The freight transport plays an important role in the development of the economy. However, this comes with an important contribution to greenhouse gas emission. Recently a shift toward heavy-duty electric vehicles has been made, but some issues still need to be tackled. One of them is to develop ways to quickly recharge the vehicle’s batteries without damaging them. In this thesis, we highlight that not only the current but also the battery temperature need to be carefully managed in order to prevent damages during a charging session. To show that, an electrical, thermal and aging model of Li-ion battery is developed. A charging strategy based on a Model Predictive Control algorithm is proposed. The algorithm controls both the battery current and cooling system in order to achieve the optimal balance between the charging speed and the preservation of the battery. The resulting algorithm is tested, in simulation, against a conventional constant current charging in different charging scenarios. The results show an important increase in performance and highlight the role of the battery cooling system in the preservation of the battery. / Godstransporterna spelar en viktig roll för ekonomins utveckling. Detta innebär dock ett betydande bidrag till utsläppen av växthusgaser. På senare tid har en övergång till tunga elfordon skett, men vissa frågor måste fortfarande lösas. En av dem är att utveckla metoder för att snabbt ladda fordonsbatterierna utan att skada dem. I den här avhandlingen lyfter vi fram att inte bara strömmen utan även batteritemperaturen måste hanteras noggrant för att förhindra skador under en laddning. För att visa detta utvecklas en elektrisk, termisk och åldrande modell för Li-ion-batterier. En laddningsstrategi baserad på en algoritm för modellförutsägbar styrning föreslås. Algoritmen styr både batteriströmmen och kylsystemet för att uppnå en optimal balans mellan laddningshastighet och bevarande av batteriet. Den resulterande algoritmen testas i simulering mot en konventionell konstantström laddning i olika laddningsscenarier. Resultaten visar en betydande ökning av prestanda och belyser batterikylsystemets betydelse för bevarandet av batteriet.

The aim of this project was to compare two control algorithms designed to steer an autonomous vehicle. The comparison was made using a simulated environment to evaluate the performance of both controllers. The simulation used in this project was designed in Python and used an algorithm which randomly constructed roads from predefined road segments to create paths for the vehicle to follow. In this environment the Linear Time Varying (LTV)-Model Predictive Controller (MPC) and Pure Pursuit Controller (PPC) algorithms were evaluated. The thesis compared how well they follow paths, the average control cost of completing tasks, how well they handle input constraints, and the computational time for each algorithm. The data was collected by driving along three sets of randomly generated roads with both control algorithms. One set mostly straight, one with some turns, and one with mostly turns. An Analysis of Variance (ANOVA) test was used to make the comparison between the performance of the two algorithms. The results showed that both algorithms performed well. The PPC had low computation time and used less control, but it also had larger position errors. The LTV-MPC had higher computation time, but smaller position errors at the cost of larger control values. The conclusion is that the MPC is preferable if computational capabilities are available. Room for future work exists in the form of comparing additional controller types for autonomous vehicles and exploring different tuning parameters for the MPC controller. The simulation could also be expanded to more accurately reflect real world conditions. / Målet med detta projekt var att jämföra två kontrollalgoritmer avsedda för att styra en självkörande bil. Jämförelsen gjordes med hjälp av en simulering som utformades i Python. Den använde sig av en algoritm som slumpmässigt satte ihop vägar från förkonstruerade delar för att skapa banor för den självkörande bilen att följa. I denna miljö har vi testat två algoritmer, en LTV-MPC och en PPC. Vi jämförde hur pass väl de följer banor som skall likna riktiga vägar, hur mycket styrning de använder sig av för att bedöma energianvändning, hur väl de förhåller sig till begränsningar på acceleration och styrning, och den beräkningstiden som krävdes för att köra vår algoritm. Datan samlades genom att köra längs med tre grupper av slumpmässigt genererade vägar med båda kontrollalgoritmerna. En grupp innehöll huvudsakligen raka sträckor, en innehöll en del svängar, och en innehöll mycket svängar. ANOVA-testet användes för att göra jämförelsen mellan resultatet av dessa två algoritmer. Resultatet visade att båda algoritmer presterar väl. PPCn hade låg beräkningstid och mindre styrvärden, men större positionsfel. MPCn hade högre beräkningstid och större styrvärden, men mindre positionsfel. Slutsatsen är att MPCn är att föredra om beräkningsmöjligheterna finns tillgängliga. Det finns utrymme för framtida arbete i form av att jämföra fler kontrollalgoritmer och att utforska fler parameter justeringar för MPCn. Utöver det finns det även utrymme för en simulation som reflekterar verkligheten noggrannare.

