In this work, an improved Learning Model Predictive Control (LMPC)architecture for autonomous racing is presented. The controller is referencefree and is able to improve lap time by learning from history data of previouslaps. A terminal cost and a sampled safe set are learned from history data toguarantee recursive feasibility and non-decreasing performance at each lap.Improvements have been proposed to implement LMPC on autonomousracing in a more efficient and reliable way. Improvements have been doneon three aspects. Firstly, system identification has been improved to be runin a more efficient way by collecting feature data in subspace, so that thesize of feature data set is reduced and time needed to run sorting algorithmcan be reduced. Secondly, different strategies have been proposed toimprove model accuracy, such as least mean square with/without lifting andGaussian process regression. Thirdly, for reducing algorithm complexity,methods combining different model construction strategies were proposed.Also, running controller in a multi-rate way has also been proposed toreduced algorithm complexity when increment of controller frequency isnecessary. Besides, the performance of different system identificationstrategies have been compared, which include strategy from newton’s law,strategy from classical system identification and strategy from machinelearning. Factors that can possibly influence converged result of LMPCwere also investigated, such as prediction horizon, controller frequency.Experiment results on a 1:10 scaled RC car illustrates the effectiveness ofproposed improvements and the difference of different system identificationstrategies. / I detta arbete, presenteras en förbättrad inlärning baserad modell prediktivkontroll (LMPC) för autonom racing, styralgoritm är referens fritt och har visatsig att kunna förbättra varvtid genom att lära sig ifrån historiska data från tidigarevarv. En terminal kostnad och en samplad säker mängd är lärde ifrån historiskdata för att garantera rekursiv genomförbarhet och icke-avtagande prestanda vidvarje varv.förbättringar har presenterats för implementering av LMPC på autonom racingpå ett mer effektivt och pålitligt sätt. Förbättringar har gjorts på tre aspekter.Först, för system identifiering, föreslår vi att samlar feature data i delrummet,så att storlek på samlade datamängd reduceras och tiden som krävs för attköra sorteringsalgoritm minskas. För det andra, föreslår vi olika strategierför förbättrade modellnoggrannheten, såsom LMS med/utan lyft och Gaussianprocess regression. För det tredje, För att reducerar komplexitet för algoritm,metoder som kombinerar olika modellbygg strategier föreslogs. Att körastyrenhet på ett multi-rate sätt har också föreslagits till för att reduceraalgoritmkomplexitet då inkrementet av styrfrekvensen är nödvändigt.Prestanda av olika systemidentifiering har jämförts, bland annat, Newtonslag, klassisk systemidentifierings metoder och strategier från maskininlärning.Faktorer som eventuellt kan påverka konvergens av LMPC resultat har ocksåundersökts. Såsom, prediktions horisont, styrfrekvensen.Experimentresultat på en 1:10 skalad RC-bilen visar effektiviteten hos föreslagnaförbättringarna och skillnaderna i olika systemidentifierings strategier.

For vehicles equipped with electric motors there exist a possibility to recuperate energy during deceleration. This master’s thesis presents a driver support function, a Predictive Deceleration Control (PDC), that warns the driver when to release the accelerator pedal. If the driver follows the instructions from the function the vehicle will decelerate to an appropriate speed at the upcoming road feature, such as a roundabout. The function should both improve energy consumption and enhance driver comfort. This master’s thesis focused on how such a function can be implemented and a proof of concept was designed in a Matlab/Simulink environment. Within the scope of the proof of concept the function should warn the driver to release the accelerator pedal ahead of roundabouts, intersections, speed limit signs and stop signs. With the help of map information and the vehicle most probable path, the distance to the road features could be determined and the predicted braking distance to these road features could be calculated by the function. A feedforward controller was used to control the deceleration phase and was based on a longitudinal vehicle model. The PDC was tested both in a Lynk & Co 01 and CEVT’s dynamic simulator and the results proved that the function can be implemented in for example a Lynk & Co 01 without any additional hardware needed. However, it requires software that can provide the function with map information. During the tests performed during the master’s thesis, map information was acquired with a frequency of 1 Hz, but for the function to become more robust a higher update frequency is required. / För fordon utrustade med elektriska motorer finns det möjlighet till att återvinna energi under inbromsning. Det här examensarbetet presenterar ett förarhjälpmedel som varnar förare när denna ska släppa accelerationspedalen. Om föraren följer uppmaningen kommer bilen att minska hastigheten till en lämplig ingångshastighet för kommande vägobjekt, till exempel en cirkulationsplats. Funktionen ska både förbättra energiförbrukningen och öka förarstödet. Det här examensarbetet fokuserade på hur en sådan funktion kan implementeras och ett exempel på koncept utvecklades i en Matlab/Simulink miljö. Under utvecklingen av funktionen skulle den prediktiva retardationsregle- ringen varna förare att släppa accelerationspedalen innan cirkulationsplatser, korsningar, hastighetsskyltar och stoppskyltar. Men hjälp av kartdata och fordonets mest troliga väg kunde distansen till nästa vägobjekt bestämmas och den förväntade retardationsdistansen beräknas. Dessa värden användes sedan för att bestämma när föraren ska varnas. Framkopplingsreglering användes för att reglera retardationsförloppet och baserades på en longitudinell fordonsmodell. Den utvecklade funktionen testades både i en Lynk & Co 01 och CEVT:s dynamiska simulator och resultaten visade att funktionen kan implementeras i till exempel en Lynk & Co 01 utan någon extra hårdvara. Dock kräver en implementation av funktionen mjukvara som kan bistå funktionen med kartdata och mest trolig väg för fordonet. Under de utförda testerna i bil samlades kartdata och bilens position in med en frekvens av 1 Hz, men för att funktionens tillförlitlighet ska öka krävs en högre uppdateringsfrekvens.

