
| Description fr |
|
|---|
| Description nl | In dit onderzoeksproject ontwikkel ik snelle en robuuste parameteridentificatiemethoden voor lineaire parameter-variërende (LPV) systemen. LPV systemen zijn lineaire systemen met parameters die afhankelijk zijn van één of meerdere parameters die meestal variabelen zijn waarvan de variaties bekend of meetbaar zijn. Het LPV raamwerk biedt een sterk mathematisch onderbouwde modellering en robuuste regelaarontwerpmethoden voor een brede klasse van niet-lineaire systemen in een groot aantal verschillende toepassingsgebieden, b.v. thermische, vibro-akoestische en mechatronische bewegingssystemen. De focus van dit onderzoek ligt op de ontwikkeling van algoritmen en software, en op numerieke en experimentele validatie. Voor validatie zullen verschillende scenarios worden beschouwd, b.v. een leeromgeving met meerdere systemen waarin verschillen tussen systemen en / of taken beperkt zijn, en in een adaptieve Modelgebaseerde Predictieve Controle (MPC) omgeving, waarbij modelupdates worden gebruikt om de prestaties van de controller te verbeteren en de geschatte modelonzekerheid in rekening wordt gebracht in de probleemformulering. De beschouwde systeemklasse bevat mechatronische systemen.
|
|---|
| Description en | In this research project Im developing fast and robust parameter identification methods for linear parameter-varying (LPV) systems. LPV systems are linear systems with parameters that depend on one or several scheduling parameters that are typically variables whose variations are known or measurable. The LPV framework provides mathematically sound modelling and robust control design methods for a broad class of nonlinear systems in a wide variety of application areas, e.g. thermal, vibro-acoustic and mechatronic motion systems. The focus of this research is on development of algorithms and software, and on numerical and experimental validation. For validation, several scenarios will be considered, e.g. a multi-systems learning setting where differences between systems and/or tasks are limited, and in an adaptive Model Predictive Control (MPC) setting, where model updates are used to improve controller performance and estimated model uncertainty is accounted for in the control formulation. The considered class of systems are mechatronic systems.
|
|---|
| Qualifiers | - system identification - |
|---|
| Personal | Swevers Jan |
|---|
| Collaborations | |
|---|
