Identification of Stochastic, Nonlinear Systems for Advanced Control
Project goals
The multi-step ahead algorithm provides a superior model for control compared to one obtained by Prediction Error Method, however, fails in case of the closed loop data. The current algorithm can be applied only to simple model structures such as ARX. The resulting algorithm, would enable the identification of a broader class of models suitable for predictive control using closed loop data. The collected data usually contain noise or collinearity, which disqualifies the common algorithms. Partial LeastSquares rectifies this problem. The combination MRI and PLS handle the corrupted data and simultaneously satisfy the optimality of the model in sense of good prediction properties. In case of non-linear dynamics the polynomial fuzzy models present a possible solution. These models are constructed from measured data based on fuzzy clustering methods with the simultaneous identification of the antecedent membership functions along with the consequent local polynomial submodels and the corresponding controller design is based on piecewise, fuzzy and polynomial Lyapunov functions.
Keywords
statisticalidentificationmodellingsimulationmathematicalmodel
Public support
Provider
Czech Science Foundation
Programme
Standard projects
Call for proposals
Standardní projekty 15 (SGA02012GA-ST)
Main participants
—
Contest type
VS - Public tender
Contract ID
P103-12-1187
Alternative language
Project name in Czech
Identifikace stochastických, nelineárních systémů pro pokročilé řízení
Annotation in Czech
Algoritmus vícekrokové predikce (MRI) poskytuje ve srovnání s modely získanými Prediction Error Methods lepší modely pro řízení, avšak selhává na datech z uzavřené smyčky. Stávající algoritmus může být použit pouze na jednoduché struktury modelů, např. ARX. Výsledný algoritmus by umožnil identifikaci širší třídy modelů vhodných pro prediktivní řízení na základě dat z uzavřené smyčky. Získaná data obvykle obsahují šum nebo kolinearity, které běžné algoritmy znehodnocují. Řešením je použití částečných nejmenších čtverců (PLS). Kombinace PLS a MRI řeší poškozená data a zároveň zaručuje optimalitu modelu ve smyslu dobrých predikčních vlastností. V případě nelineární dynamiky představují možné řešení polynomiální fuzzy modely. Tyto modely jsou postaveny nazměřených datech na základě metody fuzzy clusteringu, zároveň se identifikují funkce antecedentních členů s následnými lokálními polynomiálními submodely. Návrh odpovídajícího regulátoru je založen na po částech fuzzy a polynomiálních Lyapunovských funkcích
Scientific branches
R&D category
ZV - Basic research
CEP classification - main branch
BC - Theory and management systems
CEP - secondary branch
JB - Sensors, detecting elements, measurement and regulation
CEP - another secondary branch
JD - Use of computers, robotics and its application
10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)
20201 - Electrical and electronic engineering
20204 - Robotics and automatic control
20205 - Automation and control systems
Completed project evaluation
Provider evaluation
V - Vynikající výsledky projektu (s mezinárodním významem atd.)
Project results evaluation
Contribution of the project is mainly in the area of predictive control, which is clearly supported by publications.The results of the project for other fields is in building control, for example. There are 25 citations in WoS to the project results, where some achievements are outstanding. The panel recommends the project to be evaluated as "excellent".
Solution timeline
Realization period - beginning
Jan 1, 2012
Realization period - end
Dec 31, 2014
Project status
U - Finished project
Latest support payment
Apr 18, 2014
Data delivery to CEP
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data delivery code
CEP15-GA0-GA-U/01:1
Data delivery date
May 22, 2015
Finance
Total approved costs
3,804 thou. CZK
Public financial support
3,804 thou. CZK
Other public sources
0 thou. CZK
Non public and foreign sources
0 thou. CZK
Recognised costs
3 804 CZK thou.
Public support
3 804 CZK thou.
0%
Provider
Czech Science Foundation
CEP
BC - Theory and management systems
Solution period
01. 01. 2012 - 31. 12. 2014