Predictive Analysis is a process for extracting information from large amounts of data and using it to make qualified predictions about future results. While previously the lack of available data has been a challenge within the field, big questions today are instead how to use the results, and the way in which these are presented in order for the user to be able to take advantage of the information. The purpose of this thesis has been to create hypotheses for how predictive analysis can be used in practical decision-making contexts, whereby the decision- maker is under time pressure, especially with regard to how the result can be visualized. This has been done through a case study at the Uppsala Ambulance Monitoring Center. The method used for the study is called Contextual Design, which has helped create an understanding of the users and the system they work in. Using this understanding, a prototype has been created, which has been tested on the users to see how well they have been able to interpret the information that has been visualized. Predictive analysis has proved to be helpful primarily in less urgent cases and to help the decision maker to differentiate matters similar to each other. For visualization of the predictive results, it has been found that these is better shown as a comparison between the user's decision hypothesis and historical decision results rather than only as an absolute value. Furthermore, it has been found that a high degree of transparency in the information on which the results are based is preferable, but that it is important that clear explanations are given for the results shown.

Bakgrund: E-handeln har på senare år genomgått radikala förändringar och dataanalys kan stå för 10 % av tillväxten hos 56 % av alla e-handelsföretag. Dataanalys erbjuder många fördelar och internationella företag hävdar att 30% av deras försäljning beror på dataanalys. Det finns tre olika lönsamhetsstrategier för att svenska e-handelsföretag ska öka lönsamheten. Dessa är (i) minska kostnader, (ii) öka omsättning, (iii) minska tillgångar och totalt kapital. Studien visar att 35 % av alla svenska e-handelsföretag har inte tillgång till relevanta data och det finns en oro för att dessa företag kommer att ligga efter i utvecklingen. Syfte och frågeställning: Studien syftar till att undersöka om e-handelsföretag tillämpar dataanalys vid utformning av lönsamhetsstrategier och vilka konsekvenser går det att identifiera av detta. Vilka lönsamhetsstrategier väljer svenska e-handelsföretag och hur används dessa strategier i kombination med dataanalys? Tillvägagångssätt: Studien använder en tvärsnittsdesign med datainsamling utifrån enenkätundersökning av e-handelsföretag där 93 respondenter svarat, 5 semi-strukturerade intervjuer och sekundärdata från 20 e-handelsföretag. Till analys av empiri användes univariat- och bivariat analys tillsammans med innehållsanalys. Empiri: Sextiofem av nittiotre respondenter i studien tillämpar dataanalys vid utformningav lönsamhetsstrategier, medan en tredjedel av deltagarna uppger att de inte tillämpardataanalys. Studien visade att de vanligaste analysverktygen är deskriptiv- och preskriptivanalys, medan de vanligaste lönsamhetsstrategierna är ökad omsättningen och minskade kostnader. Slutsats: Är att svenska e-handelsföretag fortfarande saknar resurser och kunskaper för att nyttja dataanalys fullt ut. En tredjedel av svenska e-handelsföretag går miste om fördelarna med dataanalys som även uppskattas bidra till 30 % av ökad försäljning. Dataanalys är den nya oljan och möjliggör för värdeskapande, därmed är slutsatsen av det här arbetet att svenska e-handelsföretag bör utvinna värde ur data och fokusera på att bli mer datadrivna. / Background: Over the last few years e-commerce has undergone radical changes, ten percent of which has been, among 56% of all e-commerce data analysis. Data analysis can provide many advantages; global corporations claim that 30% of their sales depend on it. There are three different strategies that Swedish e-commerce businesses can adopt to increase profitability. These are: 1. Reduce costs. 2. Increase revenue. 3. Minimise assets and total capital. Studies show that 35% of all Swedish e-commerce businesses do not have access to relevant data which could result in limiting future development. Purpose and Research Question: This study intends to examine and contribute to the knowledge of whether Swedish e-commerce businesses apply data analysis when developing profitability strategies. Which profitability strategies are used by Swedish ecommerce businesses and how do they utilise data analysis? Method: This study uses a cross-sectional design involving a survey of many e-commerce businesses of which 93 replied, five semi-structured interviews, and secondary data from 20e-commerce businesses. To analyse the empirical data, we used univariate and bivariate analysis together with content analysis. Empirical data: Sixty five out of ninety-three respondents apply data analysis when developing profitability strategies, but a third of the survey participants answered that they do not use them together. The study showed that the most common analytics tools used are descriptive and prescriptive analysis, whilst the most used profitability strategy is to increase revenue and to reduce costs. Conclusion: Swedish e-commerce businesses still lack the resources and knowledge to fully utilise data analysis. One third of Swedish e-commerce businesses do not take advantage of data analysis, even though it can increase sales by up to 30%. Data analysis is the new oil, which also enables value creation. Therefore, this study’s conclusion is that Swedish e-commerce businesses should utilise data analysis and become more data driven.

