Particle Swarm Optimisation for Model Predictive Control Adaptation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F23%3A00574863" target="_blank" >RIV/67985556:_____/23:00574863 - isvavai.cz</a>

Výsledek na webu

<a href="http://dx.doi.org/10.1109/CSCC58962.2023.00030" target="_blank" >http://dx.doi.org/10.1109/CSCC58962.2023.00030</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1109/CSCC58962.2023.00030" target="_blank" >10.1109/CSCC58962.2023.00030</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Particle Swarm Optimisation for Model Predictive Control Adaptation

Popis výsledku v původním jazyce

This paper is focused on parameter identification for Model Predictive Control (MPC). Two identification techniques for parameters of Auto Regressive model with eXogenous input (ARX model) are considered: namely the identification based on Particle Swarm Optimisation (PSO) and Least Square (LS) method. PSO is investigated and LS is presented in square-root form as a reference method for comparison, respectively. The following points are elaborated and discussed: i) parameters’ estimation of ARX model, ii) design of PSO and LS procedures, iii) design of data-driven MPC algorithm in square-root form, iv) concept of possible use of PSO for semiautomatic fine tuning or retuning of MPC parameters. The proposed theoretical procedures are demonstrated using simply reproducible simulation experiments. Application possibilities are discussed towards robotics and mechatronics.

Název v anglickém jazyce

Particle Swarm Optimisation for Model Predictive Control Adaptation

Popis výsledku anglicky

This paper is focused on parameter identification for Model Predictive Control (MPC). Two identification techniques for parameters of Auto Regressive model with eXogenous input (ARX model) are considered: namely the identification based on Particle Swarm Optimisation (PSO) and Least Square (LS) method. PSO is investigated and LS is presented in square-root form as a reference method for comparison, respectively. The following points are elaborated and discussed: i) parameters’ estimation of ARX model, ii) design of PSO and LS procedures, iii) design of data-driven MPC algorithm in square-root form, iv) concept of possible use of PSO for semiautomatic fine tuning or retuning of MPC parameters. The proposed theoretical procedures are demonstrated using simply reproducible simulation experiments. Application possibilities are discussed towards robotics and mechatronics.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20204 - Robotics and automatic control

Projekt

<a href="/cs/project/GC23-04676J" target="_blank" >GC23-04676J: Řiditelná úchopová mechanika: Modelování, řízení a experimenty</a><br>

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2023

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of the 27th International Conference on Circuits, Systems, Communications and Computers - CSCC 2023

ISBN

979-8-3503-3760-0

ISSN

—

e-ISSN

—

Počet stran výsledku

6

Strana od-do

144-149

Název nakladatele

IEEE

Místo vydání

Piscataway

Místo konání akce

Rodos

Datum konání akce

19. 7. 2023

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—