Optimisation des suspensions : analyse et optimisation des performances

À propos
Confidentialité
Mentions légales

Graph Chatbot

Séances de cours associées (32)

Page 3 sur 4

Méthodes d'optimisation

Couvre la méthode locale de Newton en Python en utilisant NumPy pour l'optimisation.

Algorithmes d'optimisation

Couvre les algorithmes d'optimisation, en se concentrant sur Proximal Gradient Descent et ses variations.

Moteurs électriques : principes et applications

Explore les principes du moteur électrique, la linéarité, les systèmes de contrôle, les suspensions actives et les transformations Laplace.

Optimisation des systèmes énergétiques

Explore la modélisation, l'optimisation et l'analyse des coûts des systèmes énergétiques pour des opérations efficaces.

Réservoir de mélange: Contrôle de processus

Couvre le contrôle du processus d'un réservoir de mélange et l'optimisation de ses performances.

RTR aspects pratiques + tCG

Explore les aspects pratiques de l'optimisation de la région de confiance riemannienne et introduit la méthode du gradient conjugué tronqué.

Bandits à bras multiples

Discute des algorithmes pour équilibrer l'exploration et l'exploitation dans les processus décisionnels.

Systèmes de contrôle: Châssis Dynamique

Analyse les systèmes de contrôle dans la dynamique du châssis, en se concentrant sur les systèmes de suspension automobile.

Processus stochastiques contrôlés

Explore les processus stochastiques contrôlés, en se concentrant sur l'analyse, le comportement et l'optimisation, en utilisant la programmation dynamique pour résoudre les problèmes du monde réel.

Optimisation avec contraintes : conditions KKT

Couvre les conditions KKT pour l'optimisation avec des contraintes, essentielles pour résoudre efficacement les problèmes d'optimisation.