Projektet genomfördes i samarbete med Siemens Healthineers i syfte att utreda möjligheter till att prognostisera vårdflöden. Det genom att undersöka hur big data tillsammans med maskininlärning kan utnyttjas för prediktiv analys. Projektet utgjordes av två fallstudier med mål att, baserat på data från tidigare MRT-undersökningar, förutspå undersökningstider för kommande undersökningar respektive identifiera patienter som riskerar att missa inbokad undersökning. Fallstudierna utfördes med hjälp av programmeringsspråket R och tre olika inbyggda funktioner för maskininlärning användes för att ta fram prediktiva modeller för respektive fallstudie. Resultaten från fallstudierna gav en indikation på att det med en större datamängd av bättre kvalitet skulle vara möjligt att förutspå undersökningstider och vilka patienter som riskerar att missa sin inbokade undersökning. Det talar för att den här typen av prediktiva analyser kan användas för att prognostisera vårdflöden, något som skulle kunna bidra till ökad effektivitet och kortare väntetider i vården. / This project was performed in cooperation with Siemens Healthineers. The project aimed to investigate possibilities to forecast healthcare processes by investigating how big data and machine learning can be used for predictive analytics. The project consisted of two separate case studies. Based on data from previous MRI examinations the aim was to investigate if it is possible to predict duration of MRI examinations and identify potential no show patients. The case studies were performed with the programming language R and three machine learning methods were used to develop predictive models for each case study. The results from the case studies indicate that with a greater amount of data of better quality it would be possible to predict duration of MRI examinations and potential no show patients. The conclusion is that these types of predictive models can be used to forecast healthcare processes. This could contribute to increased effectivity and reduced waiting time in healthcare.

Space activities have been increasing dramatically in the past decades. As a result, the number of space debris has also increased significantly. Therefore, it is necessary to clean up and remove them to prevent a collision between space debris and spacecraft. In this thesis, we focus on load transportation using tethers, which connect multiple robots and loads together with lightweight cables. We propose a generalized framework to model and calculate the interaction force for the tethered multi-robot system. Then, we develop centralized and decentralized non-linear Model Predictive Control (MPC) controllers to complete a transportation task. Two simulators, a numerical and physical simulator, are presented and used to evaluate the performance of the controllers. The numerical simulator is used to verify the proposed model and evaluate the controllers for the ideal case. The physical simulator is then used to validate the performance of both centralized and decentralized controllers in real-time settings. Finally, we demonstrate how the proposed controllers perform in two and three-dimensional experiments. / Rymdaktiviteter har ökat dramatiskt under de senaste årtiondena. Som en följd av detta har mängden rymdskräp också ökat avsevärt. Därför är det nödvändigt att rensa upp och avlägsna detta skräp för att förhindra kollisioner mellan rymdskräp och rymdfarkoster. I denna rapport fokuserar vi på transporter av rymdobjekt som är sammanbundna via en lätt kabel. Vi föreslår en allmän metod för att modellera och beräkna interaktionskraften för det förenade multirobotsystemet. Sedan utvecklar vi centraliserad och decentraliserad icke-linjär modell-prediktiv reglering, MPC (eng. Model Predictive Control), för att uppnå transportuppgiften. Två simulatorer, en numerisk och en fysisk simulator, presenteras och används för att utvärdera styrsystemets prestanda. Den numeriska simuleringen används för att verifiera den föreslagna modellen och utforma styrsystemet för det idealiska fallet. Den fysiska simuleringen används sedan för att validera prestandan för både det centraliserade och decentraliserade styrsystem i realtid. Slutligen demonstrerar vi hur de föreslagna styrsystemen utför sig i tre- respektive två-dimensionella experiment.

