Interpolation based computationally efficient predictive control

Rossiter, J.A.; Kouvaritakis, B.; Bacic, Marko

doi:10.1080/00207170310001655327

Cited by 53 publications

(53 citation statements)

References 13 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Additionally, evaluation points can be introduced to evaluate the control variables at specific time instants and not over the entire prediction horizon [83]. Another approach that can be employed for complexity reduction is linear interpolation between precomputed predicted trajectories with desirable characteristics [97,98]. Each predicted trajectory is tuned to achieve different objectives, i.e., optimal performance or maximum feasibility.…”

Section: Modified On-line Mpc For Embedded Control Systemsmentioning

confidence: 99%

Embedded Control in Wearable Medical Devices: Application to the Artificial Pancreas

et al. 2016

View full text Add to dashboard Cite

Significant increases in processing power, coupled with the miniaturization of processing units operating at low power levels, has motivated the embedding of modern control systems into medical devices. The design of such embedded decision-making strategies for medical applications is driven by multiple crucial factors, such as: (i) guaranteed safety in the presence of exogenous disturbances and unexpected system failures; (ii) constraints on computing resources; (iii) portability and longevity in terms of size and power consumption; and (iv) constraints on manufacturing and maintenance costs. Embedded control systems are especially compelling in the context of modern artificial pancreas systems (AP) used in glucose regulation for patients with type 1 diabetes mellitus (T1DM). Herein, a review of potential embedded control strategies that can be leveraged in a fully-automated and portable AP is presented. Amongst competing controllers, emphasis is provided on model predictive control (MPC), since it has been established as a very promising control strategy for glucose regulation using the AP. Challenges involved in the design, implementation and validation of safety-critical embedded model predictive controllers for the AP application are discussed in detail. Additionally, the computational expenditure inherent to MPC strategies is investigated, and a comparative study of runtime performances and storage requirements among modern quadratic programming solvers is reported for a desktop environment and a prototype hardware platform.

show abstract

Section: Modified On-line Mpc For Embedded Control Systemsmentioning

confidence: 99%

Embedded Control in Wearable Medical Devices: Application to the Artificial Pancreas

et al. 2016

View full text Add to dashboard Cite

show abstract

“…Earlier proposals using just one d.o.f. gave limited feasibility gains or even non-convex feasibility regions [9] and thus, although useful at times, it was difficult to make any a priori statements.…”

Section: Gimpc2β: Reducing the Number Of Degrees Of Freedommentioning

confidence: 99%

“…A common objective in the MPC community is guaranteeing asymptotic stability and recursive constraint satisfaction for a set of initial states that is as large as possible and with both a minimal control cost and computational load. Interpolation techniques [9], [1] provide a favorable trade off between these different aspects. Typically there is a conflict existing between the computational efficiency, which depends on the number of d.o.f., the volume of the feasible region and the performance.…”

Section: Introductionmentioning

confidence: 99%

Comparisons of Interpolation Methods for the uncertain case

Ding

Rossiter

2007

2007 American Control Conference

View full text Add to dashboard Cite

A recent paper [13] proposed a new interpolation method which can enlarge feasible regions but requires fewer degrees of freedom then many existing approaches. This paper shows that one can use some, by now, common techniques to extend this to the uncertain case. Moroever, the paper gives a proper critique by providing a comparison with many existing interpolation methods. In addition, the example section makes use of some higher order examples whereas earlier papers have tended to focus on 2nd order models only. These examples demonstrate that the proposed approach has a useful place in the portfolio of algorithms available to a designer.

show abstract

“…En Rossiter et al, 2004) esta solución se calcula para el caso en que las perturbaciones que afectan al sistema lleven al mismo a la región no factible. En ese caso, la solución óptima resulta no factible, por lo que, eventualmente, el algoritmo de control aplicará una interpolación entre la solución óptima LQ y la solución ML.…”

Section: Interpolación Lq+mlunclassified

Seguimiento de Trayectorias en Robots Manipuladores: Revisión de Soluciones y Nuevas Propuestas

Torres

Méndez

2009

Revista Iberoamericana de Automática e Informática Industrial R

View full text Add to dashboard Cite

Resumen: El problema del seguimiento de trayectoria en robots manipuladores ha sido abordado aplicando una gran variedad de controladores, desde estructuras sencillas basadas en PD hasta otras más complejas basadas en controladores adaptativos y robustos. Estas últimas técnicas presentan inconvenientes como la presunción de ciertas cotas en los términos de la ecuación dinámica del robot o la no inclusión de las ligaduras del sistema en el algoritmo de control. En el presente trabajo se hace una revisión de las técnicas clásicas de control de manipuladores y se introduce un conjunto de técnicas novedosas de control robusto y de control predictivo, con las que se evitan los problemas comentados. En particular se describe un controlador con una acción robusta autoadaptativa, necesaria para evitar los errores en la cancelación de términos no lineales de la dinámica del robot. Este esquema es mejorado mediante técnicas predictivas que permiten la inclusión de las ligaduras de movimiento del robot en el algoritmo de control. Se incluyen resultados reales y en simulación en un robot PUMA-560 de Unimation que prueban la bondad de dichos controladores. Copyright © 2009 CEA.Palabras Clave: Manipuladores robot, Control Robusto, Control Adaptativo, Control Autoadaptativo, Control Predictivo, Implementación, Tareas en tiempo real. INTRODUCCIÓNEl problema de controlar el movimiento de robots manipuladores ha sido abordado tradicionalmente con controladores PID, controladores PD con compensación de gravedad o técnicas basadas en control dinámico inverso (Barrientos, 2007). Incluso han sido propuestas estrategias basadas en control difuso (Jin, 1998, Torres et al., 2000 Londoño y Arias, 2003).Los controladores PID y difuso no tienen en cuenta la dinámica del sistema, pero sólo son excepciones, porque se utilizan únicamente para resolver el problema de regulación, por ejemplo, el movimiento de un punto a otro punto sin imponer el seguimiento de una trayectoria específica. El resto de controladores, empleados para solucionar el problema del seguimiento de trayectoria, utilizan el modelo dinámico para calcular la acción de control. Así, por ejemplo, con el modelo se evalúa el término de gravedad en el caso de compensación de gravedad o el término no lineal en el caso de control dinámico inverso (Freund, 1982), denominado en robótica como linealización por realimentación.Esta última técnica está basada en un conocimiento exacto del modelo del robot y de sus parámetros dinámicos. Si se satisfacen estas dos premisas, se consigue una cancelación perfecta de la dinámica no lineal. Con ello se pueden aplicar controladores lineales que presentan en ese caso un rendimiento satisfactorio (Freund, 1982;Kreutz, 1989).Otras técnicas que posibilitan la aplicación de controladores lineales son la linealización local en torno a la trayectoria deseada (Desa and Roth, 1985;Torres et al., 2002), la linealización haciendo uso de la propiedad de parametrización lineal del robot rígido (Reed and Ioannou, 1988;Spong, 1992), y las técnicas basadas en la...

show abstract

Interpolation based computationally efficient predictive control

Abstract: This paper investigates interpolation based predictive control and presents a study of the properties and therefore limitations of the approach. This understanding is used to develop an efficient algorithm with guarantees of recursive feasibility and stability.

Cited by 53 publications

References 13 publications

Embedded Control in Wearable Medical Devices: Application to the Artificial Pancreas

Embedded Control in Wearable Medical Devices: Application to the Artificial Pancreas

Comparisons of Interpolation Methods for the uncertain case

Seguimiento de Trayectorias en Robots Manipuladores: Revisión de Soluciones y Nuevas Propuestas

Contact Info

Product

Resources

About