Contributions to nonlinear system modelling and controller synthesis via convex structures

Abstract

Esta tesis discute diferentes metodologías de modelado para extraer mejores prestaciones o resultados de estabilidad que aquéllas que el modelado convencional basado en sector no-lineal de sistemas Takagi-Sugeno (también denominados cuasi-LPV) es capaz de producir.

En efecto, incluso si las LMIs pueden probar distintas cotas de prestaciones o márgenes de estabilidad (tasa de decaimiento, $\mathcal H_\infty$, etc.) para sistemas politópicos, es bien conocido que las prestaciones probadas dependen del modelo elegido y, dado un sistema no-lineal, dicho modelo politópico no es único. Por tanto, se presentan exploraciones hacia cómo obtener el modelo que es menos perjudicial para la medida de prestaciones elegida.

Como una última contribución, mejores resultados son obtenidos mediante la extensión del modelado politópico Takagi-Sugeno a un marco de inclusiones en diferencias cuasi-convexas con planificación de ganancia. En efecto, una versión sin planificación de ganancia fue propuesta por un equipo de investigadores de la Universidad de Sevilla (Fiaccini, Álamo, Camacho) para generalizar el modelado politópico, y esta tesis propone una version aún más general de algunos de dichos resultados que incorpora planificación de ganancia.

This thesis discusses different modelling methodologies to eke out best performance/stability results than conventional sector-nonlinearity Takagi-Sugeno (also known as quasi-LPV) systems modelling techniques are able to yield.

Indeed, even if LMIs can prove various performance and stability bounds (decay rate, $\mathcal H_\infty$, etc.) for polytopic systems, it is well known that the proven performance depends on the chosen model and, given a nonlinear dynamic systems, the polytopic embeddings available for it are not unique. Thus, explorations on how to obtain the model which is less deletereous for performance are presented.

As a last contribution, extending the polytopic Takagi-Sugeno setup to a gain-scheduled quasi-convex difference inclusion framework allows to improve the results over the polytopic models. Indeed, the non-scheduled convex difference inclusion framework was proposed by a research team in University of Seville (Fiacchini, Alamo, Camacho) as a generalised modelling methodology which included the polytopic one; this thesis poses a further generalised gain-scheduled version of some of these results.

Aquesta tesi discuteix diferents metodologies de modelatge per extreure millors prestacions o resultats d'estabilitat que aquelles que el modelatge convencional basat en sector no-lineal de sistemes Takagi-Sugeno (també anomenats quasi-LPV) és capaç de produir.

En efecte, fins i tot si les LMIs poden provar diferents cotes de prestacions o marges d'estabilitat (taxa de decaïment, $\mathcal H_\infty$, etc.) per a sistemes politòpics, és ben conegut que les prestacions provades depenen del model triat i, donat un sistema no-lineal, el dit model politòpic no és únic. Per tant, es presenten exploracions cap a com obtenir el model que és menys perjudicial per a la mesura de prestacions triada.

Com una darrera contribució, millors resultats són obtinguts mitjançant l'extensió del modelatge politòpic Takagi-Sugeno a un marc d'inclusions en diferències quasi-convexes amb planificació de guany. En efecte, una versió sense planificació de guany va ser proposada per un equip d'investigadors de la Universitat de Sevilla (Fiaccini, Álamo, Camacho) per a generalitzar el modelatge politòpic, i aquesta tesi proposa una versió més general d'alguns d'aquests resultats que incorpora planificació de guany.