Data and hybrid models of dynamical systems

Abstract

Tato práce prezentuje hybridní přístup k modelování dynamiky pomocí kombinace modelování prvních principů a modelování založeného na datech. Využita je unikátní vlastnost RGP, a to že je schopen přizpůsobit svojí dynamiku online, bez nutnosti předsběru dat během trénování, na časově proměnné aerodynamické síly. Navrhujeme metodu RGPMPC, která používá hybridní model v MPC regulátoru, přičemž mění datově založenou složku hybridního modelu tak, aby zohledňovala rozdíly mezi mod- elem a reálným systémem. Metoda je demonstrována na modelu quadrotoru v simulaci, pomocí simulátoru Gazebo. RGPMPC je schopen sledovat požadovanou trajektorii a přizpůsobit se měnícím se aerodynamickým silám. Tento simulační experiment posky- tuje důkaz, že metoda RGPMPC je schopna zlepšit výkon MPC regulátoru v přítom- nosti neznámých rozdílů mezi modelem a reálným systémem.

Description

Subject(s)

model predictive control, gaussovské procesy, rekurzivní gausovské procesy, dron, hybridní model, modelování vedené daty, modelování z prvních principů, gazebo, simulace, adaptivní řízení, online učení, časově proměnné systémy

Citation

Collections

OPEN License Selector