ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ - ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ SITE MAP | ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ - ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΛΛΗΝΙΚΑ | ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ - ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ Η/Υ & ΠΛΗΡΟΦΟΡΙΚΗΣ ENGLISH
Παρασκευή, 04/12/2015   -   Ομιλίες
Σεμινάριο Τμήματος με τίτλο:"Nέες προσεγγίσεις στη βελτιστοποίηση gradient για την μοντελοποίηση και τον έλεγχο μη γραμμικών συστημάτων άγνωστης δυναμικής: εφαρμογές στη ρομποτική και στα συστήματα ηλεκτρικής ενέργειας",Δρ. Γεράσιμος Ρηγάτος.

Στο πλαίσιο της διοργάνωσης των σεμιναρίων του τμήματος, θα πραγματοποιηθεί την Παρασκευή 04/12/2015 και ώρα 12:00 στην αίθουσα Σεμιναρίων του Τμήματος Μηχανικών Η/Υ και Πληροφορικής, ομιλία με τίτλο "Nέες προσεγγίσεις στη βελτιστοποίηση gradient για την μοντελοποίηση και τον έλεγχο μη γραμμικών συστημάτων άγνωστης δυναμικής: εφαρμογές στη ρομποτική και στα συστήματα ηλεκτρικής ενέργειας". Ομιλητής θα είναι ο Δρ. Γεράσιμος Ρηγάτος.

ΠΕΡΙΛΗΨΗ

Η λειτουργία σύνθετων δυναμικών συστημάτων σε πραγματικές συνθήκες χαρακτηρίζεται από αβεβαιότητα μοντέλου, παραμετρικές μεταβολές και εξωτερικές διαταραχές. Σχήματα ελέγχου για τέτοια μη-γραμμικά συστήματα πρέπει να υλοποιήσουν αναγνώριση (identiification) της άγνωστης δυναμικής και σταθεροποίηση του συστήματος στις επιθυμητές προδιαγραφές λειτουργίας. Πρόκειται για ένα διπλό πρόβλημα βελτιστοποίησης, αφού πρέπει ταυτόχρονα και σε πραγματικό χρόνο να ελαχιστοποιηθεί το σφάλμα μοντέλου και η απόκλιση του διανύσματος κατάστασης του συστήματος από τις επιθυμητές τιμές αναφοράς. Στην κατεύθυνση αυτή πραγματοποιείται ένας αρχικός μετασχηματισμός (διφεομορφισμός) του μοντέλου του συστήματος σε μια ισοδύναμη γραμμικοποιημένη μορφή. Στη νέα αυτή περιγραφή οι μετασχηματισμένες είσοδοι ελέγχου περιέχουν άγνωστες μη γραμμικές συναρτήσεις οι οποίες αναγνωρίζονται με χρήση nonlinear regressors (π.χ. νευροασαφή δίκτυα, wavelet δίκτυα ή άλλες μορφές δικτύων που χρησιμοποιούν μη γραμμικές συναρτήσεις πυρήνα). Η μάθηση των δικτύων αυτών γίνεται με εφαρμογή αλγορίθμων gradient στους οποίους το βήμα αναζήτησης ρυθμίζεται από συνθήκες ελαχιστοποίησης μιας συνολικής συνάρτησης ενέργειας για το σύστημα (συνάρτησης Lyapunov) και από την απαίτηση η συνάρτηση αυτή να έχει πάντοτε αρνητική παράγωγο ώστε να είναι φθίνουσα. Σε κάθε βήμα του αλγορίθμου ελέγχου, οι εκτιμούμενες τιμές για τις μη γραμμικές συναρτήσεις που συνθέτουν τη δυναμική του συστήματος χρησιμοποιούνται από έναν νόμο ελέγχου ανατροφοδότησης κατάστασης. Δείχνεται ότι με την προσέγγιση αυτή επιτυγχάνεται η ελαχιστοποίηση της συνάρτησης ενέργειας του συστήματος, και το σύστημα καθίσταται ολικά ασυμπτωτικά ευσταθές. Η προτεινόμενη μέθοδος είναι εφαρμόσιμη σε όλα τα συστήματα που ικανοποιούν την ιδιότητα της διαφορικής επιπεδότητας (differential flatness). Πρόκειται για την πλέον διευρυμένη κατηγορία μη-γραμμικών δυναμικών συστημάτων στα οποία μπορεί να χρησιμοποιηθεί βελτιστοποίηση και έλεγχος βασισμένος σε μεθόδους gradient, έχοντας αποδεδειγμένη σύγκλιση και ευστάθεια. Παρουσιάζονται παραδείγματα εφαρμογής στη ρομποτική και σε συστήματα ηλεκτροπαραγωγής.

©2010 DEPARTMENT OF COMPUTER SCIENCE & ENGINEERING - UNIVERSITY OF IOANNINA
created by data|SCIENCE

Valid XHTML 1.0 Strict Valid CSS!