Séance de cours

Contrôle optimal: NMPC

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours couvre le contrôle prédictif de modèle non linéaire (NMPC) avec des sujets tels que la stabilisation de consigne, les contraintes terminales, les différentes formulations NMPC, les Turnpikes, la dissipabilité, le NMPC économique et le principe maximum de Pontryagin. L'instructeur discute des principes d'optimalité, de problèmes singuliers et de stabilité dans les schémas NMPC.

Source officielle

Concepts associés (32)

Pontryagin's maximum principle

Pontryagin's maximum principle is used in optimal control theory to find the best possible control for taking a dynamical system from one state to another, especially in the presence of constraints for the state or input controls. It states that it is necessary for any optimal control along with the optimal state trajectory to solve the so-called Hamiltonian system, which is a two-point boundary value problem, plus a maximum condition of the control Hamiltonian.

Stochastic control

Stochastic control or stochastic optimal control is a sub field of control theory that deals with the existence of uncertainty either in observations or in the noise that drives the evolution of the system. The system designer assumes, in a Bayesian probability-driven fashion, that random noise with known probability distribution affects the evolution and observation of the state variables. Stochastic control aims to design the time path of the controlled variables that performs the desired control task with minimum cost, somehow defined, despite the presence of this noise.

Commande prédictive

La commande prédictive (ou compensation ou correction anticipatrice) est une technique de commande avancée de l’automatique. Elle a pour objectif de commander des systèmes industriels complexes. Le principe de cette technique est d'utiliser un modèle dynamique du processus à l'intérieur du contrôleur en temps réel afin d'anticiper le futur comportement du procédé. La commande prédictive fait partie des techniques de contrôle à modèle interne (IMC: Internal Model Controler).

Commande optimale

La théorie de la commande optimale permet de déterminer la commande d'un système qui minimise (ou maximise) un critère de performance, éventuellement sous des contraintes pouvant porter sur la commande ou sur l'état du système. Cette théorie est une généralisation du calcul des variations. Elle comporte deux volets : le principe du maximum (ou du minimum, suivant la manière dont on définit l'hamiltonien) dû à Lev Pontriaguine et à ses collaborateurs de l'institut de mathématiques Steklov , et l'équation de Hamilton-Jacobi-Bellman, généralisation de l'équation de Hamilton-Jacobi, et conséquence directe de la programmation dynamique initiée aux États-Unis par Richard Bellman.

Tout ou rien

En automatique, le concept TOR (tout ou rien) se ramène au binaire : 0 ou 1. Cela signifie que l'information à traiter ne peut prendre que deux états (marche-arrêt). Seuls ces deux niveaux logiques sont possibles, d'où l'appellation commande tout ou rien (en anglais : bang–bang-control ou on–off-control). On trouve par exemple des capteurs de type TOR (tout ou rien, en anglais : digital sensor) dans l'industrie pour la détection de présence d'objets, ces capteurs ne renverront que deux niveaux logiques : 0 = absence d'objet 1 = présence d'objet Un interrupteur électrique, un thermostat constituent des dispositifs tout ou rien.

Afficher plus

Séances de cours associées (64)

Représentation de l'État et conception du contrôleur

Couvre la représentation de l'état, la conception du contrôleur, les contrôleurs LQR et les critères de contrôle optimaux.

Contrôle prédictif du modèle non linéaire

Explore le contrôle prédictif du modèle non linéaire, couvrant la stabilité, l'optimalité, les pièges et les exemples.

Systèmes de contrôle en réseau: principes fondamentaux et analyse de la stabilité

Couvre les principes fondamentaux et l'analyse de stabilité des systèmes de contrôle en réseau, y compris l'installation de logiciels, les systèmes dynamiques, les états d'équilibre et les tests de stabilité.

Théorie du contrôle optimal : les bases

Couvre les principes fondamentaux de la théorie du contrôle optimal, en se concentrant sur la définition des OCP, l'existence de solutions, les critères de performance, les contraintes physiques et le principe d'optimalité.

Stabilité et rétroaction de l'État

Couvre la stabilité BIBO, la stabilité Lyapunov, la rétroaction d'état et l'affectation de valeur propre.

Afficher plus

Concepts associés (32)

Pontryagin's maximum principle