In a power system it is important to keep voltages at specific levels at network buses. Deviations from that can lead to reduced efficiency of transferred power or, in more severe cases, widespread power outages affecting large parts of society. There exists a variety of power system devices that have the ability to regulate the voltage levels. These devices have maximum and minimum control capacities and may have additional operational constraints. It is desired to keep the control capacity of these actuators close to neutral operation so that they have the ability to respond to future disturbances. Due to the nature of such a control problem, a suitable tool is Model Predictive Control. In this thesis, a centralised model predictive control is designed for long-term voltage stability control of a power system. The system model employed is a two-area power system model, where each area includes a network of generators and loads. The model predictive control regulates the tap position of a tap-changing transformer and the reactive power compensation provided by two capacitor banks. In this thesis, it is shown that a centralised model predictive controller successfully maintains voltages within the desired range for a 3.5 % longer duration compared to a decentralised control approach when facing a voltage collapse scenario. Additionally, thanks to its predictive capabilities, it efficiently dampened oscillations in the post-transient steadystate scenario, leading to a 6.6 % shorter settling time than that observed with the decentralised control approach. / I ett kraftsystem är det viktigt att hålla spänningen på specifika nivåer vid nätverksbussarna. Avvikelser från detta kan leda till nedsatt effektöverföringseffektivitet eller, i allvarligare fall, omfattande strömavbrott som påverkar stora delar av samhället. Det finns en mängd olika kraftsystemsenheter som har förmågan att reglera spänningsnivåerna. Dessa enheter har maximala och minimala kontrollkapaciteter och kan ha ytterligare driftbegränsningar. Det är önskvärt att hålla kontrollkapaciteten hos dessa enheter nära neutral drift så att de har förmågan att svara på framtida störningar. På grund av arten av ett sådant kontrollproblem är ett lämpligt verktyg Model Predictive Control. I den här avhandlingen är en centraliserad modellprediktiv reglering utformad för långsiktig spänningsstabilitetskontroll av ett kraftsystem. Systemmodellen som används är en två-area kraftsystemmodell, där varje område inkluderar ett nätverk av generatorer och belastningar. Kontrollen reglerar varvtalet hos en lindningskopplare och den reaktiva effektkompensationen som tillhandahålls av två kondensatorbanker. I denna avhandling visas det att en centraliserad modell-prediktiv reglering framgångsrikt kan upprätthålla spänningar inom det önskade intervallet under en 3.5 % längre varaktighet jämfört med en decentraliserad styrmetod under ett spänningskollapsscenario. Dessutom, tack vare dess prediktiva kapacitet, dämpade den effektivt svängningar i det post-transienta steady-state-scenariot, vilket ledde till en 6.6 % kortare insvängningstid än den som observerades med den decentraliserade styrmetoden.

