Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Nous utilisons des cookies dans le but suivant :
Assurer le bon fonctionnement du site web, améliorer la sécurité et prévenir la fraude
Avoir un aperçu de l'utilisation du site web, afin d'améliorer son contenu et ses fonctionnalités
Pouvoir vous montrer les publicités les plus pertinentes sur des plateformes externes
Club utilise des cookies et des technologies similaires pour faire fonctionner correctement le site web et vous fournir une meilleure expérience de navigation.
Ci-dessous vous pouvez choisir quels cookies vous souhaitez modifier :
Cookies techniques et fonctionnels
Ces cookies sont indispensables au bon fonctionnement du site internet et vous permettent par exemple de vous connecter. Vous ne pouvez pas désactiver ces cookies.
Cookies analytiques
Ces cookies collectent des informations anonymes sur l'utilisation de notre site web. De cette façon, nous pouvons mieux adapter le site web aux besoins des utilisateurs.
Cookies marketing
Ces cookies partagent votre comportement sur notre site web avec des parties externes, afin que vous puissiez voir des publicités plus pertinentes de Club sur des plateformes externes.
Une erreur est survenue, veuillez réessayer plus tard.
Il y a trop d’articles dans votre panier
Vous pouvez encoder maximum 250 articles dans votre panier en une fois. Supprimez certains articles de votre panier ou divisez votre commande en plusieurs commandes.
In this thesis, we introduce the novel concept of relaxed barrier function based model predictive control and present a comprehensive theoretical and algorithmic framework for the design, analysis, and implementation of relaxed barrier function based MPC approaches. Instead of treating the underlying optimization as an idealized static map, a key motive of the MPC results and algorithms presented in this thesis is to study the interconnected dynamics of controlled plant and iterative optimization algorithm in an integrated barrier function based framework and to analyze the resulting overall closed-loop system both from a systems theoretic and algorithmic perspective. One of the presented main results is a novel class of barrier function based anytime MPC algorithms that guarantee important properties of the closed-loop system independently of the number of optimization algorithm iterations that are performed at each sampling step. The obtained theoretical results are illustrated by various numerical examples and benchmark tests as well as by an experimental case study in which the proposed class of barrier function based MPC algorithms is applied to the predictive control of a self-driving car.