Číslo projektu:
APVV SK-CN-2015-0016
Názov projektu:
CN-SK kooperácia: Robustné prediktívne riadenie a robotika
Typ projektu:
Kooperácie
Začiatok projektu:
00.00.2016
Koniec projektu:
00.00.2017

Názov: Robustné prediktívne riadenie a robotika

Kód projektu: APVV SK-CN-2015-0016

Partneri:

  • Slovenská technická univerzita v Bratislave, Fakulta chemickej a potravinárskej technológie, Oddelenie informatizácie a riadenie procesov (Michal Kvasnica, Juraj Oravec, Monika Bakošová, Bálint Takács, Martin Klaučo, Ján Drgoňa, Daniela Pakšiová)
  • ShanghaiTech University (Boris Houska, Xuhui Feng, Yuning Jiang, Jiaqi Li, Yanlin Zha)

Čas riešenia: 2016-2017

Abstrakt:

Čína a Slovensko majú obrovský potenciál pre inovatívny výskum v robotike a riadenia. Cieľom tohto projektu je umožniť spoluprácu skupiny mladých výskumných pracovníkov, ktorých cieľom je navrhnúť robustné prediktívne riadenie s ohľadom na implementáciu pokročilých riadiacich postupov a ich aplikácia v robotike. Pomocou pokročilých riadiacich nástrojov a s využitím lineárnych maticových nerovností plánujeme vyvíjať softvér na implementáciu riadenia v reálnom čase. Ďalej plánujeme vyvinúť nové druhy autonómnych a inteligentných riadiacich algoritmov pre neurčité systémy, ktoré výrazne prekonajú súčasne riešenia. Výskum budú vykonávať výskumní pracovníci a doktorandi zo Slovenska a z Číny, ktorí sa budú vzájomne pravidelne navštevovať, a tým vytvárať prostriedky pre technologické aj medzikultúrne výmeny. Zároveň sa budeme budovať inovatívny výskum moderných technológií, ktoré budú vzdelávať ďalšiu generáciu výskumníkov v oblasti riadenia procesov a robotiky na Slovensku a v Číne. Vytvorí sa tým obrovský potenciál pre akademické objavy v obidvoch krajinách.

Opis a ciele projektu:

Prediktívne riadenie s modelom (Model Predictive Control, MPC) patrí medzi pokročilé riadenie významne zastúpené v priemysle kvôli schopnosti MPC zohľadniť pri návrhu optimálneho riadenia fyzikálny model systému, ako aj obmedzenia akčných zásahov a výstupov systému. Súčasné pokroky v oblasti vnorených hardvérových platforiem, rovnako ako zásadné zlepšenie v oblasti optimalizačných algoritmov, otvorili dvere k širokému uplatneniu MPC pre systémy s rýchlymi periódami vzorkovania, aké možno nájsť napríklad v mechatronickom a automobilovom priemysle. Aby bolo možné naplno využiť potenciál MPC hlavne pre vnorené systémy a autonómne roboty, potrebujeme najskôr spoľahlivé optimalizačné algoritmy a MPC algoritmy, ktoré budú schopné poradiť si s nelineárnymi systémami, s neurčitými systémami, a s vysoko dynamickými modernými priemyselnými procesmi a robotmi. Nanešťastie, metódy návrhu robustného MPC, ktoré sú schopné zohľadniť neurčité parametre, ešte nie sú aplikovateľné v reálnom čase pre systémy s rýchlymi periódami vzorkovania. V záujme vyriešenia tohto problému, bude cieľom projekt umožniť spoluprácu výskumníkov zo ShanghaiTech a Slovenskej technickej univerzity v Bratislave, ktorí sú odborníkmi v oblasti rýchlych a automaticky generovaných algoritmov MPC, v oblasti návrhu robustného MPC s využitím lineárnych maticových nerovností (LMI) a v aplikácii MPC v oblasti robotiky. Vedecko-výskumné ciele tejto spolupráce sú:
1. vyvinúť pokročilé metódy návrhu robustného MPC pre neurčité systémy,
2. vývoj softvérových nástrojov, ktoré umožnia implementáciu teoretických prínosov na reálne systémy s vysokým významom.
3. vykonať náročné prípadové štúdie implementovaním robustného MPC pre autonómne roboty v ShanghaiTech laboratóriách robotiky a riadenia s cieľom študovať a demonštrovať vyspelosť vyvinutých prístupov na podporu širokej akceptácie zo strany priemyslu.
Tieto dve skupiny budú úzko spolupracovať, aby spoločne vyvinuli technológie robustnej optimalizácie a návrhu robustného riadenia, vyvinuli softvér a implementovali teoretické prístupy na robotických aplikáciach. Vyvinutý softvér bude voľne k dispozícii a testovaný na reálnych robotoch. Výsledky budú zverejnené v časopisoch najvyššej úrovne, na spoločne organizovaných konferenčných stretnutiach a workshopoch, ako aj na projekte trojjazyčnej webovej stránke.