Stricter requirements on the reduction of Nitrogen Oxides (NOx) in the emissions of heavy-duty diesel vehicles drives development for more efficient aftertreatment systems. An ammonia covered catalyst is one of the most successful technologies in reducing NOx by converting it into the harmless byproducts water and nitrogen. The ammonia injection control is however difficult due to nonlinearities and the impact of external exhaust parameters. The ammonia coverage ratio depends heavily on the surface temperature of the catalyst and a rapid increase in surface temperature would lead to a rapid decrease in ammonia storage capabilities. If the storage capabilities decrease below the current level of stored ammonia, the excess ammonia will flow into the exhaust and convert to NOx, an undesired phenomenon due to the cost of and the pollution caused by the ammonia released, often referred to as ammonia slip. This issue is further amplified by the fact that the problem is asymmetric, that is injected ammonia cannot be actively removed but has to be reduced by the reaction with the NOx present in the exhaust. As such, it is very important to keep the level of ammonia storage ratio low enough to avoid slipping but at the same time sufficiently high to obtain a satisfactory NOx conversion efficiency. These two issues are the main reasons why feedback control has proven to be difficult to implement to solve the dosing problem. As one has to store a lot of ammonia in order to obtain a satisfactory conversion of NOx, one often cannot react to rapid temperature increases in the catalyst. As such, one often experiences a lot of ammonia slip during these scenarios. In this report it is shown that utilizing predicted parameters of the exhaust in a model predictive controller reduces the ammonia consumption by 38% while also improving the tracking of the NOx conversion reference by 5.5%. / Strängare krav på minskning av kväveoxider (NOx) i utsläpp från tunga dieselfordon driver utvecklingen för ett mer effektivt efterbehandlingssystem. En ammoniakbelagd katalysator är en av de mest framgångsrika tekniker för att minska NOx genom att omvandla det till de ofarliga biprodukterna vatten och kväve. Injeceringen av ammoniak är dock svår att reglera på grund av olinjär dynamik och påverkan av externa avgasparametrar. Täckningsgraden av ammoniak beror starkt på yttemperaturen hos katalysatorn, där en ökning av temperaturen skulle leda till en minskad lagringskapacitet av ammoniak. Om lagringskapaciteten minskar under nuvarande täckningsgraden av ammoniak kommer överskottet av ammoniak att frigöras och strömma ut ur katalysatorn tillsammans med avgaserna och omvandlas till NOx, ett oönskat fenomen på grund av kostnaden för och de föroreningar som orsakas av ammoniaken. Detta problem förvärras av det faktum att problemet är asymmetriskt, dvs injicerad ammoniak kan inte aktivt avlägsnas utan måste reduceras genom att reagera med de befintliga NOx som finns i avgaserna. Därav är det väldigt viktigt att täckningsgraden av ammoniak hålls tillräckligt lågt för att undvika att ammoniaken frigörs men samtidigt tillräckligt hög för att erhålla den önskade omvandlingen av NOx. Dessa två problem är de främsta anledningarna till att reglering med återkoppling har visat sig vara svårt att implementera för att lösa doseringsproblemet. Eftersom det krävs en hög täckningsgraden av ammoniak för att få en önskvärd omvandling av NOx hinner en ofta inte korrigera för snabba temperaturökningar i katalysatorn. Det frigörs därför mycket av den lagrade ammoniaken under dessa scenarier. I denna rapport demonstreras att användandet av predikterade avgasparametrar i en modell prediktiv kontroller minskar ammoniakförbrukningen med 38% samtidigt som den önskade NOx omvandlingen förbättrades med 5.5%.

In this thesis, we develop methods leading towards the distributed control of spatio-temporally constrained systems. Overall, we focus on two different approaches: a model predictive control approach and an approach based on ensuring set-invariance via control barrier functions. Developing a distributed control framework for spatio-temporally constrained systems is challenging since multiple subsystems are interconnected via time-varying state constraints. Often, such constraints are only implicitly given as logic formulas, for example in Signal Temporal Logic (STL). Our approach to dealing with spatio-temporal constraints is as follows. We aim at combining the computational efficiency of low-level feedback controllers with planning algorithms. Low-level feedback controllers shall ensure the satisfaction of parts of spatio-temporal constraints such as coupling state constraints or short term time-constraints. In contrast, planning algorithms account for those parts that require computationally intense planning operations. Powerful low-level controllers can simplify the planning task significantly. For this reason, the focus of this thesis is on the development of low level feedback controllers.  