En commande robuste, l'écart entre un processus réel et le modèle choisi pour le décrire est pris en compte dans la conception du contrôleur. Cela revêt une importance essentielle en pratique, car les modèles mathématiques ne peuvent décrire un processus réel que de manière approximative. Il est donc nécessaire que les performances souhaitées, telles que la suppression des perturbations externes et un bon suivi de référence, ainsi que la stabilité du système en boucle fermée, soient garanties non seulement pour le modèle nominal, mais pour toute une famille de modèles. De cette manière, les erreurs de modélisation et d'approximation peuvent être prises en compte. L'objectif de ce projet est le développement de nouvelles techniques de conception pour des contrôleurs H∞ (robustes) dans le cas de systèmes dynamiques de grande dimension d'état et/ou comportant des retards. Pour traiter ce problème, nous envisageons de construire une procédure basée sur l'optimisation qui élabore des contrôleurs réduits en utilisant des techniques adaptatives de réduction de modèle par interpolation sur le modèle de procédé donné.
Conference Papers
- Certifying global optimality for the L∞-norm computation of large-scale descriptor systems, P. Schwerdtner, E. Mengi, and M. Voigt, IFAC-PapersOnLine, 53(2):4279–4284, 2020, 21st IFAC World Congress, Berlin, Germany, https://doi.org/10.1016/j.ifacol.2020.12.2482
- Adaptive sampling for structure-preserving model order reduction of port-Hamiltonian systems, P. Schwerdtner and M. Voigt, IFAC-PapersOnLine, 54(19):143–148, 2021, 7th IFAC Workshop on Lagrangian and Hamiltonian Methods for Nonlinear Control, Berlin, Germany, https://doi.org/10.1016/j.ifacol.2021.11.069
- Optimization-based structured reduced order modeling from frequency samples, P. Schwerdtner and M. Voigt, MATHMOD 2022 Discussion Contribution Volume, vol. 17 of ARGESIM Reports, pp. 79–80, ARGESIM Publisher, Vienna, Austria, 2022, https://doi.org/10.11128/arep.17
- Structure-preserving model reduction of port-Hamiltonian systems by optimization, P. Schwerdtner and M. Voigt, 26th International Symposium on Mathematical Theory of Networks and Systems, pp. 444–447, Cambridge, United Kingdom, 2024
Journal Articles
- SOBMOR: Structured optimization-based model order reduction, P. Schwerdtner and M. Voigt, SIAM J. Sci. Comput., 45(2):A502–A529, 2023, https://doi.org/10.1137/20m1380235
- Fixed-order H-infinity controller design for port-Hamiltonian systems, P. Schwerdtner and M. Voigt, Automatica J. IFAC, 152:110918, 2023, https://doi.org/10.1016/j.automatica.2023.110918
- Optimization-based model order reduction of port-Hamiltonian descriptor systems, P. Schwerdtner, T. Moser, V. Mehrmann, and M. Voigt, Systems Control Lett., 182:105655, 2023, https://doi.org/10.1016/j.sysconle.2023.105655
- Structured optimization-based model order reduction for parametric systems, P. Schwerdtner and M. Schaller, SIAM J. Sci. Comput., 47(1):A72-A101, 2025, https://doi.org/10.1137/22M1524928
Preprints
- Port-Hamiltonian system identification from noisy frequency response data, P. Schwerdtner, arXiv preprint arXiv:2106.11355, June 2021, https://doi.org/10.48550/arXiv.2106.11355
Theses
- H∞ Control for Large-Scale Linear Systems, A. Lahr, Masterarbeit, Technische Universität Berlin, Institut für Mathematik, 2021
- Structured Optimization-Based Reduction, Identification, and Control, P. Schwerdtner, Dissertation, Technische Universität Berlin, Institut für Mathematik, 2023, https://depositonce.tu-berlin.de/items/73c79868-a5d2-4571-8b38-2cb0101989e5
Software