In recent years, mobile robots have gained tremendous attention from the entire society: the industry is aiming at selling more intelligent products while the academia is improving their performance from all perspectives. Real world examples include autnomous driving vehicles, multirotors, legged robots, etc. One of the challenging tasks commonly faced by all game players, and all robotics platforms, is to plan motion or locomotion of the robot, calculate an optimal trajectory according to certain criterion and control it accordingly. Difficulty of solving such task usually arises from high-dimensionality and complexity of the system dynamics, fast changing conditions imposed as constraints and necessity for real-time deployment. This work proposes a method over the aforementioned mission by solving an optimal control problem in a receding horizon fashion. Unlike the existing Sequential Linear Quadratic [1] algorithm which is a continuous-time variant of Differential Dynamic Programming [2], we tackle the problem in a discretized multiple shooting fashion. Sequential Quadratic Programming is employed as optimization technique to solve the constrained Nonlinear Programming iteratively. Moreover, we apply trust region method in the sub Quadratic Programming to handle potential indefiniteness of Hessian matrix as well as to improve robustness of the solver. Simulation and benchmark with previous method have been conducted on robotics platforms to show the effectiveness of our solution and superiority under certain circumstances. Experiments have demonstrated that our method is capable of generating trajectories under complicated scenarios where the Hessian matrix contains negative eigenvalues (e.g. obstacle avoidance). / De senaste åren har mobila robotar fått enorm uppmärksamhet från hela samhället: branschen siktar på att sälja mer intelligenta produkter samtidigt som akademin förbättrar sina prestationer ur alla perspektiv. Exempel på verkligheten inkluderar autonoma körande fordon, multirotorer, robotar med ben, etc. En av de utmanande uppgifterna som vanligtvis alla spelare och alla robotplattformar står inför är att planera robotens rörelse eller rörelse, beräkna en optimal bana enligt vissa kriterier och kontrollera det därefter. Svårigheter att lösa en sådan uppgift beror vanligtvis på hög dimensionalitet och komplexitet hos systemdynamiken, snabbt föränderliga villkor som åläggs som begränsningar och nödvändighet för realtidsdistribution. Detta arbete föreslår en metod över det tidigare nämnda uppdraget genom att lösa ett optimalt kontrollproblem på ett vikande horisont. Till skillnad från den befintliga Sequential Linear Quadratic [1] algoritmen som är en kontinuerlig tidsvariant av Differential Dynamic Programming [2], tar vi oss an problemet på ett diskretiserat multipelfotograferingssätt. Sekventiell kvadratisk programmering används som optimeringsteknik för att lösa den begränsade olinjära programmeringen iterativt. Dessutom tillämpar vi trust region-metoden i den sub-kvadratiska programmeringen för att hantera potentiell obestämdhet av hessisk matris samt för att förbättra lösarens robusthet. Simulering och benchmark med tidigare metod har utförts på robotplattformar för att visa effektiviteten hos vår lösning och överlägsenhet under vissa omständigheter. Experiment har visat att vår metod är kapabel att generera banor under komplicerade scenarier där den hessiska matrisen innehåller negativa egenvärden (t.ex. undvikande av hinder).

The developments of advanced non-linear control strategies have attracted a considerable research interests over the past decades especially in process control. Rather than an absolute reliance on mathematical models of process plants which often brings discrepancies especially owing to design errors and equipment degradation, non-linear models are however required because they provide improved prediction capabilities but they are very difficult to derive. In addition, the derivation of the global optimal solution gets more difficult especially when multivariable and non-linear systems are involved. Hence, this research investigates soft computing techniques for the implementation of a novel real time constrained non-linear model predictive controller (NMPC). The time-frequency localisation characteristics of wavelet neural network (WNN) were utilised for the non-linear models design using system identification approach from experimental data and improve upon the conventional artificial neural network (ANN) which is prone to low convergence rate and the difficulties in locating the global minimum point during training process. Salient features of particle swarm optimisation and a genetic algorithm (GA) were combined to optimise the network weights. Real time optimisation occurring at every sampling instant is achieved using a GA to deliver results both in simulations and real time implementation on coupled tank systems with further extension to a complex quadruple tank process in simulations. The results show the superiority of the novel WNN-NMPC approach in terms of the average controller energy and mean squared error over the conventional ANN-NMPC strategies and PID control strategy for both SISO and MIMO systems.

