Samoučeće modelsko prediktivno upravljanje zasnovano na slijedu skupova upravljivih stanja

Sažetak na hrvatskom: U radu je opisan koncept modelskog prediktivnog upravljanja zasnovanog na slijedu skupova upravljivih stanja na jediničnom horizontu. Opisani postupak primjenjiv je na sustave s parametarskom nesigurnošću, ali se integracijom postupaka učenja nepoznatih parametara sustava pobol...

Full description

Permalink: http://skupni.nsk.hr/Record/fer.KOHA-OAI-FER:49718/Details
Glavni autor: Petrović, Luka (-)
Ostali autori: Matuško, Jadranko (Thesis advisor)
Vrsta građe: Drugo
Impresum: Zagreb, L. Petrović, 2017.
Predmet:
LEADER 02343na a2200229 4500
003 HR-ZaFER
008 160221s2017 ci ||||| m||| 00| 0 en d
035 |a (HR-ZaFER)ferid5227 
040 |a HR-ZaFER  |b hrv  |c HR-ZaFER  |e ppiak 
100 1 |a Petrović, Luka 
245 1 0 |a Samoučeće modelsko prediktivno upravljanje zasnovano na slijedu skupova upravljivih stanja :  |b diplomski rad /  |c Luka Petrović ; [mentor Jadranko Matuško]. 
246 1 |a Selflearning Model Predictive Control Based on the Sequence of Controllable Sets  |i Naslov na engleskom:  
260 |a Zagreb,  |b L. Petrović,  |c 2017. 
300 |a 46 str. ;  |c 30 cm +  |e CD-ROM 
502 |b diplomski studij  |c Fakultet elektrotehnike i računarstva u Zagrebu  |g smjer: Automatika, šifra smjera: 46, datum predaje: 2017-06-29, datum završetka: 2017-07-20 
520 3 |a Sažetak na hrvatskom: U radu je opisan koncept modelskog prediktivnog upravljanja zasnovanog na slijedu skupova upravljivih stanja na jediničnom horizontu. Opisani postupak primjenjiv je na sustave s parametarskom nesigurnošću, ali se integracijom postupaka učenja nepoznatih parametara sustava poboljšavaju performanse upravljanja, a da se pri tome ne kompromitira zadovoljenje ograničenja sustava. Razvijeni postupak samoučećeg prediktivnog upravljanja provjeren je simulacijski kao i eksperimentalno na labora- torijskom sustavu rotacijskog inverznog njihala. 
520 3 |a Sažetak na engleskom: In this thesis the concept of model predictive control based on the sequence of one-step controllable sets is described. The described approach is applicable to the systems with parametric uncertainties, but with integration of a parameter learning algorithms control performance can be improved, while at the same time having all the system constraints satisfied. For parameter learning the constrained least squares method is used. The developed self-learning algorithm is validated through simulation as well as experimentally on a laboratory rotary inverted pendulum system. 
653 1 |a modelsko prediktivno upravljanje  |a MPC  |a LPV sustavi  |a skupovi upravljivih stanja  |a estimacija parametara  |a metoda najmanjih kvadrata 
653 1 |a model predictive control  |a MPC  |a LPV systems  |a control invariant sets  |a parameter learning  |a constrained least squares 
700 1 |a Matuško, Jadranko  |4 ths 
942 |c Y 
999 |c 49718  |d 49718