Output-Feedback Model Predictive Control for Systems under Uniform Disturbances

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F20%3A00536061" target="_blank" >RIV/67985556:_____/20:00536061 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CoDIT49905.2020.9263867" target="_blank" >http://dx.doi.org/10.1109/CoDIT49905.2020.9263867</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CoDIT49905.2020.9263867" target="_blank" >10.1109/CoDIT49905.2020.9263867</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Output-Feedback Model Predictive Control for Systems under Uniform Disturbances

Popis výsledku v původním jazyce

The paper deals with an output-feedback model predictive control (MPC) for discrete-time systems influenced by bounded disturbances. The proposed MPC combines a state-space design and a state estimation. The state estimates are obtained by a specific uniform Bayesian filter. It provides an evident disturbance attenuation in the estimated state. The MPC design considers a quadratic cost function that incorporates penalties on the tracking error, on the actuation effort and on the system output increments. The theoretical results are completed by illustrative examples using a dynamic model of a parallel kinematic machine as a controlled system.

Název v anglickém jazyce

Output-Feedback Model Predictive Control for Systems under Uniform Disturbances

Popis výsledku anglicky

The paper deals with an output-feedback model predictive control (MPC) for discrete-time systems influenced by bounded disturbances. The proposed MPC combines a state-space design and a state estimation. The state estimates are obtained by a specific uniform Bayesian filter. It provides an evident disturbance attenuation in the estimated state. The MPC design considers a quadratic cost function that incorporates penalties on the tracking error, on the actuation effort and on the system output increments. The theoretical results are completed by illustrative examples using a dynamic model of a parallel kinematic machine as a controlled system.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20204 - Robotics and automatic control

Projekt

<a href="/cs/project/GA18-15970S" target="_blank" >GA18-15970S: Optimální zpracování externí stochastické znalosti vyjádřené pomocí pravděpodobnostních distribucí</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2020

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název statě ve sborníku

Proceedings of the 7th International Conference on Control, Decision and Information Technologies (CoDIT) 2020

ISBN

978-1-7281-5954-6

ISSN

2576-3555

e-ISSN

—

Počet stran výsledku

6

Strana od-do

897-902

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Prague

Datum konání akce

29. 6. 2020

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—