Les exigences croissantes sur l'efficacité énergétique des bâtiments, l'évolution du {marché} énergétique, le développement technique récent ainsi que les particularités du poste de chauffage ont fait du MPC le meilleur candidat pour la régulation thermique des bâtiments à occupation intermittente. Cette thèse présente une méthodologie basée sur la commande prédictive distribuée visant un compromis entre l'optimalité, la simplicité et la flexibilité de l'implantation de la solution proposée. Le développement de l'approche est progressif : à partir du cas d'une seule zone, la démarche est ensuite étendue au cas multizone et / ou multisource, avec la prise en compte des couplages thermiques entre les zones adjacentes. Après une formulation quadratique du critère MPC pour mieux satisfaire les objectifs économiques du contrôle, la formulation linéaire est retenue. Pour répartir la charge de calcul, des méthodes de décomposition linéaire (comme Dantzig-Wolfe et Benders) sont employées. L'efficacité des algorithmes distribués proposés est illustrée par diverses simulations. / The increasing requirements on energy efficiency of buildings, the evolution of the energy market, the technical developments and the characteristics of the heating systems made of MPC the best candidate for thermal control of intermittently occupied buildings. This thesis presents a methodology based on distributed model predictive control, aiming a compromise between optimality, on the one hand, and simplicity and flexibility of the implementation of the proposed solution, on the other hand. The development of the approach is gradually. The mono-zone case is initially considered, then the basic ideas of the solution are extended to the multi-zone and / or multi-source case, including the thermal coupling between adjacent zones. Firstly we consider the quadratic formulation of the MPC cost function, then we pass towards a linear criterion, in order to better satisfy the economic control objectives. Thus, linear decomposition methods (such as Dantzig-Wolfe and Benders) represent the mathematical tools used to distribute the computational charge among the local controllers. The efficiency of the distributed algorithms is illustrated by simulations.

Cette thèse porte sur l’application des approches de commande prédictive pour l’optimisation des démarrages des centrales à cycles combinés. Il s’agit d’une problématique à fort enjeu qui pose des défis importants. L’élaboration des approches est progressive. Dans une première partie un modèle de centrale est construit et adapté à l’optimisation, en utilisant une méthodologie qui transforme des modèles physiques Modelica conçus pour la simulation en des modèles pour l’optimisation. Cette méthodologie a permis de construire une bibliothèque adaptée à l’optimisation. La suite des travaux porte sur l’utilisation du modèle afin d’optimiser phase par phase les performances du démarrage. La solution proposée optimise, en temps continu, le profil de charge des turbines en recherchant dans des ensembles de fonctions particulières. Le profil optimal est déterminé en considérant que celui-ci peut être décrit par une fonction paramétrée dont les paramètres sont calculés en résolvant un problème de commande optimale sous contraintes. La dernière partie des travaux consiste à intégrer cette démarche d’optimisation à temps continu dans une stratégie de commande à horizon glissant. Cette approche permet d’une part de corriger les dérives liées aux erreurs de modèles et aux perturbations, et d’autre part, d’améliorer le compromis entre le temps de calcul et l’optimalité de la solution. Cette approche de commande conduit cependant à des temps de calcul importants. Afin de réduire le temps de calcul, une structure de commande prédictive hiérarchisée avec deux niveaux, en travaillant à des échelles de temps et sur des horizons différents, a été proposée. / This thesis focuses on the application of model predictive control approaches to optimize the combined cycle power plants start-ups. Generally, the optimization of start-up is a very problematic issue that poses significant challenges. The development of the proposed approaches is progressive. In the first part a physical model of plant is developed and adapted to optimization purposes, by using a methodology which transforms Modelica model components into optimization-oriented models. By applying this methodology, a library suitable for optimization purposes has been built.In the second part, based on the developed model, an optimization procedure to improve the performances of the start-up phases is suggested. The proposed solution optimizes, in continuous time, the load profile of the turbines, by seeking in specific sets of functions. The optimal profile is derived by considering that this profile can be described by a parameterized function whose parameters are computed by solving a constrained optimal control problem. In the last part, the open-loop optimization procedure has been integrated into a receding horizon control strategy. This strategy represents a robust solution against perturbation and models errors, and enables to improve the trade-off between computation time and optimality of the solution. Nevertheless, the control approach leads to a significant computation time. In order to obtain real-time implementable results, a hierarchical model predictive control structure with two layers, working at different time scales and over different prediction horizons, has been proposed.