In the first part, we focus on handling coupling state constraints using a model predictive control (MPC) approach. Commonly, the distributed handling of coupling state constraints requires a sequential or iterative MPC scheme which however is computationally time-intense. We address this issue by employing consistency constraints to develop a parallelized distributed model predictive controller (DMPC). By using consistency constraints, each subsystem guarantees to its neighbors that its states stay within a particular neighborhood around a reference trajectory. Furthermore, we propose extensions to robust and iterative schemes. Building up on this, also systems with bounded dynamic couplings can be controlled. In the second part, we focus on methods for ensuring set-invariance. In particular, we focus on control barrier functions (CBF). We show how spatio-temporal constraints that comprise disjunctions (logic OR) can be encoded in non-smooth time-varying control barrier functions and how subgradients can be used to synthesize an efficient gradient-based controller. For these results, controllability assumptions must be invoked. To extend the results to systems with weaker controllability properties, we investigate the connection between controllability properties and the construction of CBFs. As a result, we propose a construction method for CBFs based on finite horizon predictions. The constructed CBF exhibits favorable properties for the extension of the previous results on encoding spatio-temporal constraints in CBFs to systems with weaker controllability properties. At last, we investigate with a case study how set-invariance methods can be used to implicitly coordinate systems subject to coupled state constraints. Our proposed method is fully decentralized and subsystems coordinate themselves purely via their actions and the adjustment of their individual constraints. In the end, we draw a conclusion and outline how the presented results contribute to the development of a distributed control framework for spatio-temporally constrained systems. / I den här avhandlingen utvecklar vi metoder som leder till distribuerad styrning av tillstånds-temporalt begränsade system. Vi följer två olika tillvägagångssätt: å ena sidan en modellprediktiv styrning och å andra sidan ett tillvägagångssätt som bygger på att säkerställa invarians i mängden via kontrollbarriärfunktioner. Det är en utmaning att utveckla ett ramverk för distribuerad styrning för tillstånds-temporalt begränsade system, eftersom flera delsystem är sammankopplade via sina tillståndsbegränsningar som varierar över tiden. Ofta ges sådana begränsningar endast implicit som logiska formler, till exempel i Signal Temporal Logic (STL).  Vår metod för att hantera tillstånds- och tidsmässiga begränsningar är följande. Vi strävar efter att kombinera beräkningseffektiviteten hos återkopplingsregulatorer på låg nivå med planeringsalgoritmer. Återkopplingsregulatorer på låg nivå skall säkerställa att delar av de tillstånds- och tidsmässiga begränsningarna uppfylls, t.ex. sammankopplande tillståndsbegränsningar eller kortsiktiga tidsbegränsningar, medan planeringsalgoritmerna tar hänsyn till de delar som kräver beräkningsintensiva planeringsoperationer. Kraftfulla styrsystem på låg nivå kan förenkla planeringsuppgiften avsevärt. Därför fokuserar vi i denna avhandlingen på utvecklingen av återkopplingsregulatorer på låg nivå.  I den första delen fokuserar vi på att hantera sammankopplande tillståndsbegränsningar för distribuerade system med hjälp av en modell prediktiv styrning (MPC). Vanligtvis kräver den distribuerade hanteringen av kopplingsbegränsningar ett sekventiellt eller iterativt MPC-system som dock är tidskrävande. Därför utvecklar vi en parallelliserad distribuerad modell prediktiv styrning (DMPC) baserad på konsistensbegränsningar. Därigenom garanterar ett delsystem till sina grannar att det håller sig inom ett visst område runt en referensbana. Den generiska formuleringen av vårt DMPC-system möjliggör flera realiseringar. En särskild realisering föreslås. Dessutom utvecklas utvidgningar till ett robust och iterativt system samt ett DMPC-system för system med begränsade dynamiska kopplingar. I den andra delen fokuserar vi på metoder för att säkerställa invariansen av mängder. Vi fokuserar särskilt på kontrollbarriärfunktioner (CBF). Vi visar hur tillstånds- och tidsmässiga begränsningar kan inkodas i icke-glatta tidsvarierande kontrollbarriärfunktioner och hur subgradienter kan användas för att konstruera en effektiv gradientbaserad styrning. För dessa resultat måste antaganden om kontrollerbarhet åberopas. För att utvidga detta resultat till system med svagare kontrollerbarhetsegenskaper undersöker vi kopplingen mellan dynamiska systems kontrollerbarhetsegenskaper och konstruktionen av en CBF. Som ett resultat av detta föreslår vi en konstruktionsmetod för CBF:er som bygger på förutsägelser för ändliga horisonter. Den konstruerade CBF:n uppvisar gynnsamma egenskaper för att utvidga det tidigare resultatet om kodning av rums-temporala begränsningar i CBF:er till system med svagare kontrollerbarhetsegenskaper. Slutligen undersöker vi med hjälp av en fallstudie hur metoder för att säkerställa invariansen av mängder kan användas för att implicit samordna system som är kopplade via tillståndsbegränsningar. Vår föreslagna metod är helt decentraliserad och delsystemen samordnar sig själva endast via sina handlingar och justeringen av sina individuella begränsningar. Slutligen drar vi en slutsats och beskriver hur de presenterade resultaten bidrar till utvecklingen av ett ramverk för distribuerad styrning av tillstånds- och tidsmässigt begränsade system. / <p>QC 20230520</p>

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.