Optimalisatiealgoritmes voor data gestuurd design, signaalverwerking en controle van ruizige niet-lineaire systemen

Wiskundige modellen van dynamische processen leveren de kritieke link tussen reële toepassingen en technieken voor het voorspellen, monitoren en controleren. Modellen worden bekomen uit metingen via systeemidentificatie methodes. Deze methodes houden echter geen rekening met het opeenvolgend gebruik van het model voor design. Momenteel vereist dit probleem menselijke interactie door middel van trial en error. Een rigoureuze aanpak met hoge winst, in dit project onderzocht, is het samenvoegen van het modelleren van data en het model gebaseerd design tot één probleem, genaamd data gestuurd design. Deze aanpak heeft twee duidelijke voordelen: hij is theoretisch optimaal en automatiseert het gehele ontwerpproces, wat resulteert in een lagere kost en een hoge ontwerpbetrouwbaarheid. Dit project bestudeert data gestuurde signaalverwerking en controle op basis van ruizige data van niet-lineaire systemen. In het bijzonder is het plan om effectieve niet-convexe formulaties voor te stellen, alsook convexe relaxaties voor ruizige data van algemene niet-lineaire systemen, en het ontwikkelen van optimalisatiealgoritmes om ze effectief op te lossen.