This thesis describes the theory of model predictive control and application of the theory to synchronous drives. It shows explicit and on-line solutions and compares the results with classical vector control structure.

Cette thèse porte sur l'optimisation et la commande prédictive des centrales de production d'énergie en utilisant des modèles physiques des installations. Les modèles sont réalisés à l'aide du langage Modelica, un langage équationnel adapté à la modélisation de systèmes multi-physiques. La modélisation de systèmes physiques dans ce langage est présentée dans une première partie, ainsi que les traitements symboliques réalisés par les compilateurs Modelica pour mettre les modèles sous une forme adaptée à l'optimisation. On présente dans une seconde partie le développement d'une méthode d'optimisation dynamique hybride pour les centrales de production d'énergie, qui fournit une trajectoire optimisée de l'installation sur un horizon long. Les trajectoires calculées incluent les trajectoires des commandes continues ainsi que les décisions d'engagement des différents équipements. L'algorithme d'optimisation combine la méthode de collocation et une méthode nommée Sum Up Rounding (SUR) pour la prise en compte des décisions d'engagement. Un algorithme de commande prédictive (MPC) est enfin introduit afin de garantir le suivi des trajectoires optimales et de prendre en compte en temps réel la présence de perturbations et les erreurs du modèle d'optimisation. L'algorithme MPC utilise des modèles linéarisés tangents générés automatiquement à partir du modèle non linéaire. / This thesis deals with hybrid optimal control and Model Predictive Control (MPC) of power plants by use of physical models. Models of the facilities are developped with Modelica, an equation based language tailored for modelling multi-physics systems. Modeling of physical systems with Modelica is introduced in a first part, as well as some of the symbolic processing done by Modelica compilers that transform the original model to a form suited for optimization. Then, a method to solve optimal control problems on hybrid systems (such as power plants) is presented. This methods provides an optimal trajectory for the power plant on a long horizon. The optimal trajectory computed by the method includes the trajectories of continuous inputs as well as switching decisions for components in the plant. The optimization algorithm combines the collocation method and a method named Sum Up Rounding (SUR) for dealing with switches. Finally, a Model Predictive Controller is developped in order to follow this optimal trajectory in real time, and to cope with disturbances on the actual system and modelling errors. The proposed MPC uses tangent linear models of the plant that are derived automatically from the nonlinear model.

