26112020

JEUDI 26 NOVEMBRE 2020

Performance-oriented model learning for data-driven MPC design    (PDF)
Authors: Dario Piga, Marco Forgione, Simone Formentin, Alberto Bemporad

Abstract:Model Predictive Control (MPC) is an enabling technology in applications requiring controlling physical processes in an optimized way under constraints on inputs and outputs. However, in MPC closed-loop performance is pushed to the limits only if the plant under control is accurately modeled; otherwise, robust architectures need to be employed, at the price of reduced performance due to worst-case conservative assumptions. In this work, instead of adapting the controller to handle uncertainty, we adapt the learning procedure so that the prediction models selected to provide the best closed-loop performance. More specifically, we apply for the first time the above “identification for control” rationale to hierarchical MPC using data-driven methods and Bayesian optimization.
 

Identification expérimentale de modèles fractionnaires de batteries dans le domaine temporel
Authors : Achraf Nasser-Eddine, Benoît Huard, Jean-Denis Gabano, Thierry Poinot

Résumé : L’identification de l’impédance d’une batterie, en électrochimie, consiste à effectuer des mesures dans le domaine fréquentiel pour obtenir le spectre d’impédance. Le spectre obtenu fait apparaître en général trois domaines de fréquences distincts : une zone haute fréquence caractérisant la résistance de l’électrolyte et des résistances de contact ; une zone de moyenne fréquence liée au mécanisme de transfert de charge et une zone de basse
fréquence correspondant à des phénomènes de diffusion ionique. L’obtention du spectre d’impédance nécessite cependant un équipement spécifique (analyseur de spectre) et peut nécessiter un temps assez long (de l’ordre de la dizaine de minutes) pour collecter un nombre suffisant de mesures, particulièrement à basse fréquence (f < 100 mHz). Une méthode alternative consiste à effectuer les mesures dans le domaine temporel, via des expérimentations de chronopotentiométrie. Celles-ci consistent à imposer une séquence d’excitation en courant de type Séquence Binaire Pseudo-Aléatoire (SBPA) de courte durée (de l’ordre de la seconde) et d’exploiter la mesure de la variation de tension induite autour de la tension en circuit ouvert (Open Circuit Voltage ou OCV). Cependant, il est nécessaire de pouvoir simuler dans le domaine temporel les impédances d’ordre non entier inhérentes aux modèles de batteries. La présentation propose ainsi une méthode intégrant un opérateur d’intégration fractionnaire continu qui permet d’estimer correctement les paramètres des impédances électrochimiques en utilisant l’algorithme d’optimisation de Levenberg-Marquardt. La procédure d’identification est dans un premier temps validée en simulation puis expérimentalement sur une cellule de batterie Lithium-ion.
 

On interval prediction of COVID-19 development based on a SEIR epidemic model

Authors: Denis Efimov and Rosane Ushirobira

Abstract: In this presentation, a new version of the well-known SEIR model is used to analyze the pandemic course of COVID-19 in eight different countries. One of the proposed model’s improvements is to reflect the societal feedback on the disease and confinement features. The SEIR model parameters are assumed to be time-varying, and the ranges of their values are identified by using publicly available data for France, Italy, Spain, Germany, Brazil, Russia, New York State (US), and China. The identified model is then applied to predict the SARS-CoV- 2 virus propagation under various conditions of confinement. For this purpose, an interval predictor is designed, allowing variations and uncertainties in the model parameters to be
taken into account.

Transport effect of COVID-19 pandemic in France
Authors: Lina Guan, Christophe Prieur, Liguo Zhang, Clémentine Prieur,Didier Georges, Pascal
Bellemain

Abstract: An extension of the classical pandemic SIRD model is considered for the regional spread of COVID-19 in France under lockdown strategies. This compartment model divides the infected and the recovered individuals into undetected and detected compartments respectively. By fitting the extended model to the real detected data during the lockdown, an optimization algorithm is used to derive the optimal parameters, the initial condition and the epidemics start date of regions in France. Considering all the age classes together, a network model of the pandemic transport between regions in France is presented on the basis of the regional extended model and is simulated to reveal the transport effect of COVID-19 pandemic after lockdown. Using the measured values of displacement of people between cities, the pandemic network of all cities in France is simulated by using the same model and method as the pandemic network of regions. Finally, a discussion on an integro-differential equation is given and a new model for the network pandemic model of each age class is provided.