< Terug naar vorige pagina

Project

Datagedreven modellering en regeling van niet-lineaire trillingen: synergie van systeemidentificatie en machine learning werelden

Moderne computers zorgen voor een steeds eenvoudigere en efficiëntere verwerking van grote hoeveelheden gegevens. Om deze redenen worden systeemidentificatie en vooral machine learning-technieken steeds populairder op het gebied van mechanica. Daarom zal dit onderzoek, in lijn met de huidige ontwikkelingen, sterk datagedreven zijn. Bovendien is het specifiek gericht op niet-lineaire systemen, aangezien industriële systemen steeds complexer worden en bijgevolg hun mate van niet-lineariteit steeds hoger wordt. In de regeltechniek worden echter doorgaans lineaire modellen verondersteld, omdat ze het ontwerp en de analyse van besturingen aanzienlijk vergemakkelijken. Toch kunnen niet-lineaire fenomenen vaak niet meer genegeerd worden, wat de noodzaak aantoont van toekomstige ingenieurs die met dergelijke niet-lineaire fenomenen om kunnen gaan. In dit opzicht zijn mogelijke onderzoeksdoelstellingen dynamische linearisatie van input-outputrelaties, of directe controle van zeer niet-lineaire systemen, dit alles met gebruikmaking van datagestuurde technieken.

Datum:17 mei 2021 →  Heden
Trefwoorden:Nonlinear system identification, Machine learning, Control
Disciplines:Control engineering, Signalen en systemen
Project type:PhD project