1.-6. mesiac: formulácia robustného MPC založeného na LMI, organizovanie spoločnej konferenčnej diskusie.
7.-12. mesiac: spoločná práca na vývoji softvérovej implementácie. Pre splnenie tohto cieľa sa uskutoční prvá výmena výskumníkov.
13.-18. mesiac: testovanie robustného MPC na reálnom robotickom hardvéri. Pre splnenie tohto cieľa sa uskutoční druhá výmena výskumníkov.
19.-24. mesiac: aktívne prezentovanie dosiahnutých výsledkov na medzinárodných konferenciách a v aspoň jednom prestížnom vedeckom časopise.

Zámerom projektu je položiť základy úspešnej spolupráce, v rámci ktorej bude možné využiť synergický
efekt, kedy sa využijú silné stránky oboch partnerských inštitúcií na dosiahnutie hlavných cieľov projektu.
Slovenskí partneri sa dlhodobo venujú problematike optimálneho riadenia, prediktívneho riadenia a
robustného riadenia. Čínski partneri sa dlhodobo venujú robustnej optimalizácií, nelineárnej optimalizácií, aj
vývoju softvérových nástrojov. Zodpovedný riešiteľ partnerskej organizácie je autorom svetoznámeho
softvérového nástroja ACADO Toolkit na automatizované riadenie a dynamickú optimalizáciu. Tento softvér
je vyvíjaný v programovacom jazyku C++ a obsahuje aj Matlab interface. Okrem toho partnerská
organizácia disponuje úplne novým laboratórnymi procesmi vhodnými na výskum návrhu robustného
riadenia a robustnej optimalizácie.

Publikácie

2021

  1. Y. Jiang – J. Oravec – B. Houska – M. Kvasnica: Parallel MPC for Linear Systems with Input Constraints. IEEE Transactions on Automatic Control, č. 7, zv. 66, str. 3401–3408, 2021.

2017

  1. J. Oravec – Y. Jiang – B. Houska – M. Kvasnica: Parallel Explicit MPC for Hardware with Limited Memory. V Preprints of the 20th IFAC World Congress, Toulouse, France, zv. 20, str. 3356–3361, 2017.

2016

  1. J. Oravec – M. Bakošová: Soft Constraints in the Robust MPC Design via LMIs. V American Control Conference, Boston, Massachusetts, USA, str. 3588–3593, 2016.
  2. J. Oravec – M. Bakošová – A. Mészáros – N. Míková: Experimental Investigation of Alternative Robust Model Predictive Control of a Heat Exchanger. Applied Thermal Engineering, zv. 105, str. 774–782, 2016.
  3. J. OravecM. KalúzP. Bakaráč – M. Bakošová: Improvements of Educational Process of Automation and Optimization Using 2D Plotter. V Preprints of the 11th IFAC Symposium on Advances in Control Education, zv. 11, str. 16–21, 2016.
  4. D. Picard – J. Drgoňa – L. Helsen – M. Kvasnica: Impact of the controller model complexity on MPC performance evaluation for building climate control. V The European Conference on Computational Optimization, Leuven, Belgium, zv. 4, 2016.

Riešitelia

Facebook / Youtube

Facebook / Youtube

RSS