Xiaohai Lin

Robust and Stochastic Model Predictive Control of Linear Systems with Predictable Additive Disturbance

with Application to Multi-Objective Adaptive Cruise Control


Vorderseite	Rückseite

ISBN:

978-3-8440-7403-1

Reihe:

Forschungsberichte aus dem Fachgebiet für Elektromobilität
Herausgeber: apl. Prof. Dr.-Ing. Daniel Görges
Kaiserslautern

Band:

Schlagwörter:

Model predictive control; robust control; stochastic control; additive disturbance; disturbance prediction; adaptive cruise control

Publikationsart:

Dissertation

Sprache:

Englisch

Seiten:

152 Seiten

Abbildungen:

29 Abbildungen

Gewicht:

224 g

Format:

21 x 14,8 cm

Bindung:

Paperback

Preis:

45,80 € / 57,30 SFr

Erscheinungsdatum:

Juni 2020

Kaufen:

Download:

Verfügbare Online-Dokumente zu diesem Titel:

Sie benötigen den Adobe Reader, um diese Dateien ansehen zu können. Hier erhalten Sie eine kleine Hilfe und Informationen, zum Download der PDF-Dateien.

Bitte beachten Sie, dass die Online-Dokumente nicht ausdruckbar und nicht editierbar sind.
Bitte beachten Sie auch weitere Informationen unter: Hilfe und Informationen.


	Dokument		Gesamtdokument
	Dateiart		PDF
	Kosten		34,35 EUR
	Aktion		Zahlungspflichtig kaufen und anzeigen der Datei - 6,0 MB (6334371 Byte)
	Aktion		Zahlungspflichtig kaufen und download der Datei - 6,0 MB (6334371 Byte)


	Dokument		Inhaltsverzeichnis
	Dateiart		PDF
	Kosten		frei
	Aktion		Anzeigen der Datei - 494 kB (505925 Byte)
	Aktion		Download der Datei - 494 kB (505925 Byte)

Benutzereinstellungen für registrierte Online-Kunden

Sie können hier Ihre Adressdaten ändern sowie bereits georderte Dokumente erneut aufrufen.

Benutzer:	Nicht angemeldet
Aktionen:	Anmelden/Registrieren Passwort vergessen?

Weiterempfehlung:

Sie möchten diesen Titel weiterempfehlen?

Rezensionsexemplar:

Hier können Sie ein Rezensionsexemplar bestellen.

Verlinken:

Sie möchten diese Seite verlinken? Hier klicken.

Export Zitat:

Text
BibTex
RIS

Zusammenfassung:

In this dissertation, novel robust model predictive control (MPC) and stochastic MPC concepts are presented which can efficiently handle a general class of additive disturbances perturbing discrete-time linear time-invariant systems. In particular, methods to use knowledge about the disturbance for improving the performance while ensuring stability and feasibility are proposed. The robust MPC scheme is applied to realize a robust adaptive cruise control (ACC) with which multiple objectives including driving comfort, fuel economy, and recursive satisfaction of constraints can be achieved. Herein the speed of the leading vehicle is considered as an additive disturbance for which a novel prediction procedure is developed. Furthermore, an efficient solver is introduced to ensure the real-time capability of the robust ACC.