kth.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Robust Data-Driven Predictive Control of Unknown Nonlinear Systems Using Reachability Analysis
KTH, Skolan för industriell teknik och management (ITM), Energiteknik, Tillämpad termodynamik och kylteknik.ORCID-id: 0009-0002-3546-8933
Jacobs University Bremen, Bremen, Germany.
Laboratory for Information and Decision Systems, Massachusetts Institute of Technology, Cambridge, USA.
KTH, Skolan för industriell teknik och management (ITM), Energiteknik, Tillämpad termodynamik och kylteknik.ORCID-id: 0000-0002-2300-2581
Visa övriga samt affilieringar
2023 (Engelska)Konferensbidrag, Muntlig presentation med publicerat abstract (Refereegranskat)
Abstract [en]

This work proposes a robust data-driven predictive control approach for unknown nonlinear systems in the presence of bounded process and measurement noise. Data-driven reachable sets are employed for the controller design instead of using an explicit nonlinear system model. Although the process and measurement noise are bounded, the statistical properties of the noise are not required to be known. By using the past noisy input-output data in the learning phase, we propose a novel method to over-approximate reachable sets of an unknown nonlinear system. Then, we propose a data-driven predictive control approach to compute safe and robust control policies from noisy online data. The constraints are guaranteed in the control phase with robust safety margins through the effective use of the predicted output reachable set obtained in the learning phase. Finally, a numerical example validates the efficacy of the proposed approach and demonstrates comparable performance with a model-based predictive control approach.

Ort, förlag, år, upplaga, sidor
2023.
Nyckelord [en]
Predictive control for nonlinear systems, Robust control
Nationell ämneskategori
Reglerteknik
Identifikatorer
URN: urn:nbn:se:kth:diva-336528OAI: oai:DiVA.org:kth-336528DiVA, id: diva2:1796563
Konferens
European Control Conference 2023, 13 - 16 June, 2023, Bucharest, Romania
Projekt
Cost- and Energy-Efficient Control Systems for BuildingsCLAS—Cybersäkra lärande reglersystemHiSS—Humanizing the Sustainable Smart CityMarie Skłodowska- Curie
Forskningsfinansiär
Energimyndigheten, 47859-1Stiftelsen för strategisk forskning (SSF), RIT17-0046EU, Horisont Europa, 101062523EU, Horisont Europa, 830927
Anmärkning

QC 20230918

Tillgänglig från: 2023-09-12 Skapad: 2023-09-12 Senast uppdaterad: 2023-09-18Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Conference website

Person

Farjadnia, MahsaMolinari, MarcoJohansson, Karl H.

Sök vidare i DiVA

Av författaren/redaktören
Farjadnia, MahsaMolinari, MarcoJohansson, Karl H.
Av organisationen
Tillämpad termodynamik och kylteknikReglerteknik
Reglerteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

urn-nbn

Altmetricpoäng

urn-nbn
Totalt: 50 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf