Data and hybrid models of dynamical systems

Šmíd, Matěj

Data and hybrid models of dynamical systems

dc.contributor.advisor	Duník Jindřich, Doc. Ing. Ph.D.
dc.contributor.author	Šmíd, Matěj
dc.contributor.referee	Bouček Zdeněk, Ing.
dc.date.accepted	2023-6-21
dc.date.accessioned	2024-01-15T23:11:21Z
dc.date.available	2022-10-1
dc.date.available	2024-01-15T23:11:21Z
dc.date.issued	2023
dc.date.submitted	2023-5-22
dc.description.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.	cs
dc.description.abstract-translated	This thesis presents a hybrid approach for modeling and of dynamics by combining first principles modeling and data-driven modeling. An unique property of the RGP is exploited, namely that it is able to fit the dynamics online, without the need for a training run, to fit time-varying aerodynamics. We propose a method RGPMPC, which uses the hybrid model in a MPC controller, while changing the data-driven component of the hybrid model to account for model discrepancies. We demonstrate our method on a model of a quadrotor in simulation, using the Gazebo simulator. The RGPMPC is able to track the desired trajectory and adapt to the changing drag forces present. This simulation experiment provides a proof of concept that the RGPMPC method is able to improve the performance of the MPC controller in the presence of unknown discrepancies in the model.	en
dc.description.result	Obhájeno
dc.format	61s
dc.identifier	93155
dc.identifier.uri	http://hdl.handle.net/11025/55127
dc.language.iso	cs
dc.publisher	Západočeská univerzita v Plzni
dc.rights	Plný text práce je přístupný bez omezení
dc.subject	model predictive control	cs
dc.subject	gaussovské procesy	cs
dc.subject	rekurzivní gausovské procesy	cs
dc.subject	dron	cs
dc.subject	hybridní model	cs
dc.subject	modelování vedené daty	cs
dc.subject	modelování z prvních principů	cs
dc.subject	gazebo	cs
dc.subject	simulace	cs
dc.subject	adaptivní řízení	cs
dc.subject	online učení	cs
dc.subject	časově proměnné systémy	cs
dc.subject.translated	model predictive control	en
dc.subject.translated	gaussian process regression	en
dc.subject.translated	recursive gaus- sian process regression	en
dc.subject.translated	quadrotor	en
dc.subject.translated	hybrid model	en
dc.subject.translated	data-driven model	en
dc.subject.translated	first principles model	en
dc.subject.translated	gazebo	en
dc.subject.translated	simulation	en
dc.subject.translated	adaptive control	en
dc.subject.translated	online learning	en
dc.subject.translated	time-varying systems	en
dc.thesis.degree-grantor	Západočeská univerzita v Plzni. Fakulta aplikovaných věd
dc.thesis.degree-level	Navazující
dc.thesis.degree-name	Ing.
dc.thesis.degree-program	Aplikované vědy a informatika
dc.title	Data and hybrid models of dynamical systems	cs
dc.title.alternative	Data and hybrid models of dynamical systems	en
dc.type	diplomová práce