Nonlinear data-driven control

Niet-lineaire data-driven controllers

Nieuwe methoden maken het mogelijk om controllers rechtstreeks van data te leren. In haar proefschrift draagt Xiaoyan Dai bij aan analytisch correcte, data-gedreven regelmethodes met computationeel efficiënte data-afhankelijke LMI's, waarvan de haalbare oplossingen controllers en prestatiecertificaten opleveren. 

Dai behandelt allerleerst het output-feedbackregelprobleem voor een slecht bekend systeem op basis van input-outputdata en beperkte voorkennis. Ze ontwikkelt optimale output-feedbackregelmethoden voor onbekende lineaire systemen die modelidentificatie of afzonderlijk ontwerp van een toestandsobserver en state feedback-controller ontwijken.

Vervolgens introduceert Dai datagestuurde output-feedbackregelmethoden voor een brede klasse niet-lineaire systemen door een gesloten-lussysteem af te dwingen dat gedomineerd wordt door stabiele lineaire dynamiek. Hiervoor benut ze een groeivoorwaarde voor basisfuncties en input-outputdata. Belangrijk is dat Dai deze methoden uitbreidt om om te gaan met input-outputmeetruis en onvolledige sets basisfuncties.

Tot slot bestudeert Dai online regeling van input-affiene niet-lineaire systemen via tijdvariërende SDP's (Semidefiniete Programma's). Zowel modelgebaseerde als datagestuurde oplossingen worden afgeleid waarbij regelwinsten correct worden aangepast. Dai formuleert compacte condities die recursieve haalbaarheid garanderen op basis van data.

Xiaoyan Dai voerde haar onderzoek uit bij het Engineering and Technology institute Groningen (ENTEG), afdeling Smart Manufacturing Systems, met financiering van het Chinese Scholarship Council. 

Proefschrift: https://hdl.handle.net/11370/dbd439b8-0ef2-4cbc-b621-d8112cde830f