Explore l'accélération de l'algorithme d'itération de valeur en utilisant la théorie de contrôle et les techniques de fractionnement de matrice pour atteindre une convergence plus rapide.
Couvre le modèle de contrôle prédictif pour les diagrammes fondamentaux macroscopiques multi-régions dans la modélisation du flux de trafic et son application dans la gestion des problèmes de contrôle non linéaire.
Explore le contrôle intégral, l'estimation des perturbations, la conception du contrôleur et la conception de l'observateur dans les systèmes de contrôle multivariables.
Explore le défi de contrôle dans les systèmes robotiques souples et l'utilisation de modèles simplifiés avec théorie de contrôle non linéaire pour l'exécution dynamique des tâches.
Couvre les principes fondamentaux de la théorie du contrôle optimal, en se concentrant sur la définition des OCP, l'existence de solutions, les critères de performance, les contraintes physiques et le principe d'optimalité.
Introduit le contrôle prédictif (DEEPC) activé par les données comme méthode de conception des contrôleurs directement à partir des données d'entrée/sortie mesurées, réduisant ainsi le coût de conception et de mise en service.
