Modulbeschreibung
Dynamics and Control
ECTS-Punkte:
Lernziele:
Aufbauend auf der EVA «Data-Driven Science and Engineering» und dem TSM Modul «Model Predictive Control» wird in diesem Modul das Thema Dynamics and Control weiter vertieft. Dabei werden Methoden für lineare und nicht-lineare Systeme betrachtet.
Die vier Teile des Moduls gliedern sich gemäss [3] (Steven L. Brunton und J. Nathan Kutz, Data-Driven Science and Engineering) in Unterabschnitte, welche jeweils in einer oder mehreren Wochen Thema sein sollen.
Ziel soll es sein, den Studenten zu befähigen, lineare und nicht-lineare daten-basierte dynamische Systeme effizient und zielgerichtet zu analysieren und entsprechende Methoden anzuwenden, um daten-basierte dynamische Systeme zu identifizieren, filtern, reduzieren und regeln.
Als Referenz dient das Buch Data-Driven Science and Engineering [3], spezifisch dessen Teil III, einzelne Themen werden mit Inhalten aus [1], [2] und [4] ergänzt.
Kurse in diesem Modul
Dynamics and Control:
Das Modul ist in vier Teile gegliedert und baut auf [3] Teil III auf.
Teil 1: Data-Driven Dynamical Systems (3 Wochen)
- Dynamics Mode Decomposition (DMD)
- Sparse Identification of Nonlinear Dynamics (SINDy)
- Koopman Operator Theory
- Data-Driven Koopman Analysis
Teil 2: Linear Control Theory (3 Wochen)
- Optimal Full-State Control: LQR
- Optimal Full-State Estimation: The Kalmann Filter
- Optimal Sensor-Based Control: LQG
- Robust Control and Frequency Domain Techniques
Teil 3: Balanced Models for Control (4Wochen)
- Model Reduction and System Identification
- Balanced Model Reduction
- System Identification
Teil 4: Data-Driven Control (4 Wochen)
- Nonlinear System Identification for Control
- Machine Learning Control
- Adaptive Extremum-Seeking Control
Disclaimer
Diese Beschreibung ist rechtlich nicht verbindlich! Weitere Informationen finden Sie in der detaillierten Modulbeschreibung.