Le thème principal de ce mémoire est la commande sous contraintes pour des systèmes à retard, en tenant compte de la problématique d’échantillonnage (où les informations concernant le système en temps continu sont, par exemple, envoyées par un réseau de communication) et de la présence de contraintes sur les trajectoires du système et sur l’entrée de commande. Pendant le processus d’échantillonnage, le retard variable dans le temps peut être traité comme une incertitude, le but étant de confiner cette variation dans un polytope, de façon à couvrir toutes les variations possibles du retard. Pour stabiliser des systèmes à retard, nous nous sommes basés sur la théorie de Lyapunov. En utilisant cette méthode, nous pouvons trouver un retour d’état qui stabilise le système malgré la présence du retard variable dans la boucle. Une autre possibilité est l’utilisation des candidates de Lyapunov-Krasovskii. La théorie des ensembles invariants est largement utilisée dans ce manuscrit, car il est souhaitable d’obtenir une région de ≪ sûreté ≫, ou le comportement du système est connu, en dépit de la présence du retard (variable) et des contraintes sur les trajectoires du système. Lorsqu’ils sont obtenus dans l’espace d’état augmenté, les ensembles invariants sont très complexes, car la dimension de l’espace Euclidien sera proportionnelle à la taille du système mais aussi à la taille du retard. Le concept de D-invariance est ainsi proposé. La commande prédictive (en anglais MPC) est présentée, pour tenir compte des contraintes sur les trajectoires et appliquer une commande optimale à l’entrée du système. / The main interest of the present thesis is the constrained control of time-delay system, more specifically taking into consideration the discretization problem (due to, for example, a communication network) and the presence of constraints in the system’s trajectories and control inputs. The effects of data-sampling and modeling problem are studied in detail, where an uncertainty is added into the system due to additional effect of the discretization and delay. The delay variation with respect to the sampling instants is characterized by a polytopic supra-approximation of the discretization/delay induced uncertainty. Some stabilizing techniques, based on Lyapunov’s theory, are then derived for the unconstrained case. Lyapunov-Krasovskii candidates were also used to obtain LMI conditions for a state feedback, in the ``original” state-space of the system. For the constrained control purposes, the set invariance theory is used intensively, in order to obtain a region where the system is ``well-behaviored”, despite the presence of constraints and (time-varying) delay. Due to the high complexity of the maximal delayed state admissible set obtained in the augmented state-space approach, in the present manuscript we proposed the concept of set invariance in the ``original” state-space of the system, called D-invariance. Finally, in the las part of the thesis, the MPC scheme is presented, in order to take into account the constraints and the optimality of the control solution.

Actuellement la nécessité des systèmes d’alimentation d’énergie, capables d’assurer un fonctionnement stable dans des domaines de fonctionnement assez larges avec des bonnes performances dynamiques (rapidité du système, variations limitées de la tension de sortie en réponse aux perturbations de charge ou de tension d’alimentation), devient de plus en plus importante. De ce fait, cette thèse est orientée sur la commande des convertisseurs de puissance DC-DC représentés par des modèles hybrides.En tenant compte de la structure variable de ces systèmes à commutation, un modèle hybride permet de décrire plus précisément le comportement dynamique d’un convertisseur dans son domaine de fonctionnement. Dans cette optique, l’approximation PWA est utilisée afin de modéliser les convertisseurs DC-DC. A partir des modèles hybrides développés, on s’est intéressé à la stabilisation des convertisseurs au moyen des correcteurs à gains commutés élaborés sur la base de fonctions de Lyapunov PWQ, et à l’implantation d’une commande prédictive explicite, en considérant des contraintes sur l’entrée de commande. La méthode de modélisation et les stratégies de commande proposées ont été appliquées sur deux topologies : un convertisseur buck, afin de mieux maîtriser le réglage des correcteurs et un convertisseur flyback avec filtre d’entrée. Cette dernière topologie nous a permis de répondre aux difficultés du point de vue de la commande (comportement à déphasage non-minimal) rencontrées dans la majorité des convertisseurs DC-DC. Les performances des commandes élaborées ont été validées en simulation sur les topologies considérées et expérimentalement sur une maquette du convertisseur buck. / Lately, power supply systems, guaranteeing the global stability for large enough operation ranges with good dynamic performances (small settling time, bounded overshoot of the output voltage in the presence of load or supply voltage variations), are strongly needed. Therefore, this thesis deals with control problems of DC-DC power converters represented by hybrid models.Considering the variable structure of these switched systems, a hybrid model describes more precisely the converter’s dynamics in its operating domain. From this perspective, a PWA (piecewise affine) approximation is used in order to model the DC-DC converters. Based on the developed hybrid models, first we have designed a stable piecewise linear state-feedback controller using piecewise quadratic (PWQ) Lyapunov functions, and secondly, we have implemented an explicit predictive control law taking into account constraints on the control input. The hybrid modeling technique and the proposed control strategies were applied on two different topologies of converters: a buck converter, in order to have a thorough knowledge of the controllers’ tuning, and a flyback converter with an input filter. This last topology, allowed us to manage different control problems (non-minimum phase behavior) encountered in the majority of topologies of DC-DC power converters. The controllers’ performances were validated in simulation on both considered topologies and also experimentally on buck converter.